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
21521	2024-08-05	Harnessing the power of hybrid deep learning algorithm for the estimation of global horizontal irradiance 2024-Sep-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173958 PMID:38871320	研究论文	本研究提出了一种整合卷积神经网络、长短时记忆和门控循环单元的混合模型用于全球水平辐射照度的估计。	提出的混合模型在全球水平辐射照度的预测中相较于单独模型具有更好的性能，显著降低了预测误差。	研究仅基于印度拉贾斯坦邦四个地区的数据进行，可能限制了模型在其他地理区域的适用性。	旨在提高全球水平辐射照度的估计准确性和适应性。	使用拉贾斯坦邦四个不同地区的太阳辐射数据进行研究。	机器学习	NA	CNN、LSTM、GRU	混合模型（CNN-LSTM-GRU）	时间序列数据	四个地区的太阳辐射数据
21522	2024-08-05	Advancements in remote sensing for active fire detection: A review of datasets and methods 2024-Sep-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173273 PMID:38823698	综述	本研究全面且批判性地审查了自1975年以来遥感在火灾探测方面的进展	强调了机器学习，特别是深度学习技术在火灾探测中的日益重要性	NA	旨在为自然资源管理和环境保护提供有价值的资源	火灾探测的遥感数据集和对应的检测算法	计算机视觉	NA	遥感技术	深度学习	数据集	NA
21523	2024-08-05	A partially flipped physiology classroom improves the deep learning approach of medical students 2024-Sep-01, Advances in physiology education IF:1.7Q4 DOI:10.1152/advan.00196.2023 PMID:38602011	研究论文	本研究比较了部分翻转生理课堂（PFC）与传统讲座课堂（TLC）对医学生学习方法的影响	部分翻转课堂显著提高了学生的深度学习动机和策略，优于传统课堂的表层学习	本研究仅针对生理课程，样本量较小，结果可能不具普遍适用性	旨在提高医学生的学习方法，尤其是深度学习策略	71名临床医学专业的学生	教育	NA	R-SPQ-2F问卷	NA	量表数据	71名学生（实验组32名，控制组39名）
21524	2024-08-05	EResNet-SVM: an overfitting-relieved deep learning model for recognition of plant diseases and pests 2024-Aug-15, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.13462 PMID:38483173	研究论文	本文提出了一种深度学习模型EResNet-SVM，用于缓解植物疾病和害虫的过拟合问题。	通过增加卷积神经网络的特征提取层和引入稀疏激活函数，显著提高了模型的特征提取能力和分类准确性。	未提及具体的应用场景限制或特定的外部条件限制。	旨在提高植物疾病和害虫识别的准确性，并解决深度学习模型中的过拟合问题。	针对植物疾病和害虫的识别与分类进行了研究。	机器学习	植物疾病	深度学习	EResNet-SVM	图像	包含八种情况（七种植物疾病和一种正常）以及六种害虫的测试结果
21525	2024-08-05	Knowledge enhanced attention aggregation network for medicine recommendation 2024-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108099 PMID:38810430	研究论文	提出了一种基于注意力聚合网络和增强图卷积的药物推荐模型KEAN	KEAN聚合患者就诊中的个别诊断和程序，捕捉影响疾病的重要特征，并整合复杂药物组合的医学知识	没有提及具体的局限性	提高药物推荐的准确性和效果	患者的临床记录和药物推荐	自然语言处理	NA	图卷积	注意力聚合网络	临床记录数据	MIMIC-III数据集
21526	2024-08-05	The prediction of pCR and chemosensitivity for breast cancer patients using DLG3, RADL and Pathomics signatures based on machine learning and deep learning 2024-Aug, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2024.101985 PMID:38805774	研究论文	本研究旨在使用多组学特征预测接受新辅助化疗的乳腺癌患者的病理完全响应(pCR)及化疗敏感性	首次探讨了放射组学、病理组学特征与化疗敏感性之间的关系，开发多组学标志用于预测pCR	研究为回顾性，多中心参与，可能受到选择偏倚的影响	评估多组学特征在乳腺癌患者新辅助化疗中的预测效用	311名接受新辅助化疗的恶性乳腺肿瘤患者	数字病理学	乳腺癌	机器学习（ML）和深度学习（DL）算法	NA	临床数据	311名乳腺癌患者
