深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
21341	2024-12-12	Computational approach for counting of SISH amplification signals for HER2 status assessment 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2373 PMID:39650490	研究论文	本研究提出了一种计算机辅助方法，通过银染杂交（SISH）染色技术，利用全切片图像（WSI）自动测量和评分乳腺癌组织中HER2基因的状态	本研究引入了基于深度学习的自动化方法，显著减少了HER2状态量化所需的时间和精力，并展示了与现有手动方法相比的改进	NA	开发一种自动化方法来评估乳腺癌中HER2基因的扩增状态	乳腺癌组织中的HER2基因状态	数字病理学	乳腺癌	SISH	Stardist	图像	NA	NA	NA	NA	NA
21342	2024-12-12	HierbaNetV1: a novel feature extraction framework for deep learning-based weed identification 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2518 PMID:39650494	研究论文	提出了一种名为HierbaNetV1的新特征提取框架，用于基于深度学习的杂草识别	通过使用多样化滤波器解决图像中感兴趣区域（ROI）大小变化的问题，并结合低级和高级特征，使模型能够学习密集和多样化的特征	NA	开发一种新的特征提取框架，用于提高杂草识别的准确性	杂草和作物的识别	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	每个输入样本生成3,872个特征图	NA	NA	NA	NA
21343	2024-12-12	Spatial layout optimization model integrating layered attention mechanism in the development of smart tourism management 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2329 PMID:39650501	研究论文	本研究提出了一种基于动态空间感知的多层自注意力机制推荐算法，用于优化智能旅游管理中的空间布局和旅游需求预测	本研究的创新点在于引入了多层自注意力机制，结合动态空间感知，能够更精确地分析游客的情感倾向并预测旅游需求	本研究的局限性在于仅在北京市的知名旅游目的地数据上进行了验证，可能需要进一步在其他地区进行验证以确保模型的普适性	本研究的目的是通过优化空间布局和精确预测旅游需求，提升旅游管理系统的效率和游客满意度	本研究的对象是旅游需求预测和智能旅游管理系统	机器学习	NA	多层自注意力机制	NA	文本	北京市知名旅游目的地的数据	NA	NA	NA	NA
21344	2024-12-12	A novel deep learning model for predicting marine pollution for sustainable ocean management 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2482 PMID:39650505	研究论文	本文提出了一种新的深度学习模型，用于预测海洋污染，以支持可持续的海洋管理	本文创新性地利用人工智能力量识别和分类海洋及海底塑料废物，并使用全卷积网络（FCN）进行分类	NA	研究目的是利用人工智能技术识别和分类海洋及海底塑料废物，以支持可持续的海洋管理	研究对象是海洋及海底的塑料废物	机器学习	NA	全卷积网络（FCN）	全卷积网络（FCN）	图像	使用了Kaggle的塑料位置数据进行模型训练	NA	NA	NA	NA
21345	2024-12-12	Advancing multi-categorization and segmentation in brain tumors using novel efficient deep learning approaches 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2496 PMID:39650515	研究论文	本文提出了一种基于深度学习的新方法，用于脑肿瘤的多分类和分割，旨在提高分类的准确性和速度	引入了ERSACA-Net模型，结合了扩展残差结构和自适应通道注意力机制，并使用了LWIFCM_CSA方法进行聚类，以及CTGAN解决类别不平衡问题	NA	提高脑肿瘤分类和分割的准确性和效率	脑肿瘤的分类和受影响区域的分割	计算机视觉	脑肿瘤	深度学习	ERSACA-Net	图像	NA	NA	NA	NA	NA
