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
561	2024-12-18	Novel approach for Arabic fake news classification using embedding from large language features with CNN-LSTM ensemble model and explainable AI 2024-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82111-5 PMID:39681596	研究论文	本文提出了一种基于ELMo词嵌入和CNN-LSTM集成模型的新方法，用于阿拉伯语假新闻分类，并结合可解释AI技术进行分析	本文的创新点在于提出了一种结合ELMo词嵌入和CNN-LSTM集成模型的投票框架，并引入了LIME可解释AI技术，显著提高了分类性能和模型可解释性	本文未提及具体的局限性	研究目的是提高阿拉伯语假新闻检测的准确性和可解释性	研究对象是阿拉伯语假新闻文本	自然语言处理	NA	ELMo词嵌入，LIME可解释AI技术	CNN-LSTM集成模型	文本	NA
562	2024-12-18	Thermoelectric Material Performance (zT) Predictions with Machine Learning 2024-Dec-16, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c19149 PMID:39686715	研究论文	本文利用机器学习和深度学习模型，基于大量实验数据集预测热电材料性能	开发了一种可解释的模型，能够在大规模实验数据集上预测热电材料性能，并直接预测复杂的热电性能	预测结果与实验结果存在偏差，可能由文献误差、合成路线不同、晶体形态和粒径密度差异等因素引起	利用机器学习模型预测热电材料的性能	热电材料及其性能	机器学习	NA	机器学习，深度学习，密度泛函理论（DFT）	NA	实验数据，晶体学数据	约160,000个数据点
563	2024-12-18	Screening and evaluation of diabetic retinopathy via a deep learning network model: A prospective study 2024-Dec-15, World journal of diabetes IF:4.2Q1 DOI:10.4239/wjd.v15.i12.2302 PMID:39676804	研究论文	本文评估了一种基于注意力机制的深度学习网络模型在糖尿病视网膜病变筛查中的效果	本文利用基于注意力机制的深度学习网络模型，显著提高了糖尿病视网膜病变的筛查准确性和效率	本文的研究对象仅限于18-70岁的永久居民，且样本量相对较小	评估基于注意力机制的深度学习网络模型在糖尿病视网膜病变筛查中的效果	糖尿病视网膜病变在自然人群和糖尿病患者中的筛查效果	计算机视觉	糖尿病	深度学习	注意力机制网络模型	图像	474名参与者，共948张眼底图像
564	2024-12-18	Deep learning model combined with computed tomography features to preoperatively predicting the risk stratification of gastrointestinal stromal tumors 2024-Dec-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v16.i12.4663 PMID:39678791	研究论文	本文研究了结合深度学习模型和计算机断层扫描特征来术前预测胃肠道间质瘤的风险分层	本文开发了一种结合深度学习模型和常规计算机断层扫描数据的模型，用于术前预测胃肠道间质瘤的风险分层，显示出优于单一深度学习模型的性能	本文的局限性在于仅使用了回顾性分析的数据，且样本量相对较小	评估深度学习模型结合计算机断层扫描特征在预测胃肠道间质瘤风险分层中的应用	胃肠道间质瘤患者的术前风险分层	机器学习	胃肠道间质瘤	计算机断层扫描	卷积神经网络	图像	551名胃肠道间质瘤患者
565	2024-12-18	Cultivation strategies of English thinking ability in the environment of Internet of Things 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39515 PMID:39687130	研究论文	研究旨在拓宽英语学习者的视野并解决英语思维培养不足的问题，通过设计LSNN推荐模型来缓解数据稀疏性	提出了Local Similar Convolutional Neural Network (LSNN)推荐模型，通过添加调整层到卷积神经网络(CNN)中，缓解数据稀疏性问题	未提及具体限制	拓宽英语学习者的视野并解决英语思维培养不足的问题	英语学习者的思维能力	机器学习	NA	卷积神经网络(CNN)	Local Similar Convolutional Neural Network (LSNN)	数据	相关数据
