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
1281	2024-08-13	A syntactic evidence network model for fact verification 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106424 PMID:38875934	研究论文	本文提出了一种结合实体关键词、句法信息和句子注意力的句法证据网络（SENet）模型，用于事实验证	SENet模型通过提取实体关键词和使用预训练的句法依赖解析器来提取相应的句法句子结构，并将提取的句法信息融入注意力机制，以实现语言驱动的词表示	NA	提高事实验证任务的准确性	事实验证任务中的句法信息和注意力机制	自然语言处理	NA	注意力机制	SENet	文本	在FEVER和UKP Snopes数据集上进行了实验
1282	2024-08-07	A dual-mode, image-enhanced, miniaturized microscopy system for incubator-compatible monitoring of live cells 2024-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126537 PMID:38996561	research paper	本文介绍了一种名为MiniCube的双模式、图像增强型微型显微镜系统，用于在培养箱内直接监测活细胞	MiniCube系统支持明场和荧光成像，具有单细胞空间分辨率和亚秒级时间分辨率，并能通过深度学习算法显著提高信噪比	NA	开发一种适用于培养箱内活细胞监测的微型显微镜系统	活细胞的生理活动和增殖	computer vision	NA	深度学习	NA	image	单细胞
1283	2024-08-07	Rapid, portable, and sensitive detection of CaMV35S by RPA-CRISPR/Cas12a-G4 colorimetric assays with high accuracy deep learning object recognition and classification 2024-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126441 PMID:38924982	研究论文	本文开发了一种基于RPA-CRISPR/Cas12a-G四链体比色法结合深度学习算法的快速、灵敏且便携的CaMV35S启动子检测方法	该方法结合了RPA扩增、CRISPR/Cas12a系统和G四链体技术，并通过深度学习算法进行高精度分类，实现了对CaMV35S启动子的高灵敏度检测	NA	开发一种快速、灵敏且便携的基因改造检测方法，以促进农业安全和食品安全	CaMV35S启动子的检测	生物技术	NA	RPA-CRISPR/Cas12a-G四链体比色法	Yolov5和Resnet	图像	检测限低至10 aM，0.01%的基因改造样本
1284	2024-08-04	Machine learning for high-precision simulation of dissolved organic matter in sewer: Overcoming data restrictions with generative adversarial networks 2024-Oct-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174469 PMID:38972419	研究论文	本研究建立了一种新框架，结合生成对抗网络和机器学习模型，以提高污水中溶解有机物转化过程的模拟精度	提出了一种整合生成对抗网络算法与机器学习模型的框架，以克服数据限制带来的缺陷	模型的准确性受到数据限制的限制	研究污水中溶解有机物的转化过程及其管理策略	污水中的溶解有机物的转化过程	机器学习	NA	生成对抗网络	集成模型	虚拟数据集	1000个样本
1285	2024-08-04	Spatiotemporal changes of urban vacant land and its distribution patterns in shrinking cities on the globe 2024-Oct-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174424 PMID:38969133	研究论文	研究确定了497个全球收缩城市中的城市空置土地（UVL）及其时空特征	使用手动标记和深度学习识别UVL，揭示其分布模式及时空变化	仅分析了2016年至2021年间的UVL，可能未涵盖其他时间段的变化	识别UVL并分析其在收缩城市中的时空特征	497个全球收缩城市的城市空置土地	城市规划	NA	深度学习	NA	地理空间数据	497个城市
1286	2024-08-05	An effective deep learning fusion method for predicting the TVB-N and TVC contents of chicken breasts using dual hyperspectral imaging systems 2024-Oct-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.139847 PMID:38925007	研究论文	本文提出了一种基于深度学习的融合方法，通过双波段高光谱成像系统预测鸡胸肉中的TVB-N和TVC含量	提出了一种端到端的深度学习模型PAFFM，整合了CNN、注意力机制和金字塔结构，能够有效融合不同光谱数据进行预测	暂无普适的处理组合，需依赖不同数据集的反复试验	研究鸡胸肉中TVB-N和TVC的预测方法	鸡胸肉的新鲜度指标TVB-N和TVC	数字病理学	NA	高光谱成像	CNN	光谱数据	NA
