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
13261	2024-08-05	Large Language Models and Genomics for Summarizing the Role of microRNA in Regulating mRNA Expression 2024-Jul-10, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12071535 PMID:39062108	研究论文	本文探讨了microRNA与mRNA之间的相互作用及其在基因表达调控中的重要性	本文通过构建miRNA-mRNA相互作用语料库，评估不同机器学习、深度学习和大型语言模型在提取这些相互作用中的表现	目前的研究主要集中在提取相互作用的精度和召回率上，仍有待进一步提高精度和F-score	旨在提高从PubMed中提取miRNA-mRNA相互作用的效率	对miRNA-mRNA相互作用的提取和分析	机器学习	癌症、心血管疾病、神经系统疾病、代谢疾病	基因组学方法	PubMedBERT和Llama-2	文本	NA
13262	2024-08-05	Deep Learning-Based State-of-Health Estimation of Proton-Exchange Membrane Fuel Cells under Dynamic Operation Conditions 2024-Jul-10, Sensors (Basel, Switzerland) DOI:10.3390/s24144451 PMID:39065848	研究论文	本研究利用深度学习方法评估质子交换膜燃料电池(PEMFC)在动态操作条件下的健康状态(SOH)	首先设计了动态操作条件，并使用LSTM、GRU、TCN和Transformer模型对SOH进行评估，探索不同采样间隔和训练集比例的影响	存在裂纹的PEMFC的电压波动更频繁且更强烈，导致模型更难以准确捕捉动态行为，从而增加预测误差	研究如何在动态操作条件下准确评估PEMFC的健康状态	分析裂纹和无裂纹燃料电池的耐久性测试及其SOH估计	机器学习	NA	深度学习	LSTM、GRU、TCN、Transformer	电压数据	使用无裂纹和均匀裂纹的燃料电池进行耐久性测试
13263	2024-08-05	Biosimilars in the Era of Artificial Intelligence-International Regulations and the Use in Oncological Treatments 2024-Jul-10, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph17070925 PMID:39065775	研究论文	本研究基于生物类似药在生物制药市场成功发展的三个基本方面	提出了不同国家的生物类似药监管差异及其与人工智能建模方法的结合	没有覆盖所有国家的生物类似药监管政策	探讨生物类似药在抗肿瘤治疗中的国际法规及应用	研究八个国家的生物类似药法规及其在癌症治疗中的使用	数字病理学	肿瘤	机器学习工具、强化学习、监督学习、非监督学习和深度学习	NA	NA	八个国家的生物类似药监管和应用数据
13264	2024-08-05	Integrating Convolutional Neural Networks with Attention Mechanisms for Magnetic Resonance Imaging-Based Classification of Brain Tumors 2024-Jul-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070701 PMID:39061782	研究论文	本文介绍了一种结合卷积神经网络和混合注意力机制的脑肿瘤分类方法	创新点在于将卷积神经网络与混合注意力机制结合使用以提高脑肿瘤分类的准确性	关于样本多样性和数据集的限制未在文中具体讨论	研究旨在提高脑肿瘤的诊断效率和准确性	研究对象包括原发性脑肿瘤，如胶质瘤、脑膜瘤、垂体肿瘤及无肿瘤病例	计算机视觉	脑肿瘤	MRI	CNN	图像	使用了标准数据集进行严格测试
13265	2024-08-05	DCNN for Pig Vocalization and Non-Vocalization Classification: Evaluate Model Robustness with New Data 2024-Jul-09, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14142029 PMID:39061490	研究论文	本文介绍了一种深度卷积神经网络(DCNN)架构用于猪叫声与非叫声分类	提出了一种新型特征提取方法Mixed-MMCT，通过整合多种音频特征提高分类准确度	本研究依赖于实际猪农场收集的数据，可能存在数据收集的区域性限制	研究猪叫声的检测和识别，以改善现代猪肉养殖的管理和福利	实际猪农场收集的猪叫声和非叫声数据	机器学习	NA	深度卷积神经网络(DCNN)	NA	音频	12000个WAV文件（2000个猪叫声和2000个非叫声来自三个农场）
13266	2024-08-05	A Novel Hybrid Machine Learning-Based System Using Deep Learning Techniques and Meta-Heuristic Algorithms for Various Medical Datatypes Classification 2024-Jul-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14141469 PMID:39061605	研究论文	这篇文章介绍了一种基于深度学习技术和元启发式算法的混合机器学习系统，用于各种医学数据类型的分类	提出了一种创新的方法，通过结合不同的深度学习方法与元启发式算法，实现高准确率的医学数据分类	NA	旨在改善医学图像分类的精度和效率，促进快速诊断	包括脑肿瘤的磁共振成像（MRI）和COVID-19的胸部X光（CXR）数据集	机器学习	COVID-19，脑肿瘤	卷积神经网络（CNN）、自编码器、粒子群优化（PSO）	CNN，KNN，SVM	图像	NA
