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
521	2024-12-28	Integrating Machine Learning in Metabolomics: A Path to Enhanced Diagnostics and Data Interpretation 2024-Dec, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400305 PMID:38682615	研究论文	本文探讨了机器学习与代谢组学的结合，以提高代谢物识别、数据效率和诊断方法	提出了用于准确峰值识别、从代谢谱中进行稳健疾病分类以及改进代谢物注释的新算法，并展示了机器学习在多组学整合中的潜力	NA	提升代谢组学数据分析的效率和诊断方法的准确性	代谢组学数据	机器学习	NA	NMR, MS	深度学习, 传统机器学习	代谢组学数据	NA
522	2024-12-26	Crop yield prediction in agriculture: A comprehensive review of machine learning and deep learning approaches, with insights for future research and sustainability 2024-Dec-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40836 PMID:39720079	研究论文	本文综述了机器学习和深度学习方法在农业作物产量预测中的应用，并探讨了未来研究和可持续性的方向	系统性地分析了AI技术在作物产量预测中的应用，强调了环境与农业数据的重要性，并指出了未来研究的方向	未提及具体的数据集或实验结果的局限性	提高作物产量预测的准确性，以支持农业规划和资源管理	作物产量预测	机器学习	NA	机器学习（ML）、深度学习（DL）	随机森林（RF）、人工神经网络（ANN）、支持向量机（SVM）、卷积神经网络（CNN）、长短期记忆网络（LSTM）、深度神经网络（DNN）	环境与农业数据	NA
523	2024-12-26	Chemistry of Street Art: Neural Network for the Spectral Analysis of Berlin Wall Colors 2024-Dec-25, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.4c12611 PMID:39660736	研究论文	本研究通过分析柏林墙街头艺术片段，利用拉曼光谱技术对绘画材料进行表征，并探索深度学习在颜料混合物定量分析中的应用	首次将卷积神经网络（CNN）算法应用于拉曼光谱分析，预测商业丙烯颜料中着色化合物的比例，为手持拉曼光谱仪的分析量化提供了新方法	研究主要依赖于特定品牌（Schmincke）的丙烯颜料，可能限制了结果的普适性	通过光谱分析和深度学习技术，定量分析街头艺术中使用的丙烯颜料的成分	柏林墙街头艺术的绘画材料	机器学习	NA	拉曼光谱技术	卷积神经网络（CNN）	光谱数据	使用Schmincke品牌丙烯颜料制备的校准和训练参考材料
524	2024-12-26	Exploring the Applications of Explainability in Wearable Data Analytics: Systematic Literature Review 2024-Dec-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/53863 PMID:39718820	系统文献综述	本文综述了可解释人工智能（XAI）在可穿戴设备数据分析中的应用，探讨了如何通过XAI提高生成数据和模型的可解释性	本文首次系统性地回顾了XAI在可穿戴设备中的应用，并指出了当前研究中的空白和未来研究方向	用户评估方面存在不足，强调了在开发过程中需要更多用户参与	探讨可解释性在可穿戴设备中的应用，以提高医疗保健领域人工智能模型的透明度和可信度	可穿戴设备、传感器或手机生成的量化自我数据	机器学习	NA	可解释人工智能（XAI）	NA	量化自我数据	分析了25篇研究论文
525	2024-12-26	Precision autofocus in optical microscopy with liquid lenses controlled by deep reinforcement learning 2024-Dec-24, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-024-00845-8 PMID:39719441	研究论文	本文提出了一种基于深度强化学习的自适应液体透镜显微镜系统，用于实现快速、精确的自动对焦	采用深度强化学习直接从捕获的图像中学习对焦策略，并设计了针对性的奖励函数，显著提高了显微镜自动对焦任务的性能	未提及具体局限性	开发一种快速、精确的自动对焦技术，以解决传统显微镜和自动对焦方法的硬件限制和软件速度慢的问题	液体透镜显微镜系统	计算机视觉	NA	深度强化学习	DRLAF（基于深度强化学习的自动对焦）	图像	未提及具体样本数量
