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
20001	2024-08-23	Predicted Cognitive Conversion in Guiding Early Decision-Tailoring on Patients With Cognitive Impairment 2021, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2021.813923 PMID:35185520	研究论文	本研究旨在测试混合卷积神经网络和长短期记忆模型（CNN-LSTM）在预测阿尔茨海默病（AD）和轻度认知障碍（MCI）患者长期认知转换方面的早期决策调整的可行性	利用深度学习模型和纵向特征信息的协同优势，初步验证了在认知转换预测方面具有可比较的性能	考虑到本研究中应用的治疗策略多样性有限，应进一步模拟现实世界的医疗情况	测试混合CNN-LSTM模型在早期决策调整中的可行性	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	机器学习	阿尔茨海默病	混合卷积神经网络和长短期记忆模型（CNN-LSTM）	CNN-LSTM	纵向神经心理学相关特征	224名患者
20002	2024-08-23	Identifying Prognostic Markers From Clinical, Radiomics, and Deep Learning Imaging Features for Gastric Cancer Survival Prediction 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.725889 PMID:35186707	研究论文	本研究利用机器学习和多模态数据（包括临床变量、放射组学和深度学习提取的CT影像特征）对1061名胃癌患者进行生存预测，以提高胃癌患者的预后和治疗计划。	本研究首次整合临床变量、放射组学和深度学习影像特征，通过Cox比例风险模型进行胃癌生存预测，并分析了不同特征的预测效果。	NA	提高胃癌生存预测的准确性，以改善患者预后和治疗计划。	胃癌患者的生存预测。	机器学习	胃癌	放射组学、深度学习	Cox比例风险模型	临床数据、影像数据	1061名胃癌患者，其中743名用于模型学习，318名用于独立评估。
20003	2024-08-23	WEENet: An Intelligent System for Diagnosing COVID-19 and Lung Cancer in IoMT Environments 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.811355 PMID:35186717	研究论文	本文开发了一种基于深度学习的计算高效医学影像框架WEENet，用于从胸部X射线和CT图像中早期诊断COVID-19和肺癌	提出了一种新的深度学习框架WEENet，利用高效的卷积神经网络提取高级特征，并通过分类机制进行COVID-19诊断，性能超越现有最先进方法	NA	开发一种新的深度学习框架，用于从医学影像中有效建模和早期诊断COVID-19	COVID-19和肺癌的早期诊断	计算机视觉	COVID-19	卷积神经网络	CNN	图像	使用了三个基准医学胸部X射线和CT图像数据集
20004	2024-08-23	Trust in Robots: Challenges and Opportunities 2020, Current robotics reports DOI:10.1007/s43154-020-00029-y PMID:34977590	研究论文	评估当前机器人信任研究的状态，并探讨近期方法学进展是否有助于开发可信赖的机器人	近期研究转向开发机器人主动获取、校准和维持用户信任的策略，特别是通过赋予机器人推理能力（如通过概率建模）	在实际人机交互环境中，信任度量、机器人行为的保证（如用户隐私）以及处理多维数据方面仍存在挑战	探讨如何利用心理学、可信系统、机器人伦理和深度学习等领域的最新进展来解决这些挑战，以创造真正自主、可信赖的社会机器人	机器人信任研究及其在实际应用中的挑战	NA	NA	概率建模	NA	多维数据	NA
20005	2024-08-23	Brain MRI analysis for Alzheimer's disease diagnosis using an ensemble system of deep convolutional neural networks 2018-May-31, Brain informatics DOI:10.1186/s40708-018-0080-3 PMID:29881892	研究论文	本文提出了一种使用深度卷积神经网络的集成系统，用于通过脑部MRI数据分析阿尔茨海默病的诊断	本文模型能够识别阿尔茨海默病的不同阶段，并在早期诊断中获得更优越的性能	NA	旨在通过脑部MRI数据分析提高阿尔茨海默病的诊断准确性	阿尔茨海默病的诊断及其不同阶段	计算机视觉	阿尔茨海默病	深度学习	CNN	MRI图像	使用了Open Access Series of Imaging Studies数据集
20006	2024-08-22	Application and performance enhancement of FAIMS spectral data for deep learning analysis using generative adversarial network reinforcement 2024-Nov, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115627 PMID:39033946	研究论文	本文通过引入生成对抗网络（GAN）方法，利用真实混合光谱数据生成高质量和多样性的光谱数据，以提高高场不对称离子迁移谱（FAIMS）在复杂混合物深度学习分析中的识别性能	使用GAN生成高度真实和多样性的光谱数据，扩展数据集，提高识别性能	未提及	提高FAIMS光谱数据在深度学习分析中的性能	FAIMS光谱数据和生成对抗网络（GAN）	机器学习	NA	FAIMS	GAN	光谱数据	15类真实混合光谱数据
