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
61	2024-12-18	Intelligent Identification and Prediction of Roof Deterioration Areas Based on Measurements While Drilling 2024-Nov-21, Sensors (Basel, Switzerland) DOI:10.3390/s24237421 PMID:39685961	研究论文	本研究通过理论分析、实验室实验、ABAQUS动态数值模拟和现场测量，系统研究了钻进过程中推力、扭矩和Y方向振动信号对不同岩石层组合的响应特征，并提出了一种基于长短期记忆（LSTM）循环神经网络的深度学习算法和随机森林算法，用于智能识别和预测顶板劣化区域	本研究创新性地结合了长短期记忆（LSTM）循环神经网络和随机森林算法，用于智能识别和预测顶板劣化区域，并在实验室实验和现场测试中表现出优异的性能	本研究主要集中在实验室实验和现场测试，未来需要进一步验证和优化算法在不同地质条件下的适用性	研究目的是通过钻进测量信号实现对顶板劣化区域的及时有效识别和预测，以提高巷道开挖的安全性和稳定性	研究对象是巷道开挖过程中顶板劣化区域，如分层空间和弱夹层	计算机视觉	NA	长短期记忆（LSTM）循环神经网络，随机森林算法	LSTM	信号	实验室实验和现场测试中涉及的钻进测量信号
62	2024-12-18	Automated Pipeline for Robust Cat Activity Detection Based on Deep Learning and Wearable Sensor Data 2024-Nov-21, Sensors (Basel, Switzerland) DOI:10.3390/s24237436 PMID:39685969	研究论文	本文提出了一种基于深度学习和可穿戴传感器数据的自动化管道，用于稳健的猫活动检测	本研究创新性地结合了加速度、运动和磁传感器数据，并采用一维卷积神经网络（1D-CNN）进行猫活动建模和分类	NA	开发一种自动化系统，用于使用人工智能技术进行稳健的宠物（猫）活动分析	猫的活动检测和分类	机器学习	NA	一维卷积神经网络（1D-CNN）	1D-CNN	传感器数据	使用加速度计、陀螺仪和磁力计三种可穿戴传感器收集数据
63	2024-12-18	An Efficient Printing Defect Detection Based on YOLOv5-DCN-LSK 2024-Nov-21, Sensors (Basel, Switzerland) DOI:10.3390/s24237429 PMID:39685973	研究论文	本文提出了一种基于YOLOv5-DCN-LSK的改进模型，用于高效检测喷墨印刷标签中的印刷缺陷	引入了C3-DCN模块和Large Selective Kernel (LSK)模块，结合Normalized Gaussian Wasserstein Distance (NWD)和Efficient IoU (EIoU)损失函数，并应用模型剪枝技术，提高了检测精度和速度	未提及具体的局限性	提高印刷缺陷检测的精度和效率	喷墨印刷标签中的印刷缺陷	计算机视觉	NA	深度学习	YOLOv5	图像	未提及具体样本数量
64	2024-12-18	Metastasis Detection Using True and Artificial T1-Weighted Postcontrast Images in Brain MRI 2024-Nov-19, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001137 PMID:39688447	研究论文	本研究比较了在脑部MRI中使用真实对比增强T1加权图像和通过深度学习方法合成的低剂量图像进行转移瘤检测的敏感性和精确性	本研究首次比较了使用真实对比增强T1加权图像和通过深度学习方法合成的低剂量图像进行转移瘤检测的效果	本研究的样本量较小，且仅在特定条件下进行，结果可能不适用于所有情况	比较在脑部MRI中使用真实对比增强T1加权图像和通过深度学习方法合成的低剂量图像进行转移瘤检测的敏感性和精确性	脑部MRI中的转移瘤	医学影像	脑部疾病	MRI	深度学习	图像	917名参与者，其中40名有转移瘤或无明显脑部病变
65	2024-12-18	Characterization of Retinal Arteries by Adaptive Optics Ophthalmoscopy Image Analysis 2024-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3408232 PMID:38829761	研究论文	本文通过结合深度学习和知识驱动的可变形模型，对自适应光学眼底成像图像中的视网膜动脉进行分割，并量化相关的生物标志物	本文创新性地结合了深度学习和知识驱动的可变形模型，实现了对视网膜动脉壁的精确分割，特别是对分叉点的关注	该方法的有效性依赖于视网膜动脉壁的良好对比度	量化自适应光学眼底成像图像中视网膜动脉的生物标志物	视网膜动脉及其分叉点	计算机视觉	NA	自适应光学眼底成像	深度学习模型	图像	初步临床研究中包括患有遗传性小血管疾病的患者和对照人群