526	2024-12-26	Ecologically sustainable benchmarking of AI models for histopathology 2024-Dec-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01397-x PMID:39719527	研究论文	本文探讨了一种在病理学中开发深度学习模型的方法，该方法同时考虑了诊断性能和碳足迹	提出了一个名为'环境可持续性能'（ESPer）的指标，该指标定量整合了性能和操作期间的二氧化碳当量排放	未提及具体的研究局限性	开发一种既考虑诊断性能又考虑碳足迹的深度学习模型	用于计算病理学的各种深度学习架构，包括一个大型基础模型	数字病理学	NA	深度学习	深度学习模型	NA	NA
527	2024-12-26	Accurate and Efficient Algorithm for Detection of Alzheimer Disability Based on Deep Learning 2024-Dec-19, Cellular physiology and biochemistry : international journal of experimental cellular physiology, biochemistry, and pharmacology IF:2.5Q2 DOI:10.33594/000000746 PMID:39720940	研究论文	本研究开发了一种基于深度学习和计算机辅助检测的自动化、成本效益高的数字诊断方法，用于早期阿尔茨海默病的识别和分类	结合预训练的卷积神经网络和多类支持向量机及人工神经网络分类器，提出了一种纹理特征降维算法，显著提高了计算效率和分类准确性	未来研究应探索在更大、更多样化的数据集上的应用，并研究与其他成像模式（如MRI）的整合，以进一步提高诊断精度	开发一种自动化、成本效益高的数字诊断方法，用于早期阿尔茨海默病的识别和分类	阿尔茨海默病患者，数据集分为非痴呆、极轻度痴呆、轻度痴呆和中度痴呆四组	计算机视觉	老年病	深度学习	CNN, MSVM, ANN	图像	数据集分为四组，具体样本数量未提及
528	2024-12-26	Autoencoder imputation of missing heterogeneous data for Alzheimer's disease classification 2024-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12091 PMID:39720752	研究论文	本研究探讨了使用去噪自编码器对阿尔茨海默病（AD）异质数据中缺失关键特征进行填补的有效性，并评估其在AD分类中的性能	首次系统评估深度学习算法在填补异质且全面的AD数据中的表现，特别是针对关键特征极端缺失（≥40%）的情况	研究仅关注特定类型的缺失数据（随机缺失），未涵盖其他缺失机制	提高AD诊断的准确性，特别是在数据缺失的情况下	阿尔茨海默病患者的多模态数据，包括tau-PET、MRI、认知和功能评估、基因型、社会人口学和病史	机器学习	阿尔茨海默病	去噪自编码器	随机森林	多模态数据（图像、文本、数值）	未明确提及样本数量
529	2024-12-26	PlutoNet: An efficient polyp segmentation network with modified partial decoder and decoder consistency training 2024-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12105 PMID:39720760	研究论文	本文提出了一种名为PlutoNet的高效息肉分割网络，通过改进的部分解码器和解码器一致性训练来解决现有模型在泛化能力和计算资源消耗方面的问题	PlutoNet引入了共享编码器、部分解码器与全尺度连接的组合，以及辅助解码器，通过一致性训练强化学习到的表示，显著减少了计算和内存需求	未明确提及具体局限性，但可能包括在更广泛数据集上的泛化能力验证	提高息肉分割的准确性和效率，减少计算资源消耗	息肉分割	计算机视觉	NA	深度学习	PlutoNet	图像	未明确提及具体样本数量
530	2024-12-25	Advances in Aerosol Nanostructuring: Functions and Control of Next-Generation Particles 2024-Dec-24, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.4c02867 PMID:39546762	研究论文	本文讨论了纳米结构颗粒（NSPs）在能源和环境应用中的技术进步及其对可持续未来的关键作用	本文探讨了将原位/操作评估技术与机器学习和深度学习相结合的方法，以推动纳米结构颗粒合成的进一步创新	NA	探讨纳米结构颗粒在能源和环境应用中的技术进步及其未来发展趋势	纳米结构颗粒（NSPs）及其在能源和环境中的应用	NA	NA	气溶胶方法和喷涂工艺	机器学习和深度学习	NA	NA
