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
18721	2024-09-04	Apache Spark and Deep Learning Models for High-Performance Network Intrusion Detection Using CSE-CIC-IDS2018 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3131153 PMID:36059395	研究论文	本文提出使用Apache Spark和深度学习模型（CNN和LSTM）结合CSE-CIC-IDS2018数据集进行高性能网络入侵检测	采用随机森林进行特征选择，使用过采样和欠采样技术处理数据不平衡问题，以及Apache Spark模型在所有类别中达到100%的准确率	NA	提高网络入侵检测系统的性能	网络入侵检测	机器学习	NA	深度学习	CNN, LSTM	数据集	CSE-CIC-IDS2018数据集包含14种攻击类型，84个特征中的19个被选为重要特征
18722	2024-09-04	Clinical and Biological Significances of a Ferroptosis-Related Gene Signature in Lung Cancer Based on Deep Learning 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/6495301 PMID:36060648	研究论文	本研究探讨了长链酰基辅酶A合成酶4（ACSL4）在非小细胞肺癌（NSCLC）中的表达及其与铁死亡的关系，并利用深度学习技术进行分析	首次揭示了ACSL4在NSCLC中的表达水平及其作为诊断和预后生物标志物的潜力，并探讨了其在铁死亡中的作用机制	研究仅限于NSCLC，且依赖于数据库和样本分析，未涉及临床试验	探究ACSL4在NSCLC中的临床和生物学意义及其作为潜在治疗靶点的可能性	ACSL4在NSCLC中的表达及其与铁死亡的关系	数字病理学	肺癌	深度学习	NA	mRNA表达数据	人类NSCLC样本
18723	2024-09-04	Synthetic Epileptic Brain Activities with TripleGAN 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/2841228 PMID:36065378	research paper	本研究提出了一种利用三重生成对抗网络（TripleGAN）实现脑电图（EEG）癫痫识别的方法	使用TripleGAN在时间域、频率域和时频域分别处理EEG数据，提高了癫痫分类的准确性、敏感性和特异性	NA	实现基于脑电图的癫痫自动检测	癫痫患者的脑电图数据	machine learning	癫痫	TripleGAN	GAN	EEG	使用了CHB-MIT数据集
18724	2024-09-04	Hybrid of deep learning and exponential smoothing for enhancing crime forecasting accuracy 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0274172 PMID:36070317	研究论文	本研究提出了一种结合双向长短期记忆网络（Bi-LSTM）和指数平滑（ES）的混合模型，用于提高犯罪预测的准确性	该研究首次将Bi-LSTM与ES结合，用于犯罪预测，并显示出比传统季节性自回归积分移动平均模型（SARIMA）更高的预测准确性	研究使用的数据仅限于2010-2017年纽约市的犯罪数据，可能限制了模型的泛化能力	提高犯罪预测的准确性，帮助执法机构预防和控制犯罪	犯罪预测	机器学习	NA	双向长短期记忆网络（Bi-LSTM），指数平滑（ES）	Bi-LSTM	时间序列数据	2010-2017年纽约市的犯罪数据
18725	2024-09-04	Generative Adversarial Network Combined with SE-ResNet and Dilated Inception Block for Segmenting Retinal Vessels 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3585506 PMID:36072751	研究论文	本研究开发了一种基于生成对抗网络（GAN）的准确方法，针对视网膜分割图像中微血管分割的当前不连续性问题	提出了一种改进的GAN，结合SE-ResNet和扩张的inception块，用于视网膜血管分割（SAD-GAN），改进了生成器和判别器，引入了注意力机制	NA	提高视网膜血管分割的准确性	视网膜血管	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	在DRIVE和CHASE_DB1数据集上进行了测试
18726	2024-09-04	Geometric deep learning reveals a structuro-temporal understanding of healthy and pathologic brain aging 2022, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2022.895535 PMID:36081894	研究论文	本文通过几何深度学习方法，探索健康和病理性大脑老化在结构和时间上的理解	本文首次将深度学习与表面分析结合，研究个体结构层面的大脑老化过程，并假设病理性老化不会均匀影响个体结构的老化过程	NA	探索不同大脑结构在健康和病理性老化中的动态和相互关系	大脑结构的老化过程	计算机视觉	神经退行性疾病	MRI	深度学习网络	图像	共收集了来自17,440名独特受试者的26,276个T1加权MRI数据
18727	2024-09-04	Exploration of the Application Effect of the Darongtong Course Model Based on Deep Learning Enhancement in Nursing 2022, Contrast media & molecular imaging DOI:10.1155/2022/5484423 PMID:36082057	研究论文	本研究探讨了基于深度学习增强的大融通课程模型在护理教学中的应用效果	采用基于深度学习增强的大融通教学模式，不仅加深学生对理论知识的理解，还提高了临床技能和沟通能力	NA	探索基于深度学习增强的大融通课程模型在护理教学中的应用效果	学校中的500名学生	NA	NA	深度学习	NA	NA	500名学生
