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
21681	2024-08-05	A deep learning model for DNA enhancer prediction based on nucleotide position aware feature encoding 2024-Jun-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110030 PMID:38868182	研究论文	该文章提出了一种基于深度学习的DNA增强子预测模型PDCNN	PDCNN模型通过统计核苷酸表示提取基因序列中的隐藏特征，增强了预测准确性	当前模型可能无法解决所有类型的基因序列特征	研究深度学习在DNA增强子预测中的应用	基因序列中的DNA增强子	机器学习	NA	深度学习	卷积神经网络	基因序列	NA
21682	2024-08-05	Deep learning model based on contrast-enhanced MRI for predicting post-surgical survival in patients with hepatocellular carcinoma 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31451 PMID:38868019	研究论文	本文旨在开发基于对比增强MRI数据的深度学习模型，以预测肝细胞癌患者的术后总生存率。	本研究的创新点在于使用三维卷积神经网络（3D-CNN）从MRI图像中提取特征，并结合临床因素建立综合模型，从而提高了预测能力。	该研究仅为回顾性研究，可能存在选择偏倚，并且尚需进一步验证模型的通用性。	研究的目的是提高肝细胞癌患者术后生存率的预测能力。	研究对象为564名接受手术切除的肝细胞癌患者。	计算机视觉	肝癌	对比增强MRI	3D-CNN	图像	共涉及564名手术切除患者，分为训练集（326），测试集（143）和外部验证集（95）
21683	2024-08-05	GSOOA-1DDRSN: Network traffic anomaly detection based on deep residual shrinkage networks 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32087 PMID:38868050	研究论文	本文提出了一种基于深度残差收缩网络的网络流量异常检测方法GSOOA-1DDRSN	提出了一种改进的鱼鹰优化算法来选取网络流量中最相关和重要的特征，并设计了一维深度残差收缩网络作为分类器	未提及具体的局限性	增强网络流量异常检测的能力	网络流量数据	网络安全	NA	优化算法和深度学习	一维深度残差收缩网络 (1DDRSN)	网络流量数据	使用了NSL-KDD和UNSW-NB15数据集进行验证
21684	2024-08-05	Application of the artificial intelligence system based on graphics and vision in ethnic tourism of subtropical grasslands 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31442 PMID:38867958	研究论文	本研究旨在通过利用深度学习算法和物联网技术来优化民族旅游资源的评估和决策。	本文改进了现有的深度学习算法，整合了ResNet + Canny + 局部二值模式（LBP）的特征提取算法，并提出智能决策方法。	本研究未提及具体的局限性。	该研究的目的是优化乡村旅游的智能发展技术。	本研究针对蒙古装饰图案进行识别和特征提取。	计算机视觉	NA	深度学习算法，物联网技术	AlexNet, VGGNet, ResNet	图像	NA
21685	2024-08-05	A deep neural network algorithm-based approach for predicting recovery period of accidents according to construction scale 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32215 PMID:38868011	研究论文	本文提出了一种基于深度神经网络算法预测建筑工地事故恢复期的方法	创新地使用深度神经网络根据施工规模开发事故预测模型	未提及特定的限制因素	旨在提高对建筑工地事故恢复期的预测准确性	建筑工地的事故恢复期	机器学习	NA	深度神经网络 (DNN)	DNN	NA	NA
21686	2024-08-05	Information-hiding cameras: Optical concealment of object information into ordinary images 2024-Jun-14, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adn9420 PMID:38865455	研究论文	我们介绍了一种信息隐藏相机，结合了通过深度学习联合优化的电子解码器	该系统使用衍射光学处理器，将输入图像转换并隐藏成看似普通的模式，具有多种秘密消息的无限组合能力	NA	研究信息隐藏技术在视觉信息安全中的应用	信息隐藏衍射相机在不同光照条件和噪声水平下的性能	计算机视觉	NA	衍射光学处理	深度学习	图像	NA
21687	2024-08-05	Dual-Extraction Modeling: A multimodal deep learning architecture for phenotypic prediction and functional gene mining of complex traits 2024-Jun-13, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2024.101002 PMID:38872306	研究论文	本文介绍了一种多模态深度学习架构Dual-Extraction Modeling (DEM)，用于复杂性状的表型预测和功能基因挖掘	提出了双重提取建模方法，能够从异质组学数据集中提取代表性特征，具有优越的准确性和解释性	研究中未提及具体的样本量和数据限制	研究旨在开发一种通用的多模态计算工具，以实现准确的表型预测和特征相关基因的识别	研究对象为复杂性状的表型和影响这些性状的功能基因	机器学习	NA	深度学习	NA	组学数据	NA
