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
13381	2024-10-24	Early detection of dementia through retinal imaging and trustworthy AI 2024-Oct-20, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01292-5 PMID:39428420	研究论文	提出了一种基于视网膜成像和可信AI的阿尔茨海默病早期检测方法	开发了一种名为Eye-AD的深度学习框架，利用OCTA图像检测早期阿尔茨海默病和轻度认知障碍	NA	开发一种简单且经济实惠的阿尔茨海默病检测方法	早期阿尔茨海默病和轻度认知障碍	计算机视觉	阿尔茨海默病	OCTA	深度学习	图像	5751张OCTA图像，来自1671名参与者
13382	2024-10-24	Enhanced climate change resilience on wheat anther morphology using optimized deep learning techniques 2024-10-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74875-7 PMID:39424825	研究论文	研究利用优化深度学习技术增强小麦花药形态对气候变化的适应性	采用DinoLite显微镜高分辨率图像测量小麦花药的长度和宽度，并利用深度学习算法（如CNN、LeNet和Inception-V3）进行记录分类，显著提高了分类准确性	研究主要集中在小麦花药形态的测量和分类，未涉及其他作物或更广泛的气候变化影响	探索深度学习算法在农业记录分类中的应用，特别是监测和识别春小麦种质变异	小麦花药的形态及其在热应激下的变化	机器学习	NA	深度学习	卷积神经网络（CNN）、LeNet、Inception-V3	图像	多种小麦品种的花药
13383	2024-10-24	GrapheNet: a deep learning framework for predicting the physical and electronic properties of nanographenes using images 2024-Oct-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75841-z PMID:39426999	研究论文	本文介绍了一种基于Inception-Resnet架构的深度学习框架GrapheNet，用于通过图像编码预测纳米石墨烯的物理和电子性质	利用二维系统的平面性将结构编码为图像，并结合深度学习在图像处理中的灵活性和强大功能，显著提高了纳米石墨烯性质预测的准确性	NA	开发一种高效的方法来预测纳米石墨烯的物理和电子性质	纳米石墨烯的物理和电子性质	机器学习	NA	深度学习	Inception-Resnet	图像	包含数百个原子的结构数据集
13384	2024-10-24	EIDU-Net: edge-preserved inception DenseGCN U-Net for LiDAR point cloud segmentation 2024-Oct-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74690-0 PMID:39427020	研究论文	提出了一种名为EIDU-Net的边缘保留inception DenseGCN U-Net模型，用于LiDAR点云分割	设计了边缘保留图池化（EGP）层和边缘保留图反池化（EGU）层，以保留原始点云中的边缘特征信息，从而提高特征提取和恢复效率	未提及	解决现有方法在点云分割中丢失局部结构信息和细节特征的问题	LiDAR点云数据	计算机视觉	NA	深度学习	EIDU-Net	点云	使用S3DIS数据集和兵马俑碎片数据集进行实验
13385	2024-10-24	Deep learning based automatic detection and dipole estimation of epileptic discharges in MEG: a multi-center study 2024-10-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75370-9 PMID:39427024	研究论文	本文研究了基于深度学习的MEG中癫痫放电的自动检测和偶极子估计，通过多中心研究提高了检测性能	开发了基于深度学习的癫痫放电自动检测方法，并通过多中心研究显著提高了检测性能	仅在六个MEG中心进行了研究，可能需要进一步验证在其他中心的适用性	通过多中心研究提高基于深度学习的癫痫放电自动检测方法的性能，减少神经生理学家的工作负担	MEG中的癫痫放电及其偶极子估计	机器学习	癫痫	深度学习	NA	MEG数据	六个MEG中心的MEG数据，其中四个中心用于训练和评估，两个中心仅用于评估
13386	2024-10-24	Phenotypic evaluation of deep learning models for classifying germline variant pathogenicity 2024-Oct-19, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00710-x PMID:39427061	研究论文	本文评估了深度学习模型在分类种系变异致病性方面的表型应用	首次在真实临床表型数据上全面评估了深度学习模型的变异致病性预测能力	深度学习模型在应用于意义未明的变异时临床实用性有限	评估深度学习模型在预测种系变异致病性方面的表现	英国生物银行参与者的遗传性乳腺癌基因变异	机器学习	乳腺癌	深度学习	深度学习模型	基因变异数据	英国生物银行参与者
