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
13921	2024-10-30	DNA breathing integration with deep learning foundational model advances genome-wide binding prediction of human transcription factors 2024-Oct-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae783 PMID:39271116	研究论文	本文开发了一种多模态深度学习模型EPBDxDNABERT-2，用于预测人类转录因子与DNA的结合	本文创新性地将DNA呼吸特征与DNABERT-2基础模型结合，显著提高了转录因子结合预测的准确性	NA	确定转录因子结合与DNA呼吸之间的精确关系	人类转录因子与DNA的结合	机器学习	NA	ChIP-Seq	深度学习模型	基因组数据	690个ChIP-seq实验结果，涵盖161种不同的转录因子和91种人类细胞类型
13922	2024-10-30	A deep learning-based method enables the automatic and accurate assembly of chromosome-level genomes 2024-Oct-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae789 PMID:39287126	研究论文	本文介绍了一种基于深度学习的方法AutoHiC，用于自动和准确地组装染色体级别的基因组	AutoHiC利用Hi-C数据进行自动化工作流程和迭代错误校正，显著提高了基因组组装的连续性和准确性	NA	解决染色体级别基因组组装中的错误校正和序列锚定问题	染色体级别基因组组装	基因组学	NA	Hi-C技术	深度学习	基因组数据	300多种物种的数据
13923	2024-10-30	Comparison of image quality and lesion conspicuity between conventional and deep learning reconstruction in gadoxetic acid-enhanced liver MRI 2024-Oct-28, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01825-2 PMID:39466542	研究论文	比较常规重建与深度学习重建在钆塞酸增强肝脏MRI中的图像质量和病变显著性	深度学习重建在钆塞酸增强肝脏MRI中提供了比常规重建更高的图像质量和动脉期病变显著性	深度学习重建在门静脉期和肝胆期与常规重建相比，病变显著性无显著差异	比较常规重建与深度学习重建在钆塞酸增强肝脏MRI中的图像质量和病变显著性	钆塞酸增强肝脏MRI图像	计算机视觉	肝病	MRI	深度学习	图像	50名参与者
13924	2024-10-30	A Nuclei-Focused Strategy for Automated Histopathology Grading of Renal Cell Carcinoma 2024-Oct-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3487004 PMID:39466875	研究论文	本文提出了一种基于核特征的肾细胞癌自动病理分级新框架	引入了一种新的框架NuAP-RCC，利用核级特征进行增强的补丁级肾细胞癌分级	NA	提高肾细胞癌病理分级的准确性和可重复性	肾细胞癌的核分级	数字病理学	肾细胞癌	图神经网络	卷积神经网络	图像	涉及来自不同医疗机构的数据集
13925	2024-10-30	Adversarial robustness improvement for X-ray bone segmentation using synthetic data created from computed tomography scans 2024-10-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73363-2 PMID:39468116	研究论文	本文提出了一种利用从计算机断层扫描（CT）扫描生成的合成数据来改进X射线骨分割对抗鲁棒性的方法	本文的创新点在于使用从3D光子计数CT体积正投影生成的合成X射线图像和标注掩码来创建现实且非最佳定位的X射线图像，以补充训练数据，从而提高模型的鲁棒性	本文未详细讨论合成数据生成过程中可能引入的误差或偏差，以及这些因素对模型性能的潜在影响	本文的研究目的是通过使用合成数据来解决深度学习在医学图像分析中面临的数据稀缺和对抗数据敏感性问题，从而提高模型的鲁棒性	本文的研究对象是X射线骨分割模型的对抗鲁棒性	计算机视觉	NA	深度学习	TotalSegmentator	图像	本文未明确提及具体样本数量，但提到了使用真实数据和合成数据进行训练
13926	2024-10-30	A deep learning approach to optimize remaining useful life prediction for Li-ion batteries 2024-Oct-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77427-1 PMID:39468251	研究论文	本文提出了一种基于深度学习的锂离子电池剩余使用寿命预测方法	利用深度学习技术，特别是结合自编码器和长短期记忆网络（LSTM）层，提高了锂离子电池剩余使用寿命预测的准确性和效率	NA	提高锂离子电池在消费电子和电动汽车等应用中的性能和安全性	锂离子电池的剩余使用寿命	机器学习	NA	深度学习	LSTM	电池操作特征数据	22种电流变化，涉及3个锂离子电池
13927	2024-10-30	Deep learning based local feature classification to automatically identify single molecule fluorescence events 2024-Oct-28, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07122-4 PMID:39468368	研究论文	本文介绍了一种基于深度学习的局部特征分类方法DEBRIS，用于自动识别单分子荧光事件	DEBRIS模型能够自动识别稳态荧光信号和动态出现的不同模式信号，并能高效准确地识别单色和双色单分子事件的起点和终点	NA	开发一种自动化的方法来分类单分子荧光事件，减少人工分析的劳动强度和用户偏差	单分子荧光事件的分类和识别	机器学习	NA	深度学习	深度学习模型	单分子荧光数据	数千或更多的单分子轨迹
