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
15361	2024-09-26	Enhancing geotechnical damage detection with deep learning: a convolutional neural network approach 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2052 PMID:39314724	研究论文	本文提出了一种基于卷积神经网络（CNN）的计算机视觉方法，用于通过无人机和移动设备识别地质结构表面的缺陷，以减少对人工现场检查的依赖	本文提出了一种定制的CNN和低复杂度模型架构，用于构建二分类图像辅助的地质表面缺陷检测器	由于地质工程领域的特殊性，如公共数据集有限和冗余图像，计算机视觉算法在该领域的研究仍需进一步探索	开发一种快速且安全的评估方法，用于识别地质结构表面的缺陷，以减少对人工现场检查的依赖	地质结构表面的缺陷	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	从巴西国家公路附近的斜坡上获取的表面故障指示图像
15362	2024-09-26	Detecting rumors in social media using emotion based deep learning approach 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2202 PMID:39314729	研究论文	本文提出了一种基于情感的深度学习方法，用于在社交媒体中检测谣言	本文创新性地结合了情感和情感标签提取，以及文本内容信息的整合，提出了Sentiment and EMotion driven TransformEr Classifier方法（SEMTEC），显著提高了谣言检测的准确率	NA	提高社交媒体中谣言检测的准确性	社交媒体中的谣言	自然语言处理	NA	深度学习	Transformer	文本	在PHEME数据集上达到了92%的准确率，并在Twitter24数据集上超过了标准方法2%的准确率
15363	2024-09-26	Terrorism group prediction using feature combination and BiGRU with self-attention mechanism 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2252 PMID:39314736	研究论文	研究提出了一种基于特征组合和双向门控循环单元（BiGRU）与自注意力机制的框架，用于预测恐怖组织	引入了BiGRU-SA模型，结合DistilBERT提取的文本特征和高相关性特征，并通过SMOTE-T技术处理数据不平衡问题，显著提高了分类准确性	NA	提高对恐怖组织的识别和分类能力，增强国家及地区对恐怖主义的防御	恐怖组织及其相关攻击事件	机器学习	NA	双向门控循环单元（BiGRU），自注意力机制，DistilBERT，SMOTE-T	BiGRU-SA	文本	36个恐怖组织
15364	2024-09-26	Improving synthetic media generation and detection using generative adversarial networks 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2181 PMID:39314737	研究论文	本文提出了一种改进的生成对抗网络（GAN）模型，用于提高合成媒体生成和检测的准确性	通过数据增强和标签平滑策略改进了GAN模型的训练，提高了合成图像的生成和检测效果	NA	解决合成图像生成和检测中的问题，减少社交媒体法规违规和虚假信息传播的风险	合成图像的生成和检测	计算机视觉	NA	生成对抗网络（GAN）	深度卷积生成对抗网络（DCGAN）	图像	使用了包含人脸的数据集，包括Flickr-Faces Nvidia数据集和Fakefaces数据集
15365	2024-09-26	Enhancing intrusion detection performance using explainable ensemble deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2289 PMID:39314740	研究论文	提出了一种基于可解释集成深度学习的入侵检测方法，以提高网络攻击检测的准确性和可解释性	设计了一种新的集成入侵检测模型，结合了三个一维长短期记忆网络（LSTM）和一个元学习算法，并通过SHAP方法增强了结果的可解释性	NA	提高大规模网络中入侵检测系统的准确性和可解释性	网络攻击的检测和分类	机器学习	NA	长短期记忆网络（LSTM），元学习算法，SHAP	LSTM	数据	真实数据集
15366	2024-09-26	Reconstructing interpretable features in computational super-resolution microscopy via regularized latent search 2024, Biological imaging DOI:10.1017/S2633903X24000084 PMID:39314829	研究论文	提出了一种基于正则化潜在搜索（RLS）的计算超分辨率显微镜方法，以在保持真实性的同时重建高分辨率图像的可解释特征	引入了一种新的正则化潜在搜索方法，能够在不需要成对图像的情况下显著提高分辨率，并重建高分辨率图像的可解释特征	需要大量的低分辨率/高分辨率图像对，并且生成的合成图像分辨率提升有限	开发一种能够在保持真实性的同时重建高分辨率图像可解释特征的超分辨率方法	显微镜图像的超分辨率重建	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	大量低分辨率/高分辨率图像对
15367	2024-09-26	Knowledge mapping of freezing of gait in Parkinson's disease: a bibliometric analysis 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1388326 PMID:39315077	综述	本文对帕金森病中的冻结步态进行了文献计量分析，总结了过去二十年来的研究热点和趋势	首次对帕金森病中的冻结步态进行文献计量分析	NA	总结帕金森病中冻结步态的研究热点和趋势	帕金森病中的冻结步态	NA	帕金森病	文献计量分析	NA	文献	1340篇文章，来自64个国家/地区