566	2024-12-18	Prediction of bladder cancer prognosis and immune microenvironment assessment using machine learning and deep learning models 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39327 PMID:39687145	研究论文	本研究整合了10种机器学习算法，开发了一种免疫相关的机器学习特征（IRMLS），并基于病理图像创建了一个深度学习模型来检测IRMLS亚型，用于预测膀胱癌的预后和评估免疫微环境	首次通过整合多种机器学习算法和深度学习模型，开发了IRMLS特征，用于预测膀胱癌的预后和评估免疫微环境，并验证了其作为独立预后因子的有效性	研究仅基于病理图像和已有的数据集，未涉及其他类型的数据或更广泛的临床验证	开发和验证一种基于机器学习的分子特征，用于预测膀胱癌的预后和评估免疫微环境，指导个性化精准治疗	膀胱癌患者的预后和免疫微环境	机器学习	膀胱癌	机器学习算法和深度学习模型	深度学习模型	病理图像	未明确具体样本数量
567	2024-12-18	Effective identification of Alzheimer's disease in mouse models via deep learning and motion analysis 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39353 PMID:39687151	研究论文	本文开发了一种基于深度学习和运动分析的无标记运动分析系统（MMAS），用于Morris水迷宫测试中阿尔茨海默病小鼠模型的有效识别	创新点在于使用深度学习技术开发了无标记运动分析系统（MMAS），并通过该系统识别出阿尔茨海默病小鼠的单侧头部转向和尾部摆动偏好，其准确性高于传统行为参数	NA	研究目的是提高阿尔茨海默病小鼠模型的识别效果、敏感性和可解释性	研究对象是阿尔茨海默病小鼠模型和野生型小鼠	机器学习	阿尔茨海默病	深度学习	NA	视频	NA
568	2024-12-18	scVAG: Unified single-cell clustering via variational-autoencoder integration with Graph Attention Autoencoder 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40732 PMID:39687165	研究论文	本文提出了一种名为scVAG的深度学习框架，结合变分自编码器（VAE）和图注意力自编码器（GATE），用于增强单细胞RNA测序数据的聚类	scVAG通过集成VAE和GATE，实现了更灵活的潜在空间编码，取代了传统的线性主成分分析（PCA）方法，适用于非线性降维	NA	提高单细胞RNA测序数据聚类的准确性和解释性	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序（scRNA-seq）	变分自编码器（VAE）和图注意力自编码器（GATE）	数据矩阵	20个数据集
569	2024-12-18	Fast intraoperative detection of primary CNS lymphoma and differentiation from common CNS tumors using stimulated Raman histology and deep learning 2024-Dec-14, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae270 PMID:39673805	研究论文	本文结合受激拉曼组织学（SRH）和深度学习，开发了一种名为RapidLymphoma的深度学习管道，用于术中快速检测和区分原发性中枢神经系统淋巴瘤（PCNSL）与其他中枢神经系统肿瘤	本文的创新点在于首次将受激拉曼组织学与深度学习相结合，开发了一种能够在术中快速检测和区分PCNSL与其他中枢神经系统肿瘤的深度学习管道	本文的局限性在于其研究对象仅限于中枢神经系统肿瘤，且样本主要来源于四个国际医疗中心	本文的研究目的是开发一种能够在术中快速检测和区分原发性中枢神经系统淋巴瘤与其他中枢神经系统肿瘤的方法，以指导手术决策和治疗策略	本文的研究对象是原发性中枢神经系统淋巴瘤（PCNSL）与其他中枢神经系统肿瘤	数字病理学	中枢神经系统肿瘤	受激拉曼组织学（SRH）	深度学习	图像	训练数据包括来自手术切除和立体定向引导活检的54,000张SRH图像，测试数据包括来自四个国际医疗中心的160个样本，以及两个独立测试队列的420和59个样本
570	2024-12-18	A comparison of super-resolution microscopy techniques for imaging tightly packed microcolonies of an obligate intracellular bacterium 2024-Dec-09, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13376 PMID:39651611	研究论文	本研究比较了五种荧光显微技术在成像紧密排列的细胞内细菌微菌落时的分辨能力	本研究首次将3D-STED显微技术与深度学习软件Cellpose结合，用于分析细胞内细菌的三维形状和大小	本研究仅比较了五种显微技术，未涵盖所有可能的超分辨率显微技术	比较不同超分辨率显微技术在成像紧密排列的细胞内细菌微菌落时的优缺点	细胞内细菌Orientia tsutsugamushi (Ot)的微菌落	生物显微技术	NA	荧光显微技术（标准共聚焦、Airyscan共聚焦、iSIM、3D-SIM、STED）	深度学习模型（Cellpose）	图像	不同哺乳动物细胞系中培养的Orientia tsutsugamushi (Ot)细菌
