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
19201	2024-08-19	AndroPred: an artificial intelligence-based model for predicting androgen receptor inhibitors 2024-Sep, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2239935 PMID:37493402	研究论文	本文介绍了基于人工智能的模型AndroPred，用于预测雄激素受体抑制剂	使用深度学习模型DNN在预测雄激素受体抑制剂方面表现出92.18%和93.05%的准确率	需要进一步的实验验证和前瞻性测试来确认模型的预测能力和实际应用性	开发一种有效的方法来加速识别前列腺癌药物中的新型雄激素受体抑制剂	雄激素受体抑制剂的预测	机器学习	前列腺癌	NA	DNN	分子描述符（1D、2D和分子指纹）	2242个化合物
19202	2024-08-19	Uncertain prediction of deformable image registration on lung CT using multi-category features and supervised learning 2024-Sep, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03092-1 PMID:38658497	研究论文	本文提出了一种基于多类别特征和监督学习的自动方法来预测肺部CT图像的可变形配准不确定性	引入三种类型的特征（变形场统计特征、变形场生理现实特征和图像相似性特征）来训练随机森林回归器，用于局部配准不确定性预测，并采用空间自适应随机扰动策略来准确模拟配准不确定性的空间分布	实验仅在三个公开的胸部CT图像数据集上进行，可能需要进一步验证在其他数据集上的泛化能力	提高临床应用中配准方法的安全性和可靠性	肺部CT图像的可变形配准不确定性	计算机视觉	肺部疾病	随机森林回归器	随机森林	图像	17对图像用于训练模型，9对图像用于评估模型
19203	2024-08-19	Recognition of diabetic retinopathy and macular edema using deep learning 2024-Sep, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03105-z PMID:38684593	研究论文	本文提出了一种使用深度学习技术识别糖尿病视网膜病变（DR）和糖尿病黄斑水肿（DME）的方法	采用了改进的CornerNet方法与DenseNet-100结合，能够准确地定位和分类与DR和DME相关的病变	NA	旨在开发一种自动化的方法来识别糖尿病视网膜病变和糖尿病黄斑水肿，以替代传统的人工图像分析方法	糖尿病视网膜病变和糖尿病黄斑水肿	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	使用了EyePACS、IDRiD、APTOS-2019和Diaretdb1等多个数据集进行模型训练和测试
19204	2024-08-19	Adversarial attacks and adversarial training for burn image segmentation based on deep learning 2024-Sep, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03098-9 PMID:38693327	research paper	本文针对深度学习在烧伤图像分割中受到对抗攻击的影响，提出了一种基于自然现象启发的攻击方法和专门针对烧伤图像分割的对抗训练方法	提出了一种新的对抗训练方法，该方法在烧伤图像分割中提高了对抗样本的分割准确率，并减少了训练时间	NA	解决物理上有意义的干扰对现有深度学习模型在烧伤图像分割应用中的影响	烧伤图像分割	computer vision	NA	deep learning	CNN	image	使用了自己的烧伤数据集
19205	2024-08-19	Ensemble learning for retinal disease recognition under limited resources 2024-Sep, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03101-3 PMID:38698189	研究论文	本文介绍了一种在资源有限条件下识别视网膜疾病的新型集成学习机制	该机制利用多个预训练模型的知识，能够在有限的标记数据下建立稳健模型，无需大量参数	文章未明确提及具体的局限性	旨在开发一种在资源有限条件下有效识别视网膜疾病的自动化图像分析方法	视网膜光学相干断层扫描（OCT）图像	计算机视觉	NA	深度学习（DL）	集成学习模型	图像	实际数据集上的综合实验表明，集成模型在稀疏标记数据下表现优于基准模型
