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
921	2024-12-07	Classification techniques of ion selective electrode arrays in agriculture: a review 2024-Dec-05, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01346h PMID:39543972	综述	本文总结了农业中离子选择电极阵列的分类技术	本文讨论了机器学习、人工神经网络、极限学习机和深度学习等分类算法在离子选择电极及相关领域的现状	本文讨论了离子选择电极研究在传感器本身和与传感器阵列结合的算法方面的未来挑战	推进分类技术与离子选择电极阵列在农业中的应用	农业中的离子选择电极阵列分类技术	机器学习	NA	离子选择电极阵列	人工神经网络、极限学习机、深度学习	离子信号	NA
922	2024-12-07	Computers and chess masters: The role of AI in transforming elite human performance 2024-Dec-05, British journal of psychology (London, England : 1953) DOI:10.1111/bjop.12750 PMID:39635926	研究论文	分析了超过1160万次顶级国际象棋选手的决策，探讨了人工智能在顶级人类表现中的作用	发现人工智能的进步与人类表现的提升相匹配，但顶级选手的决策质量在四十年间稳步提升，未出现显著的快速提升期	研究仅限于国际象棋领域，且未探讨人工智能对其他复杂任务的影响	探讨人工智能在提升顶级人类表现中的作用	顶级国际象棋选手的决策	人工智能	NA	深度学习	神经网络	决策数据	超过1160万次决策
923	2024-12-07	Intersection of Performance, Interpretability, and Fairness in Neural Prototype Tree for Chest X-Ray Pathology Detection: Algorithm Development and Validation Study 2024-Dec-05, JMIR formative research IF:2.0Q4 DOI:10.2196/59045 PMID:39636692	研究论文	本研究开发并验证了一种名为神经原型树（NPT）的可解释图像分类器，用于胸部X光病理检测，旨在结合深度学习模型的诊断能力和决策树的可解释性	引入神经原型树（NPT）分类器，结合深度学习与决策树的优势，提高胸部X光病理检测的透明度和可解释性	研究中观察到NPT分类器在低解释复杂度水平下存在较高的不公平性，特别是在年龄分组中	探讨NPT分类器在性能、可解释性和公平性三个维度上的效用，并研究这些维度之间的复杂交互关系	胸部X光病理检测	计算机视觉	NA	神经原型树（NPT）	神经网络（ResNet-152）	图像	使用了来自Chest X-ray 14、CheXpert和MIMIC-CXR数据集的胸部X光图像，每个数据集分别训练了6个分类器
924	2024-12-07	Deep learning enabled ultra-high quality NMR chemical shift resolved spectra 2024-Dec-04, Chemical science IF:7.6Q1 DOI:10.1039/d4sc04742g PMID:39568866	研究论文	开发了一种名为SE2CSNet的神经网络，用于处理通过自旋回波脉冲序列获取的NMR数据，以获得高分辨率和灵敏度的化学位移解析光谱	通过检测自旋回波光谱中的相位变化，SE2CSNet能够准确检测重叠光谱信号的化学位移位置，即使在低信噪比下也能恢复隐藏在噪声中的弱信号	NA	提高核磁共振（NMR）中化学位移解析光谱的质量	NMR数据中的化学位移信息	机器学习	NA	NMR	神经网络	光谱数据	NA
925	2024-12-07	ProBID-Net: a deep learning model for protein-protein binding interface design 2024-Dec-04, Chemical science IF:7.6Q1 DOI:10.1039/d4sc02233e PMID:39568891	研究论文	介绍了一种名为ProBID-Net的深度学习模型，用于蛋白质-蛋白质结合界面的设计	ProBID-Net能够利用已知的目标蛋白质结构特征来设计特定的结合蛋白质，解决了现有AI模型在已知受体序列情况下的设计挑战	NA	开发一种新的计算蛋白质设计工具，以促进蛋白质-蛋白质相互作用的设计	蛋白质-蛋白质结合界面的设计	机器学习	NA	深度学习	ProBID-Net	蛋白质结构	使用了自然蛋白质-蛋白质复合物结构和蛋白质域-域界面结构进行训练
926	2024-12-07	AI-based prediction and detection of early-onset of digital dermatitis in dairy cows using infrared thermography 2024-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80902-4 PMID:39617800	研究论文	本研究利用深度学习技术结合红外热成像数据，预测和检测奶牛的蹄部疾病——蹄叶炎的早期发作	首次应用深度学习技术结合红外热成像数据进行蹄叶炎的早期检测和预测	NA	提高奶牛蹄叶炎的早期检测和预测准确性，从而改善动物福利和奶业经济效益	奶牛的蹄叶炎早期发作	计算机视觉	蹄部疾病	红外热成像	深度学习模型	红外热成像图像	NA
927	2024-12-07	Effectively saltiness enhanced odorants screening and prediction by database establish, sensory evaluation and deep learning method 2024-Dec-02, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.142307 PMID:39637666	研究论文	本研究通过建立数据库、感官评估和深度学习方法，筛选和预测增强咸味的气味物质	本研究结合了深度学习模型和感官评估，提供了一种快速筛选增强咸味香气化合物的新方法	NA	提供增强咸味的候选气味物质	咸味食品中的挥发性化合物及其频率	机器学习	NA	深度学习	图注意力网络和反向传播神经网络分类器	化合物数据	代表性香气化合物在NaCl溶液中的浓度