1287	2024-08-05	Clivia biosensor: Soil moisture identification based on electrophysiology signals with deep learning 2024-Oct-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.116525 PMID:38936168	研究论文	该研究探讨了利用电生理信号和深度学习对植物进行土壤湿度监测的可能性	提出了一种轻量级的卷积神经网络（CNN）模型，PlantNet，能够以最低的计算资源消耗实现最佳分类性能	目前仅针对克利维亚在不同土壤湿度梯度下的电信号进行了研究，尚未验证其它植物	研究植物作为生物传感器监测土壤湿度的潜力	克利维亚植物在不同土壤湿度梯度下的电信号	机器学习	NA	电生理信号	卷积神经网络（CNN）	电信号	NA
1288	2024-08-05	Beneficial effect of residential greenness on sperm quality and the role of air pollution: A multicenter population-based study 2024-Oct-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174038 PMID:38906295	研究论文	研究表明居住环境的绿化对男性精子质量有益，并探讨空气污染的影响	首次系统探讨居住绿化与男性精子质量之间的关系，以及空气污染对这一关系的调节作用	研究未考虑其他可能影响精子质量的环境因素	评估居住绿化对男性精子质量的影响及空气污染的调节作用	研究对象为来自中国6个地区的33,184名精子捐赠者的样本	数字病理学	男性不育	归一化差异植被指数(NDVI)和时空深度学习法	线性混合模型	样本数据	共涉及78,742个样本
1289	2024-08-05	Effect of MR head coil geometry on deep-learning-based MR image reconstruction 2024-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30130 PMID:38647191	研究论文	本研究探讨了在使用深度学习（DL）图像重建方法时，平行成像施加的几何线圈约束是否可以放宽。	本文章的创新点在于提出了相比传统非深度学习方法，深度学习图像重建方法在几何线圈设计约束方面的灵活性。	本研究的限制在于只对两种线圈配置进行了评估，未考虑其他可能影响重建性能的因素。	本文旨在比较深度学习方法与传统方法在MR图像重建中的表现，特别是在处理线圈重叠时的能力。	研究对象为不同几何配置的头部线圈，包括8通道和32通道线圈。	数字病理学	NA	深度学习	NA	图像	NA
1290	2024-08-05	Which riverine water quality parameters can be predicted by meteorologically-driven deep learning? 2024-Oct-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174357 PMID:38945234	研究论文	本研究探讨了气象驱动的深度学习在河流水质参数预测中的应用	研究表明LSTM和GRU模型在预测多种水质参数方面表现优异，尤其是GRU模型在预测每日极值时表现出低误差增量	在预测浊度方面存在预测不足	探讨气象驱动的深度学习对河流水质参数的预测能力	以大黑河流域为研究对象，分析水温、溶解氧、电导率、化学需氧量、氨氮、总磷和总氮等水质参数	机器学习	NA	深度学习	LSTM和GRU	水质数据	NA
1291	2024-08-05	Innovative approaches for accurate ozone prediction and health risk analysis in South Korea: The combined effectiveness of deep learning and AirQ 2024-Oct-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174158 PMID:38909816	研究论文	本研究介绍了一种创新的方法，用于准确预测韩国的臭氧水平及其健康风险分析	提出了一种结合卷积神经网络（CNN）的深度偏差修正（Deep-BC）框架，以改善臭氧的预测精度	研究限于使用2016到2019年的历史数据，可能无法涵盖最新的变化	研究旨在提高臭氧预测的准确性以减轻其对公共健康的影响	研究对象为南韩七个主要省份的臭氧暴露与死亡率之间的关系	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）	气象数据与空气污染物测量数据	使用了2016至2019年的数据以及2021年的预测结果
1292	2024-08-05	A deep learning model integrating a wind direction-based dynamic graph network for ozone prediction 2024-Oct-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174229 PMID:38917895	研究论文	本文开发了一种新的混合深度学习模型，用于预测臭氧浓度。	提出了一种基于动态风向的时空图网络（WDDSTG-Net），结合动态图结构和注意力机制以提高预测精度。	未提及具体的局限性	旨在提高臭氧浓度的预测准确性，以便相关机构采取及时措施。	研究对象为空气质量监测站的臭氧浓度数据。	机器学习	NA	序列到序列模型，图注意力机制	动态时空图网络	时序数据	NA
1293	2024-08-05	The use of artificial intelligence algorithms to detect macroplastics in aquatic environments: A critical review 2024-Oct-01, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173843 PMID:38871326	评论	本文对在水域环境中检测宏观塑料的人工智能算法进行了批判性综述	本文分析了机器学习和深度学习方法在水域环境中检测、分类和数量化宏观塑料的应用，并介绍了最新的发展趋势	传统的机器学习技术在多类分类中表现出效率不足，且对处理大量数据的计算需求较高	评估机器学习和深度学习在检测宏观塑料中的有效性，并提供有效的废物管理策略	分析水域环境中宏观塑料的检测和分类方法	机器学习	NA	深度学习	卷积神经网络	卫星图像、航拍图像和无人机视频记录	NA
