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
1141	2024-08-28	Prediction of soil heavy metal contents in urban residential areas and the strength of deep learning: A case study of Beijing 2024-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175133 PMID:39084356	研究论文	本研究使用深度学习方法和其他四种方法预测北京城市住宅区的土壤重金属含量，并展示了深度学习在提高预测准确性方面的优势	深度学习在预测四种重金属含量方面显示出显著优势，其测试集的R值范围从0.75到0.91，相较于其他方法，深度学习在四种重金属的累积R值上提高了53.16%到187.36%	NA	提高城市住宅区土壤重金属含量的预测准确性	北京城市住宅区的土壤重金属含量	机器学习	NA	深度学习	全连接深度神经网络	土壤物理化学性质和环境因素数据	NA
1142	2024-08-28	Probing the capacity of a spatiotemporal deep learning model for short-term PM2.5 forecasts in a coastal urban area 2024-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175233 PMID:39102955	研究论文	研究探讨了一种时空深度学习模型在沿海城市短期PM2.5预测中的表现	该时空深度学习模型在短期PM2.5预测中表现出优于传统化学传输模型和浅层统计方法的性能，特别是在12小时内预测的均方根误差显著降低	深度学习模型在小尺度现象的预测性能随着预测时间的增加而下降，24小时预测时与化学传输模型的均方根误差相似	评估时空深度学习模型在城市尺度上对短期PM2.5预测的表示能力	在中国的沿海城市日照的六个城市站点进行的24小时短期PM2.5预测	机器学习	NA	深度学习	时空深度学习模型	PM2.5数据	六个城市站点
1143	2024-08-28	Remote sensing estimates of global sea surface nitrate: Methodology and validation 2024-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175362 PMID:39117199	研究论文	研究开发了一种用于全球海面硝酸盐浓度遥感估算的方法，并通过验证展示了其高预测准确性	本研究引入了光合有效辐射（PAR）作为遥感指标，改进了海面硝酸盐（SSN）的遥感反演算法，增强了其生物地球化学过程的机制描述	NA	开发一种更具代表性和广泛适用性的海面硝酸盐遥感反演算法	全球海面硝酸盐浓度	遥感	NA	遥感技术	NA	数据集	12,846个样本
1144	2024-08-28	Artificial intelligence and Eddy covariance: A review 2024-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175406 PMID:39127196	综述	本文综述了过去二十年中人工智能技术在Eddy Covariance方法监测碳、水和能量通量中的应用	强调了机器学习模型如随机森林、支持向量机、人工神经网络等在监测通量中的应用，并建议未来研究应探索深度学习技术如Transformer和生成式AI	缺乏技术的一致性，由于环境条件和生态系统中使用的多样技术和变量	探讨人工智能与Eddy Covariance方法的结合在气候变化减缓和适应中的作用	监测地球表面与大气之间的碳、水和能量通量	机器学习	NA	Eddy Covariance方法	随机森林、支持向量机、人工神经网络、支持向量回归、K-最近邻	数据流	NA
1145	2024-08-27	Neuroimaging biomarkers for the diagnosis and prognosis of patients with disorders of consciousness 2024-Nov-15, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.149133 PMID:39084451	综述	本文综述了利用神经影像学和电生理技术在意识障碍患者中诊断和预后评估的神经影像生物标志物的研究进展	神经影像技术能够揭示传统行为评估可能忽视的隐蔽意识，结合不同任务范式或分析方法可以显著提高诊断和预后的准确性	神经生物标志物的稳定性仍需进一步验证，未来研究可能需要结合大数据和深度学习方法	探讨神经影像生物标志物在意识障碍患者中的临床应用价值	意识障碍患者的脑活动模式	神经影像学	意识障碍	功能性磁共振成像(fMRI)、静息态功能磁共振成像(rs-fMRI)、脑电图(EEG)、正电子发射断层扫描(PET)	NA	影像数据	NA
1146	2024-08-27	Multi-instance learning attention model for amyloid quantification of brain sub regions in longitudinal cognitive decline 2024-Nov-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.149103 PMID:38955250	研究论文	本研究旨在开发一种深度学习模型，通过PET扫描自动检测大脑不同区域的淀粉样蛋白沉积，无需相应的MRI扫描	提出了一种基于多实例学习和注意力的深度学习模型，该模型在ADNI和A4研究的外部数据集上表现优于现有模型	NA	开发一种能够仅通过PET扫描自动检测大脑不同区域淀粉样蛋白沉积的深度学习模型	大脑不同区域的淀粉样蛋白沉积	机器学习	阿尔茨海默病	PET扫描	多实例学习注意力模型	图像	2647个F-Florbetapir PET扫描用于训练和验证，1413个F-Florbetapir PET扫描用于外部数据集测试
1147	2024-08-23	Recovering high-quality fiber orientation distributions from a reduced number of diffusion-weighted images using a model-driven deep learning architecture 2024-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30187 PMID:38852179	研究论文	本研究旨在开发一种基于模型的深度学习架构，用于从减少数量的扩散加权图像中准确重建纤维方向分布	提出的Spherical Deconvolution Network (SDNet)架构包括DWI一致性块和fixel分类惩罚项，提高了重建性能和fixel角分离的控制	NA	开发一种新的深度学习架构，以减少扩散加权图像的采集时间并提高分析准确性	纤维方向分布(FODs)的重建	计算机视觉	NA	深度学习	CNN	图像	训练数据来自人类连接组项目的一个子集
