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
19341	2024-08-17	Nanozyme-based colorimetric sensor arrays coupling with smartphone for discrimination and "segmentation-extraction-regression" deep learning assisted quantification of flavonoids 2024-Nov-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.116604 PMID:39094293	研究论文	开发了一种基于智能手机耦合比色传感器阵列的快速、简便的黄酮类化合物识别和定量分析平台	利用纳米酶的氧化反应和智能手机技术，结合深度学习算法，实现了黄酮类化合物的快速识别和定量分析	NA	实现黄酮类化合物的快速、成本效益高且智能的识别和定量分析	黄酮类化合物	生物传感器	NA	纳米酶技术	MobileNetV3-small	图像	37,488个单孔图像
19342	2024-08-17	Machine-learning-based structural analysis of interactions between antibodies and antigens 2024-Sep, Bio Systems DOI:10.1016/j.biosystems.2024.105264 PMID:38964652	研究论文	本文通过深度学习模型分析抗体与抗原之间的相互作用模式，以提高对体液免疫分子机制的理解并促进新疗法的设计	模型能够以高精度区分抗体-抗原复合物与其他类型的蛋白质-蛋白质复合物，并能从常见蛋白质结合区域中识别抗原，准确率超过70%	模型无法预测特定抗体与抗原的配对关系	研究抗体与抗原之间的相互作用，以促进新疗法的设计	抗体与抗原的相互作用模式	机器学习	NA	深度学习	深度学习模型	蛋白质结构数据	未具体说明样本数量
19343	2024-08-17	Deep learning in sex estimation from photographed human mandible using the Human Osteological Research Collection 2024-Sep, Legal medicine (Tokyo, Japan) DOI:10.1016/j.legalmed.2024.102476 PMID:38964075	研究论文	本研究探讨了使用深度学习技术从人类下颌骨照片中进行性别估计的潜力	首次尝试使用深度学习算法从人类下颌骨照片中进行性别估计	研究样本数量有限，需要更多样本以提高性别估计的可靠性	评估人工智能特别是深度学习在从下颌骨进行性别估计中的应用	193个来自南非的现代人类下颌骨样本	计算机视觉	NA	深度学习	深度学习算法	图像	193个下颌骨样本
19344	2024-08-17	Interpretation and explanation of computer vision classification of carambola (Averrhoa carambola L.) according to maturity stage 2024-Sep, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2024.114836 PMID:39147524	研究论文	本文提出了一种集成可解释人工智能（XAI）方法，用于根据成熟阶段对杨桃进行分类，并比较了两种残差神经网络（ResNet）和视觉变换器（ViT）在分类中的应用。	引入计算机视觉系统和深度学习技术作为快速、非侵入性水果分类的创新工具，并使用可解释人工智能方法提高模型的可信度和透明度。	需要进一步验证该方法在其他水果分类中的应用潜力。	开发一种标准化且快速的杨桃分类方法，并探索其在其他水果分类中的应用。	杨桃的成熟阶段分类。	计算机视觉	NA	深度学习	ResNet, ViT	图像	成熟阶段不同的杨桃样本
19345	2024-08-17	Outcomes of Residency Education: Insights Into the Professional Formation of the Physical Therapist Resident 2024-Sep-01, Journal, physical therapy education DOI:10.1097/JTE.0000000000000335 PMID:39150258	研究论文	本研究探讨了物理治疗师住院教育对临床技能、知识和临床推理能力发展的影响，并识别了住院教育中的关键教学和学习环境元素。	本研究首次详细探讨了物理治疗师住院教育对学习者发展的影响，并识别了支持深度学习的关键环境元素。	研究样本较小，仅包括11个住院项目和13名住院医师，可能影响结果的普遍性。	探索物理治疗师住院教育对学习者发展的影响，并识别住院教育中的关键教学和学习环境元素。	物理治疗师的住院教育和学习者的发展。	NA	NA	NA	NA	NA	11个住院项目和13名住院医师参与了定性研究。
19346	2024-08-17	The street space planning and design of artificial intelligence-assisted deep learning neural network in the Internet of Things 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35031 PMID:39144982	研究论文	本研究利用物联网技术和全卷积网络（FCN）框架，对街道空间进行分类并分析其绿色视野比率（GLR）和满意度，提出改进街道绿化的策略	首次采用FCN-8s框架进行街道视图图像的语义分割，并结合物联网技术分析历史城区街道空间的GLR和满意度	NA	探讨物联网技术在街道空间规划与设计中的应用，并提出改进街道绿化的方法	街道空间类型及其绿色视野比率（GLR）和满意度	计算机视觉	NA	物联网技术	FCN	图像	T城历史城区的街道空间
