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
13521	2024-10-28	Research on Credit Default Prediction Model Based on TabNet-Stacking 2024-Oct-13, Entropy (Basel, Switzerland) DOI:10.3390/e26100861 PMID:39451938	研究论文	本文提出了一种基于TabNet-Stacking的信用违约预测模型	使用多群体遗传算法优化Attention Transformer自动特征选择模块，并采用粒子群算法优化超参数选择	未提及具体实验数据的局限性	提高信用违约预测的准确性和效率	信用违约预测模型	机器学习	NA	深度学习	TabNet-Stacking	数据	未提及具体样本数量
13522	2024-10-28	Optimizing EEG Signal Integrity: A Comprehensive Guide to Ocular Artifact Correction 2024-Oct-12, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11101018 PMID:39451394	教程	本文提供了一个全面的指南，介绍如何校正眼动伪迹以优化脑电信号的完整性	本文介绍了传统方法如回归技术和独立成分分析，以及更先进的方法如伪迹子空间重建和基于深度学习的算法	NA	提供有效的眼动伪迹校正方法，确保脑电数据的准确性和可靠性	脑电信号中的眼动伪迹	神经科学	NA	独立成分分析 (ICA)、伪迹子空间重建 (ASR)、深度学习	NA	脑电信号 (EEG)	NA
13523	2024-10-28	Advanced Deep Learning Fusion Model for Early Multi-Classification of Lung and Colon Cancer Using Histopathological Images 2024-Oct-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14202274 PMID:39451599	研究论文	本文提出了一种用于早期多分类肺癌和结肠癌的先进深度学习融合模型，利用组织病理学图像进行分析	本文创新性地整合了ResNet-101V2、NASNetMobile和EfficientNet-B0三种深度学习架构，通过特征融合提高分类准确性	NA	旨在通过深度学习模型辅助病理学家早期检测肺癌和结肠癌，减少工作量、时间和成本	肺癌和结肠癌的组织病理学图像	计算机视觉	肺癌	深度学习	深度学习融合模型	图像	LC25000数据集，包含结肠和肺的组织病理学图像
13524	2024-10-28	A Deep Learning Biomimetic Milky Way Compass 2024-Oct-12, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9100620 PMID:39451825	研究论文	研究提出了一种基于深度学习的仿生银河指南针，用于检测航向变化	结合YOLOv8m-seg模型和归一化二阶中心矩计算银河方向角，解决了传统图像分割方法在月光或人造光存在时的不适用问题	在路径涉及左右90°转弯时，与真实值相比存在约5-10°的差异	探索基于视觉的技术，利用银河作为导航线索检测航向变化	银河方向角和夜间导航	计算机视觉	NA	YOLOv8m-seg模型	YOLOv8m-seg	图像	使用了自己的训练数据集，验证数据集上的mAP@0.5为84.7%
13525	2024-10-28	MTC-NET: A Multi-Channel Independent Anomaly Detection Method for Network Traffic 2024-Oct-10, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9100615 PMID:39451821	研究论文	提出了一种新的多通道网络流量异常检测模型MTC-Net，通过分解网络流量序列并引入基于补丁的策略来提高检测性能	将网络流量序列分解为多个一维时间序列，并引入基于补丁的策略，结合Transformer和CNN捕捉复杂模式	未提及	改进网络流量异常检测的性能	网络流量异常检测	机器学习	NA	Transformer, CNN	MTC-Net	网络流量序列	四个公开数据集：KDD Cup 99, NSL-KDD, UNSW-NB15, CIC-IDS2017
13526	2024-10-28	Deep Learning for Epileptic Seizure Detection Using a Causal-Spatio-Temporal Model Based on Transfer Entropy 2024-Oct-10, Entropy (Basel, Switzerland) DOI:10.3390/e26100853 PMID:39451930	研究论文	本文提出了一种基于转移熵的因果时空图注意力网络用于癫痫发作检测	使用转移熵构建多通道间的因果图，结合图注意力网络和双向长短期记忆网络捕捉时空动态相关性和空间拓扑结构信息	未提及具体局限性	研究不同患者癫痫发作的准确自动检测技术	癫痫发作的因果关系和时空动态相关性	机器学习	癫痫	转移熵	图注意力网络和双向长短期记忆网络	时空数据	SWEZ数据集和私有数据集
13527	2024-10-28	Enhanced Self-Checkout System for Retail Based on Improved YOLOv10 2024-Oct-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10100248 PMID:39452411	研究论文	本文提出了一种基于改进YOLOv10网络的新型自助结账系统，旨在提高结账效率并降低劳动力成本	本文引入了YOLOv8的检测头结构对YOLOv10模型进行优化，显著提高了产品识别准确率，并开发了适用于自助结账场景的后处理算法	NA	提高零售自动化中的结账效率和降低劳动力成本	自助结账系统及其在零售中的应用	计算机视觉	NA	YOLOv10	YOLOv10	图像	NA