19206	2024-08-19	Deep learning for detecting and characterizing oil and gas well pads in satellite imagery 2024-Aug-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50334-9 PMID:39147770	研究论文	本文提出了一种利用高分辨率卫星图像通过深度学习方法自动绘制油气井垫和储罐的技术	该方法在专家策划的数据集上实现了高精度，能够检测到现有数据集中未包含的大量油气井垫和储罐	该方法仍存在一些挑战，解决这些挑战后，可以实现全球可扩展的公共框架来绘制油气基础设施	为了填补全国和全球油气基础设施数据的空白，实现一个透明、全面和准确的油气基础设施地理空间数据库	油气井垫和储罐	计算机视觉	NA	深度学习	NA	图像	在二叠纪和丹佛-朱尔斯堡盆地进行了验证，检测到超过70,000个油气井垫和超过169,000个储罐
19207	2024-08-19	Artificial organic afferent nerves enable closed-loop tactile feedback for intelligent robot 2024-Aug-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51403-9 PMID:39147776	研究论文	本文报道了一种人工有机传入神经，通过集成压力激活的有机电化学突触晶体管和人工机械感受器，实现了低操作偏置（-0.6 V），并展示了其在智能机器人中的应用，能够实现闭环触觉反馈。	本文创新性地开发了一种人工有机传入神经，能够模拟突触行为，为下一代智能神经机器人和低功耗仿生电子设备提供了突破。	NA	研究目的是模拟触觉感觉神经，以实现机器人中的人工智能高级感觉功能。	研究对象是人工有机传入神经及其在智能机器人中的应用。	机器人学	NA	有机电化学突触晶体管	深度学习模型	触觉模式信号	NA
19208	2024-08-19	An assessment of global land susceptibility to wind erosion based on deep-active learning modelling and interpretation techniques 2024-Aug-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70125-y PMID:39147802	研究论文	本研究首次开发了一种基于深度学习（DL）和主动学习（AL）模型及其组合（如RNN、RNN-AL、GRU和GRU-AL）以及三种解释技术（协同矩阵、SHAP决策图和ALE图）的全球土地风蚀敏感性空间准确映射方法	首次结合深度学习和主动学习模型及其组合，并应用三种解释技术来映射全球土地风蚀敏感性	NA	开发一种新的方法来准确映射全球土地风蚀敏感性，以减轻其破坏性后果	全球土地风蚀敏感性	机器学习	NA	深度学习（DL）、主动学习（AL）、Harris Hawk优化特征选择算法	RNN、RNN-AL、GRU、GRU-AL	空间数据	全球土地，分为非常低、低、中等、高和非常高敏感性等级
19209	2024-08-19	Converging deep learning and human-observed tumor-adipocyte interaction as a biomarker in colorectal cancer 2024-Aug-15, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00589-6 PMID:39147895	研究论文	本文研究了肿瘤-脂肪特征（TAF）和SARIFA（间质反应性侵袭前沿区域）在结直肠癌（CRC）中的重叠，并探讨了肿瘤-脂肪细胞相互作用的生物学和预后意义。	本文证明了人类观察的SARIFA和基于深度学习的TAF作为形态学生物标志物之间的显著重叠，表明将基于深度学习的图像特征与独立开发的组织病理学生物标志物相结合是一种有前景的工具。	NA	研究肿瘤-脂肪特征（TAF）和SARIFA在结直肠癌中的重叠及其生物学和预后意义。	结直肠癌（CRC）患者的肿瘤-脂肪特征（TAF）和SARIFA。	数字病理学	结直肠癌	深度学习（DL）算法	NA	图像	使用了TCGA-CRC基因表达数据
19210	2024-08-19	Automated Behavioral Coding to Enhance the Effectiveness of Motivational Interviewing in a Chat-Based Suicide Prevention Helpline: Secondary Analysis of a Clinical Trial 2024-Aug-01, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/53562 PMID:39088244	研究论文	本研究使用人工智能模型对动机性访谈（MI）行为进行分类，并探讨在心理健康在线热线中作为咨询师自动化支持工具的可行性	本研究首次使用深度学习模型BERTje对MI行为进行分类，并展示了其在心理健康在线热线中的应用潜力	研究结果依赖于数据集的大小和训练样本的充足性，且目前仅限于特定领域和语言	探讨人工智能模型在分类动机性访谈行为中的表现，并评估其在临床实践中作为咨询师支持工具的可行性	动机性访谈（MI）行为分类及在心理健康在线热线中的应用	机器学习	NA	机器学习	BERTje	文本	253个MI咨询聊天会话，包含23,982条编码消息
