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
1161	2024-08-05	Wavelet Transform, Reconstructed Phase Space, and Deep Learning Neural Networks for EEG-Based Schizophrenia Detection 2024-Sep, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065724500461 PMID:39010724	研究论文	本研究提出了一种基于EEG信号的创新专家系统，用于早期诊断精神分裂症	使用重建相空间和连续小波变换最大化正常与精神分裂症个体之间EEG非平稳信号的差异	文章未具体说明样本的多样性和是否考虑其他潜在干扰因素	研究旨在开发一种经济、安全且可靠的EEG测试方法，以早期诊断精神分裂症	针对精神分裂症患者与正常人群的EEG信号进行对比分析	数字病理学	精神分裂症	小波变换	深度学习网络	EEG信号	使用的数据集包含不同个体的EEG信号，具体样本数未提及
1162	2024-08-05	Machine learning for the advancement of genome-scale metabolic modeling 2024-Sep, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2024.108400 PMID:38944218	综述	本文回顾了机器学习在基因组规模代谢建模中的应用与进展	整合不同学科工具和策略，探索生化现象，提升生物工程与生物医学应用	多学科方法论框架的发展主要是独立进行的，这限制了不同领域生物知识的结合	探讨整合多学科工具以提升基因组规模代谢建模的准确性和预测能力	主要研究机器学习与多组学数据在模型重建与分析中的作用	系统生物学	NA	机器学习，深度学习	基因组规模代谢模型(GEM)	组学数据，如转录组学和蛋白质组学	NA
1163	2024-08-05	PepExplainer: An explainable deep learning model for selection-based macrocyclic peptide bioactivity prediction and optimization 2024-Sep-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2024.116628 PMID:38944933	研究论文	PepExplainer是一个可解释的深度学习模型，用于基于选择的宏环肽生物活性预测和优化	本研究开发的PepExplainer模型，通过图神经网络和亚结构掩码解释法，能够有效处理复杂的宏环肽结构及其生物活性预测	在深度学习模型中仍然存在数据可用性有限和解释性差的问题	该研究旨在通过AI工具提高宏环肽的生物活性预测和优化效率	研究对象为宏环肽及其与IL-17C/IL-17 RE相互作用的生物活性	计算机视觉	NA	图神经网络	图神经网络	分子图	十三个新合成的宏环肽
1164	2024-08-05	Quantification of litter in cities using a smartphone application and citizen science in conjunction with deep learning-based image processing 2024-Sep-15, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.06.026 PMID:38943818	研究论文	本研究提出了一种多学科方法，通过智能手机应用和深度学习图像处理量化城市垃圾的丰富性和组成	结合公民科学和智能手机应用，实现垃圾的视觉分类和深度学习图像处理的创新	未提及具体的局限性	研究城市环境中的垃圾数量和分类	利用Pirika智能手机应用收集的垃圾图像数据	数字病理学	NA	深度学习图像处理	深度学习算法	图像	约一百万张垃圾图像
1165	2024-08-05	Investigating the influence of streetscape environmental characteristics on pedestrian crashes at intersections using street view images and explainable machine learning 2024-Sep, Accident; analysis and prevention DOI:10.1016/j.aap.2024.107693 PMID:38955107	研究论文	研究街景环境特征对交叉口行人事故的影响。	应用深度学习网络从街景图像中提取特征，并结合XGBoost和SHAP方法建立可解释的模型框架。	研究可能仅限于特定城市或地区的街景图像，影响结果的普遍性。	探讨街景特征如何影响交叉口的行人撞车事件。	街景环境特征和行人碰撞事件的关系。	计算机视觉	NA	深度学习、XGBoost	XGBoost	图像	NA
1166	2024-08-05	Deep learning-based quantification of osteonecrosis using magnetic resonance images in Gaucher disease 2024-Sep, Bone IF:3.5Q2 DOI:10.1016/j.bone.2024.117142 PMID:38834102	研究论文	本研究提出了一种基于深度学习的方法，用于通过MRI图像定量评估高雪病患者的骨坏死。	使用深度学习构建U-net模型进行骨坏死的分割和特征参数提取，实现了对骨坏死的客观定量评估。	在定量测量骨坏死时没有发现与骨髓负担评分之间的强相关性。	开发一种新的定量方法，以客观评估高雪病患者的骨坏死程度。	研究对象为来自英国国家高雪病研究数据库的高雪病患者的MRI T1加权图像。	数字病理学	高雪病	MRI	U-net	图像	364个T1w图像（脊柱176个，股骨188个）用于训练，917个T1w图像用于应用
