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
221	2024-09-11	Deep Learning to Estimate Biological Age From Chest Radiographs 2021-11, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2021.01.008 PMID:33744131	研究论文	本文研究了使用深度学习从胸部X光片估计生物年龄，并评估其对长寿预测的有效性	提出了一种新的方法，使用卷积神经网络从胸部X光片估计生物年龄，作为长期死亡风险的衡量标准	NA	评估从胸部X光片估计的生物年龄是否能比实际年龄更好地预测长寿	胸部X光片图像	计算机视觉	NA	卷积神经网络	CNN	图像	116,035个个体用于开发，40,967个个体用于PLCO测试集，5,414个个体用于NLST测试集
222	2024-09-11	Deep learning models for predicting RNA degradation via dual crowdsourcing 2021-Oct-14, ArXiv PMID:34671698	研究论文	本文描述了一个在Kaggle上举办的机器学习竞赛，旨在通过众包方式预测RNA降解	本文通过结合自然语言处理架构和数据增强技术，提高了对RNA降解预测的准确性，并展示了这些模型在更长mRNA分子上的泛化能力	NA	设计更稳定的RNA疗法	RNA分子的降解预测	机器学习	NA	NA	自然语言处理架构	RNA序列	6043个102-130核苷酸的RNA构建体，以及504-1588核苷酸的mRNA分子
223	2024-09-11	Handling of uncertainty in medical data using machine learning and probability theory techniques: a review of 30 years (1991-2020) 2021-Mar-21, Annals of operations research IF:4.4Q1 DOI:10.1007/s10479-021-04006-2 PMID:33776178	综述	本文回顾了过去30年（1991-2020）使用概率论和机器学习技术处理医疗数据中不确定性的相关研究	总结了处理医疗原始数据不确定性及新模型中挑战的各种方法	医疗数据中的不确定性问题仍存在有限的知识和挑战	探讨如何通过概率论和机器学习技术处理医疗数据中的不确定性	医疗数据中的不确定性及其处理方法	机器学习	NA	概率论	深度学习	医疗数据	NA
224	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
225	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
226	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
227	2024-09-10	Wavelet and deep learning-based detection of SARS-nCoV from thoracic X-ray images for rapid and efficient testing 2021-Dec-15, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2021.115650 PMID:34366576	研究论文	本文提出了一种基于小波和深度学习的快速高效检测SARS-nCoV的方法，通过胸腔X光图像进行诊断	使用小波变换和卷积神经网络结合的方法，从胸腔X光图像中提取特征，提高了检测准确性和信号噪声比	NA	开发一种快速高效的SARS-nCoV检测方法，减少诊断时间	SARS-nCoV感染患者	计算机视觉	呼吸道疾病	小波变换、卷积神经网络	卷积神经网络	图像	使用了公开数据库中的胸腔X光图像以及近期COVID-19患者的图像进行验证
228	2024-09-10	Hybrid deep learning of social media big data for predicting the evolution of COVID-19 transmission 2021-Dec-05, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2021.107417 PMID:34690447	研究论文	研究构建了一种混合深度学习模型ODANN，结合神经网络、数据同化和自然语言处理技术，用于预测COVID-19传播的演变	提出了一种新的混合深度学习模型ODANN，结合了神经网络、数据同化和自然语言处理技术，能够同时处理COVID-19时间序列数据和Twitter数据，以预测全球确诊病例的增长率	研究仅使用了2020年1月23日至5月10日的Twitter数据，可能无法全面反映全球社区的情感反应	开发一种能够预测COVID-19传播演变的混合深度学习模型	COVID-19时间序列数据和Twitter数据	机器学习	COVID-19	自然语言处理	神经网络	文本	超过1亿条英文Twitter数据
