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
16261	2024-09-17	PolyMeme: Fine-Grained Internet Meme Sensing 2024-Aug-23, Sensors (Basel, Switzerland) DOI:10.3390/s24175456 PMID:39275367	研究论文	本文介绍了一个名为PolyMeme的数据集，用于细粒度互联网模因检测	提出了PolyMeme数据集，包含了约27K个来自四个类别的模因，填补了现有数据集在模因格式、风格和内容多样性方面的不足	未提及	开发一个细粒度的互联网模因检测系统	互联网模因	计算机视觉	NA	深度学习	ResNet, ViT	图像	约27K个模因样本
16262	2024-09-17	A Self-Attention Legendre Graph Convolution Network for Rotating Machinery Fault Diagnosis 2024-Aug-23, Sensors (Basel, Switzerland) DOI:10.3390/s24175475 PMID:39275385	研究论文	本文提出了一种结合自注意力机制的Legendre图卷积网络，用于旋转机械故障诊断	该方法将振动信号从欧几里得空间转换为非欧几里得空间的图信号，并采用基于Legendre多项式的快速局部谱滤波和自注意力图池化方法，显著提高了模型的稳定性和计算效率	NA	提高旋转机械故障诊断的准确性和适应性	旋转机械的故障诊断	机器学习	NA	图卷积网络	Legendre图卷积网络	振动信号	10种不同的行星齿轮箱故障任务
16263	2024-09-17	Coronary computed tomographic angiography-derived anatomic and hemodynamic plaque characteristics in prediction of cardiovascular events 2024-Aug, The international journal of cardiovascular imaging DOI:10.1007/s10554-024-03149-0 PMID:38878147	研究论文	本研究探讨了基于深度学习的冠状动脉CT血管造影（CCTA）得出的解剖和血流动力学斑块特征与导致后续主要不良心血管事件（MACE）的高风险斑块之间的关联	本研究创新性地结合了深度学习和计算流体动力学算法，从CCTA中提取了不良斑块特征和血流动力学参数，并验证了这些参数在预测MACE事件及其预后中的价值	本研究为回顾性分析，样本量较小，且未涉及前瞻性验证	研究基于CCTA的解剖和血流动力学斑块特征与MACE事件之间的关系，并评估血流动力学参数在预测MACE事件及其预后中的价值	冠状动脉CT血管造影（CCTA）得出的解剖和血流动力学斑块特征	数字病理学	心血管疾病	冠状动脉CT血管造影（CCTA）	深度学习	图像	86名患者，共134个斑块形成的血管和83个随后发生冠状动脉事件的罪犯血管
16264	2024-09-17	Deep learning-based automated liver contouring using a small sample of radiotherapy planning computed tomography images 2024-Aug, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.08.005 PMID:39179459	研究论文	研究使用少量放射治疗计划CT图像进行基于深度学习的自动肝脏轮廓描绘的可行性	首次探讨了基于深度学习的肝脏轮廓描绘所需的最小数据量	研究仅限于放射治疗计划CT图像，未涉及其他类型的医学影像	探讨使用有限数据进行自动肝脏轮廓描绘的可行性	放射治疗计划CT图像中的肝脏轮廓	计算机视觉	NA	深度学习	U-Net	图像	62个训练病例
16265	2024-09-17	Deep learning approaches for non-coding genetic variant effect prediction: current progress and future prospects 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae446 PMID:39276327	综述	本文综述了基于批量和单细胞测序数据的非编码变异模型的发展及其在变异效应预测中的应用	本文介绍了通过深度学习方法分析大量遗传数据，以揭示全球调控景观的新见解	当前方法在变异效应预测研究中存在局限性，需要进一步改进	探讨基因变异影响和调控机制，提供对非编码变异效应预测的全面概述	非编码变异及其对基因调控的影响	机器学习	NA	测序技术	深度学习模型	遗传数据	NA
16266	2024-09-17	Early and late blight disease identification in tomato plants using a neural network-based model to augmenting agricultural productivity 2024 Jul-Sep, Science progress IF:2.6Q2 DOI:10.1177/00368504241275371 PMID:39262392	研究论文	本文利用基于inception-V3架构的神经网络模型，对番茄植株上的早疫病和晚疫病进行识别，以提高农业生产力	本文提出了一种基于inception-V3架构的深度学习模型，用于番茄叶片疾病的分类，显著提高了疾病识别的准确性	NA	提高番茄疾病识别的准确性，从而增强农业生产力	番茄植株的早疫病和晚疫病	计算机视觉	NA	深度学习	inception-V3	图像	6000张番茄叶片图像
16267	2024-09-17	Deep Learning Assessment of Progression of Emphysema and Fibrotic Interstitial Lung Abnormality 2023-09-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202211-2098OC PMID:37364281	研究论文	研究使用深度学习算法评估吸烟者中肺气肿和纤维化间质性肺异常的进展及其对死亡率的影响	首次评估了吸烟者中肺气肿和纤维化间质性肺异常的联合进展及其对死亡率的影响	研究仅基于COPDGene研究中的4450名吸烟者的数据，样本量有限	定义吸烟者中纤维化间质性肺异常的临床意义进展，并评估纤维化和肺气肿进展对死亡率的影响	吸烟者中的肺气肿和纤维化间质性肺异常	计算机视觉	肺部疾病	深度学习算法	NA	CT扫描图像	4450名吸烟者
