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
17061	2024-09-04	Deep Learning Bridged Bioactivity, Structure, and GC-HRMS-Readable Evidence to Decipher Nontarget Toxicants in Sediments 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c10814 PMID:38696305	研究论文	本文提出了一种基于深度学习的事件驱动分类框架，用于混合物风险评估，并通过高吞吐量筛选生物测定和毒物鉴定进行集成	开发了两种深度学习模型，用于预测生物活性物质的指纹并将其转换为质谱可读信息，以进行非目标分析	NA	旨在通过深度学习技术识别混合物中的非目标毒物	研究对象为引发芳基烃受体激活和氧化应激反应的沉积物中的化学混合物	机器学习	NA	GC-qToF-MS	深度学习模型	化学指纹数据	建立了两个包含121和118个指纹的库，并在沉积物提取物中鉴定了247种生物活性化合物
17062	2024-09-04	Transformer-based deep learning networks for fault detection, classification, and location prediction in transmission lines 2024-Sep-03, Network (Bristol, England) DOI:10.1080/0954898X.2024.2393746 PMID:39224075	research paper	本文提出了一种基于Transformer的分层深度学习方法（HDLA），用于输电线路中的故障检测、分类和位置预测	HDLA利用两阶段基于Transformer的分类和回归模型，直接从同步的三相电流和电压样本中进行故障检测、故障类型分类和故障位置预测，无需特征提取，显著降低了计算复杂性	NA	提高现代电力系统的稳定性和可靠性，减少经济损失，增强系统保护的敏感性	输电线路中的故障检测、分类和位置预测	machine learning	NA	Transformer	Transformer-based deep learning networks	three-phase current and voltage samples	包含各种故障场景的综合数据集，涵盖多种类型、位置、电阻、起始角度和噪声水平
17063	2024-09-04	Deep learning method for predicting weekly anatomical changes in patients with nasopharyngeal carcinoma during radiotherapy 2024-Sep-03, Medical physics IF:3.2Q1 DOI:10.1002/mp.17381 PMID:39225585	研究论文	本研究开发了一种深度学习方法，用于预测鼻咽癌患者在放疗期间每周的解剖变化	提出了一种结合长短期记忆网络和生成对抗网络（LSTM-GAN）的方法，能够预测鼻咽癌患者在放疗期间的解剖变化	NA	开发一种深度学习方法，预测鼻咽癌患者在放疗期间的肿瘤反应和解剖变化	鼻咽癌患者的肿瘤目标体积和危险器官	机器学习	鼻咽癌	NA	LSTM-GAN	图像	230名鼻咽癌患者
17064	2024-08-19	Deep learning is necessary for safety regulation in predicting malnutrition in gastric cancer patients 2024-Sep, Clinical nutrition (Edinburgh, Scotland) DOI:10.1016/j.clnu.2024.07.043 PMID:39153431	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
17065	2024-09-04	Semi-supervised CT image segmentation via contrastive learning based on entropy constraints 2024-Sep, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00387-y PMID:39220023	研究论文	本文提出了一种基于熵约束对比学习的半监督CT图像分割方法	设计了一种结合CNN和Transformer的半监督网络模型，并引入了残差挤压和激励模块以提高分割性能	伪标签生成的不可靠性可能导致模型性能下降	提高CT图像分割的效率和准确性	CT图像的目标分割	计算机视觉	NA	对比学习	CNN, Transformer	图像	使用COVID-19 CT公共数据集进行验证
17066	2024-09-04	Automated analysis of fetal heart rate baseline/acceleration/deceleration using MTU-Net3 + model 2024-Sep, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00388-x PMID:39220035	研究论文	本研究介绍了MTU-Net3+深度学习模型，用于自动分析胎儿心率基线、加速和减速，旨在提高诊断准确性和效率	MTU-Net3+模型基于UNet3+架构，结合了自注意力机制和双向长短期记忆层，以增强性能	NA	提高胎儿心率分析的诊断准确性和效率	胎儿心率信号	机器学习	NA	深度学习	MTU-Net3+	信号	模型在公共数据库的子集上训练，并在公共数据库的剩余部分和私有数据库上测试
17067	2024-09-04	Deep learning and direct sequencing of labeled RNA captures transcriptome dynamics 2024-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae116 PMID:39211330	研究论文	本文介绍了RNAkinet，一种深度卷积和循环神经网络，用于检测通过代谢标记和纳米孔直接RNA测序的初生RNA分子	RNAkinet能够直接处理纳米孔测序的电信号，区分初生RNA和已存在的RNA分子，并能跨不同细胞类型和生物体进行泛化	NA	评估RNA异构体的代谢动力学，如转录和衰变速率，以揭示基因调控	RNA异构体的代谢动力学	机器学习	NA	纳米孔直接RNA测序	深度卷积和循环神经网络	电信号	NA