13267	2024-08-05	Temporal-Quality Ensemble Technique for Handling Image Blur in Packaging Defect Inspection 2024-Jul-09, Sensors (Basel, Switzerland) DOI:10.3390/s24144438 PMID:39065835	研究论文	本文提出了一种新的推理技术TQE，用于处理包装缺陷检测中的图像模糊问题	创新点在于结合了时间和质量权重，以改善低质量图像的准确性和可靠性	研究主要集中在低质量图像的情况，未探讨高质量图像的表现	旨在提高包装缺陷检测中低质量图像的推理效果	研究对象为在包装缺陷检测中涉及的图像，特别是低质量图像	计算机视觉	NA	深度学习，卷积神经网络（CNN）	CNN	图像	NA
13268	2024-08-05	A comprehensive health assessment approach using ensemble deep learning model for remote patient monitoring with IoT 2024-07-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66427-w PMID:38977848	研究论文	该研究旨在为物联网(IoT)应用开发集成长短期记忆(LSTM)网络和卷积神经网络(CNN)的集成深度学习模型，以实现远程患者监测(RPM)	该研究通过将CNN用于空间分析和特征提取，LSTM用于时间序列建模，提出了一种新颖的方法来提高健康数据的空间和时间关系识别能力	NA	旨在创建一个高精度的远程患者监测模型以改善健康监测的及时性与准确性	研究对象包括心率、血压、脉搏、体温、活动水平、体重管理、呼吸率、药物依从性、睡眠模式和氧气水平等重要健康因子	机器学习	NA	深度学习	LSTM和CNN	生理数据	多个数据集
13269	2024-08-05	Multi-Shared-Task Self-Supervised CNN-LSTM for Monitoring Free-Body Movement UPDRS-III Using Wearable Sensors 2024-Jul-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070689 PMID:39061771	研究论文	本研究开发了一个结合深度学习和可穿戴传感器技术的创新框架，以提高UPDRS评估的准确性	引入了一种新型的多共享任务自监督卷积神经网络-长短期记忆模型用于处理原始陀螺仪信号	研究过程中未提及具体的技术限制	提高帕金森病患者UPDRS评分的监测能力	使用可穿戴传感器的24名帕金森病患者	数字病理学	帕金森病	深度学习	CNN-LSTM	运动数据	24名帕金森病患者的526分钟数据
13270	2024-08-05	Advancing common bean (Phaseolus vulgaris L.) disease detection with YOLO driven deep learning to enhance agricultural AI 2024-07-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66281-w PMID:38971939	研究论文	本研究展示了一种基于深度学习的AI驱动系统，用于快速、经济地检测常见豆类病害	创新性地结合了YOLO架构与深度学习技术，显著提高了疾病检测的准确性和效率	对于微观注释的检测性能普遍低于整体注释，显示出检测精度的意外差异	开发出一种高效的农作物病害检测系统以增强农业AI	主要集中在常见豆类上的五种主要病害的检测	计算机视觉	豆类病害	深度学习	YOLOv7, YOLOv8, YOLO-NAS	图像	涉及来自非洲和哥伦比亚的疾病热点的大量图像数据集
13271	2024-08-05	Artificial intelligence detects awareness of functional relation with the environment in 3 month old babies 2024-07-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66312-6 PMID:38971875	研究论文	本文探讨了如何在早期生命中通过操控婴儿与环境中物体的功能连接来观察目的性行为的出现	采用多种机器学习和深度学习架构对婴儿运动数据进行分类，特别是在分析功能上下文对婴儿行为的影响时，展示了深度学习方法的优势	研究主要集中在特定实验设计中，可能无法广泛推广至所有婴儿群体的行为分析	该研究旨在理解婴儿如何通过与环境的互动而发展出目的性行为	研究对象为三个月大的婴儿及其与环境的交互	计算机视觉	NA	运动捕捉	kNN, LDA, FCNet, 1D-Conv, 1D-CapsNet, 2D-Conv, 2D-CapsNet	运动数据	NA
13272	2024-08-05	An appearance quality classification method for Auricularia auricula based on deep learning 2024-07-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-50739-4 PMID:38969651	研究论文	本文提出了一种基于改进的Faster RCNN框架的耳蘑外观质量分类方法	通过建立多尺度特征融合检测模型，提高了模型的准确性和实时性能	未提及具体的局限性	提升耳蘑行业的智能化外观质量分类方法	耳蘑（Auricularia auricula）的外观质量	计算机视觉	NA	改进的Faster RCNN	Faster RCNN	图像	未提及特定样本量
13273	2024-08-05	Anomaly Detection in Optical Coherence Tomography Angiography (OCTA) with a Vector-Quantized Variational Auto-Encoder (VQ-VAE) 2024-Jul-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070682 PMID:39061764	研究论文	本文提出了一种基于深度学习的模型用于在OCTA中识别异常	这是首个针对OCTA中异常检测的研究	仅评估了两个公共数据集，可能存在数据集代表性的问题	检测OCTA中的异常，以帮助识别眼部或系统性疾病	使用OCTA图像进行异常检测	计算机视觉	NA	深度学习，贝叶斯U-Net	VQ-VAE和自回归建模	图像	两个大型公共数据集，DRAC和OCTA-500