18728	2024-09-04	Define and visualize pathological architectures of human tissues from spatially resolved transcriptomics using deep learning 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.08.029 PMID:36090815	研究论文	本文介绍了一种名为RESEPT的深度学习框架，用于从空间转录组学数据中表征和可视化组织结构	RESEPT能够通过空间保留的图神经网络学习三维嵌入，并将嵌入映射到RGB图像中进行可视化，从而准确推断和可视化组织结构	NA	开发一种新的计算框架，用于从空间转录组学数据中定义和可视化人类组织病理结构	人类和鼠类皮质组织，以及阿尔茨海默病和胶质母细胞瘤样本	机器学习	NA	空间转录组学	图神经网络和卷积神经网络	基因表达数据	基于10x Genomics Visium空间转录组学数据集的人类和鼠类皮质组织样本，以及内部AD样本和胶质母细胞瘤样本
18729	2024-09-04	Automated deep learning-based segmentation of COVID-19 lesions from chest computed tomography images 2022, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr.2022.119027 PMID:36091652	研究论文	本文提出了一种基于深度学习的自动化工具，用于从胸部CT图像中分割COVID-19病变区域，并评估其性能	使用U-Net、U-Net++和Res-Unet三种深度学习网络进行COVID-19病变区域的自动分割	需要进一步研究以评估所提出模型在COVID-19语义分割中的临床性能和鲁棒性	开发一种高效的工具，用于从胸部CT图像中自动分割COVID-19病变区域	COVID-19病变区域	计算机视觉	COVID-19	深度学习	U-Net, U-Net++, Res-Unet	图像	2112张COVID-19胸部CT图像
18730	2024-09-04	2D-to-3D image translation of complex nanoporous volumes using generative networks 2021-10-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-00080-5 PMID:34675247	研究论文	本文介绍了一种使用生成网络将复杂纳米多孔体积的2D图像转换为3D图像的深度学习模型	引入了正则化方法改进从2D到2D深度学习图像模型的3D体积生成，并应用于将3D TXM体积转换为FIB-SEM保真度	仅限于使用2D配对训练数据进行图像转换	研究地质多孔介质在纳米尺度上的图像表征，并理解与能源和可持续发展技术相关的储层中的反应性传输机制	纳米多孔体积的2D到3D图像转换	计算机视觉	NA	深度学习图像翻译模型	生成网络	图像	未具体说明样本数量
18731	2024-09-04	Deep learning-based prediction of the T cell receptor-antigen binding specificity 2021-Oct, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-021-00383-2 PMID:36003885	研究论文	本文构建了一个基于迁移学习的模型pMTnet，用于预测新抗原与T细胞受体（TCR）的结合特异性，并通过分析验证了其优越性	pMTnet模型在预测TCR-新抗原/抗原配对方面取得了显著进展，能够仅使用TCR序列、抗原序列和I类MHC等位基因进行准确预测	NA	研究T细胞受体与新抗原或抗原的结合特异性，并探索其在肿瘤免疫治疗中的应用	T细胞受体（TCR）与新抗原或抗原的结合特异性	机器学习	肾癌, 黑色素瘤, 肺癌	迁移学习	pMTnet	序列数据	涉及人类肿瘤基因组数据，具体样本数量未详述
18732	2024-09-04	[Research progress and application of retention time prediction method based on deep learning] 2021-Mar, Se pu = Chinese journal of chromatography DOI:10.3724/SP.J.1123.2020.08015 PMID:34227303	研究论文	本文综述了基于深度学习的保留时间预测方法及其在蛋白质组学中的应用进展	引入深度学习技术进行保留时间预测，通过迁移学习提高模型在不同色谱条件下的适用性，并生成伪光谱库以克服传统方法的局限	对于复杂修饰如糖基化的预测仍存在不足	探讨深度学习在保留时间预测及其相关应用中的研究进展和未来发展方向	蛋白质组学中的肽段保留时间预测	机器学习	NA	深度学习	深度神经网络	序列数据	NA
18733	2024-09-04	Compressible Latent-Space Invertible Networks for Generative Model-Constrained Image Reconstruction 2021, IEEE transactions on computational imaging IF:4.2Q2 DOI:10.1109/tci.2021.3049648 PMID:35989942	研究论文	本文提出了一种基于可压缩潜在空间可逆网络的图像重建框架，用于从欠采样测量中重建图像	引入了一种新的正则化策略，利用某些可逆神经网络的多尺度架构，提高了重建性能	NA	开发能够从欠采样测量中生成诊断有用图像的图像重建方法	磁共振成像（MRI）中的图像重建	计算机视觉	NA	可逆神经网络	GAN	图像	NA
18734	2024-09-04	Region-specific Diffeomorphic Metric Mapping 2019-Dec, Advances in neural information processing systems PMID:36081637	研究论文	本文介绍了一种区域特定的微分同胚度量映射（RDMM）注册方法，该方法通过估计时空速度场来参数化所需的空间变换，并允许空间变化的正则化	与现有使用固定空间不变正则化的非参数注册方法（如LDDMM模型）不同，RDMM方法允许通过估计的时空速度场进行空间变化正则化，从而更自然地捕捉大位移	NA	探索RDMM注册方法的性能，并验证其在不同数据集上的应用效果	RDMM注册方法在合成2D数据和两个3D数据集（膝关节MRI和肺部CT图像）上的应用	计算机视觉	NA	微分同胚度量映射	深度学习模型	图像	合成2D数据和两个3D数据集（膝关节MRI和肺部CT图像）
