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
14881	2024-08-05	STAR-RL: Spatial-temporal Hierarchical Reinforcement Learning for Interpretable Pathology Image Super-Resolution 2024-Jun-27, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419809 PMID:38935476	研究论文	本文提出了一种名为STAR-RL的空间-时间分层强化学习框架，用于可解释的病理图像超分辨率。	创新点在于将超分辨率问题重新表述为可解释操作的马尔可夫决策过程，并采用分层恢复机制以避免次最佳恢复。	在当前的方法中可能尚未解决所有的计算资源分配不均的问题。	研究旨在改进病理图像的超分辨率技术，使其更具可解释性和有效性。	研究对象为病理图像，特别是需高分辨率的医疗图像。	数字病理学	肿瘤	深度学习	分层强化学习	图像	涉及的样本数量和种类在摘要中未明确说明
14882	2024-08-05	Enhanced coalbed methane well production prediction framework utilizing the CNN-BL-MHA approach 2024-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65606-z PMID:38918551	研究论文	本文提出了一种基于CNN-BL-MHA的方法来预测煤层气井的产量	本文创新性地结合了CNN、Bi-LSTM和多头注意力机制，构建了一个煤层气井的产量预测模型	单一深度学习模型可能面临过拟合、梯度爆炸和梯度消失等问题	研究旨在提高煤层气井产量预测的准确性	本文研究对象为煤层气井的生产数据	机器学习	NA	深度学习	CNN-BL-MHA	时间序列数据	使用了W1和W2井的生产数据进行实验
14883	2024-08-05	Accurate prediction of CDR-H3 loop structures of antibodies with deep learning 2024-Jun-26, eLife IF:6.4Q1 DOI:10.7554/eLife.91512 PMID:38921957	研究论文	本文提出H3-OPT工具包，用于预测单克隆抗体和纳米抗体的3D结构	H3-OPT结合了AlphaFold2的优势和预训练的蛋白质语言模型，显著提高了CDR-H3环结构的预测精度	本文未提及具体的局限性	研究抗体建模中CDR-H3环结构的高精度预测方法	单克隆抗体和纳米抗体的CDR-H3环结构	计算机视觉	NA	深度学习	AlphaFold2	3D结构数据	三个通过H3-OPT预测的抗VEGF纳米抗体的实验结构
14884	2024-08-05	A retrospective study of deep learning generalization across two centers and multiple models of X-ray devices using COVID-19 chest-X rays 2024-06-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64941-5 PMID:38918499	研究论文	这项研究旨在识别和研究影响深度学习网络内部验证和推广的潜在因素	研究揭示了不同制造商的X光设备对深度学习模型推广能力的显著影响	研究主要限制在不同类型的响应功能设备之间未能实现推广	探讨影响计算机辅助诊断系统深度学习算法推广的因素	COVID-19胸部X光影像及其与对照影像的分类	计算机视觉	COVID-19	卷积神经网络（CNN）	VGG16	图像	来自两个机构通过三种不同X光设备制造商获取的多组图像
14885	2024-08-05	Design optimization of large-scale bifacial photovoltaic module frame using deep learning surrogate model 2024-Jun-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64594-4 PMID:38918445	研究论文	本研究开发了一种基于深度神经网络的有限元代理模型，以优化大型双面光伏模块框架设计	通过使用深度学习代理模型，实现了对大型双面光伏模块框架设计因素的优化预测	研究未详细描述在不同环境条件下模型的适用性	优化大型双面光伏模块的框架设计以减少挠度并降低重量	大型双面光伏模块的框架设计因素	工程优化	NA	有限元分析 (FEA)	深度神经网络 (DNN)	数值数据	243个有限元分析数据集及生成的100万个数据集
14886	2024-08-05	Molecular Classification of Breast Cancer Using Weakly Supervised Learning 2024-Jun-25, Cancer research and treatment IF:4.1Q2 DOI:10.4143/crt.2024.113 PMID:38938010	研究论文	该文章探讨了通过弱监督学习对乳腺癌进行分子分类的方法	创新点在于利用弱监督学习和全滑动图像减少了对大量手动标注的依赖	样本类别之间的不平衡和两个数据集之间的差异影响了模型的性能	研究旨在通过弱监督学习提高乳腺癌的分子分类效率	研究对象为来自韩国大学古鲁医院和癌症基因组图谱的数据集的乳腺癌病例	数字病理学	乳腺癌	弱监督学习	NA	全滑动图像	KG数据集和TCGA数据集中的乳腺癌病例
14887	2024-08-05	Distributed transformer for high order epistasis detection in large-scale datasets 2024-06-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65317-5 PMID:38918413	研究论文	提出了一种基于变换器的框架，用于高阶表观遗传学检测	提出了一种新颖、灵活、可移植和可扩展的网络解释框架，以处理任何阶数的表观遗传学	由于神经网络的黑箱特性，缺乏可解释性仍然是一个未解决的挑战	理解复杂疾病的遗传基础	应用于基因组广泛关联研究中的单核苷酸多态性(SNP)组合分析	计算机视觉	NA	深度学习	变换器	基因组数据	三个WTCCC数据集
