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	2024-08-08	Clinical feasibility of deep learning based synthetic contrast enhanced abdominal CT in patients undergoing non enhanced CT scans 2024-07-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68705-z PMID:39085456	研究论文	本文旨在开发并评估基于深度学习的合成增强型腹部CT（DL-SynCCT）在非增强CT（NECT）患者中的临床可行性	提出了一种使用虚拟非对比CT（VNC）的弱监督学习方法来开发DL-SynCCT	NA	评估基于深度学习的合成增强型CT在非增强CT患者中的临床应用	非增强CT患者	计算机视觉	NA	深度学习	CNN	图像	训练和内部验证使用了2202对回顾性收集的增强CT（CECT）图像及其对应的VNC图像；临床验证使用了来自三个机构的398名非增强CT（NECT）患者的数据
19842	2024-08-08	Hybrid deep learning models for the screening of Diabetic Macular Edema in optical coherence tomography volumes 2024-07-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68489-2 PMID:39085461	研究论文	本文使用卷积神经网络和循环神经网络（CNN-RNN）的混合模型，在真实世界的糖尿病视网膜病变筛查项目中分析完整的光学相干断层扫描（OCT）立方体，以预测糖尿病黄斑水肿（DME）。	本研究避免了图像选择偏差，通过分析完整的OCT立方体，提高了在真实世界环境中检测DME的诊断准确性，并能检测到其他研究中常被忽视的黄斑外DME。	文章未明确提及具体的局限性。	开发和验证一种在真实世界糖尿病视网膜病变筛查中用于检测糖尿病黄斑水肿的高效混合深度学习模型。	研究对象包括4年内参与糖尿病视网膜病变筛查的4408名受试者的5314个OCT立方体。	计算机视觉	糖尿病黄斑水肿	光学相干断层扫描（OCT）	CNN-RNN	图像	5314个OCT立方体，来自4408名受试者
19843	2024-08-08	Semantic-enhanced graph neural network for named entity recognition in ancient Chinese books 2024-07-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68561-x PMID:39080339	研究论文	本文提出了一种基于图神经网络的模型，用于增强古汉语书籍中的命名实体识别（NER），通过整合字典级和章节级外部知识来提升NER的性能	本文创新性地利用图神经网络和图注意力机制，结合外部知识（字典级和章节级信息）来增强古汉语NER的语义表示	NA	探索如何通过外部知识增强古汉语书籍中的命名实体识别	古汉语书籍中的命名实体识别	自然语言处理	NA	图神经网络（GNN）	图注意力机制（GAT）	文本	在C_CLUE数据集上进行评估
19844	2024-08-08	Human monkeypox disease prediction using novel modified restricted Boltzmann machine-based equilibrium optimizer 2024-07-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68836-3 PMID:39080387	研究论文	本文提出了一种基于改进受限玻尔兹曼机和平衡优化器的新型深度学习方法，用于预测人类猴痘疾病	使用改进的受限玻尔兹曼机（MRBM）和平衡优化器（EO）进行参数调整，以最小化误差为主要目标函数，提高了猴痘疾病预测的性能	NA	开发一种新的深度学习方法来预测人类猴痘疾病	人类猴痘疾病的预测	机器学习	NA	深度学习	受限玻尔兹曼机（RBM）	图像	使用了Monkeypox Skin Lesion Dataset中的数据
19845	2024-08-08	Training high-performance deep learning classifier for diagnosis in oral cytology using diverse annotations 2024-07-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67879-w PMID:39080384	研究论文	本文利用深度学习技术，通过多口腔病理学家对口腔脱落细胞学图像的标注，训练出高性能的卷积神经网络（CNN）分类器，用于诊断口腔细胞学图像	本文创新性地采用了概率模型和多数投票方法来处理多口腔病理学家的标注，以提高分类器的性能	文章指出，使用单个病理学家的标注训练的模型在许多测试中显示出非常低的准确性和较大的变异性	研究目的是通过深度学习技术优化卷积神经网络，以提高口腔脱落细胞学图像的诊断准确性	研究对象是口腔脱落细胞学图像及其多口腔病理学家的标注	机器学习	NA	深度学习	CNN	图像	14,535张图像
