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
13161	2024-11-06	Transferable and data efficient metamodeling of storm water system nodal depths using auto-regressive graph neural networks 2024-Nov-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122396 PMID:39276474	研究论文	本文提出了一种基于自回归图神经网络的雨水系统节点深度元模型，旨在提高计算效率和数据利用率	本文创新性地应用了归纳偏置和迁移学习方法，构建了一种需要较少数据且在其他地方使用时仍能保持高性能的雨水系统元模型	NA	研究目的是开发一种高效的雨水系统元模型，以减少计算时间和数据需求	研究对象是雨水管理系统中的节点深度	机器学习	NA	自回归图神经网络	自回归图神经网络	数值数据	NA
13162	2024-11-06	Self-Supervised Learning for Generic Raman Spectrum Denoising 2024-Nov-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01550 PMID:39441128	研究论文	本文提出了一种基于自监督学习的通用拉曼光谱去噪算法	该算法采用U-Net网络结构，通过子采样策略避免潜在的偏差干扰，显著提高了信号噪声比和检测深度	NA	解决拉曼光谱去噪中的参数优化问题，提高去噪效果和检测深度	拉曼光谱和表面增强拉曼散射光谱	光谱学	NA	自监督学习	U-Net	光谱数据	广泛范围的光谱数据
13163	2024-11-06	Exploring nonlinear correlations among transition metal nanocluster properties using deep learning: a comparative analysis with LOO-CV method and cosine similarity 2024-Nov-04, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ad892c PMID:39433057	研究论文	本文介绍了一种利用深度学习技术快速准确分析过渡金属纳米团簇非线性性质的新方法	采用深度神经网络（DNN）结合留一交叉验证（LOO-CV）和余弦相似度，提供了一种比传统密度泛函理论方法更高效的预测方法	NA	探索过渡金属纳米团簇性质之间的非线性相关性	第四行过渡金属纳米团簇的多种性质，包括总能量、最低振动模式、结合能和HOMO-LUMO能隙	机器学习	NA	深度神经网络（DNN）	深度神经网络（DNN）	电子和物理特性数据	涉及多种过渡金属纳米团簇的样本
13164	2024-11-06	Data-driven and privacy-preserving risk assessment method based on federated learning for smart grids 2024-Nov-02, Communications engineering DOI:10.1038/s44172-024-00300-6 PMID:39488597	研究论文	本文介绍了一种基于联邦学习的数据驱动和隐私保护的智能电网风险评估方法	结合深度学习和安全加密技术，在联邦学习框架下保护电网运营商的数据隐私	未提及具体的局限性	开发一种能够保护数据隐私并提高风险评估准确性的智能电网风险评估方法	智能电网的安全风险评估	机器学习	NA	联邦学习、同态加密	深度卷积神经网络	高维操作数据	IEEE 14-bus和IEEE 118-bus系统
13165	2024-11-06	DeepAIP: Deep learning for anti-inflammatory peptide prediction using pre-trained protein language model features based on contextual self-attention network 2024-Nov, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.136172 PMID:39357724	研究论文	提出了一种基于预训练蛋白质语言模型特征和上下文自注意力网络的深度学习模型，用于预测抗炎肽	使用预训练蛋白质语言模型提取特征，并结合上下文自注意力模块，显著提高了抗炎肽预测的准确性	未提及	开发一种新的深度学习模型，用于准确预测抗炎肽	抗炎肽的预测	机器学习	NA	深度学习	上下文自注意力网络	蛋白质序列	17种新型抗炎肽序列
13166	2024-11-06	FlexSleepTransformer: a transformer-based sleep staging model with flexible input channel configurations 2024-11-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76197-0 PMID:39487223	研究论文	提出了一种基于Transformer的睡眠分期模型FlexSleepTransformer，能够处理不同数量的输入通道	FlexSleepTransformer是首个能够在不同PSG通道数量的数据集上同时训练的模型	NA	开发一种能够适应不同PSG通道数量的睡眠分期模型，以促进临床应用	睡眠分期	机器学习	NA	Transformer	Transformer	信号	使用了两个数据集：SleepEDF-78和SleepUHS
13167	2024-11-06	Improving crop production using an agro-deep learning framework in precision agriculture 2024-Nov-01, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05970-9 PMID:39487390	研究论文	研究通过应用深度学习技术提升精准农业的效果	开发了Agro Deep Learning Framework (ADLF)来处理大量农业数据，以提高作物管理的决策过程和检测潜在问题	未来研究可以进一步优化模型并探索其在不同作物和农业环境中的适用性	通过深度学习技术提升精准农业的效果	精准农业中的作物管理	机器学习	NA	深度学习	ADLF	数据集	包括土壤湿度、温度和湿度等变量的大量数据集