66	2024-12-18	Deep Autoencoder for Real-Time Single-Channel EEG Cleaning and Its Smartphone Implementation Using TensorFlow Lite With Hardware/Software Acceleration 2024-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3408331 PMID:38829759	研究论文	本文提出了一种基于深度自编码器（DAE）的单通道脑电图（EEG）信号去噪方法，并在智能手机上通过TensorFlow Lite实现了硬件/软件加速	首次展示了在智能手机上使用低计算资源的深度学习模型进行移动EEG信号去噪，并利用现代智能手机的人工智能加速器提高计算性能	NA	去除脑电图信号中的眼动、运动和肌肉伪迹，以提高信号质量，并在移动平台上实现低计算开销的实时处理	单通道脑电图信号中的伪迹去除	机器学习	NA	深度自编码器（DAE）	深度自编码器（DAE）	脑电图（EEG）信号	使用了来自公共数据集的受污染和干净的脑电图数据，涵盖多种伪迹类型
67	2024-12-18	Diagnosing Necrotizing Enterocolitis via Fine-Grained Visual Classification 2024-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3409642 PMID:39453790	研究论文	本文提出了一种基于深度学习的自动检测和分级坏死性小肠结肠炎（NEC）的方法AIDNEC，通过腹部X光片进行细粒度视觉分类	AIDNEC结合了检测Transformer和图卷积模块，用于定位X光片中的判别区域，并结合全局图像特征进行细粒度视觉分类，显著提高了分类准确率	本文仅在特定数据集上进行了验证，未来需要在更多不同来源的数据集上进行进一步验证	开发一种自动化的深度学习方法，用于从腹部X光片中检测和分级坏死性小肠结肠炎	坏死性小肠结肠炎（NEC）及其在腹部X光片中的表现	计算机视觉	新生儿疾病	深度学习	检测Transformer和图卷积模块	图像	1153张图像，来自334名患者
68	2024-12-18	Evaluating ChatGPT's Diagnostic Accuracy in Detecting Fundus Images 2024-Nov, Cureus DOI:10.7759/cureus.73660 PMID:39677217	研究论文	评估ChatGPT在检测眼底图像诊断准确性方面的表现	ChatGPT首次扩展到图像分析领域，为眼科诊断应用提供了新的机会	ChatGPT在处理某些眼底图像时存在诊断不准确的问题，且在不确定时会出现幻觉现象	评估ChatGPT在眼科图像分析中的诊断准确性	12张来自关键眼科疾病的眼底图像	计算机视觉	眼科疾病	深度学习模型	ChatGPT 4.0	图像	12张眼底图像
69	2024-12-18	Applications of Artificial Intelligence in Ophthalmology: Glaucoma, Cornea, and Oculoplastics 2024-Nov, Cureus DOI:10.7759/cureus.73522 PMID:39677277	综述	本文探讨了人工智能在眼科领域的应用，特别是青光眼、角膜疾病和眼整形手术中的应用	本文展示了人工智能在眼科领域的创新应用，包括早期疾病检测、诊断准确性提升、临床工作流程优化和患者治疗效果的改善	本文主要为综述性质，未提供具体的技术实现细节或实验数据	研究人工智能在眼科领域的应用及其对诊断和治疗的影响	青光眼、角膜疾病和眼整形手术	机器学习	NA	机器学习和深度学习技术，特别是人工神经网络（ANN）和卷积神经网络（CNN）	卷积神经网络（CNN）	图像	NA
70	2024-12-17	Tiberius: end-to-end deep learning with an HMM for gene prediction 2024-Nov-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae685 PMID:39558581	研究论文	本文介绍了Tiberius，一种基于深度学习的从头基因预测器，它将卷积层和长短期记忆层与可微分的隐马尔可夫模型（HMM）层进行端到端集成	Tiberius通过将深度学习层与可微分的HMM层结合，显著提高了从头基因预测的准确性，并在人类基因组中实现了62%的F1得分	NA	开发一种新的深度学习方法，用于提高从头基因预测的准确性	哺乳动物基因组中的基因预测	机器学习	NA	深度学习	CNN、LSTM、HMM	DNA序列	人类基因组及其他两个基因组
