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
981	2024-12-18	A study of hybrid deep learning model for stock asset management 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2493 PMID:39678294	研究论文	本文提出了一种混合深度学习模型，用于股票价格预测和资产管理的同步操作	本文的创新点在于结合LSTM和强化学习（RL）进行股票价格预测和交易控制，并通过预测平均方向指数（ADX）和引入约束条件来降低市场不确定性，从而最大化股票资产	NA	研究如何利用混合深度学习模型在股票市场中实现有效的资产管理和交易策略	股票价格预测和资产管理的同步操作	机器学习	NA	LSTM, 强化学习（RL）	混合深度学习模型	股票市场数据	NA
982	2024-12-18	Drivable path detection for a mobile robot with differential drive using a deep Learning based segmentation method for indoor navigation 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2514 PMID:39678296	研究论文	本文提出了一种基于深度学习的语义分割方法，用于室内导航中移动机器人的可行驶路径检测	本文创新性地使用了DeepLabv3+和ResNet50架构进行路径分割，并结合高斯滤波和多Otsu阈值处理来提高分割效果，同时开发了基于网格的RRT*导航策略以实现避障和优化路径	本文未详细讨论该方法在复杂室外环境中的适用性	研究如何利用深度学习技术提高移动机器人在室内环境中的导航能力	移动机器人在室内环境中的可行驶路径检测	计算机视觉	NA	深度学习	DeepLabv3+	图像	NA
983	2024-12-18	Machine learning prediction of brain metastasis invasion pattern on brain magnetic resonance imaging scans 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae200 PMID:39679176	研究论文	本研究探讨了机器学习方法在磁共振成像扫描中预测脑转移侵袭模式（BMIP）的潜力	首次提出使用机器学习方法通过磁共振成像扫描预测脑转移侵袭模式，提供了一种非侵入性的方法	研究样本量较小，且结果依赖于专家的先验知识	开发一种基于磁共振成像的非侵入性生物标志物，用于预测脑转移侵袭模式	脑转移侵袭模式（BMIP）	机器学习	脑转移	磁共振成像（MRI）	卷积神经网络（CNN）	图像	132名患者
984	2024-12-18	The role of artificial intelligence in drug screening, drug design, and clinical trials 2024, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2024.1459954 PMID:39679365	综述	本文综述了人工智能技术在药物筛选、药物设计和临床试验中的应用	本文总结了机器学习，尤其是深度学习在药物发现和开发中的显著优势，包括高通量和虚拟筛选、药物分子设计以及解决复杂有机合成问题	本文讨论了基于人工智能技术的药物发现和开发面临的挑战，并提出了未来可能的发展方向	探讨人工智能在药物发现和开发中的应用及其未来发展方向	人工智能技术在药物筛选、药物设计和临床试验中的应用	机器学习	NA	机器学习，深度学习	NA	NA	NA
985	2024-12-18	Prediction of protein interactions between pine and pine wood nematode using deep learning and multi-dimensional feature fusion 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1489116 PMID:39687321	研究论文	本研究提出了一种基于深度学习和多维特征融合的方法MFGAC-PPI，用于预测松树与松材线虫之间的蛋白质相互作用	MFGAC-PPI通过结合AlphaFold和蛋白质序列特征，利用Transform和改进的GCN提取多维特征，相比基于单一特征信息的方法，获得了更多的三维表征信息	NA	旨在通过预测植物-病原体蛋白质相互作用，深入理解松材线虫病的致病系统	松树与松材线虫之间的蛋白质相互作用	机器学习	NA	深度学习	图注意力卷积网络（GCN）	蛋白质序列	2,688对相互作用的蛋白质
986	2024-12-18	Toward improving reproducibility in neuroimaging deep learning studies 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1509358 PMID:39687491	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
987	2024-12-18	Action recognition in rehabilitation: combining 3D convolution and LSTM with spatiotemporal attention 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1472380 PMID:39687520	研究论文	本研究提出了一种结合3D卷积、LSTM和时空注意力机制的深度学习框架STA-C3DL，用于复杂康复场景中的实时动作检测和识别	创新点在于将3D卷积神经网络、长短期记忆网络和时空注意力机制结合，以更精确地捕捉动作动态	未来的研究将集中在扩展模型对非常规和极端动作的适应性，以及将其整合到更广泛的康复环境中	提高复杂康复场景中实时动作检测和识别的准确性和响应速度	康复场景中的动作识别	计算机视觉	NA	3D卷积神经网络、长短期记忆网络、时空注意力机制	3D卷积神经网络、LSTM	视频	多个数据集，包括NTU RGB + D、Smarthome Rehabilitation、UCF101和HMDB51
