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
18341	2024-09-04	An Explainable Deep Learning Approach for Stress Detection in Wearable Sensor Measurements 2024-Aug-06, Sensors (Basel, Switzerland) DOI:10.3390/s24165085 PMID:39204782	研究论文	本文提出了一种可解释的深度学习方法，用于从可穿戴传感器测量数据中自动检测压力	本文通过结合长短期记忆网络（LSTM）和深度生成集合的条件生成对抗网络（LSTM DGE），解决了稀疏标记传感器测量数据的问题，并利用集成梯度（IG）提高了模型的可解释性	NA	开发一种能够准确检测急性环境中压力相关情绪激发的深度学习方法，以改善人类的健康状况	从Empatica E4腕带记录的生理传感器数据中检测压力	机器学习	NA	深度学习	LSTM DGE	传感器数据	稀疏标记的传感器测量数据
18342	2024-09-04	Review of Methods for Automatic Plastic Detection in Water Areas Using Satellite Images and Machine Learning 2024-Aug-06, Sensors (Basel, Switzerland) DOI:10.3390/s24165089 PMID:39204783	综述	本文综述了利用卫星图像和机器学习技术自动检测水域中塑料的方法	介绍了现代机器学习技术在自动化检测漂浮塑料方面的应用	分析了使用太空图像工作的各种限制，并提出了消除这些缺陷的方法	旨在有效解决海洋塑料污染问题，准确快速地识别塑料来源、积累地点及废物运动动态	海洋中的塑料污染及其对海洋生态系统的影响	计算机视觉	NA	机器学习	深度学习算法	图像	NA
18343	2024-09-04	A Novel Real-Time Detection and Classification Method for ECG Signal Images Based on Deep Learning 2024-Aug-06, Sensors (Basel, Switzerland) DOI:10.3390/s24165087 PMID:39204785	研究论文	本文提出了一种基于深度学习的实时ECG信号图像检测与分类方法Mamba-RAYOLO	该方法集成了三个先进模块，包括多分支结构的特征提取模块和注意力机制模块，以提高检测准确性和计算效率	NA	旨在提高ECG图像处理和分析的实时检测与分类效率	ECG信号图像	机器学习	NA	深度学习	Mamba-RAYOLO	图像	NA
18344	2024-09-04	Research on the Method for Recognizing Bulk Grain-Loading Status Based on LiDAR 2024-Aug-06, Sensors (Basel, Switzerland) DOI:10.3390/s24165105 PMID:39204801	研究论文	本文提出了一种基于激光雷达（LiDAR）的散装谷物装载状态识别方法	使用激光雷达获取点云数据，并构建深度学习网络进行目标识别和组件分割，以提取车辆位置和谷物形状，从而识别散装谷物的装载状态	NA	确保运输空间的最佳利用并防止溢出事故，通过观察谷物形状和确定装载状态	散装谷物的装载状态	计算机视觉	NA	激光雷达（LiDAR）	深度学习网络	点云数据	NA
18345	2024-09-04	Identification, Design, and Application of Noncoding Cis-Regulatory Elements 2024-Aug-05, Biomolecules IF:4.8Q1 DOI:10.3390/biom14080945 PMID:39199333	研究论文	本文探讨了顺式调控元件（CREs）的识别、设计和应用，以及它们在生物学功能中的重要作用	文章介绍了深度学习算法和大型语言模型在解析CRE功能中的应用，以及这些技术如何促进CRE活性的精确预测和CRE的新设计	NA	深入理解CRE的操作动态，以利用其多样的调控特性	顺式调控元件（CREs）及其在生物学功能中的作用	基因组学	NA	深度学习算法	大型语言模型	功能基因组数据	NA
18346	2024-09-04	ASD-GANNet: A Generative Adversarial Network-Inspired Deep Learning Approach for the Classification of Autism Brain Disorder 2024-Jul-29, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14080766 PMID:39199460	研究论文	本文提出了一种基于条件生成对抗网络（cGAN）的深度学习方法ASD-GANNet，用于自闭症脑部疾病的分类	使用cGAN生成合成连接特征，并结合多头注意力机制进行分类，无需手工特征	NA	提高自闭症脑部疾病分类的准确性和敏感性	自闭症脑部疾病的分类	机器学习	自闭症	cGAN	GAN	fMRI数据	使用NYU数据集进行训练和验证