13528	2024-10-28	Fully Interpretable Deep Learning Model Using IR Thermal Images for Possible Breast Cancer Cases 2024-Oct-09, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9100609 PMID:39451815	研究论文	研究利用红外热成像和机器学习技术提高乳腺癌早期诊断的准确性	提出了一种结合贝叶斯网络和卷积神经网络的全解释性深度学习模型，用于乳腺癌的早期诊断	NA	提高乳腺癌早期诊断的准确性	红外热成像和医疗记录	机器学习	乳腺癌	贝叶斯网络，卷积神经网络	CNN	图像	NA
13529	2024-10-27	dsAMP and dsAMPGAN: Deep Learning Networks for Antimicrobial Peptides Recognition and Generation 2024-Oct-09, Antibiotics (Basel, Switzerland) DOI:10.3390/antibiotics13100948 PMID:39452213	研究论文	本文介绍了一种用于抗菌肽识别和生成的深度学习框架	提出了discoverAMP (dsAMP)和dsAMPGAN模型，分别用于抗菌肽的分类和生成，性能优于现有方法	NA	开发新的抗菌肽以应对抗生素耐药性问题	抗菌肽的分类、功能预测和生成	机器学习	NA	深度学习	CNN Attention BiLSTM, GAN	肽序列	小数据集
13530	2024-10-28	Deep Learning for Generating Time-of-Flight Camera Artifacts 2024-Oct-08, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10100246 PMID:39452409	研究论文	本文提出了一种基于深度学习的方法，利用高质量激光扫描数据生成逼真的飞行时间相机数据	本文创新性地使用MCW-Net进行域转移，将激光扫描数据转换为飞行时间相机数据，并引入噪声模型以补偿初始步骤中缺乏的噪声	本文方法依赖于高质量的激光扫描数据，且需要大量的训练数据	研究如何生成逼真的飞行时间相机数据以纠正多路径干扰引起的噪声和错误	飞行时间相机数据和激光扫描数据	计算机视觉	NA	深度学习	MCW-Net	图像	使用了一个真实世界的数据集进行不同训练变体的探索
13531	2024-10-28	Older Adult Fall Risk Prediction with Deep Learning and Timed Up and Go (TUG) Test Data 2024-Oct-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11101000 PMID:39451376	研究论文	本文利用深度学习和TUG测试数据预测老年人的跌倒风险	本文首次使用惯性测量单元（IMU）在TUG测试中收集的运动数据，通过深度学习模型预测老年人的跌倒风险	研究样本量较小，且仅基于TUG测试数据进行预测	预测老年人在未来六个月内的跌倒风险	老年人的跌倒风险	机器学习	NA	惯性测量单元（IMU）	卷积神经网络（CNN）和循环神经网络（RNN）	运动数据	106名老年人
13532	2024-10-28	Clinical Validation of Deep Learning for Segmentation of Multiple Dental Features in Periapical Radiographs 2024-Oct-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11101001 PMID:39451377	研究论文	本文验证了深度学习系统在牙周X光片中自动分割多个牙科特征的诊断性能	使用人工智能系统自动检测牙周X光片中的牙齿、龋齿、种植体、修复体和固定义齿	仅限于牙周X光片的应用，未涉及其他类型的牙科影像	验证人工智能系统在牙周X光片中自动检测牙科特征的诊断性能	牙周X光片中的牙齿、龋齿、种植体、修复体和固定义齿	计算机视觉	NA	深度学习	NA	图像	1000张牙周X光片，来自500名成年患者
13533	2024-10-28	Invariant point message passing for protein side chain packing 2024-Oct, Proteins IF:3.2Q2 DOI:10.1002/prot.26705 PMID:38790143	研究论文	本文介绍了一种基于几何图神经网络的蛋白质侧链包装方法PIPPack	PIPPack利用几何感知的不变点消息传递（IPMP）处理局部结构和序列信息，生成理想的侧链坐标	NA	提高蛋白质侧链包装任务的预测精度和速度	蛋白质侧链包装	机器学习	NA	几何图神经网络	IPMP	蛋白质结构数据	约1400个高质量蛋白质链
13534	2024-10-28	PocketDTA: an advanced multimodal architecture for enhanced prediction of drug-target affinity from 3D structural data of target binding pockets 2024-Oct-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae594 PMID:39365726	研究论文	本文介绍了一种名为PocketDTA的多模态架构，用于从目标结合口袋的3D结构数据中增强药物-靶点亲和力的预测	PocketDTA模型通过预训练模型ESM-2和GraphMVP增强了泛化性能，并使用自定义的GVP-GNN层和GraphMVP解码器处理前3个目标结合口袋和药物3D信息，同时通过双线性注意力网络提高了解释性	NA	提高药物-靶点结合亲和力预测的准确性和解释性	药物-靶点结合亲和力	机器学习	NA	深度学习	GVP-GNN	3D结构数据	优化后的Davis和KIBA数据集
