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
11161	2024-12-05	AutoLDT: a lightweight spatio-temporal decoupling transformer framework with AutoML method for time series classification 2024-Nov-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81000-1 PMID:39616188	研究论文	提出了一种基于自动化机器学习技术的轻量级时空解耦Transformer框架AutoLDT，用于时间序列分类	引入模糊位置编码、TS可分离线性自注意力机制和卷积前馈网络，实现轻量级特征提取；采用协方差矩阵自适应进化策略和全局自适应剪枝技术实现自动化网络结构设计	未明确提及	解决时间序列分类中特征提取效果、模型复杂度和模型设计不确定性问题	时间序列数据	机器学习	NA	自动化机器学习	Transformer	时间序列	使用了公开的UCR和UEA时间序列数据集
11162	2024-12-05	Self-supervised spectral super-resolution for a fast hyperspectral and multispectral image fusion 2024-Nov-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81031-8 PMID:39616217	研究论文	本文提出了一种新的自监督光谱超分辨率方法，用于快速高光谱和多光谱图像融合	引入了一种创新的技术，通过训练一个小型深度神经网络来重建高分辨率的高光谱图像，无需高分辨率训练数据，解决了数据稀缺和泛化能力差的问题，并显著降低了计算成本	NA	提高高光谱图像的分辨率	高光谱和多光谱图像	计算机视觉	NA	深度学习	深度神经网络	图像	NA
11163	2024-12-05	A deep learning approach to real-time Markov modeling of ion channel gating 2024-Nov-30, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-024-01369-y PMID:39616256	研究论文	本文提出了一种基于深度学习的实时马尔可夫模型提取方法，用于分析离子通道门控行为	利用深度学习技术从单通道记录中提取马尔可夫模型，并提出了一种评估预测模型优劣的方法	需要进一步验证该方法在不同实验条件下的适用性和准确性	开发一种能够实时分析离子通道门控行为的深度学习方法	离子通道门控行为的实时分析	机器学习	NA	深度学习	神经网络	时间序列	使用模拟数据集进行训练，并在实际的膜片钳实验数据上进行测试
11164	2024-12-05	Interpretable multi-horizon time series forecasting of cryptocurrencies by leverage temporal fusion transformer 2024-Nov-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40142 PMID:39619580	研究论文	研究探讨了在波动性全球金融市场预测加密货币运动的挑战，并开发了一种先进的深度学习增强型时间融合变压器（ADE-TFT）模型来更准确地估计比特币价值	提出了ADE-TFT模型，该模型在预测准确性上优于其底层模型，特别是在使用更高隐藏层配置时，误差指标（MAPE、MSE和RMSE）显著降低	研究强调了需要尝试不同的归一化策略和利用各种市场相关数据来提高模型性能，并指出提高预测准确性可能需要解决这些限制并纳入市场情绪等额外因素	提高加密货币市场预测的准确性，为投资者提供更精确的市场预测	比特币价值预测	机器学习	NA	深度学习	时间融合变压器（TFT）	交易数据	NA
11165	2024-12-05	FASNet: Feature alignment-based method with digital pathology images in assisted diagnosis medical system 2024-Nov-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40350 PMID:39624322	研究论文	本文提出了一种基于特征对齐的数字病理图像分割方法FASNet，用于辅助诊断医疗系统	FASNet通过在编码器和解码器中插入语义感知归一化和语义感知白化模块，实现了同类特征的紧凑性和不同类特征的分离性	深度学习模型需要大量标注数据，病理图像获取成本高且难以获得，标注数据不足容易导致偏差结果	提高数字病理图像分割的准确性和鲁棒性，特别是在训练数据与测试数据分布不匹配的情况下	数字病理图像中的细胞核和组织结构	数字病理学	肿瘤	深度学习	UNW网络	图像	未明确提及具体样本数量