229	2024-09-10	Correlating dynamic climate conditions and socioeconomic-governmental factors to spatiotemporal spread of COVID-19 via semantic segmentation deep learning analysis 2021-Dec, Sustainable cities and society IF:10.5Q1 DOI:10.1016/j.scs.2021.103231 PMID:34377630	研究论文	本研究开发了一种深度学习模型，通过融合气候条件、社会经济和政府限制因素的数据特征，预测全球COVID-19的传播率	提出了G参数，并通过两步优化过程融合气候特征和社会经济-政府因素，提高了模型的预测能力	NA	预测COVID-19的全球传播率	COVID-19的传播率及其与气候条件、社会经济和政府因素的关系	机器学习	NA	深度学习	NA	数据特征	全球251个国家
230	2024-09-10	COVID-19 lung infection segmentation with a novel two-stage cross-domain transfer learning framework 2021-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102205 PMID:34425317	研究论文	本文提出了一种新颖的两阶段跨域迁移学习框架，用于从CT图像中准确分割COVID-19肺部感染	创新点包括一个名为nCoVSegNet的有效感染分割深度学习模型和一种新颖的两阶段迁移学习策略	NA	快速诊断COVID-19以控制疫情传播	COVID-19肺部感染的CT图像分割	计算机视觉	COVID-19	深度学习	nCoVSegNet	图像	NA
231	2024-09-10	Classification of COVID-19 in X-ray images with Genetic Fine-tuning 2021-Dec, Computers & electrical engineering : an international journal IF:4.0Q2 DOI:10.1016/j.compeleceng.2021.107467 PMID:34584299	研究论文	本文研究了基于X射线图像和深度学习技术对COVID-19和其他类型肺炎的检测	提出了新的遗传微调方法来自动定义ResNet50和VGG16架构的最佳超参数集	NA	开发一种能够快速高效分类COVID-19肺炎的方法，以降低成本	COVID-19、其他肺炎和健康状态的X射线图像	计算机视觉	COVID-19	深度学习	ResNet50, VGG16	图像	NA
232	2024-09-10	A comparative analysis of eleven neural networks architectures for small datasets of lung images of COVID-19 patients toward improved clinical decisions 2021-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104887 PMID:34688974	研究论文	本文比较了十一种神经网络架构在COVID-19患者肺部图像小数据集上的表现，以改进临床决策	本文首次系统比较了十一种卷积神经网络在COVID-19肺部图像分类中的性能，为小医疗数据集的处理和分析提供了决策支持	本文仅限于COVID-19肺部图像的分类，未涉及其他疾病或数据类型	比较不同神经网络模型在COVID-19肺部图像分类中的性能，为临床决策提供支持	COVID-19患者的肺部图像	计算机视觉	呼吸系统疾病	卷积神经网络	CNN	图像	小数据集
233	2024-09-10	Deep learning detects heart failure with preserved ejection fraction using a baseline electrocardiogram 2021-Dec, European heart journal. Digital health DOI:10.1093/ehjdh/ztab081 PMID:36713109	研究论文	本研究利用深度学习技术，通过基线心电图检测保留射血分数的心力衰竭	首次使用卷积神经网络（CNN）根据欧洲心脏病学会（ESC）标准识别HFpEF患者，包括在诊断算法中纳入NT-proBNP测量	NA	开发一种基于心电图的深度学习模型，用于检测保留射血分数的心力衰竭	保留射血分数的心力衰竭患者和对照组	机器学习	心血管疾病	卷积神经网络（CNN）	CNN	心电图	1884名患者用于模型训练，203名志愿者用于外部验证
234	2024-09-10	Unsupervised PM2.5 anomalies in China induced by the COVID-19 epidemic 2021-Nov-15, The Science of the total environment DOI:10.1016/j.scitotenv.2021.148807 PMID:34237535	研究论文	研究评估了COVID-19疫情对中国城市PM2.5水平的影响	开发了一种基于深度学习的条件变分自编码器（CVAE）算法来识别疫情期间的无监督PM2.5异常	NA	评估COVID-19疫情对PM2.5水平的影响	中国城市的PM2.5水平	环境科学	NA	深度学习	条件变分自编码器（CVAE）	PM2.5数据	2017年至2020年中国春节期间的PM2.5数据
