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
9421	2024-12-29	Accelerated cardiac cine with spatio-coil regularized deep learning reconstruction 2025-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30337 PMID:39428898	研究论文	本文提出了一种结合空间-线圈正则化的深度学习重建方法，用于加速心脏电影成像	提出了Spatio-Coil Regularized DL (SCR-DL)方法，结合多线圈信息进行数据一致性和正则化，显著提高了重建图像的质量	未提及具体样本量，且仅针对心脏电影成像进行了验证	开发一种加速心脏电影成像的深度学习重建方法	心脏电影成像数据	医学影像	心血管疾病	深度学习重建	SCR-DL	图像	NA
9422	2024-12-29	A hybrid AI based framework for enhancing security in satellite based IoT networks using high performance computing architecture 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78262-0 PMID:39730383	研究论文	本文提出了一种基于嵌入式混合深度学习的入侵检测技术（EHID），用于增强通过卫星连接的物联网设备与高性能计算云之间的安全性	提出了一种新型的嵌入式混合深度学习入侵检测技术（EHID），结合了两种深度学习算法，能够检测14种威胁，并利用高性能计算云的处理能力进行实时监控和检测	未明确提及具体局限性，但可能包括对特定数据集和计算资源的依赖	增强通过卫星连接的物联网设备与高性能计算云之间的安全性	通过卫星连接的物联网设备与高性能计算云	机器学习	NA	深度学习	嵌入式混合深度学习	物联网生成的数据	Edge-IIoTset 网络安全数据集
9423	2024-12-29	Feature decoupling integrated domain generalization network for bearing fault diagnosis under unknown operating conditions 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81489-6 PMID:39730497	研究论文	本文提出了一种用于未知工况下轴承故障诊断的领域泛化网络，即特征解耦集成领域泛化网络（FDIDG）	提出了特征解耦算法，从多个源域中提取故障特征的泛化表示，并采用多专家集成策略提高模型在未知工况下的诊断准确性	未提及具体的数据集规模或实验条件的限制	解决在目标域不可见的情况下，从源域中提取泛化诊断知识的问题	轴承故障诊断	机器学习	NA	特征解耦算法，多专家集成策略	领域泛化网络（FDIDG）	故障数据	未提及具体样本数量
9424	2024-12-29	Advanced music classification using a combination of capsule neural network by upgraded ideal gas molecular movement algorithm 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81700-8 PMID:39730570	研究论文	本文提出了一种结合胶囊神经网络和升级版理想气体分子运动算法的音乐分类方法	首次将胶囊神经网络与升级版理想气体分子运动算法结合，用于优化模型参数，提高音乐分类的准确性	未提及具体的数据集规模限制或模型在其他类型数据上的泛化能力	提高音乐流派分类的准确性	音乐流派	机器学习	NA	升级版理想气体分子运动算法（UIGMM）	胶囊神经网络（CapsNet）	音频数据	使用了三个基准数据集：ISMIR2004、GTZAN和Extended Ballroom
9425	2024-12-29	Deep learning-based study on assessment and enhancement strategy for geological disaster emergency evacuation capacity in Changbai Mountain North Scenic Area 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81583-9 PMID:39730624	研究论文	本研究利用深度学习技术评估长白山北景区地质灾害应急疏散能力，并提出改进策略	采用Real-ESRGAN解决遥感图像模糊问题，结合GCN模型计算各栅格点的应急疏散时间，显著提高了数据处理和评估的准确性	研究区域面积较小，数据获取困难，精度不足	评估长白山北景区的地质灾害应急疏散能力，并制定改进策略	长白山北景区	机器学习	NA	Real-ESRGAN, GCN	Real-ESRGAN, GCN	遥感图像	NA
9426	2024-12-29	Temporal trends and predictive modeling of air pollutants in Delhi: a comparative study of artificial intelligence models 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82117-z PMID:39730707	研究论文	本文比较了不同人工智能模型在预测德里空气污染物中的表现	使用多种深度学习模型（如LSTM、Bi-LSTM、GRU、MLP和XGBoost）进行空气污染物预测，并比较其性能	研究仅基于德里地区的空气质量数据，可能无法推广到其他地区	开发新的空气质量预测方法，以更好地理解天气污染	德里地区的空气质量参数，包括CO、NO、NO2、O3、SO2、PM2.5、PM10和NH3	机器学习	NA	NA	LSTM, Bi-LSTM, GRU, MLP, XGBoost	时间序列数据	2020年11月25日至2023年1月24日期间德里附近空气质量监测站的每小时数据