18735	2024-09-03	Improving Reproducibility of Volumetric Evaluation Using Computed Tomography in Pediatric Patients with Congenital Heart Disease 2024-Aug-31, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03630-6 PMID:39217235	研究论文	本研究旨在评估先天性心脏病患儿心脏CT扫描中左心室（LV）、右心室（RV）或功能性单心室（FSV）体积的观察者内、观察者间和研究间可重复性，并比较手动和半自动分割工具的效果	本研究采用了基于深度学习的标注程序（DLS），相较于传统的半自动区域增长算法（CM），DLS在测量体积数据方面具有更好的准确性和可重复性	NA	评估先天性心脏病患儿心脏CT扫描中体积数据的可重复性	先天性心脏病患儿的左心室、右心室或功能性单心室体积	数字病理学	先天性心脏病	CT扫描	深度学习	图像	127名患者（56名女性，71名男性；平均年龄82.1个月）
18736	2024-09-03	Framework for multivariate carbon price forecasting: A novel hybrid model 2024-Aug-31, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.122275 PMID:39217908	研究论文	本研究提出了一种新的混合模型，用于多变量碳价格预测，包括特征选择、深度学习、智能优化算法、模型组合和评估指标	本研究通过模型组合和Pelican优化算法构建了一个混合预测模型，该模型在预测准确性、稳定性和统计假设检验方面优于其他比较模型	NA	旨在准确预测碳价格，为政府和企业决策者提供高精度的碳市场价格预测，并帮助投资者优化交易策略	碳价格及其影响因素	机器学习	NA	深度学习	混合模型	结构化和非结构化数据	包括湖北和上海的历史碳价格系列以及五个维度的影响因素，共二十个变量
18737	2024-09-03	Predicting Inhibition of CDK2 with SAnDReS: The Application of Machine Learning to Navigate the Scoring Function Space 2024-Aug-30, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673313727240819070317 PMID:39219431	综述	本文综述了利用计算模型和机器学习方法预测CDK2抑制的应用	SAnDReS方法在构建机器学习模型预测CDK2抑制方面表现出优于传统和深度学习评分函数的预测性能	NA	探讨机器学习模型在预测CDK2抑制中的应用	CDK2及其抑制剂的相互作用	机器学习	癌症	机器学习	机器学习模型	结构和功能数据	NA
18738	2024-09-03	A Decade of Computational Mass Spectrometry from Reference Spectra to Deep Learning 2024-Aug-21, Chimia IF:1.1Q3 DOI:10.2533/chimia.2024.525 PMID:39221848	综述	本文综述了计算质谱学（CompMS）在过去十年中从小分子化学的谱库、谱预测到临时结构识别（注释）的进展	本文介绍了自动谱库管理、谱预测和分子指纹预测作为化合物注释的关键方法，并探讨了基于深度学习的生成化学在从头结构生成中的新兴应用	NA	探讨计算质谱学在分析化学中的应用及其对传统数据评估方法的补充作用	小分子化学中的谱库、谱预测和结构识别	计算质谱学	NA	深度学习	深度学习模型	质谱数据	NA
18739	2024-09-02	Smart technology for mosquito control: Recent developments, challenges, and future prospects 2024-Oct, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2024.107348 PMID:39098749	研究论文	本文探讨了智能技术结合数字传感器和深度学习网络在蚊子监控领域的最新进展、挑战和未来前景	介绍了使用计算机视觉技术和深度学习网络实时识别活体蚊子的新型智能陷阱，以及结合声学和光学传感器与机器学习技术自动分类蚊子的新方法	智能技术的实际工作效率需要在全球范围内进一步评估	研究智能技术在蚊子监控中的应用，以控制蚊媒疾病	主要研究对象为Aedes aegypti和Culex quinquefasciatus蚊子	计算机视觉	NA	计算机视觉技术、深度学习网络、YOLO V4深度神经网络算法	YOLO V4深度神经网络	图像	未具体说明
18740	2024-09-02	A comprehensive approach for evaluating lymphovascular invasion in invasive breast cancer: Leveraging multimodal MRI findings, radiomics, and deep learning analysis of intra- and peritumoral regions 2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102415 PMID:39032451	研究论文	本文通过比较术前多模态磁共振成像（MRI）基于放射组学和深度学习（DL）模型的诊断性能，评估了乳腺癌中的淋巴血管侵犯（LVI）。	本文创新性地结合了多模态MRI、放射组学和深度学习分析，构建了混合模型，显著提高了LVI状态的诊断效率。	本研究为回顾性研究，样本量相对较小，未来需要在前瞻性研究和更大样本量中验证结果。	评估和比较基于多模态MRI的放射组学和深度学习模型在乳腺癌LVI诊断中的性能。	乳腺癌患者中的淋巴血管侵犯（LVI）。	数字病理学	乳腺癌	多模态MRI	深度学习模型	图像	262名乳腺癌患者，其中训练组183人，验证组79人。