15368	2024-09-26	A modified U-Net to detect real sperms in videos of human sperm cell 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1376546 PMID:39315244	研究论文	研究探讨了在人类精子细胞视频中检测真实精子的改进U-Net模型	提出了使用UNet++与ResNet34结合的模型，在VISEM数据集上表现出色	在识别紧密相邻的精子细胞方面仍存在挑战	提高男性不育诊断中精子分割的自动化程度	人类精子细胞视频中的精子分割	计算机视觉	男性不育	深度学习	UNet++	视频	使用了VISEM数据集中的帧
15369	2024-09-26	An experimental study of acoustic bird repellents for reducing bird encroachment in pear orchards 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1365275 PMID:39315369	研究论文	本文设计了一种基于计算机视觉的声波鸟类驱赶系统，结合深度学习目标识别技术，用于减少梨园中的鸟类侵扰	首次将计算机视觉与声波驱鸟技术结合，通过深度学习模型识别鸟类并进行驱赶	实验规模较小，仅在两个实验区域进行测试，未来需在更大范围内验证其有效性	研究声波鸟类驱赶技术在梨园中的应用，减少鸟类对高价值作物的损害	梨园中的鸟类侵扰及其对作物产量的影响	计算机视觉	NA	深度学习目标识别技术	神经网络模型	视频	两个实验区域，使用声波驱鸟器和无驱鸟器的对照组进行对比
15370	2024-09-26	Prediction of nitrous oxide emission of a municipal wastewater treatment plant using LSTM-based deep learning models 2024-Jan, Environmental science and pollution research international DOI:10.1007/s11356-023-31250-9 PMID:38055175	研究论文	本研究开发并评估了基于LSTM的深度学习模型，用于预测瑞士某污水处理厂的NO排放	LSTM模型在预测NO排放方面优于RNN模型，表现出更高的准确性和鲁棒性	NA	评估深度学习模型在预测污水处理厂NO排放方面的性能	瑞士某污水处理厂的NO排放	机器学习	NA	深度学习	LSTM	数值数据	涉及六个关键参数
15371	2024-09-26	Evaluating the influence of road construction on landslide susceptibility in Saudi Arabia's mountainous terrain: a Bayesian-optimised deep learning approach with attention mechanism and sensitivity analysis 2024-Jan, Environmental science and pollution research international DOI:10.1007/s11356-023-31352-4 PMID:38082044	研究论文	研究评估了沙特阿拉伯山区道路建设对滑坡易感性的影响，采用贝叶斯优化深度学习方法结合注意力机制和敏感性分析	本研究创新性地结合了贝叶斯优化和注意力机制的深度学习模型，显著提高了滑坡预测的准确性	研究主要集中在沙特阿拉伯的Asir地区，可能限制了结果的普适性	开发高精度的深度学习模型来预测滑坡易感性，并进行全面的敏感性分析	沙特阿拉伯Asir地区的山区滑坡易感性	机器学习	NA	深度学习	CNN	图像	NA
15372	2024-09-26	Reproducibility of a combined artificial intelligence and optimal-surface graph-cut method to automate bronchial parameter extraction 2023-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09615-y PMID:37071168	研究论文	评估一种结合深度学习和最优表面图割方法的自动支气管参数提取方法的可重复性	结合深度学习和最优表面图割方法，自动分割气道管腔和壁，并计算支气管参数	自动测量方法在第7代及以后的气道中可重复性显著下降	评估自动支气管参数提取方法的可重复性	支气管参数的自动分割和测量	计算机视觉	NA	深度学习	深度学习模型	CT扫描图像	188名参与者，每人两次CT扫描，平均间隔3个月
15373	2024-09-26	Large-scale automatic extraction of agricultural greenhouses based on high-resolution remote sensing and deep learning technologies 2023-Oct, Environmental science and pollution research international DOI:10.1007/s11356-023-29802-0 PMID:37733202	研究论文	本文利用高分辨率遥感图像和深度学习技术，自动提取了中国山东省的大规模农业温室分布	首次实现了大规模高分辨率（约1米）的农业温室提取，并结合深度学习算法达到了94.04%的平均交并比	研究仅限于山东省，未涵盖其他地区	获取农业温室的空间分布，为农业生产、政策制定和环境保护提供支持	中国山东省的农业温室	计算机视觉	NA	高分辨率遥感图像	深度学习算法	图像	山东省总面积的1.11%，总耕地面积的2.31%，覆盖面积为1755.3平方公里