19846	2024-08-08	A multibranch and multiscale neural network based on semantic perception for multimodal medical image fusion 2024-07-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68183-3 PMID:39080442	研究论文	本文介绍了一种基于语义感知的多分支多尺度神经网络，用于多模态医学图像融合	提出了一种新的医学图像融合技术，利用无监督图像分割增强融合过程中的语义理解，并采用多分支、多尺度的深度学习架构结合先进的注意力机制来优化特征提取和融合过程	NA	提高多模态医学图像融合的质量和诊断效用	多模态医学图像融合技术	计算机视觉	NA	深度学习	多分支多尺度神经网络	图像	NA
19847	2024-08-08	Automated vehicle damage classification using the three-quarter view car damage dataset and deep learning approaches 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34016 PMID:39104489	research paper	本文介绍了使用三-四分之三视角车辆损坏数据集和深度学习方法进行自动车辆损坏分类的研究	引入了三-四分之三视角车辆损坏数据集（TQVCD数据集），并使用五种流行的预训练深度学习架构进行性能评估，同时实施了模型集成方法以增强分类鲁棒性	NA	解决车辆损坏分类领域中公共数据集稀缺和数据集构建复杂性的问题	车辆损坏分类	computer vision	NA	deep learning	ResNet-50, DenseNet-160, EfficientNet-B0, MobileNet-V2, ViT	image	三-四分之三视角车辆损坏数据集（TQVCD数据集）
19848	2024-08-08	Rigdelet neural network and improved partial reinforcement effect optimizer for music genre classification from sound spectrum images 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34067 PMID:39104510	研究论文	本文提出了一种新的音乐流派分类方法，通过将音频信号转换为声谱图，并利用增强的Rigdelet神经网络（RNN）提取纹理特征，同时使用改进的部分强化效应优化器（IPREO）优化RNN，以避免局部最优并提高其泛化能力	本文的创新点在于结合了Rigdelet神经网络和改进的部分强化效应优化器（IPREO），以及混合CNN-双向RNN设计，有效提取复杂的序列听觉数据	NA	研究目的是提高音乐流派分类的准确性	研究对象是音乐流派分类	机器学习	NA	Rigdelet神经网络（RNN）	CNN, 双向RNN	声谱图	使用了GTZAN数据集进行实验
19849	2024-08-08	An attention-based deep learning for acute lymphoblastic leukemia classification 2024-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67826-9 PMID:39075091	研究论文	本研究提出了一种基于注意力机制的深度学习模型DDRNet，用于急性淋巴细胞白血病分类，通过集成深度残差扩张块、全局和局部特征增强块以及通道和空间注意力块，提高了分类准确性和特征识别能力	本研究引入了深度残差扩张块、全局和局部特征增强块以及通道和空间注意力块，这些模块的组合有效解决了分类过程中的特定挑战，提高了特征的辨别能力	NA	开发一种高效的计算机辅助诊断系统，以帮助血液学家减少工作量，提供准确结果，并处理大量数据	血液细胞图像，包括嗜酸性粒细胞、淋巴细胞、单核细胞和中性粒细胞	机器学习	急性淋巴细胞白血病	深度学习	深度残差扩张卷积神经网络（DDRNet）	图像	16,249张图像，分为四个类别，训练和测试比例为80:20
19850	2024-08-08	Extended dipeptide composition framework for accurate identification of anticancer peptides 2024-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68475-8 PMID:39075193	研究论文	本文提出了一种基于扩展二肽组成的框架，用于准确识别抗癌肽	提出的扩展二肽组成框架通过考虑局部序列环境信息和重构CD-HIT框架来去除噪声和冗余，提高了预测准确性和效率	未来工作将包括扩展到更多样化的数据集，并结合三级结构信息和深度学习技术	开发一种先进的特征提取框架，用于提高抗癌肽识别的准确性	抗癌肽的识别	机器学习	NA	NA	SVM, DT, RF, KNN	序列数据	多个数据集