14888	2024-08-05	Deep learning-based localization algorithms on fluorescence human brain 3D reconstruction: a comparative study using stereology as a reference 2024-06-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65092-3 PMID:38918523	研究论文	本文对基于深度学习的细胞定位算法进行比较，旨在为人脑三维重建提供准确的细胞计数和定位方法	使用最近介绍的三维立体测量设计作为参考，对三种基于深度学习的技术进行深入实证评估	准确量化人脑神经元面临特定挑战，如高像素强度变异、自动荧光和非特异性荧光	帮助用户根据研究目标选择合适的技术	聚焦于布罗卡区的一部分进行人脑分析	数字病理学	NA	荧光显微镜	深度学习模型	3D 数据	使用了最新三维立体测量设计进行大规模分析
14889	2024-08-05	Extraction of water bodies from high-resolution remote sensing imagery based on a deep semantic segmentation network 2024-Jun-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65430-5 PMID:38918493	研究论文	本文提出了一种新颖的深度学习框架WaterDeep，用于从高分辨率遥感影像中提取水体	引入了一种基于DeepLabV3 + 架构的新深度学习框架，并结合高低层特征的创新融合机制	NA	准确识别城市水体特征，以监测水资源和制定水管理策略	高分辨率遥感图像中的水体特征及其边界	计算机视觉	NA	深度学习	WaterDeep，基于Xception基础网络及Atrous Spatial Pyramid Pooling模块	高分辨率遥感影像	创建了一个全面的数据集，样本数量未具体说明
14890	2024-08-05	Deep learning model for the prediction of all-cause mortality among long term care people in China: a prospective cohort study 2024-06-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65601-4 PMID:38918463	研究论文	本研究旨在开发一个深度学习模型，以预测中国长期护理人群的全因死亡风险	提出了一种基于深度学习的风险分层模型，专注于老年残疾人群的全因死亡风险预测	仅基于一个试点城市的数据，可能不具代表性	研究的目的是为老年残疾人提供长期护理计划的风险预测	包括42353名65岁以上的残疾成人	机器学习	NA	深度学习	NA	行政数据	42353名残疾成人
14891	2024-08-05	CMRxRecon: A publicly available k-space dataset and benchmark to advance deep learning for cardiac MRI 2024-Jun-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03525-4 PMID:38918497	研究论文	CMRxRecon 数据集是一个公开的 k 空间数据集，旨在推动深度学习在心脏 MRI 中的应用	提供了一个包含 300 名受试者的多对比、多视角、多切片和多线圈 CMR 数据集，促进深度学习方法的发展	目前数据集数量有限，可能不够大以涵盖所有心脏病的变异性	推动最先进的心脏 MRI 图像重建的进展	300 名受试者的心脏影像数据，包括心脏电影和映射序列	数字病理	心脏病	k 空间重建	深度学习模型	影像	300 名受试者
14892	2024-08-07	Author Correction: MRI-only based material mass density and relative stopping power estimation via deep learning for proton therapy: a preliminary study 2024-Jun-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65365-x PMID:38918458	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14893	2024-08-05	A dual-track feature fusion model utilizing Group Shuffle Residual DeformNet and swin transformer for the classification of grape leaf diseases 2024-06-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64072-x PMID:38914605	研究论文	该文章提出了一种新的双轨网络用于葡萄叶病害的分类	引入了结合Swin Transformer和Group Shuffle Residual DeformNet的双轨特征融合模型	传统的病害识别方法需要专家知识，限制了可扩展性和效率	设计一种自动化深度学习方法来检测葡萄叶病害	研究对象为葡萄叶病害	计算机视觉	NA	深度学习	Swin Transformer和Group Shuffle Residual DeformNet	图像	使用PlantVillage数据集中葡萄叶病害的信息进行验证