18347	2024-09-04	Significance of Artificial Intelligence in the Study of Virus-Host Cell Interactions 2024-Jul-26, Biomolecules IF:4.8Q1 DOI:10.3390/biom14080911 PMID:39199298	综述	本文综述了人工智能在病毒-宿主细胞相互作用研究中的应用，特别是机器学习和深度学习在处理大规模遗传和分子数据中的作用	利用机器学习和深度学习算法分析大量数据，预测病毒与宿主细胞在分子层面的相互作用，加速新药物的发现	NA	探讨人工智能在病毒发病机制中的应用，以改进新的治疗和预防策略	病毒与宿主细胞的相互作用	机器学习	NA	机器学习 (ML), 深度学习 (DL)	ML, DL	遗传数据, 分子数据	NA
18348	2024-09-04	CycPeptMP: enhancing membrane permeability prediction of cyclic peptides with multi-level molecular features and data augmentation 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae417 PMID:39210505	research paper	本研究提出了一种名为CycPeptMP的方法，用于预测环肽的膜渗透性，通过多层次分子特征和数据增强技术提高预测准确性	本研究设计了针对环肽的原子级、单体级和肽级特征，并使用深度学习技术将其整合到融合模型中，同时应用多种数据增强技术提高模型训练效率	当前基于机器学习的环肽渗透性模型性能不一，主要受限于实验数据的局限性，且传统方法忽略了环肽独特的结构特性	提高环肽膜渗透性的预测准确性，以增强其作为治疗药物的实用性	环肽的膜渗透性	machine learning	NA	deep learning	fusion model	molecular features	使用了最新的数据集，具体样本数量未提及
18349	2024-09-04	Advances in Modeling Approaches for Oral Drug Delivery: Artificial Intelligence, Physiologically-Based Pharmacokinetics, and First-Principles Models 2024-Jul-24, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics16080978 PMID:39204323	综述	本文综述了用于口服药物递送的建模方法，包括人工智能、生理药代动力学和第一性原理模型	整合了来自不同实验和理论考虑的数据，提出了一种成本效益高的替代实验方法	数学复杂性限制了偏微分方程在生理系统建模中的广泛应用	评估不同建模方法在口服药物递送中的优势和局限	口服药物递送过程中的多种因素，如药物的物理化学性质、制剂特性和胃肠生理	NA	NA	机器学习、深度学习、分子动力学	QSAR、生理药代动力学模型、第一性原理模型	NA	NA
18350	2024-09-04	Predicting respiration rate in unrestrained dairy cows using image analysis and fast Fourier transform 2024-Jul, JDS communications DOI:10.3168/jdsc.2023-0442 PMID:39220844	research paper	本研究旨在开发一种系统，通过使用红、绿、蓝（RGB）和红外（IR）夜视图像，在不受限制的条件下准确预测躺卧的荷斯坦奶牛的呼吸率（RR）。	本研究创新性地使用快速傅里叶变换（FFT）处理从RGB和IR图像中获取的信号，以计算不受限制条件下奶牛的呼吸率。	研究仅限于躺卧的荷斯坦奶牛和断奶前的奶牛犊，未来研究需要扩展到其他品种和不同姿势的奶牛。	开发一种能够准确预测躺卧荷斯坦奶牛在不受限制条件下的呼吸率的系统。	躺卧的荷斯坦奶牛和断奶前的奶牛犊。	computer vision	NA	快速傅里叶变换（FFT）	YOLOv8	image	30头泌乳奶牛，每头奶牛连续记录12小时，共95段视频；25头断奶前奶牛犊，共42次观察。