928	2024-12-07	Utility of zero echo time (ZTE) sequence for assessing bony lesions of skull base and calvarium 2024-Dec, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.08.029 PMID:39322533	研究论文	研究探讨了零回波时间（ZTE）序列在评估颅底和颅顶骨病变中的应用	首次探讨了ZTE成像在评估颅底和颅顶骨病变中的潜力，并引入了iZTE和pCT图像进行研究	研究样本量较小，需要更大规模的研究来全面评估其有效性	探讨ZTE成像在评估颅底和颅顶骨病变中的应用潜力	颅底和颅顶骨病变	NA	NA	零回波时间（ZTE）成像	NA	图像	35名患者，平均年龄42岁，男女比例1:4
929	2024-12-07	Deep learning constrained compressed sensing reconstruction improves high-resolution three-dimensional (3D) T2-weighted turbo spin echo magnetic resonance imaging (MRI) of the lumbar spine 2024-Dec, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.09.004 PMID:39379271	研究论文	评估深度学习约束的压缩感知重建对腰椎高分辨率三维T2加权涡轮自旋回波磁共振成像的图像质量的影响	提出了一种深度学习约束的压缩感知重建方法，显著提高了加速高分辨率三维T2加权涡轮自旋回波成像的质量	NA	评估深度学习约束的压缩感知重建对腰椎高分辨率三维T2加权涡轮自旋回波磁共振成像的图像质量的影响	腰椎的高分辨率三维T2加权涡轮自旋回波磁共振成像	计算机视觉	NA	压缩感知（CS）	深度学习（DL）	图像	53名患者
930	2024-12-07	An omics-driven computational model for angiogenic protein prediction: Advancing therapeutic strategies with Ens-deep-AGP 2024-Dec, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.136475 PMID:39423981	研究论文	本研究开发了一种新的计算模型Ens-Deep-AGP，用于预测血管生成蛋白（AGP），以推进治疗策略	引入了创新的特征工程技术，包括PSSM-DC-DCT和PSSM-ACC-DWT，并使用多头的集成残差卷积神经网络（MERCNN）进行深度学习	NA	开发一种高效的计算模型来预测血管生成蛋白，以加速药物开发和发现新的治疗靶点	血管生成蛋白（AGP）	机器学习	心血管疾病	PSSM-DC-DCT, PSSM-ACC-DWT	多头的集成残差卷积神经网络（MERCNN）	蛋白质序列	训练集和测试集的具体样本数量未明确说明
931	2024-12-07	Image quality of virtual monochromatic and material density iodine images for evaluation of head and neck neoplasms using deep learning-based CT image reconstruction - A retrospective observational study 2024-Dec, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111806 PMID:39500043	研究论文	比较深度学习重建的虚拟单色图像和材料密度碘图像与传统单能CT图像在评估头颈部肿瘤中的质量	使用深度学习图像重建（DLIR）和金属伪影减少（MAR）算法生成的虚拟单色图像（VMI）和材料密度碘图像在头颈部肿瘤评估中的图像质量优于传统单能CT图像	研究为回顾性观察性研究，样本量有限，且仅涉及头颈部肿瘤	比较深度学习重建的虚拟单色图像和材料密度碘图像与传统单能CT图像在评估头颈部肿瘤中的质量	头颈部肿瘤的CT图像质量	计算机视觉	头颈部肿瘤	深度学习图像重建（DLIR）、金属伪影减少（MAR）算法	深度学习	图像	294例头颈部CT扫描（包括98例60 keV的VMI、102例MD碘图像和94例120 kVp的单能CT图像）
932	2024-12-07	An extensive image dataset for deep learning-based classification of rice kernel varieties in Bangladesh 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111109 PMID:39633975	研究论文	本文介绍了一个与孟加拉国核农业研究所和孟加拉国水稻研究所合作开发的全面数据集，包含38种当地水稻品种的高分辨率图像	通过数据增强技术，将原始的19,000张图像扩展到76,000张，模拟了各种环境条件，丰富了数据集	NA	支持基于深度学习的水稻品种分类研究	38种当地水稻品种	计算机视觉	NA	数据增强技术	NA	图像	76,000张图像
933	2024-12-07	Automatic detection and classification of beluga whale calls in the St. Lawrence estuary 2024-Dec-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0030472 PMID:39636175	研究论文	研究开发了一种自动管道，用于分析连续的被动声学数据，以准确估计圣劳伦斯湾白鲸的声学存在和发声活动	引入了自动管道，结合对象检测和深度学习分类器，实现了对白鲸发声的高频和低频成分的自动检测和分类	研究主要集中在Baie Sainte-Marguerite地区，未来需要扩展到其他区域以验证方法的普适性	开发一种非侵入性和连续的方法，实时获取圣劳伦斯湾白鲸的时空栖息地使用信息，以支持其监测和保护	圣劳伦斯湾的白鲸及其发声活动	机器学习	NA	深度学习	CNN	音频	NA