21346	2024-12-12	A systematic review on artificial intelligence approaches for smart health devices 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2232 PMID:39650514	综述	本文系统回顾了用于智能健康设备的人工智能方法，探讨了机器学习和深度学习在智能健康中的应用，并分析了隐私和安全问题	本文通过系统回顾提供了智能健康领域中AI方法的全面概述，并提出了设计、开发和实施AI解决方案的实用指南	本文主要通过回顾现有文献进行分析，未进行实际的实验或数据验证	本文旨在通过系统回顾识别智能健康领域的挑战、最佳实践和未来机会，并提供AI解决方案的实用指南	本文研究对象包括智能健康设备、机器学习和深度学习网络架构以及健康数据的隐私和安全问题	机器学习	NA	机器学习（ML）和深度学习（DL）	神经网络	数据	NA	NA	NA	NA	NA
21347	2024-12-12	Auditory-GAN: deep learning framework for improved auditory spatial attention detection 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2394 PMID:39650521	研究论文	本文提出了一种名为Auditory-GAN的深度学习框架，用于改进多通道脑电图信号中的听觉空间注意力检测	创新点在于提出了一个完整的深度听觉生成对抗网络辅助系统，能够生成脑电图数据并执行听觉空间检测，同时解决了在线脑电图数据稀缺和低延迟检测的问题	NA	改进听觉空间注意力检测的准确性和效率	多通道脑电图信号中的听觉空间注意力	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	脑电图信号	64通道脑电图数据	NA	NA	NA	NA
21348	2024-12-12	Measurement of sulfur content in coal mining areas by using field-remote sensing data and an integrated deep learning model 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2458 PMID:39650518	研究论文	本研究首次利用现场遥感数据绘制露天煤矿硫含量分布图，并提出了一种评估煤矿成分的新方法	首次使用现场遥感数据和集成深度学习模型来测量煤矿区域的硫含量，并提出了基于卷积神经网络的微型神经网络模型	未提及具体限制	快速确定煤矿区域煤的硫含量	煤矿区域的煤硫含量	计算机视觉	NA	遥感数据，可见光-近红外（Vis-NIR）光谱	卷积神经网络（CNN）	图像	未提及具体样本数量	NA	NA	NA	NA
21349	2024-12-12	Deep learning-based anomaly detection using one-dimensional convolutional neural networks (1D CNN) in machine centers (MCT) and computer numerical control (CNC) machines 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2389 PMID:39650526	研究论文	本研究提出了一种基于一维卷积神经网络（1D CNN）的深度学习模型，用于机床中心（MCT）和计算机数控（CNC）机器的早期故障检测	本研究的创新点在于使用1D CNN模型进行早期故障检测，相比传统机器学习分类器和其他深度学习模型，该模型在准确率、精确率、召回率和F1分数上均表现更优	NA	研究目的是开发一种高效的深度学习模型，用于机床中心（MCT）和计算机数控（CNC）机器的早期故障检测，以降低维护成本并提高生产效率	研究对象是机床中心（MCT）和计算机数控（CNC）机器的传感器数据	机器学习	NA	一维卷积神经网络（1D CNN）	一维卷积神经网络（1D CNN）	传感器数据	NA	NA	NA	NA	NA
21350	2024-12-12	Enhancing brain tumor MRI classification with an ensemble of deep learning models and transformer integration 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2425 PMID:39650528	研究论文	本文提出了一种结合深度学习模型和Transformer编码器的混合模型，用于增强脑肿瘤MRI分类的准确性	本文的创新点在于将迁移学习和Transformer编码器机制相结合，并通过集成多个预训练模型（DenseNet201、GoogleNet和InceptionResNetV2）来提高分类准确性	本文的局限性在于仅在公开的研究数据集上进行了实验，未提及在实际临床环境中的应用效果	本文的研究目的是提高脑肿瘤MRI分类的准确性，以支持早期诊断和治疗	本文的研究对象是脑肿瘤的MRI图像分类	计算机视觉	脑肿瘤	深度学习	混合模型（集成模型与Transformer编码器）	图像	使用了三个公开数据集：Cheng数据集、BT-large-2c数据集和BT-large-4c数据集，每个数据集的样本数量、平面和对比度有所不同	NA	NA	NA	NA
