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
941	2024-09-07	Evaluation of the invasiveness of pure ground-glass nodules based on dual-head ResNet technique 2024-Sep-02, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-12823-4 PMID:39223592	研究论文	使用双头ResNet技术评估纯磨玻璃结节的侵袭性	采用双头ResNet_3D_3F模型，在四种模型中具有最高的诊断效率	四种模型的诊断性能没有显著差异	智能评估纯磨玻璃结节的侵袭性	1136例患者的纯磨玻璃结节	计算机视觉	肺癌	EfficientNet和ResNet网络	ResNet	图像	1136例患者，包括360名男性和776名女性，平均年龄54.63±12.36岁，其中235例AAH+AIS，332例MIA，569例IAC
942	2024-09-07	High-Accuracy Airborne Rangefinder via Deep Learning Based on Piezoelectric Micromachined Ultrasonic Cantilevers 2024-Sep, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3433407 PMID:39052462	研究论文	本文介绍了一种基于压电微加工超声悬臂梁阵列的高精度空气耦合声波测距仪，通过连续波实现0-1米的测距	研究引入了基于卷积神经网络（CNN）的深度学习架构，结合多种分类模型的优势，显著提高了测距精度（100%）和曲线下面积（AUC）（1.0）	NA	研究高精度空气耦合声波测距技术	压电微加工超声悬臂梁阵列	机器学习	NA	压电微加工超声悬臂梁阵列	卷积神经网络（CNN）	超声信号	NA
943	2024-09-07	Detection of Endoleak after Endovascular Aortic Repair through Deep Learning Based on Non-contrast CT 2024-Sep, Cardiovascular and interventional radiology IF:2.8Q2 DOI:10.1007/s00270-024-03805-x PMID:38977447	研究论文	开发并验证了一种基于非对比CT的深度学习模型，用于检测血管内主动脉修复后的内漏	利用非对比CT图像进行内漏检测，并通过深度学习模型实现高灵敏度的检测	研究为回顾性研究，样本量有限，且仅限于特定时间段内的患者	开发和验证一种用于检测血管内主动脉修复后内漏的深度学习模型	血管内主动脉修复后的内漏检测	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	245名患者，其中85名有内漏，82名无内漏
944	2024-09-07	Advancing Carbon Fiber Composite Inspection: Deep Learning-Enabled Defect Localization and Sizing via 3-D U-Net Segmentation of Ultrasonic Data 2024-Sep, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3408314 PMID:38829751	研究论文	本文首次提出了一种使用3-D U-Net深度学习方法，通过超声数据的三维分割来定位和测量碳纤维增强聚合物复合材料中的缺陷	首次使用3-D U-Net深度学习方法进行碳纤维复合材料缺陷的定位和尺寸测量，并通过三维超声数据生成缺陷掩膜，减少了预处理步骤	初始尺寸测量结果存在过大的误差，但通过校正因子调整后，尺寸精度有所提高	开发一种新的深度学习方法，用于碳纤维复合材料的无损检测中的缺陷定位和尺寸测量	碳纤维增强聚合物复合材料中的缺陷	计算机视觉	NA	超声检测	3-D U-Net	三维超声数据	40个碳纤维增强聚合物复合材料中的缺陷
945	2024-09-07	Common and unique brain aging patterns between females and males quantified by large-scale deep learning 2024-Sep, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70005 PMID:39225381	研究论文	基于UK Biobank项目中的25,582名健康参与者的静息状态脑功能连接数据，使用深度学习和可解释AI技术，研究了男性和女性在脑老化过程中的共同和独特模式	首次通过大规模深度学习模型量化了男性和女性在脑老化过程中的共同和独特脑功能连接模式	研究仅基于UK Biobank项目的数据，可能存在数据来源的局限性	探讨正常老化过程中脑功能的变化及其在男性和女性中的异同	健康参与者（25,582人，其中13,373人为女性）的静息状态脑功能连接	机器学习	NA	深度学习	深度学习模型	脑功能连接数据	25,582名健康参与者（13,373名女性），年龄范围为49-76岁
946	2024-09-07	Validity and Reliability of OpenPose-Based Motion Analysis in Measuring Knee Valgus during Drop Vertical Jump Test 2024-Sep, Journal of sports science & medicine DOI:10.52082/jssm.2024.515 PMID:39228769	研究论文	本研究评估了基于OpenPose的运动分析在测量垂直跳跃测试中膝关节外翻角度的有效性和可靠性	利用深度学习方法的OpenPose运动分析解决了传统三维运动分析和人工视觉检测的缺点，如昂贵的设备、耗时的分析和受限的实验设置	本研究仅涉及21名年轻健康的成年人，样本量较小，可能限制了结果的普适性	评估OpenPose运动分析与人工运动分析在膝关节外翻角度测量中的精确度，并以三维运动分析为参考标准	21名年轻健康的成年人在垂直跳跃测试中的膝关节外翻角度	计算机视觉	NA	深度学习	OpenPose算法	视频图像	21名年轻健康的成年人
