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
11921	2024-11-17	Harnessing hybrid deep learning approach for personalized retrieval in e-learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308607 PMID:39536054	研究论文	本文提出了一种基于深度学习的课程推荐系统DLCRS，结合GRU+adam优化器和协同过滤技术，提供个性化课程推荐	本文的创新点在于结合了GRU+adam优化器和协同过滤技术，并使用ELMO词嵌入技术进行学习者和课程特征提取，以提高推荐准确性	NA	开发一种能够根据用户知识框架差异提供个性化课程推荐的系统	在线教育平台中的课程推荐	机器学习	NA	ELMO词嵌入技术	GRU	文本	使用了来自知名公共组织的真实数据集进行实验
11922	2024-11-17	Knowledge mapping and research trends of brain-computer interface technology in rehabilitation: a bibliometric analysis 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1486167 PMID:39539351	研究论文	本研究通过文献计量方法分析了脑机接口技术在康复领域的研究进展	首次系统全面地对脑机接口技术在康复领域的应用进行了文献计量分析	研究仅基于Web of Science Core Collection的数据，可能存在数据偏差	分析脑机接口技术在康复领域的研究进展和趋势	脑机接口技术在康复领域的应用	NA	NA	文献计量分析	NA	文献	1431篇相关出版物，4932名作者，1281个机构，79个国家，386种学术期刊
11923	2024-11-17	Parkinson's disease detection from EEG signal employing autoencoder and RBFNN-based hybrid deep learning framework utilizing power spectral density 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241297355 PMID:39539721	研究论文	本文提出了一种基于自编码器和径向基函数神经网络的混合深度学习框架，用于从脑电信号中检测帕金森病	本文的创新点在于结合了自编码器和径向基函数神经网络，提高了帕金森病的检测准确率	NA	本文的研究目的是通过引入混合深度学习方法，克服利用深度学习进行帕金森病准确识别的挑战	本文的研究对象是帕金森病患者的脑电信号	机器学习	帕金森病	脑电信号分析	自编码器和径向基函数神经网络	脑电信号	31名受试者和93分钟的脑电记录
11924	2024-11-17	Predicting an opaque bubble layer during small-incision lenticule extraction surgery based on deep learning 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1487482 PMID:39539961	研究论文	本研究旨在利用深度学习技术预测飞秒激光小切口角膜基质透镜取出术（SMILE）中不透明气泡层（OBL）的形成	开发了一种基于SENet的残差回归深度神经网络模型，用于预测SMILE手术中的OBL形成	研究仅在一家大学医院进行，样本量有限，且仅使用了手术视频数据	预测飞秒激光SMILE手术中不透明气泡层的形成	不透明气泡层（OBL）的形成	计算机视觉	NA	深度学习	深度神经网络	视频	3271个训练样本，704个验证样本，467个内部验证样本
11925	2024-11-17	Facial emotion recognition using deep quantum and advanced transfer learning mechanism 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1435956 PMID:39539995	研究论文	本文提出了一种利用深度量子计算和高级迁移学习机制进行面部情感识别的系统设计	本文创新性地结合了量子计算和残差连接，显著减少了计算时间，并提高了面部情感识别的准确性	NA	开发一种高效准确的面部情感识别系统	面部表情和情感	计算机视觉	NA	量子计算	ResNet-18	图像	NA
11926	2024-11-17	Retraction: Influence of the combination of big data technology on the Spark platform with deep learning on elevator safety monitoring efficiency 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313640 PMID:39541288	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11927	2024-11-17	Cancer genetics and deep learning applications for diagnosis, prognosis, and categorization 2024, Journal of biological methods DOI:10.14440/jbm.2024.0016 PMID:39544183	研究论文	本文探讨了基因表达数据在癌症诊断、预后和分类中的应用，并介绍了深度学习技术在其中的作用	本文提出使用深度学习策略来增强基因表达数据集的维度，并通过合成样本来加强信息范围	基因表达数据集的样本数量有限，且癌症特征多样复杂	研究基因表达数据在癌症诊断、预后和分类中的应用，并探讨深度学习技术在其中的潜力	基因表达数据和癌症疾病	机器学习	癌症	基因表达微阵列	深度学习	基因表达数据	样本数量有限
