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
241	2024-12-18	EXACT-Net: Framework for EHR-Guided Lung Tumor Auto-Segmentation for Non-Small Cell Lung Cancer Radiotherapy 2024-Dec-06, Cancers IF:4.5Q1 DOI:10.3390/cancers16234097 PMID:39682283	研究论文	本文提出了一种基于电子健康记录（EHR）引导的非小细胞肺癌（NSCLC）放射治疗中肺肿瘤自动分割的框架EXACT-Net	创新点在于利用预训练的大型语言模型（LLM）从EHR中提取信息，以减少假阳性（FP）并保留真阳性（TP）结节，从而提高结节检测的成功率	本文的局限性在于仅在十名NSCLC患者的CT数据上进行了训练和验证，样本量较小	研究目的是提高非小细胞肺癌放射治疗中肺肿瘤分割的准确性，从而加速治疗启动并提高患者生存率	研究对象为非小细胞肺癌患者的肺肿瘤	计算机视觉	肺癌	预训练大型语言模型（LLM）	多模态AI框架	图像	十名非小细胞肺癌患者
242	2024-12-18	Exploring the Promoter Generation and Prediction of Halomonas spp. Based on GAN and Multi-Model Fusion Methods 2024-Dec-06, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms252313137 PMID:39684846	研究论文	本文提出了基于生成对抗网络（GAN）和多模型融合方法的极端微生物Halomonas spp.启动子生成与预测方法	首次为极端微生物Halomonas spp.构建了启动子强度数据库，并提出了基于GAN和多模型融合的启动子设计与预测方法	NA	开发一种创新的启动子设计与预测方法，以推动遗传工程和合成生物学领域的发展	极端微生物Halomonas spp.的启动子	合成生物学	NA	生成对抗网络（GAN）、多模型融合	BiLSTM、CNN	序列数据	NA
243	2024-12-18	Real-Time Fatigue Detection Algorithms Using Machine Learning for Yawning and Eye State 2024-Dec-06, Sensors (Basel, Switzerland) DOI:10.3390/s24237810 PMID:39686347	研究论文	本文分析了一种基于卷积神经网络（CNN）的实时非侵入式疲劳检测系统，用于监测驾驶员的面部表情并检测疲劳指标如打哈欠和眼睛状态	提出了基于CNN的实时疲劳检测系统，使用行为指标如打哈欠频率和眼睛状态检测来提高性能	未提及具体的局限性	研究如何通过实时监测驾驶员的疲劳状态来减少因疲劳驾驶导致的交通事故	驾驶员的面部表情和疲劳指标如打哈欠和眼睛状态	机器学习	NA	卷积神经网络（CNN），Haar级联分类器，高级图像处理算法	卷积神经网络（CNN）	视频	使用了一个多样化的数据集，未提及具体样本数量
244	2024-12-18	Steps to Facilitate the Use of Clinical Gait Analysis in Stroke Patients: The Validation of a Single 2D RGB Smartphone Video-Based System for Gait Analysis 2024-Dec-06, Sensors (Basel, Switzerland) DOI:10.3390/s24237819 PMID:39686356	研究论文	本研究验证了一种基于深度学习的步态分析系统SMARTGAIT，用于中风患者的临床步态分析	提出了一种基于单个智能手机2D RGB视频的步态分析系统SMARTGAIT，简化了步态分析过程，使其更易于在临床环境中使用	需要进一步在大样本中验证SMARTGAIT的有效性，并验证其在不同病理步态中的适用性	验证一种新的步态分析系统，以解决现有系统在临床应用中的实际和技术挑战	中风患者的步态分析	机器学习	中风	深度学习	NA	视频	8名中风患者
245	2024-12-18	MOMFNet: A Deep Learning Approach for InSAR Phase Filtering Based on Multi-Objective Multi-Kernel Feature Extraction 2024-Dec-06, Sensors (Basel, Switzerland) DOI:10.3390/s24237821 PMID:39686358	研究论文	本文提出了一种基于多目标多核特征提取的深度学习方法MOMFNet，用于InSAR相位滤波	MOMFNet引入了多目标损失函数和多核卷积特征提取模块，能够全面捕捉多尺度信息，并通过加权残差块自适应调整特征重要性	NA	解决InSAR干涉图中相位噪声问题，提高干涉图质量	InSAR干涉图的相位噪声	计算机视觉	NA	深度学习	CNN	图像	使用随机扭曲的2D高斯表面、Perlin噪声和负高斯噪声生成的不同噪声水平的随机训练样本