19851	2024-08-08	Developing a fair and interpretable representation of the clock drawing test for mitigating low education and racial bias 2024-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68481-w PMID:39075127	研究论文	本研究开发了一种公平且可解释的时钟绘制测试（FaIRClocks）表示方法，旨在评估并减轻对教育程度低于8年的人群的分类偏见，同时通过一系列神经心理学测量方法筛查其认知功能。	本研究的创新点在于开发了FaIRClocks模型，该模型能够识别并减轻对教育程度低于8年人群的偏见，特别是在术前认知筛查中。	研究中使用的初始未加权分类器在低教育程度患者中存在100%的I类错误率，表明存在显著偏见。	研究目的是开发一种公平且可解释的时钟绘制测试表示方法，以减轻对教育程度较低和种族的偏见。	研究对象包括教育程度低于8年的人群以及使用时钟绘制测试进行认知筛查的患者。	机器学习	NA	深度学习	深度学习特征集	图像	使用了来自国家健康和老龄趋势研究（NHATS）的公开数据以及佛罗里达大学术前认知筛查项目的时钟绘制数据
19852	2024-08-08	Boundary guidance network for medical image segmentation 2024-07-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67554-0 PMID:39069513	研究论文	本文提出了一种名为边界引导网络的医学图像分割网络，用于准确分割膀胱肿瘤区域	该网络结合了CNN提取的局部特征和Parallel ViT记录的不同层次的长距离依赖关系，以及设计的边界提取模块和前景-背景双通道解码模块	NA	解决膀胱肿瘤形态多样和边界模糊导致的准确分割难题	膀胱肿瘤的准确分割	计算机视觉	膀胱癌	CNN, Parallel ViT	边界引导网络	图像	新提出的膀胱肿瘤内窥镜数据集(BTD)及三个公共数据集
19853	2024-08-08	DiffPROTACs is a deep learning-based generator for proteolysis targeting chimeras 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae358 PMID:39101502	研究论文	本文介绍了一种基于深度学习的扩散模型DiffPROTACs，用于生成新的PROTAC连接子	提出了O(3)等变图Transformer模块，结合Transformer和图神经网络(GNN)来更新PROTAC原子的坐标，提高了生成PROTAC的效率和有效性	NA	开发一种新的深度学习模型，用于生成PROTAC连接子，以促进PROTAC技术的研究	PROTAC连接子的设计和生成	机器学习	NA	扩散模型和Transformer	扩散模型	分子数据	使用了两个传统的FBDD数据集ZINC和GEOM，以及自建的PROTACs数据集
19854	2024-08-08	Deep transformer-based heterogeneous spatiotemporal graph learning for geographical traffic forecasting 2024-Jul-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110175 PMID:39109176	研究论文	本文提出了一种基于深度变换器的异构时空图学习模型，用于地理交通预测	模型结合了时间变换器以捕捉交通数据中的长期时间模式，并引入了自适应归一化图结构以捕捉动态空间依赖性	NA	提高地理交通预测的准确性	地理交通数据	机器学习	NA	深度变换器	时空图学习模型	时空数据	四个主要公共数据集
19855	2024-08-08	Measuring activity-rest rhythms under different acclimation periods in a marine fish using automatic deep learning-based video tracking 2024-Jul, Chronobiology international IF:2.2Q3 DOI:10.1080/07420528.2024.2371143 PMID:38975732	研究论文	本研究采用基于深度学习的视频跟踪技术，评估海洋鱼类在不同适应期下的活动节律稳定性、碎片化、鲁棒性和同步性	引入了一种新颖的基于深度学习的视频跟踪方法，用于监测实验室条件下的生物节律	未观察到实验室组间活动节律指标与适应期之间的差异	评估海洋鱼类在不同适应期下的活动节律特性	海洋鱼类的活动节律	计算机视觉	NA	深度学习	NA	视频	实验分为三组，每组分别在不同天数进行测试，具体样本数量未详细说明
