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
41	2024-09-20	Enhanced bat algorithm for COVID-19 short-term forecasting using optimized LSTM 2021, Soft computing IF:3.1Q2 DOI:10.1007/s00500-021-06075-8 PMID:34393647	研究论文	本文提出了一种优化的长短期记忆网络（LSTM）用于COVID-19病例的短期预测，并使用增强的蝙蝠算法（BA）进行优化	本文提出了一种增强的蝙蝠算法，通过使用高斯自适应惯性权重和替换随机漫步为高斯漫步来解决过早收敛和局部最小值问题	NA	提高COVID-19病例预测的准确性，帮助控制疫情	COVID-19病例的短期预测	机器学习	COVID-19	蝙蝠算法	LSTM	时间序列数据	NA
42	2024-09-19	Machine and Deep Learning towards COVID-19 Diagnosis and Treatment: Survey, Challenges, and Future Directions 2021-01-27, International journal of environmental research and public health DOI:10.3390/ijerph18031117 PMID:33513984	综述	本文综述了基于人工智能的机器学习和深度学习方法在COVID-19诊断和治疗中的应用	总结了现有的最先进方法及其在COVID-19中的应用，并提供了未来研究方向	NA	探讨人工智能技术在COVID-19诊断和治疗中的应用及其未来发展方向	COVID-19的诊断和治疗	机器学习	COVID-19	机器学习 (ML) 和深度学习 (DL)	NA	NA	NA
43	2024-09-17	Using Deep Learning to Identify High-Risk Patients with Heart Failure with Reduced Ejection Fraction 2021, Journal of health economics and outcomes research IF:2.3Q2 DOI:10.36469/jheor.2021.25753 PMID:34414250	研究论文	本研究利用深度学习模型预测心力衰竭伴射血分数降低患者的心力衰竭住院、恶化事件及30天和90天再入院	本研究首次采用双向长短期记忆网络（Bi-LSTM）模型，并展示了其在预测心力衰竭相关结果方面的优越性	缺乏详细的临床数据以及样本量和样本不平衡问题可能限制了模型的性能	开发和部署预测工具以识别高风险的心力衰竭伴射血分数降低患者	心力衰竭伴射血分数降低患者的住院、恶化事件及再入院	机器学习	心血管疾病	深度学习	双向长短期记忆网络（Bi-LSTM）	电子健康记录	共纳入47,498名心力衰竭伴射血分数降低患者，其中9,427名至少有一次心力衰竭住院
44	2024-09-14	Breast tumor segmentation in 3D automatic breast ultrasound using Mask scoring R-CNN 2021-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.14569 PMID:33128230	研究论文	本文开发了一种基于深度学习的方法，使用Mask scoring R-CNN进行3D自动乳腺超声中的乳腺肿瘤自动分割	本文提出了一种新颖的Mask scoring R-CNN方法，用于自动分割3D自动乳腺超声图像中的乳腺肿瘤	NA	开发一种基于深度学习的方法，用于3D自动乳腺超声中的乳腺肿瘤自动分割	3D自动乳腺超声图像中的乳腺肿瘤	计算机视觉	乳腺癌	Mask scoring R-CNN	R-CNN	图像	70名经针刺活检确诊的乳腺癌患者，其中40名用于五折交叉验证，30名用于保留测试
45	2024-09-11	A Novel Block Imaging Technique Using Nine Artificial Intelligence Models for COVID-19 Disease Classification, Characterization and Severity Measurement in Lung Computed Tomography Scans on an Italian Cohort 2021-Jan-26, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-021-01707-w PMID:33496876	研究论文	本文提出了一种基于九种人工智能模型的新型块状图像技术，用于COVID-19疾病的分类、特征化和严重程度测量	本文创新性地使用了九种人工智能模型，包括深度学习模型和迁移学习模型，以及块状图像技术来评估COVID-19的严重程度	本文的局限性在于仅使用了意大利的一个患者队列，可能存在样本偏差	研究目的是开发和验证一种新型的人工智能技术，用于COVID-19疾病的分类和严重程度评估	研究对象是COVID-19患者的肺部CT扫描图像	计算机视觉	COVID-19	深度学习	CNN, VGG16, DenseNet121, DenseNet169, DenseNet201, MobileNet, ANN, DT, RF	图像	60名患者（包括30名COVID-19患者和30名对照组），共1695张切片
46	2024-09-11	Intelligent system for COVID-19 prognosis: a state-of-the-art survey 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-020-02102-7 PMID:34764577	综述	本文综述了智能系统在COVID-19预后中的应用现状	本文探讨了机器学习和深度学习在COVID-19预后中的应用及其效率和影响	本文主要集中在现有方法的综述，未提出新的解决方案	探讨智能系统在COVID-19预后中的应用及其未来挑战	COVID-19的预后和诊断	机器学习	COVID-19	机器学习 (ML) 和深度学习 (DL)	NA	复杂大数据	NA