988	2024-12-18	ORRN: An ODE-Based Recursive Registration Network for Deformable Respiratory Motion Estimation With Lung 4DCT Images 2023-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3280463 PMID:37279120	研究论文	本文提出了一种基于常微分方程（ODE）的递归配准网络ORRN，用于从肺部4DCT图像中估计可变形呼吸运动	ORRN采用递归配准策略，通过ODE积分逐步估计变形场，能够有效处理4D医学数据中的器官运动模式	NA	开发一种能够准确、快速处理4D医学数据中器官运动的可变形图像配准方法	肺部4DCT图像中的呼吸运动	计算机视觉	NA	常微分方程（ODE）	递归神经网络	图像	两个公开的肺部4DCT数据集，DIRLab和CREATIS
989	2024-12-18	Learning to Summarize Chinese Radiology Findings With a Pre-Trained Encoder 2023-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3280987 PMID:37314905	研究论文	本文提出了一种基于预训练编码器的中文放射学报告自动摘要方法	本文引入了新的任务导向预训练目标Pseudo Summary Objective，并开发了中文预训练语言模型CMBERT，用于初始化编码器并进行微调	现有方法无法直接应用于中文放射学报告摘要	开发一种自动摘要方法，以减轻医生在计算机辅助诊断中的工作负担	中文胸部放射学报告	自然语言处理	NA	预训练语言模型	BERT	文本	使用了来自湘雅二医院放射科的中文胸部放射学报告作为微调语料
990	2024-12-18	Optical Microphone-Based Speech Reconstruction System With Deep Learning for Individuals With Hearing Loss 2023-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3285437 PMID:37327105	研究论文	本文提出了一种基于深度学习的语音增强方法，结合光学麦克风系统，用于改善听力受损患者的语音感知	该方法通过光学麦克风和深度学习技术，能够在非平稳噪声和远距离说话的情况下有效增强语音信号，克服了传统语音增强方法的局限性	NA	克服传统语音增强方法在非平稳噪声和远距离说话情况下的局限性	听力受损患者的语音感知	机器学习	听力障碍	深度学习	NA	语音信号	七种典型的听力损失类型
991	2024-12-18	CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data 2023-May-02, Research square DOI:10.21203/rs.3.rs-2768563/v1 PMID:37205427	研究论文	本文提出了一种基于对比学习和自注意力机制的跨组学嵌入方法CLCLSA，用于处理不完整的多组学数据集成	创新点在于结合了跨组学自编码器、多组学对比学习和自注意力机制，以最大化不同组学之间的互信息，并动态识别最具信息量的特征	NA	研究目的是解决多组学数据集成中由于仪器灵敏度和成本导致的未配对数据问题	研究对象是多组学数据，包括基因组学、转录组学、蛋白质组学等	机器学习	NA	对比学习、自注意力机制	自编码器	多组学数据	四个公共多组学数据集
992	2024-12-18	CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data 2023-Apr-12, ArXiv PMID:37090237	研究论文	本文提出了一种名为CLCLSA的深度学习方法，用于整合不完整的多组学数据，通过跨组学链接嵌入、对比学习和自注意力机制来实现	创新点在于使用跨组学自编码器学习不同类型生物数据的特征表示，并结合多组学对比学习和特征级、组学级的自注意力机制，以动态识别最具信息量的特征	本文未提及具体的局限性	研究目的是通过整合异质性和高维的多组学数据，更全面地理解疾病和表型	研究对象是多组学数据，特别是存在不完整数据的情况	机器学习	NA	对比学习、自注意力机制	自编码器	多组学数据	四个公共多组学数据集
993	2024-12-18	A Multitask Approach for Automated Detection and Segmentation of Thyroid Nodules in Ultrasound Images 2023-Mar-28, medRxiv : the preprint server for health sciences DOI:10.1101/2023.01.31.23285223 PMID:36778410	研究论文	本文提出了一种多任务方法，用于在超声图像中自动检测和分割甲状腺结节	该方法通过结合异常检测模块与U-Net架构变体，实现了对可疑图像的检测和潜在结节的分割，提高了模型的临床可转化性	NA	开发一种自动化的方法，用于在超声图像中检测和分割甲状腺结节，以改善风险分层并减少医疗成本和患者不适	甲状腺结节和甲状腺癌	计算机视觉	甲状腺癌	深度学习	U-Net	图像	280名患者，共9,888张图像
