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
19841	2024-08-24	Current limitations in predicting mRNA translation with deep learning models 2024-Aug-20, Genome biology IF:10.1Q1 DOI:10.1186/s13059-024-03369-6 PMID:39164757	研究论文	本研究评估了当前用于预测mRNA翻译输出的深度学习模型的准确性和通用性	提出了结合高通量测量和机器学习来揭示翻译控制机制和改进构建设计的方法	深度学习模型在其他数据集上，特别是与报告构建物在许多属性上不同的内源性mRNA数据集上，泛化能力较差	评估现有深度学习模型预测mRNA翻译输出的准确性和通用性	mRNA的5'非翻译区（5'UTR）序列及其翻译输出	机器学习	NA	深度学习	深度学习模型	序列数据	涉及两种不同细胞类型的互补数据
19842	2024-08-24	A deep learning-based combination method of spatio-temporal prediction for regional mining surface subsidence 2024-Aug-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70115-0 PMID:39160327	研究论文	本文提出了一种基于深度学习的时空预测组合方法，用于预测区域采矿地面沉降	该方法通过K-means聚类划分空间数据，并应用门控循环单元（GRU）模型捕捉沉降时间序列中的非线性关系，结合蛇优化（SO）进一步提高模型全局精度	NA	旨在提高采矿地面沉降预测的准确性	采矿地面沉降	机器学习	NA	深度学习	门控循环单元（GRU）	空间数据	99.1%的样本像素
19843	2024-08-24	Biophysical profiling of red blood cells from thin-film blood smears using deep learning 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35276 PMID:39170127	研究论文	本文开发了一种基于深度学习的方法，用于分析薄膜血液涂片中的红细胞图像，以评估细胞变形性和存储引起的形态变化	利用卷积神经网络分析Giemsa染色的血液涂片，能够准确评估红细胞的变形性，并区分不同变形性组别	NA	开发一种新的方法来评估红细胞的变形性，以作为输血医学中捐赠红细胞质量的潜在生物标志物	红细胞的变形性和存储引起的形态变化	机器学习	NA	深度学习	卷积神经网络（CNN）	图像	27个红细胞样本（来自9名捐赠者，评估了3个存储时间点）
19844	2024-08-24	Handover for V2V communication in 5G using convolutional neural networks 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35269 PMID:39170130	研究论文	本文研究了在5G环境下使用卷积神经网络（CNN）进行车辆到车辆（V2V）通信的切换技术	提出了一种基于通道特征的新型水平切换预测方法，并使用VGG19深度学习模型通过迁移学习进行车辆检测和障碍识别	NA	旨在改善交通流量和道路安全，通过实时数据传输提高车辆通信效率	车辆通信系统及其在5G环境下的性能	计算机视觉	NA	卷积神经网络（CNN）	VGG19	图像	NA
19845	2024-08-24	Novel digital-based approach for evaluating wine components' intake: A deep learning model to determine red wine volume in a glass from single-view images 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35689 PMID:39170194	研究论文	本文开发了一种基于深度学习的方法，用于从单视角图像中确定红葡萄酒的体积，并将其应用于通过网络服务进行的消费者研究	提出了一种新颖的数字方法，通过深度学习模型从单视角图像中准确估计红葡萄酒的体积	在实际图像数据集中的平均绝对误差较高（26 mL），可能影响其在实际应用中的准确性	开发一种新的方法来准确评估葡萄酒成分的摄入量	红葡萄酒的体积及其成分摄入量	计算机视觉	NA	深度学习	深度学习模型	图像	38名参与者
19846	2024-08-24	Efficient state of charge estimation of lithium-ion batteries in electric vehicles using evolutionary intelligence-assisted GLA-CNN-Bi-LSTM deep learning model 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35183 PMID:39170306	研究论文	本文介绍了一种创新的混合深度学习架构，用于提高电动汽车中锂离子电池的荷电状态（SoC）估计精度	该模型独特地结合了卷积神经网络（CNN）和双向长短期记忆（Bi-LSTM），并通过进化智能进行优化，特别是应用了群体学习算法（GLA）来精细调整CNN-Bi-LSTM网络的超参数	NA	提高电动汽车中锂离子电池的荷电状态估计精度	锂离子电池的荷电状态估计	机器学习	NA	群体学习算法（GLA）	CNN-Bi-LSTM	电池数据	六个不同数据集，代表多种电动汽车放电曲线
19847	2024-08-24	Optimizing computed tomography image reconstruction for focal hepatic lesions: Deep learning image reconstruction vs iterative reconstruction 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34847 PMID:39170325	研究论文	本研究比较了深度学习图像重建（DLIR）与迭代重建（IR）技术在评估肝局灶性病变中的诊断性能	深度学习图像重建技术能够减少图像噪声，提高图像质量，并降低辐射剂量	高强度DLIR虽然噪声最少且伪影最少，但在病变边界和整体图像质量方面得分最低	比较DLIR和IR在评估肝局灶性病变中的诊断性能	216个肝局灶性病变在109名成年参与者中的诊断性能	计算机视觉	肝病	深度学习图像重建（DLIR）和迭代重建（IR）	NA	图像	216个肝局灶性病变，109名成年参与者