47	2024-09-11	Pre-clinical undergraduate students' perspectives on the adoption of virtual and augmented reality to their dental learning experience: A one-group pre- and post-test design protocol 2021, F1000Research DOI:10.12688/f1000research.53059.2 PMID:36703700	研究论文	研究评估虚拟现实（VR）和增强现实（AR）技术在牙科预临床学习中的应用对学生感知的影响	探讨了VR和AR技术在牙科预临床学习中的应用，以改善学生的学习体验	研究采用单一组别的前后测试设计，可能存在偏差	评估VR和AR技术在牙科预临床学习中的应用对学生感知的影响	牙科预临床学生	NA	NA	虚拟现实（VR）和增强现实（AR）	NA	问卷调查	一组牙科预临床学生
48	2024-09-10	Integrative analysis for COVID-19 patient outcome prediction 2021-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2020.101844 PMID:33091743	研究论文	本文提出了一种综合分析方法，结合影像学和非影像学特征来预测COVID-19患者的预后	首次使用包括影像和非影像数据的全面信息进行患者预后预测	NA	提高COVID-19患者预后预测的准确性，以辅助临床决策	COVID-19患者的预后预测	计算机视觉	COVID-19	深度学习	NA	影像和非影像数据	295名COVID-19阳性患者
49	2024-09-06	Machine learning meets mechanistic modelling for accurate prediction of experimental activation energies 2021-Jan-21, Chemical science IF:7.6Q1 DOI:10.1039/d0sc04896h PMID:36299676	研究论文	本文构建了结合传统过渡态模型和机器学习的混合模型，用于准确预测反应能垒	提出了一种结合传统过渡态模型和机器学习的混合模型，显著提高了反应能垒预测的准确性	模型在低数据情况下表现良好，但在数据量较大的情况下可能需要进一步优化	开发一种能够准确预测化学反应能垒的混合模型	核芳香亲核取代反应的实验动力学数据	机器学习	NA	高斯过程回归	混合模型	实验数据	100-150个速率常数
50	2024-09-04	Compressible Latent-Space Invertible Networks for Generative Model-Constrained Image Reconstruction 2021, IEEE transactions on computational imaging IF:4.2Q2 DOI:10.1109/tci.2021.3049648 PMID:35989942	研究论文	本文提出了一种基于可压缩潜在空间可逆网络的图像重建框架，用于从欠采样测量中重建图像	引入了一种新的正则化策略，利用某些可逆神经网络的多尺度架构，提高了重建性能	NA	开发能够从欠采样测量中生成诊断有用图像的图像重建方法	磁共振成像（MRI）中的图像重建	计算机视觉	NA	可逆神经网络	GAN	图像	NA
51	2024-09-02	Towards the sustainable development of smart cities through mass video surveillance: A response to the COVID-19 pandemic 2021-Jan, Sustainable cities and society IF:10.5Q1 DOI:10.1016/j.scs.2020.102582 PMID:33178557	研究论文	本文提出了一种基于深度学习的智能城市可持续发展框架，通过大规模视频监控系统应对COVID-19疫情，实现人群社交距离监控	开发了一种能够监控和执行人群社交距离的主动监控系统，有效减缓病毒传播	COVID-19疫情揭示了现有智能城市部署的局限性	开发能够提供快速有效机制以限制病毒进一步传播的系统和架构	智能城市的可持续发展及通过视频监控应对COVID-19疫情	计算机视觉	NA	深度学习	CNN	视频	使用了一个真实世界的视频监控数据集进行系统性能验证
52	2024-09-01	Shedding Light on the Black Box: Explaining Deep Neural Network Prediction of Clinical Outcomes 2021-Jan-04, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-020-01701-8 PMID:33404886	研究论文	本研究开发了一种深度神经网络模型，用于预测心血管手术后的临床结果，并引入了一种新的解释方法，通过定义影响分数来关联临床观察与结果	本研究引入了影响分数这一新解释方法，有助于揭示深度神经网络模型的预测机制	影响分数与逻辑回归模型的对数优势比之间的相关性仅为中等，可能限制了其解释的准确性	旨在解释深度神经网络模型在临床结果预测中的应用，并提高其可解释性	心血管手术后的临床结果	机器学习	心血管疾病	深度神经网络	深度神经网络模型	图像	使用过往病史的时间图像表示作为输入，具体样本数量未提及
53	2024-08-31	Automatic Screening of COVID-19 Using an Optimized Generative Adversarial Network 2021-Jan-25, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-020-09785-7 PMID:33520007	研究论文	本文提出了一种使用优化生成对抗网络（GAN）进行COVID-19自动筛查的方法	采用鲸鱼优化算法（WOA）优化GAN生成器的超参数，提高了模型的性能	NA	开发一种自动筛查COVID-19的方法，减轻医疗系统的负担	COVID-19和非COVID-19的CT图像	计算机视觉	COVID-19	生成对抗网络（GAN）	GAN	图像	使用了包含COVID-19和非COVID-19图像的SARS-CoV-2 CT-Scan数据集