1148	2024-08-23	ssVERDICT: Self-supervised VERDICT-MRI for enhanced prostate tumor characterization 2024-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30186 PMID:38852195	研究论文	本文展示了使用自监督机器学习方法对VERDICT模型进行前列腺癌特征化的评估和演示。	ssVERDICT首次展示了无需显式训练标签的机器学习方法对详细的多隔间生物物理扩散MRI模型的拟合。	NA	评估和展示自监督机器学习方法对VERDICT模型的拟合效果。	前列腺癌的VERDICT模型参数估计。	机器学习	前列腺癌	MRI	神经网络	图像	20名前列腺癌患者
1149	2024-08-07	Erratum to: Knowledge-driven deep learning for fast MR imaging: Undersampled MR image reconstruction from supervised to un-supervised learning (Magn Reson Med. 2024;92:496-518) 2024-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30204 PMID:39054742	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1150	2024-08-23	Comparative Analysis of Vision Transformers and Conventional Convolutional Neural Networks in Detecting Referable Diabetic Retinopathy 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100552 PMID:39165694	研究论文	本研究通过眼底照片评估了视觉变换器（ViTs）和卷积神经网络（CNNs）在检测可参考糖尿病视网膜病变（DR）方面的性能比较	本研究发现视觉变换器在检测可参考糖尿病视网膜病变方面优于传统的卷积神经网络	NA	评估视觉变换器和卷积神经网络在检测可参考糖尿病视网膜病变方面的性能	视觉变换器和卷积神经网络在检测可参考糖尿病视网膜病变方面的性能	计算机视觉	糖尿病视网膜病变	NA	视觉变换器（ViTs）和卷积神经网络（CNNs）	图像	48269张眼底图像
1151	2024-08-23	A Novel Time-Aware Deep Learning Model Predicting Myopia in Children and Adolescents 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100563 PMID:39165695	研究论文	本研究利用儿童和青少年可变长度的历史视力记录，通过一种新型的时间感知长短期记忆（LSTM）模型，定量预测他们的球镜等效值（SE）。	提出了一种新型的时间感知LSTM模型，能够捕捉不规则采样时间序列数据中的时间特征，更符合基于事实数据的特点，有助于早期识别近视进展。	研究结果显示，预测误差与序列长度、预测持续时间、年龄组和近视程度有关，表明模型在不同条件下的表现存在差异。	定量预测儿童和青少年的球镜等效值（SE），并早期识别近视进展。	895名4至18岁的近视儿童和青少年，他们在2008年1月1日至2023年7月1日期间在萨格勒布的圣杜赫大学医院接受了完整的眼科检查和睫状肌麻痹前的检影检查。	机器学习	眼科疾病	NA	LSTM	时间序列数据	895名儿童和青少年
1152	2024-08-22	Application and performance enhancement of FAIMS spectral data for deep learning analysis using generative adversarial network reinforcement 2024-Nov, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115627 PMID:39033946	研究论文	本文通过引入生成对抗网络（GAN）方法，利用真实混合光谱数据生成高质量和多样性的光谱数据，以提高高场不对称离子迁移谱（FAIMS）在复杂混合物深度学习分析中的识别性能	使用GAN生成高度真实和多样性的光谱数据，扩展数据集，提高识别性能	未提及	提高FAIMS光谱数据在深度学习分析中的性能	FAIMS光谱数据和生成对抗网络（GAN）	机器学习	NA	FAIMS	GAN	光谱数据	15类真实混合光谱数据
1153	2024-08-22	Protein-peptide binding residue prediction based on protein language models and cross-attention mechanism 2024-Nov, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115637 PMID:39121938	研究论文	本研究设计了一种基于深度学习的端到端方法E2EPep，用于仅使用蛋白质序列预测蛋白质-肽结合残基，并通过引入交叉注意力机制融合两种预训练蛋白质语言模型的嵌入特征来提高预测性能	提出了一种新的特征融合模块，通过交叉注意力机制有效融合两种不同的潜在特征表示，以及设计了E2EPep+模型，集成E2EPep和PepBCL模型以进一步提升预测性能	未提及具体限制	提高蛋白质-肽结合残基预测的准确性，推动药物发现	蛋白质-肽结合残基	机器学习	NA	预训练蛋白质语言模型	深度学习模型	蛋白质序列	使用了两个独立的测试数据集