19211	2024-08-19	Directed Evolution of Escherichia coli Nissle 1917 to Utilize Allulose as Sole Carbon Source 2024-Aug, Small methods IF:10.7Q1 DOI:10.1002/smtd.202301385 PMID:38415955	研究论文	本研究通过适应性实验室进化和荧光激活液滴分选技术，指导大肠杆菌Nissle 1917利用阿洛酮糖作为唯一碳源	本研究发现了新的代谢途径，增强了阿洛酮糖的吸收和转化，为阿洛酮糖的可持续利用提供了新的可能性	NA	研究旨在增强大肠杆菌Nissle 1917对阿洛酮糖的利用能力	大肠杆菌Nissle 1917	生物技术	NA	适应性实验室进化（ALE）、荧光激活液滴分选（FADS）、全基因组测序（WGS）、CRISPR干扰（CRISPRi）	NA	基因组数据	NA
19212	2024-08-19	Advances in the Clinical Application of High-throughput Proteomics 2024 Jul-Sep, Exploratory research and hypothesis in medicine DOI:10.14218/erhm.2024.00006 PMID:39148720	综述	本文综述了高通量蛋白质组学在临床应用中的最新进展，并讨论了相关的挑战、优势和未来方向	高通量蛋白质组学具有识别新的全局蛋白质网络、发现新蛋白质以及与其他组学数据协同整合的优势	高通量蛋白质组学在临床应用中面临蛋白质性质多样、统计模型限制、数据提交、整合和协调的技术和物流困难以及临床验证和考虑的监管要求等挑战	探讨高通量蛋白质组学在临床应用中的进展和未来方向	研究对象包括乳腺癌、膀胱癌、喉鳞状细胞癌、胃癌、结直肠癌和冠状病毒病2019	数字病理学	NA	数据独立采集质谱、纳米孔基蛋白质组学、4D蛋白质组学、二次离子质谱	深度学习模型	蛋白质组学数据	NA
19213	2024-08-19	ECG-Image-Kit: a synthetic image generation toolbox to facilitate deep learning-based electrocardiogram digitization 2024-May-28, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad4954 PMID:39150768	研究论文	介绍了一个开源工具箱ECG-Image-Kit，用于从时间序列数据生成带有真实伪影的合成多导联ECG图像，旨在自动化将扫描的ECG图像转换为ECG数据点	提出了一种数据增强技术，使用真实感生成数据模型来解决临床ECG档案缺乏参考时间序列数据的问题	NA	促进基于深度学习的ECG数字化	ECG图像的数字化	计算机视觉	心血管疾病	深度学习	深度神经网络	图像	21,801张ECG图像
19214	2024-08-19	Prognostic potentials of AI in ophthalmology: systemic disease forecasting via retinal imaging 2024-May-06, Eye and vision (London, England) DOI:10.1186/s40662-024-00384-3 PMID:38711111	综述	本文综述了利用人工智能（AI）和深度学习（DL）通过视网膜成像预测系统性疾病的研究进展	强调了AI基于视网膜生物标志物在预测神经退行性疾病、心血管疾病和慢性肾脏疾病中的重要作用，以及长期预测模型在连续疾病风险评估和早期检测中的潜力	为了充分发挥AI在这一领域的潜力，需要在现实世界环境中进行更多的研究和验证	探索视网膜评估的价值，AI基础的视网膜生物标志物，以及纵向预测模型在个性化护理中的重要性	研究对象包括视网膜成像、AI模型及其在预测系统性疾病中的应用	计算机视觉	NA	深度学习（DL）	NA	图像	NA
19215	2024-08-19	Forecasting CO2 emissions of fuel vehicles for an ecological world using ensemble learning, machine learning, and deep learning models 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2234 PMID:39145202	研究论文	本研究通过比较分析18种基于机器学习、集成学习和深度学习范式的回归算法，评估和预测燃油车辆的二氧化碳排放量	研究发现集成学习方法具有更高的预测准确性和更低的误差率，其中包含极端梯度提升（XGB）、随机森林和轻梯度提升机（LGBM）的算法表现尤为突出	深度学习模型虽然能达到高R2值，但训练时间更长且需要更多计算资源	旨在估计和减少车辆二氧化碳排放，促进环境可持续性和减少大气中的温室气体排放	燃油车辆的二氧化碳排放量	机器学习	NA	回归分析	集成学习算法、深度学习模型（如CNN、DNN和GRU）	NA	NA
