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
13761	2024-11-02	Automated detection and de novo structure modeling of nucleic acids from cryo-EM maps 2024-Oct-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53721-4 PMID:39477926	研究论文	提出了一种基于深度学习的方法EM2NA，用于从低温电子显微镜（cryo-EM）图中自动检测和从头建模核酸结构	EM2NA在核酸结构建模方面表现优异，尤其是在蛋白质-DNA/RNA或多链DNA/RNA复合物的结构建模中，其性能超过了现有方法	NA	开发一种能够从cryo-EM图中准确建模DNA/RNA结构的方法	DNA/RNA结构	计算机视觉	NA	cryo-EM	深度学习	图像	50个实验图谱，分辨率为2.0-5.0 Å，以及来自EMDB的263个未建模的原始图谱
13762	2024-11-02	Ancient Yi Script Handwriting Sample Repository 2024-Oct-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03918-5 PMID:39477968	研究论文	本文收集了2922个常用古彝文字的手写单字样本，并完成了连续手写文本采样，测试了不同深度学习网络模型下的识别性能	提出了古彝文字的自动采样方法，并完成了手写样本的自动切割和标注	NA	研究古彝文字的手写识别和生成	古彝文字的手写样本	自然语言处理	NA	深度学习	深度学习网络模型	文本	2922个手写单字样本，427,939个有效字符，250人参与连续手写文本采样
13763	2024-11-02	Image tampering detection based on RDS-YOLOv5 feature enhancement transformation 2024-Oct-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76388-9 PMID:39477969	研究论文	提出了一种基于RDS-YOLOv5特征增强变换的图像篡改检测方法	引入了多通道特征增强融合算法和改进的RDS-YOLOv5深度学习模型，并引入了非线性损失度量来优化模型训练过程	NA	提高图像篡改检测技术的泛化能力和实际性能	图像篡改检测	计算机视觉	NA	深度学习	RDS-YOLOv5	图像	6187张包含拼接、移除和复制移动三种篡改形式的图像
13764	2024-11-02	Sign language recognition using modified deep learning network and hybrid optimization: a hybrid optimizer (HO) based optimized CNNSa-LSTM approach 2024-Oct-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76174-7 PMID:39477993	研究论文	本文提出了一种基于混合优化器的优化CNNSa-LSTM网络，用于手语识别	本文提出了一种新的深度学习模型CNNSa-LSTM，结合了卷积神经网络、自注意力和长短期记忆网络，用于手语识别。此外，还提出了一种基于河马优化算法和路径查找算法的混合优化器	NA	改进聋人与公众之间的实时交流	手语识别模型	计算机视觉	NA	深度学习	CNNSa-LSTM	图像	NA
13765	2024-11-02	Lightweight and efficient deep learning models for fruit detection in orchards 2024-10-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76662-w PMID:39477987	研究论文	本文研究了果园环境中苹果的准确识别，构建了一个包含不同场景的水果数据集，并提出了一种实时轻量级检测网络ELD	提出了EGSS模块和MCAttention模块，用于解决特征提取和分类问题，并采用了注意力机制构建新的特征提取网络，增强了模型的抗干扰能力	NA	研究密集目标、遮挡和自然环境对实际应用场景的影响	果园中的苹果识别	计算机视觉	NA	深度学习	CNN	图像	包含不同场景的水果数据集
13766	2024-11-02	BASE: a web service for providing compound-protein binding affinity prediction datasets with reduced similarity bias 2024-Oct-30, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05968-3 PMID:39478454	研究论文	本文介绍了一个名为BASE的网络服务，用于提供减少相似性偏差的化合物-蛋白质结合亲和力预测数据集	提出了BASE网络服务，通过减少蛋白质相似性来降低数据集偏差，从而提高预测模型的泛化能力和鲁棒性	NA	研究化合物-蛋白质结合亲和力预测中的数据集偏差，并提出解决方案	化合物-蛋白质结合亲和力预测数据集的偏差	机器学习	NA	多层感知器模型	多层感知器	化合物和蛋白质特征数据	分析了八个结合亲和力数据库