13387	2024-10-24	Physics informed neural network can retrieve rate and state friction parameters from acoustic monitoring of laboratory stick-slip experiments 2024-Oct-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75826-y PMID:39427066	研究论文	本文利用物理信息神经网络（PINN）从实验室粘滑实验的声学监测中提取速率和状态摩擦参数	本文创新性地使用物理信息神经网络（PINN）结合速率和状态摩擦（RSF）定律和声发射率生成方程，通过波幅作为摩擦状态变量的代理，从粘滑实验中学习RSF参数	NA	研究如何从实验室粘滑实验的声学监测数据中提取速率和状态摩擦参数	实验室粘滑实验中的声学监测数据	机器学习	NA	物理信息神经网络（PINN）	物理信息神经网络（PINN）	声学信号	不同应力水平下的实验室粘滑实验数据
13388	2024-10-24	Leveraging the variational Bayes autoencoder for survival analysis 2024-10-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76047-z PMID:39427084	研究论文	本文介绍了一种基于变分自编码器的生存分析方法SAVAE	SAVAE引入了定制的证据下界公式，支持多种参数分布，并展示了在不同实验中的鲁棒性和稳定性	NA	改进生存分析中处理复杂、高维、异质、不完整和删失数据的方法	生存分析中的时间到事件估计，考虑删失、协变量交互和时间变化的风险关联	机器学习	NA	变分自编码器	变分自编码器	表格数据	涉及基因组、临床和人口统计学数据，具有不同程度的删失
13389	2024-10-24	Impact of metadata in multimodal classification of bone tumours 2024-Oct-19, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-024-07934-9 PMID:39427131	研究论文	本文研究了元数据在骨肿瘤多模态分类中的影响	提出了一种结合临床元数据和X射线影像的多模态深度学习模型，以提高骨肿瘤分类的准确性	由于某些实体的罕见性、高类内变异性和临床实践中有限的训练数据，区分不同肿瘤类型仍然具有挑战性	提高骨肿瘤分类的准确性，以指导临床治疗和随访决策	骨肿瘤的分类	计算机视觉	骨肿瘤	深度学习	多模态深度学习模型	影像和临床元数据	1785张X射线影像，来自804名患者，时间跨度为2000至2020年
13390	2024-10-24	Prediction of lumpy skin disease virus using customized CBAM-DenseNet-attention model 2024-Oct-19, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-024-10032-9 PMID:39427155	研究论文	本文提出了一种定制的CBAM-DenseNet-attention模型用于预测和分类牛结节性皮肤病病毒	本文的创新点在于引入了卷积块注意力模块（CBAM）和空间注意力（SA），并结合DenseNet架构，显著提高了牛结节性皮肤病病毒的预测和分类准确率	本文的局限性在于使用的数据集主要来自巴基斯坦的兽医农场，可能缺乏全球代表性，且数据集规模较小，可能导致模型过拟合	本文的研究目的是开发一种高效准确的深度学习模型，用于牛结节性皮肤病病毒的检测和分类	本文的研究对象是牛结节性皮肤病病毒（LSDV）及其在牛群中的传播和检测	计算机视觉	NA	深度学习	DenseNet	图像	数千张来自巴基斯坦兽医农场的图像
13391	2024-10-24	Correlation between CT-based phenotypes and serum biomarker in interstitial lung diseases 2024-Oct-19, BMC pulmonary medicine IF:2.6Q2 DOI:10.1186/s12890-024-03344-8 PMID:39427156	研究论文	研究CT影像特征与血清KL-6水平在间质性肺疾病中的关联	首次探讨了CT影像特征与血清KL-6水平之间的正相关关系，并评估了其对间质性肺疾病患者因呼吸原因住院的预测能力	回顾性观察研究，样本量有限，可能存在选择偏倚	探讨CT影像特征与血清KL-6水平在间质性肺疾病诊断、监测和预后中的关联	间质性肺疾病患者	数字病理学	间质性肺疾病	深度学习	NA	影像	131名间质性肺疾病患者
13392	2024-10-24	Deep learning based approach for actinidia flower detection and gender assessment 2024-10-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73035-1 PMID:39424618	研究论文	研究利用深度学习模型进行猕猴桃花性别检测和评估	首次提出使用深度学习模型进行猕猴桃花性别检测，并评估了四种预训练模型的性能	研究主要集中在模型性能评估，未涉及实际机器人系统的开发	解决猕猴桃花性别检测和评估的问题，为机器人授粉系统提供技术支持	猕猴桃花的性别检测和评估	计算机视觉	NA	深度学习	YOLOv8, YOLOv5, RT-DETR, DETR	图像	手动标注的猕猴桃花数据集，分为两类性别
13393	2024-10-24	Prospective clinical evaluation of deep learning for ultrasonographic screening of abdominal aortic aneurysms 2024-Oct-15, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01269-4 PMID:39406888	研究论文	本研究评估了深度学习算法在辅助无超声经验的护士进行腹主动脉瘤筛查中的应用	首次展示了深度学习算法在辅助无经验护士进行腹主动脉瘤超声筛查中的有效性	样本量较小，且仅限于65岁以上的患者	评估深度学习算法在腹主动脉瘤超声筛查中的应用潜力	腹主动脉瘤的超声筛查	计算机视觉	心血管疾病	深度学习	对象检测算法	图像	184名65岁以上的患者
