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
301	2024-08-31	Abnormal lung quantification in chest CT images of COVID-19 patients with deep learning and its application to severity prediction 2021-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.14609 PMID:33225476	研究论文	本研究开发了一种基于深度学习的方法，用于自动分割和量化COVID-19患者的胸部CT扫描中的感染区域，并应用于病情严重程度预测	首次开发了一种基于深度学习的系统，能够自动分割和量化COVID-19患者的胸部CT扫描中的感染区域，并用于病情严重程度预测	需要进一步验证该系统在更大规模数据集上的性能，并考虑其在不同医疗环境中的适用性	开发一种自动化的工具，用于在临床实践中对COVID-19患者的胸部CT扫描进行定量评估，特别是用于病情严重程度预测	COVID-19患者的胸部CT扫描图像	计算机视觉	COVID-19	深度学习	VB-Net神经网络	CT扫描图像	训练集包含249名COVID-19患者的CT扫描，验证集包含300名COVID-19患者的CT扫描
302	2024-08-31	Shallow Convolutional Neural Network for COVID-19 Outbreak Screening Using Chest X-rays 2021-Feb-05, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-020-09775-9 PMID:33564340	研究论文	本文提出了一种轻量级的浅层卷积神经网络（CNN）架构，用于通过胸部X光片自动检测COVID-19阳性病例	该浅层CNN架构设计参数较少，相比其他深度学习模型更高效，且在实验中达到了99.69%的最高准确率和1.0的敏感度	NA	开发一种计算效率高的AI工具，用于通过胸部X光片大规模筛查COVID-19阳性病例	COVID-19阳性病例和非COVID-19病例的胸部X光片	计算机视觉	COVID-19	卷积神经网络（CNN）	CNN	图像	321张COVID-19阳性胸部X光片和5856张非COVID-19病例胸部X光片
303	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
304	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
305	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
306	2024-08-30	A novel and efficient deep learning approach for COVID-19 detection using X-ray imaging modality 2021-Dec, International journal of imaging systems and technology IF:3.0Q2 DOI:10.1002/ima.22627 PMID:34518739	研究论文	本文提出了一种基于深度学习的卷积神经网络（CNN）集成模型，用于通过X射线影像快速准确地检测COVID-19	采用对比度增强和图像归一化预处理方法，以及数据增强技术，提高了检测准确性	NA	开发一种高效且准确的自动化COVID-19检测方法，以减少计算需求并防止病毒传播	COVID-19、肺炎和正常胸部X射线图像	计算机视觉	COVID-19	深度学习	CNN	图像	2161张COVID-19图像，2022张肺炎图像，5863张正常胸部X射线图像
307	2024-08-30	Multilevel depth-wise context attention network with atrous mechanism for segmentation of COVID19 affected regions 2021-Oct-26, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-021-06636-w PMID:34720443	研究论文	本文提出了一种带有膨胀机制的多层次深度上下文注意力网络，用于COVID-19受影响区域的精确分割	引入了3D深度卷积和3D残差挤压激励块，以及不同膨胀率的膨胀机制，以捕获多尺度上下文特征	未提及	开发一种高效的深度学习解决方案，用于COVID-19及其变种的快速准确诊断	COVID-19受影响区域的分割和病变定位	计算机视觉	COVID-19	深度学习	CNN	CT图像	基准CT数据集