13535	2024-10-28	A novel classification framework for genome-wide association study of whole brain MRI images using deep learning 2024-Oct, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012527 PMID:39405331	研究论文	本文提出并实现了一种新的机器学习策略，用于系统地识别导致磁共振成像（MRI）上可检测细微差异的遗传变异	本文首次将深度学习技术应用于全脑MRI图像的基因组关联研究，提出了一种新的分类框架	本文的研究仅基于阿尔茨海默病神经影像学倡议（ADNI）的数据集，可能存在样本量和数据多样性的限制	旨在通过深度学习技术识别与脑部特征相关的遗传变异	全脑MRI图像和基因型数据	机器学习	阿尔茨海默病	深度学习	NA	图像	基于阿尔茨海默病神经影像学倡议（ADNI）的数据集
13536	2024-10-28	Ensemble Fusion Models Using Various Strategies and Machine Learning for EEG Classification 2024-Sep-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11100986 PMID:39451362	研究论文	本文提出了五种集成模型用于脑电图（EEG）信号分类，主要分析的神经系统疾病是癫痫	本文提出了五种新的集成模型，分别利用了不同的特征选择和分类技术，如ESCD、I-ICA、GA、HHT和因子分析，以提高EEG信号分类的准确性	本文未详细讨论模型的计算复杂性和训练时间，且未与其他最先进的EEG分类方法进行全面比较	开发和评估用于EEG信号分类的集成模型，以提高神经系统疾病的诊断准确性	脑电图（EEG）信号和癫痫	机器学习	神经系统疾病	集成学习	集成模型	信号	未明确提及具体样本数量
13537	2024-10-28	The Application of Deep Learning to Accurately Identify the Dimensions of Spinal Canal and Intervertebral Foramen as Evaluated by the IoU Index 2024-Sep-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11100981 PMID:39451357	研究论文	本文利用深度学习结合图像处理技术，识别脊髓管和椎间孔的尺寸	本文采用了YOLOv4和Resnet50混合U-Net模型，显著提高了脊髓管和椎间孔尺寸识别的准确性	NA	提高医学影像中脊髓管和椎间孔尺寸识别的准确性	脊髓管和椎间孔的尺寸	计算机视觉	NA	深度学习	YOLOv4, Resnet50混合U-Net	图像	NA
13538	2024-10-28	Identification of Anomalies in Lung and Colon Cancer Using Computer Vision-Based Swin Transformer with Ensemble Model on Histopathological Images 2024-Sep-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11100978 PMID:39451355	研究论文	本文提出了一种基于计算机视觉的Swin Transformer与集成模型相结合的方法，用于在病理图像上识别肺癌和结肠癌的异常	本文创新性地使用了Swin Transformer模型进行特征提取，并结合双向长短期记忆与多头注意力（BiLSTM-MHA）、双深度Q网络（DDQN）和稀疏堆叠自编码器（SSAE）三种深度学习技术进行集成分类	NA	旨在提高肺癌和结肠癌的诊断效率和准确性	肺癌和结肠癌的病理图像	计算机视觉	肺癌	深度学习	Swin Transformer	图像	使用了基准数据集进行广泛的模拟分析
13539	2024-10-28	Comprehensive Review and Assessment of Computational Methods for Prediction of N6-Methyladenosine Sites 2024-Sep-28, Biology DOI:10.3390/biology13100777 PMID:39452086	综述	本文综述了用于预测N6-甲基腺苷位点的计算方法，并评估了这些方法的性能	本文系统地回顾了自2015年以来发表的52种计算方法，并使用13个最新的基准数据集对其中9种方法进行了性能评估	本文主要集中在计算方法的回顾和评估，未提出新的预测模型	旨在为N6-甲基腺苷位点的识别提供计算支持，并促进未来研究	N6-甲基腺苷位点的预测方法	机器学习	NA	NA	传统机器学习、深度学习和集成学习	文本	13个基准数据集，涵盖9种不同物种
13540	2024-10-28	Applying a Deep Learning Model for Total Kidney Volume Measurement in Autosomal Dominant Polycystic Kidney Disease 2024-Sep-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11100963 PMID:39451339	研究论文	本文研究了使用深度学习模型测量常染色体显性多囊肾病患者的总肾体积	本文首次比较了深度学习模型在轴向和冠状图像上的表现，发现轴向图像模型表现更优	本文发现不同图像方向可能引入测量偏差，冠状图像模型的表现不如轴向图像模型	研究深度学习模型在测量常染色体显性多囊肾病总肾体积中的应用	常染色体显性多囊肾病患者和健康个体的总肾体积	计算机视觉	肾脏疾病	磁共振成像 (MRI)	U-net	图像	30名常染色体显性多囊肾病患者和10名健康个体