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
961	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
962	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）
963	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
964	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
965	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
966	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
967	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
968	2024-12-05	Correction to: Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease 2024-Dec-04, Abdominal radiology (New York) DOI:10.1007/s00261-024-04694-x PMID:39630201	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
969	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
970	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
971	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
972	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
973	2024-12-06	Integrating graph and reinforcement learning for vaccination strategies in complex networks 2024-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78626-6 PMID:39622907	研究论文	本文提出了一种结合图神经网络和深度强化学习的新框架，用于在复杂网络中优化疫苗分配策略	该方法整合了网络结构学习和战略决策，旨在通过定位和移除关键传播节点来有效破坏网络结构，从而阻止疾病传播	该方法的有效性依赖于网络的独特特征，且在实际应用中需要考虑节点间的相互影响	研究如何在复杂网络中有效分配疫苗以抑制病毒传播	关键传播节点（即网络中的有影响力节点）	机器学习	NA	图神经网络 (GNN) 和深度强化学习 (DRL)	图神经网络 (GNN) 和深度强化学习 (DRL)	网络数据	涉及多种网络类型，包括合成数据集和真实世界数据集
974	2024-12-06	Using deep learning and word embeddings for predicting human agreeableness behavior 2024-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81506-8 PMID:39622946	研究论文	本文利用深度学习和词嵌入技术预测人类随和性行为	本文采用Bi-LSTM算法结合句子嵌入，在预测人类随和性行为方面达到了91.57%的高准确率	NA	预测人类的随和性人格特质	人类的随和性行为	自然语言处理	NA	深度学习	Bi-LSTM	文本	使用了MBTI数据集
975	2024-12-06	The analysis of rural tourism image optimization under the internet of things and deep learning 2024-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81868-z PMID:39622993	研究论文	研究利用深度学习技术优化乡村旅游形象，提升游客体验并促进可持续发展	通过部署传感器进行实时环境监测和游客流量监控，结合DenseNet实现乡村景观的自动识别和分析	NA	利用深度学习技术优化乡村旅游形象，提升游客体验并促进可持续发展	乡村旅游形象的优化	计算机视觉	NA	深度学习	DenseNet	图像	以黄河沿岸的乡村旅游为例
976	2024-12-06	Extreme wrinkling of the nuclear lamina is a morphological marker of cancer 2024-Dec-02, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00775-8 PMID:39623008	研究论文	研究探讨了核膜皱褶作为癌症形态学标志的可能性	首次通过深度学习和傅里叶分析证实了极端核膜皱褶在癌症组织中的存在，并提出其作为癌症诊断标志的潜力	研究仅限于对核膜皱褶的形态学分析，未涉及其生物学功能或分子机制	验证极端核膜皱褶作为癌症标志的可行性，并探讨其在癌症诊断中的应用	人类组织中的正常和癌症细胞核	数字病理学	NA	深度学习	NA	图像	患者组织样本
977	2024-12-06	Probabilistic regression for autonomous terrain relative navigation via multi-modal feature learning 2024-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81377-z PMID:39623052	研究论文	本文提出了一种基于多模态特征学习的概率回归方法，用于自主地形相对导航，特别是在行星着陆的动力下降阶段	本文提出了一种新的CNN架构，通过多层级联结构和分类概率作为回归权重，来估计着陆器的位置	NA	开发一种新的自主导航算法，以应对复杂任务架构和扩展的太空飞行领域	行星着陆过程中的自主导航算法	计算机视觉	NA	深度学习	CNN	图像和深度数据	多个模拟场景
978	2024-12-06	Combining immunoscore and tumor budding in colon cancer: an insightful prognostication based on the tumor-host interface 2024-Dec-02, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05818-z PMID:39623479	研究论文	本文研究了结直肠癌中免疫评分和肿瘤芽的结合对患者无病生存期的影响	首次探讨了免疫评分和肿瘤芽的结合在结直肠癌中的预后价值	样本量有限，仅包括pTNM分期I-III的结直肠癌患者	研究免疫评分和肿瘤芽的结合在结直肠癌中的预后作用	pTNM分期I-III的结直肠癌患者	数字病理学	结直肠癌	深度学习网络	NA	图像	654例pTNM分期I-III的结直肠癌患者
979	2024-12-06	Improving laryngeal cancer detection using chaotic metaheuristics integration with squeeze-and-excitation resnet model 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00296-5 PMID:39006830	研究论文	本文提出了一种基于混沌元启发式算法与挤压激励残差网络模型相结合的方法，用于提高喉癌检测的效率	本文创新性地将混沌元启发式算法与挤压激励残差网络模型结合，用于喉癌的检测和分类，显著提高了检测的准确性和效率	NA	本文旨在开发一种高效的喉癌检测方法，以提高早期喉癌的诊断准确性	本文的研究对象是喉癌及其在喉部区域的图像	计算机视觉	喉癌	挤压激励残差网络模型	挤压激励残差网络模型	图像	使用了一个基准的喉部区域图像数据库进行性能评估
980	2024-12-06	Detection and Localization of Spine Disorders from Plain Radiography 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01175-x PMID:38937344	研究论文	本文提出了一种基于深度学习的脊柱疾病检测和定位方法，使用Transformer网络从X光片中识别和定位脊柱疾病	首次采用Transformer网络进行脊柱疾病的端到端检测和定位，显著提高了检测准确性	NA	开发一种自动化的脊柱疾病检测和定位工具，以提高诊断准确性和效率	脊柱压缩性骨折和脊柱滑脱	计算机视觉	NA	深度学习	Transformer	图像	脊柱压缩性骨折数据集包含337张图像，脊柱滑脱数据集包含413张图像