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	DepthCrackNet: A Deep Learning Model for Automatic Pavement Crack Detection 2024-Apr-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10050100 PMID:38786555	研究论文	本文提出了一种名为DepthCrackNet的深度学习模型，用于自动检测路面裂缝	模型采用了Double Convolution Encoder进行特征提取，并结合TriInput Multi-Head Spatial Attention和Spatial Depth Enhancer模块增强特征提取能力	NA	提高路面裂缝检测的自动化水平，确保道路安全	路面裂缝	计算机视觉	NA	深度学习	U-Net	图像	使用了两个公开裂缝数据集：Crack500和DeepCrack
23342	2024-08-07	Crude Oil Prices Forecast Based on Mixed-Frequency Deep Learning Approach and Intelligent Optimization Algorithm 2024-Apr-24, Entropy (Basel, Switzerland) DOI:10.3390/e26050358 PMID:38785607	研究论文	本文提出了一种新的混合模型KV-MFSCBA-G，结合了混合频率卷积神经网络-双向长短期记忆网络-注意力机制（MFCBA）和广义自回归条件异方差（GARCH）模型，用于精确预测原油价格	该模型通过分解-集成范式，利用深度学习网络拟合非线性特征和传统计量经济模型捕捉波动性，并引入了智能优化算法和低频经济变量以提高预测性能	NA	精确预测原油价格	原油价格	机器学习	NA	卷积神经网络（CNN），双向长短期记忆网络（LSTM），注意力机制，广义自回归条件异方差（GARCH）	混合模型KV-MFSCBA-G	时间序列数据	使用了West Texas Intermediate（WTI）和Brent原油的数据
23343	2024-08-07	High-Content Image-Based Screening and Deep Learning for the Detection of Anti-Inflammatory Drug Leads 2024-01-15, Chembiochem : a European journal of chemical biology IF:2.6Q3 DOI:10.1002/cbic.202300136 PMID:37815526	研究论文	开发了一种基于高内涵图像的筛选方法，结合深度学习技术，用于识别新的抗炎药物先导化合物	利用深度神经网络分类器和荧光显微镜探针，通过图像分析识别出能够调节LPS诱导的巨噬细胞表型的化合物	NA	旨在通过高内涵图像筛选和深度学习技术，发现新的抗炎药物先导化合物	2,259种具有已知作用机制的生物活性化合物	机器学习	NA	荧光显微镜	深度神经网络	图像	2,259种化合物
23344	2024-08-07	Multi-focused image fusion algorithm based on multi-scale hybrid attention residual network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302545 PMID:38787800	研究论文	本文设计了一种基于深度学习的多聚焦图像融合网络，通过无监督学习和多尺度混合注意力残差网络模型，实现端到端的决策图优化	引入多尺度混合注意力残差网络模型和上下投影模块，有效利用多尺度特征信息，提高图像融合性能	NA	提高图像融合在焦点区域的检测性能	多聚焦图像融合	计算机视觉	NA	多尺度混合注意力残差网络	多尺度混合注意力残差网络模型	图像	两幅不同焦点的源图像
23345	2024-08-07	Enhancing automated strabismus classification with limited data: Data augmentation using StyleGAN2-ADA 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303355 PMID:38787813	研究论文	本研究提出了一种基于StyleGAN2-ADA的生成数据增强技术，以克服在设计基于深度学习的自动斜视诊断系统时严重数据限制的挑战	本研究采用StyleGAN2-ADA生成模型进行数据增强，相较于传统数据增强技术，显著提升了分类性能	NA	旨在通过生成数据增强技术改善在极端数据稀缺情况下的深度学习模型性能	斜视分类	机器学习	NA	StyleGAN2-ADA	生成模型	图像	数据量严重有限
23346	2024-08-07	Accelerated construction of stress relief music datasets using CNN and the Mel-scaled spectrogram 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300607 PMID:38787824	研究论文	本文介绍了一种使用卷积神经网络和Mel频谱图加速构建减压音乐数据集的深度学习方法	提出了一种更高效和经济的方法来生成大型减压音乐数据集，通过卷积神经网络直接从音乐中提取关键声音元素	NA	解决现有减压音乐选择有限的问题，提高音乐疗法的个性化水平	减压音乐数据集的构建和评估	机器学习	NA	卷积神经网络	CNN	Mel频谱图	临床研究中未明确提及具体样本数量
23347	2024-08-07	Assessment of Parafoveal Diabetic Macular Ischemia on Optical Coherence Tomography Angiography Images to Predict Diabetic Retinal Disease Progression and Visual Acuity Deterioration 2023-07-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2023.1821 PMID:37227703	研究论文	本研究使用光学相干断层扫描血管成像（OCTA）图像上的糖尿病黄斑缺血（DMI）评估，预测糖尿病视网膜疾病进展和视力恶化	提出了一种基于OCTA图像的自动化二元DMI算法，用于预测糖尿病视网膜病变（DR）的进展、糖尿病黄斑水肿（DME）的发展和视力恶化	NA	探讨基于OCTA图像的自动化DMI算法对糖尿病视网膜病变进展、糖尿病黄斑水肿发展和视力恶化的预测价值	糖尿病患者	数字病理学	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	深度学习算法	图像	321只眼，来自178名患者
