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
17361	2024-08-07	Deep ensemble learning for Alzheimer's disease classification 2020-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2020.103411 PMID:32234546	研究论文	本文提出了一种用于阿尔茨海默病分类的深度集成学习框架，该框架利用深度学习算法整合多源数据并利用专家智慧	首次采用深度学习方法集成阿尔茨海默病分类算法，提出了一种非线性特征加权方法和优化层处理成本敏感问题	NA	提高阿尔茨海默病分类的准确性	阿尔茨海默病分类算法	机器学习	阿尔茨海默病	深度学习	深度信念网络	多源数据	临床数据来自国家阿尔茨海默病协调中心
17362	2024-08-07	Unsupervised Deep Learning for Bayesian Brain MRI Segmentation 2019-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-32248-9_40 PMID:32432231	研究论文	本文提出了一种结合传统概率图谱分割和深度学习的无监督学习方法，用于不同对比度的脑部MRI图像分割	该方法无需手动标注图像即可训练新的MRI扫描分割模型	NA	开发一种无需手动标注的新图像数据集的深度学习分割模型	脑部MRI图像分割	计算机视觉	NA	深度学习	深度学习模型	图像	数千个脑部MRI扫描
17363	2024-08-07	A contrastive learning approach to integrate spatial transcriptomics and histological images 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.04.039 PMID:38707535	研究论文	本文介绍了一种基于对比学习的模型ConGcR，用于整合基因表达、空间位置和组织形态学数据，以进行数据表示和空间组织结构识别	提出了ConGcR模型，结合图卷积和ResNet作为编码器，并进一步通过图自编码器ConGaR增强模型，以更好地建模空间嵌入表示	NA	旨在有效整合空间多模态数据，提高组织结构识别的准确性	基因表达、空间位置和组织形态学数据	计算机视觉	NA	对比学习	图卷积网络、ResNet	基因表达数据、图像	16个人脑样本、4个鸡心样本、8个乳腺癌样本和30个人类肺部空间转录组样本
17364	2024-08-07	Deep learning-based detection of indicator species for monitoring biodiversity in semi-natural grasslands 2024-Sep, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2024.100419 PMID:38706811	研究论文	本文开发了一种基于深度学习的对象检测模型，用于识别高自然价值草地中的指示物种，以监测生物多样性	首次利用温室培养的指示植物样本进行深度学习模型的训练，实现了对草地生态系统中植物的实地识别	研究主要集中在温室和实验草地数据上，未来需要进一步验证模型在更广泛自然草地环境中的适用性	探索深度学习技术在草地生物多样性监测中的应用	高自然价值草地中的指示物种	机器学习	NA	深度学习	对象检测模型	图像	包括温室数据、实验草地数据和自然草地数据
17365	2024-08-07	ASOptimizer: Optimizing antisense oligonucleotides through deep learning for IDO1 gene regulation 2024-Jun-11, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2024.102186 PMID:38706632	research paper	本文介绍了一种基于深度学习的平台ASOptimizer，用于高效且低成本地设计反义寡核苷酸（ASOs），以优化IDO1基因的调控	ASOptimizer不仅选择最有效的mRNA靶点，还优化化学修饰以增强性能	NA	开发一种高效且低成本的方法来设计反义寡核苷酸，用于癌症治疗	IDO1 mRNA的反义寡核苷酸设计	machine learning	NA	deep learning	NA	sequence	NA
17366	2024-08-07	Fusion of multi-source relationships and topology to infer lncRNA-protein interactions 2024-Jun-11, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2024.102187 PMID:38706631	研究论文	本文提出了一种基于图自编码器（GAE）的FMSRT-LPI模型，用于预测长非编码RNA与蛋白质的相互作用（LPI）	首次将路径掩蔽和度回归策略集成到GAE框架中，用于潜在的LPI推断	NA	准确预测长非编码RNA与蛋白质的相互作用，以阐明lncRNA的功能和致病机制	长非编码RNA与蛋白质的相互作用	生物信息学	NA	图自编码器（GAE）	GAE	网络数据	多个公共数据集
17367	2024-08-07	Evaluation of Deep Learning Clinical Target Volumes Auto-Contouring for Magnetic Resonance Imaging-Guided Online Adaptive Treatment of Rectal Cancer 2024-Jun, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2024.101483 PMID:38706833	研究论文	本文提出并应用了一个全面的框架，用于评估深度学习在直肠癌患者MRI引导在线自适应放疗中自动勾画临床目标体积（CTV）的性能和临床可用性。	本文创新地提出了一种全面的评估框架，用于验证深度学习自动勾画CTV的准确性和临床信任度。	尽管模型在专家修正后性能与观察者间变异相当，但仍引入了一定的偏差，尽管对临床实践影响不大。	旨在评估深度学习在直肠癌放疗中自动勾画CTV的性能和临床应用潜力。	研究对象为接受MRI引导在线自适应放疗的直肠癌患者。	机器学习	直肠癌	深度学习	nnU-Net	图像	44名直肠癌患者