13168	2024-11-06	Segmentation of periapical lesions with automatic deep learning on panoramic radiographs: an artificial intelligence study 2024-Nov-01, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-05126-4 PMID:39487404	研究论文	研究评估了基于U²-Net架构的人工智能模型在全景X光片上检测根尖病变的诊断准确性	首次使用基于U²-Net架构的人工智能模型进行根尖病变的自动分割	需要进一步研究以提高诊断准确性，尤其是使用更大的数据集	评估人工智能模型在全景X光片上检测根尖病变的诊断准确性	根尖病变	计算机视觉	牙科疾病	深度学习	U²-Net	图像	400张全景X光片，包含780个根尖透光区
13169	2024-11-06	Efficient brain tumor grade classification using ensemble deep learning models 2024-Nov-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01476-1 PMID:39487431	研究论文	本文提出了一种基于集成深度学习模型的脑肿瘤分级分类方法	使用MobileNetV2模型提取图像特征，提高了模型的效率和泛化能力	NA	提高脑肿瘤诊断的准确性	脑肿瘤MRI图像的分级分类	计算机视觉	脑肿瘤	深度学习	MobileNetV2	图像	六个标准的Kaggle脑肿瘤MRI数据集
13170	2024-11-06	Automated surgical skill assessment in colorectal surgery using a deep learning-based surgical phase recognition model 2024-Nov, Surgical endoscopy DOI:10.1007/s00464-024-11208-9 PMID:39214877	研究论文	研究利用深度学习模型自动评估结直肠手术技能的可行性	首次提出使用手术阶段识别模型来评估手术技能，减少了主观性和偏见	样本量相对较小，可能影响模型的泛化能力	验证使用手术阶段识别模型自动评估手术技能的可行性	评估不同技能水平的手术视频，包括专家组、中级组和新手组	计算机视觉	NA	深度学习	NA	视频	共85个手术视频，分为专家组（26个视频）、中级组（32个视频）和新手组（27个视频）
13171	2024-11-06	Recent advances in fish cutting: From cutting schemes to automatic technologies and internet of things innovations 2024-Nov, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70039 PMID:39495567	综述	本文综述了鱼类切割技术的最新进展，从切割方案到自动化技术和物联网创新	本文介绍了物联网、人工智能、大数据和区块链技术在鱼类切割过程中的应用，以及这些技术如何通过传感器、机器视觉和深度学习等手段实现自动化切割	NA	探讨鱼类切割技术的自动化和物联网应用，以提高生产效率和产品质量	鱼类切割技术及其自动化和物联网应用	NA	NA	物联网、人工智能、大数据、区块链	NA	NA	NA
13172	2024-11-06	Early Alzheimer's disease diagnosis via handwriting with self-attention mechanisms 2024-Nov, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877241283920 PMID:39497308	研究论文	本研究利用自注意力机制通过书写分析进行阿尔茨海默病的早期诊断	提出了一种利用自注意力机制进行阿尔茨海默病早期诊断的新方法，显著提高了诊断准确性和可靠性	NA	开发一种高效、快速且准确的阿尔茨海默病早期诊断方法	阿尔茨海默病患者的书写数据	机器学习	阿尔茨海默病	自注意力机制	自注意力模型	书写数据	25种不同的书写任务
13173	2024-11-06	A genetic programming Rician noise reduction and explainable deep learning model for Alzheimer's diseases severity prediction 2024-Nov, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877241283684 PMID:39497314	研究论文	本文提出了一种遗传编程方法用于减少MRI图像中的Rician噪声，并结合可解释深度学习模型用于阿尔茨海默病严重程度的预测	本文创新性地结合了遗传编程技术和可解释深度学习框架，有效减少了MRI图像中的Rician噪声，并提高了阿尔茨海默病诊断的准确性	本文未详细讨论模型在不同数据集上的泛化能力	解决MRI图像中的噪声问题，并高效预测阿尔茨海默病的严重程度	MRI图像中的Rician噪声和阿尔茨海默病的严重程度	计算机视觉	阿尔茨海默病	遗传编程	深度学习	图像	多种医学样本
13174	2024-11-06	Predicting somatic mutation origins in cell-free DNA by semi-supervised GAN models 2024-Oct-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39379 PMID:39492904	研究论文	本文开发了一种半监督生成对抗网络模型，用于区分细胞游离DNA中的肿瘤相关突变和克隆性造血相关突变	本文首次采用半监督生成对抗网络模型来区分细胞游离DNA中的肿瘤相关突变和克隆性造血相关突变，并取得了95%的AUC	NA	开发一种新的机器学习技术，用于区分细胞游离DNA中的肿瘤相关突变和克隆性造血相关突变	细胞游离DNA中的单核苷酸变异	机器学习	NA	半监督生成对抗网络	SSGAN	基因组数据	约25,000个单核苷酸变异