18351	2024-09-04	Sparks of function by de novo protein design 2024-Feb, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02133-2 PMID:38361073	研究论文	本文探讨了通过深度学习方法在从头蛋白质设计中实现功能性蛋白质设计的进展	利用深度学习方法提高了结构建模的效率和准确性，并促进了成功设计的丰富化	NA	探索从头蛋白质设计中功能性蛋白质设计的新进展及其对未来挑战的影响	蛋白质设计中的序列、结构协同设计和构象控制	机器学习	NA	深度学习	NA	NA	NA
18352	2024-09-04	Low-Light Phase Retrieval With Implicit Generative Priors 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3445739 PMID:39178091	研究论文	本文提出了一种结合原位相干衍射成像和隐式生成先验的低剂量深度图像先验方法，用于单图像低剂量相位恢复	本文提出的低剂量深度图像先验方法结合了原位相干衍射成像和隐式生成先验，有效解决了单图像低剂量相位恢复问题	目前尚未提及具体的局限性	研究目的是解决单图像低剂量相位恢复问题	研究对象是低剂量相位恢复技术	计算机视觉	NA	相干衍射成像（CDI）	隐式生成先验	图像	单图像
18353	2024-09-04	Fast and High-Performance Learned Image Compression With Improved Checkerboard Context Model, Deformable Residual Module, and Knowledge Distillation 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3445737 PMID:39186412	研究论文	本文提出了一种基于深度学习的图像压缩方法，通过引入可变形残差模块、改进的棋盘上下文模型、三阶段知识蒸馏方案和L正则化技术，实现了高速且高性能的图像压缩。	引入了可变形残差模块以去除更多冗余，设计了改进的棋盘上下文模型以实现并行解码，开发了三阶段知识蒸馏方案以降低核心解码网络的复杂性，并引入了L正则化以使潜在表示数值更稀疏。	NA	旨在平衡图像压缩的复杂性和性能，提高压缩速度和质量。	图像压缩技术及其在实际应用中的效率和性能。	计算机视觉	NA	深度学习	CNN	图像	使用Kodak和Tecnick-40数据集进行实验。
18354	2024-09-04	Deep learning models for the early detection of maize streak virus and maize lethal necrosis diseases in Tanzania 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1384709 PMID:39219699	研究论文	本研究探讨了在坦桑尼亚利用深度学习模型早期检测玉米线条病毒和玉米致死性坏死病的潜力	提出了使用卷积神经网络（CNN）和视觉变换器（ViT）模型进行早期检测，并发现ViT模型在准确性上优于CNN模型	需要进一步研究开发移动应用程序并提高模型在实际应用中的精确度	开发一种方法用于早期检测玉米疾病，以便及时治疗	玉米线条病毒（MSV）和玉米致死性坏死病毒（MLN）	计算机视觉	NA	深度学习	CNN, ViT	图像	数据收集自坦桑尼亚的阿鲁沙、乞力马扎罗和曼雅拉地区，使用了四种图像数据类别：MLN、健康、MSV和WRONG
18355	2024-09-04	Three-dimensional dose prediction based on deep convolutional neural networks for brain cancer in CyberKnife: accurate beam modelling of homogeneous tissue 2024-Jan, BJR open DOI:10.1093/bjro/tzae023 PMID:39220325	研究论文	本文提出了一种基于深度卷积神经网络的方法，用于预测脑癌患者在CyberKnife治疗中的三维剂量分布，利用了建模的射束信息、目标勾画和患者解剖信息	该方法引入了射束信息来预测CyberKnife在脑部病例中的剂量分布，这是现有深度学习方法中未涉及的创新点	初步结果仅基于14个脑癌病例，需要更多患者和其他癌症部位的研究来全面验证所提出的方法	开发一种基于深度卷积神经网络的方法，用于预测脑癌患者在CyberKnife治疗中的剂量分布	脑癌患者在CyberKnife治疗中的剂量分布	机器学习	脑癌	深度卷积神经网络（CNN）	CNN	图像	88名脑癌和腹部癌症患者的数据集，其中68例用于训练，6例用于验证，14例用于测试