71	2024-12-17	Improved prediction of post-translational modification crosstalk within proteins using DeepPCT 2024-Nov-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae675 PMID:39570595	研究论文	本文提出了一种名为DeepPCT的深度学习算法，用于基于AlphaFold2结构预测蛋白质中的翻译后修饰交叉作用	DeepPCT结合了序列和结构信息，通过交叉注意力技术和图神经网络进行预测，并使用随机森林模型进行补充，提高了预测的准确性和泛化能力	NA	提高翻译后修饰交叉作用预测的准确性	蛋白质中的翻译后修饰交叉作用	机器学习	NA	深度学习	深度学习分类器、随机森林模型	蛋白质结构数据	NA
72	2024-12-17	Design of high specificity binders for peptide-MHC-I complexes 2024-Nov-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.28.625793 PMID:39651227	研究论文	本文使用基于深度学习的蛋白质设计工具，设计了能够高特异性结合肽-MHC-I复合物的小蛋白	本文首次使用深度学习技术设计了能够高特异性结合肽-MHC-I复合物的小蛋白，并展示了其在酵母表面展示系统中的应用	本文仅在酵母表面展示系统和T细胞激活实验中验证了设计的有效性，尚未在人体中进行临床验证	设计高特异性结合肽-MHC-I复合物的小蛋白，用于疾病治疗	肽-MHC-I复合物及其在免疫系统中的作用	机器学习	NA	深度学习	NA	蛋白质结构	10个目标肽-MHC-I复合物
73	2024-12-17	Managing Dyslipidemia in Children: Current Approaches and the Potential of Artificial Intelligence 2024-11-27, Cardiology in review IF:2.0Q3 DOI:10.1097/CRD.0000000000000816 PMID:39601582	综述	本文综述了儿童血脂异常的管理现状，并探讨了人工智能在改善筛查、诊断和治疗结果方面的潜力	本文探讨了人工智能在儿童血脂异常管理中的应用，包括脂质谱分析、肥胖评估和家族性高胆固醇血症筛查，展示了深度学习模型、机器学习算法和人工神经网络在提高诊断准确性和治疗效果方面的潜力	大多数研究是在成人群体中进行的，儿童群体的相关研究较少	分析当前儿童血脂异常管理的文献，并探讨人工智能在改善筛查、诊断和治疗结果方面的潜力	儿童血脂异常的管理	NA	心血管疾病	人工智能	深度学习模型、机器学习算法、人工神经网络	NA	NA
74	2024-12-17	A self-attention-driven deep learning framework for inference of transcriptional gene regulatory networks 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae639 PMID:39679439	研究论文	本文介绍了一种基于自注意力机制的深度学习框架DeepTGI，用于从单细胞和/或批量转录组数据中推断转录因子与基因之间的相互作用	DeepTGI通过融合自动编码器提取的特征与自注意力机制及其他网络，能够更准确地预测转录因子与基因的相互作用，并重建基因调控网络	NA	开发一种新的深度学习框架，用于从基因表达数据中推断转录因子与基因之间的相互作用	转录因子与基因之间的相互作用	机器学习	NA	深度学习	自注意力机制	基因表达数据	单细胞和/或批量转录组数据
75	2024-12-17	Drug Discovery in the Age of Artificial Intelligence: Transformative Target-Based Approaches 2024-Nov-14, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms252212233 PMID:39596300	综述	本文探讨了机器学习在基于靶点的药物发现中的应用，特别是小分子药物发现领域	利用机器学习和自然语言处理技术，SMILES系统在先导化合物识别、高通量筛选和虚拟筛选方面带来了革命性变化；深度学习通过卷积神经网络和循环神经网络在虚拟筛选、靶点识别和新药设计中展现出潜力；生成对抗网络在片段选择和设计优化中也有应用	解释性和数据质量等问题仍然存在	探讨机器学习在基于靶点的药物发现中的应用，以提高药物开发的准确性、速度和效率	基于靶点的药物发现，特别是小分子药物发现	机器学习	NA	机器学习、自然语言处理、深度学习	卷积神经网络、循环神经网络、生成对抗网络	文本	NA