20007	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
20008	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
20009	2024-08-22	Conquering class imbalances in deep learning-based segmentation of dental radiographs with different loss functions 2024-09, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105063 PMID:38735467	研究论文	本文评估了六种不同的损失函数在牙科放射图像分割任务中的性能，以解决深度学习中类别不平衡的问题	本文采用了混合损失函数，显著优于单一损失函数，并在不同架构中提供了稳健的结果	NA	评估不同损失函数在牙科放射图像分割任务中的性能	牙科放射图像中的牙齿结构分割	机器学习	NA	深度学习	U-Net, Linknet, DeepLavbV3+	图像	1,625张咬翼放射图像
20010	2024-08-22	AI in Neuro-Ophthalmology: Current Practice and Future Opportunities 2024-Sep-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002205 PMID:38965655	综述	本文综述了人工智能在神经眼科学中的应用现状和未来机遇	人工智能，特别是机器学习算法，在解释影像数据、识别细微模式以及辅助临床医生进行更准确及时的诊断方面展示了显著潜力	当前面临的挑战包括将人工智能整合到临床实践和研究中	旨在全面概述人工智能在神经眼科学中的应用发展	神经眼科学中的AI应用、光学相干断层扫描（OCT）和眼底摄影	计算机视觉	NA	机器学习	NA	影像	NA
20011	2024-08-22	A sensitive system based on radon amplification at soil-air interface: Aiming to advance earthquake precursor research 2024-Sep, Journal of environmental radioactivity IF:1.9Q3 DOI:10.1016/j.jenvrad.2024.107482 PMID:38905879	研究论文	本文提出了一种基于土壤-空气界面氡浓度梯度的新方法，以提高对地壳应力诱导氡信号的检测灵敏度	引入了“Bhabha氡观测站用于地震应用（BhaROSA）”，这是一个远程传感、太阳能供电的氡观测站，设计用于广泛部署和连续无人监测，以生成大数据库	需要进一步的国际合作和深度学习应用，以更准确地预测地震	旨在提高对地壳应力动态的理解，并应用于地震前兆研究等领域	地壳应力诱导的氡信号	地球物理学	NA	氡监测技术	深度学习	氡浓度数据	NA
20012	2024-08-22	From pixels to prognosis: unlocking the potential of deep learning in fibrotic lung disease imaging analysis 2024-Sep-01, The British journal of radiology DOI:10.1093/bjr/tqae108 PMID:38781513	综述	本文综述了深度学习在纤维化肺疾病影像分析中的发展和应用	深度学习旨在通过自主定量分析克服传统定量CT方法依赖人工输入的局限	深度学习面临算法偏差最小化、可解释性以及可访问性和伦理问题的挑战	探索深度学习在改善纤维化肺疾病影像分析过程中的应用	纤维化肺疾病，包括特发性肺纤维化（IPF）	计算机视觉	肺纤维化	深度学习	NA	影像	NA
20013	2024-08-22	Learning classifiers in clustered data: BCI pattern recognition model for EEG-based human emotion recognition 2024-Sep, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2252953 PMID:37668071	研究论文	本文提出了一种基于脑电图（EEG）信号的人类情绪识别的脑机接口（BCI）模式识别模型，通过使用EMD分解和统计属性提取，结合RBF核和LASSO特征选择，以及决策树、随机森林和KNN分类器，提高了分类准确性	本文采用EMD分解和统计属性提取方法，结合RBF核和LASSO特征选择，以及决策树、随机森林和KNN分类器，提高了分类准确性，并在DEAP数据集上实现了99.17%的准确率	NA	提高基于EEG信号的人类情绪识别的分类准确性	基于EEG信号的人类情绪识别	机器学习	NA	EMD, RBF核, LASSO特征选择	决策树, 随机森林, KNN	脑电图信号	DEAP数据集
20014	2024-08-22	A QSAR study for predicting malformation in zebrafish embryo 2024-Sep, Toxicology mechanisms and methods IF:2.8Q2 DOI:10.1080/15376516.2024.2338907 PMID:38586962	研究论文	本研究旨在开发一种定量结构-活性关系（QSAR）模型，以预测斑马鱼胚胎的畸形，并识别出最佳算法及与畸形相关的最重要的理化性质。	本研究通过使用机器学习和深度学习模型，如梯度提升模型（GBM）和逻辑回归（LR），以及多层感知器（MLP）和神经网络（NNs），来简化发育终点的分析。	NA	开发一种新的方法来简化发育终点的分析，特别是畸形预测。	斑马鱼胚胎的畸形预测及其相关的理化性质。	机器学习	NA	QSAR	梯度提升模型（GBM），逻辑回归（LR），多层感知器（MLP），神经网络（NNs）	理化性质数据	数据集从COMPTOX数据库中提取，具体样本数量未提及。