308	2024-08-30	Characterizing Swallows From People With Neurodegenerative Diseases Using High-Resolution Cervical Auscultation Signals and Temporal and Spatial Swallow Kinematic Measurements 2021-09-14, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2021_JSLHR-21-00134 PMID:34428093	研究论文	本研究通过高分辨率颈听诊信号和时空吞咽运动学测量，比较了神经退行性疾病患者与健康成年人的吞咽功能差异，并探讨了高分辨率颈听诊在标记神经退行性疾病患者吞咽运动学事件中的能力	本研究首次使用高分辨率颈听诊（HRCA）结合深度学习机器学习算法，对神经退行性疾病患者的吞咽运动学事件进行精确标注	研究样本量相对较小，且仅限于神经退行性疾病患者与健康成年人之间的比较	比较神经退行性疾病患者与健康成年人的吞咽运动学测量，并评估高分辨率颈听诊在标记这些事件中的准确性	神经退行性疾病患者和健康成年人的吞咽功能	数字病理学	神经退行性疾病	高分辨率颈听诊（HRCA）	深度学习机器学习算法	信号	170名神经退行性疾病患者和171名健康成年人的吞咽样本
309	2024-08-30	Examining embedded apparatuses of AI in Facebook and TikTok 2021-Sep-12, AI & society IF:2.9Q2 DOI:10.1007/s00146-021-01270-5 PMID:34539095	研究论文	本文通过分析Facebook和TikTok的透明度倡议和官方声明，探讨了AI在这些社交平台中的嵌入方式及其功能，特别是AI内容审核作为解决问题材料和错误信息传播的解决方案。	文章创新地分析了AI作为物质-话语机制的复杂性，强调了其在特定时间段内可见、可说、可知的论述技巧以及算法、数据集、用户、平台、基础设施、审核员等物质安排。	文章主要依赖于Facebook和TikTok的透明度倡议和官方声明，可能未能全面揭示AI在这些平台中运作的所有细节。	研究目的是探讨AI在社交平台中的嵌入方式及其对内容推荐、广告个性化、新闻聚合和问题材料审核的影响。	研究对象包括Facebook和TikTok这两个社交平台中的AI嵌入机制。	自然语言处理	NA	机器学习 (ML), 深度学习 (DL)	NA	文本	NA
310	2024-08-30	Machine learning for medical imaging-based COVID-19 detection and diagnosis 2021-Sep, International journal of intelligent systems IF:5.0Q1 DOI:10.1002/int.22504 PMID:38607786	综述	本文综述了机器学习在基于医学影像的COVID-19检测与诊断中的最新进展，特别关注使用CT和X射线图像的机器学习模型	利用深度学习算法，特别是卷积神经网络，进行图像分割和分类，以识别COVID-19患者	许多机器学习模块在样本量有限的数据集上取得了显著的预测结果	探讨机器学习在COVID-19检测与诊断中的应用，以控制疫情传播和降低死亡率	COVID-19的检测与诊断	机器学习	COVID-19	NA	卷积神经网络	图像	有限样本量
311	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
312	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
313	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
314	2024-08-29	An investigation of traffic density changes inside Wuhan during the COVID-19 epidemic with GF-2 time-series images 2021-Dec-01, International journal of applied earth observation and geoinformation : ITC journal IF:7.6Q1 DOI:10.1016/j.jag.2021.102503 PMID:35481227	研究论文	本文通过收集武汉封城前后由GF-2卫星获取的时间序列高分辨率遥感图像，分析了武汉内部交通密度的变化，以反映城市内部人口流动的变化。	利用高分辨率遥感图像和结合形态学滤波与深度学习的车辆检测方法，首次详细分析了武汉封城期间内部交通密度的变化。	研究主要依赖于遥感图像数据，可能存在天气等外部因素对数据质量的影响。	探讨武汉封城政策对城市内部交通密度和人口流动的影响。	武汉封城前后的交通密度变化。	遥感	COVID-19	遥感图像分析	深度学习	图像	武汉封城前后由GF-2卫星获取的时间序列高分辨率遥感图像