19347	2024-08-17	Volleyball training video classification description using the BiLSTM fusion attention mechanism 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34735 PMID:39144994	研究论文	本研究旨在探索使用深度学习技术对排球训练视频进行分类和描述的方法	开发了一种创新的模型，结合双向长短期记忆网络（BiLSTM）和注意力机制（BiLSTM-MAFTC），提高了排球视频内容分析的准确性和效率	NA	探索排球训练视频的分类和描述方法	排球训练视频	计算机视觉	NA	深度学习	BiLSTM	视频	NA
19348	2024-08-17	Real-time object detection, tracking, and monitoring framework for security surveillance systems 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34922 PMID:39145028	研究论文	本文提出了一种用于安全监控系统的实时物体检测、跟踪和监控框架	该框架基于近似中值滤波、组件标记、背景减除和深度学习方法设计，使用Python和C#编程语言实现，并在MOT15、MOT16和MOT17数据集上展示了比现有技术更高的准确性和精确度	未来的研究将考虑框架的动态可扩展性，以适应不同拥挤场景的监控应用领域	开发一种高效的实时监控系统，用于物体检测、跟踪和监控	安全监控系统中的物体检测和跟踪	计算机视觉	NA	深度学习	NA	视频	使用MOT15、MOT16和MOT17数据集进行评估
19349	2024-08-17	Deep learning facilitated superhigh-resolution recognition of structured light ellipticities 2024-Aug-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.528796 PMID:39146140	研究论文	本文提出了一种基于深度学习网络的高精度方法，用于区分具有微小椭圆度差异的椭圆光束	首次提出了一种能够有效区分椭圆光束的高精度方法，其精度达到99%	NA	探索椭圆光束在实际应用中的潜力，特别是在自由空间光通信中的应用	椭圆光束及其在光通信中的应用	计算机视觉	NA	深度学习	Transformer	图像	两类不同的椭圆光束
19350	2024-08-17	Current Status, Hotspots, and Prospects of Artificial Intelligence in Ophthalmology: A Bibliometric Analysis (2003-2023) 2024-Aug-15, Ophthalmic epidemiology IF:1.7Q3 DOI:10.1080/09286586.2024.2373956 PMID:39146462	综述	本文通过文献计量分析，回顾、分类和总结了人工智能在眼科学领域的研究文献，旨在为读者提供该领域当前状态和未来方向的详细理解	研究强调了人工智能在眼科学中的前景，特别是在自动化眼病筛查、手术辅助和预测模型等复杂领域的应用	实施人工智能在眼科学中面临技术、监管和伦理等多重挑战	旨在提供人工智能在眼科学领域的当前状态和未来方向的详细理解	人工智能在眼科学领域的研究文献	人工智能	NA	文献计量分析	NA	文献	包括来自98个国家的4,035个机构的3,377篇出版物
19351	2024-08-17	A novel hierarchical network-based approach to unveil the complexity of functional microbial genome 2024-Aug-14, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-024-10692-6 PMID:39138557	研究论文	本文介绍了一种基于分层网络的新方法，利用高阶网络理论中的“固态基序结构（SMS）”来揭示同一属内微生物基因组结构与功能的复杂性	引入了一种复杂结构——固态基序结构（SMS），并通过分层生物网络分析有效地将微生物基因组结构与其功能联系起来	NA	旨在通过分层网络分析框架理解同一属内微生物基因组结构与功能之间的相互作用	研究对象为Microcystis，一种关键的淡水蓝细菌	生物信息学	NA	深度学习技术，如自适应图编码器	自适应图编码器	基因组数据	利用了162个高质量的Microcystis基因组和来自七个地理上不同湖泊的宏基因组数据
19352	2024-08-17	End-to-end reproducible AI pipelines in radiology using the cloud 2024-Aug-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51202-2 PMID:39138215	研究论文	本文展示了基于云基础设施实现和共享透明且可重复的AI放射学管道的潜力	利用云资源实现端到端可重复性，从数据检索到最终结果分析和报告，并提供了易于扩展的管道示例	NA	展示云基础设施在实现和共享透明且可重复的AI放射学管道中的应用	AI放射学管道的透明性和可重复性	计算机视觉	肿瘤学	深度学习	NA	图像	NA
19353	2024-08-17	ENTRANT: A Large Financial Dataset for Table Understanding 2024-Aug-13, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03605-5 PMID:39138234	研究论文	本文介绍了ENTRANT，一个包含数百万表格的金融数据集，用于深度学习方法的表格理解预训练任务	ENTRANT数据集包含了表格的单元格属性、位置和层次信息，便于进行表格理解的预训练	NA	旨在通过提供大规模、格式化的数据集来促进表格理解的模型预训练	金融领域的表格数据	自然语言处理	NA	深度学习	NA	表格数据	数百万表格