21688	2024-08-05	Binary classification of dead detector elements in flat panel detectors using convolutional neural networks 2024-Jun-13, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad57cd PMID:38870913	研究论文	本文提供了一种新颖的深度学习技术，用于生成平面探测器的死探测器元素地图。	提出了一种在缺乏真实地图情况下生成死探测器地图的新技术，且能够在不同探测器上进行一定程度的泛化。	模型在利用不同厂商制造的探测器时的性能需进一步研究。	研究旨在开发一种能够生成死探测器元素地图的深度学习模型。	研究对象是平面探测器上的死探测器元素。	计算机视觉	NA	卷积神经网络	CNN	图像	NA
21689	2024-08-05	All-optical phase conjugation using diffractive wavefront processing 2024-Jun-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49304-y PMID:38862510	研究论文	提出了一种用于近似全光相位共轭的衍射波前处理器	利用深度学习优化了一组衍射层，以全光方式处理任意相位畸变输入场	实验验证中使用的相位畸变是训练期间未见过的	研究一种新的光学相位共轭技术	衍射波前处理器和相位畸变镜	光学	NA	深度学习	NA	光学波前数据	使用了多种相位畸变进行实验验证
21690	2024-08-05	Unsupervised manifold embedding to encode molecular quantum information for supervised learning of chemical data 2024-Jun-11, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-024-01217-z PMID:38862828	研究论文	本文探讨了分子表示在化学机器学习中的重要性，并提出了一种新的低维表示方法MEMS	开发了分子表面的流形嵌入MEMS，以保留电子特性，实现化学学习的特征化	NA	探究分子相互作用的局部电子信息以提高化学数据学习的预测能力	分子表面和电子属性的表示	计算机视觉	NA	NA	神经网络	化学数据	NA
21691	2024-08-05	Deep learning with mixup augmentation for improved pore detection during additive manufacturing 2024-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63288-1 PMID:38862686	研究论文	本研究提出了一种混合增强的数据学习方法，以改善在增材制造过程中孔洞检测的精度	使用Mixup数据增强技术，提高了不平衡数据集中的孔洞预测准确性	使用的模型可能对数据集的特定特征敏感，且过程缺陷预测依赖于标注数据的质量	改善增材制造过程中孔洞检测的准确性	对激光粉床熔融实验中的孔洞进行识别和检测	机器学习	NA	NA	卷积神经网络 (CNN)	声学数据	五个不同实验的测试数据集
21692	2024-08-05	Deformable multi-modal image registration for the correlation between optical measurements and histology images 2024-Jun, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.6.066007 PMID:38868496	研究论文	本研究探讨了一种基于深度学习的自动化多模态图像配准方法，以对齐乳腺标本图像与相应的组织学图像	创新点在于提出了一种无监督和有监督学习的图像配准方法，有效处理了强度变化和结构差异带来的挑战	该研究的局限性在于未具体列出数据集的多样性和实际应用中的具体限制	研究目的是探讨基于深度学习的自动图像配准技术的有效性	研究对象为乳腺标本图像和通过不同模态获取的组织学图像	数字病理学	NA	深度学习	VoxelMorph模型	图像	包含手动配准图像的特征数据集
21693	2024-08-05	Differential artery-vein analysis improves the OCTA classification of diabetic retinopathy 2024-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.521657 PMID:38867785	研究论文	本研究探讨了差异性动静脉分析对糖尿病视网膜病变(OCTA)分类的影响	该研究利用深度学习进行动静脉区域分割，并通过差异性动静脉分析显著提高了糖尿病视网膜病变的分类准确性	在研究中未提及样本的多样性和临床背景对结果的潜在影响	研究糖尿病视网膜病变的分类性能与差异性动静脉分析的关系	糖尿病患者及其视网膜病变状态的分类	数字病理学	糖尿病视网膜病变	光学相干断层扫描血管造影	支持向量机(SVM)	图像	NA
21694	2024-08-05	Designing a deep hybridized residual and SE model for MRI image-based brain tumor prediction 2024-Jun, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.23679 PMID:38567722	研究论文	本文提出了一种新的脑肿瘤检测系统，通过生成合成的MRI图像来提高检测准确性	创新点在于生成合成的MRI图像以克服数据集分类不均的问题	研究中存在对大规模、良好分类数据集的获取挑战	本研究的目的是提高脑肿瘤检测的时效性和准确性	研究对象为MRI图像中的脑肿瘤	计算机视觉	NA	合成磁共振成像(MRI)	混合ResNet+SE模型	图像	NA
