深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
401	2024-10-02	Explainability of CNN-based Alzheimer's disease detection from online handwriting 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72650-2 PMID:39333681	研究论文	本文研究了基于卷积神经网络的阿尔茨海默病在线书写检测的可解释性	本文通过解释卷积神经网络对在线书写数据生成的多元时间序列数据的预测，揭示了健康个体和阿尔茨海默病患者在书写运动行为上的显著差异	NA	解决深度学习模型在阿尔茨海默病检测中的可解释性问题	在线书写数据及其生成的多元时间序列数据	机器学习	阿尔茨海默病	卷积神经网络	CNN	时间序列数据	NA
402	2024-10-02	Histopathological correlations of CT-based radiomics imaging biomarkers in native kidney biopsy 2024-Sep-27, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01434-x PMID:39333936	研究论文	本研究评估了基于CT的放射组学特征与原发性肾活检中慢性组织病理学变化之间的历史放射学相关性，并构建和验证了一个基于放射组学的慢性程度预测模型	本研究首次探讨了CT放射组学特征与肾活检中慢性组织病理学变化之间的相关性，并开发了一个用于非侵入性评估肾纤维化的预测模型	本研究仅限于左肾的分析，且样本量较小	评估基于CT的放射组学特征与肾活检中慢性组织病理学变化之间的相关性，并开发一个预测模型	基于CT的放射组学特征与肾活检中的慢性组织病理学变化	数字病理学	肾病	放射组学	3D Swin UNEt Transformers	图像	18岁及以上接受肾活检和腹部CT扫描的患者
403	2024-10-02	Skin lesion segmentation using deep learning algorithm with ant colony optimization 2024-Sep-27, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02686-x PMID:39334181	研究论文	本文评估了结合蚁群优化（ACO）的混合残差网络（ResUNet）模型在皮肤病变分类中的有效性	提出了一种结合蚁群优化的混合残差网络（ResUNet）模型，显著提高了皮肤病变分类的准确性	未来研究将探索多模态成像信息和替代优化算法，以进一步提升模型的性能和临床适用性	评估混合ResUNet模型在皮肤病变分类中的有效性，并优化ACO性能以提高计算效率和临床实用性	皮肤病变分类	计算机视觉	皮肤癌	深度学习	混合残差网络（ResUNet）	图像	包含多种皮肤病变的复杂数据集
404	2024-10-02	Research on variety identification of common bean seeds based on hyperspectral and deep learning 2024-Sep-24, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125212 PMID:39348737	研究论文	本研究基于高光谱和深度学习技术，对常见豆种进行非破坏性品种识别	提出了一种结合Inception模块和残差结构的一维卷积神经网络模型（IResCNN），并与其他模型进行对比，最终实现了93.06%的识别准确率	NA	实现常见豆种的非破坏性品种识别，提高豆种的培育和高效利用	常见豆种的品种识别	机器学习	NA	高光谱技术	一维卷积神经网络（IResCNN）	高光谱图像	3078张高光谱图像，涵盖500个品种
405	2024-10-02	Predicting Adherence to Computer-Based Cognitive Training Programs Among Older Adults: Study of Domain Adaptation and Deep Learning 2024-Sep-16, JMIR aging IF:5.0Q1 DOI:10.2196/53793 PMID:39283346	研究论文	研究利用深度学习和领域自适应技术预测老年人对计算机认知训练项目的依从性	首次尝试使用领域自适应技术预测老年人对认知训练项目的日常依从性	NA	提高预测老年人对认知训练项目依从性失误的准确性，以开发定制的依从性支持系统	老年人的认知训练项目依从性	机器学习	NA	深度卷积神经网络、领域自适应	深度神经网络	时间序列数据	来自两个先前进行的认知训练干预研究的参与者数据
406	2024-10-02	Deep learning models map rapid plant species changes from citizen science and remote sensing data 2024-Sep-10, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2318296121 PMID:39236239	研究论文	本文开发了一种深度学习模型，利用加利福尼亚州的遥感图像和50万条公民科学观测数据，绘制了2000多种植物物种的分布图	该模型不仅在物种分布建模方面优于许多常见方法，还能以几米的分辨率绘制物种分布，并精确划分植物群落，包括红木国家公园的原始森林和砍伐森林	NA	研究目的是开发一种能够高分辨率、高时间分辨率和高分类分辨率绘制植物物种分布变化的深度学习模型	研究对象是加利福尼亚州的植物物种分布变化	计算机视觉	NA	深度学习	深度学习模型	图像	50万条公民科学观测数据和遥感图像数据