315	2024-08-29	FusionAI: Predicting fusion breakpoint from DNA sequence with deep learning 2021-Oct-22, iScience IF:4.6Q1 DOI:10.1016/j.isci.2021.103164 PMID:34646994	研究论文	本研究开发了FusionAI，利用深度学习预测基于DNA序列的基因融合断裂点，帮助研究人员更准确地选择融合基因并更好地理解基因组断裂	FusionAI利用已知的融合断裂点，通过深度学习从原始基因组序列中提供融合基因的预测模型	NA	识别与基因组断裂相关的分子机制	基因融合断裂点	机器学习	NA	深度学习	深度学习模型	DNA序列	NA
316	2024-08-28	Assessment of the CASP14 assembly predictions 2021-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26199 PMID:34337786	研究论文	本文评估了CASP14中39个研究小组提交的超过2500个蛋白质复合物三维模型的预测性能	文章展示了结合传统技术与深度学习方法在蛋白质复合物预测中的有效性，并指出AlphaFold2预测在界面预测中的潜在帮助	文章指出，对于没有整体模板复合物的预测仍面临重大挑战	评估CASP14中蛋白质复合物结构预测的准确性和挑战	CASP14中的22个蛋白质复合物	计算机视觉	NA	模板基础建模、蛋白质对接、深度学习基础的接触预测	深度学习模型	3D模型	超过2500个3D模型，涉及22个蛋白质复合物
317	2024-08-28	Clinical Artificial Intelligence Applications: Breast Imaging 2021-Nov, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2021.07.010 PMID:34689871	review	本文简要概述了人工智能在临床乳腺影像学中的发展	随着影像技术的发展，人工智能技术采用了更复杂的算法、更快的计算机和更大的数据集	NA	探讨人工智能在乳腺影像学中的应用	乳腺影像学中的检测、诊断及治疗反应评估任务	computer vision	breast cancer	AI	deep learning	image	NA
318	2024-08-28	BI-RADS-NET: AN EXPLAINABLE MULTITASK LEARNING APPROACH FOR CANCER DIAGNOSIS IN BREAST ULTRASOUND IMAGES 2021-Oct, IEEE International Workshop on Machine Learning for Signal Processing : [proceedings]. IEEE International Workshop on Machine Learning for Signal Processing DOI:10.1109/mlsp52302.2021.9596314 PMID:35509454	研究论文	本文介绍了BI-RADS-Net，一种用于乳腺癌超声图像检测的可解释多任务学习深度学习方法	该方法通过学习与临床诊断相关的特征表示，同时解释和分类乳腺肿瘤，并提供基于形态学特征的预测解释	NA	开发一种可解释的深度学习方法，用于乳腺癌超声图像的癌症检测	乳腺肿瘤的检测和分类	计算机视觉	乳腺癌	深度学习	CNN	图像	1,192张图像
319	2024-08-28	Predict Alzheimer's disease using hippocampus MRI data: a lightweight 3D deep convolutional network model with visual and global shape representations 2021-05-24, Alzheimer's research & therapy DOI:10.1186/s13195-021-00837-0 PMID:34030743	研究论文	本文提出了一种基于海马体MRI数据和全局形状表示的轻量级3D深度卷积网络模型DenseCNN2，用于阿尔茨海默病的分类	DenseCNN2模型结合了海马体分割和全局形状特征，提高了分类性能	NA	开发一种高效的阿尔茨海默病分类诊断工具	阿尔茨海默病患者和正常对照组的海马体MRI数据	机器学习	阿尔茨海默病	MRI	CNN	图像	326名阿尔茨海默病患者和607名正常对照组的海马体MRI数据
320	2024-08-28	High-resolution 3D abdominal segmentation with random patch network fusion 2021-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2020.101894 PMID:33421919	研究论文	本文提出了一种基于随机空间初始化和统计融合的补丁网络，用于高分辨率3D腹部器官分割。	该方法通过随机空间初始化和统计融合在重叠区域的关注点（ROI）上，提高了多器官分割的性能。	NA	研究高分辨率3D腹部器官分割的挑战性问题。	3D腹部器官在高分辨率CT上的分割。	计算机视觉	NA	3D全卷积网络（FCN）	补丁网络	图像	260名受试者