13928	2024-10-30	Accelerated hazard prediction based on age time-scale for women diagnosed with breast cancer using a deep learning method 2024-Oct-28, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02725-7 PMID:39468511	研究论文	本文研究了使用深度学习方法预测乳腺癌患者基于年龄类别的加速风险率	本文提出了基于年龄类别的加速风险率预测模型，并使用深度学习方法进行实现	本文仅针对乳腺癌患者进行了研究，且样本量有限	研究如何使用深度学习方法预测乳腺癌患者的加速风险率	乳腺癌患者	机器学习	乳腺癌	深度学习	深度学习模型	临床数据	1225名女性乳腺癌患者
13929	2024-10-30	Identification of drug use degree by integrating multi-modal features with dual-input deep learning method 2024-Oct-28, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2417206 PMID:39468790	研究论文	本文提出了一种双输入双模态融合算法，通过脑电图（EEG）和近红外光谱（NIRS）研究药物使用程度	本文创新性地使用双输入多模态TiCBnet提取双模态信号的深度编码特征，并通过不同方法融合和筛选特征，最终进行分类	本文未提及具体的局限性	研究药物使用程度的客观定量评估	药物使用程度	机器学习	NA	脑电图（EEG），近红外光谱（NIRS）	双输入多模态TiCBnet	脑电图（EEG），近红外光谱（NIRS）	NA
13930	2024-10-30	An analysis of decipherable red blood cell abnormality detection under federated environment leveraging XAI incorporated deep learning 2024-10-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76359-0 PMID:39463436	研究论文	本文研究了在联邦学习环境下利用可解释AI结合深度学习进行红细胞异常检测的方法	本文创新性地将联邦学习与可解释AI结合，用于解决红细胞图像数据集中训练的隐私问题，并通过加权平均方法提高模型鲁棒性	实验结果显示联邦学习方法的准确率略低于最佳深度学习模型，且未详细讨论加权平均方法的具体实现细节	研究如何在保护数据隐私的前提下，利用联邦学习进行红细胞异常检测	红细胞图像中的异常检测	机器学习	NA	联邦学习 (FL)	深度学习 (DL)	图像	红细胞图像数据集
13931	2024-10-30	Bone scintigraphy based on deep learning model and modified growth optimizer 2024-10-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73991-8 PMID:39465262	研究论文	本文提出了一种基于深度学习模型和改进生长优化器的骨闪烁扫描技术，用于检测骨转移	本文创新性地将Mobile Vision Transformer模型与轻量级CNN结合，用于特征提取，并使用改进的生长优化器进行特征选择	本文仅在UCI数据集和2800张骨扫描图像上进行了验证，未来需要在更多样化的数据集上进行测试	开发一种自动化的骨闪烁扫描分析方法，以提高诊断效率和准确性	骨闪烁扫描图像及其特征	计算机视觉	NA	深度学习	Mobile Vision Transformer (MobileViT)	图像	2800张骨扫描图像（1400张正常，1400张异常）
13932	2024-10-30	Detecting command injection attacks in web applications based on novel deep learning methods 2024-Oct-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74350-3 PMID:39461962	研究论文	提出了一种基于深度学习的新型检测模型CCBA，用于识别Web应用程序中的命令注入攻击	提出了Convolutional Channel-BiLSTM Attention (CCBA)模型，结合了双CNN卷积通道、BiLSTM网络和注意力机制，显著提高了命令注入攻击的检测准确性和召回率	未提及具体的局限性	提高Web应用程序中命令注入攻击的检测效率和准确性	Web应用程序中的命令注入攻击	计算机视觉	NA	深度学习	CNN, BiLSTM, 注意力机制	数据集	使用了真实世界数据集和两个广泛认可的公共网络安全数据集进行测试
13933	2024-10-30	End-to-end multiple object tracking in high-resolution optical sensors of drones with transformer models 2024-Oct-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75934-9 PMID:39461992	研究论文	提出了一种基于Transformer模型的端到端多目标跟踪框架，用于无人机高分辨率光学传感器	创新性地利用自注意力机制捕捉复杂的目标间关系，整合目标检测和跟踪，并引入轨迹检测标签匹配技术	未提及	解决无人机高分辨率光学传感器中多目标跟踪的准确性和效率问题	无人机高分辨率光学传感器中的多目标跟踪	计算机视觉	NA	Transformer模型	Transformer	图像	使用VisDrone和UAVDT数据集进行实验