23348	2024-08-07	Self-supervised learning for medical image classification: a systematic review and implementation guidelines 2023-Apr-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00811-0 PMID:37100953	综述	本文对自监督学习在医学图像分类中的应用进行了系统性回顾，并提供了实施指南	自监督学习能够从大量无标签的医学数据集中学习有用信息，有助于开发稳健的医学影像模型	NA	总结自监督学习在医学图像分类中的应用，并为未来研究提供实施指南	自监督学习策略及其在医学影像分类中的应用	计算机视觉	NA	自监督学习	NA	医学图像	筛选了412项相关研究，最终包含79篇论文进行数据提取和分析
23349	2024-08-07	A deep learning framework for modeling structural features of RNA-binding protein targets 2016-Feb-29, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkv1025 PMID:26467480	研究论文	本文开发了一种深度学习框架，用于模拟RNA结合蛋白（RBP）目标的结构特征，并预测其结合位点	首次将预测的RNA三级结构信息纳入模型，以构建统一的表示，描述RBP目标在所有三个维度上的结构特异性	NA	理解转录后基因调控的基本机制	RNA结合蛋白的结合位点和结合偏好	机器学习	NA	深度学习	深度学习框架	序列和结构数据	使用真实的CLIP-seq数据集进行测试
23350	2024-08-07	Local and global changes in cell density induce reorganisation of 3D packing in a proliferating epithelium 2024-Oct-15, Development (Cambridge, England) DOI:10.1242/dev.202362 PMID:38619327	研究论文	本文通过活体成像和基于深度学习的分割技术，研究了海星胚胎中细胞密度、组织紧缩和细胞增殖对上皮组织结构的影响	首次详细分析了细胞密度和组织紧缩在三维上皮组织重排中的作用，并提出了细胞增殖在紧凑上皮中诱导三维细胞重排的机制	NA	探讨细胞密度、组织紧缩和细胞增殖如何影响上皮组织的三维结构重排	海星胚胎中的上皮组织	生物物理学	NA	深度学习	深度学习模型	图像	海星胚胎
23351	2024-08-07	Ratiometric fluorescence sensor based on deep learning for rapid and user-friendly detection of tetracycline antibiotics 2024-Aug-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.138961 PMID:38640544	研究论文	本研究开发了一种基于深度学习的比率荧光传感器，用于快速、便捷地检测食品中的四环素抗生素	利用PVA气凝胶作为基质，结合内部滤光效应和天线效应，设计了一种比色荧光传感器，并通过深度学习模型Resnet18提高了检测的准确性	NA	开发一种快速、便捷、实时且准确的检测方法，用于在真实市场环境中检测抗生素	四环素抗生素在食品中的检测	机器学习	NA	深度学习	Resnet18	图像	检测范围为10-100 μM，实际样本模拟测试的回收率在95%到130%之间
23352	2024-08-07	Using UAV images and deep learning in investigating potential breeding sites of Aedes albopictus 2024-Jul, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2024.107234 PMID:38688444	研究论文	本文利用无人机图像和深度学习技术，研究了白纹伊蚊潜在繁殖地点的识别方法	构建了专门针对白纹伊蚊的潜在繁殖地点数据集，并开发了YOLO v7模型进行识别	主要关注大型、规则形状的容器，对实际应用的实证研究较少	探索基于无人机和人工智能的方法，以识别和定位白纹伊蚊的潜在繁殖地点	白纹伊蚊及其潜在繁殖地点	计算机视觉	NA	深度学习	YOLO v7	图像	包括桶、碗、箱子、水生植物、罐子、盖子、盆、盒子、水槽等物品的数据集
23353	2024-08-07	Artificial Intelligence for breast cancer detection: Technology, challenges, and prospects 2024-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111457 PMID:38640824	综述	本文综述了人工智能技术在数字乳腺摄影和数字乳腺断层合成中自动检测乳腺癌的现状，讨论了相关技术、现有AI系统和面临的挑战	基于深度学习的AI系统在乳腺癌检测中显示出显著改进，有望提高筛查结果，减少假阴性和假阳性，并检测出人类观察者遗漏的细微异常	缺乏标准化数据集、训练数据中可能存在的偏差以及监管批准的障碍限制了其广泛应用	旨在讨论人工智能在乳腺癌筛查中的技术、现有系统和面临的挑战	人工智能技术在数字乳腺摄影和数字乳腺断层合成中自动检测乳腺癌	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	NA