15374	2024-09-26	Towards Universal Cell Embeddings: Integrating Single-cell RNA-seq Datasets across Species with SATURN 2023-Sep-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.02.03.526939 PMID:36778387	研究论文	本文介绍了一种名为SATURN的深度学习方法，用于学习跨物种的通用细胞嵌入，通过结合蛋白质语言模型和RNA表达来整合不同物种的单细胞RNA测序数据集	SATURN方法能够检测跨物种的功能相关基因共表达，重新定义了跨物种分析的差异表达，并能有效跨物种转移注释和识别同源及物种特异性细胞类型	NA	开发一种能够整合跨物种单细胞RNA测序数据集的方法，以揭示细胞类型的进化保守性和多样性	跨物种的单细胞RNA测序数据集，包括三种物种的全器官图谱以及蛙和斑马鱼胚胎发育数据集	机器学习	NA	单细胞RNA测序	深度学习	基因表达数据	涉及三种物种的全器官图谱以及蛙和斑马鱼胚胎发育数据集
15375	2024-09-26	Multimodal deep learning approaches for single-cell multi-omics data integration 2023-09-20, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad313 PMID:37651607	review	本文综述了多模态深度学习技术在单细胞多组学数据整合中的应用	首次系统性地研究了深度学习在单细胞多组学数据整合中的应用	NA	填补深度学习在单细胞多组学数据整合应用中的研究空白	单细胞多组学数据	machine learning	NA	多模态深度学习	NA	multi-omics	NA
15376	2024-09-26	Transformer-based biomarker prediction from colorectal cancer histology: A large-scale multicentric study 2023-09-11, Cancer cell IF:48.8Q1 DOI:10.1016/j.ccell.2023.08.002 PMID:37652006	研究论文	本文开发了一种基于Transformer的管道，用于从结直肠癌病理切片中进行端到端的生物标志物预测	本文提出了一种新的基于Transformer的管道，结合了预训练的Transformer编码器和Transformer网络进行补丁聚合，显著提高了性能、泛化性、数据效率和可解释性	NA	加速从常规病理切片中预测结直肠癌的预后生物标志物	结直肠癌病理切片中的生物标志物预测	数字病理学	结直肠癌	Transformer	Transformer	图像	超过13,000名患者，来自16个结直肠癌队列
15377	2024-09-26	Poor Generalization by Current Deep Learning Models for Predicting Binding Affinities of Kinase Inhibitors 2023-Sep-06, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.04.556234 PMID:37732243	研究论文	本文探讨了当前深度学习模型在预测激酶抑制剂结合亲和力方面的泛化能力	通过构建卷积神经网络（CNN）并评估其在四个常用数据集上的表现，揭示了模型在处理未见数据时的性能下降问题	模型在处理未见数据时性能显著下降，表明存在信息泄露问题，且模型未能学习到分子相互作用的知识	评估当前深度学习模型在预测激酶抑制剂结合亲和力方面的泛化能力	激酶抑制剂及其与激酶的结合亲和力	机器学习	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	分子序列（SMILES字符串）	四个常用数据集
15378	2024-09-26	Foundation Models for Quantitative Biomarker Discovery in Cancer Imaging 2023-Sep-05, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.04.23294952 PMID:37732237	研究论文	本文开发了一种用于癌症影像生物标志物发现的基石模型，并通过自监督学习训练卷积编码器	基石模型在减少下游应用中训练样本需求方面表现出色，特别是在医学领域	NA	开发和评估用于影像生物标志物发现的基石模型	癌症影像生物标志物	计算机视觉	NA	自监督学习	卷积神经网络（CNN）	影像	11,467个放射性病变样本
15379	2024-09-26	Inferring gene regulatory network from single-cell transcriptomes with graph autoencoder model 2023-09, PLoS genetics IF:4.0Q1 DOI:10.1371/journal.pgen.1010942 PMID:37703293	研究论文	提出了一种基于图自编码器的深度学习模型DeepRIG，用于从单细胞转录组数据中推断基因调控网络	DeepRIG模型通过构建先验调控图并利用图自编码器嵌入全局调控信息，能够准确重建基因调控网络并优于现有方法	NA	推断单细胞转录组数据中的基因调控网络	基因调控网络	机器学习	NA	单细胞RNA测序	图自编码器	转录组数据	人类外周血单核细胞和三阴性乳腺癌样本
15380	2024-09-26	Advancing Naturalistic Affective Science with Deep Learning 2023-Sep, Affective science IF:2.1Q2 DOI:10.1007/s42761-023-00215-z PMID:37744976	综述	本文综述了深度学习在推进自然情感科学中的应用	引入深度学习方法来解决传统情感研究中的挑战，如量化自然行为、选择和操纵自然刺激以及建模自然情感过程	深度学习方法本身存在局限性，可能需要避免或缓解	推进更自然的情感科学研究	情感行为的不同渠道，包括面部表情、身体姿势、语音韵律和语言	自然语言处理	NA	深度学习	NA	行为数据	NA