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
741	2024-11-19	A highly efficient tunnel lining crack detection model based on Mini-Unet 2024-Nov-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79919-6 PMID:39548331	研究论文	本文提出了一种基于Mini-Unet的高效隧道衬砌裂缝检测模型	通过改进Unet架构并使用深度可分离卷积（DSConv）替代部分标准卷积层，实现了轻量级且高效的裂缝检测	NA	提高隧道衬砌裂缝检测的准确性和效率	隧道衬砌裂缝	计算机视觉	NA	深度学习	Mini-Unet	图像	NA
742	2024-11-19	Integrating radiomic and 3D autoencoder-based features for Non-Small Cell Lung Cancer survival analysis 2024-Nov-08, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108496 PMID:39551025	研究论文	本研究旨在开发一种基于放射组学和深度学习的生存分析特征，用于非小细胞肺癌患者的生存预测	本研究创新性地结合了放射组学特征和基于3D卷积自编码器的深度学习特征，用于非小细胞肺癌患者的生存分析	本研究仅使用了“Lung1”数据集中的422名患者数据，样本量有限，可能影响结果的泛化能力	开发一种新的生存分析特征，用于提高非小细胞肺癌患者的生存预测准确性	非小细胞肺癌患者的生存分析	计算机视觉	肺癌	3D卷积自编码器	自编码器	图像	422名非小细胞肺癌患者
743	2024-11-19	Advancements in biliopancreatic endoscopy - A comprehensive review of artificial intelligence in EUS and ERCP 2024-Nov, Revista espanola de enfermedades digestivas IF:2.7Q2 DOI:10.17235/reed.2024.10456/2024 PMID:38832589	综述	本文综述了人工智能在胆胰内镜（如EUS和ERCP）中的最新进展	探讨了深度学习模型在胆胰内镜中的应用潜力，如胆管狭窄的光学表征和胰腺病变的检测与分类	NA	全面概述人工智能在胆胰内镜中的现状，强调技术进步、主要应用、伦理考虑及未来研究与临床实施的方向	人工智能在胆胰内镜中的应用	计算机视觉	NA	深度学习	深度学习模型	图像	NA
744	2024-11-19	Deep learning to capture leaf shape in plant images: Validation by geometric morphometrics 2024-Nov, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17053 PMID:39383323	研究论文	本文研究了使用深度学习捕捉植物叶片形状，并通过几何形态测量法进行验证	本文结合了几何形态测量法和深度学习，评估了深度学习在捕捉叶片形状变化方面的有效性	深度学习模型固有的“黑箱”问题使得捕捉叶片变化的重复性具有挑战性	评估深度学习在捕捉叶片形状方面的有效性，并结合几何形态测量法提供形状信息的深入见解	Ranunculus auricomus 叶片的形状变化	计算机视觉	NA	几何形态测量法	神经网络	图像	Ranunculus auricomus 叶片的原位和压制后的图像数据集
745	2024-11-19	DMFGAN: a multifeature data augmentation method for grape leaf disease identification 2024-Nov, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17042 PMID:39446313	研究论文	提出了一种深度可分离多特征生成对抗网络（DMFGAN）用于增强葡萄叶病害数据	设计了基于四通道特征融合策略的多特征提取块（MFEB），改进了生成图像质量；设计了基于深度的D-判别器，提高了判别能力并减少了模型参数；使用SeLU激活函数替代DCGAN激活函数，解决了DCGAN激活函数无法充分拟合葡萄叶病害图像数据的问题；提出了带有梯度惩罚项的MFLoss函数，减少了生成对抗网络训练过程中的模式崩溃	NA	增强葡萄叶病害数据，提高病害识别的准确性和多样性	葡萄叶病害图像数据	计算机视觉	葡萄病害	生成对抗网络（GAN）	深度可分离多特征生成对抗网络（DMFGAN）	图像	NA
746	2024-11-19	InterLabelGO+: unraveling label correlations in protein function prediction 2024-Nov-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae655 PMID:39499152	研究论文	本文介绍了一种名为InterLabelGO+的混合方法，用于改进蛋白质功能预测	InterLabelGO+结合了深度学习方法和基于比对的方法，并引入了一种新的损失函数来处理标签依赖性和不平衡问题	NA	开发自动化计算方法以提高蛋白质功能预测的准确性	蛋白质功能预测	机器学习	NA	深度学习	深度学习模型	蛋白质序列	NA
747	2024-11-19	Use of Artificial Intelligence in Cobb Angle Measurement for Scoliosis: Retrospective Reliability and Accuracy Study of a Mobile App 2024-Nov-01, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/50631 PMID:39486021	研究论文	评估基于深度学习的AI应用程序在自动测量脊柱侧弯患者Cobb角度的可靠性和准确性	开发了一种基于深度学习的AI应用程序，实现了Cobb角度测量的完全自动化，减少了医生测量带来的观察者间变异性	NA	评估新开发的AI应用程序在自动测量脊柱侧弯患者Cobb角度的可靠性和准确性	脊柱侧弯患者的Cobb角度测量	计算机视觉	脊柱侧弯	深度学习	NA	图像	601名脊柱侧弯儿童的802张脊柱X光片