21351	2024-12-12	Recognition of Conus species using a combined approach of supervised learning and deep learning-based feature extraction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313329 PMID:39652613	研究论文	本文提出了一种结合监督学习和深度学习特征提取的方法来识别芋螺物种	本文的创新点在于采用了随机森林和XGBoost的集成学习策略，并结合深度学习模型进行特征提取，以提高芋螺物种识别的准确性	本文的局限性在于仅使用了芋螺壳的图像数据，未来可以考虑结合其他类型的数据进行研究	本文的研究目的是开发一种高效准确的方法来识别芋螺物种	本文的研究对象是芋螺物种及其壳的图像	计算机视觉	NA	深度学习	CNN	图像	47,600张尺寸为224x224像素的芋螺壳图像	NA	NA	NA	NA
21352	2024-12-11	Toward explainable deep learning in healthcare through transition matrix and user-friendly features 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1482141 PMID:39654544	研究论文	本研究提出了一种基于转移矩阵的可扩展方法，用于增强深度学习模型在医疗信号和图像处理中的可解释性	通过转移矩阵将复杂的模型决策转化为用户友好的可解释特征，结合临床指南和专家规则，使模型输出符合既定的医疗标准	NA	提高深度学习模型在医疗应用中的透明度和可信度	心电图（ECG）数据用于心律失常检测和磁共振成像（MRI）数据用于心脏病分类	机器学习	心血管疾病	深度学习	深度学习模型	信号和图像	两个医疗数据集：心电图（ECG）和磁共振成像（MRI）	NA	NA	NA	NA
21353	2024-12-12	On-site CT-derived cFFR in patients with suspected coronary artery disease: Feasibility on a 128-row CT scanner in everyday clinical practice 2024-01, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2142-1643 PMID:37820710	研究论文	本研究评估了在日常临床实践中使用128排CT扫描仪进行基于CT的冠状动脉血流储备分数（cFFR）计算的技术可行性	本研究首次在日常临床实践中使用深度学习算法在128排CT扫描仪上实现了cFFR的非侵入性现场量化	本研究为单中心回顾性分析，样本量有限，且仅在部分患者中进行了侵入性冠状动脉造影的对比	评估在日常临床实践中使用128排CT扫描仪进行基于CT的cFFR计算的技术可行性	230名疑似冠状动脉疾病患者	数字病理学	心血管疾病	深度学习	深度学习算法	图像	230名患者，其中57名进行了侵入性冠状动脉造影	NA	NA	NA	NA
21354	2024-12-12	An Epileptic EEG Detection Method Based on Data Augmentation and Lightweight Neural Network 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2023.3308196 PMID:38059126	研究论文	本文提出了一种基于数据增强和轻量级神经网络的癫痫脑电图检测方法	本文的创新点在于使用数据增强技术（如小窗口分割和SMOTE算法）来解决数据集大小和类别不平衡问题，并提出了一种简化的神经网络架构，显著减少了模型的训练参数	本文的局限性在于仅使用了两个公开数据集进行实验，未来可能需要更多样化的数据集来验证方法的泛化能力	本文的研究目的是提高癫痫检测的效率和准确性，并使其适用于低成本、低计算资源的硬件设备	本文的研究对象是癫痫患者的脑电图信号	机器学习	神经疾病	SMOTE	神经网络	脑电图	9371个参数	NA	NA	NA	NA
21355	2024-12-12	MRM-BERT: a novel deep neural network predictor of multiple RNA modifications by fusing BERT representation and sequence features 2024-01, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2024.2315384 PMID:38357904	研究论文	本文提出了一种结合预训练序列表示和多种序列特征的混合方法，用于预测多种RNA修饰	本文的创新点在于开发了MRM-BERT模型，该模型结合了预训练的DNABERT深度序列表示模块和卷积神经网络（CNN），利用四种传统序列特征编码来提高预测性能	NA	本文的研究目的是开发一种有效的方法来预测多种RNA修饰，以促进对RNA生物学的理解并推动治疗策略的发展	本文的研究对象是12种常见的RNA修饰，包括mA、mC等	机器学习	NA	NA	CNN	序列	多个数据集，包含12种常见的RNA修饰	NA	NA	NA	NA