9427	2024-12-29	Fine-grained restoration of Mongolian patterns based on a multi-stage deep learning network 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82097-0 PMID:39730729	研究论文	本文提出了一种基于多阶段深度学习网络的蒙古图案细粒度修复模型	针对蒙古图案的复杂线纹理结构和高饱和度色彩，提出了一种多阶段网络修复模型，结合了金字塔上下文编码器网络、RIC卷积层、MPD下采样模块和U-Net网络	NA	解决蒙古图案在传承和保存过程中易受损的问题，提供高效的数字化修复方案	蒙古图案	计算机视觉	NA	深度学习	多阶段网络（金字塔上下文编码器网络、RIC卷积层、MPD下采样模块、U-Net网络）	图像	NA
9428	2024-12-29	A study on the detection of conductor quantity in cable cores based on YOLO-cable 2024-Dec-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82323-9 PMID:39730863	研究论文	本研究提出了一种基于YOLO-cable模型的电缆芯线数量检测方法，以促进电缆制造业的数字化转型	在YOLOv10模型的基础上，引入了Focal损失函数，优化了C2F结构，增加了Focal NeXt模块，并在Neck部分加入了多尺度特征（MSF）模块	未提及具体的数据集规模或实际应用中的潜在问题	提高电缆芯线数量的智能检测精度，促进电缆制造业的数字化转型	电缆芯线	计算机视觉	NA	深度学习	YOLO-cable	图像	未提及具体样本数量
9429	2024-12-29	Radiomic nomograms in CT diagnosis of gall bladder carcinoma: a narrative review 2024-Dec-27, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-024-01720-8 PMID:39730762	综述	本文综述了放射组学在CT诊断胆囊癌中的应用，特别是放射组学诺模图的最新发展	介绍了基于深度学习的放射组学，自动生成和提取输入数据中的显著特征，并结合诺模图在胆囊癌诊断中的应用	大多数研究缺乏外部验证队列，样本量较小，且在日常临床环境中的前瞻性应用不足	探讨放射组学诺模图在胆囊癌CT诊断中的应用	胆囊癌患者	数字病理学	胆囊癌	CT, 深度学习	神经网络	医学图像	NA
9430	2024-12-29	Annotating protein functions via fusing multiple biological modalities 2024-Dec-27, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07411-y PMID:39730886	研究论文	本文提出了一种多步骤方法MIF2GO，用于融合多种生物模态并注释蛋白质功能	MIF2GO方法首次在三个步骤中融合了多达六种不同生物层次的生物模态，从而生成强大的蛋白质表示	现有方法未能有效融合不同生物模态，导致蛋白质表示质量低，且稀疏标签表示导致次优解的收敛问题	揭示疾病发病机制和发现新靶点，通过融合多种生物模态来注释蛋白质功能	蛋白质功能	生物信息学	NA	深度学习	MIF2GO	多模态生物数据	七个基准数据集
9431	2024-12-29	EDCLoc: a prediction model for mRNA subcellular localization using improved focal loss to address multi-label class imbalance 2024-Dec-27, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-024-11173-6 PMID:39731012	研究论文	本文提出了一种名为EDCLoc的多标签分类器，用于预测mRNA的亚细胞定位，通过改进的焦点损失函数解决多标签分类中的类别不平衡问题	EDCLoc通过逐步池化策略减少训练压力，采用不同尺度的分组卷积块结合残差连接实现高效特征提取和梯度传播，并改进了焦点损失函数以增强对少数类别的关注	深度学习方法在处理复杂序列时可能面临硬件性能和训练时间的挑战，且可能存在维度灾难和过拟合问题	开发更高效和准确的mRNA亚细胞定位预测模型	mRNA的亚细胞定位	自然语言处理	NA	多尺度CNN滤波器	多标签分类器	序列数据	NA
9432	2024-12-29	AEGAN-Pathifier: a data augmentation method to improve cancer classification for imbalanced gene expression data 2024-Dec-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-06013-z PMID:39731019	研究论文	本文提出了一种名为AEGAN-Pathifier的数据增强方法，用于改善不平衡基因表达数据中的癌症分类	结合AutoEncoder和生成对抗网络（GAN）生成少数类样本，并整合通路先验知识，提出AEGAN-Pathifier方法	未提及具体的数据集规模限制或模型泛化能力的详细评估	解决癌症分类中高维数据和不平衡样本的问题	基因表达数据	机器学习	癌症	AutoEncoder, GAN, 通路评分算法	AEGAN	基因表达数据	GSE25066, GSE20194, BRCA和Liver24数据集
9433	2024-12-29	Survival prediction of glioblastoma patients using machine learning and deep learning: a systematic review 2024-Dec-27, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-13320-4 PMID:39731064	系统综述	本文系统综述了使用机器学习和深度学习预测胶质母细胞瘤患者生存率的最新方法	总结了2015年至2024年间107篇相关文章，分析了数据来源、方法、性能指标和研究结果，发现随机森林是最常用的方法，而放射组学和临床数据的结合是最常见的输入数据	仅涵盖了2015年至2024年的文献，可能遗漏了早期的重要研究	预测胶质母细胞瘤患者的生存率，以优化个性化治疗计划和支持患者及其家属做出知情决策	胶质母细胞瘤患者	机器学习	脑癌	机器学习和深度学习	随机森林	临床特征、分子标记、影像特征、放射组学特征、组学数据或其组合	107篇文章