17368	2024-08-07	UIdataGB: Multi-Class ultrasound images dataset for gallbladder disease detection 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110426 PMID:38708300	research paper	本文介绍了一个大型数据集UIdataGB，包含10,692张高分辨率的胆囊超声图像，用于胆囊疾病检测。	该研究首次提供了一个开放访问的胆囊器官超声图像数据集，有助于推动计算机辅助诊断胆囊疾病的研究。	由于是首次提供此类数据集，可能存在数据集质量和可用性方面的限制。	旨在通过提供一个大型胆囊超声图像数据集，推动医学影像领域的发展，改善患者治疗。	研究对象包括1,782名个体的胆囊超声图像，涵盖多种胆囊疾病类型。	computer vision	胆囊疾病	NA	NA	image	10,692张胆囊超声图像，来自1,782名个体
17369	2024-08-07	Bangla_MER: A unique dataset for Bangla mathematical entity recognition 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110407 PMID:38708312	research paper	本文介绍了一个新的孟加拉语数学实体识别数据集Bangla_MER，包含13,717条记录	孟加拉语数学实体识别领域的新颖性，以及首个公开可用的数据集	NA	促进孟加拉语数学实体的识别和相关研究	孟加拉语中的数学实体，包括数学运算符、著名数学术语和操作数	自然语言处理	NA	NA	NA	文本	13,717条记录
17370	2024-08-08	Tea leaf age quality: Age-stratified tea leaf quality classification dataset 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110462 PMID:38711743	研究论文	本文介绍了“茶叶叶片年龄质量”数据集，这是一个用于基于叶片年龄进行茶叶分类、检测和质量预测的创新农业和机器学习资源。	该数据集首次系统地根据年龄质量标准将茶叶叶片分为四个不同类别，并提供了原始、未注释和增强的数据，以促进高级研究。	NA	旨在通过提供详细的年龄分层茶叶叶片分类，推动农业领域的技术进步。	茶叶叶片的分类和质量评估。	机器学习	NA	深度学习	NA	图像	2208张原始图像
17371	2024-08-07	Landslide susceptibility assessment using deep learning considering unbalanced samples distribution 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30107 PMID:38707366	研究论文	本研究提出了一种深度学习方法（DNN-MSFM），用于改进滑坡易发性评估（LSA）模型，特别是解决由于应用数据集中样本分布不平衡导致的局限性	DNN-MSFM方法结合了深度神经网络（DNN）和均方误差分类损失函数（MSFM），从算法角度处理不平衡样本	NA	提高滑坡易发性评估模型的性能，特别是在样本分布不平衡的情况下	滑坡易发性评估	机器学习	NA	深度神经网络（DNN）	DNN-MSFM	数据集	包含293个滑坡样本和653个非滑坡样本的不平衡数据集
17372	2024-08-07	Contribution to pulmonary diseases diagnostic from X-ray images using innovative deep learning models 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30308 PMID:38707425	研究论文	本文提出三种深度学习模型，用于通过胸腔X光片识别特定肺部疾病	提出的模型在识别肺部疾病方面优于现有模型，达到了高准确率	NA	提高肺部疾病的诊断准确性和及时性	肺部疾病的识别和分类	机器学习	肺部疾病	深度学习	CNN	图像	三个基准测试集
17373	2024-08-07	Evaluation of transformation invariant loss function with distance equilibrium in prediction of imaging photoplethysmography characteristics 2024-May-07, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad3dbf PMID:38604181	研究论文	本文评估了一种具有距离均衡的变换不变损失函数在成像光电容积描记术（IPPG）特征预测中的应用	提出了一种具有距离均衡的变换不变损失函数，以更全面地分析血容量脉冲（BVP）信号中的时间-频率域特性	目前的研究主要集中在通过心率（HR）分析BVP信号，忽略了BVP信号中复杂的时间-频率域特性	研究如何通过IPPG技术更全面地分析人体心率变异性（HRV）	人体心率变异性（HRV）和血容量脉冲（BVP）信号	计算机视觉	NA	成像光电容积描记术（IPPG）	深度学习算法	图像	NA