14894	2024-08-05	Synergizing Chemical Structures and Bioassay Descriptions for Enhanced Molecular Property Prediction in Drug Discovery 2024-Jun-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00765 PMID:38836773	研究论文	该文章提出了一种新颖的计算方法，结合了生物测定的文本描述和目标化合物的化学结构来预测分子属性	通过自监督学习结合两种信息源，该方法能在没有测量数据的情况下提供准确的预测	该研究的局限性在于可能需要大量的初始数据才能有效进行自监督学习	加速新药的开发，通过改进分子属性的预测方法	重点研究生物测定和化学结构的结合来提升分子属性预测的准确性	药物发现	NA	自监督学习	NA	文本和结构数据	NA
14895	2024-08-05	Deep learning models for predicting the survival of patients with medulloblastoma based on a surveillance, epidemiology, and end results analysis 2024-06-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65367-9 PMID:38914641	研究论文	利用深度学习模型预测髓母细胞瘤患者的生存率	提出了一种基于深度学习模型DeepSurv的生存预测方法，相比于传统模型表现更优	NA	提高髓母细胞瘤患者的生存率预测准确性	对2,322名髓母细胞瘤患者的数据进行分析	机器学习	NA	深度学习	DeepSurv, 随机生存森林, Cox比例风险模型	临床数据	2,322名髓母细胞瘤患者
14896	2024-08-05	RhoMax: Computational Prediction of Rhodopsin Absorption Maxima Using Geometric Deep Learning 2024-Jun-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00467 PMID:38829021	研究论文	本研究提出了一种新方法RhoMax，通过几何深度学习预测微生物视紫红质的最大吸收波长	该研究基于结构的几何深度学习，提供了一种新的计算方法来预测视紫红质的吸收波长	目前计算方法的准确性仍然需要进一步验证	旨在解决在光遗传学中红移视紫红质吸收波长的预测问题	研究微生物视紫红质的蛋白质序列与其吸收峰之间的关系	计算机视觉	NA	深度学习, AlphaFold2	几何深度学习	序列数据	超过一半的测试集序列
14897	2024-08-05	Video-Based Sign Language Recognition via ResNet and LSTM Network 2024-Jun-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10060149 PMID:38921626	研究论文	提出一种基于ResNet和LSTM的手语识别方法	结合ResNet和LSTM有效提取手语视频中的时空特征，提高识别率	对大量视频数据的计算资源需求较高	提升手语识别技术，帮助听障人士与他人沟通	阿根廷手语（LSA64）视频数据集	计算机视觉	听力障碍	深度学习	ResNet和LSTM	视频	涉及LSA64手语数据集
14898	2024-08-05	Deep Learning and Neural Architecture Search for Optimizing Binary Neural Network Image Super Resolution 2024-Jun-18, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9060369 PMID:38921249	研究论文	本文介绍了一种面向图像超分辨率任务的高效二进制网络搜索方法	提出了一种针对超分辨率的特定搜索空间的改进，并引入了Libra参数二值化以最大化信息保留	传统架构的设计仍需大量计算资源和时间	优化二进制神经网络在超分辨率任务中的性能	二进制神经网络和其架构搜索方法	计算机视觉	NA	深度学习	二进制神经网络	图像	NA
14899	2024-08-05	Metabolic Insight into Glioma Heterogeneity: Mapping Whole Exome Sequencing to In Vivo Imaging with Stereotactic Localization and Deep Learning 2024-Jun-16, Metabolites IF:3.4Q2 DOI:10.3390/metabo14060337 PMID:38921472	研究论文	本研究探讨了通过立体定向取样和深度学习将全外显子组测序与体内影像学相结合以了解胶质瘤的异质性。	该研究创新性地结合了立体定向活检和多参数MR成像，利用深度学习方法预测肿瘤的细胞和分子特征变化。	该研究是回顾性研究，样本量较小，仅涉及10名患者。	旨在展示机器学习算法在预测胶质瘤细胞和分子特征变化中的潜力。	研究对象为10名经影像学确认的初治胶质瘤患者。	数字病理学	胶质瘤	全外显子组测序	深度学习模型	影像数据	10名胶质瘤患者
14900	2024-08-05	Residual-Based Multi-Stage Deep Learning Framework for Computer-Aided Alzheimer's Disease Detection 2024-Jun-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10060141 PMID:38921618	研究论文	该文章提出了一种基于残差函数的多阶段深度学习框架，用于自动检测阿尔茨海默病。	引入了一种新的多阶段深度神经网络架构，克服了现有阿尔茨海默病检测方法的局限性。	现有方法在训练层次卷积神经网络时性能有限。	开发一个自动阿尔茨海默病检测系统，提升检测准确率。	针对阿尔茨海默病的多阶段深度学习模型。	计算机视觉	阿尔茨海默病	深度学习	CNN	医学图像	三个基准数据集（ADNI1: Complete 1Yr 1.5T, MIRAID 和 OASIS Kaggle）