19848	2024-08-24	Artificial intelligence-based predictive model for guidance on treatment strategy selection in oral and maxillofacial surgery 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35742 PMID:39170321	研究论文	本文探讨了深度学习（DL）和机器学习（ML）在口腔颌面外科手术中应用的预测模型	DL和ML能够帮助外科医生通过分析患者的病史、影像数据和手术记录来评估预后，制定更有效的治疗策略，选择合适的手术方式，并评估术后并发症的风险	DL和ML面临数据漂移、模型结果不稳定和社会信任脆弱等限制	开发预测模型以辅助口腔颌面外科手术中的治疗策略选择	口腔颌面外科手术中的肿瘤诊断和治疗以及正颌手术	机器学习	NA	深度学习（DL）和机器学习（ML）	预测模型	影像数据、病史记录和手术记录	NA
19849	2024-08-24	Enhanced deep learning models for automatic fish species identification in underwater imagery 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35217 PMID:39170344	研究论文	本研究提出了一种两阶段的深度学习方法，用于自动识别水下图像中的鱼类物种	使用Unsharp Mask Filter进行图像预处理，并结合增强的区域全卷积网络和改进的ShuffleNetV2模型进行鱼类检测和分类	NA	提高水下图像中鱼类物种识别的准确性和效率	水下图像中的鱼类物种	计算机视觉	NA	深度学习	区域全卷积网络（R-FCN）和改进的ShuffleNetV2	图像	Fish4knowledge数据集
19850	2024-08-24	Deep learning-based corrosion inspection of long-span bridges with BIM integration 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35308 PMID:39170363	研究论文	本文研究了一种基于深度学习的方法，用于自动测量长跨桥梁腐蚀部位的位置和面积，并通过BIM（建筑信息模型）集成来提高桥梁管理的效率	本文创新地结合了深度学习技术和BIM模型，实现了对桥梁腐蚀部位的自动检测和测量	本文未提及该方法在不同环境条件下的适用性和准确性	提高基础设施维护的效率和自动化水平，特别是针对日本老化基础设施的检测和管理	长跨桥梁的腐蚀检测和维护	计算机视觉	NA	深度学习	NA	图像	实际长跨桥梁
19851	2024-08-24	Discovery of Potent Selective HDAC6 Inhibitors with 5-Phenyl-1H-indole Fragment: Virtual Screening, Rational Design, and Biological Evaluation 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01052 PMID:39042494	研究论文	本文通过虚拟筛选、理性设计和生物评估，发现了一种含有5-苯基-1H-吲哚片段的高效选择性HDAC6抑制剂。	本文采用深度学习模型、分子对接和分子动力学模拟技术进行理性药物设计，发现了一种具有良好细胞毒性的新型HDAC6抑制剂。	NA	发现具有理想疗效且毒副作用小的选择性HDAC6抑制剂，以应用于肿瘤治疗。	HDAC6抑制剂及其在肿瘤细胞中的作用机制。	药物设计	肿瘤	深度学习模型、分子对接、分子动力学模拟	NA	分子结构	多种肿瘤细胞系
19852	2024-08-24	Kinetics and coexistence of autocatalytic reaction cycles 2024-Aug-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69267-w PMID:39117739	研究论文	研究了在资源无限和资源有限的系统中，自催化反应循环的动力学及其共存问题	展示了深度学习能够从拓扑结构和动力学速率常数预测竞争结果	研究仅限于特定类型的自催化循环，未涉及更复杂的耦合如互催化	探讨自催化反应循环的形成条件及其操作速度	自催化反应循环在不同系统中的动力学行为	化学	NA	深度学习	NA	NA	NA
19853	2024-08-24	Investigation of heat-induced pork batter quality detection and change mechanisms using Raman spectroscopy coupled with deep learning algorithms 2024-Aug-08, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.140798 PMID:39173265	研究论文	本研究探讨了使用拉曼光谱结合深度学习算法快速检测猪肉面糊质量和揭示加热过程中质量变化机制的方法	本研究首次将拉曼光谱与深度学习算法结合，用于预测猪肉面糊的凝胶强度和白度，并揭示了加热过程中质量变化的机制	NA	研究目的是开发一种非破坏性工具，用于预测猪肉面糊的质量和阐明质量变化机制	猪肉面糊的质量检测和加热过程中质量变化机制	机器学习	NA	拉曼光谱	CNN, LSTM, CNN-LSTM	拉曼光谱	NA