246	2024-12-18	Small-cohort GWAS discovery with AI over massive functional genomics knowledge graph 2024-Dec-05, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.03.24318375 PMID:39677475	研究论文	本文介绍了一种名为KGWAS的几何深度学习方法，通过利用大规模功能基因组学知识图谱，显著提高了小样本全基因组关联研究（GWAS）的检测能力	KGWAS通过整合大规模功能基因组学知识图谱，显著提高了小样本GWAS的检测能力，能够在小样本中识别出更多的统计显著关联	NA	提高小样本全基因组关联研究（GWAS）的检测能力，特别是在罕见和罕见疾病中的应用	小样本全基因组关联研究（GWAS）中的变异与疾病关联	机器学习	NA	全基因组关联研究（GWAS）	几何深度学习模型	基因组数据	554种不常见的UK Biobank疾病（样本量<5K）和141种罕见疾病（样本量<300）
247	2024-12-18	Time is encoded by methylation changes at clustered CpG sites 2024-Dec-05, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.03.626674 PMID:39677642	研究论文	本文研究了年龄依赖的DNA甲基化变化，揭示了这些变化在多个相邻CpG位点上的区域性和块状模式，并使用深度学习模型实现了高精度的年龄预测	本文首次展示了年龄依赖的DNA甲基化变化在多个相邻CpG位点上的区域性和块状模式，并使用深度学习模型显著提高了当前表观遗传时钟的准确性	本文主要基于健康个体的血液样本进行研究，未涵盖其他组织类型或疾病状态	揭示年龄依赖的DNA甲基化变化的机制，并开发高精度的年龄预测模型	健康个体的血液样本中的DNA甲基化模式	表观遗传学	NA	超深度测序	深度学习模型	DNA甲基化数据	超过300个健康个体的血液样本
248	2024-12-18	Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry 2024-Dec-05, Research square DOI:10.21203/rs.3.rs-5485172/v1 PMID:39678351	研究论文	本文研究了非编码遗传变异在非洲裔美国男性中前列腺癌风险增加中的作用	首次通过基于序列的深度学习模型识别了与前列腺癌易感性相关的增强子SNP，并进行了实验验证	研究仅限于非洲裔美国男性，未涵盖其他种族群体	探讨非洲裔美国男性中前列腺癌风险增加的特定遗传机制	非洲裔美国男性的非编码遗传变异	数字病理学	前列腺癌	深度学习模型	深度学习模型	序列数据	约2000个SNPs
249	2024-12-18	Quality Assessment of MRI-Radiomics-Based Machine Learning Methods in Classification of Brain Tumors: Systematic Review 2024-Dec-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232741 PMID:39682649	综述	本文系统回顾了基于MRI放射组学的机器学习方法在脑肿瘤分类中的质量评估	本文引入了放射组学质量评分（RQS）来评估各研究的方法学质量，并展示了放射组学在脑肿瘤分类中的潜力	临床实践中放射组学的应用仍需进一步验证和标准化	评估基于MRI放射组学的机器学习方法在脑肿瘤分类中的质量和潜力	脑肿瘤的分类和诊断	数字病理学	脑肿瘤	放射组学	机器学习算法（如深度学习网络、支持向量机、随机森林、逻辑回归）	医学图像（如MRI、PET/CT、ASL、DTI）	NA
250	2024-12-18	An Efficient Deep Learning Approach for Malaria Parasite Detection in Microscopic Images 2024-Dec-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232738 PMID:39682645	研究论文	本文提出了一种高效的深度学习方法EDRI，用于从显微图像中检测疟疾寄生虫	本文的创新点在于提出了一种新的混合深度学习模型EDRI，该模型集成了多种架构，能够捕捉多样化的特征并进行多尺度分析	NA	本文的研究目的是开发一种高效的深度学习模型，用于从显微图像中检测疟疾寄生虫	本文的研究对象是显微图像中的红细胞，用于检测疟疾寄生虫	计算机视觉	疟疾	深度学习	混合深度学习模型	图像	27,558张标记的显微红细胞图像
