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
20981	2024-08-08	scTab: Scaling cross-tissue single-cell annotation models 2024-Aug-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51059-5 PMID:39098889	研究论文	本文提出了一种名为scTab的自动化细胞类型预测模型，专门针对表格数据，并通过新颖的数据增强方案在大规模单细胞RNA-seq数据集上进行训练	scTab模型能够处理大规模数据集，并通过数据增强方案提高模型在跨组织注释中的泛化能力	NA	开发能够在大规模单细胞RNA-seq数据集上进行跨组织细胞类型预测的自动化模型	单细胞RNA-seq数据的细胞类型预测	机器学习	NA	单细胞RNA-seq	神经网络	表格数据	2220万细胞
20982	2024-08-08	PLEKv2: predicting lncRNAs and mRNAs based on intrinsic sequence features and the coding-net model 2024-Aug-02, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-024-10662-y PMID:39095710	研究论文	本文介绍了PLEKv2工具，该工具基于内在序列特征和编码网络模型，用于预测长非编码RNA（lncRNA）和信使RNA（mRNA）	PLEKv2相较于传统工具和基于深度学习的模型，在人类数据集上的预测准确率提高了8.1%至48.9%，并且在跨物种预测中表现出超过90%的准确率	NA	开发一种快速准确的工具来区分lncRNA和mRNA转录本	lncRNA和mRNA	生物信息学	NA	NA	CNN	序列数据	NA
20983	2024-08-08	An EEG-based marker of functional connectivity: detection of major depressive disorder 2024-Aug, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-10041-5 PMID:39104678	研究论文	本研究提出了一种基于脑电图（EEG）信号的新型功能连接标记P-MSWC，并利用卷积神经网络（CNN）识别重度抑郁症（MDD）	本研究结合同步挤压小波变换和相干理论，提出了P-MSWC融合特征，该特征能全面捕捉原始EEG信号的信息并具有显著的抗噪能力	NA	开发一种快速且可靠的重度抑郁症检测方法	重度抑郁症患者与健康人群的脑功能连接差异	机器学习	精神疾病	同步挤压小波变换	CNN	脑电图信号	单一数据集准确率达到99.92%，合并数据集准确率达到97.86%
20984	2024-08-08	Cognitive workload estimation using physiological measures: a review 2024-Aug, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-10051-3 PMID:39104683	综述	本文综述了利用生理测量方法估计认知工作负荷的研究进展	详细分析了所有生理测量方法在估计认知工作负荷中的应用	仍需探索所有生理测量方法在估计认知工作负荷中的详细分析	深入分析生理测量方法在评估认知工作负荷中的应用	认知工作负荷的生理测量方法	认知神经科学	NA	机器学习, 深度学习	NA	生理数据	NA
20985	2024-08-08	ADHD/CD-NET: automated EEG-based characterization of ADHD and CD using explainable deep neural network technique 2024-Aug, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-10028-2 PMID:39104684	研究论文	本研究提出了一种基于脑电图（EEG）的深度学习系统ADHD/CD-NET，用于客观区分注意力缺陷多动障碍（ADHD）、ADHD合并行为障碍（CD）和单纯行为障碍（CD）	本研究首次提出了一种基于EEG的深度学习系统ADHD/CD-NET，能够客观区分ADHD、ADHD合并CD和单纯CD，并通过Grad-CAM技术解释了CNN模型的预测结果	NA	研究目的是开发一种能够客观区分ADHD和CD的深度学习系统，以减少误诊风险	研究对象包括ADHD、ADHD合并CD和单纯CD患者	机器学习	儿童神经发育障碍	脑电图（EEG）	卷积神经网络（CNN）	脑电信号	内部数据集包括45名ADHD患者、62名ADHD合并CD患者和16名CD患者；外部公共数据集包括61名ADHD患者和60名健康对照