1167	2024-08-05	Decoding functional proteome information in model organisms using protein language models 2024-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae078 PMID:38962255	研究论文	该文章探讨了如何利用蛋白质语言模型解码模型生物体的功能蛋白组信息	本文展示了蛋白质语言模型在解码功能信息时的高精度和高信息量，超越了深度学习方法	在目前的研究中，没有应用于完整的蛋白质组，只对选定的模型生物体进行了测试	研究蛋白质语言模型在功能蛋白组信息解码中的有效性	选定的模型生物体的蛋白质组	机器学习	NA	机器学习	蛋白质语言模型	蛋白质组数据	选定的模型生物体的全蛋白组数据
1168	2024-08-05	Phase division and recognition of crystal HRTEM images based on machine learning and deep learning 2024-Sep, Micron (Oxford, England : 1993) DOI:10.1016/j.micron.2024.103665 PMID:38850965	研究论文	本研究提出了一种结合机器学习和深度学习的方法，自动划分晶体HRTEM图像中的相区域	创新点在于使用滑动窗口计算快速傅里叶变换(FFT)的幅度谱，并结合主成分分析和非负矩阵分解实现相的自动识别	本研究可能在处理某些复杂材料的HRTEM图像时存在局限性	研究目标是在HRTEM图像中实现高效的相分割和识别	研究对象包括锆和氧纳米颗粒的HRTEM图像	机器学习	NA	快速傅里叶变换(FFT)	深度学习	图像	锆和氧纳米颗粒HRTEM图像的实验
1169	2024-08-05	Fully automated planning for anatomical fetal brain MRI on 0.55T 2024-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30122 PMID:38650351	研究论文	本文探讨了在0.55T MRI上实现胎儿脑MRI的全面自动规划。	首次实现了在真实时间内针对胎儿脑部关键平面的完全自动规划，能够拓宽胎儿MRI的使用范围。	研究仅涉及九位胎儿受试者，样本量较小，可能影响结果的广泛适用性。	旨在通过自动化实时计划提高胎儿MRI的可用性。	研究对象为孕期20到37周的胎儿。	医学影像学	NA	深度学习	NA	图像	9个胎儿样本
1170	2024-08-05	Deep learning-based rapid image reconstruction and motion correction for high-resolution cartesian first-pass myocardial perfusion imaging at 3T 2024-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30106 PMID:38576068	研究论文	本文开发并评估了一种基于深度学习的快速图像重建和运动校正技术，用于3T高分辨率卡氏首次心肌灌注成像。	创新点在于提出了一种深度学习驱动的快速图像重建和运动校正技术，能在短时间内提供高质量的图像。	本文未提及潜在的限制。	本研究旨在提高3T卡氏首次心肌灌注成像的重建速度和图像质量。	研究对象为20名受试者的135个切片，涉及单层和多层同时采集数据。	数字病理学	NA	深度学习	3D U-Net	图像	20名受试者的135个切片
1171	2024-08-05	Using a deep learning prior for accelerating hyperpolarized 13C MRSI on synthetic cancer datasets 2024-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30053 PMID:38440832	研究论文	本文旨在结合深度学习先验与k空间数据相容性加速超极化碳-13 MRSI的应用，结果在合成癌症数据集上展示	提出了一种将深度学习先验与迭代方法结合的框架，从而扩展了深度学习在代谢成像中的应用	基于合成数据集进行评估，可能无法代表实际临床数据	探讨如何通过深度学习技术提高超极化碳-13 MRSI的重建速度和准确性	合成的人脑肿瘤图像、前列腺癌图像和小鼠肿瘤图像	数字病理学	前列腺癌	超极化碳-13 MRSI	深度学习模型	图像	合成数据集包含人脑肿瘤图像33个，前列腺癌图像72个，小鼠肿瘤图像58个
1172	2024-08-05	How can we quantify, explain, and apply the uncertainty of complex soil maps predicted with neural networks? 2024-Sep-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173720 PMID:38866156	研究论文	本文探讨了如何量化、解释和应用通过神经网络预测的复杂土壤地图的不确定性	提出使用贝叶斯深度学习中的'最后一层拉普拉斯近似'方法，量化深度网络的不确定性	传统深度学习算法在地理上远离训练区域或数据稀疏区域时，表现出对预测的过度自信	研究如何提高神经网络模型预测的不确定性量化和可解释性	针对南德地区的土壤分类进行探索性研究	机器学习	NA	贝叶斯深度学习	NA	土壤数据	NA
1173	2024-08-05	Harnessing the power of hybrid deep learning algorithm for the estimation of global horizontal irradiance 2024-Sep-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173958 PMID:38871320	研究论文	本研究提出了一种整合卷积神经网络、长短时记忆和门控循环单元的混合模型用于全球水平辐射照度的估计。	提出的混合模型在全球水平辐射照度的预测中相较于单独模型具有更好的性能，显著降低了预测误差。	研究仅基于印度拉贾斯坦邦四个地区的数据进行，可能限制了模型在其他地理区域的适用性。	旨在提高全球水平辐射照度的估计准确性和适应性。	使用拉贾斯坦邦四个不同地区的太阳辐射数据进行研究。	机器学习	NA	CNN、LSTM、GRU	混合模型（CNN-LSTM-GRU）	时间序列数据	四个地区的太阳辐射数据