21527	2024-08-05	UmamiPreDL: Deep learning model for umami taste prediction of peptides using BERT and CNN 2024-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108116 PMID:38823360	研究论文	本文提出了一种新的深度学习模型UmamiPreDL，用于预测肽的鲜味。	本研究使用生物序列转换器如ProtBert和ESM2作为特征编码器，并开发了4种模型架构，ProtBert-CNN模型的准确度达到了95%。	本研究可能在样本多样性和模型通用性方面存在一定限制，未在不同类型的肽上进行广泛测试。	研究鲜味预测模型，以提高食品工业中对鲜味成分的识别能力。	研究对象为肽及其对鲜味的影响。	机器学习	NA	深度学习	CNN	NA	使用5折交叉验证数据及独立数据进行测试，具体样本数量未明确
21528	2024-08-05	Cross vision transformer with enhanced Growth Optimizer for breast cancer detection in IoMT environment 2024-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108110 PMID:38815500	研究论文	本文提出了一种新的技术，通过CrossViT和改进的Growth Optimizer算法提高乳腺癌检测的准确性	提出结合CNN和transformer的CrossViT模型，以及改进的Growth Optimizer算法用于特征选择	未提及具体的局限性	提高乳腺癌的检测准确性，帮助临床医生做出更准确的诊断	使用公共可用的乳腺癌数据集进行研究	计算机视觉	乳腺癌	深度学习	CrossViT	图像	使用三个公开的乳腺癌数据集进行评估
21529	2024-08-05	The application of artificial intelligence to accelerate G protein-coupled receptor drug discovery 2024-Jul, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.16140 PMID:37161878	研究论文	本文探讨了人工智能在G蛋白偶联受体（GPCR）药物发现中的应用	介绍了人工智能如何在药物发现的不同阶段提供支持，并总结了已有的应用案例	文章中提到的局限性需要更深入的研究以充分发挥人工智能的潜力	研究人工智能在G蛋白偶联受体药物发现过程中的作用和潜力	G蛋白偶联受体及其配体相互作用的发现和临床反应预测	人工智能	NA	机器学习和深度学习	NA	NA	NA
21530	2024-08-05	Coordinate-wise monotonic transformations enable privacy-preserving age estimation with 3D face point cloud 2024-Jul, Science China. Life sciences DOI:10.1007/s11427-023-2518-8 PMID:38573362	研究论文	本文提出了一种通过坐标单调变换进行隐私保护的面部年龄估计方法	创新在于开发了使用坐标单调变换的面部数据掩蔽方法，同时保留年龄相关特征	研究可能在处理面部形状信息时受到限制，机器仍可识别处理后的面部	研究旨在开发面部年龄估计模型，同时确保数据隐私	研究对象为非注册的面部点云数据	计算机视觉	NA	深度学习	NA	3D面部点云	NA
21531	2024-08-05	Self-supervised category selective attention classifier network for diabetic macular edema classification 2024-Jul, Acta diabetologica IF:3.1Q2 DOI:10.1007/s00592-024-02257-6 PMID:38521818	研究论文	本研究旨在开发一种先进的模型用于糖尿病性黄斑水肿(DME)的分类。	提出了一种新颖的架构SSCSAC-Net，利用自监督学习和类别选择性注意机制，提高DME分类的精度。	NA	研究旨在使用深度学习技术改进DME的分类精度。	主要研究对象为糖尿病性黄斑水肿的图像分类。	数字病理学	糖尿病性黄斑水肿	深度学习	SSCSAC-Net	图像	使用多个基准数据集进行测试
21532	2024-08-07	Editorial for "Parallel CNN-Deep Learning Clinical-Imaging Signature for Assessing Pathologic Grade and Prognosis of Soft Tissue Sarcoma Patients" 2024-Jun-19, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29476 PMID:38896101	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
21533	2024-08-05	Deep learning-based approach for 3D bone segmentation and prediction of missing tooth region for dental implant planning 2024-06-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64609-0 PMID:38880802	研究论文	本研究利用U-Net模型进行牙科CBCT扫描中缺失牙齿区域的骨骼分割和植牙位置预测	提出了一种基于深度学习的U-Net模型，针对牙科影像分析和植牙规划进行了创新应用	无相关限制信息	研究旨在提高牙科植牙规划的自动化水平	研究对象为Taibah大学牙科医院2018至2023年的CBCT数据集患者	数字病理	NA	CBCT	U-Net	影像	NA