11166	2024-12-05	Design of a Low-Complexity Deep Learning Model for Diagnosis of Type 2 Diabetes 2024-Nov-29, Current diabetes reviews IF:2.4Q3 DOI:10.2174/0115733998307556240819093038 PMID:39620332	研究论文	本文设计了一种用于2型糖尿病诊断的低复杂度深度学习模型	提出了一个结合卷积神经网络和多层感知器的混合模型，以实现低复杂度和高准确性	NA	开发一种低复杂度的深度学习模型用于2型糖尿病的诊断	2型糖尿病的诊断	机器学习	糖尿病	深度学习	CNN+MLP	数据集	使用了公开的PIMA Indian Diabetes Dataset (PIDD)
11167	2024-12-05	Based on computer simulation and experimental verification: mining and characterizing novel antimicrobial peptides from soil microbiome 2024-Nov-28, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.142275 PMID:39626551	研究论文	开发了一种基于深度学习的预测管道，从土壤宏基因组数据中识别潜在的抗菌肽，并通过实验验证其抗菌活性	利用深度学习技术从土壤微生物组中挖掘和表征新型抗菌肽，提供了一种高效且成本较低的筛选方法	NA	发现新型抗菌肽，以增强食品安全和延长食品保质期	土壤微生物组中的抗菌肽	机器学习	NA	深度学习	深度学习模型	宏基因组数据	九种候选肽
11168	2024-12-05	Deep learning for genomic selection of aquatic animals 2024-Nov, Marine life science & technology IF:5.8Q1 DOI:10.1007/s42995-024-00252-y PMID:39620094	综述	本文综述了深度学习在基因组选择中的应用现状和潜力	深度学习技术如深度神经网络、卷积神经网络和自编码器在基因组选择中的应用，提高了遗传评估的准确性	NA	探讨深度学习在基因组选择中的应用及其未来发展方向	水产动物的表型、基因型和基因组估计育种值	机器学习	NA	深度学习	深度神经网络、卷积神经网络、自编码器	基因型数据	NA
11169	2024-12-05	Automatic segmentation of extensor carpi ulnaris tendon and detection of tendinosis with convolutional neural networks 2024-Nov, Acta radiologica open IF:0.9Q4 DOI:10.1177/20584601241297530 PMID:39624259	研究论文	本研究利用卷积神经网络（CNN）自动检测和分割尺侧腕伸肌腱及其腱鞘炎，并评估其在2D腕部MRI中的表现	首次使用卷积神经网络自动检测和分割尺侧腕伸肌腱及其腱鞘炎，提供了一种自动化诊断慢性腕痛的方法	研究样本量较小，且仅限于2D腕部MRI图像，未来需要在大规模数据集上验证和改进模型	开发一种用于自动检测尺侧腕伸肌腱及其腱鞘炎的卷积神经网络，并验证其在2D腕部MRI中的可行性	尺侧腕伸肌腱及其腱鞘炎的自动检测和分割	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	1081名接受腕部MRI检查的患者，其中46名患者患有腱鞘炎
11170	2024-12-05	A deep learning model for predicting the modified micro-dosimetric kinetic model-based dose and the dose-averaged linear energy transfer for prostate cancer in carbon ion therapy 2024-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100671 PMID:39624391	研究论文	本研究开发了一种深度学习模型，用于快速预测碳离子治疗中前列腺癌的修正微剂量动力学模型（mMKM）剂量和剂量平均线性能量转移（LET）分布	本研究首次将深度学习应用于预测碳离子治疗中前列腺癌的mMKM剂量和LET分布，提供了一种快速、准确的评估工具	本研究仅使用了50名患者的样本数据进行训练和测试，样本量较小	开发一种快速、准确的工具，用于评估碳离子治疗中前列腺癌的生物剂量和剂量平均线性能量转移（LET）变化	前列腺癌患者在碳离子治疗中的修正微剂量动力学模型（mMKM）剂量和剂量平均线性能量转移（LET）分布	机器学习	前列腺癌	深度学习	深度学习模型	图像	50名前列腺癌患者
