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
461	2024-10-01	Advances in Ultrasound-Guided Surgery and Artificial Intelligence Applications in Musculoskeletal Diseases 2024-Sep-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14182008 PMID:39335687	综述	本文综述了超声引导手术在肌肉骨骼疾病中的最新进展，并详细介绍了人工智能和深度学习在超声成像中的应用	人工智能和深度学习技术被应用于解决超声成像中的操作依赖性和图像模糊问题，提高了诊断准确性和预测工具	NA	总结超声引导手术在肌肉骨骼疾病中的最新进展，并探讨人工智能和深度学习在超声成像中的应用	超声成像在肌肉骨骼疾病中的应用，特别是超声引导手术	计算机视觉	肌肉骨骼疾病	人工智能（AI）和深度学习（DL）	深度学习模型	图像	NA
462	2024-10-01	A Deep Learning Model for Cervical Optical Coherence Tomography Image Classification 2024-Sep-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14182009 PMID:39335688	研究论文	研究开发了一种基于深度学习的宫颈光学相干断层扫描（OCT）图像分类模型，并验证了其在检测高风险宫颈病变中的有效性	提出了结合特征金字塔网络（FPN）和纹理编码及深度监督的深度学习模型，通过提取和融合四尺度纹理特征来提高分类性能，并设计了基于深度监督的辅助分类机制以适应性调整各尺度的权重	NA	开发和验证一种基于深度学习的宫颈OCT图像分类模型，以帮助妇科医生高效解读宫颈OCT图像	宫颈组织的3D OCT体积图像，以及高风险宫颈病变（如高级别鳞状上皮内病变和宫颈癌）的检测	计算机视觉	宫颈癌	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	Renmin数据集和Huaxi数据集
463	2024-10-01	Advanced Prediction of Hepatic Oncogenic Transformation in HBV Patients via RNA-Seq Data Analysis and Deep Learning Techniques 2024-Sep-11, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25189827 PMID:39337315	研究论文	本研究通过RNA测序数据分析和深度学习技术，预测HBV感染患者的肝癌转化风险	本研究首次使用RNA-seq数据和深度学习模型（包括CNN）来预测HBV感染患者的肝癌转化风险，并取得了高达0.998的AUC值	本研究未发现病毒协同作用增强HBV的致病性，且CNN模型对较长序列的识别更为准确	探讨HBV感染与肝癌发展之间的关系，并利用RNA测序和深度学习技术预测肝癌转化风险	HBV感染患者及其肝癌转化风险	机器学习	肝癌	RNA-seq	CNN	RNA序列	NA
464	2024-09-30	Applications of Artificial Intelligence for Heat Stress Management in Ruminant Livestock 2024-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s24185890 PMID:39338635	研究论文	本文探讨了人工智能在反刍动物热应激管理中的应用	采用先进的AI技术，如机器学习、神经网络和深度学习，来评估反刍动物的生产风险和气候适应性	NA	研究如何利用人工智能技术有效管理反刍动物的热应激问题	反刍动物的热应激管理	机器学习	NA	机器学习、神经网络、深度学习	NA	行为、生理和动物健康数据	NA
465	2024-10-01	Application of Hyperspectral Imaging and Multi-Module Joint Hierarchical Residual Network in Seed Cotton Foreign Fiber Recognition 2024-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s24185892 PMID:39338637	研究论文	本文提出了一种结合高光谱成像技术和多模块联合分层残差网络的方法，用于种子棉中白色、透明和多类混合异纤的识别	设计了双分层残差结构，能够获取多尺度信息并避免梯度消失；集成了挤压激励网络，减少冗余信息，提高模型特征表达能力	NA	提高深度学习算法对种子棉中白色、透明和多类混合异纤的识别能力	种子棉中的异纤	计算机视觉	NA	高光谱成像技术	多模块联合分层残差网络	高光谱图像	NA
466	2024-10-01	A Deep Learning Method for Human Sleeping Pose Estimation with Millimeter Wave Radar 2024-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s24185900 PMID:39338645	研究论文	本文提出了一种基于毫米波雷达的深度学习方法用于人体睡眠姿势估计	引入了ResTCN架构，结合残差块和时间卷积网络，以识别不同的睡眠姿势	实验数据集仅包含16名志愿者的睡眠雷达序列，样本量较小	开发一种非接触式系统，用于监测睡眠障碍患者的睡眠姿势	人体睡眠姿势	计算机视觉	NA	毫米波雷达	ResTCN	雷达时间序列	16名志愿者
467	2024-10-01	RT-CBAM: Refined Transformer Combined with Convolutional Block Attention Module for Underwater Image Restoration 2024-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s24185893 PMID:39338642	研究论文	本文提出了一种结合卷积块注意力模块的改进Transformer模型，用于水下图像恢复	通过改进特征块（扩张Transformer块）更准确地计算注意力权重，增强了对局部和全局特征的捕捉；嵌入了自监督方法（局部和全局盲补丁网络）以增强细节恢复和纹理修复质量；引入了多尺度卷积块注意力模块（MSCBAM）以增强颜色通道的特征表示	未提及	提高水下图像恢复的质量	水下图像	计算机视觉	NA	Transformer, 卷积神经网络 (CNN)	Transformer, 卷积块注意力模块 (CBAM)	图像	未提及
