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
341	2024-10-30	Artificial intelligence-based power market price prediction in smart renewable energy systems: Combining prophet and transformer models 2024-Oct-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38227 PMID:39469701	研究论文	本文开发了一种结合Prophet和Transformer模型的混合时间序列预测模型，用于电力市场价格预测	引入Stacking优化策略，结合传统时间序列方法和深度学习模型，提高了电力市场价格预测的准确性和稳定性	未提及具体限制	开发一种新的电力市场价格预测方法，支持智能可再生能源系统的可靠和灵活运行	电力市场价格预测	机器学习	NA	深度学习	Transformer	时间序列数据	四个电力市场数据集
342	2024-10-30	Vehicular Mini-LED backlight display inspection based on residual global context mechanism 2024-Oct-29, Frontiers of optoelectronics IF:4.1Q2 DOI:10.1007/s12200-024-00140-4 PMID:39467917	研究论文	本文提出了一种基于残差全局上下文机制的车辆Mini-LED背光显示检测方法	本文提出了高分辨率网络（Hrnet）与混合扩张卷积和密集上采样卷积（MDC-DUC）模块以及残差全局上下文注意力（RGCA）模块结合的新模型，显著提高了Mini-LED背光显示的质量检测精度	NA	提高车辆Mini-LED背光显示的质量检测精度	车辆Mini-LED背光显示的质量检测	计算机视觉	NA	深度学习	高分辨率网络（Hrnet）	图像	NA
343	2024-10-30	Tracer-Separator: A Deep Learning Model for Brain PET Dual-Tracer (18F-FDG and Amyloid) Separation 2024-Oct-29, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005511 PMID:39468375	研究论文	本研究开发了一种基于深度学习的模型，用于分离脑部PET双示踪剂（18F-FDG和淀粉样蛋白）图像	本研究首次采用无卷积的transformer架构SwinUNETR，实现了从模拟双示踪剂成像的加和扫描中合成真实的FDG和FBP/FMM图像	NA	本研究旨在通过先进的成像技术简化诊断过程，提高患者治疗效果	研究对象包括120名从认知正常到轻度认知障碍、痴呆和其他精神障碍的患者	计算机视觉	NA	PET成像	SwinUNETR	图像	120名患者
344	2024-10-30	Enhancing Diagnostic Accuracy of Fresh Vertebral Compression Fractures with Deep Learning Models 2024-Oct-29, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005156 PMID:39468863	研究论文	本研究旨在开发和验证基于X光图像的深度学习模型，以准确诊断新鲜的胸腰椎椎体压缩性骨折	使用深度学习模型结合X光图像进行诊断，作为MRI的替代方案	研究为回顾性研究，且样本量相对较小	开发和验证用于诊断新鲜椎体压缩性骨折的深度学习模型	胸腰椎椎体压缩性骨折的X光图像	计算机视觉	脊柱疾病	深度学习	EfficientNet, MobileNet, MnasNet	图像	3025张侧位X光图像，来自2224名患者
345	2024-10-30	DNA breathing integration with deep learning foundational model advances genome-wide binding prediction of human transcription factors 2024-Oct-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae783 PMID:39271116	研究论文	本文开发了一种多模态深度学习模型EPBDxDNABERT-2，用于预测人类转录因子与DNA的结合	本文创新性地将DNA呼吸特征与DNABERT-2基础模型结合，显著提高了转录因子结合预测的准确性	NA	确定转录因子结合与DNA呼吸之间的精确关系	人类转录因子与DNA的结合	机器学习	NA	ChIP-Seq	深度学习模型	基因组数据	690个ChIP-seq实验结果，涵盖161种不同的转录因子和91种人类细胞类型
346	2024-10-30	A deep learning-based method enables the automatic and accurate assembly of chromosome-level genomes 2024-Oct-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae789 PMID:39287126	研究论文	本文介绍了一种基于深度学习的方法AutoHiC，用于自动和准确地组装染色体级别的基因组	AutoHiC利用Hi-C数据进行自动化工作流程和迭代错误校正，显著提高了基因组组装的连续性和准确性	NA	解决染色体级别基因组组装中的错误校正和序列锚定问题	染色体级别基因组组装	基因组学	NA	Hi-C技术	深度学习	基因组数据	300多种物种的数据
347	2024-10-30	ABTrans: A Transformer-based Model for Predicting Interaction between Anti-Aβ Antibodies and Peptides 2024-Oct-28, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00664-5 PMID:39466358	研究论文	本文研究了基于Transformer模型的ABTrans，用于预测抗Aβ抗体与肽段的相互作用	提出了基于Transformer的ABTrans模型，用于分类抗Aβ抗体与十二肽的结合能力，并研究了抗Aβ抗体与其他人类淀粉样蛋白的交叉反应	NA	开发更有效的阿尔茨海默病治疗方法	抗Aβ抗体与肽段的相互作用	机器学习	阿尔茨海默病	深度学习	Transformer	序列	训练数据包括来自噬菌体展示实验的十二肽序列和已知的抗Aβ抗体序列