19856	2024-08-08	Deep learning with diffusion MRI as in vivo microscope reveals sex-related differences in human white matter microstructure 2024-05-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60340-y PMID:38744901	研究论文	本研究利用扩散磁共振成像技术，开发了多种端到端分类模型，以准确估计受试者的性别，并识别出男女之间差异最大的白质区域	本研究首次利用扩散磁共振成像技术在细胞水平上揭示了男女大脑白质微观结构的差异，并使用多种模型架构进行验证	研究仅使用了来自人类连接组项目的健康受试者数据，且年龄范围有限	研究男女大脑白质微观结构的差异，以深入理解不同性别中表现不同的脑部疾病	男女大脑白质的微观结构	计算机视觉	NA	扩散磁共振成像	2D卷积神经网络, 3D卷积神经网络, Vision Transformer	图像	471名男性与560名女性健康受试者（年龄范围22-37岁）
19857	2024-08-08	Predicting long-term progression of Alzheimer's disease using a multimodal deep learning model incorporating interaction effects 2024-03-11, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05025-w PMID:38468358	研究论文	本研究开发了一种结合交互效应和多模态数据的深度学习模型，用于预测阿尔茨海默病长期进展	模型创新性地结合了交互效应和多模态数据，显著提高了预测准确性和时间范围	NA	旨在提高从轻度认知障碍到阿尔茨海默病转换的预测准确性和长期性	轻度认知障碍患者及其向阿尔茨海默病的转换	机器学习	阿尔茨海默病	深度学习	深度学习模型	结构磁共振成像、临床评估和遗传多态性数据	252名轻度认知障碍患者
19858	2024-08-08	TEFDTA: a transformer encoder and fingerprint representation combined prediction method for bonded and non-bonded drug-target affinities 2024-01-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad778 PMID:38141210	研究论文	本文提出了一种新的基于注意力机制的模型TEFDTA，用于预测药物与靶点之间的结合亲和力，包括共价和非共价结合	TEFDTA模型结合了Transformer编码器和指纹表示，显著提高了非共价和共价结合亲和力的预测准确性	NA	提高药物与靶点结合亲和力的预测准确性	药物与靶点的结合亲和力，包括共价和非共价结合	机器学习	NA	Transformer编码器	Transformer	蛋白质和药物分子的不同表示	使用了非共价蛋白质-配体相互作用的数据集和CovalentInDB数据库中的共价相互作用小数据集
19859	2024-08-08	Intelligent Beam Optimization for Light-Sheet Fluorescence Microscopy through Deep Learning 2024, Intelligent computing (Washington, D.C.) DOI:10.34133/icomputing.0095 PMID:39099879	研究论文	本文通过深度学习方法优化光片荧光显微镜中的照明光束，以提高细胞检测的图像质量	提出了一种将光片荧光显微镜的物理照明模型与细胞检测网络训练相结合的方法，通过连续更新相位掩模来优化照明光束，从而提高图像质量	NA	通过计算方法设计显微镜系统，为依赖深度学习模型分析成像数据的光学设计提供新见解	光片荧光显微镜中的照明光束优化	计算机视觉	NA	深度学习	CNN	图像	每个样本约0.5 TB的图像数据
19860	2024-08-08	Lumpy skin disease diagnosis in cattle: A deep learning approach optimized with RMSProp and MobileNetV2 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302862 PMID:39102387	研究论文	本研究提出了一种使用MobileNetV2模型和RMSprop优化器的深度学习方法，用于牛的结节性皮肤病诊断	该方法在健康和结节性皮肤病牛的图像数据集上测试，准确率达到95%，比现有基准高出4-10%	NA	旨在改善牛结节性皮肤病的诊断和管理	牛的结节性皮肤病	计算机视觉	NA	深度学习	MobileNetV2	图像	包含健康和结节性皮肤病牛的图像数据集