934	2024-12-06	Sustainable and smart rail transit based on advanced self-powered sensing technology 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111306 PMID:39628585	综述	本文综述了基于先进自供电传感技术的可持续智能轨道交通系统	探讨了自供电和自传感系统在轨道交通中的创新潜力，并提出了基于可持续自供电传感系统的物联网框架	NA	探讨可持续智能轨道交通系统的发展趋势和新兴技术的潜力	自供电和自传感系统在轨道交通中的应用	物联网	NA	自供电传感技术	机器学习 (ML) 和深度学习 (DL)	NA	NA
935	2024-12-06	Convolution spatial-temporal attention network for EEG emotion recognition 2024-Dec-05, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad9661 PMID:39577097	研究论文	本文提出了一种基于卷积时空注意力网络的脑电图情绪识别方法	该方法通过数据预处理和利用通道间的拓扑关系，将二维时间序列的脑电信号转换为三维时空表示，避免了传统的手动特征工程	NA	开发一种数据驱动的、鲁棒的情绪识别方法	脑电图信号的情绪识别	机器学习	NA	卷积神经网络和注意力机制	卷积时空注意力网络	脑电图信号	NA
936	2024-12-06	Highly stable and ultra-fast vibration-responsive flexible iontronic sensors for accurate acoustic signal recognition 2024-Dec-05, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr03370a PMID:39523814	研究论文	本文介绍了一种高度稳定且超快响应的柔性离子电传感器，用于精确识别声学信号	通过在介电层中引入蛋白质微纤维和亲水性离子水凝胶之间的氢键，解决了传统离子电传感器响应速度慢和机械不稳定性问题	NA	开发一种用于声学振动信号采集的高性能柔性离子电传感器	柔性离子电传感器及其在声学信号识别中的应用	机器学习	NA	NA	一维卷积神经网络 (1D-CNN)	声学信号	NA
937	2024-12-06	A Robust Malaria Cell Detection Framework Using Adaptive and Atrous Convolution-Based Recurrent Mobilenetv2 with Trans-MobileUNet + + -Based Abnormality Segmentation 2024-Dec-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01311-7 PMID:39633208	研究论文	本文提出了一种基于自适应和空洞卷积的循环MobilenetV2与Trans-MobileUNet++异常分割相结合的鲁棒疟疾细胞检测框架	本文创新性地结合了Trans-MobileUNet++网络进行异常分割，并设计了AA-CRMV2模型进行有效的疟疾细胞识别，同时使用URP-FFO算法优化参数	NA	开发一种高效且准确的疟疾细胞检测方法	疟疾细胞的检测与识别	计算机视觉	疟疾	深度学习	CNN	图像	NA
938	2024-12-06	Cone Beam Computed Tomography Image-Quality Improvement Using "One-Shot" Super-resolution 2024-Dec-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01346-w PMID:39633213	研究论文	本文提出了一种基于“一次性”超分辨率（OSSR）方法的锥束CT图像质量改进模型	该模型基于“零样本”超分辨率方法，仅需少量训练数据即可提高CBCT图像质量	研究仅使用了30名前列腺癌患者的骨盆CBCT和治疗计划CT图像进行验证	旨在改进锥束CT图像质量，减少对大量训练数据的依赖	前列腺癌患者的骨盆CBCT图像和治疗计划CT图像	计算机视觉	前列腺癌	超分辨率	OSSR	图像	30名前列腺癌患者
939	2024-12-06	Machine Learning Based on Digital Mammography to Reduce the Need for Invasive Biopsies of Benign Calcifications Classified in BI-RADS Category 4 2024-Dec-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01347-9 PMID:39633212	研究论文	本研究旨在开发基于数字乳腺X线摄影的机器学习模型，以减少BI-RADS 4类钙化患者的侵入性活检需求	本研究创新性地结合了放射组学模型和深度学习模型，并通过信息融合方法提高了预测准确性	本研究仅在两个医院的数据集上进行了验证，可能存在样本偏倚	减少BI-RADS 4类钙化患者的侵入性活检需求	BI-RADS 4类钙化患者	机器学习	乳腺疾病	nnUnet	融合模型	图像	372名女性患者
940	2024-12-06	A multi-scene deep learning model for automated segmentation of acute vertebral compression fractures from radiographs: a multicenter cohort study 2024-Dec-02, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01861-y PMID:39621135	研究论文	开发了一种多场景深度学习模型，用于从脊柱X光片中自动分割急性椎体压缩性骨折	首次开发了一种多场景深度学习模型，能够从脊柱X光片中分割急性椎体压缩性骨折，模型架构包括两个关键模块：注意力引导模块和监督解码模块	NA	开发一种能够自动分割脊柱X光片中急性椎体压缩性骨折的多场景模型	急性椎体压缩性骨折和健康对照	计算机视觉	骨骼疾病	深度学习	PFNet	图像	训练数据集包含1071名参与者，验证数据集包含458名参与者，外部测试数据集1-3分别包含301、223和261名参与者