994	2024-12-18	Automated evaluation of cardiac contractile dynamics and aging prediction using machine learning in a Drosophila model 2023-Mar-21, Research square DOI:10.21203/rs.3.rs-2635745/v1 PMID:36993511	研究论文	本文提出了一种基于深度学习的平台，用于果蝇心脏的光学显微镜图像分割，并首次量化了心脏生理参数在衰老过程中的变化	首次使用深度学习和机器学习方法预测果蝇的衰老，并量化心脏生理参数，同时提出了预测心律失常的节律级动态分析方法	本文未详细讨论模型的可解释性和泛化能力	开发一种自动化方法，用于评估果蝇心脏收缩动力学和预测衰老	果蝇心脏的收缩动力学和衰老过程	机器学习	心血管疾病	深度学习	CNN	视频	实验测试数据集用于验证衰老模型
995	2024-12-18	A deep hybrid learning pipeline for accurate diagnosis of ovarian cancer based on nuclear morphology 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0261181 PMID:34995293	研究论文	本文提出了一种基于核形态学的深度混合学习管道，用于卵巢癌的准确诊断	本文创新性地结合了核形态学特征和深度学习技术，开发了一种新的深度混合学习模型，显著提高了诊断准确性	本文仅进行了初步研究，样本量较小，需要进一步验证和扩展	研究目的是通过结合核形态学特征和机器学习技术，区分正常组织和卵巢癌组织	研究对象是卵巢癌和正常组织的核形态学特征	数字病理学	卵巢癌	深度学习	CNN	图像	卵巢癌和正常组织的样本
996	2024-12-17	A protocol for trustworthy EEG decoding with neural networks 2025-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106847 PMID:39549492	研究论文	本文设计了一种全面的脑电图解码协议，通过探索整个流程的超参数并使用多种子初始化来提供稳健的性能估计	提出了一个包含多种子初始化的全面超参数搜索协议，显著提高了脑电图解码的可靠性和性能	实验仅在特定的脑电图数据集和模型上验证，可能需要进一步验证其在其他数据集和模型上的适用性	设计一种可信赖且可靠的脑电图解码协议	脑电图解码任务中的超参数优化和性能稳定性	机器学习	NA	深度学习	神经网络	脑电图数据	204名参与者和26次记录会话
997	2024-12-17	Towards generalizable face forgery detection via mitigating spurious correlation 2025-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106909 PMID:39579752	研究论文	本文提出了一种通过减少特征间的虚假相关性来提高人脸伪造检测模型泛化能力的方法	提出了Feature Independence Constrainer (FIC)来减少特征间的虚假相关性，并引入了细粒度高频成分和特征对齐模块来增强检测模型的性能	未提及具体的局限性	提高人脸伪造检测模型在跨域场景中的泛化能力	人脸伪造图像和视频的检测	计算机视觉	NA	深度学习	NA	图像	多个人脸伪造基准数据集
998	2024-12-17	TV-Net: Temporal-Variable feature harmonizing Network for multivariate time series classification and interpretation 2025-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106896 PMID:39581040	研究论文	本文提出了一种时间可变特征协调网络（TV-Net），用于多变量时间序列分类和解释	引入了一种图注意力机制（GAT-g）来增强全局特征的学习，并首次利用博弈交互来量化特征组合的效用，通过Shapley值动态协调不同时间序列特征的表示能力	NA	解决多变量时间序列分类中的依赖关系学习问题，同时提供可解释性	多变量时间序列数据	机器学习	NA	图注意力机制（GAT-g），博弈交互	深度学习框架	时间序列	30个多变量时间序列数据集
999	2024-12-17	Deep learning techniques for automated Alzheimer's and mild cognitive impairment disease using EEG signals: A comprehensive review of the last decade (2013 - 2024) 2025-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108506 PMID:39581069	综述	本文综述了过去十年中使用脑电信号进行阿尔茨海默病和轻度认知障碍自动检测的深度学习技术	首次系统性地探讨了使用脑电信号对轻度认知障碍和阿尔茨海默病进行分类的方法，并提出了未来研究的方向	本文指出了当前深度学习在轻度认知障碍和阿尔茨海默病检测中的局限性，并提出了改进建议	探讨深度学习技术在脑电信号检测轻度认知障碍和阿尔茨海默病中的应用，并为未来研究提供参考	轻度认知障碍和阿尔茨海默病	机器学习	老年疾病	深度学习	NA	脑电信号	74篇相关文献
1000	2024-12-17	Separable integral neural networks 2025-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106838 PMID:39615156	研究论文	本文提出了一种可分离积分层，用于在连续方式下表示离散的深度可分离卷积操作，并构建了一组轻量级的可分离积分神经网络（SINNs），部署在资源受限的移动设备上	创新点在于提出了可分离积分层，结合了积分神经网络和可分离卷积操作的优点，能够在保持竞争性能的同时降低计算成本	NA	研究目的是解决传统积分神经网络在移动设备上应用时无法表示可分离卷积操作的问题	研究对象是可分离积分层和基于此构建的轻量级神经网络	机器学习	NA	积分神经网络	CNN	图像	ImageNet数据集