23354	2024-08-07	Image fusion using Y-net-based extractor and global-local discriminator 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30798 PMID:38784534	研究论文	本文提出了一种基于Y-Net和全局-局部判别器的生成对抗网络（GAN）方案，用于红外和可见光图像融合	引入残差密集块（RDblock）和跨模态上下文注意力（CMSCA）来提取和聚合多尺度特征，以生成更真实的融合图像	NA	解决如何从不同源图像中提取信息丰富的特征并在融合图像中保留这些特征的问题	红外和可见光图像	计算机视觉	NA	生成对抗网络（GAN）	Y-Net	图像	NA
23355	2024-08-07	Using a comprehensive atlas and predictive models to reveal the complexity and evolution of brain-active regulatory elements 2024-May-24, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adj4452 PMID:38781344	研究论文	本研究通过整合PsychENCODE联盟和其他已发表的表观遗传数据，构建了一个全面的脑候选顺式调控元件图谱，并利用深度学习模型分析这些元件的序列语法及其在特定细胞类型中的基因调控作用	研究揭示了脑中新的调控信息主要通过保守的哺乳动物元件内的较小序列突变产生，而非全新的人类或灵长类特异性序列	NA	探讨与精神疾病相关的非编码区域遗传变异的功能意义	脑候选顺式调控元件及其在不同细胞类型中的基因调控作用	表观遗传学	精神疾病	深度学习	深度学习模型	表观遗传数据	NA
23356	2024-08-07	A deep learning model for brain segmentation across pediatric and adult populations 2024-05-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61798-6 PMID:38778071	研究论文	本研究开发并验证了一种跨儿童和成人群体的脑部分割模型	提出的深度学习管道icobrain-dl在不同年龄组中展示了与特定年龄模型相当的分割准确性，并显示出比现有工具更高的可重复性	NA	开发和验证一种适用于从婴儿到老年不同年龄段的脑部分割模型	脑组织和结构的自动量化	计算机视觉	NA	深度学习	NA	图像	训练集包含390名患者（年龄范围：2-81岁），验证集包含280名患者（年龄范围：4-90岁）
23357	2024-08-07	Automated tear film break-up time measurement for dry eye diagnosis using deep learning 2024-05-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62636-5 PMID:38778145	研究论文	本研究利用人工智能技术开发了一种自动测量泪膜破裂时间的方法，以辅助干眼症的诊断	采用双任务孪生网络对视频帧进行分类，并结合高斯滤波进行后处理，提高了泪膜破裂时间测量的准确性和可靠性	NA	探索人工智能在眼科领域中用于精确测量泪膜破裂时间的可能性	泪膜破裂时间测量在干眼症诊断中的应用	计算机视觉	干眼症	人工智能	双任务孪生网络	视频	开发数据集包含47个裂隙灯视频，测试数据集包含20个裂隙灯视频
23358	2024-08-07	A novel plant type, leaf disease and severity identification framework using CNN and transformer with multi-label method 2024-05-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62452-x PMID:38778143	研究论文	本文提出了一种新颖的叶片病害识别网络（LDI-NET），该网络采用多标签方法，能够同时识别植物类型、叶片病害及其严重程度	LDI-NET通过单一的直接分支模型，避免了增加类别数量和额外的分支结构，能够同时识别植物类型、叶片病害和严重程度	NA	开发一种能够准确及时识别植物叶片病害及其严重程度的方法，以防止病害扩散	植物类型、叶片病害及其严重程度	计算机视觉	NA	卷积神经网络（CNN）和变换器（transformer）	LDI-NET	图像	使用了公开的AI challenger 2018数据集
23359	2024-08-07	Testing the generalizability and effectiveness of deep learning models among clinics: sperm detection as a pilot study 2024-May-22, Reproductive biology and endocrinology : RB&E IF:4.2Q1 DOI:10.1186/s12958-024-01232-8 PMID:38778327	研究论文	本文研究了深度学习模型在不同临床环境中检测精子的通用性和有效性	通过丰富训练数据集中的图像采集条件，提高了模型在不同临床环境中的通用性	NA	探讨影响目标检测模型通用性的图像因素	人类精子的检测	机器学习	NA	深度学习	目标检测模型	图像	多个临床中心的数据
23360	2024-08-07	MolPROP: Molecular Property prediction with multimodal language and graph fusion 2024-May-22, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00846-9 PMID:38778388	研究论文	本文探讨了一种新的多模态融合方法，结合预训练的语言模型ChemBERTa-2和图神经网络，用于分子性质预测任务	提出了MolPROP模型，通过融合语言和图表示，显著提高了分子性质预测任务的性能	尽管在回归任务上有所改进，MolPROP在某些分类任务上表现不佳	探索多模态融合在分子性质预测中的应用	小分子的性质预测	机器学习	NA	图神经网络	CNN	语言、图像、图	七个scaffold split MoleculeNet数据集