21534	2024-08-05	Detection of Parkinson disease using multiclass machine learning approach 2024-06-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64004-9 PMID:38877028	研究论文	本研究使用机器学习和深度学习技术检测帕金森病。	提出了一种基于语音信号特征区分帕金森病患者和健康个体的方法，包括应用KNN和FNN模型。	样本数量相对较少，仅包含195个语音录音。	旨在通过声音信号的分析，及时检测帕金森病，以便有效管理疾病。	研究对象为31名帕金森病患者及其语音信号。	机器学习	帕金森病	机器学习、深度学习	KNN、FNN	语音	195个语音录音，来自31名患者
21535	2024-08-05	Deep cell phenotyping and spatial analysis of multiplexed imaging with TRACERx-PHLEX 2024-Jun-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48870-5 PMID:38879602	研究论文	本文介绍了一种名为TRACERx-PHLEX的深度细胞表型分析和空间分析的方法	该研究的创新点在于开发了一个基于深度学习的自动化计算管道，能够进行细胞分割、细胞类型注释和空间分析	在不同组织类型、固定条件、图像大小和抗体面板的评估中可能存在局限性	研究旨在提供一个可重复、全面且用户友好的多重成像计算管道	研究对象包括不同组织类型的细胞及其空间分布	数字病理学	NA	成像质谱细胞术	深度学习模型	图像	NA
21536	2024-08-05	Biomarker-based human and animal sperm phenotyping: the good, the bad and the ugly† 2024-Jun-12, Biology of reproduction IF:3.1Q2 DOI:10.1093/biolre/ioae061 PMID:38640912	review	本综述探讨了基于生物标志物的人类和动物精子表型分析的优缺点	文章创新地将下一代成像流式细胞术引入人类和动物精子分析中，结合机器学习和深度学习算法以提高诊断精度	文章中未详细论述每种生物标志物的临床应用案例	提高人类与经济重要动物精子的精子表型分析的精确度	人类及经济重要的牲畜动物的精子标志物	数字病理学	NA	流式细胞术，生物标志物成像	NA	NA	NA
21537	2024-08-05	A novel deep learning framework for accurate melanoma diagnosis integrating imaging and genomic data for improved patient outcomes 2024-Jun, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13770 PMID:38881051	研究论文	本研究提出了一种新的深度学习框架，通过整合成像和基因组数据来诊断黑色素瘤	采用结合多模态成像和基因组数据的深度神经网络进行黑色素瘤分类，可能提供比现有医学方法更可靠的诊断	该框架的应用需要在更大规模上进行验证，并需要更多临床试验来确立其有效性和可行性	研究目的是改进黑色素瘤的早期和准确诊断方法	研究对象为皮肤癌黑色素瘤的诊断与分类	计算机视觉	皮肤癌	深度神经网络	卷积神经网络和图神经网络	图像和基因组数据	包含皮肤镜图像、组织病理切片和基因组资料的数据集
21538	2024-08-05	Application of a novel deep learning-based 3D videography workflow to bat flight 2024-Jun, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.15143 PMID:38652595	研究论文	本文提出了一种基于深度学习的3D视频拍摄流程，以研究飞行动物的生物力学细节	引入了深度学习驱动的自动数字化流程，结合质量指标进行过滤和纠正错误标记点	研究主要集中在蝙蝠的飞行上，可能不适用于其他动物的生物力学研究	提高飞行动物生物力学研究的数字化效率	主要研究对象为蝙蝠飞行	计算机视觉	NA	深度学习	NA	视频	四只蝙蝠
21539	2024-08-05	Perfect Match: Radiomics and Artificial Intelligence in Cardiac Imaging 2024-Jun, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.123.015490 PMID:38889216	综述	本文探讨了放射组学与人工智能在心脏影像中的协同作用	提出了放射组学提取医疗影像中的定量特征与深度学习技术结合的潜力	讨论了使用放射组学和人工智能在临床应用中的挑战和局限性	增强心脏影像的诊断和预后能力	关注心血管疾病的影像学特征	数字病理学	心血管疾病	放射组学，深度学习	深度学习	医疗影像	NA
21540	2024-08-05	Emotion recognition for human-computer interaction using high-level descriptors 2024-05-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-59294-y PMID:38802373	研究论文	本研究提出了一种新的深度学习方法，用于对旁遮普语者的语音情感进行识别	通过多样的社交媒体来源构建和预处理标记语音语料库，并利用频谱图作为主要特征表示	未提供关于数据集大小和多样性的详细信息	研究旨在提高对旁遮普语音信号情感的识别准确性	旁遮普语言使用者的语音	自然语言处理	NA	深度学习	卷积神经网络（CNN）	语音	自定义数据集，来自多种旁遮普媒体来源