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
21641	2024-08-05	Surrogate-Assisted and Filter-Based Multiobjective Evolutionary Feature Selection for Deep Learning 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3234629 PMID:37018667	研究论文	本文章提出了用于深度学习的多目标进化特征选择的新方法	采用了一种新的基于代理的辅助方法来降低包裹型目标函数的高计算成本，并结合了过滤型和包裹型特征选择技术	尽管提出了新方法，但其有效性仍需在更广泛的应用背景中验证	提高深度学习预测模型中的特征选择性能	针对空气质量和室内温度预测问题进行特征选择	机器学习	NA	基于进化算法	NA	时间序列数据	NA
21642	2024-08-05	Enhancing adaptive proton therapy through CBCT images: Synthetic head and neck CT generation based on 3D vision transformers 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17057 PMID:38569141	研究论文	本研究介绍了一种基于3D视觉变换器的从CBCT图像生成合成头颈CT的方法。	引入了增强的ViT3D架构来提高从CBCT图像生成pCT图像的准确性，并减少了临床边界内的SPR误差。	需要进一步研究以评估该方法在不同医学成像应用中的鲁棒性和泛化能力。	旨在通过改进图像生成方法来增强适应性质子疗法的有效性。	包括59名接受头颈癌治疗的患者的259对图像数据集。	数字病理学	头颈癌	深度学习	3D视觉变换器	图像	59名患者的259对图像
21643	2024-08-05	Transfer learning for auto-segmentation of 17 organs-at-risk in the head and neck: Bridging the gap between institutional and public datasets 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.16997 PMID:38376454	研究论文	本研究调查了大型公共数据集在头颈部关键器官自动分割中的应用	首次探讨了转移学习如何在有限的机构数据集中，通过使用大型公共数据集来增强模型的表现	仅使用公共数据训练的模型在大多数其他关键器官上的性能较机构数据存在小幅不足	研究大型公共数据集是否可以替代小型机构数据集，用于构建头颈部关键器官的自动分割模型	头颈部关键器官在计算机断层扫描图像中的自动分割	数字病理学	NA	深度学习	3D U-Net	图像	大型公共数据集n > 1000，机构数据集n > 500
21644	2024-08-05	Forecasting fish mortality from water and air quality data using deep learning models 2024 Jul-Aug, Journal of environmental quality IF:2.2Q3 DOI:10.1002/jeq2.20574 PMID:38808585	研究论文	本研究集成了空气和水质数据，以深度学习方法预测鱼类死亡率	创新性地结合了空气和水质数据来测量水质退化，并用深度学习模型进行预测	研究没有考虑所有可能影响鱼类死亡的因素	提高鱼类死亡预测的准确性，以应对水生生物死亡事件的高发	水质和气象数据对鱼类死亡率的影响	机器学习	NA	深度学习	多层感知器和长短期记忆网络	环境数据	4个鱼类死亡事件的数据
21645	2024-08-05	Composite Neighbor-Aware Convolutional Metric Networks for Hyperspectral Image Classification 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3232532 PMID:37015657	研究论文	提出了一种复合邻域感知卷积度量网络，用于高光谱图像分类	提出的CNCMN利用了复合邻居进行表示学习，通过结合图像卷积和图卷积进行灵活的特征提取	与传统卷积神经网络相比，GCN需要完整图的输入，计算消耗巨大	旨在通过批量学习从复合邻居中获取目标特征表示	针对高光谱图像的像素及超像素	计算机视觉	NA	卷积神经网络，图卷积网络	复合邻域感知卷积度量网络	高光谱图像	在三个真实高光谱图像上进行了广泛的实验
21646	2024-08-05	Deep Subdomain Learning Adaptation Network: A Sensor Fault-Tolerant Soft Sensor for Industrial Processes 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3231849 PMID:37015656	研究论文	本研究提出了一种深度子域学习适应网络（DSLAN），用于开发抗传感器故障的软传感器，能够同时处理传感器降级和故障问题	提出了一种新的子域学习者，能够自动学习子域划分，并结合新的概率局部最大均值差异（PLMMD）来衡量源特征与目标特征间的分布差异	未提及局限性	提高软传感器在工业过程中的抗传感器故障能力	工业过程中的传感器数据	数字病理学	NA	深度学习	深度域适应模型	过程数据	使用了Tennessee Eastman基准过程和两个真实工业过程