21695	2024-08-05	Repairing the in situ hybridization missing data in the hippocampus region by using a 3D residual U-Net model 2024-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.522078 PMID:38867784	研究论文	本研究使用3D残差U-Net模型修复海马区域的原位杂交缺失数据	提出了一种利用卷积神经网络模型修复海马区域缺失体素的方法	NA	解决海马区域转录组数据的不完整性问题	海马区域的转录组数据，以及与冠状面和矢状面数据集的基因表达相关性	计算机视觉	NA	卷积神经网络	3D残差U-Net	转录组数据	NA
21696	2024-08-05	Efficient high-resolution fluorescence projection imaging over an extended depth of field through optical hardware and deep learning optimizations 2024-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.523312 PMID:38867796	研究论文	本研究提出了一种深焦显微术，通过光学硬件和算法优化，实现在扩展的景深中进行高分辨率荧光投影成像	深焦显微术整合了深焦网络(DFnet)与光场显微术(LFM)设置，显著提高了成像的空间分辨率和景深	文章中未提及潜在的实验局限性	优化成像技术以在生物实验中实现高分辨率和扩展景深的平衡	利用深焦显微术观测斑马鱼胚胎和小鼠肝脏的细胞分裂和迁移体形成	数字病理学	NA	深焦网络，光场显微术	深焦网络(DFnet)	图像	构建的数据集，包含多种样本结构
21697	2024-08-05	Development and validation of the effective CNR analysis method for evaluating the contrast resolution of CT images 2024-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01400-5 PMID:38451464	研究论文	本文提出了一种有效的对比噪声比（CNR）分析方法，用于评估CT图像的对比分辨率	创新之处在于开发了新的有效CNR分析方法，以更准确地评估CT图像的对比分辨率	本研究未提及样本数量和来源的限制	研究旨在评估CT图像的对比分辨率	研究对象为计算机断层扫描（CT）图像及其信号可探测性	数字病理学	NA	计算机断层扫描（CT）	NA	图像	NA
21698	2024-08-05	A computed tomography-based multitask deep learning model for predicting tumour stroma ratio and treatment outcomes in patients with colorectal cancer: a multicentre cohort study 2024-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001161 PMID:38348900	研究论文	本研究开发了一种多任务深度学习模型，以非侵入性地预测结直肠癌患者的肿瘤基质比率（TSR）和预后。	该文章创新性地使用了多任务深度学习模型结合术前CT图像，解决了当前TSR组织学评估的局限性。	该研究为回顾性研究，未来需要前瞻性研究来验证模型的有效性。	研究目的是开发一种模型来预测结直肠癌患者的TSR和预后。	本文研究对象包括2268名经切除的结直肠癌患者。	数字病理学	结直肠癌	CT成像	MDL模型	影像	2268名切除的结直肠癌患者
21699	2024-08-05	Deep learning-based multi-model prediction for disease-free survival status of patients with clear cell renal cell carcinoma after surgery: a multicenter cohort study 2024-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001222 PMID:38445478	研究论文	本研究提出了一种深度学习基础的多模型预测方法，以评估透明细胞肾细胞癌患者术后的无病生存状态	开发了一种新的多模型预测签名，将多模态信息整合到一个单一的预测模型中，以提高无病生存的预后预测性能	需要在多个中心和地区进行进一步验证以证实效果	提高透明细胞肾细胞癌患者术后无病生存的预后预测	414名透明细胞肾细胞癌患者的影像学和临床数据	机器学习	肾癌	深度学习、机器学习	多模态预测模型	图像、临床数据	414名患者
21700	2024-08-05	Artificial intelligence-based classification of breast lesion from contrast enhanced mammography: a multicenter study 2024-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001076 PMID:38748500	研究论文	本文建立了一种基于人工智能的乳腺病变预诊断方法，旨在通过对比增强乳腺摄影进行评估	该研究采用RefineNet作为基础网络，并结合卷积块注意力模块（CBAM）进行特征的自适应精细化，展示了创新的AI应用于乳腺病变的分类	研究的限制在于为回顾性研究，样本来自于特定的多中心设置，可能会影响普适性	研究目的在于利用人工智能技术提升乳腺病变的预诊断准确性	研究对象为在2017至2022年之间接受对比增强乳腺摄影检查的1430名患者	计算机视觉	乳腺癌	RNA-seq	XGBoost，RefineNet	医学图像，基因组数据	1430名患者的对比增强乳腺摄影检查数据，以及12名患者的RNA测序数据