947	2024-09-07	Taylor Remora optimization enabled deep learning algorithms for percentage of pesticide detection in grapes 2024-Sep, Environmental science and pollution research international DOI:10.1007/s11356-023-30169-5 PMID:37853213	研究论文	本文提出了一种基于优化深度学习算法的葡萄叶病害检测及农药残留百分比检测方法	本文创新性地结合了Taylor概念和Remora优化算法（ROA），并应用于葡萄叶病害的检测和农药残留百分比的检测	NA	开发一种有效的葡萄叶病害检测和农药残留百分比检测方法，以帮助农民做出决策	葡萄叶病害和农药残留百分比	计算机视觉	葡萄病害	深度学习	深度神经模糊优化器（DNFN）、深度Maxout网络（DMN）、深度信念网络（DBN）	图像	NA
948	2024-09-07	Automatic detection of foot-strike onsets in a rhythmic forelimb movement 2024-Sep, Neuroscience research IF:2.4Q3 DOI:10.1016/j.neures.2024.04.002 PMID:38642677	研究论文	本文介绍了一种使用深度学习工具自动检测大鼠前肢节奏性运动中足部触地起始点的方法	结合关节坐标和行为置信度评分两种技术，实现了高精度的起始点检测	NA	精确确定节奏性运动中的起始点，以全面分析运动功能	大鼠的前肢节奏性运动	计算机视觉	NA	深度学习	NA	视频	NA
949	2024-09-07	mACPpred 2.0: Stacked Deep Learning for Anticancer Peptide Prediction with Integrated Spatial and Probabilistic Feature Representations 2024-Sep-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168687 PMID:39237191	研究论文	本文介绍了mACPpred 2.0，一个用于预测抗癌肽的堆叠深度学习模型，结合了空间和概率特征表示	首次将空间和概率特征表示集成用于预测抗癌肽，并采用堆叠深度学习方法提高预测准确性	NA	开发一个更新的抗癌肽预测工具，以应对已知抗癌肽数量的快速增长	抗癌肽及其在癌症治疗中的应用	机器学习	NA	堆叠深度学习	1D CNN	文本	集成所有公开可用的抗癌肽数据集
950	2024-09-07	GalaxySagittarius-AF: Predicting Targets for Drug-Like Compounds in the Extended Human 3D Proteome 2024-Sep-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168617 PMID:39237198	研究论文	GalaxySagittarius-AF 是一个基于深度学习技术的网络服务器，用于预测药物样化合物在扩展的人类3D蛋白质组中的靶点	GalaxySagittarius-AF 通过整合预测的结构，将结构预测的成果转化为药物样化合物的靶点预测，并使用扩大的结构数据库，包括经过整理的AlphaFold模型结构及其结合位点和配体，预测方法比其前身更快，覆盖了更大的人类蛋白质空间	NA	开发一个能够预测药物样化合物在扩展的人类3D蛋白质组中靶点的网络服务器	药物样化合物在人类蛋白质组中的靶点	机器学习	NA	深度学习	AlphaFold	蛋白质结构	NA
951	2024-09-06	Exploring the contribution of joint angles and sEMG signals on joint torque prediction accuracy using LSTM-based deep learning techniques 2024-Sep-05, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2400318 PMID:39235388	研究论文	本研究使用双向长短期记忆（LSTM）模型，通过关节角度和表面肌电图（sEMG）信号预测下肢关节扭矩，并评估了不同输入模态下的模型性能	本研究创新性地使用了双向LSTM模型，并比较了单一输入模态和组合输入模态在关节扭矩预测中的效果	本研究仅使用了公开数据集进行训练和评估，未探讨其他数据集或实际应用场景中的表现	研究如何通过机器学习技术提高下肢关节扭矩预测的准确性	下肢关节扭矩的预测	机器学习	NA	双向长短期记忆（LSTM）	LSTM	关节角度和表面肌电图（sEMG）信号	使用公开数据集进行训练和评估
952	2024-09-06	A Graph-Based Time-Frequency Two-Stream Network for Multistep Prediction of Key Performance Indicators in Industrial Processes 2024-Sep-04, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3447108 PMID:39231064	研究论文	本文提出了一种基于图的时间-频率双流网络，用于工业过程中关键性能指标的多步预测	本文创新性地提出了多图注意力层和时间-频率双流网络，解决了过程变量之间的复杂耦合关系和长期依赖学习问题	NA	实现工业过程中关键性能指标的多步预测	工业过程中的关键性能指标	机器学习	NA	多图注意力层	图神经网络	时间序列数据	两个真实世界工业数据集
953	2024-09-04	PCaseek: ultraspecific urinary tumor DNA detection using deep learning for prostate cancer diagnosis and Gleason grading 2024-Sep-03, Cell discovery IF:13.0Q1 DOI:10.1038/s41421-024-00710-y PMID:39223118	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