20986	2024-08-08	Deep learning networks based decision fusion model of EEG and fNIRS for classification of cognitive tasks 2024-Aug, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09986-4 PMID:39104699	研究论文	本研究通过深度学习网络对EEG和fNIRS数据进行决策融合，以分类认知任务	研究展示了EEG和fNIRS数据融合在分类认知任务中的性能优于单一数据源	NA	探索EEG和fNIRS数据融合在认知任务分类中的应用	EEG和fNIRS数据在认知任务分类中的应用	机器学习	NA	深度学习	CNN, LSTM, GRU, CNN-LSTM, CNN-GRU, LSTM-GRU, CNN-LSTM-GRU	时间序列数据	数据集01包含26名受试者，数据集02包含29名受试者
20987	2024-08-08	Clinical feasibility of deep learning based synthetic contrast enhanced abdominal CT in patients undergoing non enhanced CT scans 2024-07-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68705-z PMID:39085456	研究论文	本文旨在开发并评估基于深度学习的合成增强型腹部CT（DL-SynCCT）在非增强CT（NECT）患者中的临床可行性	提出了一种使用虚拟非对比CT（VNC）的弱监督学习方法来开发DL-SynCCT	NA	评估基于深度学习的合成增强型CT在非增强CT患者中的临床应用	非增强CT患者	计算机视觉	NA	深度学习	CNN	图像	训练和内部验证使用了2202对回顾性收集的增强CT（CECT）图像及其对应的VNC图像；临床验证使用了来自三个机构的398名非增强CT（NECT）患者的数据
20988	2024-08-08	Hybrid deep learning models for the screening of Diabetic Macular Edema in optical coherence tomography volumes 2024-07-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68489-2 PMID:39085461	研究论文	本文使用卷积神经网络和循环神经网络（CNN-RNN）的混合模型，在真实世界的糖尿病视网膜病变筛查项目中分析完整的光学相干断层扫描（OCT）立方体，以预测糖尿病黄斑水肿（DME）。	本研究避免了图像选择偏差，通过分析完整的OCT立方体，提高了在真实世界环境中检测DME的诊断准确性，并能检测到其他研究中常被忽视的黄斑外DME。	文章未明确提及具体的局限性。	开发和验证一种在真实世界糖尿病视网膜病变筛查中用于检测糖尿病黄斑水肿的高效混合深度学习模型。	研究对象包括4年内参与糖尿病视网膜病变筛查的4408名受试者的5314个OCT立方体。	计算机视觉	糖尿病黄斑水肿	光学相干断层扫描（OCT）	CNN-RNN	图像	5314个OCT立方体，来自4408名受试者
20989	2024-08-08	Semantic-enhanced graph neural network for named entity recognition in ancient Chinese books 2024-07-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68561-x PMID:39080339	研究论文	本文提出了一种基于图神经网络的模型，用于增强古汉语书籍中的命名实体识别（NER），通过整合字典级和章节级外部知识来提升NER的性能	本文创新性地利用图神经网络和图注意力机制，结合外部知识（字典级和章节级信息）来增强古汉语NER的语义表示	NA	探索如何通过外部知识增强古汉语书籍中的命名实体识别	古汉语书籍中的命名实体识别	自然语言处理	NA	图神经网络（GNN）	图注意力机制（GAT）	文本	在C_CLUE数据集上进行评估
20990	2024-08-08	Human monkeypox disease prediction using novel modified restricted Boltzmann machine-based equilibrium optimizer 2024-07-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68836-3 PMID:39080387	研究论文	本文提出了一种基于改进受限玻尔兹曼机和平衡优化器的新型深度学习方法，用于预测人类猴痘疾病	使用改进的受限玻尔兹曼机（MRBM）和平衡优化器（EO）进行参数调整，以最小化误差为主要目标函数，提高了猴痘疾病预测的性能	NA	开发一种新的深度学习方法来预测人类猴痘疾病	人类猴痘疾病的预测	机器学习	NA	深度学习	受限玻尔兹曼机（RBM）	图像	使用了Monkeypox Skin Lesion Dataset中的数据