348	2024-10-30	An Artificial Intelligent System for Prostate Cancer Diagnosis in Whole Slide Images 2024-Oct-28, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02118-3 PMID:39466503	研究论文	开发并验证了一种用于前列腺癌诊断的机器学习系统，该系统能够检测神经周围侵犯并测量癌症部分以满足临床报告需求	该系统通过三个连续阶段分析全切片图像：组织检测、分类和切片级分析，利用深度学习算法进行癌症组织检测和分类	系统在不同放大倍数下的分类准确率有所不同，20倍放大倍数下的准确率较低	开发一种计算机辅助诊断工具，用于通过全切片图像评估前列腺癌	前列腺癌的全切片图像	数字病理学	前列腺癌	深度学习	NA	图像	2340张苏木精-伊红染色的切片，由11名具有前列腺病理学专业知识的认证病理学家在4个不同的医疗中心独立进行标注
349	2024-10-30	Comparison of image quality and lesion conspicuity between conventional and deep learning reconstruction in gadoxetic acid-enhanced liver MRI 2024-Oct-28, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01825-2 PMID:39466542	研究论文	比较常规重建与深度学习重建在钆塞酸增强肝脏MRI中的图像质量和病变显著性	深度学习重建在钆塞酸增强肝脏MRI中提供了比常规重建更高的图像质量和动脉期病变显著性	深度学习重建在门静脉期和肝胆期与常规重建相比，病变显著性无显著差异	比较常规重建与深度学习重建在钆塞酸增强肝脏MRI中的图像质量和病变显著性	钆塞酸增强肝脏MRI图像	计算机视觉	肝病	MRI	深度学习	图像	50名参与者
350	2024-10-30	Noise Self-Regression: A New Learning Paradigm to Enhance Low-Light Images Without Task-Related Data 2024-Oct-28, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3487361 PMID:39466857	研究论文	本文提出了一种新的低光图像增强方法Noise Self-Regression (NoiSER)，无需任务相关数据，通过纯高斯噪声完成图像增强任务	NoiSER方法通过自回归和高斯噪声假设，实现了低光图像增强，无需任何任务相关数据，且在增强质量和模型大小方面具有竞争优势	NA	研究如何在不依赖任务相关数据的情况下，通过深度学习方法增强低光图像	低光图像增强	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
351	2024-10-30	A Nuclei-Focused Strategy for Automated Histopathology Grading of Renal Cell Carcinoma 2024-Oct-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3487004 PMID:39466875	研究论文	本文提出了一种基于核特征的肾细胞癌自动病理分级新框架	引入了一种新的框架NuAP-RCC，利用核级特征进行增强的补丁级肾细胞癌分级	NA	提高肾细胞癌病理分级的准确性和可重复性	肾细胞癌的核分级	数字病理学	肾细胞癌	图神经网络	卷积神经网络	图像	涉及来自不同医疗机构的数据集
352	2024-10-30	Improving Accuracy and Reproducibility of Cartilage T2 Mapping in the OAI Dataset Through Extended Phase Graph Modeling 2024-Oct-28, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29646 PMID:39467097	研究论文	本文评估了不同拟合方法对OAI数据集中膝关节软骨T2弛豫时间准确性和可重复性的影响	本文首次将扩展相位图（EPG）建模应用于OAI数据集，以解决传统单指数模型忽略受激回波和B1不均匀性的问题	本文仅评估了EPG和单指数方法在OAI数据集中的表现，未涉及其他数据集或方法	评估不同拟合方法对OAI数据集中膝关节软骨T2弛豫时间准确性和可重复性的影响	OAI数据集中的膝关节软骨T2弛豫时间	数字病理学	骨关节炎	扩展相位图（EPG）建模	NA	图像	100名受试者（50名骨关节炎患者和50名非骨关节炎患者）
353	2024-10-30	Air quality index prediction with optimisation enabled deep learning model in IoT application 2024-Oct-28, Environmental technology IF:2.2Q3 DOI:10.1080/09593330.2024.2409993 PMID:39467096	研究论文	本文开发了一种基于物联网的深度学习技术，用于预测空气质量指数（AQI）	提出了Tangent Two-Stage Algorithm (TTSA)用于路由机制，并引入了Fractional Tangent Two-Stage Optimisation (FTTSA)用于深度前馈神经网络（DFNN）的训练过程	NA	开发一种基于物联网的深度学习模型，用于预测空气质量指数	空气质量指数（AQI）的预测	机器学习	NA	深度学习	深度前馈神经网络（DFNN）	时间序列数据	NA