407	2024-10-02	Validation of an AI-Powered Automated X-ray Bone Age Analyzer in Chinese Children and Adolescents: A Comparison with the Tanner-Whitehouse 3 Method 2024-Sep, Advances in therapy IF:3.4Q2 DOI:10.1007/s12325-024-02944-4 PMID:39085749	研究论文	本研究验证了一种基于人工智能的自动X光骨龄分析器在中国儿童和青少年中的临床适用性，并与Tanner-Whitehouse 3方法进行了比较	本研究展示了AI驱动的骨龄分析器在准确性和时间效率上的优势，可能提高临床工作效率	研究仅在中国进行，样本仅包括900名中国儿童和青少年，可能限制了结果的普适性	验证AI驱动的X光骨龄分析器在中国儿童和青少年中的临床适用性，并评估其与传统方法的性能差异	中国儿童和青少年的X光骨龄评估	计算机视觉	NA	深度学习	NA	图像	900名中国儿童和青少年
408	2024-10-02	Development and validation of deep learning models for bowel obstruction on plain abdominal radiograph 2024-Sep, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605241271844 PMID:39340252	研究论文	本文开发并验证了基于深度学习的计算机视觉模型，用于在腹部平片上诊断肠梗阻	提出了基于深度学习的计算机辅助诊断系统，能够提高诊断准确性并减轻医疗从业者的工作负担	NA	开发和验证用于诊断肠梗阻的深度学习模型	腹部平片上的肠梗阻诊断	计算机视觉	肠梗阻	深度学习	Xception, VGG16, ResNet	图像	2082张腹部平片
409	2024-10-01	Deep learning prediction of electrospray ionization tandem mass spectra of chemically derived molecules 2024-Sep-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52805-5 PMID:39333165	研究论文	本文介绍了一种深度学习方法DeepCDM，用于预测化学衍生分子（CDMs）的电喷雾电离串联质谱	通过迁移学习将通用模型转化为专门针对CDMs的高预测性模型，并成功应用于预测丹磺酰化分子的质谱	NA	开发一种能够准确预测化学衍生分子质谱的深度学习方法	化学衍生分子（CDMs）的电喷雾电离串联质谱	机器学习	NA	电喷雾电离串联质谱	深度学习模型	质谱数据	小规模的实验获取的CDMs串联质谱数据集
410	2024-10-01	Spatial interpolation of global DEM using federated deep learning 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72807-z PMID:39333214	研究论文	本文提出了一种基于联邦学习和多尺度U-Net的全球DEM空间插值模型	利用联邦学习保护数据隐私，同时提高插值速度	插值精度较传统方法低	提高DEM数据的空间插值效率和隐私保护	全球数字高程模型（DEM）数据	计算机视觉	NA	联邦学习	多尺度U-Net	图像	NA
411	2024-10-01	A complex-valued convolutional fusion-type multi-stream spatiotemporal network for automatic modulation classification 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73547-w PMID:39333244	研究论文	本文介绍了一种用于自动调制分类的复值卷积融合型多流时空网络	提出了复值卷积融合型多流时空网络（CC-MSNet），结合空间和时间特征提取模块，提高了低信噪比条件下的识别准确率	未提及具体局限性	提高非合作通信系统中自动调制分类的准确性	自动调制分类中的调制识别	机器学习	NA	复值卷积	卷积神经网络	信号	使用了三个基准数据集：RML2016.10a, RML2016.10b, 和 RML2016.04c
412	2024-10-01	Identifying defects and varieties of Malting Barley Kernels 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73683-3 PMID:39333255	研究论文	本文介绍了一种综合方法，用于分类大麦麦芽颗粒，涉及双面颗粒成像、专门设计的图像处理算法、优化的深度神经网络架构和机械分选系统	本文提出了一种专门为大麦颗粒图像分析设计的卷积神经网络，并展示了其在分类大麦颗粒缺陷和品种方面的优越性能	传统方法在形态特征识别方面具有优势，这为未来的研究提供了将形态特征提取技术与现代卷积网络相结合的方向	开发一种能够精确分类大麦麦芽颗粒缺陷和品种的方法	大麦麦芽颗粒的缺陷和品种	计算机视觉	NA	图像处理算法	卷积神经网络	图像	NA
413	2024-10-01	Harnessing probabilistic neural network with triple tree seed algorithm-based smart enterprise quantitative risk management framework 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73876-w PMID:39333638	研究论文	本文提出了一种基于三重树种子算法和概率神经网络的智能企业量化风险管理框架	本文创新性地结合了深度学习技术和改进的元启发式算法，用于企业风险评估模型	NA	研究目的是开发一种有效的企业风险评估模型，以支持企业决策	研究对象是企业风险管理系统和相关风险评估技术	机器学习	NA	深度学习	概率神经网络	金融数据	使用了德国和澳大利亚的信用数据集进行实验评估
414	2024-10-01	Drug-target interaction prediction with collaborative contrastive learning and adaptive self-paced sampling strategy 2024-Sep-27, BMC biology IF:4.4Q1 DOI:10.1186/s12915-024-02012-x PMID:39334132	研究论文	提出了一种结合协同对比学习和自适应自步采样策略的深度学习模型CCL-ASPS，用于药物-靶点相互作用预测	利用多个生物网络学习药物和靶点的融合嵌入，确保从各个网络中获得一致的表示，并动态选择更具信息量的负样本对进行对比学习	未提及	提高药物-靶点相互作用预测的准确性	药物和靶点的相互作用	机器学习	NA	协同对比学习	深度学习模型	生物网络数据	未提及
