深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
781	2024-11-20	Rotor angle stability of a microgrid generator through polynomial approximation based on RFID data collection and deep learning 2024-Nov-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80033-w PMID:39550455	研究论文	提出了一种基于RFID数据采集和深度学习的微电网发电机转子角稳定性评估新方法	通过结合RFID技术和混合CNN-LSTM模型，提高了故障检测效率和精度	NA	评估微电网中的转子角稳定性	微电网发电机的转子角稳定性	机器学习	NA	RFID技术	混合CNN-LSTM模型	振动或噪声信号	IEEE 3-机器9-母线系统	NA	NA	NA	NA
782	2024-11-20	Detection of microplastics in fish using computed tomography and deep learning 2024-Nov-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39875 PMID:39553626	研究论文	本文提出了一种利用计算机断层扫描（CT扫描）和人工智能进行鱼类及其他物种中微塑料自动无损检测的新方法	结合密度和形状等因素，利用人工智能进行微塑料的自动检测，显著提高了检测的精度和效率	NA	开发一种新的方法来检测鱼类及其他物种中的微塑料	鱼类及其他物种中的微塑料	计算机视觉	NA	计算机断层扫描（CT扫描）	语义分割模型	图像	NA	NA	NA	NA	NA
783	2024-11-20	A benchmark for Rey-Osterrieth complex figure test automatic scoring 2024-Nov-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39883 PMID:39553666	研究论文	本文介绍了一个用于Rey-Osterrieth复杂图形测试自动评分的基准框架	首次提供了ROCFD528数据集，这是一个公开的ROCF线绘图数据集，并使用多种现代深度学习模型进行实验，为新方法提供比较基线	实验结果表明，在样本数量有限的情况下，专门设计的CNN模型表现优于其他现有CNN架构，但仍存在一定的误差（MAE = 3.448）	开发一个公平比较不同计算机视觉系统在ROCF测试自动评分中的性能的基准框架	Rey-Osterrieth复杂图形测试的自动评分	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	528个ROCF线绘图样本	NA	NA	NA	NA
784	2024-11-20	MVGNet: Prediction of PI3K Inhibitors Using Multitask Learning and Multiview Frameworks 2024-Nov-12, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c06224 PMID:39554430	研究论文	提出了一种多视图深度学习框架MVGNet，用于预测PI3K抑制剂的抑制活性	整合了基于片段的药效团信息，并利用多任务学习捕捉子任务之间的相关信息	NA	探索PI3K抑制剂的结构-活性关系	PI3K抑制剂对四种PI3K同工酶（PI3Kα、PI3Kβ、PI3Kγ和PI3Kδ）的抑制活性	机器学习	NA	多任务学习	深度学习框架	分子数据	NA	NA	NA	NA	NA
785	2024-11-20	Time series-based machine learning for forecasting multivariate water quality in full-scale drinking water treatment with various reagent dosages 2024-Nov-09, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122777 PMID:39556984	研究论文	研究提出了一种优化的基于时间序列的机器学习方法，用于预测多元饮用水质量，特别考虑了试剂投加的时间依赖效应	研究通过特征工程构建了包含进水水质参数、试剂投加量和出水水质特征的时间序列数据集，并开发了七种预测模型进行评估，发现传统机器学习模型在时间特征工程的增强下，性能与深度学习模型相当，甚至优于深度学习模型	研究未详细说明模型的泛化能力和在不同水处理厂的适用性	旨在提高饮用水质量预测的准确性，以优化水处理过程和智能供水管理	研究对象为饮用水处理过程中的多元水质参数	机器学习	NA	机器学习	XGBoost	时间序列数据	来自全规模水处理厂的数据	NA	NA	NA	NA
786	2024-11-20	Deep convolutional neural network-based identification and biological evaluation of MAO-B inhibitors 2024-Nov, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.136438 PMID:39389489	研究论文	本文开发了一种基于深度学习的虚拟筛选协议，用于识别和生物评估MAO-B抑制剂	利用卷积神经网络（ConvNet）进行图像分类技术，处理与MACCS指纹相关的两种独特图像数据集，筛选出有潜力的MAO-B抑制剂	需要进一步的结构优化以提高抑制剂的抑制效力和成为新型MAO-B抑制剂	开发一种新的方法来识别和评估MAO-B抑制剂，以应对帕金森病	MAO-B抑制剂及其在帕金森病中的作用	机器学习	神经退行性疾病	卷积神经网络（ConvNet）	CNN	图像	Maybridge库中的化合物，最终筛选出11个化合物，其中4个被验证为有潜力的MAO-B抑制剂	NA	NA	NA	NA