468	2024-10-01	Gas Detection and Classification Using Multimodal Data Based on Federated Learning 2024-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s24185904 PMID:39338648	研究论文	本文研究了基于多模态数据和联邦学习的气体检测与分类方法	本文创新性地结合了多传感器数据和热成像数据，并采用联邦学习保护数据隐私	低成本传感器的可靠性和灵敏度较低，不适合长距离气体检测	旨在通过多模态数据和联邦学习实现早期气体泄漏检测和分类	气体泄漏检测和分类	机器学习	NA	联邦学习	卷积神经网络 (CNN) 和双向长短期记忆网络 (Bi-LSTM)	多模态数据（传感器数据和热成像数据）	6400个样本，包括烟雾、香水、混合物和中性环境
469	2024-10-01	Penetration State Recognition during Laser Welding Process Control Based on Two-Stage Temporal Convolutional Networks 2024-Sep-10, Materials (Basel, Switzerland) DOI:10.3390/ma17184441 PMID:39336184	研究论文	本文提出了一种基于两阶段时序卷积网络的激光焊接过程穿透状态识别方法，用于实现激光焊接的在线过程控制	本文提出了一种基于通道剪枝的轻量级分割模型，用于从清晰的熔池关键孔图像中提取熔池和关键孔的关键特征，并建立了基于注意力机制的时序卷积网络进行穿透状态识别	NA	实现激光焊接过程的在线控制和穿透状态的有效预测	激光焊接过程中的穿透状态	计算机视觉	NA	通道剪枝	时序卷积网络	图像	NA
470	2024-10-01	Asymmetric Stereo High Dynamic Range Imaging with Smartphone Cameras 2024-Sep-10, Sensors (Basel, Switzerland) DOI:10.3390/s24185876 PMID:39338621	研究论文	本文提出了一种利用智能手机相机的不对称镜头实现单次拍摄高动态范围融合的方法	利用现代智能手机上的不对称镜头实现立体高动态范围成像，采用基于参考的深度学习方法进行单次拍摄HDR融合	NA	开发一种更稳定且准确的高动态范围成像方法	智能手机相机的不对称镜头	计算机视觉	NA	深度学习	深度学习模型	图像	NA
471	2024-10-01	Early Detection of Mental Health Crises through Artifical-Intelligence-Powered Social Media Analysis: A Prospective Observational Study 2024-Sep-09, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm14090958 PMID:39338211	研究论文	本研究探讨了利用人工智能分析社交媒体数据以早期检测心理健康危机的潜力	开发了一种多模态深度学习模型，结合自然语言处理和时间分析技术，能够跨语言和文化背景准确检测心理健康危机	存在伦理挑战，包括隐私问题、潜在的污名化和文化偏见	探索人工智能在分析社交媒体数据以识别心理健康危机早期迹象方面的潜力	社交媒体数据，包括来自Twitter、Reddit和Facebook的996,452条多语言帖子	机器学习	NA	多模态深度学习	深度学习模型	文本	996,452条社交媒体帖子，涵盖英语、西班牙语、普通话和阿拉伯语
472	2024-10-01	YOLO-PBESW: A Lightweight Deep Learning Model for the Efficient Identification of Indomethacin Crystal Morphologies in Microfluidic Droplets 2024-Sep-06, Micromachines IF:3.0Q2 DOI:10.3390/mi15091136 PMID:39337796	研究论文	提出了一种改进的YOLOv8算法（YOLO-PBESW）用于高效识别微流体液滴中吲哚美辛晶体的不同形态	通过集成高分辨率特征层P2和BiFPN结构增强了小目标检测能力，并采用EMA机制提升网络对全局特征的关注，同时使用SimSPPF替代SPPF以降低计算成本和推理时间，以及用WIoUv3替代CIoU损失函数以提高检测性能	NA	开发一种轻量级深度学习模型，用于高效识别微流体液滴中吲哚美辛晶体的不同形态	吲哚美辛晶体的不同形态	计算机视觉	NA	深度学习	YOLOv8	图像	NA
473	2024-10-01	DTVF: A User-Friendly Tool for Virulence Factor Prediction Based on ProtT5 and Deep Transfer Learning Models 2024-Sep-05, Genes IF:2.8Q2 DOI:10.3390/genes15091170 PMID:39336761	研究论文	本文提出了一种基于ProtT5和深度迁移学习模型的用户友好型工具DTVF，用于预测病原体的毒力因子	本文创新性地将长短期记忆网络（LSTM）与卷积神经网络（CNN）结合，并引入注意力机制，显著提高了毒力因子检测的准确性	NA	解决生物信息学领域中病原体毒力因子识别的重要问题	病原体的毒力因子	机器学习	NA	深度迁移学习	LSTM和CNN	蛋白质序列	NA