251	2024-12-18	Interpretable Multi-Label Classification for Tibiofibula Fracture 2D CT Images with Selective Attention and Data Augmentation 2024-Dec-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232740 PMID:39682648	研究论文	本文提出了一种用于胫腓骨骨折2D CT图像的可解释多标签分类的深度学习模型	引入了选择性注意力和数据增强技术，解决了样本量有限和骨折类型分布不均的问题	NA	开发一种能够准确快速分类胫腓骨骨折的深度学习模型，以辅助医生诊断	胫腓骨骨折的2D CT图像	计算机视觉	骨折	深度学习	CNN	图像	2494张2D CT图像，来自168名患者
252	2024-12-18	Uncertainty Quantification and Flagging of Unreliable Predictions in Predicting Mass Spectrometry-Related Properties of Small Molecules Using Machine Learning 2024-Dec-05, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms252313077 PMID:39684785	研究论文	本文研究了在预测小分子质谱相关属性时，如何量化和标记不可靠的预测	本文提出了使用多个模型的预测分布、分子相似性和数据集聚类作为特征来评估预测不确定性的方法	本文仅评估了保留指数、保留时间和碰撞截面三个任务的不确定性，未涵盖其他质谱相关属性	改进质谱识别中的预测可靠性评估	小分子的质谱相关属性预测	机器学习	NA	深度学习	分类模型	数值	NA
253	2024-12-18	AEmiGAP: AutoEncoder-Based miRNA-Gene Association Prediction Using Deep Learning Method 2024-Dec-05, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms252313075 PMID:39684787	研究论文	本研究提出了AEmiGAP，一种基于自编码器和长短期记忆网络的深度学习模型，用于预测miRNA-基因关联	AEmiGAP通过自编码器增强特征提取，捕捉miRNA和基因之间复杂的潜在关系，显著提高了预测准确性，超越了现有模型	NA	开发一种新的深度学习模型，用于提高miRNA-基因关联预测的准确性	miRNA和基因之间的关联	机器学习	癌症	深度学习	自编码器，LSTM	miRNA-基因对	正负miRNA-基因对的数据集
254	2024-12-18	SiCRNN: A Siamese Approach for Sleep Apnea Identification via Tracheal Microphone Signals 2024-Dec-05, Sensors (Basel, Switzerland) DOI:10.3390/s24237782 PMID:39686318	研究论文	本文提出了一种基于气管麦克风信号的睡眠呼吸暂停识别方法，使用深度学习模型SiCRNN进行检测	本文创新性地采用了Siamese架构的SiCRNN模型，结合卷积神经网络和双向门控循环单元，并通过无监督聚类算法进行事件检测	本文仅在八名患者的样本上进行了测试，样本量较小，可能影响结果的泛化能力	开发一种非侵入性的睡眠呼吸暂停综合征诊断方法，以替代传统的多导睡眠图	睡眠呼吸暂停事件的识别	机器学习	睡眠呼吸暂停综合征	深度学习	SiCRNN	音频信号	八名患者
255	2024-12-18	Improving Sewer Damage Inspection: Development of a Deep Learning Integration Concept for a Multi-Sensor System 2024-Dec-05, Sensors (Basel, Switzerland) DOI:10.3390/s24237786 PMID:39686324	研究论文	本文提出了一种结合深度学习的多传感器系统，用于改进下水道损坏检测	提出了一个结合相机阵列、前摄像头和LiDAR传感器的新型多传感器机器人系统，并针对每种传感器类型设计了定制的深度学习模型，以提高检测和处理的准确性	现有基于视觉的检测机器人无法提供足够高质量的数据来训练可靠的深度学习模型	自动化下水道检测，提高可靠性并降低成本	下水道管道损坏检测	计算机视觉	NA	深度学习	深度学习模型	图像、点云	NA