787	2024-11-20	Chemical shift prediction in 13C NMR spectroscopy using ensembles of message passing neural networks (MPNNs) 2024-Nov, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2024.107795 PMID:39481194	研究论文	本研究利用消息传递神经网络（MPNNs）预测小分子在13C NMR光谱中的化学位移	采用集成框架减少随机变异，并强调训练集大小和多样性的关键作用	较小数据集训练的集成模型泛化能力显著下降	开发一种深度学习方法来预测13C NMR光谱中的化学位移	小分子的13C NMR光谱化学位移	机器学习	NA	13C NMR光谱	消息传递神经网络（MPNNs）	结构数据	约4000个标记结构和超过40,000个结构的数据集，以及约12,000个未见过的结构	NA	NA	NA	NA
788	2024-11-20	Super resolution reconstruction of fluorescence microscopy images by a convolutional network with physical priors 2024-Nov-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.537589 PMID:39553859	研究论文	本文提出了一种基于物理先验的卷积超分辨率网络（PCSR），用于荧光显微镜图像的超分辨率重建	PCSR结合了基于物理的损失项和基于维纳滤波的初始优化过程，能够直接使用低分辨率图像生成高质量的超分辨率图像	PCSR的实验结果是在有限的数据集上训练得到的，其泛化能力需要进一步验证	提高荧光显微镜图像的空间分辨率，同时减少细胞光毒性照射	荧光显微镜图像的超分辨率重建	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	有限的数据集	NA	NA	NA	NA
789	2024-11-20	Physics-guided deep learning-based real-time image reconstruction of Fourier-domain optical coherence tomography 2024-Nov-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.538756 PMID:39553872	研究论文	本文介绍了一种基于物理引导的深度学习方法，用于实时重建傅里叶域光学相干断层扫描（FD-OCT）图像	该方法采用无监督学习，利用OCT成像物理原理引导神经网络，生成高质量图像并提供物理上合理的解决方案	NA	开发一种高质量、实时的FD-OCT图像重建方法	FD-OCT图像重建	计算机视觉	NA	光学相干断层扫描（OCT）	深度学习	图像	合成图像和实验图像	NA	NA	NA	NA
790	2024-11-20	Measurement of ocular aberration in noise based on deep learning with a Shack-Hartmann wavefront sensor 2024-Nov-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.541483 PMID:39553873	研究论文	本文提出了一种基于深度学习和Shack-Hartmann波前传感器的眼睛像差测量方法，通过建立包含噪声和角膜反射的模型，提高了测量精度	本文创新性地结合了深度学习和Shack-Hartmann波前传感器，并引入了角膜反射消除算法，显著提高了在噪声和角膜反射情况下的测量精度和速度	NA	提高眼睛像差测量的精度和速度	眼睛像差测量中的噪声和角膜反射问题	计算机视觉	NA	Shack-Hartmann波前传感器	卷积神经网络	图像	NA	NA	NA	NA	NA
791	2024-11-20	Transforming Skin Cancer Diagnosis: A Deep Learning Approach with the Ham10000 Dataset 2024-Nov, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2024.2422602 PMID:39523747	研究论文	本文提出了一种基于深度学习的方法，利用HAM10000数据集自动分类皮肤病变，以辅助皮肤癌诊断	引入了多粒度增强深度级联森林（Mg-EDCF）模型，通过子采样多粒度扫描获取微特征，并使用两种随机森林创建输入特征，最终通过增强深度级联森林进行分类	NA	开发一种能够自动分类皮肤病变的深度学习系统，以提高皮肤癌早期诊断的准确性	皮肤病变分类，包括光化性角化病（AKIEC）、黑色素瘤（MEL）、良性角化病（BKL）、黑色素细胞痣（NV）、基底细胞癌（BCC）、皮肤纤维瘤（DF）和血管性皮肤病变（VASC）	机器学习	皮肤癌	深度学习	多粒度增强深度级联森林（Mg-EDCF）	图像	使用了HAM10000数据集进行训练和评估	NA	NA	NA	NA