531	2024-12-25	Reducing Numerical Precision Requirements in Quantum Chemistry Calculations 2024-Dec-24, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00938 PMID:39644230	研究论文	本文研究了量子化学计算中数值精度要求，特别是单粒子密度矩阵的计算，并提出了降低精度要求的方法	本文发现双精度提供了不必要的过高精度，并提出了一种基于无误差矩阵乘法变换的近似方法来加速计算	本文仅研究了量子化学计算中的一个代表性内核，未涵盖其他计算任务	研究量子化学计算中的数值精度要求，并提出适应下一代高性能计算平台的优化方法	量子化学计算中的单粒子密度矩阵计算	NA	NA	量子化学计算	NA	NA	NA
532	2024-12-25	Advanced Nosema bombycis Spore Identification: Single-Cell Raman Spectroscopy Combined with Self-Attention Mechanism-Guided Deep Learning 2024-Dec-24, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04817 PMID:39660811	研究论文	本文提出了一种使用单细胞拉曼光谱结合自注意力机制引导的卷积神经网络框架来准确识别Nosema bombycis孢子的新方法	创新点在于结合了单细胞拉曼光谱和自注意力机制引导的卷积神经网络，显著提高了孢子识别的准确性	NA	旨在开发一种准确且便捷的方法来识别单细胞水平的Nosema bombycis孢子	Nosema bombycis孢子	机器学习	NA	单细胞拉曼光谱	卷积神经网络	光谱数据	九种不同幼虫的孢子
533	2024-12-25	Longitudinal interpretability of deep learning based breast cancer risk prediction 2024-Dec-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad9db3 PMID:39662054	研究论文	本文研究了基于深度学习的乳腺癌风险预测模型的可解释性，并探讨了模型在不同时间段对乳腺癌变化的检测能力	本文首次系统性地分析了乳腺癌风险预测模型在不同时间段的可解释性，揭示了模型在短期、中期和长期预测中的不同机制	本文仅使用了MIRAI模型进行分析，未探讨其他模型的表现；此外，样本量相对较小，可能影响结果的普适性	研究基于深度学习的乳腺癌风险预测模型的可解释性，并探讨模型在不同时间段对乳腺癌变化的检测能力	乳腺癌风险预测模型及其在不同时间段的可解释性	机器学习	乳腺癌	深度学习	深度学习模型（未具体说明模型类型）	图像（乳腺X光片）	1210张筛查乳腺X光片，2400张随访乳腺X光片
534	2024-12-25	Semi-supervised contour-driven broad learning system for autonomous segmentation of concealed prohibited baggage items 2024-Dec-24, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-024-00182-7 PMID:39715960	研究论文	本文提出了一种半监督的轮廓驱动广义学习系统（C-BLX），用于自动分割隐藏的违禁行李物品	该研究的创新点在于利用半监督学习方法，通过资源高效图像级标签进行训练，减少了对手动密集像素级标注的依赖，并能有效处理遮挡和类别不平衡问题	该系统在复杂噪声环境下提取精确区域段的能力有限，但可以通过后处理技术来克服	研究目的是提高航空安全中行李检查的效率和准确性	研究对象是X射线扫描下的隐藏违禁行李物品	计算机视觉	NA	广义学习系统（BLS）	多卷积广义学习系统	图像	使用了三个高度不平衡的公共数据集进行评估：GDXray, SIXray, 和 Compass-XP
535	2024-12-25	Fast motion-compensated reconstruction for 4D-CBCT using deep learning-based groupwise registration 2024-Dec-23, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad97c1 PMID:39602831	研究论文	本文提出了一种基于深度学习的4D-CBCT运动补偿重建方法，通过深度学习增强的组间配准技术提高重建效率	本文的创新点在于使用深度学习方法进行组间配准，显著减少了运动模型生成的时间，同时保持了与传统方法相当的配准精度	本文的局限性在于仅评估了公开数据集和临床案例的结果，未来需要在更多临床场景中验证其有效性	本文的研究目的是提高4D-CBCT运动补偿重建的效率	本文的研究对象是4D-CBCT图像及其运动补偿重建	计算机视觉	NA	深度学习	深度学习模型	图像	35名患者的4D-CT图像