354	2024-10-30	Advancements in early detection of pancreatic cancer: the role of artificial intelligence and novel imaging techniques 2024-Oct-28, Abdominal radiology (New York) DOI:10.1007/s00261-024-04644-7 PMID:39467913	综述	本文综述了人工智能和新型成像技术在胰腺癌早期检测中的进展，特别是深度学习方法的应用	本文介绍了通过新型成像技术和人工智能技术改进风险分层和开发成像生物标志物的最新进展	NA	提高胰腺导管腺癌的早期检测和生存率	胰腺导管腺癌的早期检测	计算机视觉	胰腺癌	人工智能	深度学习	图像	NA
355	2024-10-30	Adversarial robustness improvement for X-ray bone segmentation using synthetic data created from computed tomography scans 2024-10-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73363-2 PMID:39468116	研究论文	本文提出了一种利用从计算机断层扫描（CT）扫描生成的合成数据来改进X射线骨分割对抗鲁棒性的方法	本文的创新点在于使用从3D光子计数CT体积正投影生成的合成X射线图像和标注掩码来创建现实且非最佳定位的X射线图像，以补充训练数据，从而提高模型的鲁棒性	本文未详细讨论合成数据生成过程中可能引入的误差或偏差，以及这些因素对模型性能的潜在影响	本文的研究目的是通过使用合成数据来解决深度学习在医学图像分析中面临的数据稀缺和对抗数据敏感性问题，从而提高模型的鲁棒性	本文的研究对象是X射线骨分割模型的对抗鲁棒性	计算机视觉	NA	深度学习	TotalSegmentator	图像	本文未明确提及具体样本数量，但提到了使用真实数据和合成数据进行训练
356	2024-10-30	A deep learning approach to optimize remaining useful life prediction for Li-ion batteries 2024-Oct-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77427-1 PMID:39468251	研究论文	本文提出了一种基于深度学习的锂离子电池剩余使用寿命预测方法	利用深度学习技术，特别是结合自编码器和长短期记忆网络（LSTM）层，提高了锂离子电池剩余使用寿命预测的准确性和效率	NA	提高锂离子电池在消费电子和电动汽车等应用中的性能和安全性	锂离子电池的剩余使用寿命	机器学习	NA	深度学习	LSTM	电池操作特征数据	22种电流变化，涉及3个锂离子电池
357	2024-10-30	Deep learning based local feature classification to automatically identify single molecule fluorescence events 2024-Oct-28, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07122-4 PMID:39468368	研究论文	本文介绍了一种基于深度学习的局部特征分类方法DEBRIS，用于自动识别单分子荧光事件	DEBRIS模型能够自动识别稳态荧光信号和动态出现的不同模式信号，并能高效准确地识别单色和双色单分子事件的起点和终点	NA	开发一种自动化的方法来分类单分子荧光事件，减少人工分析的劳动强度和用户偏差	单分子荧光事件的分类和识别	机器学习	NA	深度学习	深度学习模型	单分子荧光数据	数千或更多的单分子轨迹
358	2024-10-30	Accelerated hazard prediction based on age time-scale for women diagnosed with breast cancer using a deep learning method 2024-Oct-28, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02725-7 PMID:39468511	研究论文	本文研究了使用深度学习方法预测乳腺癌患者基于年龄类别的加速风险率	本文提出了基于年龄类别的加速风险率预测模型，并使用深度学习方法进行实现	本文仅针对乳腺癌患者进行了研究，且样本量有限	研究如何使用深度学习方法预测乳腺癌患者的加速风险率	乳腺癌患者	机器学习	乳腺癌	深度学习	深度学习模型	临床数据	1225名女性乳腺癌患者
359	2024-10-30	A comprehensive comparison of deep learning-based compound-target interaction prediction models to unveil guiding design principles 2024-Oct-28, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00913-1 PMID:39468635	研究论文	本文对基于深度学习的化合物-靶点相互作用预测模型进行了全面比较，旨在揭示指导设计原则	本文通过系统评估化合物和靶点的输入特征及其对应的神经网络架构，提出了改进的CTI模型Phys-DeepConv-DTI，具有最优性能	NA	评估和比较不同深度学习模型在化合物-靶点相互作用预测中的性能，以指导未来模型的开发	12种最先进的深度学习模型及其在化合物-靶点相互作用预测中的表现	机器学习	NA	深度学习	CNN	化合物-靶点相互作用数据	超过30万条绑定和非绑定化合物-靶点相互作用数据
360	2024-10-30	Identification of drug use degree by integrating multi-modal features with dual-input deep learning method 2024-Oct-28, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2417206 PMID:39468790	研究论文	本文提出了一种双输入双模态融合算法，通过脑电图（EEG）和近红外光谱（NIRS）研究药物使用程度	本文创新性地使用双输入多模态TiCBnet提取双模态信号的深度编码特征，并通过不同方法融合和筛选特征，最终进行分类	本文未提及具体的局限性	研究药物使用程度的客观定量评估	药物使用程度	机器学习	NA	脑电图（EEG），近红外光谱（NIRS）	双输入多模态TiCBnet	脑电图（EEG），近红外光谱（NIRS）	NA