11928	2024-11-17	LCGSC-YOLO: a lightweight apple leaf diseases detection method based on LCNet and GSConv module under YOLO framework 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1398277 PMID:39544536	研究论文	提出了一种基于LCNet和GSConv模块的轻量级苹果叶病害检测方法LCGSC-YOLO	使用LCNet重建主干网络，引入GSConv和VOVGSCSP模块，并在模型尾部嵌入坐标注意力机制，以减少参数和计算量并提高检测精度	NA	开发一种轻量级且高效的苹果叶病害检测方法	苹果叶病害	计算机视觉	NA	YOLO框架	CNN	图像	Plant Pathology 2021 (FGVC8)和AppleLeaf9混合数据集
11929	2024-11-17	PyComplexHeatmap: a Python package to visualize multimodal genomics data 2023-Aug, iMeta IF:23.7Q1 DOI:10.1002/imt2.115 PMID:38454967	研究论文	介绍了一个名为PyComplexHeatmap的Python库，用于多模态基因组数据的复杂热图可视化	PyComplexHeatmap是基于matplotlib构建的，提供了一个模块化的接口，能够与Pandas、NumPy等Python数据科学工具以及Scanpy等基因组工具无缝集成	NA	开发一个能够满足多模态矩阵数据精细渲染需求的Python库	多模态基因组数据及其元数据	生物信息学	NA	NA	NA	矩阵数据	NA
11930	2024-11-17	Trends in artificial intelligence, machine learning, and chemometrics applied to chemical data 2021-Apr, Analytical science advances IF:3.0Q2 DOI:10.1002/ansa.202000162 PMID:38716450	综述	本文综述了2020年化学数据中化学计量学、机器学习和深度学习的最新趋势	探讨了逆向建模、预处理方法和数据建模在光谱和图像数据中的应用	NA	旨在提高化学数据的应用潜力	化学和光谱数据	机器学习	NA	化学计量学	深度学习	光谱和图像数据	NA
11931	2024-11-15	Characterizing the concentration of ethanol-water solutions by oblique-incidence reflectivity difference combined with deep learning algorithms 2025-Jan-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125069 PMID:39241400	研究论文	本文利用斜入射反射率差分法结合深度学习算法，研究了乙醇-水溶液浓度的检测	本文创新性地将斜入射反射率差分法与多种深度学习算法结合，实现了乙醇-水溶液浓度的快速、非破坏性、准确和可靠的检测	NA	研究乙醇-水溶液浓度的检测方法	乙醇-水溶液的浓度	机器学习	NA	斜入射反射率差分法	多层感知器（MLP）、卷积神经网络（CNN）、长短期记忆网络（LSTM）、CNN + BiLSTM + Attention	信号	体积浓度为0-95%的乙醇-水溶液
11932	2024-11-15	Rapid elimination of scattering in three-dimensional fluorescence spectra via deep learning 2025-Jan-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125121 PMID:39299067	研究论文	本文提出了一种基于深度学习CycleGAN模型的三维荧光光谱散射快速消除方法	利用深度学习CycleGAN模型自动批量消除三维荧光光谱中的散射效应	NA	开发一种能够自动批量消除三维荧光光谱中散射效应的方法	三维荧光光谱中的散射效应	机器学习	NA	深度学习	CycleGAN	光谱	大量模拟的三维荧光光谱数据和两组未见过的真实实验三维荧光光谱数据
11933	2024-11-15	Deep learning and feature reconstruction assisted vis-NIR calibration method for on-line monitoring of key growth indicators during kombucha production 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141411 PMID:39332357	研究论文	本文提出了一种基于深度学习和特征重构的可见近红外光谱校准方法，用于实时监测康普茶生产中的关键生长指标	本文创新性地结合了深度学习技术和可见近红外光谱技术，通过特征重构和多种神经网络模型的比较，实现了对康普茶生产过程中残糖和细菌浓度的实时监测	本文未详细讨论模型的泛化能力和在不同生产条件下的适用性	研究目的是开发一种能够实时监测康普茶生产过程中关键生长指标的方法，以确保产品质量	研究对象是康普茶生产过程中的残糖和细菌浓度	机器学习	NA	可见近红外光谱技术	卷积神经网络（1DCNN和2DCNN）	光谱数据	具体样本数量未在摘要中提及