20991	2024-08-08	Training high-performance deep learning classifier for diagnosis in oral cytology using diverse annotations 2024-07-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67879-w PMID:39080384	研究论文	本文利用深度学习技术，通过多口腔病理学家对口腔脱落细胞学图像的标注，训练出高性能的卷积神经网络（CNN）分类器，用于诊断口腔细胞学图像	本文创新性地采用了概率模型和多数投票方法来处理多口腔病理学家的标注，以提高分类器的性能	文章指出，使用单个病理学家的标注训练的模型在许多测试中显示出非常低的准确性和较大的变异性	研究目的是通过深度学习技术优化卷积神经网络，以提高口腔脱落细胞学图像的诊断准确性	研究对象是口腔脱落细胞学图像及其多口腔病理学家的标注	机器学习	NA	深度学习	CNN	图像	14,535张图像
20992	2024-08-08	A multibranch and multiscale neural network based on semantic perception for multimodal medical image fusion 2024-07-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68183-3 PMID:39080442	研究论文	本文介绍了一种基于语义感知的多分支多尺度神经网络，用于多模态医学图像融合	提出了一种新的医学图像融合技术，利用无监督图像分割增强融合过程中的语义理解，并采用多分支、多尺度的深度学习架构结合先进的注意力机制来优化特征提取和融合过程	NA	提高多模态医学图像融合的质量和诊断效用	多模态医学图像融合技术	计算机视觉	NA	深度学习	多分支多尺度神经网络	图像	NA
20993	2024-08-08	Automated vehicle damage classification using the three-quarter view car damage dataset and deep learning approaches 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34016 PMID:39104489	research paper	本文介绍了使用三-四分之三视角车辆损坏数据集和深度学习方法进行自动车辆损坏分类的研究	引入了三-四分之三视角车辆损坏数据集（TQVCD数据集），并使用五种流行的预训练深度学习架构进行性能评估，同时实施了模型集成方法以增强分类鲁棒性	NA	解决车辆损坏分类领域中公共数据集稀缺和数据集构建复杂性的问题	车辆损坏分类	computer vision	NA	deep learning	ResNet-50, DenseNet-160, EfficientNet-B0, MobileNet-V2, ViT	image	三-四分之三视角车辆损坏数据集（TQVCD数据集）
20994	2024-08-08	Rigdelet neural network and improved partial reinforcement effect optimizer for music genre classification from sound spectrum images 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34067 PMID:39104510	研究论文	本文提出了一种新的音乐流派分类方法，通过将音频信号转换为声谱图，并利用增强的Rigdelet神经网络（RNN）提取纹理特征，同时使用改进的部分强化效应优化器（IPREO）优化RNN，以避免局部最优并提高其泛化能力	本文的创新点在于结合了Rigdelet神经网络和改进的部分强化效应优化器（IPREO），以及混合CNN-双向RNN设计，有效提取复杂的序列听觉数据	NA	研究目的是提高音乐流派分类的准确性	研究对象是音乐流派分类	机器学习	NA	Rigdelet神经网络（RNN）	CNN, 双向RNN	声谱图	使用了GTZAN数据集进行实验
20995	2024-08-08	An attention-based deep learning for acute lymphoblastic leukemia classification 2024-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67826-9 PMID:39075091	研究论文	本研究提出了一种基于注意力机制的深度学习模型DDRNet，用于急性淋巴细胞白血病分类，通过集成深度残差扩张块、全局和局部特征增强块以及通道和空间注意力块，提高了分类准确性和特征识别能力	本研究引入了深度残差扩张块、全局和局部特征增强块以及通道和空间注意力块，这些模块的组合有效解决了分类过程中的特定挑战，提高了特征的辨别能力	NA	开发一种高效的计算机辅助诊断系统，以帮助血液学家减少工作量，提供准确结果，并处理大量数据	血液细胞图像，包括嗜酸性粒细胞、淋巴细胞、单核细胞和中性粒细胞	机器学习	急性淋巴细胞白血病	深度学习	深度残差扩张卷积神经网络（DDRNet）	图像	16,249张图像，分为四个类别，训练和测试比例为80:20