11171	2024-12-05	[Changes in FDG-PET Images of Small Lung and Liver Masses Caused by the Deep Learning-based Time-of-flight Processing] 2024, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-1518 PMID:39617445	研究论文	研究评估了基于深度学习的飞行时间处理（DL-ToF）对PET图像中肺部和肝脏小肿块的影响	DL-ToF通过后处理模拟飞行时间效应，应用深度学习增强PET图像	研究仅使用了一个胸腹部仿真模型，未涉及临床数据	评估DL-ToF在PET成像中的有效性	肺部和肝脏的小肿块	计算机视觉	NA	PET成像	深度学习	图像	一个胸腹部仿真模型
11172	2024-12-05	Estimating protein-ligand interactions with geometric deep learning and mixture density models 2024, Journal of biosciences IF:2.1Q2 PMID:39618061	研究论文	本文介绍了一种基于几何深度学习和混合密度模型的方法，用于预测蛋白质与配体的结合构象	开发了一种生成蛋白质图形表示的技术，利用图神经网络学习基于距离概率的统计势能，并结合全局优化算法进行配体结合构象的预测	NA	改进现有的基于物理学的解决方案，提高蛋白质与配体相互作用的预测精度	蛋白质与配体的结合构象	计算机视觉	NA	几何深度学习	图神经网络	结构数据	NA
11173	2024-12-05	A review of epilepsy detection and prediction methods based on EEG signal processing and deep learning 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1468967 PMID:39618710	综述	本文综述了基于脑电图信号处理和深度学习的癫痫检测与预测方法	本文强调了卷积神经网络（CNN）和循环神经网络（RNN）在癫痫检测中的应用，并建议进一步探索新的网络模型	公开数据集缺乏癫痫类型的多样性，且收集条件可能不反映真实世界情况，导致信号预处理方法受限	探讨有效的癫痫检测与预测方法，以促进患者康复和优化医疗流程	癫痫脑电图信号的检测与预测	机器学习	癫痫	深度学习	CNN, RNN	脑电图信号	NA
11174	2024-12-05	Advanced Analysis of OCT/OCTA Images for Accurately Differentiating Between Glaucoma and Healthy Eyes Using Deep Learning Techniques 2024, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S472231 PMID:39618988	研究论文	评估OCT和OCTA图像在区分青光眼和健康眼睛中的区分能力，使用深度学习技术	提出了一种结合OCT和OCTA图像的深度学习方法，用于更准确地区分青光眼和健康眼睛	研究样本量相对较小，可能影响结果的普适性	评估OCT和OCTA图像在区分青光眼和健康眼睛中的有效性	青光眼和健康眼睛的OCT和OCTA图像	计算机视觉	眼科疾病	深度学习	卷积神经网络 (CNN)	图像	157名受试者的1106次眼扫描
11175	2024-12-05	Segmentation of glioblastomas via 3D FusionNet 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1488616 PMID:39619438	研究论文	本文提出了一种用于脑肿瘤自动分割的端到端3D深度学习模型	FusionNet结合了U-Net和SegNet的优点，在肿瘤分割性能上优于两者	尽管模型在脑肿瘤分割上表现出色，但仍有提升空间	开发一种能够自动分割脑肿瘤的3D深度学习模型	胶质母细胞瘤（GBM）患者的脑肿瘤	计算机视觉	脑肿瘤	NA	FusionNet	MRI图像	630名GBM患者