17374	2024-08-08	A deep learning method for comparing Bayesian hierarchical models 2024-May-06, Psychological methods IF:7.6Q1 DOI:10.1037/met0000645 PMID:38709626	研究论文	本文提出了一种深度学习方法，用于比较贝叶斯分层模型，解决了传统贝叶斯模型比较在高维嵌套参数结构模型中的计算难题	该方法支持摊销推理，允许高效重新估计后验模型概率和快速性能验证，并通过转移学习提高训练效率	NA	开发一种新的深度学习方法，用于在贝叶斯模型比较中处理分层模型的复杂性	贝叶斯分层模型及其在模型比较中的应用	机器学习	NA	深度学习	深度学习模型	概率程序	NA
17375	2024-08-07	Optical coherence tomography choroidal enhancement using generative deep learning 2024-May-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01119-3 PMID:38704440	研究论文	本文提出了一种基于人工智能的解决方案，利用生成式深度学习增强光学相干断层扫描（OCT）中脉络膜的可视化，并允许对脉络膜指标进行定量测量。	本研究通过生成式深度学习模型成功生成了逼真的增强SDOCT数据，这些数据与SSOCT图像难以区分，提供了脉络膜的改进可视化。	NA	旨在通过生成式深度学习增强SDOCT扫描中脉络膜的可视化，并实现脉络膜指标的定量测量。	研究对象包括362对SDOCT-SSOCT配对样本，涵盖健康眼、青光眼和糖尿病视网膜病变眼。	计算机视觉	眼科疾病	生成式深度学习	生成式深度学习模型	图像	总共涉及362对SDOCT-SSOCT配对样本，包括410只健康眼、192只青光眼眼和133只糖尿病视网膜病变眼。
17376	2024-08-07	Deep-learning-based stock market prediction incorporating ESG sentiment and technical indicators 2024-May-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61106-2 PMID:38704434	研究论文	本研究提出了一种结合ESG情绪指数和技术指标的深度学习方法，用于预测S&P 500指数	本研究创新地将ESG情绪指数与技术指标结合，提高了股票价格预测的准确性	NA	探索结合ESG情绪指数和技术指标的深度学习模型在股票市场预测中的应用	S&P 500指数	机器学习	NA	深度学习	深度学习模型	文本和历史数据	S&P 500指数
17377	2024-08-07	ViroISDC: a method for calling integration sites of hepatitis B virus based on feature encoding 2024-May-04, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05763-0 PMID:38704528	研究论文	本文提出了一种基于特征编码的深度学习方法ViroISDC，用于检测乙型肝炎病毒（HBV）的整合位点	ViroISDC在检测HBV整合位点方面比现有工具Lumpy、Pindel、Seeksv和SurVirus表现出更好的整体性能，且对测序深度和整合序列长度的敏感性较低	NA	开发一种新的方法来提高HBV整合位点检测的准确性和稳定性	乙型肝炎病毒（HBV）的整合位点	机器学习	肝癌	深度学习	NA	语言数据	NA
17378	2024-08-07	Freeprotmap: waiting-free prediction method for protein distance map 2024-May-04, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05771-0 PMID:38704533	研究论文	本文提出了一种名为FreeProtMap的学习框架，用于快速且准确地预测蛋白质残基间距离图	FreeProtMap采用无等待和无对齐的深度学习方法，通过局部性设计、三角不等式距离约束和轻量级模型结构提高预测速度和精度	NA	开发一种快速且可靠的蛋白质残基间距离预测方法	蛋白质残基间距离图	机器学习	NA	深度学习	神经网络	蛋白质数据	每年数亿个蛋白质
17379	2024-08-07	Deep learning-based spinal canal segmentation of computed tomography image for disease diagnosis: A proposed system for spinal stenosis diagnosis 2024-May-03, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000037943 PMID:38701305	研究论文	本研究提出了一种基于深度学习的脊柱管分割方法，用于通过计算机断层扫描图像诊断脊柱狭窄症	本研究引入了针对脊柱管分割和疾病诊断的新型深度学习方法，强调图像处理技术以提高分割准确性	NA	开发一种精确的脊柱管分割系统，以辅助脊柱狭窄症的诊断	脊柱管的分割及脊柱狭窄症的诊断	计算机视觉	脊柱疾病	深度学习	NA	图像	NA
17380	2024-08-07	A transformer model for cause-specific hazard prediction 2024-May-03, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05799-2 PMID:38702609	研究论文	本研究提出了一种基于Transformer架构的模型，用于预测离散时间竞争风险中的特定原因危险性	该模型不依赖于比例风险的先验参数假设，特别适用于处理序列数据中的复杂关系，并在多个任务中显示出最先进的性能	NA	旨在开发一种新的模型，用于在存在竞争事件和非比例风险的复杂动态中预测特定原因的危险性	离散时间竞争风险中的特定原因危险性	机器学习	NA	Transformer	Transformer	序列数据	2000-50,000名患者