11934	2024-11-15	A multi-verse optimizer-based CNN-BiLSTM pixel-level detection model for peanut aflatoxins 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141393 PMID:39342735	研究论文	本研究开发了一种基于多宇宙优化器的CNN-BiLSTM融合模型，用于高光谱图像中花生黄曲霉毒素的像素级检测	本研究创新性地使用了多宇宙优化器算法优化CNN-BiLSTM模型，显著提高了黄曲霉毒素检测的准确性和召回率	NA	提高高光谱图像中黄曲霉毒素像素级检测的准确性	花生中的黄曲霉毒素	计算机视觉	NA	多宇宙优化器	CNN-BiLSTM	高光谱图像	不同浓度的黄曲霉毒素光谱数据
11935	2024-11-15	Application of machine vision in food computing: A review 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141238 PMID:39368204	综述	本文基于实际应用案例，综述了机器视觉在食品计算中的研究现状和前景	探讨了基于传统机器学习和深度学习方法的图像识别技术在食品计算中的应用	NA	为食品行业与人工智能技术的融合和交叉提供坚实的理论基础和技术指导	食品计算中的图像识别技术	计算机视觉	NA	机器视觉	传统机器学习方法和深度学习方法	图像	NA
11936	2024-11-15	Integrating different detection techniques and data analysis methods for comprehensive food authenticity verification 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141471 PMID:39368208	综述	本文综述了用于食品真实性验证的先进检测技术和数据分析方法的整合	强调了复杂数据处理方法和多种技术整合在增强食品真实性测试中的关键作用	未具体提及	评估不同数据处理技术的优缺点，并探讨其潜在协同作用	食品真实性检测技术及其数据处理方法	机器学习	NA	机器学习和深度学习	NA	数据	NA
11937	2024-11-15	Image quality improvement in single plane-wave imaging using deep learning 2025-Jan, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107479 PMID:39366205	研究论文	本文提出了一种利用深度学习技术在单平面波成像中提高图像质量的方法	本文提出了一种新的方法，通过考虑单平面波的射频信号特性，使用1D U-Net、2D U-Net及其组合的编码器-解码器模型，生成高质量的超声图像	本文未提及具体的研究局限性	提高单平面波成像中的空间分辨率和对比度	超声图像的质量	计算机视觉	NA	深度学习	U-Net	图像	使用了一个公开的大规模SPWI/CPWC数据集
11938	2024-11-15	Reconstruction of reflection ultrasound computed tomography with sparse transmissions using conditional generative adversarial network 2025-Jan, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107486 PMID:39426346	研究论文	本文提出了一种基于条件生成对抗网络（UCT-GAN）的深度学习框架，用于从稀疏传输数据中高效重建反射超声计算机断层扫描（UCT）图像	利用条件生成对抗网络（UCT-GAN）从稀疏传输数据中高效重建高质量的反射UCT图像	NA	提高反射超声计算机断层扫描（UCT）图像重建的效率和质量	反射UCT图像	计算机视觉	乳腺癌	超声计算机断层扫描（UCT）	条件生成对抗网络（GAN）	图像	使用8次传输的数据进行实验，结果与512次传输的数据重建图像相当
11939	2024-11-15	GNN-DDAS: Drug discovery for identifying anti-schistosome small molecules based on graph neural network 2024-Dec-15, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.27490 PMID:39189298	研究论文	提出了一种基于图神经网络的深度学习框架GNN-DDAS，用于发现抗血吸虫小分子药物	利用图神经网络提取分子图的结构特征，并通过多层感知机从SMILES序列中提取序列特征，最终通过全连接网络预测活性抗血吸虫小分子	未提及具体限制	开发一种新的计算机辅助方法，以提高发现活性抗血吸虫小分子的准确性	抗血吸虫小分子药物	机器学习	寄生虫病	图神经网络	图神经网络	分子图	未提及具体样本数量
11940	2024-11-15	Enhancing protein-ligand binding affinity prediction through sequential fusion of graph and convolutional neural networks 2024-Dec-15, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.27499 PMID:39223071	研究论文	本文提出了一种通过顺序融合图神经网络（GNN）和卷积神经网络（CNN）来预测蛋白质-配体结合亲和力的模型	通过将GNN的中间输出与CNN的输入特征连接，显著提高了模型在CASF-2016基准测试中的性能，并在虚拟筛选任务中展示了其优势	NA	提高蛋白质-配体结合亲和力预测的准确性	蛋白质-配体结合亲和力	机器学习	NA	图神经网络（GNN）、卷积神经网络（CNN）	GNN和CNN的融合模型	结构数据	涉及CASF-2016基准测试数据集和PI5P4Kα目标的虚拟筛选任务