792	2024-11-19	Decoding face identity: A reverse-correlation approach using deep learning 2024-Nov-16, Cognition IF:2.8Q1 DOI:10.1016/j.cognition.2024.106008 PMID:39550877	研究论文	本研究采用反向相关方法，利用深度卷积神经网络（DCNN）识别面部识别中的关键面部特征	本研究创新性地使用反向相关方法和深度学习技术，客观地识别面部识别中的关键特征，而非依赖主观判断	NA	探索面部识别中关键面部特征的识别方法	面部识别中的关键面部特征	计算机视觉	NA	深度卷积神经网络（DCNN）	卷积神经网络（CNN）	图像	NA	NA	NA	NA	NA
793	2024-11-19	Computed tomography enterography-based deep learning radiomics to predict stratified healing in patients with Crohn's disease: a multicenter study 2024-Nov-15, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01854-x PMID:39546153	研究论文	本研究开发了一种基于基线CTE的深度学习放射组学模型，用于非侵入性预测克罗恩病患者的分层愈合情况	本研究首次将深度学习放射组学模型应用于基线CTE图像，以预测克罗恩病患者的分层愈合情况	本研究仅在三家医院的数据上进行了验证，未来需要在更多中心进行验证以确保模型的普适性	开发一种非侵入性方法，用于预测克罗恩病患者的分层愈合情况	克罗恩病患者在接受英夫利昔单抗治疗后的分层愈合情况	计算机视觉	消化系统疾病	深度学习放射组学	深度学习模型	图像	246名克罗恩病患者，分为训练组（141名）、测试组（61名）和验证组（44名）	NA	NA	NA	NA
794	2024-11-19	Multimodality deep learning radiomics predicts pathological response after neoadjuvant chemoradiotherapy for esophageal squamous cell carcinoma 2024-Nov-15, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01851-0 PMID:39546168	研究论文	本研究开发并验证了一种利用CT、T2和DWI图像的深度学习放射组学模型，用于预测食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解	本研究创新性地结合了传统和深度学习放射组学特征，开发了一种多模态深度学习放射组学模型，显著提高了预测病理完全缓解的准确性	本研究仅在三个机构的患者数据上进行了验证，未来需要在更多样化的患者群体中进行进一步验证	开发和验证一种深度学习放射组学模型，用于预测食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解	食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解	机器学习	食管癌	深度学习放射组学	深度学习模型	图像	151名食管鳞状细胞癌患者，其中63名达到病理完全缓解	NA	NA	NA	NA
795	2024-11-19	Study on intelligent recognition of urban road subgrade defect based on deep learning 2024-Nov-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72580-z PMID:39548115	研究论文	研究基于深度学习的城市道路路基缺陷智能识别	采用Faster R-CNN深度学习算法进行路基缺陷图像的目标检测、识别和分类，并通过比较不同改进版本的Faster R-CNN算法，确定最适合的版本	NA	实现城市道路路基病害的智能识别	城市道路路基缺陷	计算机视觉	NA	地质雷达	Faster R-CNN	图像	多层复合结构模型和现场测量数据	NA	NA	NA	NA
796	2024-11-19	Deep active learning for multi label text classification 2024-Nov-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79249-7 PMID:39548182	研究论文	本文提出了一种基于贝叶斯深度学习和期望置信度的深度主动学习方法，用于多标签文本分类	本文首次将主动学习应用于深度多标签分类模型，并提出了一种新的基于期望置信度的获取函数	NA	提高多标签文本分类模型的训练效率	多标签文本分类模型	自然语言处理	NA	贝叶斯深度学习	BERT	文本	NA	NA	NA	NA	NA
797	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	NA	NA	NA	NA
798	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	NA	NA	NA	NA
799	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	NA	NA	NA	NA
800	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	NA	NA	NA	NA