954	2024-09-06	Learning co-plane attention across MRI sequences for diagnosing twelve types of knee abnormalities 2024-Sep-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51888-4 PMID:39223149	研究论文	本文介绍了一种利用共平面注意力机制的深度学习模型，用于跨MRI序列诊断十二种膝关节异常	引入了共平面注意力机制，提高了模型对多序列MRI图像的分类能力	未提及具体限制	开发一种能够准确分类膝关节异常的深度学习模型	多序列膝关节MRI图像及其对应的异常类型	计算机视觉	NA	深度学习	深度学习模型	图像	1748名受试者和12种异常类型
955	2024-09-06	Deep learning-based virtual staining, segmentation, and classification in label-free photoacoustic histology of human specimens 2024-Sep-02, Light, science & applications DOI:10.1038/s41377-024-01554-7 PMID:39223152	研究论文	本文介绍了一种基于深度学习的框架，用于在无标记光声组织学中进行自动虚拟染色、分割和分类	提出了一个包含可解释对比非配对翻译（E-CUT）、U-net架构和深度学习逐步特征融合方法（StepFF）的框架，显著提高了分类准确性	NA	开发一种在临床环境中简化病理诊断过程的技术	人类样本的光声组织学图像	数字病理学	肝癌	深度学习	U-net	图像	NA
956	2024-09-06	Predicting odor from vibrational spectra: a data-driven approach 2024-Sep-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70696-w PMID:39223164	研究论文	本研究通过数据驱动的方法，利用振动光谱（VS）预测气味，并结合计算机视觉技术进行特征提取和分类	首次使用数据驱动的分类、聚类和可解释AI技术，分析了3018个分子的振动光谱数据，并结合图像表示和PCA降维指纹特征，提高了气味分类的准确性	NA	验证振动理论在气味感知中的应用，并探索深度学习在嗅觉研究中的潜力	3018个分子的振动光谱数据及其气味分类	计算机视觉	NA	数据驱动分类、聚类、可解释AI	深度学习模型	振动光谱图像	3018个分子
957	2024-09-06	Integrating machine and deep learning technologies in green buildings for enhanced energy efficiency and environmental sustainability 2024-Sep-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70519-y PMID:39223231	研究论文	本文研究了将机器学习和深度学习技术应用于绿色建筑设计中，以提高能源效率和环境可持续性	提出了结合机器学习和深度学习技术来优化绿色建筑设计过程，并使用GNN和LSTM模型进行实验，结果表明这些模型比传统深度学习技术更准确和高效	未提及具体的研究局限性	开发一个绿色建筑设计预测模型，以优化资源消耗、提高居住者舒适度并减少建筑环境对环境的影响	绿色建筑设计过程及其对环境可持续性的影响	机器学习	NA	机器学习（ML）和深度学习（DL）技术，包括RF、DT、Extreme GB、GNN、LSTM和RNN	GNN和LSTM	数值数据	使用了ASHARE-884数据集
958	2024-09-06	Impact of acquisition area on deep-learning-based glaucoma detection in different plexuses in OCTA 2024-09-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71235-3 PMID:39223266	研究论文	研究了不同采集区域和血管丛对基于深度学习的青光眼检测的影响	深度学习方法在所有采集区域和血管丛中均优于传统的血管密度生物标志物，并且在6x6 ONH扫描中表现最佳	未提及具体限制	探讨不同采集区域和血管丛对基于机器学习的青光眼患者与健康对照组区分的影响	青光眼患者和健康对照组	计算机视觉	眼科疾病	光学相干断层扫描血管造影 (OCTA)	深度学习	图像	未提及具体样本数量
959	2024-09-06	PCP-GC-LM: single-sequence-based protein contact prediction using dual graph convolutional neural network and convolutional neural network 2024-Sep-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05914-3 PMID:39223474	研究论文	本文提出了一种基于单序列的蛋白质接触预测方法PCP-GC-LM，结合双层图卷积神经网络和卷积神经网络进行预测	本文创新性地使用了双层图神经网络和卷积网络，能够更好地捕捉蛋白质分子不同层次的抽象特征，并处理不同长度和形状的蛋白质分子结构	本文未提及具体的计算负担问题解决方案	提高基于单序列的蛋白质接触预测方法的准确性	蛋白质接触图谱预测	机器学习	NA	图卷积神经网络	图卷积神经网络和卷积神经网络	蛋白质序列和结构信息	两个同源二聚体蛋白质测试集（DeepHomo测试数据集和CASP-CAPRI目标数据集）
960	2024-09-06	Robust mosquito species identification from diverse body and wing images using deep learning 2024-Sep-02, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-024-06459-3 PMID:39223629	研究论文	研究使用卷积神经网络（CNN）对蚊子种类进行基于图像的分类	比较了三种图像采集方法（智能手机、带宏镜头的智能手机和专业立体显微镜）在蚊子种类分类中的效果，并发现基于翅膀的分类效果优于基于身体的分类	CNN模型在不同设备上的表现依赖于特定设备的训练，导致平均准确率下降14%	探索卷积神经网络在蚊子种类分类中的应用	四种形态相似的Aedes蚊子种类	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	796个样本