13767	2024-11-02	Size-Resolved Shape Evolution in Inorganic Nanocrystals Captured via High-Throughput Deep Learning-Driven Statistical Characterization 2024-Oct-29, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c09312 PMID:39425689	研究论文	本研究通过深度学习辅助的统计分析，揭示了CoO纳米晶体在亚纳米尺度上的复杂形状演变和生长机制	本研究首次通过高吞吐量统计分析，揭示了纳米晶体尺寸依赖的形状演变，并引入了“起始半径”概念，描述了这些过渡发生的临界尺寸阈值	NA	揭示纳米晶体合成中的尺寸依赖形状演变及其生长机制	CoO纳米晶体	NA	NA	高分辨率电子显微镜成像	深度学习	图像	441,067个纳米晶体
13768	2024-11-02	Fusing convolutional learning and attention-based Bi-LSTM networks for early Alzheimer's diagnosis from EEG signals towards IoMT 2024-10-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77876-8 PMID:39472526	研究论文	本文提出了一种融合卷积学习和基于注意力的双向长短期记忆网络模型，用于从脑电信号中早期诊断阿尔茨海默病，并探讨其在医疗物联网中的应用	本文的创新点在于提出了CL-ATBiLSTM模型，结合卷积层、注意力机制和双向长短期记忆网络，能够更全面地分析脑电信号，区分阿尔茨海默病、轻度认知障碍和健康对照组	NA	本文的研究目的是探索脑电信号在阿尔茨海默病早期诊断中的潜力，并提出一种新的深度学习模型来提高诊断准确性	本文的研究对象是阿尔茨海默病、轻度认知障碍和健康对照组的脑电信号	机器学习	阿尔茨海默病	离散小波变换	卷积神经网络、双向长短期记忆网络	脑电信号	Figshare数据集中包含阿尔茨海默病、轻度认知障碍和健康对照组的样本
13769	2024-11-02	Exploiting common patterns in diverse cancer types via multi-task learning 2024-Oct-29, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00700-z PMID:39472543	研究论文	本研究利用深度学习和多任务学习方法，从高维医学数据中提取特征向量，探索不同癌症类型间的共享模式，以提高癌症预后预测的准确性	本研究首次将多任务学习应用于跨癌症类型的预后预测，通过整合RNA测序和临床数据，显著提高了预测性能	本研究仅使用了三个癌症数据集，且外部验证数据集较少，未来需要更多数据集验证其泛化能力	提高癌症预后预测的准确性，探索不同癌症类型间的共享机制	乳腺癌、肺癌和结肠癌的RNA测序和临床数据	机器学习	癌症	RNA测序	多任务双模态神经网络	文本	三个癌症数据集：乳腺癌、肺癌和结肠癌，外部验证数据集为小细胞肺癌
13770	2024-11-02	Novel cost-effective method for forecasting COVID-19 and hospital occupancy using deep learning 2024-10-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69319-1 PMID:39472612	研究论文	研究开发了一种基于深度学习的成本效益高的方法，用于预测COVID-19病例和医院占用情况	使用了一种结合双向LSTM层的LSTM模型，并采用了基于未来时间窗口的新预处理方法	研究数据仅来自西班牙大加那利岛的Hospital Insular	开发一种能够准确预测疫情发展和医院占用情况的预测系统	COVID-19病例和医院占用情况	机器学习	COVID-19	深度学习	LSTM	时间序列数据	从2020年到2022年3月29日的COVID-19病例数据，共涉及Hospital Insular的数据
