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
23341	2024-08-07	DLC-ac4C: A Prediction Model for N4-acetylcytidine Sites in Human mRNA Based on DenseNet and Bidirectional LSTM Methods 2023-Nov-22, Current genomics IF:1.8Q3 DOI:10.2174/0113892029270191231013111911 PMID:38178985	研究论文	本文提出了一种基于DenseNet和双向LSTM方法的预测模型DLC-ac4C，用于识别人类mRNA中的N4-乙酰胞苷位点	本研究通过结合DenseNet和双向LSTM，并引入通道注意力机制，更好地从序列角度捕捉隐藏的信息特征，提高了ac4C位点的识别效果	NA	改进现有计算方法在ac4C位点预测中的性能不足，提出一种新的集成深度学习预测框架	人类mRNA中的N4-乙酰胞苷位点	机器学习	NA	DenseNet, 双向LSTM	DenseNet, 双向LSTM	RNA序列	独立测试数据
23342	2024-08-07	A dual foveal-peripheral visual processing model implements efficient saccade selection 2020-Aug-03, Journal of vision IF:2.0Q2 DOI:10.1167/jov.20.8.22 PMID:38755789	研究论文	开发了一种视觉运动模型，实现视觉搜索作为焦点精度寻求策略，目标位置和类别从共同的生成过程中独立抽取	模型采用对数极坐标视网膜编码方式处理全视觉场，模仿生物学方式，并在感知层面利用强大的压缩率，实现视觉搜索的亚线性方式	NA	研究如何通过双中央凹-周边视觉处理模型实现高效的扫视选择	视觉搜索任务中的目标识别与定位	计算机视觉	NA	深度学习	CNN	图像	在大型杂乱图像中寻找数字的任务中测试模型
23343	2024-08-07	Deep learning image recognition enables efficient genome editing in zebrafish by automated injections 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0202377 PMID:30615627	研究论文	本文开发了一种基于深度学习软件的机器学习技术，实现了对斑马鱼胚胎的高速自动化微注射，提高了基因编辑效率。	该研究首次展示了使用深度学习图像识别技术进行斑马鱼胚胎自动化微注射，显著提高了操作速度和效率。	NA	开发一种高效的自动化微注射系统，用于斑马鱼胚胎的基因编辑。	斑马鱼胚胎的基因编辑和微注射技术。	计算机视觉	NA	深度学习	Inception v3	图像	未具体说明样本数量
23344	2024-08-07	A Dataset of apical periodontitis lesions in panoramic radiographs for deep-learning-based classification and detection 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110486 PMID:38770039	研究论文	本文介绍了用于深度学习分类和检测根尖周病变的口腔全景X光片数据集的创建和处理	通过数据增强技术增加了数据量，提高了机器学习模型的训练效果	NA	构建一个有效的学习模型来检测全景X光片中的根尖周病变	根尖周病变的全景X光片图像	计算机视觉	牙周病	数据增强技术（如缩放、镜像和翻转）	深度学习模型	图像	16,519张全景X光片，其中3,926张包含根尖周病变
23345	2024-08-07	IoT-DH dataset for classification, identification, and detection DDoS attack in IoT 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110496 PMID:38774247	研究论文	本文介绍了一个名为IoT-DH的新型大型数据集，旨在用于物联网生态系统中DDoS攻击的分类、识别和检测	IoT-DH数据集包含了多样化的场景和网络配置，提供了对真实物联网环境的现实代表性，并包括了多种攻击场景和不同攻击向量及强度	NA	开发和评估用于有效缓解DDoS攻击的机器学习和深度学习模型	物联网生态系统中的DDoS攻击	计算机视觉	NA	机器学习	深度学习模型	数据集	包含多样化的场景和网络配置，具体样本数量未提及
23346	2024-08-07	Enhancing kidney disease prediction with optimized forest and ECG signals data 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30792 PMID:38770288	研究论文	本研究利用优化森林（Opt-Forest）模型结合心电图（ECG）数据，旨在提高慢性肾脏病（CKD）的早期检测	Opt-Forest模型在CKD预测中表现出更高的敏感性和特异性，以及较低的误报率	未来研究需要探索深度学习方法并整合患者特定数据以进一步提高精确医学在肾脏病学中的应用	提高慢性肾脏病的早期检测	慢性肾脏病（CKD）的早期检测	机器学习	肾脏病	优化森林（Opt-Forest）模型	优化森林（Opt-Forest）	心电图（ECG）数据	未具体说明样本数量
23347	2024-08-07	Feasibility of rib fracture detection in low-dose computed tomography images with a large, multicenter datasets-based model 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31010 PMID:38770294	研究论文	评估基于RetinaNet的深度学习模型在低剂量CT图像中检测肋骨骨折的可行性	使用基于RetinaNet的深度学习模型在低剂量CT图像中检测肋骨骨折，并评估其与常规剂量CT图像的性能对比	NA	评估低剂量CT图像中肋骨骨折检测的可行性	肋骨骨折检测	计算机视觉	NA	低剂量CT	RetinaNet	图像	7300次扫描，包含50,410处肋骨骨折，用于内部训练；外部测试数据集包含100名患者的728处创伤性肋骨骨折