16268	2024-09-17	Longitudinal fundus imaging and its genome-wide association analysis provide evidence for a human retinal aging clock 2023-04-17, eLife IF:6.4Q1 DOI:10.7554/eLife.82364 PMID:36975205	研究论文	本研究通过深度学习模型对EyePACS数据集中的眼底图像进行训练，开发了一种名为'eyeAge'的视网膜衰老时钟，用于更准确地预测个体的生理年龄	本研究首次提出了一种基于眼底图像的视网膜衰老时钟'eyeAge'，其预测精度高于其他衰老时钟，并且在调整表型年龄后仍保持较高的全因死亡风险比	本研究的局限性在于其依赖于特定的数据集和模型，可能不适用于所有人群	本研究旨在开发一种更准确的生理年龄预测方法，并探索其在衰老和年龄相关疾病研究中的应用	本研究主要关注视网膜衰老时钟的开发及其在生理年龄预测和衰老研究中的应用	计算机视觉	NA	深度学习	深度学习模型	图像	本研究使用了EyePACS和UK Biobank数据集中的眼底图像数据
16269	2024-09-17	Collaborative training of medical artificial intelligence models with non-uniform labels 2023-04-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-33303-y PMID:37055456	研究论文	本文提出了一种灵活的联邦学习（FFL）方法，用于在具有非均匀标签的医疗数据上进行协作训练	本文的创新点在于提出了灵活的联邦学习（FFL）方法，以解决传统联邦学习在处理非均匀标签数据时的局限性	本文的局限性在于仅在胸部X光片数据上进行了验证，尚未在其他类型的医疗数据上进行测试	本文的研究目的是改进医疗人工智能模型的训练方法，使其能够有效利用具有非均匀标签的多方数据	本文的研究对象是胸部X光片数据，特别是肺炎和肺部转移的检测	计算机视觉	NA	深度学习	NA	图像	695,000张胸部X光片，来自全球五个机构
16270	2024-09-17	Estimating the monthly pan evaporation with limited climatic data in dryland based on the extended long short-term memory model enhanced with meta-heuristic algorithms 2023-Apr-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-32838-4 PMID:37045898	研究论文	提出了一种结合长短期记忆网络（LSTM）和灰狼优化算法（GWO）以及Kendall-τ相关系数的新型混合模型，用于在干旱地区基于有限的气象数据估算月蒸发量	创新性地将LSTM与GWO算法和Kendall-τ相关系数结合，用于优化LSTM的超参数和确定气象变量的输入组合	NA	开发一种在干旱地区基于有限气象数据准确估算月蒸发量的新方法	干旱地区的月蒸发量	机器学习	NA	长短期记忆网络（LSTM），灰狼优化算法（GWO），Kendall-τ相关系数	LSTM	气象数据	NA
16271	2024-09-17	Impact of the Covid-19 pandemic on the performance of machine learning algorithms for predicting perioperative mortality 2023-04-12, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02151-1 PMID:37046259	研究论文	研究了Covid-19疫情对机器学习算法预测围手术期死亡率性能的影响	探讨了Covid-19疫情导致的协变量突变对模型性能的影响	过早重新训练模型可能导致预测准确性下降	阐明Covid-19疫情对模型性能的影响	Covid-19疫情前后的围手术期死亡率预测模型	机器学习	NA	XGBoost, 深度学习神经网络	XGBoost, 深度学习神经网络	围手术期数据	包括疫情前、第一波疫情和整个疫情期间的数据，直到2021年10月
16272	2024-09-17	Learning naturalistic driving environment with statistical realism 2023-Apr-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37677-5 PMID:37041129	研究论文	本文开发了一种基于深度学习的框架NeuralNDE，用于从车辆轨迹数据中学习多智能体交互行为，并提出冲突批评模型和安全映射网络来优化安全关键事件的生成过程	首次实现能够以统计真实性再现真实世界驾驶环境的模拟模型，特别是在安全关键情况下	NA	开发和测试自动驾驶车辆的模拟工具	多智能体交互行为和安全关键事件	计算机视觉	NA	深度学习	神经网络	轨迹数据	NA
16273	2024-09-17	Comprehensive benchmark and architectural analysis of deep learning models for nanopore sequencing basecalling 2023-04-11, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-02903-2 PMID:37041647	研究论文	本文对基于纳米孔测序的深度学习模型进行了全面的基准测试和架构分析	本文统一了现有的基准测试数据集并定义了一套严格的评估指标，对最新的七个碱基调用模型进行了基准测试和架构分析	物种偏差在训练中对性能有较大影响	标准化纳米孔测序碱基调用的基准测试过程，并分析不同模型的性能	纳米孔测序的碱基调用模型	机器学习	NA	纳米孔测序	循环神经网络（长短期记忆）和条件随机场解码器	电流信号	90种新架构