9434	2024-12-29	Deep regression analysis for enhanced thermal control in photovoltaic energy systems 2024-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81101-x PMID:39715782	研究论文	本文提出了一种利用深度学习技术提高光伏系统冷却效率的新方法	采用U-Net架构从热成像视频中分割太阳能板，并开发了CNN模型用于估计冷却效率，相比传统方法具有更高的预测能力	讨论了如何解决局限性、提高预测准确性以及扩展到更大数据集的策略	提高光伏系统冷却效率的精确性和可靠性	光伏太阳能板的冷却系统	计算机视觉	NA	深度学习	U-Net, CNN, FNN	热成像视频	NA
9435	2024-12-29	Automated Measurement of Effective Radiation Dose by 18F-Fluorodeoxyglucose Positron Emission Tomography/Computed Tomography 2024-Dec-23, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10120151 PMID:39728913	研究论文	本研究开发了一种基于深度学习的自动化程序，用于标准化测量18F-PET/CT检查中的辐射剂量	通过集成深度学习模型，该程序有效消除了操作者间的变异性	样本量较小（n=30和n=42），可能影响结果的普遍性	开发一种自动化程序，用于标准化测量18F-PET/CT检查中的辐射剂量	18F-PET/CT检查中的辐射剂量	数字病理	NA	深度学习	NA	CT图像	30例用于验证自动化程序，42例用于比较新旧PET/CT扫描仪
9436	2024-12-29	[Identification of osteoid and chondroid matrix mineralization in primary bone tumors using a deep learning fusion model based on CT and clinical features: a multi-center retrospective study] 2024-Dec-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2024.12.18 PMID:39725631	研究论文	本研究利用基于CT和临床特征的深度学习融合模型，识别原发性骨肿瘤中的骨样和软骨样基质矿化	通过多中心CT图像和临床特征构建的深度学习融合模型（SC-Net），在识别骨样和软骨样基质矿化方面表现出色，并超越了放射科医生的诊断性能	研究为回顾性研究，可能存在数据偏差，且样本量相对有限	提高原发性骨肿瘤中骨样和软骨样基质矿化的分类准确性	276例经病理证实的原发性骨肿瘤患者的CT扫描数据	数字病理	骨肿瘤	CT扫描	CNN, 深度学习融合模型（SC-Net）	图像, 临床特征	276例患者
9437	2024-12-29	Noise Reduction in Brain CT: A Comparative Study of Deep Learning and Hybrid Iterative Reconstruction Using Multiple Parameters 2024-Dec-18, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10120147 PMID:39728909	研究论文	本文比较了深度学习重建（DLR）和混合迭代重建（HIR）在脑部CT中的降噪效果	首次系统比较了DLR和HIR在不同切片厚度、管电流和成像对象下的降噪效果，并提出了DLR在薄片成像中的潜在优势	研究样本量较小，仅包括11名患者，且未对不同疾病类型进行细分	评估DLR和HIR在脑部CT中的降噪效果	16 cm剂量学模型、头部模型和11名患者的脑部CT图像	数字病理	NA	CT成像	深度学习	图像	11名患者
9438	2024-12-29	A non-local dual-stream fusion network for laryngoscope recognition 2024-Dec-17, American journal of otolaryngology IF:1.8Q2 DOI:10.1016/j.amjoto.2024.104565 PMID:39729791	研究论文	本文提出了一种基于深度学习的喉镜图像自动分类模型，用于辅助医生诊断喉部疾病	通过整合ResNet和Transformer的输出特征，实现了对八种喉部疾病的准确分类	NA	设计和实现一个能够自动分类喉镜图像的模型，以辅助医生诊断喉部疾病	喉镜图像	计算机视觉	喉部疾病	深度学习	ResNet, Transformer	图像	3057张喉镜图像
9439	2024-12-29	Artificial intelligence and machine learning in disorders of consciousness 2024-Dec-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001322 PMID:39498844	综述	本文回顾了人工智能和机器学习在意识障碍领域的应用，特别是在诊断、预后和治疗方面的作用	利用人工智能和机器学习技术分析功能神经影像和脑电图数据，以区分无反应性觉醒综合征和最小意识状态，并预测治疗效果	大多数研究仍依赖于传统机器学习算法，而非深度学习技术，可能限制了模型的性能	提高对意识障碍患者的诊断和预后准确性，并评估新型治疗干预的效果	因获得性脑损伤导致的严重意识障碍患者	机器学习	意识障碍	功能神经影像、脑电图	传统机器学习算法	神经影像数据、脑电图数据	NA
9440	2024-12-29	Human-multimodal deep learning collaboration in 'precise' diagnosis of lupus erythematosus subtypes and similar skin diseases 2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20031 PMID:38619440	研究论文	本文开发了一种多模态深度学习系统（MMDLS），用于人类与AI协作诊断红斑狼疮（LE）亚型及类似皮肤病	提出了一个多模态深度学习系统，结合了临床皮肤图像、多色免疫组化图像和临床数据，显著提高了诊断准确率	研究样本量相对较小，且仅在中国多中心进行，可能限制了结果的普适性	开发一种多模态深度学习系统，用于协助医生诊断红斑狼疮亚型及类似皮肤病	红斑狼疮亚型、八种类似皮肤病及健康受试者	数字病理学	红斑狼疮	多色免疫组化（multi-IHC）	EfficientNet-B3, ResNet-18	图像, 临床数据	446例病例，800张临床皮肤图像，3786张多色免疫组化图像