474	2024-10-01	Deep Learning-Based Obesity Identification System for Young Adults Using Smartphone Inertial Measurements 2024-Sep-04, International journal of environmental research and public health DOI:10.3390/ijerph21091178 PMID:39338061	研究论文	本文提出了一种基于深度学习的肥胖识别系统，利用智能手机的惯性测量数据来识别年轻人的肥胖情况	本文创新性地将智能手机的惯性测量数据与深度学习模型结合，用于识别肥胖	研究样本较小，且排除了步态异常的个体	开发一种基于智能手机惯性测量数据的深度学习模型，用于识别年轻人的肥胖情况	年轻人的肥胖识别	机器学习	NA	惯性测量	CNN, LSTM, CNN-LSTM	惯性测量数据	训练集包含138名受试者，测试集包含35名受试者
475	2024-10-01	Enhancing Missense Variant Pathogenicity Prediction with MissenseNet: Integrating Structural Insights and ShuffleNet-Based Deep Learning Techniques 2024-Sep-02, Biomolecules IF:4.8Q1 DOI:10.3390/biom14091105 PMID:39334871	研究论文	本文提出了一种名为MissenseNet的模型，通过整合AlphaFold2的蛋白质结构预测和基于ShuffleNet的深度学习技术，提高了错义变异致病性预测的准确性	MissenseNet模型不仅利用了传统的预测特征，还整合了AlphaFold2的蛋白质结构预测数据，并通过ShuffleNet架构中的编码器-解码器框架和Squeeze-and-Excitation模块优化了特征融合和交互	NA	提高错义变异致病性预测的准确性，以支持疾病诊断和个性化治疗策略	错义变异的致病性分类	机器学习	NA	深度学习	ShuffleNet	蛋白质结构数据	NA
476	2024-10-01	MuToN Quantifies Binding Affinity Changes upon Protein Mutations by Geometric Deep Learning 2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202402918 PMID:38995072	研究论文	本文介绍了一种名为MuToN的几何深度学习框架，用于量化蛋白质突变后结合亲和力的变化	MuToN利用几何注意力网络，能够捕捉突变复合物蛋白质结合界面的变化，并评估氨基酸的变构效应	NA	评估蛋白质突变对蛋白质-蛋白质结合亲和力的影响	蛋白质突变后的结合亲和力变化	机器学习	NA	几何深度学习	几何注意力网络	蛋白质结合界面数据	涉及SARS-CoV-2变体与ACE2复合物的结合亲和力变化
477	2024-10-01	Text-to-Microstructure Generation Using Generative Deep Learning 2024-Sep, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202402685 PMID:38770745	研究论文	本文提出了一种基于生成深度学习的文本到微观结构生成网络Txt2Microstruct-Net，能够直接从文本提示生成3D材料微观结构	首次提出了一种文本到微观结构的生成网络，无需额外优化过程，且能够生成多种几何表示	尚未提及	开发一种能够从文本直接生成3D材料微观结构的生成网络	材料微观结构和超材料的设计	机器学习	NA	生成深度学习	生成网络	微观结构-描述对数据集	大量微观结构-描述对数据
478	2024-10-01	Comparison of deep learning models to traditional Cox regression in predicting survival of colon cancer: Based on the SEER database 2024-Sep, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16598 PMID:38725241	研究论文	本研究使用深度学习算法预测结肠癌患者的生存率，并与传统的Cox回归模型进行性能比较	深度学习模型在预测结肠癌患者生存率方面表现出比传统Cox回归模型更好的性能	NA	比较深度学习模型与传统Cox回归模型在预测结肠癌患者生存率方面的性能	结肠癌患者的生存率预测	机器学习	结肠癌	深度学习	人工神经网络 (ANN), 深度神经网络 (DNN), 长短期记忆 (LSTM) 神经网络	文本	训练集10596例，测试集4536例
479	2024-10-01	Data-driven discrete fractional chaotic systems, new numerical schemes and deep learning 2024-Sep-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0218662 PMID:39345192	研究论文	本文提出了一种基于数据驱动的离散分数阶混沌系统的新数值方案和深度学习方法	本文首次提出了针对Caputo和Riemann-Liouville类型的延迟分数阶差分方程的新数值方案，并利用神经网络方法估计离散分数阶混沌系统的未知参数	NA	研究数据驱动的分数阶混沌系统中的参数估计问题	离散分数阶混沌系统的参数估计	机器学习	NA	神经网络	神经网络	数值数据	NA
480	2024-10-01	Accurate deep learning-based filtering for chaotic dynamics by identifying instabilities without an ensemble 2024-Sep-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0230837 PMID:39345191	研究论文	研究使用深度学习方法在混沌动力学中进行数据同化（DA）方案的发现	提出了一种无需集合的深度学习方法，能够准确地进行混沌动力学的数据同化，达到了与最佳调谐的集合卡尔曼滤波器相当的精度	假设动力学已知，且仅在Lorenz 96动力学模型上进行了实验	探索深度学习在混沌动力学数据同化中的应用	数据同化中的分析步骤，特别是从状态轨迹和观测中学习分析步骤	机器学习	NA	深度学习	残差卷积神经网络	时间序列数据	Lorenz 96动力学模型