23348	2024-08-07	A novel LVPA-UNet network for target volume automatic delineation: An MRI case study of nasopharyngeal carcinoma 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30763 PMID:38770315	研究论文	本文提出了一种基于2D-3D架构的Layer-Volume Parallel Attention (LVPA)-UNet模型，用于鼻咽癌MRI图像中肿瘤体积的自动勾画	引入了2D和3D工作流程并行处理，多分支深度条卷积适应不同形状和大小的肿瘤，以及层-通道注意力机制自适应调整切片和通道权重	NA	提高肿瘤体积勾画的准确性和效率，为放射治疗提供技术支持	鼻咽癌的MRI图像	计算机视觉	鼻咽癌	深度学习	LVPA-UNet	MRI图像	1010例鼻咽癌MRI数据集
23349	2024-08-07	Deep learning-enhanced characterization of bubble dynamics in proton exchange membrane water electrolyzers 2024-May-22, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d3cp05869g PMID:38482891	研究论文	本文提出了一种基于深度学习的框架，用于高吞吐量分析质子交换膜水电解器中的气泡动力学	利用U-Net架构对35张标注图像进行训练，实现了高效的气泡分割任务	使用的标注图像数据集相对较小	提高质子交换膜水电解器研究中图像分析的速度和精度	质子交换膜水电解器中的气泡动力学	计算机视觉	NA	深度学习	U-Net	图像	35张标注图像
23350	2024-08-07	Deep learning-based auditory attention decoding in listeners with hearing impairment 2024-May-22, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad49d7 PMID:38729132	研究论文	本研究开发了一种基于深度学习的听觉注意解码方法，使用来自听力受损者的脑电图数据进行快速听觉注意解码	本研究设计了深度卷积神经网络模型，并采用两种训练策略来评估数据分割对听觉注意解码任务的影响	内试策略导致结果偏高，强调了在基于脑电图的听觉注意解码任务中适当数据分割的重要性	研究听力技术如何影响听力受损人群的听觉处理	听力受损者在使用听力技术时的听觉处理	机器学习	听力障碍	脑电图	深度卷积神经网络	脑电图数据	31名听力受损参与者
23351	2024-08-07	Optimized encoder-decoder cascaded deep convolutional network for leaf disease image segmentation 2024-May-22, Network (Bristol, England) DOI:10.1080/0954898X.2024.2326493 PMID:38775271	研究论文	本文提出了一种优化的编码器-解码器级联深度卷积网络（ODEDCNet）模型，用于提高叶片疾病图像分割的准确性	引入了新的Dingo优化算法（DOA）来选择最佳的超参数，提高了模型的鲁棒性和分割精度	NA	旨在通过自动化技术提高植物疾病的识别和诊断效率，增强全球粮食安全	叶片疾病图像的分割和分类	计算机视觉	NA	深度学习	CNN	图像	使用了PlantVillage和Betel Leaf Image两个数据集，分别达到了97.33%和97.42%的准确率
23352	2024-08-07	Detecting the corneal neovascularisation area using artificial intelligence 2024-May-21, The British journal of ophthalmology DOI:10.1136/bjo-2023-323308 PMID:37339866	研究论文	本文旨在开发并评估一种基于人工智能的图像分析工具，用于测量和量化角膜新生血管（CoNV）区域	使用深度学习技术自动分割和检测CoNV区域，并通过六折交叉验证评估算法性能	NA	开发和评估用于测量和量化角膜新生血管区域的人工智能工具	角膜新生血管区域	计算机视觉	NA	深度学习	U-Net	图像	120只眼睛的裂隙灯图像
23353	2024-08-07	Prediction of retinopathy progression using deep learning on retinal images within the Scottish screening programme 2024-May-21, The British journal of ophthalmology DOI:10.1136/bjo-2023-323400 PMID:38316534	研究论文	本研究利用深度学习技术在苏格兰筛查计划中的视网膜图像上预测糖尿病视网膜病变（DR）的进展	使用深度学习技术提高了预测糖尿病视网膜病变进展的准确性，并减少了预期疾病可参考的时间	NA	探索深度学习在视网膜图像上预测糖尿病视网膜病变进展的潜力及其对筛查间隔的影响	糖尿病视网膜病变（DR）的进展预测	计算机视觉	糖尿病视网膜病变	深度学习（DL）	NA	图像	21,346名1型糖尿病患者和247,233名2型糖尿病患者
23354	2024-08-07	An interpretable predictive deep learning platform for pediatric metabolic diseases 2024-May-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae049 PMID:38497983	研究论文	本文开发了一种可解释的深度学习平台，用于预测儿童代谢疾病的早期发作	利用纵向临床测量、人口统计数据和电子健康记录中的诊断代码，提高了预测模型的准确性	NA	开发早期检测工具以预防或减缓儿童代谢疾病长期并发症的发展	儿童代谢疾病，包括前驱糖尿病、2型糖尿病和代谢综合征	机器学习	代谢疾病	深度学习	深度学习模型	电子健康记录数据	49,517名超重或肥胖的2-18岁儿童（54.9%为男性，73%为白人）