571	2024-12-18	Ultra-fast prediction of D-π-A organic dye absorption maximum with advanced ensemble deep learning models 2024-Dec-09, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125536 PMID:39681030	研究论文	本文介绍了一种基于深度学习集成方法的超快速预测D-π-A有机染料吸收最大值的新方法	本文提出了一种利用高级集成深度学习模型，结合daylight指纹作为化学描述符，快速预测D-π-A有机染料在不同溶剂中的吸收最大值，显著提高了预测精度和计算效率	NA	快速准确地预测D-π-A有机染料在不同溶剂中的吸收最大值，以促进染料敏化太阳能电池及相关技术的高效设计	D-π-A有机染料在18种不同溶剂环境中的吸收最大值	机器学习	NA	深度学习	集成模型（包括卷积网络等多种神经架构）	分子描述符（有机染料指纹）	18种不同溶剂环境中的D-π-A有机染料
572	2024-12-18	Contrastive Clustering-Based Patient Normalization to Improve Automated In Vivo Oral Cancer Diagnosis from Multispectral Autofluorescence Lifetime Images 2024-Dec-09, Cancers IF:4.5Q1 DOI:10.3390/cancers16234120 PMID:39682305	研究论文	本文提出了一种基于对比聚类的患者归一化方法，用于改进从多光谱自体荧光寿命图像中自动诊断口腔癌	本文的创新点在于提出了一种基于对比学习的预训练方法，使网络能够在不需要参考样本的情况下进行患者归一化，并使用多任务框架减少过拟合	本文的局限性在于其方法是为特定的成像模式设计的，可能需要进一步验证其在其他非传统成像模式中的适用性	本文的研究目的是改进从多光谱自体荧光寿命图像中自动诊断口腔癌的准确性	本文的研究对象是多光谱自体荧光寿命图像中的口腔癌诊断	计算机视觉	口腔癌	多光谱自体荧光寿命成像	神经网络	图像	67名患者
573	2024-12-18	Comprehensive Insights into Artificial Intelligence for Dental Lesion Detection: A Systematic Review 2024-Dec-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232768 PMID:39682676	综述	本文对人工智能在牙科病变检测中的应用进行了系统的综述	本文总结了当前深度学习模型在不同成像技术中检测牙科病变的最新方法，并提出了针对现有挑战的可能解决方案	本文的局限性在于其为综述性质，未提出新的模型或技术	探讨人工智能在牙科病变检测中的应用现状及未来发展	牙科病变检测中的深度学习模型及数据增强技术	计算机视觉	NA	深度学习	U-Net, AlexNet, YOLOv8	图像	29项主要研究
574	2024-12-18	Discovery of a Small Molecule with an Inhibitory Role for RAB11 2024-Dec-09, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms252313224 PMID:39684933	研究论文	本文通过计算筛选和实验验证相结合的方法，发现了一种能够抑制RAB11的小分子化合物	首次发现了一种能够抑制RAB11的小分子化合物，并通过计算筛选和实验验证相结合的方法进行了验证	研究仅限于体外实验和计算筛选，尚未进行体内实验和临床验证	发现能够抑制RAB11的小分子化合物，以期为治疗RAB11相关疾病提供新的途径	RAB11蛋白及其在细胞过程中的作用	NA	NA	深度学习	NA	化合物	94个候选化合物，其中9个通过体外平台验证
575	2024-12-18	Comprehensive Investigation of Machine Learning and Deep Learning Networks for Identifying Multispecies Tomato Insect Images 2024-Dec-09, Sensors (Basel, Switzerland) DOI:10.3390/s24237858 PMID:39686395	研究论文	本文研究了使用卷积神经网络（CNN）对多物种番茄害虫图像进行分类，并比较了不同优化器对分类性能的影响	本文创新性地比较了多种优化器在番茄害虫图像分类任务中的表现，并验证了RMSprop和Nadam优化器在CNN中的有效性	本文未详细讨论数据集的多样性和可能存在的偏差，以及模型在实际应用中的泛化能力	探索和比较不同优化器在番茄害虫图像分类任务中的性能，为农业图像分析提供指导	多物种番茄害虫图像的分类	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	4263张包含八种常见番茄害虫的图像
