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
19621	2024-08-13	HydraScreen: A Generalizable Structure-Based Deep Learning Approach to Drug Discovery 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00481 PMID:39037942	研究论文	提出了一种名为HydraScreen的深度学习框架，用于安全且高效的药物发现，该框架利用先进的3D卷积神经网络来有效表示分子结构和蛋白质-配体结合中的相互作用	引入了新的交互分析方法，旨在检测模型和数据集中的潜在偏差，增强了方法的解释性和公正性	NA	旨在开发一种可泛化的结构基础深度学习方法，用于加速药物发现	蛋白质-配体复合物的结构和相互作用	机器学习	NA	3D卷积神经网络	CNN	分子结构数据	使用了CASF-2016核心集的公开基准进行评估
19622	2024-08-13	Identifying Synergistic Components of Botanical Fungicide Formulations Using Interpretable Graph Neural Networks 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00128 PMID:39031079	研究论文	本文提出了一种新的深度学习方法，用于预测植物性农药和渗透增强剂的协同作用	使用加权组合的成分特征向量来表示输入混合物，使模型能够处理可变数量的成分并解释每个成分对协同作用的贡献	NA	开发一种能够预测植物性农药和渗透增强剂协同作用的新型深度学习方法	植物性农药和渗透增强剂的协同作用	机器学习	NA	深度学习	图神经网络	体外实验数据	NA
19623	2024-08-13	QC-GN2oMS2: a Graph Neural Net for High Resolution Mass Spectra Prediction 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00446 PMID:39013165	研究论文	本文研究了将量子化学信息作为边特征引入图神经网络（GNN）以提高高分辨率质谱预测准确性的效果	本文创新性地将量子化学衍生的信息作为边特征引入GNN，并应用动态图注意力机制，提高了质谱预测的性能	NA	探索将量子化学信息作为边特征引入GNN以提高质谱预测准确性的效果	高分辨率质谱预测	机器学习	NA	图神经网络（GNN）	GNN	质谱数据	NA
19624	2024-08-13	Versatile Deep Learning Pipeline for Transferable Chemical Data Extraction 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00816 PMID:39009039	研究论文	本文介绍了一种名为ChemREL的多功能化学数据提取管道，该管道强调性能、可转移性和可扩展性	ChemREL通过预训练和微调，实现了高F1分数，并在实体识别和关系映射方面优于现有方法和GPT-4	NA	开发一种高效的化学数据提取管道，提高数据提取的准确性和可转移性	化学文档中的正常熔点（normal melting point）和半数致死量（LD）	机器学习	NA	深度学习	NA	文本	使用10个随机选择的训练文档进行LD提取
19625	2024-08-13	Moss-m7G: A Motif-Based Interpretable Deep Learning Method for RNA N7-Methlguanosine Site Prediction 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00802 PMID:39011571	研究论文	本文提出了一种基于motif的可解释深度学习方法Moss-m7G，用于预测RNA N7-甲基鸟苷修饰位点	Moss-m7G方法通过引入词检测模块和motif嵌入模块，从motif角度分析RNA序列，提高了模型的解释性和预测准确性	NA	旨在准确识别m7G修饰位点，以理解其调控机制并推动癌症治疗	RNA N7-甲基鸟苷（m7G）修饰位点	机器学习	NA	深度学习	Transformer	序列	构建了一个全面的m7G数据集用于训练和测试
19626	2024-08-13	[Automatic segmentation of dental cone-beam computed tomography scans using a deep learning framework] 2024-Aug-11, Orvosi hetilap IF:0.8Q3 DOI:10.1556/650.2024.33098 PMID:39127997	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19627	2024-08-13	Deep learning-based pseudo-CT synthesis from zero echo time MR sequences of the pelvis 2024-Aug-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01751-3 PMID:39120752	研究论文	本文研究了基于深度学习算法从零回波时间（ZTE）磁共振序列生成骨盆的伪CT（pCT）图像，并与传统CT图像进行比较	使用深度学习算法从ZTE磁共振序列生成pCT图像，无需辐射暴露即可评估骨骼	NA	研究从ZTE磁共振序列生成骨盆pCT图像的可行性及其与传统CT图像的比较	骨盆的pCT图像与传统CT图像	计算机视觉	NA	深度学习（DL）	DL模型	图像	共91名患者，其中80名用于训练和更新DL模型，20名用于评估
