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
1241	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
1242	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
1243	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
1244	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
1245	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
1246	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
1247	2024-08-16	Artificial Intelligence to Facilitate Clinical Trial Recruitment in Age-Related Macular Degeneration 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100566 PMID:39139546	研究论文	本研究探讨了人工智能在地理萎缩（GA）临床试验招募中的应用，GA是年龄相关性黄斑变性的高级阶段	研究展示了人工智能在自动化预筛选临床试验中的潜力，提高了患者筛选的精确度和效率	NA	探索人工智能在临床试验招募中的应用，以提高筛选效率和精确度	地理萎缩（GA）患者	机器学习	年龄相关性黄斑变性	深度学习	深度学习模型	图像	306,651名疑似视网膜疾病患者（602,826只眼）
1248	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
1249	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
1250	2024-08-05	Rapid identification and quantitative analysis of malachite green in fish via SERS and 1D convolutional neural network 2024-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124655 PMID:38885572	研究论文	本文开发了一个结合表面增强拉曼散射和深度学习网络的现场检测平台，用于快速定量检测鱼类中的美蓝。	本文提出了一种透明柔性表面增强拉曼散射基底与一维卷积神经网络结合的新方法，显示了优越的检测性能。	本研究没有涉及其他假设影响因素的系统评估。	研究旨在确保水产品中美蓝的安全性，提供快速定量检测方法。	研究对象为水产产品中的美蓝和鱼鳞上的残留物。	数字病理学	NA	表面增强拉曼散射(SERS)	一维卷积神经网络(1D CNN)	光谱数据	NA