21356	2024-12-12	In silico models of the macromolecular NaV1.5-KIR2.1 complex 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1362964 PMID:38468705	研究论文	本文通过刚体蛋白质-蛋白质对接程序和基于深度学习的AlphaFold-Multimer软件生成了Na1.5-K2.1的3D模型，揭示了这两个通道在整个跨膜区域上的物理相互作用	首次通过3D建模揭示了Na1.5和K2.1通道在整个跨膜区域上的物理相互作用，并发现了疾病相关突变的热点区域	仅通过计算机模拟生成模型，未进行实验验证	研究Na1.5和K2.1通道在心肌细胞中的相互作用及其在心血管疾病中的潜在作用	Na1.5和K2.1通道及其形成的宏分子复合物	心血管疾病	心血管疾病	AlphaFold-Multimer	AlphaFold-Multimer	蛋白质结构	NA	NA	NA	NA	NA
21357	2024-12-12	BioDeepfuse: a hybrid deep learning approach with integrated feature extraction techniques for enhanced non-coding RNA classification 2024-01, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2024.2329451 PMID:38528797	研究论文	本文提出了一种名为BioDeepFuse的混合深度学习框架，结合卷积神经网络（CNN）或双向长短期记忆网络（BiLSTM）与手工特征提取技术，用于增强非编码RNA分类的准确性	创新点在于将CNN或BiLSTM与手工特征提取技术相结合，以优化非编码RNA序列的空间和序列特征的利用	NA	旨在提高非编码RNA分类的准确性，并深化对非编码RNA在细胞过程和疾病表现中的理解	非编码RNA序列	机器学习	NA	卷积神经网络（CNN），双向长短期记忆网络（BiLSTM），手工特征提取技术	混合深度学习框架	序列	使用基准数据集和来自细菌生物的实际RNA样本进行评估	NA	NA	NA	NA
21358	2024-12-12	A review of the applications of generative adversarial networks to structural and functional MRI based diagnostic classification of brain disorders 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1333712 PMID:38686334	综述	本文综述了生成对抗网络（GAN）在基于结构和功能磁共振成像（MRI）的脑部疾病诊断分类中的应用	GAN通过学习数据分布来增强数据，为解决神经影像数据稀缺和不平衡问题提供了潜在解决方案	本文指出了方法学和可解释性方面的不足，并提出了未来研究的方向	探讨GAN在神经影像数据分类中的应用，并提出未来研究的方向	基于结构和功能MRI的脑部疾病诊断分类	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	NA	NA	NA	NA	NA
21359	2024-12-12	Prognosis Forecast of Re-Irradiation for Recurrent Nasopharyngeal Carcinoma Based on Deep Learning Multi-Modal Information Fusion 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3286656 PMID:37384472	研究论文	本研究利用深度学习多模态信息融合技术，预测复发性鼻咽癌再放疗后的鼻咽坏死情况	提出了一种基于多模态信息融合的深度学习方法，通过监督分类损失和自监督重建损失的结合，有效融合了多序列核磁共振成像和计划剂量的信息	未提及具体的研究局限性	通过预测鼻咽坏死情况，为临床决策提供支持，减少再放疗引起的并发症	复发性鼻咽癌患者再放疗后的鼻咽坏死情况	机器学习	鼻咽癌	深度学习	NA	图像	多中心数据集	NA	NA	NA	NA
21360	2024-12-12	Self-Supervised Triplet Contrastive Learning for Classifying Endometrial Histopathological Images 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3314663 PMID:37698968	研究论文	本文提出了一种新的自监督三重对比学习模型，用于分类子宫内膜组织病理学图像	本文创新性地引入了随机马赛克掩码（RMM）模块和瓶颈Transformer（BoT）模型，以增强模型的泛化能力和全局信息学习能力	本文未详细讨论模型在不同数据分布下的泛化能力以及对标注数据依赖的具体程度	开发一种能够有效分类子宫内膜组织病理学图像的自监督学习模型，以辅助病理学家进行早期子宫内膜癌或癌前病变的诊断	子宫内膜组织病理学图像	数字病理学	子宫内膜癌	自监督学习	三重对比学习模型	图像	公共数据集和内部数据集，分别用于四分类和三分类任务	NA	NA	NA	NA