235	2024-09-10	SCOAT-Net: A novel network for segmenting COVID-19 lung opacification from CT images 2021-Nov, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2021.108109 PMID:34127870	研究论文	提出了一种新的空间和通道级粗到细注意力网络（SCOAT-Net），用于从CT图像中分割COVID-19肺部不透明区域	设计了空间和通道级注意力模块，以增强网络对感染区域的特征提取能力	由于医疗资源有限，短时间内难以获取大量数据，这进一步阻碍了深度学习模型的训练	解决从CT图像中自动分割COVID-19肺部不透明区域的挑战	COVID-19肺部不透明区域的CT图像	计算机视觉	COVID-19	CT成像	SCOAT-Net	图像	NA
236	2024-09-10	COVID-19 in Asia: Transmission factors, re-opening policies, and vaccination simulation 2021-11, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2021.111657 PMID:34246638	研究论文	本文研究了亚洲COVID-19大流行的传播因素、重新开放政策和疫苗接种模拟	本文首次综合分析了环境因素、社会政治参数与COVID-19传播率的关系，并使用深度学习方法模拟了疫苗接种率和群体免疫时间	研究基于特定时间段和数据，结果可能受数据质量和时间限制影响	探讨COVID-19在亚洲的传播机制、重新开放策略和疫苗接种效果	COVID-19传播率、环境因素、社会政治参数、重新开放政策、疫苗接种模拟	公共卫生	COVID-19	深度学习	NA	数值数据	8个亚洲国家（伊朗、土耳其、印度、沙特阿拉伯、阿拉伯联合酋长国、菲律宾、韩国和俄罗斯）的数据
237	2024-09-10	RCTE: A reliable and consistent temporal-ensembling framework for semi-supervised segmentation of COVID-19 lesions 2021-Nov, Information sciences DOI:10.1016/j.ins.2021.07.059 PMID:34305162	研究论文	本文提出了一种可靠且一致的时间集成框架（RCTE），用于半监督的COVID-19病变分割	引入了可靠的师生架构和基于改进的广义交叉熵损失的噪声感知损失，以提高分割性能	未提及具体限制	开发一种高效的自动化诊断系统，用于从CT扫描中分割COVID-19病变	COVID-19病变的分割	计算机视觉	COVID-19	深度学习	师生架构	CT扫描图像	有限数量的标注CT扫描和大量未标注CT扫描
238	2024-09-10	Multi-label segmentation and detection of COVID-19 abnormalities from chest radiographs using deep learning 2021-Nov, Optik DOI:10.1016/j.ijleo.2021.167780 PMID:34393275	研究论文	本文提出了一种基于深度学习的全自动多标签分割和检测COVID-19异常的模型	设计了带有通道和空间注意力块的Attention U-Net模型，应用了扩张卷积以提高模型对前景像素的敏感性，并提出了一种新的混合损失函数	NA	开发一种能够自动检测胸部X光片中COVID-19常见异常的深度学习模型	胸部X光片中的COVID-19异常	计算机视觉	COVID-19	深度学习	Attention U-Net	图像	使用了Chest X-ray 14数据集和日本放射技术学会(JSRT)CXR数据集
239	2024-09-10	Impact of COVID-19 on city-scale transportation and safety: An early experience from Detroit 2021-Nov, Smart health (Amsterdam, Netherlands) DOI:10.1016/j.smhl.2021.100218 PMID:34541278	研究论文	研究COVID-19对底特律城市交通和安全的影响，并开发深度学习模型预测未来一周的病例数	提出了使用长短期记忆网络进行COVID-19病例预测的方法，并展示了高达0.91的决定系数	研究仅限于底特律的数据，可能不适用于其他城市	分析COVID-19对城市交通和安全的影响，并开发预测模型	底特律的交通流量、每日病例数、天气、社交距离指数和事故数据	NA	NA	长短期记忆网络 (LSTM)	LSTM	交通流量数据、病例数据、天气数据、社交距离指数、事故数据	2019年1月至2020年6月的数据
240	2024-09-10	Unsupervised Deep Learning based Variational Autoencoder Model for COVID-19 Diagnosis and Classification 2021-Nov, Pattern recognition letters IF:3.9Q2 DOI:10.1016/j.patrec.2021.08.018 PMID:34566223	研究论文	本文提出了一种基于无监督深度学习的变分自编码器模型，用于COVID-19的诊断和分类	引入了一种新的无监督深度学习变分自编码器（UDL-VAE）模型，结合了自适应维纳滤波（AWF）预处理技术和Inception v4与Adagrad特征提取技术	未提及具体限制	开发一种高效的无监督学习技术，用于COVID-19的检测和分类	COVID-19的诊断和分类	计算机视觉	COVID-19	变分自编码器（VAE）	变分自编码器（VAE）	图像	未提及具体样本数量