19216	2024-08-19	Detecting images generated by diffusers 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2127 PMID:39145210	研究论文	本文探讨了通过文本到图像扩散模型生成的图像的检测任务，评估了使用不同模型和数据集的检测效果	提出使用多层感知器（MLP）和卷积神经网络（CNN）从CLIP或RoBERTa提取的特征中检测生成图像，并发现结合文本信息可以提高泛化能力	模型在某些情况下可能无法准确区分由不同扩散模型生成的图像	研究如何准确可靠地区分真实图像和由文本到图像扩散模型生成的合成图像	通过文本到图像扩散模型生成的图像，特别是来自MSCOCO和Wikimedia数据集的图像	计算机视觉	NA	文本到图像扩散模型	多层感知器（MLP），卷积神经网络（CNN）	图像	使用MSCOCO和Wikimedia数据集中的图像进行实验
19217	2024-08-19	Bacterial image analysis using multi-task deep learning approaches for clinical microscopy 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2180 PMID:39145215	研究论文	本文利用多任务深度学习方法对细菌显微图像进行分析，以自动化检测和分类细菌	本文开发了三种深度学习算法（SSD-MobileNetV2、EfficientDet和YOLOv4）来自动检测和分类大肠杆菌的不同生长阶段	NA	研究旨在通过深度学习技术自动化细菌显微图像的检测和分类	大肠杆菌的不同生长阶段，包括杆状细胞、分裂细胞和微菌落	计算机视觉	NA	深度学习	SSD-MobileNetV2, EfficientDet, YOLOv4	图像	NA
19218	2024-08-19	Mining software insights: uncovering the frequently occurring issues in low-rating software applications 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2115 PMID:39145243	研究论文	本研究聚焦于从亚马逊应用商店中收集的64个低评分应用的终端用户评论，通过内容分析和扎根理论方法，识别影响软件进化的关键概念，并评估机器学习和深度学习算法在自动分类用户反馈中的表现	本研究首次专注于低评分软件应用的用户反馈分析，并开发了一种基于扎根理论和内容分析的方法来识别常见问题	研究仅限于亚马逊应用商店中的64个低评分应用，可能无法完全代表所有低评分软件应用的情况	探讨低评分软件应用中频繁出现的问题，并评估机器学习和深度学习算法在自动分类用户反馈中的有效性	64个低评分软件应用的用户反馈	自然语言处理	NA	机器学习, 深度学习	CNN, LSTM, BiLSTM, GRU, BiGRU, RNN, MLP, RF, KNN, AdaBoost, Voting	文本	64个低评分应用
19219	2024-08-19	Recognition of inscribed cursive Pashtu numeral through optimized deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2124 PMID:39145239	研究论文	研究提出了一种优化的机器学习模型，用于从0到9识别手写Pashtu数字	提出的LSTM模型在识别Pashtu数字方面略优于CNN模型	NA	提出一种能够有效识别Pashtu数字的优化机器学习模型	Pashtu数字从0到9	机器学习	NA	光学字符识别（OCR）	LSTM和CNN	图像	数据集按80:20的比例分割
19220	2024-08-19	A novel 3D LiDAR deep learning approach for uncrewed vehicle odometry 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2189 PMID:39145248	研究论文	本文提出了一种基于3D LiDAR和深度学习的无人车辆里程计方法	利用基于点云的深度学习替代传统的基于卷积神经网络（CNN）的方法，并使用正态分布变换（NDT）算法优化深度学习模型的粗略姿态估计	NA	提高下一代自主车辆在不确定环境下的自定位和姿态注册的精确度	无人车辆的里程计	机器学习	NA	LiDAR-based localization and mapping (LOAM)	深度学习模型	点云	NA