18356	2024-09-04	Vehicle recognition pipeline via DeepSort on aerial image datasets 2024, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2024.1430155 PMID:39220587	研究论文	本文提出了一种使用FCM分割航拍图像并结合YOLOv8和ORB特征进行车辆检测与识别的方法，以及使用DeepSORT进行车辆跟踪的系统	本文创新地结合了FCM、YOLOv8、ORB特征和DeepSORT技术，实现了从复杂交通场景中自动提取车辆信息	NA	开发一种高效自动化的车辆监控系统，用于智能交通监控	车辆识别与跟踪	计算机视觉	NA	FCM, YOLOv8, ORB, DeepSORT	YOLOv8, DeepSORT	图像	VEDAI和SRTID数据集
18357	2024-09-04	Frontiers and hotspots evolution in mild cognitive impairment: a bibliometric analysis of from 2013 to 2023 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1352129 PMID:39221008	研究论文	本研究通过文献计量分析，探讨了2013年至2023年轻度认知障碍领域的研究前沿和热点演化	利用CiteSpace和VOSviewer工具分析关键词和共引文献，总结当前研究热点和未来研究方向	NA	旨在构建过去十年的可视化框架，突出当前研究热点，并预测未来轻度认知障碍研究的最有成果的途径	轻度认知障碍相关的文献	NA	轻度认知障碍	文献计量分析	NA	文献	6075篇文章
18358	2024-09-04	Deep Learning Prediction of Inflammatory Inducing Protein Coding mRNA in P. gingivalis Released Outer Membrane Vesicles 2024, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972241277081 PMID:39221175	研究论文	本研究利用深度学习算法预测P. gingivalis外膜囊泡中诱导炎症的蛋白质编码mRNA序列	采用机器学习技术成功预测了Porphyromonas gingivalis外膜囊泡中的蛋白质编码mRNA序列，其中Gradient Boosting模型表现最为平衡	尽管模型表现良好，但统计测试显示各模型间无显著差异	预测P. gingivalis外膜囊泡中的蛋白质编码mRNA序列	P. gingivalis外膜囊泡中的蛋白质编码mRNA序列	机器学习	NA	深度学习算法	Neural Networks, Naive Bayes, Gradient Boosting	转录组数据	使用NCBI GEO DATA SET GSE218606的数据
18359	2024-09-04	Consumer-priced wearable sensors combined with deep learning can be used to accurately predict ground reaction forces during various treadmill running conditions 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.17896 PMID:39221284	研究论文	研究评估了使用消费者价格的可穿戴传感器结合深度学习技术，在多种跑步机跑步条件下准确预测地面反作用力的能力。	本研究首次展示了消费者价格的可穿戴传感器能够准确估计二维地面反作用力，适用于广泛跑步者及不同跑步强度。	研究仅限于跑步机上的实验，尚未在自然跑步环境中验证其准确性。	评估消费者价格的可穿戴传感器在多种跑步条件下预测地面反作用力的准确性。	研究对象为50名跑步者，包括25名女性和25名男性，他们在跑步机上以不同速度和坡度跑步。	机器学习	NA	深度学习	LSTM神经网络	压力数据和惯性测量数据	50名跑步者（25名女性，25名男性）
18360	2024-09-04	Deep learning-based quantification of brain atrophy using 2D T1-weighted MRI for Alzheimer's disease classification 2024, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2024.1423515 PMID:39206118	研究论文	本研究利用基于深度学习的方法，通过2D T1加权MRI量化脑萎缩，以区分阿尔茨海默病型痴呆（DAT）与认知未受损（CU）个体	本研究创新性地使用2D T1加权MRI结合深度学习算法，实现了成本效益更高的脑萎缩量化，同时保持或超越了3D T1加权MRI的性能	NA	旨在通过2D T1加权MRI实现成本效益更高的阿尔茨海默病分类	研究对象包括924名参与者，其中478名认知未受损（CU）和446名阿尔茨海默病型痴呆（DAT）	机器学习	阿尔茨海默病	深度学习	深度学习模型	图像	924名参与者（478名CU和446名DAT）