17068	2024-09-04	3D physiologically-informed deep learning for drug discovery of a novel vascular endothelial growth factor receptor-2 (VEGFR2) 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35769 PMID:39220924	研究论文	本研究提出了一种利用三维深度学习和结构建模方法设计针对VEGFR2的新型抑制剂的策略	采用几何增强的分子表示学习方法（GEM）和图神经网络（GNN）预测候选药物活性，并通过分子动力学模拟进一步验证其有效性	NA	开发新型VEGFR2抑制剂，以减少现有药物的副作用并提高耐受性	VEGFR2抑制剂的设计与筛选	机器学习	NA	3D深度学习，结构建模方法，分子动力学模拟	GNN	分子数据	NA
17069	2024-09-04	GBERT: A hybrid deep learning model based on GPT-BERT for fake news detection 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35865 PMID:39220956	研究论文	本文提出了一种名为GBERT的新框架，结合GPT和BERT模型用于假新闻检测	GBERT框架结合了BERT的深度上下文理解和GPT的生成能力，创建了一个全面的文本表示	NA	研究目的是识别给定文本的真伪，解决假新闻问题	假新闻检测	自然语言处理	NA	GPT, BERT	GBERT	文本	两个真实世界基准语料库
17070	2024-09-04	Model based deep learning method for focused ultrasound pathway scanning 2024-08-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70689-9 PMID:39198623	研究论文	本文介绍了一种基于机器学习的深度学习方法，用于设计高强度聚焦超声（HIFU）治疗计划，该方法利用患者独特的材料特性图和精确的热模拟	提出的方法结合了数值模型和机器学习技术，能够准确预测HIFU的加热过程，并生成高质量的治疗计划	NA	开发一种新的机器学习方法，用于优化HIFU治疗计划，以提高治疗效果并减少副作用	高强度聚焦超声治疗计划的设计	机器学习	NA	高强度聚焦超声（HIFU）	数值模型	图像数据	使用离体牛肝进行了一系列测试
17071	2024-09-04	ConIQA: A deep learning method for perceptual image quality assessment with limited data 2024-Aug-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70469-5 PMID:39209864	研究论文	本文介绍了一种基于深度学习的图像质量评估方法ConIQA，该方法利用一致性训练和新的数据增强技术，适用于标记数据稀缺的情况	ConIQA通过结合标记和未标记数据进行学习，提高了在特定领域图像质量评估的性能	ConIQA的性能在完美匹配参考图像和失真图像不应被期望的应用中可能下降	开发一种适用于虚拟现实和增强现实应用中与人类感知紧密对齐的图像质量评估方法	研究在计算机生成全息图（CGH）中出现的特定伪影，如振铃、斑点和量化误差，并评估现有图像质量评估方法的不足	计算机视觉	NA	深度学习	神经网络	图像	包含1000张自然图像及其通过不同CGH算法渲染的图像，每张图像由十三名参与者进行质量评级
17072	2024-09-04	Effective weight optimization strategy for precise deep learning forecasting models using EvoLearn approach 2024-Aug-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69325-3 PMID:39209882	研究论文	本文提出了一种名为EvoLearn的新方法，通过结合遗传算法和反向传播来优化神经网络模型的学习过程，以提高预测准确性和学习效率	EvoLearn方法通过在训练过程中从多个模型中选择最佳组件，显著提高了预测准确性	NA	旨在通过EvoLearn方法优化神经网络模型的学习过程，提高时间序列预测的准确性	时间序列预测，包括空气污染和能源消耗时间序列	机器学习	NA	遗传算法，反向传播	MLP, DNN, CNN, RNN, GRU	时间序列数据	两种时间序列类型的两个数据集
17073	2024-09-04	Software defined networking based network traffic classification using machine learning techniques 2024-Aug-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70983-6 PMID:39209938	研究论文	本文利用机器学习技术，基于软件定义网络（SDN）进行网络流量分类	采用监督和非监督机器学习模型，如逻辑回归、决策树、随机森林等，结合SDN提高分类性能	研究存在加密流量检测、有效载荷检查、检测准确性低等问题	提高网络流量分类的效率和准确性	域名系统（DNS）、Telnet、Ping和语音流量	机器学习	NA	机器学习（ML）和深度学习（DL）	决策树	网络流量	使用分布式互联网流量生成器（D-ITG）工具模拟的流量
17074	2024-09-04	Prediction of hearing recovery with deep learning algorithm in sudden sensorineural hearing loss 2024-08-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70436-0 PMID:39209945	研究论文	本研究旨在建立一个基于深度学习的预测模型，用于预测特发性突发性感音神经性听力损失（SSNHL）的预后	采用两层分类过程，首先使用22个多层感知器（MLP）网络对患者进行初步分类，然后将结果传递给第二层元分类器进行最终预后确定	NA	建立一个预测特发性突发性感音神经性听力损失预后的深度学习模型	1108名SSNHL患者	机器学习	耳鼻喉疾病	深度学习算法	多层感知器（MLP）网络	临床数据	1108名患者