19628	2024-08-13	AI support for colonoscopy quality control using CNN and transformer architectures 2024-Aug-09, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-024-03354-0 PMID:39123140	研究论文	研究利用基于CNN和Transformer架构的深度学习模型进行结肠镜质量控制，并探索其决策机制	采用EfficientNetB2模型在验证集上表现最佳，实现了高精度和快速推理速度，并成功部署在设备终端	NA	开发和评估用于结肠镜质量控制的深度学习模型	结肠镜图像的质量控制	计算机视觉	NA	迁移学习、微调	CNN、Transformer	图像	4,189张结肠镜图像
19629	2024-08-13	The impact of deep learning based- psychological capital with ideological and political education on entrepreneurial intentions 2024-08-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68997-1 PMID:39103418	研究论文	本研究旨在探讨心理资本对大学生创业意向的影响	通过结合相关分析和线性回归，探索心理资本及其四个维度与创业意向之间的关系，并利用循环神经网络模型探讨创业心理资本与意向的协变关系	文章未明确提及研究的具体局限性	研究心理资本对大学生创业意向的影响	大学生的心理资本及其创业意向	机器学习	NA	线性回归分析	循环神经网络 (RNN)	问卷调查数据	未明确提及具体样本数量
19630	2024-08-13	Deep Learning System for User Identification Using Sensors on Doorknobs 2024-Aug-05, Sensors (Basel, Switzerland) DOI:10.3390/s24155072 PMID:39124118	研究论文	本文研究了一种通过门把手上的传感器测量用户交互模式并应用深度学习算法进行用户识别的新方法	提出了一种基于门把手传感器数据的用户识别新方法，并展示了其可行性	NA	研究门把手传感器数据在用户识别中的应用	门把手传感器数据及用户交互模式	机器学习	NA	深度学习	NA	传感器数据	47名用户
19631	2024-08-13	Design and Enhancement of a Fog-Enabled Air Quality Monitoring and Prediction System: An Optimized Lightweight Deep Learning Model for a Smart Fog Environmental Gateway 2024-Aug-05, Sensors (Basel, Switzerland) DOI:10.3390/s24155069 PMID:39124116	研究论文	本文提出了一种雾计算支持的空气质量监测与预测系统（FAQMP），通过集成物联网（IoT）、雾计算（FC）、低功耗广域网络（LPWANs）和深度学习（DL），提高了空气质量监测和预测的准确性和效率。	系统在雾计算层引入了高效的雾智能，采用优化的轻量级深度学习序列到序列（Seq2Seq）门控循环单元（GRU）注意力模型，实现了实时处理、准确预测和及时警告危险AQI水平，同时优化了雾资源的使用。	NA	旨在通过优化轻量级深度学习模型，提高雾计算节点在空气质量监测和预测中的效率和准确性。	空气质量监测与预测系统及其在雾计算环境中的应用。	机器学习	NA	深度学习（DL）	Seq2Seq GRU Attention	空气质量数据	NA
19632	2024-08-13	Deep Learning-Based Defects Detection in Keyhole TIG Welding with Enhanced Vision 2024-Aug-05, Materials (Basel, Switzerland) DOI:10.3390/ma17153871 PMID:39124536	研究论文	本研究利用多层深度神经网络，结合增强视觉技术，对钥匙孔TIG焊接中的缺陷进行实时检测	采用深度学习技术自动捕捉复杂非线性关系，无需手动特征选择，优于传统支持向量机	NA	开发一种高效的实时缺陷检测方法，用于钥匙孔TIG焊接过程的质量控制和缺陷预防	钥匙孔TIG焊接中的缺陷检测	计算机视觉	NA	深度学习	深度神经网络	图像	大量焊接图像数据集
19633	2024-08-13	Hybrid Feature Mammogram Analysis: Detecting and Localizing Microcalcifications Combining Gabor, Prewitt, GLCM Features, and Top Hat Filtering Enhanced with CNN Architecture 2024-Aug-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14151691 PMID:39125567	research paper	本文提出了一种结合Gabor、Prewitt、GLCM特征和Top Hat滤波器的混合特征提取方法，并通过CNN架构增强乳腺X线图像中微钙化的检测和定位	本研究的创新点在于结合传统特征提取技术与深度学习模型，提高了微钙化的检测和定位准确性	NA	提高乳腺X线图像中微钙化的检测和定位准确性	乳腺X线图像中的微钙化	computer vision	breast cancer	CNN	CNN	image	使用了一个平衡的数字乳腺X线图像数据集