20996	2024-08-08	Extended dipeptide composition framework for accurate identification of anticancer peptides 2024-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68475-8 PMID:39075193	研究论文	本文提出了一种基于扩展二肽组成的框架，用于准确识别抗癌肽	提出的扩展二肽组成框架通过考虑局部序列环境信息和重构CD-HIT框架来去除噪声和冗余，提高了预测准确性和效率	未来工作将包括扩展到更多样化的数据集，并结合三级结构信息和深度学习技术	开发一种先进的特征提取框架，用于提高抗癌肽识别的准确性	抗癌肽的识别	机器学习	NA	NA	SVM, DT, RF, KNN	序列数据	多个数据集
20997	2024-08-08	Developing a fair and interpretable representation of the clock drawing test for mitigating low education and racial bias 2024-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68481-w PMID:39075127	研究论文	本研究开发了一种公平且可解释的时钟绘制测试（FaIRClocks）表示方法，旨在评估并减轻对教育程度低于8年的人群的分类偏见，同时通过一系列神经心理学测量方法筛查其认知功能。	本研究的创新点在于开发了FaIRClocks模型，该模型能够识别并减轻对教育程度低于8年人群的偏见，特别是在术前认知筛查中。	研究中使用的初始未加权分类器在低教育程度患者中存在100%的I类错误率，表明存在显著偏见。	研究目的是开发一种公平且可解释的时钟绘制测试表示方法，以减轻对教育程度较低和种族的偏见。	研究对象包括教育程度低于8年的人群以及使用时钟绘制测试进行认知筛查的患者。	机器学习	NA	深度学习	深度学习特征集	图像	使用了来自国家健康和老龄趋势研究（NHATS）的公开数据以及佛罗里达大学术前认知筛查项目的时钟绘制数据
20998	2024-08-08	Boundary guidance network for medical image segmentation 2024-07-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67554-0 PMID:39069513	研究论文	本文提出了一种名为边界引导网络的医学图像分割网络，用于准确分割膀胱肿瘤区域	该网络结合了CNN提取的局部特征和Parallel ViT记录的不同层次的长距离依赖关系，以及设计的边界提取模块和前景-背景双通道解码模块	NA	解决膀胱肿瘤形态多样和边界模糊导致的准确分割难题	膀胱肿瘤的准确分割	计算机视觉	膀胱癌	CNN, Parallel ViT	边界引导网络	图像	新提出的膀胱肿瘤内窥镜数据集(BTD)及三个公共数据集
20999	2024-08-08	DiffPROTACs is a deep learning-based generator for proteolysis targeting chimeras 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae358 PMID:39101502	研究论文	本文介绍了一种基于深度学习的扩散模型DiffPROTACs，用于生成新的PROTAC连接子	提出了O(3)等变图Transformer模块，结合Transformer和图神经网络(GNN)来更新PROTAC原子的坐标，提高了生成PROTAC的效率和有效性	NA	开发一种新的深度学习模型，用于生成PROTAC连接子，以促进PROTAC技术的研究	PROTAC连接子的设计和生成	机器学习	NA	扩散模型和Transformer	扩散模型	分子数据	使用了两个传统的FBDD数据集ZINC和GEOM，以及自建的PROTACs数据集
21000	2024-08-08	Deep transformer-based heterogeneous spatiotemporal graph learning for geographical traffic forecasting 2024-Jul-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110175 PMID:39109176	研究论文	本文提出了一种基于深度变换器的异构时空图学习模型，用于地理交通预测	模型结合了时间变换器以捕捉交通数据中的长期时间模式，并引入了自适应归一化图结构以捕捉动态空间依赖性	NA	提高地理交通预测的准确性	地理交通数据	机器学习	NA	深度变换器	时空图学习模型	时空数据	四个主要公共数据集