19854	2024-08-24	Markerless Motion Capture to Quantify Functional Performance in Neurodegeneration: Systematic Review 2024-Aug-06, JMIR aging IF:5.0Q1 DOI:10.2196/52582 PMID:39106477	综述	本文通过系统综述探讨了无标记运动捕捉技术在量化痴呆、轻度认知障碍和帕金森病患者功能表现中的应用	无标记运动捕捉技术提供了一种客观且不显眼的方法来监测社区环境中的功能表现	尽管有潜力，但需要进一步研究以确定无标记运动捕捉技术在现实世界中量化移动性和功能表现的临床效用	调查无标记运动捕捉技术在量化痴呆、轻度认知障碍和帕金森病患者功能表现中的应用	痴呆、轻度认知障碍和帕金森病患者	NA	神经退行性疾病	无标记运动捕捉	深度学习模型	视频	26项符合选择标准的研究
19855	2024-08-24	Non-Invasive Detection of Early-Stage Fatty Liver Disease via an On-Skin Impedance Sensor and Attention-Based Deep Learning 2024-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202400596 PMID:38887178	研究论文	本研究开发了一种粘性软皮肤传感器和基于注意力机制的深度学习算法，用于早期非酒精性脂肪肝病（NAFLD）的无创检测	通过在皮肤传感器上合成铂纳米颗粒和还原石墨量子点，降低电极-皮肤接触阻抗，提高检测准确性；引入基于注意力机制的深度学习算法，增强对早期NAFLD的识别能力	NA	开发一种非侵入性和成本效益高的方法，用于早期NAFLD的检测	早期非酒精性脂肪肝病（NAFLD）	机器学习	肝病	基于注意力机制的深度学习算法	注意力机制	阻抗信号	高脂饮食喂养的低密度脂蛋白受体敲除（Ldlr）小鼠与健康对照组
19856	2024-08-07	FasterRib: A deep learning algorithm to automate identification and characterization of rib fractures on chest computed tomography scans: Erratum 2024-Aug-01, The journal of trauma and acute care surgery IF:2.9Q1 DOI:10.1097/TA.0000000000004427 PMID:38996424	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19857	2024-08-24	Predicting tumor mutation burden and VHL mutation from renal cancer pathology slides with self-supervised deep learning 2024-Aug, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70112 PMID:39166457	研究论文	本文开发了一种自监督注意力基础的多实例学习（SSL-ABMIL）模型，用于从肾癌病理切片中预测肿瘤突变负荷（TMB）和VHL突变状态	首次使用自监督学习方法从病理图像中预测TMB和VHL突变，展示了肿瘤形态学与分子生物学之间的联系	研究仅限于肾透明细胞癌（ccRCC），且依赖于特定数据集	开发一种新模型以从病理图像中预测TMB和VHL突变，提高临床应用性	肾透明细胞癌患者的病理图像和突变数据	数字病理学	肾癌	自监督学习	SSL-ABMIL	图像	350名肾透明细胞癌患者用于模型开发，163名患者用于外部验证
19858	2024-08-24	Artificial Intelligence Models Are Limited in Predicting Clinical Outcomes Following Hip Arthroscopy: A Systematic Review 2024-Aug-01, JBJS reviews IF:1.7Q2 DOI:e24.00087 PMID:39172870	系统综述	本文通过系统综述评估了人工智能模型在髋关节镜术后临床结果预测中的表现和有效性	探讨了人工智能在髋关节镜术后临床结果预测中的应用	所有模型均未进行外部验证，限制了其临床应用	评估人工智能模型在髋关节镜术后临床结果预测中的表现和有效性	髋关节镜术后的临床结果预测模型	机器学习	NA	机器学习	NA	NA	6568例
19859	2024-08-24	CTFusion: CNN-transformer-based self-supervised learning for infrared and visible image fusion 2024-Jul-30, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2024294 PMID:39176416	研究论文	本文提出了一种基于卷积神经网络（CNN）和Transformer的自监督学习框架CTFusion，用于红外和可见光图像融合	CTFusion框架通过CNN-Transformer特征提取模块设计，赋予编码器强大的局部和全局依赖建模能力，并利用自监督学习进行模型训练，无需真实融合图像	NA	开发一种新的红外和可见光图像融合方法，提高融合效果	红外和可见光图像	计算机视觉	NA	自监督学习	CNN-Transformer	图像	三个红外和可见光图像融合基准数据集
19860	2024-08-24	Improved optimizer with deep learning model for emotion detection and classification 2024-Jul-17, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2024290 PMID:39176412	研究论文	本文提出了一种名为EWDL-BFSN的创新面部情感识别框架，用于准确检测面部情感	引入了扩展海象深度学习与Botox特征选择网络（EWDL-BFSN），结合梯度小波各向异性滤波器（GWAF）和改进的Botox优化算法（IBoA），以及使用海象优化算法（WOA）选择超参数	NA	旨在通过选择最佳特征和调整分类器的超参数，自动有效地识别面部情感	面部情感识别	计算机视觉	NA	梯度小波各向异性滤波器（GWAF），改进的Botox优化算法（IBoA），海象优化算法（WOA）	EK-ResNet50网络	图像	使用了公开的CK+和FER-2013数据集进行训练和测试