576	2024-12-18	3D-BCLAM: A Lightweight Neurodynamic Model for Assessing Student Learning Effectiveness 2024-Dec-09, Sensors (Basel, Switzerland) DOI:10.3390/s24237856 PMID:39686393	研究论文	提出了一种轻量级神经动力学模型3D-BCLAM，用于评估学生学习效果	创新性地结合了双向卷积长短期记忆网络（BCL）和动态注意力机制，以极低的计算成本高效捕捉情感动态变化	未提及具体限制	评估学生学习效果，深入理解学习过程并诊断学习障碍	学生的学习效果和情感状态	机器学习	NA	双向卷积长短期记忆网络（BCL）和动态注意力机制	3D-BCLAM	时间序列	未提及具体样本数量
577	2024-12-18	Plant Stress Detection Using a Three-Dimensional Analysis from a Single RGB Image 2024-Dec-09, Sensors (Basel, Switzerland) DOI:10.3390/s24237860 PMID:39686397	研究论文	本文提出了一种基于单张RGB图像进行3D重建和深度学习的方法，用于植物应激检测	本文的创新点在于使用单张RGB图像进行3D重建，并通过深度神经网络进行植物应激检测，相比2D分类方法在精确度、召回率和F1分数上均有显著提升	NA	开发一种无需专业人员或侵入性技术即可进行植物应激检测的方法	植物应激检测	计算机视觉	NA	3D重建，深度学习	深度神经网络（DNN）	图像	NA
578	2024-12-18	Leveraging functional annotations to map rare variants associated with Alzheimer's disease with gruyere 2024-Dec-08, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.06.24318577 PMID:39677477	研究论文	本文提出了一种名为gruyere的贝叶斯概率模型，利用功能注释来映射与阿尔茨海默病相关的罕见变异	gruyere模型通过学习全局、特异性权重来改进变异优先级，并结合细胞类型特异性信息来识别功能性非编码罕见变异	NA	通过全基因组关联分析，识别与阿尔茨海默病相关的基因和功能注释	阿尔茨海默病相关的罕见变异，包括编码和非编码变异	基因组学	阿尔茨海默病	全基因组测序（WGS）	贝叶斯概率模型	基因组数据	7966个病例和13412个对照
579	2024-12-18	Efficient multi-phenotype genome-wide analysis identifies genetic associations for unsupervised deep-learning-derived high-dimensional brain imaging phenotypes 2024-Dec-08, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.06.24318618 PMID:39677479	研究论文	本文介绍了一种名为JAGWAS的多性状全基因组关联分析工具，用于高效计算多性状关联统计，并应用于从英国生物样本库获取的T1和T2脑部MRI数据，识别了更多的基因关联位点	提出了JAGWAS工具，能够高效计算多性状关联统计，相比单性状全基因组关联研究，识别了更多的基因关联位点	NA	开发一种新的工具，用于多性状全基因组关联分析，以识别与高维脑成像表型相关的基因	T1和T2脑部MRI数据中的128维无监督深度学习衍生的成像表型	数字病理学	NA	全基因组关联研究（GWAS）	无监督深度学习	图像	来自英国生物样本库的发现和验证队列
580	2024-12-18	Machine and Deep Learning Models for Hypoxemia Severity Triage in CBRNE Emergencies 2024-Dec-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232763 PMID:39682671	研究论文	本研究开发了机器学习模型，用于在化学、生物、放射、核和爆炸（CBRNE）紧急情况下预测低氧血症的严重程度	本研究首次在CBRNE紧急情况下使用机器学习模型进行低氧血症严重程度的预测，并比较了树模型和序列模型的性能	本研究主要基于MIMIC-III和IV数据集，未来需要引入多医院数据集以提高模型的广泛适用性	开发和评估机器学习模型在CBRNE紧急情况下预测低氧血症严重程度的有效性	低氧血症的严重程度预测	机器学习	NA	机器学习模型	XGBoost, LightGBM, CatBoost, Random Forests, Voting Classifier, LSTM, GRU	生理数据	MIMIC-III和IV数据集