21647	2024-08-05	Diagnosis of mental disorders using machine learning: Literature review and bibliometric mapping from 2012 to 2023 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32548 PMID:38975193	综述	该文章回顾了2012年至2023年间关于机器学习在精神疾病诊断中应用的文献及其计量学分析	本文展示了机器学习技术在精神疾病诊断中的日益增长的应用和相关的研究进展	该研究的局限性在于仅分析了过去10年的文献，可能未覆盖最新的研究动态	研究机器学习在精神疾病诊断中的应用及其相关文献的计量学映射	对2811篇文献进行了分析，重点关注抑郁症和精神分裂症	机器学习	精神疾病	机器学习，深度学习	决策树分类器，随机森林分类器，支持向量机分类器，LSTM，卷积神经网络	文献	2811篇期刊文章，40篇选定研究
21648	2024-08-05	Paddy insect identification using deep features with lion optimization algorithm 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32400 PMID:38975160	研究论文	本研究提供了一种利用深度学习和机器学习技术及时检测和分类水稻害虫的框架	该研究首次成功结合特征优化技术与深度学习和机器学习，以提高水稻害虫的识别精度	没有提及系统在不同环境或不同类型害虫中的具体适用性	研究旨在早期检测水稻田中的害虫以减少潜在损失	研究对象是水稻害虫的图像数据集	计算机视觉	水稻病害	深度学习、机器学习、图像增强	卷积神经网络（CNN）	图像	数据集分为两组：一组没有水稻害虫，另一组有水稻害虫，具体样本数量未提及
21649	2024-08-05	Enhancing museum experience through deep learning and multimedia technology 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32706 PMID:38975172	研究论文	本文旨在通过深度学习算法与多媒体技术的结合，提升当代博物馆观众的互动体验	提出了一种自适应卷积神经网络（CNN）和自适应池化算法，以克服传统图像处理算法的局限性	未具体提及研究的局限性	探索如何通过技术提升博物馆的互动性和访客体验	博物馆的艺术品和展品	计算机视觉	NA	深度学习算法	自适应卷积神经网络（CNN）	图像	实验未具体说明样本数量
21650	2024-08-05	Exploring machine learning applications in Meningioma Research (2004-2023) 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32596 PMID:38975185	研究论文	本研究旨在考察2004年至2023年间机器学习在脑膜瘤研究中的应用趋势	文章创新在于分析了该领域机器学习应用的增长趋势和主要研究方向	研究仅基于SCI-E数据库的发表数据，可能存在文献遗漏	探讨机器学习在脑膜瘤研究中的应用，为未来研究提供指导	脑膜瘤相关的出版物和研究趋势	机器学习	脑膜瘤	机器学习	深度学习	文献数据	342篇文章
21651	2024-08-05	Longitudinal risk prediction for pediatric glioma with temporal deep learning 2024-Jun-28, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.04.24308434 PMID:38978642	研究论文	该文章提出了一种自监督深度学习方法，用于儿童胶质瘤的纵向影像分析和复发预测	创新点在于提出了一种时序学习的方法来建模患者当前和先前的脑部MRI，以提高复发预测的个性化能力	目前尚未验证该方法在其他疾病或不同临床环境中的通用性	研究儿童胶质瘤的复发预测，以改善个体化监测方案	研究对象为715名儿童胶质瘤患者及其3994个影像扫描	数字病理学	肿瘤	磁共振成像（MRI）	深度学习	影像	715名患者，3994个扫描
21652	2024-08-05	AllergenAI: a deep learning model predicting allergenicity based on protein sequence 2024-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.22.600179 PMID:38979176	研究论文	本文提出了一种基于蛋白质序列的深度学习模型AllergenAI，以预测蛋白质的致敏性	与以往工具不同，本研究仅基于蛋白质序列来量化蛋白质的过敏潜力	本研究的预测性能尚需通过将3D信息纳入训练数据来进一步提高	旨在通过深入了解过敏蛋白的分子特性，重新设计致敏蛋白以减少敏感个体的不良反应	针对来自SDAP 2.0、COMPARE和AlgPred 2等数据库的过敏蛋白序列进行研究	机器学习	NA	卷积神经网络(CNN)	CNN	蛋白质序列	约1600种过敏原结构
21653	2024-08-05	A Top-Down Design Approach for Generating a Peptide PROTAC Drug Targeting Androgen Receptor for Androgenetic Alopecia Therapy 2024-Jun-27, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c00828 PMID:38836467	研究论文	本研究提出了一种新的基于肽的PROTAC药物开发范式，用于治疗雄激素性脱发	结合前沿的方法论，创造了新的肽类PROTAC药物开发方式	目前在实际大分子药物开发中的深度学习模型应用仍有限	弥补人工智能模型在药物开发中的应用差距	针对雄激素受体(AR)和冯·希佩尔-林道(VHL)的结合肽的识别和验证	药物开发	雄激素性脱发	ProteinMPNN, RFdiffusion, Alphafold2-multimer, ZDOCK	NA	肽	NA