19354	2024-08-17	Cross-modality sub-image retrieval using contrastive multimodal image representations 2024-Aug-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68800-1 PMID:39138271	研究论文	本文提出了一种新的跨模态子图像检索系统，结合深度学习生成表示和鲁棒特征提取及词袋模型，用于在不同模态间进行反向子图像搜索。	该系统通过深度学习将不同模态嵌入到共同空间，并结合鲁棒特征提取和词袋模型，实现了高效可靠的跨模态子图像检索。	文章讨论了比较方法的不足，并观察到学习表示和特征提取器的等变性和不变性属性在CBIR流程中的重要性。	旨在开发一种高效且可扩展的跨模态图像检索方法，以改善组织表征和癌症诊断。	研究对象为使用明场和二次谐波生成显微镜图像的数据集。	计算机视觉	NA	深度学习	NA	图像	使用公开可用的明场和二次谐波生成显微镜图像数据集
19355	2024-08-17	Reproducibility and across-site transferability of an improved deep learning approach for aneurysm detection and segmentation in time-of-flight MR-angiograms 2024-08-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68805-w PMID:39138338	研究论文	本研究旨在复制并改进基于深度学习的脑动脉瘤分割模型，并通过独立的测试数据集验证其跨站点可转移性	通过测试不同的全自动预处理流程，改进了模型的性能，并在外部数据集上展示了优异的转移性能	NA	复制并改进基于深度学习的脑动脉瘤分割模型，并验证其跨站点可转移性	脑动脉瘤的检测与分割	计算机视觉	NA	NA	卷积神经网络	图像	训练集包含235个TOF-MRAs，测试集包含两个独立的70个TOF-MRAs数据集
19356	2024-08-17	Geometric deep learning for molecular property predictions with chemical accuracy across chemical space 2024-Aug-13, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00895-0 PMID:39138560	研究论文	本文介绍了一种基于新型量子化学数据集的几何深度学习框架，用于预测气相和液相的分子性质	提出了一种灵活的性质预测工具，能够处理二维和三维分子信息，并实现了高水平的量子化学精度	NA	旨在将深度学习确立为工业和学术界标准性质预测流程的关键步骤	分子性质预测	机器学习	NA	几何深度学习	几何模型	分子数据	124,000个分子
19357	2024-08-17	EnzyACT: A Novel Deep Learning Method to Predict the Impacts of Single and Multiple Mutations on Enzyme Activity 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00920 PMID:39038814	研究论文	介绍了一种名为EnzyACT的新型深度学习方法，用于预测单个和多个突变对酶活性的影响	EnzyACT结合了图技术与蛋白质嵌入，能够预测单个或多个突变对酶活性的变化	酶活性与稳定性的复杂交互作用，增强一个属性往往导致另一个属性的降低	开发一种快速准确的方法来预测突变对酶活性的影响，有助于酶设计和理解活性与稳定性的权衡机制	酶活性及其突变的影响	机器学习	NA	深度学习	深度学习模型	蛋白质数据	包括单点和多点突变的新数据集
19358	2024-08-17	3DReact: Geometric Deep Learning for Chemical Reactions 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00104 PMID:39007724	研究论文	本文介绍了3DReact模型，一种利用几何深度学习预测化学反应性质的方法	3DReact模型能够利用原子映射信息和反应物及产物的几何结构，提供了一个灵活的框架，适用于不同数据集和原子映射体制	NA	开发一种新的几何深度学习模型，用于从三维结构预测化学反应性质	化学反应的性质预测	机器学习	NA	几何深度学习	3DReact	三维结构数据	使用了GDB7-22-TS、Cyclo-23-TS和Proparg-21-TS数据集
19359	2024-08-17	Advancing plant biology through deep learning-powered natural language processing 2024-Aug-05, Plant cell reports IF:5.3Q1 DOI:10.1007/s00299-024-03294-9 PMID:39102077	研究论文	本文探讨了深度学习方法，特别是大型语言模型（LLMs）在植物生物学领域的应用	开发了蛋白质语言模型（PLMs），能够深入分析核酸和蛋白质序列，揭示生物数据中的复杂模式和关系	NA	推动植物科学的基础研究，特别是在多尺度植物性状方面	植物细胞系统及相关序列数据	自然语言处理	NA	深度学习	大型语言模型（LLMs）	序列数据	NA
19360	2024-08-17	Decoding dynamic visual scenes across the brain hierarchy 2024-Aug, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012297 PMID:39093861	研究论文	本研究利用Allen视觉编码-Neuropixels数据集和深度学习神经网络模型，探讨了大脑在处理动态自然视觉场景时的神经编码机制	研究揭示了大脑不同区域对动态视觉场景的编码能力，并发现了解码性能与已知的解剖和功能层次指数之间的强相关性	研究主要集中在使用深度学习模型进行解码，可能未涵盖所有可能的神经编码机制	探索大脑如何在其层次结构中表示视觉信息，并理解动态自然视觉场景的神经基础	大脑在处理动态自然视觉场景时的神经编码机制	神经科学	NA	深度学习	神经网络模型	神经放电模式	使用Allen视觉编码-Neuropixels数据集，涵盖广泛的大脑区域