19634	2024-08-13	Large Language Models for Wearable Sensor-Based Human Activity Recognition, Health Monitoring, and Behavioral Modeling: A Survey of Early Trends, Datasets, and Challenges 2024-Aug-04, Sensors (Basel, Switzerland) DOI:10.3390/s24155045 PMID:39124092	综述	本文综述了大型语言模型（LLMs）在基于可穿戴传感器的人类活动识别、健康监测和行为建模中的应用趋势、数据集和挑战	最新前沿是采用大型语言模型如GPT-4和Llama进行数据分析、建模、理解和通过可穿戴传感器数据监测人类行为	关键挑战包括数据质量、计算需求、可解释性和隐私问题	探讨LLMs在传感器基人类活动识别和行为建模中的应用趋势和挑战	可穿戴传感器数据	自然语言处理	NA	大型语言模型（LLMs）	GPT-4, Llama	传感器数据	NA
19635	2024-08-13	Utilizing Deep Neural Networks to Fill Gaps in Small Genomes 2024-Aug-04, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25158502 PMID:39126071	研究论文	本文提出了一种基于深度学习的新方法DLGapCloser，用于辅助传统工具进一步填补小型基因组中的空白	提出了基于深度学习的DLGapCloser方法和DGCNet模型，以及改进的Wave-Beam Search算法，有效提高了基因组拼接中填补空白的效率和准确性	NA	旨在利用深度神经网络技术解决小型基因组拼接中的空白填补问题	小型基因组拼接中的空白填补	机器学习	NA	深度学习	DGCNet	基因序列	四个基于原始基因组的数据集，并添加了同源基因组以丰富数据集
19636	2024-08-13	Towards Automated Model Selection for Wind Speed and Solar Irradiance Forecasting 2024-Aug-03, Sensors (Basel, Switzerland) DOI:10.3390/s24155035 PMID:39124081	研究论文	本文评估了多种模型用于预测希腊克里特岛的中期（24小时前）风速和太阳辐照度，基于实时测量数据	本文通过探索多种预处理步骤和经典及深度学习算法，强调了时间序列预测模型的概念设计和逻辑	本文指出在类似研究中进行广泛模型搜索的必要性	研究目的是提高可再生能源发电厂的运行效率，确保电力供应的竞争力和电网的可靠性及安全性	研究对象是风速和太阳辐照度的预测模型	机器学习	NA	深度学习算法	时间序列预测模型	实时测量数据	涉及希腊克里特岛的数据
19637	2024-08-13	Automatic Weight Redistribution Ensemble Model Based on Transfer Learning to Use in Leak Detection for the Power Industry 2024-Aug-02, Sensors (Basel, Switzerland) DOI:10.3390/s24154999 PMID:39124045	研究论文	本文提出了一种基于迁移学习的自动权重再分配集成模型，用于电力行业中的泄漏检测	该模型通过处理来自多个同质传感器的时间序列声学数据，转化为三维均方根（RMS）和频率体积特征，实现了跨域的精确泄漏检测	NA	开发一种有效的深度学习技术，用于在不同环境中准确诊断泄漏信号，以将人工智能集成到电厂行业中	电力行业中的泄漏检测	机器学习	NA	迁移学习（TL）	残差网络	时间序列声学数据	多个同质传感器位于不同位置
19638	2024-08-13	Attribute Feature Perturbation-Based Augmentation of SAR Target Data 2024-Aug-02, Sensors (Basel, Switzerland) DOI:10.3390/s24155006 PMID:39124052	研究论文	本文提出了一种基于属性特征扰动的合成孔径雷达（SAR）目标数据增强方法，通过增强胶囊神经网络（CapsNet）进行特征提取和属性解耦，利用注意力机制实现更有效的特征表示，并通过扰动解耦的属性特征来增加特征多样性，从而实现SAR目标图像的增强。	该方法通过从已知分布的输入映射到未知分布的变化，减少了输入信号与增强数据之间的相关距离，降低了训练数据的需求，并在重建过程中结合像素损失和感知损失，提高了增强SAR数据的质量。	NA	解决现有SAR图像智能增强方法中存在的训练不稳定、图像质量差、缺乏物理可解释性等问题。	合成孔径雷达（SAR）目标数据的增强。	计算机视觉	NA	胶囊神经网络（CapsNet），注意力机制	CapsNet	图像	NA
19639	2024-08-13	A Review of Digital Twinning for Rotating Machinery 2024-Aug-02, Sensors (Basel, Switzerland) DOI:10.3390/s24155002 PMID:39124049	综述	本文综述了数字孪生在传动和工业机械领域的定义、模式、应用和性能	强调了数字孪生在系统基本操作和生命周期场景中的集成，以及传感器和高级机器学习或深度学习等统计或数据驱动方法的应用	指出数字孪生在某些情况下可能是不完整或有限的	总结数字孪生在生命周期设计、制造或决策中的作用	数字孪生在旋转和工业机械中的应用	NA	NA	机器学习, 深度学习	NA	数据	NA
19640	2024-08-13	Evaluation of Machine Learning Classification Models for False-Positive Reduction in Prostate Cancer Detection Using MRI Data 2024-Aug-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14151677 PMID:39125553	研究论文	本研究评估了多种机器学习算法在前列腺癌MRI数据检测中减少假阳性分类的能力	本研究探索了传统机器学习算法和现代深度学习模型在前列腺癌诊断中的应用，并比较了不同方法的性能	NA	优化前列腺癌诊断算法中机器学习模型的性能	评估不同机器学习模型在前列腺癌MRI数据分类中的表现	机器学习	前列腺癌	MRI	CNN, SVM, RDF, MLP	图像	NA