748	2024-11-18	An efficient deep learning method for amino acid substitution model selection 2024-Nov-16, Journal of evolutionary biology IF:2.1Q3 DOI:10.1093/jeb/voae141 PMID:39548851	研究论文	本文提出了一种用于氨基酸替代模型选择的深度学习方法	本文提出了一种新的深度学习网络ModelDetector，用于高效地检测氨基酸替代模型，其准确性与最大似然方法相当，但速度快了几个数量级	NA	开发一种高效的方法来选择氨基酸替代模型	氨基酸替代模型	机器学习	NA	深度学习	深度学习网络	蛋白质序列比对	2,246,400个比对
749	2024-11-18	Multi-type stroke lesion segmentation: comparison of single-stage and hierarchical approach 2024-Nov-16, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03243-4 PMID:39549224	研究论文	本文研究了多类型中风病灶分割问题，比较了单阶段和分层方法的性能	本文首次探索了多类型中风病灶分割的两种不同方法：单阶段方法和分层方法，并评估了不同深度学习模型的性能	本文仅使用了来自土耳其卫生部的6650张图像的数据集，未来研究可以扩展到更多样化的数据集	旨在比较单阶段和分层方法在中风病灶分割中的有效性，以提高临床决策和治疗效果	中风病灶的分割和分类	计算机视觉	中风	深度学习	U-Net, U-Net++, DeepLabV3, ResNet, ResNeXt, ViT	图像	6650张图像，包括1130张缺血性中风、1093张出血性中风和4427张非中风病例
750	2024-11-18	Kruskal Szekeres generative adversarial network augmented deep autoencoder for colorectal cancer detection 2024-Nov-16, Network (Bristol, England) DOI:10.1080/0954898X.2024.2426580 PMID:39550608	研究论文	本文介绍了一种用于早期结直肠癌检测的Kruskal Szekeres生成对抗网络增强深度自编码器（KSGANA-DA）	引入了Kruskal Szekeres生成对抗网络增强深度自编码器（KSGANA-DA），通过数据增强和深度自编码器图像分割提高检测性能	NA	提高早期结直肠癌检测的准确性和效率	结直肠癌的早期检测	计算机视觉	结直肠癌	生成对抗网络（GAN），深度自编码器	Kruskal Szekeres生成对抗网络增强深度自编码器（KSGANA-DA）	图像	NA
751	2024-11-18	Application of deep learning for the analysis of stomata: a review of current methods and future directions 2024-Nov-15, Journal of experimental botany IF:5.6Q1 DOI:10.1093/jxb/erae207 PMID:38716775	综述	本文综述了深度学习在气孔分析中的应用现状及未来方向	介绍了深度学习模型在植物表型分析任务中的潜力，特别是气孔分析	主要关注数据集共享和模型泛化，以及利用图像数据推断生理功能的局限性	促进深度学习方法在植物表型分析任务中的应用，并指出未来优化的需求	气孔的形态、密度及其在气体交换中的作用	计算机视觉	NA	深度学习	NA	图像	涉及多种植物物种
752	2024-11-18	AI Prediction for Post-Lower Blepharoplasty Age Reduction 2024-Nov-15, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjae182 PMID:39163263	研究论文	本研究利用人工智能评估下眼睑整形手术后的年龄变化	首次使用深度学习模型客观评估下眼睑整形手术的美容效果	样本量较小，仅包括150名患者	提供下眼睑整形手术美容效果的客观评估	下眼睑整形手术后的年龄变化	计算机视觉	NA	卷积神经网络 (CNN)	卷积神经网络 (CNN)	图像	150名接受下眼睑整形手术的患者
753	2024-11-18	iACP-DFSRA: Identification of Anticancer Peptides Based on a Dual-channel Fusion Strategy of ResCNN and Attention 2024-Nov-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168810 PMID:39362624	研究论文	提出了一种基于深度学习的模型iACP-DFSRA，用于识别抗癌肽	采用双通道融合策略，结合ResCNN和Attention机制提取局部和全局特征，并通过Attention机制进行深度融合	NA	开发一种准确且成本效益高的方法来识别抗癌肽	抗癌肽的识别	机器学习	癌症	深度学习	ResCNN, Attention	蛋白质序列	NA
754	2024-11-18	An Artificial Intelligence-Assisted Flexible and Wearable Mechanoluminescent Strain Sensor System 2024-Nov-15, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-024-01572-5 PMID:39542976	研究论文	开发了一种人工智能辅助的无线、柔性和可穿戴的机械发光应变传感器系统	整合了基于深度学习神经网络的颜色数据处理系统与三明治结构的柔性机械发光传感器薄膜，解决了传统柔性应变传感器在实际应用中的复杂布线、数据采集设备笨重以及现场数据解释困难的问题	NA	解决柔性应变传感器在实际应用中的限制，推动其从实验室研究走向消费市场	柔性机械发光应变传感器及其在人体手势识别中的应用	机器学习	NA	深度学习神经网络	NA	颜色数据	NA