1294	2024-08-05	Deep learning models with optimized fluorescence spectroscopy to advance freshness of rainbow trout predicting under nonisothermal storage conditions 2024-Oct-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.139774 PMID:38810453	研究论文	本研究建立了基于优化的激发-发射矩阵（EEM）的深度学习模型，以预测虹鳟鱼在非等温储存条件下的新鲜度变化	提出了一种基于优化的EEM数据的深度学习模型，用于预测虹鳟鱼的新鲜度	缺乏对不同储存条件的广泛验证	研究预测在非等温储存条件下虹鳟鱼的新鲜度	虹鳟鱼的新鲜度变化	机器学习	NA	优化的激发-发射矩阵（EEM）	长短期记忆网络（LSTM），卷积神经网络长短期记忆（CNN_LSTM），径向基函数神经网络（RBFNN）	光谱数据	NA
1295	2024-08-05	Deep learning assisted logic gates for real-time identification of natural tetracycline antibiotics 2024-Oct-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.139705 PMID:38820637	研究论文	本研究提出了一种结合深度学习和多模式逻辑门的工具箱，用于实时识别自然四环素抗生素。	将深度学习、荧光和比色法相结合，实现了对四种自然四环素的实时识别，克服了传统平台的不足。	仅限于自然四环素抗生素的识别，未涵盖其他类型抗生素或复杂混合物的检测。	旨在提供一种新工具以实现四环素抗生素的实时识别和量化。	针对天然四种四环素抗生素进行实时识别，包括四氟环素、氧四环素、多西环素和氯四环素。	数字病理学	NA	荧光和比色法	深度学习模型	荧光数据和比色数据	NA
1296	2024-08-05	Study on breast cancerization and isolated diagnosis in situ by HOF-ATR-MIR spectroscopy with deep learning 2024-Oct-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124546 PMID:38824755	研究论文	本研究探讨了通过HOF-ATR-MIR光谱与深度学习对乳腺癌的分类与诊断	首次建立了基于1D-CNN的三类分类模型，能够有效区分正常、癌旁及癌变乳腺组织	并未明确提到具体的样本数量及研究局限性	旨在利用深度学习技术提高乳腺组织的分类与诊断准确性	研究对象为不同类型的乳腺组织，包括正常组织、癌旁组织和癌变组织	数字病理学	乳腺癌	HOF-ATR-MIR光谱	1D-CNN	光谱数据	NA
1297	2024-08-05	Information extraction of UV-NIR spectral data in waste water based on Large Language Model 2024-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124475 PMID:38772179	研究论文	本研究提出了一种基于大型语言模型(LLM)的UV-NIR光谱数据提取方法	利用大型语言模型在UV-NIR光谱分析中实现更简便和快速的操作，超越传统机器学习模型的表现	本研究可能缺乏对不同实验设置的全面评估及更多样本的适用性	减少UV-NIR光谱分析中时间成本及操作复杂性	对包括复杂废水在内的三种不同水样的化学需氧量（COD）进行预测	机器学习	NA	大型语言模型（LLM）	NA	光谱数据	三种不同的水样
1298	2024-08-05	A double-branch convolutional neural network model for species identification based on multi-modal data 2024-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124454 PMID:38788500	研究论文	该文章提出了一种基于多模态数据融合的双分支卷积神经网络模型用于物种识别	创新点在于将拉曼光谱和图像数据融合到一个双分支CNN模型中，提高了物种识别的准确性	未提及具体的样本限制或数据集大小	本研究旨在通过融合多模态数据提高物种识别的准确性	研究对象是通过使用拉曼光谱和图像数据进行物种识别	计算机视觉	NA	拉曼光谱	双分支CNN	图像和光谱数据	NA
1299	2024-08-07	Local and global changes in cell density induce reorganisation of 3D packing in a proliferating epithelium 2024-Oct-15, Development (Cambridge, England) DOI:10.1242/dev.202362 PMID:38619327	研究论文	本文通过活体成像和基于深度学习的分割技术，研究了海星胚胎中细胞密度、组织紧缩和细胞增殖对上皮组织结构的影响	首次详细分析了细胞密度和组织紧缩在三维上皮组织重排中的作用，并提出了细胞增殖在紧凑上皮中诱导三维细胞重排的机制	NA	探讨细胞密度、组织紧缩和细胞增殖如何影响上皮组织的三维结构重排	海星胚胎中的上皮组织	生物物理学	NA	深度学习	深度学习模型	图像	海星胚胎