54	2024-08-31	DRISTI: a hybrid deep neural network for diabetic retinopathy diagnosis 2021, Signal, image and video processing DOI:10.1007/s11760-021-01904-7 PMID:33897905	研究论文	本文提出了一种名为DRISTI的混合深度神经网络模型，用于糖尿病视网膜病变（DR）的诊断和分类	DRISTI模型结合了VGG16和胶囊网络，相较于现有技术，在性能上有了显著提升	NA	旨在通过深度学习技术提高糖尿病视网膜病变的诊断准确性	糖尿病视网膜病变（DR）的诊断和分类	计算机视觉	糖尿病视网膜病变	深度学习	混合深度神经网络（VGG16和胶囊网络）	图像	使用了扩增的APTOS数据集进行训练和验证
55	2024-08-31	Convolutional neural networks for the classification of chest X-rays in the IoT era 2021, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-021-10907-y PMID:34155434	研究论文	本文提出两种基于深度学习的方法，用于快速自动分类胸片图像，以检测胸部疾病	引入了基于AlexNet和VGGNet16的支持向量机方法，这些方法在胸片图像分类任务中表现优于传统的AlexNet和VGG16深度学习方法	NA	开发自动化的人工智能系统，帮助放射科医生更准确和快速地检测肺部疾病	胸片图像	计算机视觉	肺部疾病	深度学习	CNN	图像	十二种胸片疾病
56	2024-08-30	CondenseNet with exclusive lasso regularization 2021, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-021-06222-0 PMID:34219978	研究论文	本文开发了CondenseNet-elasso，通过应用exclusive lasso正则化来消除不同卷积组之间的特征相关性，从而缓解神经网络的过拟合问题	引入exclusive lasso正则化，鼓励不同卷积组使用不同的输入通道子集，学习更多样化的特征	NA	提高计算效率并缓解神经网络的过拟合问题	CondenseNet-elasso模型及其在图像分类任务中的性能	机器学习	NA	group convolution	CNN	image	CIFAR10, CIFAR100和Tiny ImageNet数据集
57	2024-08-30	Deep neural networks for COVID-19 detection and diagnosis using images and acoustic-based techniques: a recent review 2021, Soft computing IF:3.1Q2 DOI:10.1007/s00500-021-06137-x PMID:34456618	综述	本文综述了使用图像和声学技术基于深度学习算法进行COVID-19检测和诊断的方法	讨论了不同方法的优势和劣势，并介绍了基于深度学习的COVID-19检测的数据库和主要未来挑战	未具体提及	探讨基于深度学习的COVID-19早期诊断和检测方法，以加快治疗过程并防止病毒传播	COVID-19的早期检测和诊断	计算机视觉	COVID-19	深度学习算法	深度神经网络	图像	未具体提及
58	2024-08-30	Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray images using fine-tuned deep neural networks 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-020-01900-3 PMID:34764554	研究论文	本文提出了一种使用后前位胸X光图像和微调深度神经网络来自动诊断COVID-19的方法	采用随机过采样和加权类别损失函数方法，以实现无偏微调学习，并应用于多种先进的深度学习模型	研究使用的数据集样本有限，主要关注COVID-19阳性病例	开发一种更稳健和替代的COVID-19诊断技术	COVID-19的自动诊断和肺部感染的识别	机器学习	呼吸系统疾病	深度学习	NASNetLarge, ResNet, Inception-v3, Inception ResNet-v2, DenseNet169	图像	公开数据集中包含的COVID-19阳性患者的后前位胸X光图像有限
59	2024-08-28	Deep learning-based detection and segmentation of diffusion abnormalities in acute ischemic stroke 2021, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-021-00062-8 PMID:35602200	研究论文	本文开发了一种基于深度学习的工具，用于检测和分割急性缺血性卒中的扩散异常	提出的模型在小型病变中表现优于通用网络和DeepMedic，具有较低的假阳性率、平衡的精确度和敏感性，以及对数据扰动的鲁棒性	NA	开发一种高效的工具，用于检测和分割急性卒中的扩散异常	急性和亚急性缺血性卒中患者的扩散加权MRI图像	计算机视觉	脑血管疾病	深度学习	NA	图像	2,348例临床扩散加权MRI图像，以及280例外部数据集MRI图像
60	2024-08-28	A deep learning framework for drug repurposing via emulating clinical trials on real-world patient data 2021-Jan, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-020-00276-w PMID:35603127	研究论文	本文介绍了一种基于真实世界患者数据模拟临床试验的深度学习框架，用于药物再利用的候选药物生成和测试	该框架结合了因果推断和深度学习方法，模拟随机临床试验，用于大规模医疗索赔数据库中的药物再利用	NA	开发一种高效的、易于定制的框架，用于药物再利用的候选药物生成和测试	冠状动脉疾病患者群体	机器学习	心血管疾病	深度学习	NA	电子健康记录和保险索赔数据	数百万冠状动脉疾病患者