23355	2024-08-07	Transparent deep learning to identify autism spectrum disorders (ASD) in EHR using clinical notes 2024-May-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae080 PMID:38626184	研究论文	本文利用深度学习方法，通过电子健康记录中的临床笔记来识别自闭症谱系障碍（ASD），并提供透明的诊断结果	本文提出的深度学习方法能够生成与临床诊断规则一致的透明结果，并通过中间步骤提供透明的决策过程	研究使用的数据集较小，可能影响模型的泛化能力	开发一种透明的机器学习方法，用于通过电子健康记录中的临床笔记识别自闭症谱系障碍	自闭症谱系障碍（ASD）的诊断	机器学习	自闭症谱系障碍	深度学习	BiLSTM	文本	6773个句子（35个病例）
23356	2024-08-07	MRI radiomics based on deep learning automated segmentation to predict early recurrence of hepatocellular carcinoma 2024-May-20, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01679-8 PMID:38763975	研究论文	研究基于深度学习自动分割的MRI放射组学特征和临床放射学特征在预测单个肝细胞癌（HCC）根治性切除后早期复发中的应用	构建了一个结合深度学习自动分割的放射组学特征和临床放射学特征的混合模型，用于准确预测HCC术后早期复发	NA	研究深度学习自动分割的MRI放射组学特征和临床放射学特征在预测HCC术后早期复发中的效用	肝细胞癌（HCC）患者	机器学习	肝癌	MRI放射组学	3D U-net	图像	434名患者
23357	2024-08-07	Deep learning system for malignancy risk prediction in cystic renal lesions: a multicenter study 2024-May-20, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01700-0 PMID:38763985	研究论文	开发一种用于预测囊性肾病变恶性风险的交互式、非侵入性人工智能系统	采用空间编码器时间解码器（SETD）架构和3D-ResNet50网络结合门控循环单元（GRU）网络，从多相CT图像中提取空间和时间特征	NA	开发和评估用于囊性肾病变恶性风险预测的人工智能系统	囊性肾病变（CRLs）的恶性风险预测	机器学习	泌尿系统疾病	3D-ResNet50网络，门控循环单元（GRU）网络	空间编码器时间解码器（SETD）架构	图像	715名患者，包括477个CRLs训练集，226个CRLs验证集，239个CRLs测试集
23358	2024-08-07	Towards development of functional climate-driven early warning systems for climate-sensitive infectious diseases: Statistical models and recommendations 2024-May-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118568 PMID:38417659	研究论文	本文探讨了开发基于气候驱动的早期预警系统，用于预测气候敏感性传染病，并介绍了统计模型和机器学习技术的应用	采用先进的时空模型和机器学习技术，以及人工智能技术如深度学习和神经网络，来捕捉气候和环境数据中的复杂模式和隐藏关系	气候与疾病交互作用的复杂性和非线性需要更高级的技术来整合和分析多样化的数据	开发气候驱动的早期预警系统，以提高对气候变化挑战的公共卫生准备和响应策略	气候敏感性传染病及其与气候因素的关系	机器学习	NA	时空模型、机器学习、深度学习、神经网络	时空模型、机器学习模型	气候数据、传染病数据	NA
23359	2024-08-07	Artificial intelligence for ultrasound scanning in regional anaesthesia: a scoping review of the evidence from multiple disciplines 2024-May, British journal of anaesthesia IF:9.1Q1 DOI:10.1016/j.bja.2024.01.036 PMID:38448269	综述	本文是一篇关于区域麻醉中超声扫描人工智能应用的综述，旨在识别和映射现有文献中关于AI系统在超声扫描中的准确性和实用性的证据	NA	缺乏对人工智能在区域麻醉中超声扫描准确性和实用性的结构化评估，这阻碍了严格的评估和临床应用	识别和映射现有文献中关于AI系统在超声扫描中的准确性和实用性的证据	人工智能在区域麻醉中超声扫描中的应用	机器学习	NA	深度学习	NA	NA	13,014个来源，其中116个被包括进行全文审查
23360	2024-08-07	Automatic classification of dog barking using deep learning 2024-May, Behavioural processes IF:1.3Q2 DOI:10.1016/j.beproc.2024.105028 PMID:38648990	研究论文	本文描述了一种使用深度神经网络对狗叫声进行自动分类的方法，以识别狗的身份、品种、年龄、性别和情境	本研究提出的方法在狗叫声分类任务中表现出色，超越了以往的研究结果	尽管方法表现优异，但尚未准备好应用于动物行为学实践中	开发一种能够自动分类狗叫声的深度学习方法，以支持与动物互动频繁的人群的决策	研究对象为19,643次来自113只不同品种、年龄和性别的狗的叫声	机器学习	NA	深度学习	深度神经网络	音频	19,643次叫声，来自113只狗