13771	2024-11-02	Integrating genomic and molecular data to predict antimicrobial minimum inhibitory concentration in Klebsiella pneumoniae 2024-10-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75973-2 PMID:39472617	研究论文	本文介绍了一种结合基因组和分子数据预测肺炎克雷伯菌对抗生素最小抑菌浓度的深度学习方法	本文提出了两种深度学习模型，分别是基于卷积神经网络（CNN）和Enformer的模型，这些模型在准确性上超过了现有的最先进模型，并且Enformer模型简化了数据处理流程	Enformer模型在性能上尚未达到CNN模型的水平	开发一种能够准确预测肺炎克雷伯菌对抗生素最小抑菌浓度的方法，以辅助临床医生在经验治疗阶段的决策	肺炎克雷伯菌及其对抗生素的最小抑菌浓度	机器学习	NA	深度学习	卷积神经网络（CNN）和Enformer	基因组数据和分子结构数据	20种抗生素的数据
13772	2024-11-02	Predicting clinical events characterizing the progression of amyotrophic lateral sclerosis via machine learning approaches using routine visits data: a feasibility study 2024-Oct-29, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02719-5 PMID:39472842	研究论文	本研究探讨了使用常规就诊数据通过机器学习方法预测肌萎缩侧索硬化症（ALS）进展相关临床事件的可行性	本研究首次尝试使用常规就诊数据通过机器学习方法预测ALS的进展，并评估了不同模型的预测性能	预测死亡以外的临床事件（如PEG或NIV）的准确性较低，表明现有数据可能不足以支持这些复杂预测任务	测试使用常规就诊数据通过人工智能技术预测ALS进展相关临床事件的可行性	肌萎缩侧索硬化症（ALS）患者的临床事件，包括死亡、PEG和NIV	机器学习	神经退行性疾病	机器学习	逻辑回归（LR）和多层感知器（MLP）	常规就诊数据	NA
13773	2024-11-02	Automatic lung cancer subtyping using rapid on-site evaluation slides and serum biological markers 2024-Oct-29, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-024-03021-8 PMID:39472895	研究论文	本研究开发了一种深度学习模型，用于自动分析快速现场评估（ROSE）细胞学图像，结合ROSE切片的全片图像和血清生物标志物，进行肺部病变的分级多标签分类	提出了结合ROSE切片全片图像和血清生物标志物的分级多标签肺部癌症分类（HMLCS）模型，用于区分良性和恶性病变以及识别不同类型的肺部癌症	NA	开发一种深度学习模型，自动分析ROSE细胞学图像，以解决细胞病理学家短缺的问题	ROSE切片的细胞学图像和血清生物标志物	数字病理学	肺癌	深度学习	分级多标签分类模型	图像和生物标志物	811个ROSE切片和配对的血清生物标志物
13774	2024-11-02	GTransCYPs: an improved graph transformer neural network with attention pooling for reliably predicting CYP450 inhibitors 2024-Oct-29, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00915-z PMID:39472986	研究论文	本文介绍了一种改进的图神经网络GTransCYPs，结合注意力池化技术，用于可靠预测CYP450抑制剂	GTransCYPs模型通过使用图神经网络和变压器机制，显著提高了对五种主要CYP450同工酶抑制剂和非抑制剂的区分能力	NA	开发一种高效的计算方法来预测CYP450酶抑制剂，以加速药物发现过程	CYP450酶抑制剂的预测	机器学习	NA	图神经网络	变压器神经网络	分子图	NA
13775	2024-11-02	A robust deep learning approach for identification of RNA 5-methyluridine sites 2024-10-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76148-9 PMID:39465261	研究论文	本文介绍了一种基于门控循环单元的深度学习框架GRUpred-m5U，用于识别RNA 5-甲基尿苷位点	提出的GRUpred-m5U模型在识别m5U位点方面优于现有的最先进技术，准确率分别达到98.41%和96.70%	模型规模较大，尽管准确率高，但在实际应用中可能存在计算资源需求较高的问题	开发一种高效准确的深度学习模型，用于识别RNA 5-甲基尿苷位点	RNA 5-甲基尿苷位点	机器学习	NA	深度学习	门控循环单元（GRU）	RNA数据	使用了成熟的RNA和全转录RNA数据集