13274	2024-08-05	Effects of Acute Mental Stress on Choroidal Thickness 2024-Jul-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070684 PMID:39061766	研究论文	本研究探讨了心理算术引发的心理压力对脉络膜厚度的影响	首次使用基于深度学习的方法对脉络膜厚度进行分割分析	样本量较小，仅包含33名参与者	研究心理压力对眼部健康，特别是脉络膜厚度的影响	33名年龄在19到29岁之间的参与者	数字病理学	近视	扫掠源光学相干断层扫描（SS-OCT）	深度学习	图像	33个参与者
13275	2024-08-05	GPSFun: geometry-aware protein sequence function predictions with language models 2024-Jul-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae381 PMID:38738636	研究论文	GPSFun是一个用于蛋白质序列功能注释的多功能网络服务器，利用语言模型和几何深度学习。	结合大语言模型和几何图神经网络，提高蛋白质序列功能预测的准确性和应用性。	未提及具体的限制。	提升蛋白质序列功能注释的性能和适用性。	输入的蛋白质序列及其三维构象的功能预测。	计算机视觉	NA	语言模型和几何深度学习	几何图神经网络	蛋白质序列	NA
13276	2024-08-05	Radiomics-Guided Deep Learning Networks Classify Differential Diagnosis of Parkinsonism 2024-Jul-04, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14070680 PMID:39061420	研究论文	本文提出了一种基于放射组学的深度学习模型，用于鉴别帕金森综合症的病理诊断	该研究创新性地结合了放射组学和深度学习，以提高对各种帕金森病类型的诊断能力	研究的局限性在于仅使用了F-FDG PET扫描的数据，可能未考虑其他影像学特征	研究旨在通过放射组学和深度学习技术，提高对非典型帕金森综合症的诊断准确性	研究对象包括1495名参与F-FDG PET扫描的个体，涵盖健康对照和不同类型的帕金森病患者	数字病理学	帕金森病	F-FDG PET扫描	DenseNet	图像	1495个受试者，包括220名健康对照和1275名帕金森病患者
13277	2024-08-05	Exploring the Practical Applications of Artificial Intelligence, Deep Learning, and Machine Learning in Maxillofacial Surgery: A Comprehensive Analysis of Published Works 2024-Jul-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070679 PMID:39061761	综述	本文综合分析了人工智能、深度学习和机器学习在颌面外科中的应用。	强调了人工智能在颌面外科中的重要性及其应用。	未提及特定的技术限制或数据局限性。	探讨人工智能在颌面外科的适用性和重要性。	关注颌面外科中人工智能、深度学习和机器学习的应用研究。	计算机视觉	NA	人工智能，深度学习，机器学习	NA	文献	324篇文献
13278	2024-08-05	Leverage Effective Deep Learning Searching Method for Forensic Age Estimation 2024-Jul-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070674 PMID:39061756	研究论文	本文提出了一种基于正面全景X光图像的牙齿年龄估计方法。	引入了一种新的牙齿数据集和深度神经网络搜索方法，以提高法医年龄估计的准确性。	研究专注于利用正面全景X光图像，可能不适用于其他类型的影像数据。	提升法医医学中成人年龄估计的准确性。	涵盖了27957名个体的正面全景X光图像，包括不同年龄段和性别。	数字病理学	NA	深度神经网络	CNN	图像	27957个正面全景X光图像（16383名女性和11574名男性）
13279	2024-08-05	Auxiliary Diagnosis of Dental Calculus Based on Deep Learning and Image Enhancement by Bitewing Radiographs 2024-Jul-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070675 PMID:39061757	研究论文	该研究提出了一种基于深度学习和图像增强的系统用于检测牙结石	引入了一种新的图像增强算法，结合中值滤波和高斯双边滤波，提高了牙结石分类的准确性	未提及样本数量和多样性	旨在改善牙科中牙结石的早期检测	针对牙科X光图像中的牙结石进行检测	计算机视觉	NA	深度学习	YOLOv8和GoogLeNet	图像	NA
13280	2024-08-05	Deep Learning-Based Automated Measurement of Murine Bone Length in Radiographs 2024-Jul-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070670 PMID:39061752	研究论文	本研究开发了一种基于深度学习的模型，用于从放射图像中自动测量小鼠骨长度	提出了一个新的骨骼检测和测量管道，利用Keypoint R-CNN算法和EfficientNet-B3特征提取模型，提高了测量的准确性和重复性	样本来自特定条件下，可能无法广泛适用于所有小鼠模型或其他类型的骨骼疾病	研究旨在提高小鼠骨长度测量的自动化水平，为小鼠骨骼疾病的研究提供支持	本研究对象为小鼠骨骼，特别是胫骨、股骨及骨盆	数字病理学	NA	深度学习，Keypoint R-CNN，EfficientNet-B3	NA	图像	使用94张X光图像进行训练，592张图像进行独立测试，以及21300张小鼠X光图像作为验证集