1174	2024-08-05	Advancements in remote sensing for active fire detection: A review of datasets and methods 2024-Sep-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173273 PMID:38823698	综述	本研究全面且批判性地审查了自1975年以来遥感在火灾探测方面的进展	强调了机器学习，特别是深度学习技术在火灾探测中的日益重要性	NA	旨在为自然资源管理和环境保护提供有价值的资源	火灾探测的遥感数据集和对应的检测算法	计算机视觉	NA	遥感技术	深度学习	数据集	NA
1175	2024-08-05	A partially flipped physiology classroom improves the deep learning approach of medical students 2024-Sep-01, Advances in physiology education IF:1.7Q4 DOI:10.1152/advan.00196.2023 PMID:38602011	研究论文	本研究比较了部分翻转生理课堂（PFC）与传统讲座课堂（TLC）对医学生学习方法的影响	部分翻转课堂显著提高了学生的深度学习动机和策略，优于传统课堂的表层学习	本研究仅针对生理课程，样本量较小，结果可能不具普遍适用性	旨在提高医学生的学习方法，尤其是深度学习策略	71名临床医学专业的学生	教育	NA	R-SPQ-2F问卷	NA	量表数据	71名学生（实验组32名，控制组39名）
1176	2024-08-05	Automatic Measurement and Comparison of Normal Eyelid Contour by Age and Gender Using Image-Based Deep Learning 2024 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100518 PMID:38881605	研究论文	本研究提出了一种完全自动的眼睑测量系统，并比较了正常个体的上睑和下睑轮廓，按年龄和性别进行分类	创新点在于采用深度学习系统实现眼睑的自动测量和分析	该研究仅限于540名健康中国人，可能无法推广到其他人群	研究目的是开发一个自动化的眼睑测量系统并比较不同年龄和性别的眼睑轮廓	研究对象为540名年龄在0到79岁的健康中国人	数字病理	NA	深度学习	NA	图像	540名健康个体
1177	2024-08-05	Unsupervised Denoising and Super-Resolution of Vascular Flow Data by Physics-Informed Machine Learning 2024-09-01, Journal of biomechanical engineering DOI:10.1115/1.4065165 PMID:38529728	研究论文	我们提出了一种无监督深度学习方法，能够在没有高分辨率标签的情况下进行流动去噪和超分辨率处理	提出了一种单一模型，能够重构三维狭窄和动脉瘤流动，且具备变几何形状、方向和边界条件的能力	该研究主要基于生成的高管道流数据，可能无法直接应用于真实世界数据	研究流体去噪和超分辨率的模型训练方法	流动域几何和流场表示的表示压缩及相应的去噪与超分辨率处理	计算机视觉	NA	物理启发的神经网络	自编码器	三维流动数据	NA
1178	2024-08-05	A knowledge-aware deep learning model for landslide susceptibility assessment in Hong Kong 2024-Sep-01, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173557 PMID:38806128	研究论文	本文提出了一种知识感知的深度学习模型，用于评估香港的滑坡易发性。	将滑坡先验知识与深度学习模型相结合，提高了模型的可转移性和稳定性。	在滑坡发生之前，只有少数滑坡显示检测到的运动，大多数滑坡是自发发生的，缺乏前兆运动。	研究旨在提高滑坡预测模型的准确性和稳定性。	研究对象为香港地区的滑坡发生情况及其影响因素。	数字病理学	NA	深度学习	变分自编码器	地形、地质、气候等相关数据	NA
1179	2024-08-05	Deep learning-based compressed SENSE improved diffusion-weighted image quality and liver cancer detection: A prospective study 2024-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.04.010 PMID:38604347	研究论文	本研究评估了基于深度学习的压缩SENSE对肝癌检测的改进效果	提出了通过深度学习和压缩SENSE组合的扩散加权成像方法，提升了肝癌病灶的成像质量和检测率	该研究仅在单中心进行，样本量相对较小，可能影响结果的广泛适用性	评估深度学习结合压缩SENSE的扩散加权成像在肝癌检测中的有效性	高风险肝细胞癌患者	数字病理学	肝癌	压缩SENSE	深度学习	医学影像	67名参与者，涉及197个临床相关的肝病灶
1180	2024-08-05	MLMFNet: A multi-level modality fusion network for multi-modal accelerated MRI reconstruction 2024-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.04.028 PMID:38663831	研究论文	本文提出了一种名为MLMFNet的神经网络，用于多模态加速MRI重建	将辅助模态的信息融入目标模态的特征通道和层级中，以提高MRI重建的效率	对于多模态重建中的信息利用尚未完全优化	提升MRI重建的速度与准确性，尤其是在多模态成像环境下	主要研究对象为MRI成像，特别是大脑和膝关节影像数据集	计算机视觉	NA	深度学习	UNet	图像	公开的大脑数据集和膝关节数据集