17075	2024-09-04	Twinned neuroimaging analysis contributes to improving the classification of young people with autism spectrum disorder 2024-08-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71174-z PMID:39209988	研究论文	本研究探讨了多种磁共振成像（MRI）对比形式在单独使用和组合使用时，对自闭症谱系障碍（ASD）年轻患者的分类效果	本研究采用了3D-DenseNet深度学习网络，通过双通道模型结合结构MRI图和低频振幅（ALFF）或分数ALFF（fALFF）图，提高了分类准确性	NA	研究如何利用多种MRI对比形式提高ASD年轻患者的分类准确性	自闭症谱系障碍（ASD）年轻患者	计算机视觉	自闭症谱系障碍	磁共振成像（MRI）	3D-DenseNet	图像	702名参与者，其中351名ASD患者和351名对照组
17076	2024-09-04	Advancing healthcare with artificial intelligence: diagnostic accuracy of machine learning algorithm in diagnosis of diabetic retinopathy in the Brazilian population 2024-Aug-29, Diabetology & metabolic syndrome IF:3.4Q2 DOI:10.1186/s13098-024-01447-0 PMID:39210394	研究论文	本文研究了机器学习算法在巴西人群中诊断糖尿病视网膜病变的准确性	使用了来自巴西患者的数据集，使模型更适应特定人群的细微差别和特征	NA	评估机器学习算法在自动化检测糖尿病视网膜病变中的诊断准确性	糖尿病视网膜病变	机器学习	糖尿病	卷积神经网络	CNN	图像	15,816张图像（4590名患者）
17077	2024-09-04	An empirical study of large-scale data-driven full waveform inversion 2024-Aug-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68573-7 PMID:39198496	研究论文	本文研究了大数据对深度学习模型在全波形反演（FWI）问题中性能的影响	首次验证了大数据在全波形反演问题中对深度学习模型的有效性，并展示了模型容量与数据大小之间的比例关系	研究仅限于使用合成数据集OPENFWI，未涉及实际地震数据	探讨大数据如何提升深度学习模型在全波形反演问题中的性能	深度学习模型在全波形反演中的表现	机器学习	NA	深度学习	NA	地震数据	47万对地震数据和速度图
17078	2024-09-04	CT radiomics-based biomarkers can predict response to immunotherapy in hepatocellular carcinoma 2024-08-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70208-w PMID:39198563	研究论文	本研究旨在通过结合放射学数据和机器学习技术，识别用于预测肝细胞癌患者免疫治疗反应的生物标志物	利用CT影像特征和机器学习模型，特别是深度学习、随机森林和朴素贝叶斯等方法，预测肝细胞癌患者对免疫治疗的短期疗效	研究样本量相对较小，且仅限于两个医院的数据，可能影响模型的泛化能力	开发一种基于CT放射组学的生物标志物，用于预测肝细胞癌患者对免疫治疗的反应	54名接受免疫治疗的肝细胞癌患者及其CT影像数据	机器学习	肝细胞癌	CT影像分析	深度学习、随机森林、朴素贝叶斯	影像	54名肝细胞癌患者
17079	2024-09-04	Deep learning-assisted segmentation of X-ray images for rapid and accurate assessment of foot arch morphology and plantar soft tissue thickness 2024-08-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71025-x PMID:39198590	研究论文	本研究利用深度学习图像分割技术对负重侧位X光图像进行分析，以快速准确评估足弓形态和足底软组织厚度	本研究采用DeepLab V3+网络模型精确描绘第一跖骨、距骨、跟骨、舟骨等骨骼边界，实现足弓形态和足底软组织厚度的自动快速测量	本研究使用的是回顾性数据集，未来研究可考虑前瞻性数据集以增强结果的普遍性	探讨足弓形态与足底软组织厚度之间的关联，并考察年龄和性别的影响	足弓形态和足底软组织厚度	计算机视觉	NA	深度学习图像分割技术	DeepLab V3+	X光图像	1497张X光图像
17080	2024-09-04	Prediction of treatment outcome for branch retinal vein occlusion using convolutional neural network-based retinal fluorescein angiography 2024-08-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71061-7 PMID:39198599	研究论文	本文利用深度学习技术，开发了一种基于卷积神经网络的视网膜荧光素血管造影（FFA）模型，用于预测分支视网膜静脉阻塞（BRVO-ME）患者抗VEGF治疗的短期效果	本文创新性地使用FFA-Net模型，基于VGG网络，通过分类网络训练FFA图像，以预测BRVO-ME的治疗效果	文章未明确提及具体的局限性	研究目的是开发一种人工智能模型，用于预测BRVO-ME患者抗VEGF治疗的短期效果	研究对象为180名BRVO-ME患者	计算机视觉	视网膜疾病	卷积神经网络（CNN）	VGG	图像	180名BRVO-ME患者