536	2024-12-25	Residual Pix2Pix networks: streamlining PET/CT imaging process by eliminating CT energy conversion 2024-Dec-23, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad97c2 PMID:39602833	研究论文	本文提出了一种基于残差Pix2Pix网络的深度学习方法，用于生成经过衰减校正的PET图像，无需使用CT图像和能量转换	本文的创新点在于引入了一种新的深度学习方法，通过残差Pix2Pix网络生成衰减校正的PET图像，从而避免了传统方法中对CT图像和能量转换的依赖	本文的局限性在于需要进一步的临床试验来评估其在临床应用中的表现	本文的研究目的是开发一种无需CT图像和能量转换的PET图像衰减校正方法	本文的研究对象是37名健康成年人的大脑PET图像	计算机视觉	NA	深度学习	残差Pix2Pix网络	图像	4033张2D PET图像
537	2024-12-25	Estimating the time-varying effective reproduction number via Cycle Threshold-based Transformer 2024-Dec-23, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012694 PMID:39715259	研究论文	本文提出了一种基于循环阈值（Ct）的Transformer模型（Ct-Transformer），用于估计时间变化的有效再生数Rt，以监测传染病传播	Ct-Transformer在监督学习中优于传统的基于发病率的统计方法和基于Ct的Rt估计方法，并且对检测资源具有鲁棒性	NA	开发一种新的方法来更准确地估计时间变化的有效再生数Rt，以帮助及时调整干预措施	时间变化的有效再生数Rt	机器学习	NA	Transformer	Transformer	数值数据	合成数据集和真实世界数据集
538	2024-12-25	Improved enzyme functional annotation prediction using contrastive learning with structural inference 2024-Dec-23, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07359-z PMID:39715863	研究论文	本文提出了一种结合氨基酸序列和接触图的对比学习框架CLEAN-Contact，用于改进酶功能注释预测	本文的创新点在于结合了氨基酸序列和蛋白质结构数据，利用对比学习框架来预测酶功能，解决了现有方法仅依赖单一数据类型的问题	本文未详细讨论CLEAN-Contact框架在其他物种或更大规模数据集上的表现	本文的研究目的是提高酶功能预测的准确性	本文的研究对象是Prochlorococcus marinus MED4的蛋白质组中的未知酶功能	机器学习	NA	对比学习	对比学习框架	氨基酸序列和接触图	Prochlorococcus marinus MED4的蛋白质组
539	2024-12-25	Identifying the presence of atrial fibrillation during sinus rhythm using a dual-input mixed neural network with ECG coloring technology 2024-Dec-23, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02421-0 PMID:39716064	研究论文	本文提出了一种使用双输入混合神经网络和ECG着色技术来识别窦性心律下房颤存在的方法	本文创新性地将临床数据与心电图（ECG）通过着色技术结合，丰富了特征多样性，提升了房颤检测的性能	NA	开发一种能够在无心律失常窗口期间诊断房颤的深度学习模型	房颤的检测和预测	机器学习	心血管疾病	ECG着色技术	双输入混合神经网络（DMNN）	图像和临床数据	NA
540	2024-12-25	Comparison and analysis of deep learning models for discriminating longitudinal and oblique vaginal septa based on ultrasound imaging 2024-Dec-23, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01507-x PMID:39716160	研究论文	本研究比较和分析了基于超声图像的深度学习模型在区分纵向和斜向阴道隔膜中的表现	本研究首次比较了基于卷积神经网络和视觉变换器的深度学习模型在区分纵向和斜向阴道隔膜中的表现，并发现卷积神经网络模型在诊断准确性上优于视觉变换器模型	本研究的样本量较小，且仅限于超声图像数据，未来研究可以扩展到其他类型的影像数据和更大的样本量	评估多种深度学习模型在基于超声图像区分纵向和斜向阴道隔膜中的表现	纵向阴道隔膜和斜向阴道隔膜的超声图像	计算机视觉	妇科疾病	超声成像	CNN, ViT	图像	70个病例，426张超声图像