1154	2024-08-22	Estimating rainfall intensity based on surveillance audio and deep-learning 2024-Nov, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2024.100450 PMID:39161573	研究论文	本文介绍了一种基于监控音频和深度学习模型来估计降雨强度的方法	首次提出使用监控音频数据和深度学习模型来估计降雨强度，为高分辨率水文监测提供了一种新的数据源	NA	开发一种新的方法来估计降雨强度，以补充城市水文模型所需的高时空分辨率降雨数据	监控音频数据和深度学习模型	机器学习	NA	Mel-Frequency Cepstral Coefficients (MFCC) 和 Transformer 架构	Transformer	音频	12,066 段音频片段，来自六次真实世界的降雨事件
1155	2024-08-17	Deep learning-based quantitative analyses of feedback in the land-atmosphere interactions over the Vietnamese Mekong Delta 2024-Nov-01, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175119 PMID:39089372	研究论文	本研究利用深度学习模型LSTNet模拟越南湄公河三角洲地区的地气相互作用，并量化关键变量对干旱过程的影响	采用LSTNet模型有效捕捉地气相互作用中关键变量的相对重要性，并预测未来气候变化下土壤湿度和感热对降水的影响	NA	量化地气相互作用中的反馈机制对越南湄公河三角洲地区干旱过程和严重程度的影响	越南湄公河三角洲地区的地气相互作用及其对干旱的影响	机器学习	NA	深度学习	LSTNet	时间序列数据	2011-2020年的ERA5数据及2015-2099年的CMIP6数据
1156	2024-08-17	Windy events detection in big bioacoustics datasets using a pre-trained Convolutional Neural Network 2024-Nov-01, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174868 PMID:39034006	研究论文	本文介绍了一种使用预训练卷积神经网络在大规模生物声学数据集中检测风事件的方法	利用预训练的卷积神经网络YAMNet进行风噪声检测，并通过迁移学习提高了检测精度	NA	旨在解决生物声学数据中风噪声导致的误检测问题	生物声学数据中的风噪声	机器学习	NA	卷积神经网络	CNN	音频	来自南非Stony Point Penguin Colony的注释数据
1157	2024-08-17	An integrated framework for flood disaster information extraction and analysis leveraging social media data: A case study of the Shouguang flood in China 2024-Nov-01, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174948 PMID:39059647	研究论文	本文提出了一种利用社交媒体数据提取和分析洪水灾害信息的集成框架，并通过2018年中国寿光洪水的案例进行了验证	该框架创新性地结合了深度学习技术和正则表达式匹配技术，自动从微博文本数据中提取关键的洪水相关信息，如问题、洪水、需求、救援和措施，准确率达到83%，超过了传统的Biterm主题模型（BTM）	NA	旨在通过社交媒体数据提高洪水灾害信息的提取和分析效率	洪水灾害信息及其在社交媒体上的表现	自然语言处理	NA	深度学习技术、正则表达式匹配技术、核密度估计（KDE）、层次密度基于空间聚类的应用与噪声（HDBSCAN）算法、潜在狄利克雷分配（LDA）算法	深度学习模型、正则表达式模型、LDA模型	文本	2018年中国寿光洪水的微博文本数据
1158	2024-08-17	Nanozyme-based colorimetric sensor arrays coupling with smartphone for discrimination and "segmentation-extraction-regression" deep learning assisted quantification of flavonoids 2024-Nov-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.116604 PMID:39094293	研究论文	开发了一种基于智能手机耦合比色传感器阵列的快速、简便的黄酮类化合物识别和定量分析平台	利用纳米酶的氧化反应和智能手机技术，结合深度学习算法，实现了黄酮类化合物的快速识别和定量分析	NA	实现黄酮类化合物的快速、成本效益高且智能的识别和定量分析	黄酮类化合物	生物传感器	NA	纳米酶技术	MobileNetV3-small	图像	37,488个单孔图像
1159	2024-08-05	CVAE-DF: A hybrid deep learning framework for fertilization status detection of pre-incubation duck eggs based on VIS/NIR spectroscopy 2024-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124569 PMID:38878719	研究论文	本文提出了一种基于可见光/近红外光谱的预孵化鸭蛋受精状态检测的混合深度学习框架CVAE-DF	创新性地结合了卷积变分自编码器和改进的深度森林模型用于鸭蛋受精状态的早期检测	研究主要集中在鸭蛋的检测，可能对其他类型的蛋类适用性有限	旨在尽早检测预孵化鸭蛋的受精状态以减少污染风险	255个预孵化鸭蛋的可见光/近红外光谱数据	数字病理学	NA	可见光/近红外光谱	卷积变分自编码器 (CVAE) 和深度森林 (DF) 模型	光谱数据	255个鸭蛋
1160	2024-08-05	Non-invasive detection of systemic lupus erythematosus using SERS serum detection technology and deep learning algorithms 2024-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124592 PMID:38861826	研究论文	本研究开发了一种基于SERS技术和深度学习算法的系统性红斑狼疮（SLE）非侵入性检测方法	研究中提出了使用Au@Ag-PSi复合基材结合深度学习算法对SLE进行准确筛查的创新方法	文章中未详细说明研究的具体局限性	旨在提高系统性红斑狼疮快速筛查的效率与准确性	研究对象为系统性红斑狼疮患者的血清样本	数字病理	系统性红斑狼疮	SERS	CNN	血清样本	涉及SLE患者的血清样本，样本大小未具体说明