256	2024-12-18	Machine Learning and Deep Learning Approaches for Arabic Sign Language Recognition: A Decade Systematic Literature Review 2024-Dec-05, Sensors (Basel, Switzerland) DOI:10.3390/s24237798 PMID:39686335	综述	本文对2014年至2023年间基于机器学习和深度学习方法的阿拉伯手语识别研究进行了系统性文献综述	首次系统性综述了阿拉伯手语识别领域的机器学习和深度学习方法	大多数研究集中在手指拼写和孤立词识别，而非连续句子识别	提供阿拉伯手语识别研究的全面概述，并总结前人研究的见解	阿拉伯手语识别系统及其机器学习和深度学习方法	计算机视觉	NA	机器学习（ML）和深度学习（DL）	NA	图像	56篇研究论文
257	2024-12-18	Functional Brain Network Disruptions in Parkinson's Disease: Insights from Information Theory and Machine Learning 2024-Dec-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232728 PMID:39682636	研究论文	本研究使用非线性自回归分布滞后（NARDL）模型和深度学习方法，分析了帕金森病（PD）患者功能性脑网络的破坏情况	本研究首次结合信息论和机器学习方法，使用NARDL模型构建功能性脑网络，并通过深度学习模型进行分类和解释	本研究仅使用了PPMI数据集，样本量有限，可能影响结果的普适性	探讨帕金森病患者功能性脑网络的破坏情况，并提供个性化治疗的可能性	帕金森病患者和健康对照组的功能性脑网络	机器学习	帕金森病	非线性自回归分布滞后（NARDL）模型	卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆（LSTM）	功能性磁共振成像（fMRI）数据	来自帕金森病进展标志物倡议（PPMI）数据集的静息态fMRI数据
258	2024-12-18	Deep Learning-Assisted Analysis of GO-Reinforcing Effects on the Interfacial Transition Zone of CWRB 2024-Dec-04, Materials (Basel, Switzerland) DOI:10.3390/ma17235926 PMID:39685362	研究论文	本文提出了一种基于金属侵入技术、背散射电子（BSE）图像和深度学习的方法，用于分析石墨烯氧化物（GO）增强的界面过渡区（ITZ）的微/纳米结构特征	本文创新性地结合了深度学习技术来分析GO对ITZ微结构的增强效果，并使用深度泰勒分解（DTD）算法定位GO改性的增强特征	本文主要集中在GO对ITZ微结构的增强效果分析，未涉及其他可能的增强机制或材料	研究GO对水泥固废回填（CWRB）中界面过渡区（ITZ）孔隙结构特征的增强机制	石墨烯氧化物（GO）对界面过渡区（ITZ）微结构的增强效果	NA	NA	深度学习	深度泰勒分解（DTD）算法	图像	NA
259	2024-12-18	COSMIC-2 RFI Prediction Model Based on CNN-BiLSTM-Attention for Interference Detection and Location 2024-Dec-04, Sensors (Basel, Switzerland) DOI:10.3390/s24237745 PMID:39686282	研究论文	本文提出了一种基于CNN-BiLSTM-Attention模型的COSMIC-2卫星RFI预测方法，用于检测和定位地面GNSS干扰信号	本文创新性地结合了卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）和注意力机制，提出了CNN-BiLSTM-Attention模型，用于多通道SNR时间序列的RFI预测	NA	研究如何通过SNR相关变化预测RFI测量值，以应用于民用地面GNSS干扰信号的检测和定位	COSMIC-2卫星的SNR和RFI测量数据	机器学习	NA	卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、注意力机制	CNN-BiLSTM-Attention	时间序列	多通道SNR时间序列数据
260	2024-12-18	Corrupted Point Cloud Classification Through Deep Learning with Local Feature Descriptor 2024-Dec-04, Sensors (Basel, Switzerland) DOI:10.3390/s24237749 PMID:39686288	研究论文	本文提出了一种基于局部特征描述符的深度学习方法，用于处理受损点云数据的分类问题	使用局部特征描述符作为预处理方法提取点云数据特征，并提出了一种新的神经网络架构，有效提升了在数据受损极端情况下的性能	未提及具体局限性	提升在实际工业场景中受损点云数据的分类准确性	受损的点云数据	计算机视觉	NA	深度学习	神经网络	点云数据	10个类别，来自ModelNet40数据集