415	2024-10-01	A deep learning-informed interpretation of why and when dose metrics outside the PTV can affect the risk of distant metastasis in SBRT NSCLC patients 2024-Sep-27, Radiation oncology (London, England) DOI:10.1186/s13014-024-02519-1 PMID:39334387	研究论文	本研究通过深度学习模型分析了NSCLC患者SBRT治疗中PTV外剂量与远处转移风险的关系，并解释了先前研究结论不一致的原因	本研究通过深度学习模型和可解释AI技术，识别了影响远处转移风险的关键预测因素，并解释了先前研究结论不一致的原因	本研究仅分析了478例NSCLC患者的SBRT治疗数据，样本量有限	探讨NSCLC患者SBRT治疗中PTV外剂量与远处转移风险的关系，并解释先前研究结论不一致的原因	NSCLC患者SBRT治疗中的PTV外剂量与远处转移风险	机器学习	肺癌	深度学习	深度学习模型	数据	478例NSCLC患者
416	2024-10-01	A multi-view feature representation for predicting drugs combination synergy based on ensemble and multi-task attention models 2024-Sep-27, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00903-3 PMID:39334437	研究论文	提出了一种多视角集成预测模型，用于预测药物组合的协同作用	通过多任务注意力深度学习模型和集成模型，结合多种药物和细胞系特征，提高了预测准确性	模型在特定数据集上表现良好，但未提及在其他数据集上的泛化能力	开发一种能够准确预测药物组合协同作用的新方法	药物组合的协同作用评分和分类标签	机器学习	NA	多任务注意力深度学习	多任务注意力模型	基因表达、拷贝数、突变、蛋白质组学、SMILES、分子图、指纹、药物-靶点	38种药物，39种癌症细胞系，共22,737对药物组合
417	2024-10-01	VesiMCNN: Using pre-trained protein language models and multiple window scanning convolutional neural networks to identify vesicular transport proteins 2024-Sep-26, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.136048 PMID:39332561	研究论文	本文介绍了一种名为vesiMCNN的新型计算方法，结合预训练的蛋白质语言模型和多窗口扫描卷积神经网络架构，用于准确识别囊泡运输蛋白	首次利用预训练语言模型与多窗口扫描技术结合的方法来识别囊泡运输蛋白	NA	开发一种新的计算方法来准确识别囊泡运输蛋白	囊泡运输蛋白	机器学习	NA	预训练蛋白质语言模型	卷积神经网络（CNN）	蛋白质序列	NA
418	2024-10-01	GastricAITool: A Clinical Decision Support Tool for the Diagnosis and Prognosis of Gastric Cancer 2024-Sep-23, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12092162 PMID:39335675	研究论文	本文开发了一种名为GastricAITool的临床决策支持工具，用于胃癌的诊断和预后	通过整合遗传数据显著提高了诊断和预后模型的区分能力	NA	开发一种支持临床医生在胃癌诊断和预后决策中的工具	胃癌的诊断和预后	机器学习	胃癌	机器学习和深度学习技术	XGBoost算法和随机生存森林算法	临床、人口统计学和遗传数据	590名西班牙高加索胃癌患者和633名无癌个体
419	2024-10-01	Applications of Artificial Intelligence-Based Systems in the Management of Esophageal Varices 2024-Sep-23, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm14091012 PMID:39338266	综述	本文综述了人工智能在食管静脉曲张管理中的应用	探讨了人工智能在食管静脉曲张诊断、风险分层和治疗优化中的应用	尽管有进展，基于实验室数据的临床评分对食管静脉曲张的特异性仍然较低，通常需要确认性内镜或影像学检查	探索人工智能在食管静脉曲张管理中的作用	食管静脉曲张的诊断、风险分层和治疗优化	机器学习	肝病	人工智能算法	机器学习和深度学习	临床评分、实验室数据、内镜图像和CT扫描	NA
420	2024-10-01	Study of Acoustic Emission Signal Noise Attenuation Based on Unsupervised Skip Neural Network 2024-Sep-23, Sensors (Basel, Switzerland) DOI:10.3390/s24186145 PMID:39338890	研究论文	本文介绍了一种基于无监督跳跃神经网络的声发射信号降噪模型，并将其应用于钢纤维增强混凝土、钢材和钢筋混凝土梁的拉伸和弯曲实验中	提出了基于无监督深度学习的声发射信号降噪模型，与传统方法相比在噪声降低方面表现出显著优势	NA	开发一种有效的声发射信号降噪方法，以提高信号的清晰度和完整性	声发射信号在钢纤维增强混凝土、钢材和钢筋混凝土梁的拉伸和弯曲实验中的应用	机器学习	NA	无监督深度学习	跳跃自编码器	信号	涉及钢纤维增强混凝土、钢材和钢筋混凝土梁的拉伸和弯曲实验中的声发射信号