13394	2024-10-24	Enhancing data security and privacy in energy applications: Integrating IoT and blockchain technologies 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38917 PMID:39430499	研究论文	本文探讨了区块链技术与物联网在能源应用中的集成，特别是核能领域，以增强数据安全性和隐私性	开发了一个包含加密、完整性验证、集成通信网络和稳健数据流架构的安全数据管理框架	需要实际验证，资源受限的物联网环境中的挑战，日益增加的网络威胁，以及实时数据可用性的限制	分析区块链技术与物联网集成在核能应用中的挑战、范围和潜在解决方案	区块链技术与物联网在核能应用中的集成	NA	NA	区块链技术	NA	NA	NA
13395	2024-10-24	PollenNet: A novel architecture for high precision pollen grain classification through deep learning and explainable AI 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38596 PMID:39430511	研究论文	本文介绍了一种名为PollenNet的新型深度学习框架，用于高精度花粉粒分类，并通过可解释AI增强模型的可解释性	PollenNet在花粉粒图像分类方面表现优异，准确率高达98.45%，并结合了可解释AI技术以提高模型的透明度	NA	提高花粉粒分类的准确性和效率	花粉粒的图像分类	计算机视觉	NA	深度学习	深度学习框架	图像	NA
13396	2024-10-24	A convolutional neural network model detecting lasting behavioral changes in mice with kanamycin-induced unilateral inner ear dysfunction 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38938 PMID:39435078	研究论文	本文研究了卡那霉素诱导的单侧内耳功能障碍对小鼠行为变化的长期影响，并使用卷积神经网络模型进行检测	本文首次使用卷积神经网络模型检测小鼠在单侧内耳功能障碍后的长期行为变化，并评估了神经补偿过程	本文仅研究了卡那霉素诱导的单侧内耳功能障碍对小鼠行为的影响，未探讨其他药物或双侧内耳功能障碍的情况	研究单侧内耳功能障碍对小鼠行为的长期影响，并评估神经补偿过程	卡那霉素诱导单侧内耳功能障碍的小鼠	计算机视觉	NA	卷积神经网络	卷积神经网络	视频	自由活动的小鼠在单侧卡那霉素注射后的行为记录
13397	2024-10-24	The deep learning-based physical education course recommendation system under the internet of things 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38907 PMID:39435083	研究论文	研究提出了一种基于深度学习的体育课程推荐系统，结合物联网技术和深度学习，以提高推荐的准确性和个性化	研究结合了物联网技术和生成对抗网络（GAN）模型，特别是改进的正则化惩罚条件特征生成对抗网络（RP-CFGAN）模型，以解决数据稀疏和冷启动问题	模型仍有改进空间，如探索更多正则化技术、保护用户隐私以及扩展系统到更多平台和场景	提高体育课程推荐的准确性和个性化	学生的生理数据、社交互动、学术数据以及学习进度和时间表	机器学习	NA	物联网技术、深度学习	生成对抗网络（GAN）	生理数据、社交互动数据、学术数据	NA
13398	2024-10-24	CLEAR guideline for radiomics: Early insights into current reporting practices endorsed by EuSoMII 2024-Oct-14, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111788 PMID:39437630	研究论文	本研究评估了放射组学研究中的当前报告实践，重点关注CLEAR指南的应用情况	揭示了放射组学研究中自我报告与确认遵守CLEAR指南之间的显著差异	研究仅限于引用CLEAR指南的放射组学研究论文，可能无法全面反映所有放射组学研究的报告实践	评估放射组学研究中CLEAR指南的报告实践	放射组学研究论文中CLEAR指南的应用情况	数字病理学	NA	NA	NA	文本	48篇原始研究论文
13399	2024-10-24	REVEALS: an open-source multi-camera GUI for rodent behavior acquisition 2024-Oct-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae421 PMID:39420472	研究论文	开发了一个名为REVEALS的开源多摄像头图形用户界面，用于采集啮齿动物行为数据	REVEALS提供了一个用户友好的界面，支持同时从多个摄像头采集数据，并能高效地收集和分析大型数据集	NA	开发一种有效、经济且易于获取啮齿动物行为数据的方法	啮齿动物行为数据	计算机视觉	NA	NA	NA	视频	NA
13400	2024-10-24	Massive experimental quantification of amyloid nucleation allows interpretable deep learning of protein aggregation 2024-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.13.603366 PMID:39071305	研究论文	本文通过实验量化了超过10万种蛋白质序列的淀粉样核形成，并训练了一个卷积-注意力混合神经网络CANYA，以准确预测淀粉样核形成	本文通过大规模实验数据集解决了现有计算方法在小且有偏数据集上训练和评估的问题，并提出了CANYA模型，该模型能够解释其决策过程和学习到的语法	NA	解决蛋白质聚集预测中的数据短缺问题，并开发一个可解释的神经网络模型来预测淀粉样核形成	超过10万种蛋白质序列的淀粉样核形成	机器学习	NA	NA	卷积-注意力混合神经网络	序列	超过10万种蛋白质序列