20015	2024-08-22	Single-Image-Based Deep Learning for Precise Atomic Defect Identification 2024-Aug-21, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.4c02654 PMID:39106329	研究论文	本文提出了一种基于单张实验STEM图像的深度学习方法，用于精确识别原子缺陷	利用CycleGAN和U-Nets网络，通过单张STEM图像进行训练，有效降低了标注成本和图像噪声	NA	开发一种新的深度学习方法，用于在材料科学中进行精确的原子缺陷识别	原子缺陷和单层MoS中的氧掺杂	机器学习	NA	STEM	CycleGAN, U-Nets	图像	单张实验STEM图像
20016	2024-08-22	3MT-Net: A Multi-modal Multi-task Model for Breast Cancer and Pathological Subtype Classification Based on a Multicenter Study 2024-Aug-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3445952 PMID:39163184	研究论文	本研究介绍了一种名为“多模态多任务网络”（3MT-Net）的深度学习架构，用于乳腺癌及其病理亚型的分类	3MT-Net结合了临床数据、B模式和彩色多普勒超声，采用级联交叉注意力机制融合三种不同来源的信息，并通过优化算法为不同模态分配权重	NA	提高乳腺癌诊断的准确性	乳腺癌及其病理亚型的分类	计算机视觉	乳腺癌	深度学习	CNN	图像	回顾性收集自九个医疗中心的数据
20017	2024-08-22	UAdam: Unified Adam-Type Algorithmic Framework for Nonconvex Optimization 2024-Aug-19, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01692 PMID:39106463	研究论文	本文介绍了一种名为UAdam的统一Adam类型算法框架，用于非凸优化问题	UAdam框架包含了一般形式的二阶矩，能够涵盖Adam及其现有和未来变体作为特例，并提供了严格的收敛性分析	NA	旨在为Adam类型算法提供一个统一的框架，并深入理解其收敛性	Adam类型算法及其变体在非凸优化问题中的应用	机器学习	NA	NA	Adam类型算法	NA	NA
20018	2024-08-22	Dual-loop control and state prediction analysis of QUAV trajectory tracking based on biological swarm intelligent optimization algorithm 2024-Aug-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69911-5 PMID:39154026	研究论文	本研究针对四旋翼无人机（QUAV）在面对外部干扰时精确轨迹跟踪的挑战，提出了一种基于滑模技术的双层控制系统	本研究引入了粒子群优化（PSO）与长短期记忆（LSTM）网络结合的深度学习方法，用于预测和减少轨迹跟踪误差，提高了任务操作的可靠性和安全性	NA	解决QUAV系统在外部干扰下精确轨迹跟踪的问题	四旋翼无人机（QUAV）的轨迹跟踪控制	机器学习	NA	滑模技术	LSTM	NA	NA
20019	2024-08-22	Multimodal MRI-based deep-radiomics model predicts response in cervical cancer treated with neoadjuvant chemoradiotherapy 2024-08-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70055-9 PMID:39154103	研究论文	本研究旨在开发基于多模态MRI的放射组学和深度学习模型，用于预测宫颈癌患者在接受新辅助放化疗后的治疗反应	本研究通过结合放射组学和深度学习技术，从MRI图像中提取特征，构建了一个能够精确预测宫颈癌患者新辅助放化疗反应的模型	NA	开发一个基于多模态MRI的模型，用于预测宫颈癌患者新辅助放化疗的治疗反应	宫颈癌（CC）患者	数字病理学	宫颈癌	MRI	SVM	图像	从2009年8月至2013年6月，共收录了接受新辅助放化疗的宫颈癌患者
20020	2024-08-22	Deep learning of Parkinson's movement from video, without human-defined measures 2024-Aug-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2024.123089 PMID:38991323	研究论文	本文研究了如何使用深度学习神经网络直接从视频中识别帕金森病患者的指尖敲击动作，无需人工定义的测量或特征	本文的创新之处在于直接应用深度学习神经网络处理视频数据，无需预先定义的特征或一维信号提取	本文的局限性在于测试准确度相对较低，为0.69	研究目的是应用深度学习神经网络直接从视频中区分特发性帕金森病与对照组，并可视化模型学习到的特征	研究对象是帕金森病患者和对照组的指尖敲击视频	机器学习	帕金森病	3D卷积神经网络	3D卷积神经网络	视频	152个智能手机录制的10秒指尖敲击视频，来自40名帕金森病患者和37名对照组