11176	2024-12-05	Advancing EGFR mutation subtypes prediction in NSCLC by combining 3D pretrained ConvNeXt, radiomics, and clinical features 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1464555 PMID:39619439	研究论文	本研究开发了一种结合3D预训练ConvNeXt、放射组学和临床特征的新方法，用于预测非小细胞肺癌患者中表皮生长因子受体（EGFR）及其亚型的表达状态	本研究首次将3D预训练ConvNeXt与放射组学和临床特征结合，用于EGFR突变及其亚型的预测	本研究为回顾性研究，样本量有限，未来需在更大规模的前瞻性研究中验证模型的有效性	开发一种新的方法，用于预测非小细胞肺癌患者中EGFR及其亚型的表达状态	非小细胞肺癌患者的EGFR及其亚型表达状态	计算机视觉	肺癌	3D卷积神经网络（3D-CNN）	ConvNeXt	图像	732名非小细胞肺癌患者
11177	2024-12-05	IGAMT: Privacy-Preserving Electronic Health Record Synthesization with Heterogeneity and Irregularity 2024, Proceedings of the ... AAAI Conference on Artificial Intelligence. AAAI Conference on Artificial Intelligence DOI:10.1609/aaai.v38i14.29491 PMID:39619768	研究论文	提出了一种名为IGAMT的框架，用于生成隐私保护的合成电子健康记录（EHR）数据，解决了特征异质性、结构缺失值和时间测量不规则性等问题	IGAMT框架不仅能够生成高质量的合成EHR数据，还能在隐私保护和数据效用之间实现更好的平衡	未明确提及	解决电子健康记录数据在机器学习应用中的隐私和安全问题	电子健康记录数据及其合成方法	机器学习	NA	深度学习	NA	文本	未明确提及
11178	2024-12-05	Deep learning methods for high-resolution microscale light field image reconstruction: a survey 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1500270 PMID:39624772	综述	本文综述了基于深度学习的光场显微图像重建技术的最新进展	本文分类并分析了三种基于深度学习的光场显微重建算法的特点	本文讨论了提高光场显微预测时间信息的准确性、获取光场训练数据、利用现有数据进行数据增强以及深度神经网络的可解释性等挑战	综述基于深度学习的光场显微图像重建技术	光场显微图像重建技术	计算机视觉	NA	深度学习	NA	图像	NA
11179	2024-12-05	Efficient generation of HPLC and FTIR data for quality assessment using time series generation model: a case study on Tibetan medicine Shilajit 2024, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2024.1503508 PMID:39624838	研究论文	本研究使用深度学习模型TimeVQVAE生成高效液相色谱（HPLC）和傅里叶变换红外光谱（FTIR）数据，以评估藏药Shilajit的质量	首次采用TimeVQVAE模型生成HPLC和FTIR数据，显著提高了数据量和分类准确性	研究仅限于Shilajit样本，未探讨其他药材的适用性	解决高原特色药材样本稀缺问题，提高质量评估的准确性和稳定性	藏药Shilajit	机器学习	NA	高效液相色谱（HPLC）、傅里叶变换红外光谱（FTIR）	时间向量量化变分自编码器（TimeVQVAE）	时间序列数据	三种等级的Shilajit样本
11180	2024-12-02	Measurement of the Acetabular Cup Orientation After Total Hip Arthroplasty Based on 3-Dimensional Reconstruction From a Single X-Ray Image Using Generative Adversarial Networks 2025-Jan, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2024.06.059 PMID:38944061	研究论文	本研究利用生成对抗网络（GANs）从单张术后全髋关节置换术（THA）X光片重建三维CT图像，并验证其髋臼杯角度测量的准确性	首次使用生成对抗网络从单张X光片重建三维CT图像，用于髋臼杯角度的测量	模型在髋臼杯位置不良的情况下测量误差较大，需要进一步改进	验证生成对抗网络从单张术后THA X光片重建三维CT图像并测量髋臼杯角度的可行性	髋臼杯的角度测量	计算机视觉	NA	生成对抗网络（GANs）	生成对抗网络（GANs）	图像	386名接受无骨水泥髋臼杯全髋关节置换术的患者，训练数据集包括522张CT图像和2282张X光图像