21654	2024-08-05	Distribution network insulator detection based on improved ant colony algorithm and deep learning for UAV 2024-Jun-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110119 PMID:38974473	研究论文	本文研究了利用无人机进行智能电力巡检的路径规划和控制。	提出了一种改进的群体智能算法用于无人机飞行路径规划，并使用深度学习技术对绝缘子进行了准确识别。	NA	旨在提高无人机巡检的效率和准确性。	聚焦于绝缘子的识别及缺陷定位。	计算机视觉	NA	深度学习	改进的蚁群算法	图像	通过深度学习技术训练的绝缘子数据集
21655	2024-08-05	Unveiling the Potential: A Comprehensive Review of Artificial Intelligence Applications in Ophthalmology and Future Prospects 2024-Jun, Cureus DOI:10.7759/cureus.61826 PMID:38975538	综述	本文综述了人工智能在眼科学领域的现状及未来前景	本文突出展示了人工智能在早期检测和诊断眼部疾病中的卓越表现，尤其是在个性化治疗和手术辅助等方面的潜力	尽管取得了许多进展，但面临数据隐私、监管障碍和伦理考虑等挑战	研究人工智能在眼科的应用及其改进眼健康的潜力	本文探讨了人工智能在多个眼科疾病中的应用，包括糖尿病性视网膜病变、年龄相关性黄斑变性和青光眼	计算机视觉	眼科疾病	深度学习算法	NA	图像	NA
21656	2024-08-05	A study on deep learning model based on global-local structure for crowd flow prediction 2024-06-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63310-6 PMID:38824208	研究论文	本文研究了一种基于全球-局部结构的深度学习模型，用于人群流动预测	提出了一种同时利用整体和按地点类型划分的人群流动数据的深度学习模型，考虑了数据的层次结构	现有的预测模型未考虑数据的层次结构，可能影响预测的全面性	提高人群流动预测的准确性，特别是针对各个子群体	针对不同性别、年龄和地点类型的人群流动进行研究	机器学习	NA	深度学习	NA	人群流动数据	NA
21657	2024-08-05	Cross-site validation of lung cancer diagnosis by electronic nose with deep learning: a multicenter prospective study 2024-May-10, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-024-02840-z PMID:38730430	研究论文	该研究评估了电子鼻与深度学习结合在肺癌诊断中的跨站点验证效果	提出了使用数据增强和微调方法提高电子鼻呼吸印记的跨站点验证能力	未能在训练模型直接应用于测试队列时取得理想效果	探索电子鼻在肺癌检测中的应用以及提高模型跨站点验证能力	包括231名参与者，涵盖肺癌患者、健康对照和其他疾病对照	数字病理学	肺癌	深度学习, 数据增强	NA	呼吸印记	231名参与者，训练/验证组168名，测试组63名
21658	2024-08-05	Detecting Substance Use Disorder Using Social Media Data and the Dark Web: Time- and Knowledge-Aware Study 2024-May-01, JMIRx med DOI:10.2196/48519 PMID:38717384	研究论文	本研究分析了与药物使用和通过加密市场销售的阿片类药物相关的社交媒体帖子	使用最先进的深度学习模型和知识感知的双向编码器表示生成社交媒体帖子的情感和情绪	未详细提及该研究的具体局限性	旨在了解用户对社交媒体上毒品的看法及其情感反应	分析社交媒体数据中与合成阿片类药物相关的帖子	自然语言处理	NA	深度学习模型	知识感知的双向编码器表示模型	社交媒体帖子	提及分析了与芬太尼及其类似物的帖子，但没有具体样本量
21659	2024-08-05	Systematic identification and characterization of exon-intron circRNAs 2024-04-25, Genome research IF:6.2Q1 DOI:10.1101/gr.278590.123 PMID:38609186	研究论文	本研究系统性地识别和表征了保留内含子的外显子-内含子环状RNA（EIciRNAs）	提出了FEICP框架，有效检测高通量测序数据中的EIciRNAs，并揭示了CIRs和EIciRNAs的多种特征	EIciRNAs的全球特征主要未被探索，缺乏生物信息学工具	研究EIciRNAs的特征及其在神经元分化中的功能	外显子-内含子环状RNA（EIciRNAs）及其生物生成	数字病理学	NA	高通量测序（HTS）	深度学习分析	NA	NA
21660	2024-08-05	MetaAc4C: A multi-module deep learning framework for accurate prediction of N4-acetylcytidine sites based on pre-trained bidirectional encoder representation and generative adversarial networks 2024-01, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2023.110749 PMID:38008265	研究论文	本文提出了一个先进的深度学习模型MetaAc4C，用于准确预测N4-acetylcytidine位点	通过结合预训练的双向编码器表示（BERT）、BLSTM架构及生成对抗网络，MetaAc4C在不平衡数据集上超越了现有的预测模型	现有的实验技术和计算方法在识别ac4C位点时存在成本效益和性能上的限制	提高对N4-acetylcytidine位点的准确识别，以深入理解其调控机制	N4-acetylcytidine位点	计算机视觉	NA	生成对抗网络 (GAN)	双向长短期记忆网络 (BLSTM)	RNA样本	NA