76	2024-12-17	CT-based deep learning model for predicting the success of extracorporeal shock wave lithotripsy in treating ureteral stones larger than 1 cm 2024-Nov-05, Urolithiasis IF:2.0Q2 DOI:10.1007/s00240-024-01656-2 PMID:39499273	研究论文	开发基于CT图像的深度学习模型，用于预测体外冲击波碎石术治疗大于1厘米的输尿管结石的成功率	该研究首次基于CT图像构建深度学习模型，显著提高了对体外冲击波碎石术治疗结果的预测性能	研究样本量相对较小，且仅针对特定尺寸的输尿管结石患者	开发一种新的辅助工具，用于预测体外冲击波碎石术治疗大于1厘米输尿管结石的成功率	接受体外冲击波碎石术治疗的大于1厘米输尿管结石患者	计算机视觉	泌尿系统疾病	深度学习	深度学习模型	图像	333名患者
77	2024-12-17	Impact of wearable device data and multi-scale entropy analysis on improving hospital readmission prediction 2024-Nov-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae242 PMID:39301656	研究论文	本文研究了可穿戴设备数据和多尺度熵分析在改善医院再入院预测中的应用	本文首次将多尺度熵分析与可穿戴设备数据结合，用于预测90天内的非计划再入院	研究为回顾性多中心队列研究，需要前瞻性研究来验证结果	提高非计划再入院的预测准确性	使用可穿戴设备数据和多尺度熵分析预测90天内的非计划再入院	机器学习	NA	多尺度熵分析	LSTM	时间序列数据	612名患者
78	2024-12-17	Review of deep representation learning techniques for brain-computer interfaces 2024-Nov-01, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad8962 PMID:39433072	综述	本文综述了深度表示学习技术在脑机接口（BCI）中用于解码脑电图（EEG）信号的应用	本文强调了自监督学习（SSL）技术在脑机接口领域的相对年轻性，并倡导继续推进专门为EEG信号解码设计的基石模型	目前尚未有标准基石模型被脑机接口社区广泛采用，且只有少数研究对学习到的表示进行了内省分析	综述深度表示学习技术在脑机接口中的应用，分析当前最先进的技术，并提出未来研究方向	脑机接口中的脑电图（EEG）信号解码	机器学习	NA	深度表示学习	自编码器	脑电图（EEG）信号	81篇文章
79	2024-12-16	DeepDR: a deep learning library for drug response prediction 2024-Nov-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae688 PMID:39558584	研究论文	本文介绍了一个名为DeepDR的深度学习库，专门用于药物反应预测	DeepDR是首个专门为药物反应预测开发的深度学习库，简化了药物和细胞特征化、模型构建、训练和推理的过程	NA	推动精准医学和药物发现的发展	药物反应预测	机器学习	NA	深度学习	深度学习模型	药物和细胞特征	NA
80	2024-12-16	Artificial Intelligence Applications to Measure Food and Nutrient Intakes: Scoping Review 2024-Nov-28, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54557 PMID:39608003	综述	本文通过范围综述总结了现有文献中使用人工智能工具评估食物和营养摄入的有效性、准确性和挑战	本文展示了人工智能在提高饮食评估准确性、减少劳动力和实现实时监控方面的潜力	人工智能在适应不同食物类型、确保算法公平性和解决数据隐私问题方面仍存在挑战	总结现有文献中使用人工智能工具评估食物和营养摄入的有效性、准确性和挑战	使用现代人工智能方法评估人类食物和营养摄入的研究	机器学习	NA	深度学习、机器学习、混合方法	卷积神经网络、支持向量机	图像、声音、文本	样本量从10到38,415名参与者不等