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
10621	2024-12-18	Cardiovascular disease prediction model based on patient behavior patterns in the context of deep learning: a time-series data analysis perspective 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1418969 PMID:39676910	研究论文	本文提出了一种基于时间序列数据分析的心血管疾病预测模型LGAP，结合LSTM网络、图神经网络和多头注意力机制，通过分析患者的行为模式和关系图数据，提高预测精度和个性化健康管理	提出了基于时间序列数据分析的LGAP模型，结合LSTM、GNN和多头注意力机制，能够有效捕捉患者行为的动态变化和个性化差异	未提及具体局限性	提高心血管疾病预测的准确性和个性化健康管理	心血管疾病预测模型	机器学习	心血管疾病	LSTM、GNN、多头注意力机制	LGAP	时间序列数据、关系图数据	使用了PhysioNet和NHANES数据集，具体样本量未提及
10622	2024-12-18	Enhancing interpretability and accuracy of AI models in healthcare: a comprehensive review on challenges and future directions 2024, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2024.1444763 PMID:39677978	综述	本文系统回顾了人工智能在医疗保健中的应用，重点评估了模型可解释性和准确性的挑战及未来方向	本文通过系统回顾，提出了提高AI模型在医疗保健中的可解释性和准确性的策略，旨在确保未来AI应用在提升性能的同时保持透明度和患者安全	本文主要讨论了当前AI系统的主要限制，如深度学习模型的黑箱性质和在不同临床环境中的性能差异	探讨人工智能在医疗保健中的应用，特别是模型可解释性和准确性的挑战，并提出未来发展方向	人工智能在医疗保健中的应用，包括诊断影像分析和预测建模	机器学习	NA	NA	深度学习模型	NA	NA
10623	2024-12-18	A segmentation-combination data augmentation strategy and dual attention mechanism for accurate Chinese herbal medicine microscopic identification 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1442968 PMID:39678011	研究论文	本文提出了一种基于深度学习的中药显微识别方法，通过分割-组合数据增强策略和浅深双注意力机制来提高识别准确性	本文的创新点在于提出了分割-组合数据增强策略和浅深双注意力模块，以解决传统显微方法的局限性和数据集不平衡问题	本文未提及具体的局限性	研究目的是提高中药显微识别的自动化水平	研究对象是中药显微图像	计算机视觉	NA	深度学习	双注意力机制	图像	未提及具体样本数量
10624	2024-12-18	Geometric Deep learning Prioritization and Validation of Cannabis Phytochemicals as Anti-HCV Non-nucleoside Direct-acting Inhibitors 2024, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972241306881 PMID:39678171	研究论文	本文利用几何深度学习方法从大麻化合物数据库中筛选并验证了潜在的NS5B抑制剂，作为抗HCV的非核苷类直接作用抑制剂	本文首次使用图神经网络（GNN）进行深度学习虚拟筛选，并结合FEP/MD和分子动力学模拟验证候选化合物	研究仅验证了6个随机选择的候选化合物，未对所有31个候选化合物进行全面验证	筛选并验证大麻化合物中潜在的NS5B抑制剂，以改善HCV治疗的可用性和可及性	大麻化合物数据库中的化合物及其作为NS5B抑制剂的潜力	机器学习	肝炎	图神经网络（GNN），虚拟筛选，重新对接，传统对接，FEP/MD，分子动力学模拟	图神经网络（GNN）	化合物数据库	31个候选化合物，其中6个进行了FEP/MD和分子动力学模拟验证
10625	2024-12-18	Novel statistically equivalent signature-based hybrid feature selection and ensemble deep learning LSTM and GRU for chronic kidney disease classification 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2467 PMID:39678272	研究论文	本文提出了一种基于统计等价签名（SES）的混合特征选择方法，并结合长短期记忆（LSTM）和门控循环单元（GRU）的集成深度学习模型，用于慢性肾脏病（CKD）的分类	本文的创新点在于使用SES方法识别多个具有相似性能的预测特征子集，并结合LASSO方法进行特征选择，同时提出了一种结合LSTM和GRU的集成深度学习模型用于CKD分类	本文的局限性在于仅使用了LASSO和SES方法进行特征选择，未来研究可以探索其他特征选择方法，如动态特征选择方法	本文的研究目的是提高慢性肾脏病分类的准确性	本文的研究对象是慢性肾脏病的分类任务	机器学习	慢性肾脏病	LASSO	LSTM, GRU	数值数据	未明确提及样本数量
10626	2024-12-18	Deep learning-based methodology for vulnerability detection in smart contracts 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2320 PMID:39678274	研究论文	本文提出了一种基于深度学习的智能合约漏洞检测方法	本文的创新点在于提出了一种多标签漏洞检测模型，结合了抽取式摘要方法和深度学习技术	本文未提及具体的局限性	本文的研究目的是解决当前智能合约漏洞检测技术在多重漏洞识别方面的不足	本文的研究对象是智能合约中的漏洞	机器学习	NA	深度学习	深度学习模型	文本	未提及具体样本数量
10627	2024-12-18	Enhancing ransomware defense: deep learning-based detection and family-wise classification of evolving threats 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2546 PMID:39678277	研究论文	本文提出了一种基于深度学习的勒索软件检测和分类方法，使用GN-BiLSTM模型实现了高精度的检测和分类	本文创新性地提出了基于组归一化的双向长短期记忆网络（GN-BiLSTM）方法，用于检测和分类勒索软件变种	本文未详细讨论模型的计算复杂度和资源消耗	研究目的是利用深度学习技术解决多类分类问题，提高勒索软件检测和分类的准确性	研究对象是勒索软件及其变种的检测和分类	机器学习	NA	深度学习	双向长短期记忆网络（BiLSTM）	数据集	使用了CIC-MalMem-2022数据集和10,876个自收集的最新样本，涵盖26个恶意软件家族
10628	2024-12-18	DeepCorr: a novel error correction method for 3GS long reads based on deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2160 PMID:39678285	研究论文	提出了一种基于深度学习的第三代测序长读取错误校正方法DeepCorr	DeepCorr采用循环神经网络捕捉长读取中的长期依赖关系，将长读取错误校正问题转化为多分类任务，并能充分利用未对齐的碱基信息进行校正	未提及具体限制	开发一种高效且准确的第三代测序长读取错误校正方法	第三代测序技术（PacBio和ONT平台）生成的长读取数据	生物信息学	NA	第三代测序技术（3GS）	循环神经网络（RNN）	测序数据	使用真实世界的PacBio和ONT基准数据集进行评估
10629	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
10630	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
10631	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
10632	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
10633	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
10634	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
10635	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
10636	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
10637	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
10638	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
10639	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
10640	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