755	2024-11-18	Early detection of verticillium wilt in eggplant leaves by fusing five image channels: a deep learning approach 2024-Nov-15, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01291-3 PMID:39543664	研究论文	本文研究了通过融合五个图像通道的深度学习方法早期检测茄子叶片上的黄萎病	本文创新性地结合了低成本多光谱相机和深度学习技术，建立了五通道图像信息融合模型，实现了对茄子黄萎病的早期诊断	本文的局限性在于传统多光谱病害成像设备的高成本和复杂操作，以及低成本设备的信息覆盖不足	本研究的目的是利用低成本多光谱相机和深度学习技术有效检测茄子早期黄萎病	本研究的对象是茄子叶片上的黄萎病	计算机视觉	植物病害	多光谱成像	VGG16-triplet attention	图像	48小时和72小时的数据
756	2024-11-18	Deep learning-based temporal deconvolution for photon time-of-flight distribution retrieval 2024-Nov-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.533923 PMID:39546693	研究论文	本文提出了一种基于深度学习的模型，用于在荧光寿命成像（FLI）中进行时间反卷积，以恢复光子的飞行时间分布	本文的创新点在于使用深度学习模型进行时间反卷积，相比传统方法，减少了计算负担和正则化项的需求	NA	研究目的是开发一种高效的时间反卷积方法，用于荧光寿命成像和漫射光学成像	研究对象包括模拟的FLI数据和体外及体内的实验数据	计算机视觉	NA	深度学习	深度学习模型	时间序列数据	使用了三种不同时间分辨成像模式的体外实验数据和体内临床前研究数据
757	2024-11-18	Mental Health Diagnosis From Voice Data Using Convolutional Neural Networks and Vision Transformers 2024-Nov-15, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2024.10.010 PMID:39550322	研究论文	本研究利用卷积神经网络和视觉变换器分析语音数据，以识别心理健康状况	本研究首次将卷积神经网络和视觉变换器结合应用于语音分析，显著提高了心理健康识别的准确性	本研究仅在孟加拉国的精神健康机构收集数据，可能限制了模型的普适性	利用深度学习技术提高心理健康诊断的准确性	人类语音数据，包括稳定和不稳定状态	计算机视觉	NA	卷积神经网络和视觉变换器	卷积神经网络和视觉变换器	语音	来自孟加拉国多个精神健康机构的语音数据
758	2024-11-18	A novel optimization-driven deep learning framework for the detection of DDoS attacks 2024-Nov-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77554-9 PMID:39543174	研究论文	本文提出了一种新的优化驱动的深度学习框架，用于检测分布式拒绝服务（DDoS）攻击	本文的创新点在于结合了条件生成对抗网络（CGAN）和堆叠稀疏去噪自动编码器（SSDAE）与萤火虫-黑寡妇（FA-BW）混合优化算法，显著提高了DDoS攻击检测的准确性	NA	本文的研究目的是通过先进的深度学习技术和混合优化算法，增强网络安全，特别是针对DDoS攻击的检测	本文的研究对象是分布式拒绝服务（DDoS）攻击及其检测方法	机器学习	NA	条件生成对抗网络（CGAN）、堆叠稀疏去噪自动编码器（SSDAE）、萤火虫-黑寡妇（FA-BW）混合优化算法	深度学习	数据集	CICDDoS2019数据集
759	2024-11-18	Scheme evaluation method of coal gangue sorting robot system with time-varying multi-scenario based on deep learning 2024-Nov-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78635-5 PMID:39543191	研究论文	本文提出了一种基于深度学习的煤矸石分选机器人系统（CGSRS）方案评估方法，用于处理时间变化的多场景和全工作条件下的煤矸石队列问题	首次尝试将深度学习应用于CGSRS多任务分配问题	未提及	提出一种新的方案评估方法，以提高CGSRS在多任务分配策略中的时间复杂性和稳定性	煤矸石分选机器人系统（CGSRS）及其在时间变化的多场景和全工作条件下的性能评估	机器人技术	NA	深度学习	DenseNet	图像（RGB样本集）	多场景和全条件下的矸石队列数据集
760	2024-11-18	Accelerated hit identification with target evaluation, deep learning and automated labs: prospective validation in IRAK1 2024-Nov-14, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00914-0 PMID:39543721	研究论文	本文通过整合目标评估、深度学习和自动化实验室系统，在IRAK1中进行前瞻性验证，加速了命中识别	本文创新性地整合了目标评估工具SpectraView和深度学习驱动的虚拟筛选工具HydraScreen，并与自动化机器人云实验室系统相结合，显著加速了目标识别和命中发现的过程	本文主要集中在IRAK1的前瞻性验证，未来研究可以扩展到其他目标	验证整合目标评估、深度学习和自动化实验室系统在加速命中识别中的有效性	IRAK1作为研究焦点，验证结构基础的深度学习模型	机器学习	NA	深度学习	深度学习模型	化合物	化合物库中的化合物