13776	2024-11-02	Dual-attention transformer-based hybrid network for multi-modal medical image segmentation 2024-10-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76234-y PMID:39465274	研究论文	本文提出了一种基于双注意力机制的混合网络DATTNet，用于多模态医学图像分割	设计了双注意力模块来建模空间和通道维度的全局依赖性，并提出了上下文融合桥来重构多尺度特征图及其相关性	NA	提高医学图像分割的准确性和鲁棒性	心脏、腹部器官和胃肠道多模态医学图像的分割任务	计算机视觉	NA	NA	Transformer	图像	在ACDC、Synapse和Kvasir-SEG数据集上进行了实验，分别涉及心脏、腹部器官和胃肠道分割任务
13777	2024-11-02	Evaluation of rural tourism development level using BERT-enhanced deep learning model and BP algorithm 2024-Oct-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77444-0 PMID:39468180	研究论文	本研究探讨了将BERT深度学习模型与BP算法结合应用于评估乡村旅游发展水平	提出了一种结合BERT和BP算法的乡村旅游发展评估框架，显著提高了评估的准确性和全面性	NA	提高乡村旅游发展评估的准确性和全面性	乡村旅游发展水平	自然语言处理	NA	BERT, BP算法	BERT, BiGRU, TextCNN	文本数据	使用了公开的Laptop数据集和Tourist_F数据集进行实验验证
13778	2024-11-02	Automatic identification of coronary stent in coronary calcium scoring CT using deep learning 2024-10-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76092-8 PMID:39468230	研究论文	本文开发并评估了一种基于深度学习的冠状动脉支架过滤算法（StentFilter），用于在冠状动脉钙化评分CT扫描中自动识别冠状动脉支架	本文首次提出了一种基于深度学习的冠状动脉支架过滤算法，能够自动识别冠状动脉支架，从而简化冠状动脉钙化评分的工作流程	所有假阳性识别均归因于密集的冠状动脉钙化，未在冠状动脉外位置识别到假阳性	开发并评估一种基于深度学习的冠状动脉支架过滤算法，以自动化冠状动脉钙化评分的工作流程	冠状动脉支架在冠状动脉钙化评分CT扫描中的自动识别	计算机视觉	心血管疾病	深度学习	NA	图像	开发阶段使用了108个非增强的心电图门控冠状动脉钙化扫描（包括74个手动标记的支架），用于假阳性减少的2063个冠状动脉钙化扫描（平均Agatston评分：523.8），评估阶段使用了两个独立的内部测试集（Asan队列-1和2；n = 355和396）和两个外部测试集（n = 105和62）
13779	2024-11-02	AI-driven optimization of agricultural water management for enhanced sustainability 2024-Oct-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76915-8 PMID:39468244	研究论文	本文提出了一种结合遥感技术和UNet-ConvLSTM模型的深度学习框架，用于优化农业水资源管理	本文的创新点在于将遥感技术与UNet-ConvLSTM模型结合，有效整合了MODIS和GLDAS数据集中的空间和时间特征，显著提高了预测精度	NA	本文的研究目的是优化农业水资源管理，提高灌溉效率和作物产量	本文的研究对象是农业水资源管理中的水需求预测和管理	机器学习	NA	遥感技术	UNet-ConvLSTM	图像	NA
13780	2024-11-02	Deep learning corrects artifacts in RASER MRI profiles 2024-Oct-24, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110247 PMID:39461486	研究论文	本文展示了深度学习（DL）如何减少RASER MRI图像中的伪影	开发了一种新的基于RASER的MRI方法，并利用深度学习技术减少其图像中的伪影	研究仅基于合成数据进行训练，未提及实际临床数据的验证	探索深度学习在减少RASER MRI图像伪影中的应用	RASER MRI图像中的伪影	计算机视觉	NA	深度学习	卷积神经网络（CNN）和U-net	图像	630,000个1D RASER投影和2D随机图像