13175	2024-11-06	Enhancing De Novo Drug Design across Multiple Therapeutic Targets with CVAE Generative Models 2024-Oct-29, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c08027 PMID:39493989	研究论文	本文介绍了一种基于条件变分自编码器（CVAE）的生成模型，用于跨多个治疗靶点的从头药物设计	本文的创新点在于使用CVAE生成模型，结合SMILES和SELFIES分子表示，生成具有特定属性配置文件的分子，并在多个治疗靶点上验证了其有效性	NA	提高药物发现过程的效率和多样性	生成能够结合CDK2、PPARγ和DPP-IV三种治疗靶点的新分子	机器学习	NA	深度学习	条件变分自编码器（CVAE）	分子表示（SMILES和SELFIES）	NA
13176	2024-11-06	Unveiling Encrypted Antimicrobial Peptides from Cephalopods' Salivary Glands: A Proteolysis-Driven Virtual Approach 2024-Oct-29, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c01959 PMID:39494035	研究论文	本研究通过计算机模拟蛋白酶解技术，揭示了头足类动物唾液腺中潜在的抗菌肽库	首次利用计算机模拟蛋白酶解技术从海洋头足类动物唾液腺中挖掘抗菌肽，填补了该领域的研究空白	研究主要基于计算机模拟，尚未进行实验验证	揭示头足类动物唾液腺中潜在的抗菌肽库，为新型抗菌药物开发提供资源	头足类动物唾液腺中的抗菌肽	生物信息学	NA	计算机模拟蛋白酶解	机器学习、深度学习、多查询相似性模型、复杂网络	蛋白质序列	14种头足类动物的唾液腺，包含5,412,039个标准和非标准蛋白质
13177	2024-11-06	Exploring the Role of Mobile Apps for Insomnia in Depression: Systematic Review 2024-Oct-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/51110 PMID:39423009	综述	本文系统地回顾和评估了针对抑郁症和失眠的移动应用程序，强调了其特点、有效性和当前研究的差距	本文首次系统地评估了同时针对抑郁症和失眠的移动应用程序，揭示了新的应用和研究空白	本文仅限于2017年至2023年间发表的文献，可能未涵盖所有相关研究	系统地回顾和评估针对抑郁症和失眠的移动应用程序，揭示其特点、有效性和研究差距	抑郁症和失眠的移动应用程序	自然语言处理	精神疾病	自然语言处理、机器学习	NA	文本	18篇全文文章
13178	2024-11-06	A community effort to optimize sequence-based deep learning models of gene regulation 2024-Oct-11, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02414-w PMID:39394483	研究论文	本文通过DREAM挑战赛评估了不同模型架构和训练策略对基因调控模型性能的影响	开发了Prix Fixe框架，将模型分解为模块化构建块，并测试了所有可能的组合，进一步提高了模型性能	NA	评估模型架构和训练策略对基因组学模型性能的影响	随机启动子DNA序列及其在酵母中的表达水平	机器学习	NA	深度学习	神经网络	DNA序列	数百万个随机启动子DNA序列
13179	2024-11-06	DeepVID v2: self-supervised denoising with decoupled spatiotemporal enhancement for low-photon voltage imaging 2024-Oct, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.11.4.045007 PMID:39474199	研究论文	本文介绍了DeepVID v2，一个用于低光子电压成像的自监督去噪框架，通过解耦的空间和时间增强能力显著提升成像质量	DeepVID v2引入了新的空间先验提取分支，以捕捉精细的结构细节，学习高空间分辨率信息，并提供了在线和离线两种版本以满足不同的去噪需求	NA	开发一种能够有效去噪并提升低光子电压成像质量的自监督深度学习框架	低光子电压成像数据中的噪声和成像质量	计算机视觉	NA	自监督深度学习	NA	图像	NA
13180	2024-11-06	Reproducibility and explainability in digital pathology: The need to make black-box artificial intelligence systems more transparent 2024-Oct, Journal of public health research IF:1.6Q3 DOI:10.1177/22799036241284898 PMID:39493704	研究论文	本文探讨了人工智能在数字病理学中的可重复性和可解释性问题，强调了使黑箱人工智能系统更加透明的必要性	本文提出了在数字病理学中应用人工智能算法的新工具，并强调了这些工具在分析病理组织方面的成功应用	本文指出，尽管人工智能在数字病理学中取得了成功，但大多数临床实践中的病理学家缺乏使用这些算法的专门培训	本文旨在探讨人工智能在数字病理学中的可重复性和可解释性，以及如何使这些系统更加透明	本文研究的对象是数字病理学中的人工智能系统及其在病理组织分析中的应用	数字病理学	NA	机器学习 (ML) 和深度学习 (DL)	NA	图像	NA