16274	2024-09-17	Improving the generalizability of protein-ligand binding predictions with AI-Bind 2023-04-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37572-z PMID:37031187	研究论文	本文介绍了一种名为AI-Bind的管道，通过结合基于网络的采样策略和无监督预训练来提高蛋白质-配体结合预测的泛化能力	AI-Bind通过结合网络采样策略和无监督预训练，解决了现有深度学习模型在预测新蛋白质和配体结合时的泛化问题	NA	提高蛋白质-配体结合预测的泛化能力，加速药物发现过程	蛋白质-配体结合预测模型及其泛化能力	机器学习	NA	深度学习	NA	网络数据	NA
16275	2024-09-17	Deep learning-based polygenic risk analysis for Alzheimer's disease prediction 2023-Apr-06, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-023-00269-x PMID:37024668	研究论文	本文开发了基于深度学习的神经网络模型，用于阿尔茨海默病（AD）的遗传风险分析和预测	利用深度学习方法捕捉高维基因组数据的非线性特征，提高了AD风险预测的准确性	NA	开发和验证基于深度学习的神经网络模型，用于AD的遗传风险建模和预测	阿尔茨海默病（AD）的遗传风险和相关生物途径	机器学习	阿尔茨海默病	深度学习	神经网络	基因组数据	NA
16276	2024-09-17	A roadmap to establish a comprehensive platform for sustainable manufacturing of natural products in yeast 2023-04-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37627-1 PMID:37024483	研究论文	本文讨论了在酵母中可持续生产天然产物（NPs）的综合平台构建	提出了通过系统关联优化在酵母中可持续生产天然产物的综合平台，并利用深度学习连接多层次数据以识别关键代谢模块	NA	建立一个可持续生产天然产物的综合平台	天然产物（NPs）的生产	生物工程	NA	深度学习	NA	多层次数据	NA
16277	2024-09-17	Enhancing travel time prediction with deep learning on chronological and retrospective time order information of big traffic data 2023-Apr-06, Annals of operations research IF:4.4Q1 DOI:10.1007/s10479-023-05223-7 PMID:37361091	研究论文	本文提出了一种新的深度学习方法BDIGRU，用于增强交通数据的旅行时间预测	提出了双向等距门控循环单元（BDIGRU），结合深度学习框架进行旅行时间预测，并通过其自身的注意力机制从大数据中直接学习高级特征	未提及	提高智能交通规划中的旅行时间预测准确性	交通数据中的旅行时间预测和路线规划	机器学习	NA	深度学习	双向等距门控循环单元（BDIGRU）	交通数据	未提及
16278	2024-09-17	A Current Review of Machine Learning and Deep Learning Models in Oral Cancer Diagnosis: Recent Technologies, Open Challenges, and Future Research Directions 2023-Apr-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13071353 PMID:37046571	综述	本文综述了机器学习和深度学习模型在口腔癌诊断中的应用，探讨了最新技术、开放挑战和未来研究方向	本文通过综述展示了深度学习模型在早期口腔癌检测中的潜力，并讨论了人工智能在口腔癌研究中的潜在应用	本文主要集中在综述现有技术和模型，未提出新的研究方法或模型	探讨机器学习和深度学习在口腔癌早期诊断中的应用，评估不同模型的性能，并提出未来研究方向	口腔癌及其早期诊断方法	机器学习	口腔癌	NA	深度学习模型	NA	NA
16279	2024-09-17	Explanatory predictive model for COVID-19 severity risk employing machine learning, shapley addition, and LIME 2023-04-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-31542-7 PMID:37015978	研究论文	研究旨在利用机器学习、Shapley加法和LIME模型解释COVID-19严重程度的风险因素	采用Shapley加法解释（SHAP）和LIME模型来分析细胞因子风暴与COVID-19严重程度之间的关系	样本量较小，仅涉及87名参与者	探讨细胞因子对SARS-CoV-2感染严重程度的影响	COVID-19患者的血浆细胞因子水平	机器学习	COVID-19	机器学习、深度学习	SHAP、LIME	血浆细胞因子水平数据	87名COVID-19患者
16280	2024-09-17	STGRNS: an interpretable transformer-based method for inferring gene regulatory networks from single-cell transcriptomic data 2023-04-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad165 PMID:37004161	研究论文	本文提出了一种基于Transformer的可解释方法STGRNS，用于从单细胞转录组数据中推断基因调控网络	STGRNS方法通过基因表达基序技术将基因对转换为连续子向量，避免了网络中缺失的阶段特异性调控，提高了GRN推断的准确性	NA	解决从单细胞转录组数据中推断基因调控网络时面临的细胞异质性问题	单细胞转录组数据中的基因调控网络	生物信息学	NA	单细胞RNA测序	Transformer	基因表达数据	21个静态和27个时间序列单细胞RNA测序数据集