13934	2024-10-30	Graph masked self-distillation learning for prediction of mutation impact on protein-protein interactions 2024-Oct-26, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07066-9 PMID:39462102	研究论文	本文介绍了一种名为PIANO的深度学习框架，用于预测蛋白质-蛋白质相互作用中突变对结合亲和力变化（ΔΔG）的影响	PIANO框架采用图掩码自蒸馏学习方案进行蛋白质结构几何表示的预训练，能够有效捕捉突变位点周围的结构上下文表示，并通过多分支网络进行预测	NA	开发一种改进的深度学习框架，用于预测蛋白质-蛋白质相互作用中突变对结合亲和力变化的影响	蛋白质-蛋白质相互作用中的突变影响	机器学习	NA	深度学习	多分支网络	蛋白质结构几何表示	NA
13935	2024-10-30	WiTUnet: A U-shaped architecture integrating CNN and Transformer for improved feature alignment and local information fusion 2024-Oct-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76886-w PMID:39462127	研究论文	提出了一种名为WiTUnet的新型LDCT图像去噪方法，通过集成CNN和Transformer的U形架构，改进特征对齐和局部信息融合	引入嵌套密集跳跃路径替代传统跳跃连接，采用窗口化Transformer结构减少计算需求，并在编码器和解码器中加入局部图像感知增强模块	未提及	提高低剂量CT图像去噪效果	低剂量CT图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	未提及
13936	2024-10-30	Advancing EEG prediction with deep learning and uncertainty estimation 2024-Oct-26, Brain informatics DOI:10.1186/s40708-024-00239-6 PMID:39461914	研究论文	研究探讨了深度学习模型在脑电图（EEG）数据中预测性别的能力，并引入了不确定性估计以提高模型的可信度和解释性	通过深度学习集成模型和不确定性估计，提高了性别预测的准确性和解释性，并分析了不同频段对性别预测的重要性	性别预测在临床应用中的直接价值有限	研究深度学习模型在脑电图数据中预测性别的能力，并探讨不确定性估计对模型性能和解释性的影响	脑电图数据中的性别预测	机器学习	NA	深度学习	深度学习集成模型	脑电图数据	使用五折交叉验证进行评估
13937	2024-10-30	A hybrid container throughput forecasting approach using bi-directional hinterland data of port 2024-Oct-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77376-9 PMID:39462082	研究论文	本文提出了一种基于深度学习的混合集装箱吞吐量预测模型，考虑了港口腹地和前地对集装箱吞吐量的影响	本文创新性地结合了港口腹地和前地的数据，提出了一个更全面的集装箱吞吐量预测模型	NA	优化港口运营、资源分配和供应链管理	港口集装箱吞吐量	NA	NA	深度学习	NA	多源数据	NA
13938	2024-10-30	Oral screening of dental calculus, gingivitis and dental caries through segmentation on intraoral photographic images using deep learning 2024-Oct-25, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-05072-1 PMID:39455942	研究论文	研究利用深度学习系统对口腔摄影图像进行分割，以检测牙结石、牙龈炎和龋齿，并评估牙结石的程度	提出了一种基于Mamba的口腔内窥镜图像分割方法（Oral-Mamba），并在IoU、准确率和召回率等指标上优于U-Net模型	NA	开发和评估一种用于口腔疾病早期筛查和临床诊断的深度学习系统	口腔摄影图像中的牙结石、牙龈炎和龋齿	计算机视觉	口腔疾病	深度学习	Mamba	图像	3365张口腔内窥镜图像，其中训练集2019张，验证集673张，测试集673张
13939	2024-10-30	TECRR: a benchmark dataset of radiological reports for BI-RADS classification with machine learning, deep learning, and large language model baselines 2024-Oct-24, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02717-7 PMID:39444035	研究论文	本文构建并注释了一个基于乳腺影像的放射报告数据集，并提供了BI-RADS分类的基准结果	本文首次公开了一个用于BI-RADS分类的乳腺影像放射报告数据集，并提供了多种机器学习、深度学习和大型语言模型的基准结果	数据集最初是西班牙语，通过Google Translate翻译成英语，可能存在翻译误差	构建一个高质量的注释和整理的放射报告数据集，用于BI-RADS分类	乳腺影像放射报告的BI-RADS分类	自然语言处理	NA	自然语言处理技术	LSTM, BERT, BioGPT	文本	5046份独特的报告，来自5046名平均年龄53岁的女性患者
13940	2024-10-30	A structurally informed human protein-protein interactome reveals proteome-wide perturbations caused by disease mutations 2024-Oct-24, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02428-4 PMID:39448882	研究论文	本文介绍了一种名为PIONEER的集成深度学习框架，用于预测人类和其他七种常见模式生物中所有已知蛋白质相互作用的蛋白质结合伙伴特异性界面，生成全面的结构化蛋白质相互作用组	PIONEER框架在预测蛋白质相互作用界面方面优于现有的最先进方法，并通过实验验证了其预测结果	NA	帮助将遗传发现转化为疾病病理生物学和治疗发现	人类和其他七种常见模式生物中的蛋白质相互作用	机器学习	NA	深度学习	深度学习框架	蛋白质相互作用数据	约11,000个全外显子组，涵盖33种癌症类型