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
81	2024-10-01	Pulmonary COVID-19: Learning Spatiotemporal Features Combining CNN and LSTM Networks for Lung Ultrasound Video Classification 2021-Aug-14, Sensors (Basel, Switzerland) DOI:10.3390/s21165486 PMID:34450928	研究论文	本文提出了一种结合CNN和LSTM网络的混合模型，用于肺部超声视频分类以诊断COVID-19	本文的创新点在于使用混合模型（CNN-LSTM）进行肺部超声视频分类，并优化了模型参数，提高了诊断COVID-19的准确性和敏感性	NA	本文的研究目的是开发一种计算机辅助诊断应用，用于通过肺部超声视频诊断COVID-19	本文的研究对象是使用凸形换能器捕获的肺部超声视频	计算机视觉	肺部疾病	NA	CNN-LSTM	视频	输入层包含20帧图像
82	2024-10-01	Machine Learning and Deep Learning Methods for Skin Lesion Classification and Diagnosis: A Systematic Review 2021-Jul-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11081390 PMID:34441324	综述	本文综述了过去五年中使用传统机器学习和深度学习方法进行皮肤病变分类和诊断的研究	系统性地评估了计算机辅助诊断系统的诊断准确性	研究中识别了评估皮肤病变分割和分类方法的主要挑战，如小数据集、临时图像选择和种族偏见	综述和评估计算机辅助皮肤病变诊断系统的诊断准确性	过去五年中发表在ScienceDirect、IEEE和SpringerLink数据库中的53篇传统机器学习方法和49篇深度学习方法的文章	计算机视觉	NA	传统机器学习方法和深度学习方法	NA	图像	53篇传统机器学习方法和49篇深度学习方法的文章
83	2024-10-01	Single-cell classification using graph convolutional networks 2021-Jul-08, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04278-2 PMID:34238220	研究论文	本文提出了一种名为sigGCN的多模态端到端深度学习模型，用于细胞分类，结合了图卷积网络（GCN）和神经网络来利用基因相互作用网络	本文的创新点在于将基因相互作用网络与基因表达数据结合，通过GCN方法提取有效特征，从而提高细胞分类的性能	NA	研究目的是通过结合基因相互作用网络和基因表达数据，提高细胞分类的准确性	研究对象是单细胞RNA测序（scRNAseq）数据中的细胞分类	机器学习	NA	图卷积网络（GCN）	图卷积网络（GCN）	基因表达数据	NA
84	2024-10-01	How artificial intelligence might disrupt diagnostics in hematology in the near future 2021-06, Oncogene IF:6.9Q1 DOI:10.1038/s41388-021-01861-y PMID:34103684	研究论文	本文探讨了人工智能在血液学诊断中的潜在应用及其未来发展	介绍了人工智能在血液学诊断中的多种应用，如模式识别软件、深度学习算法和数字双胞胎技术，并强调了其在自动化图像分类方面的显著进展	尽管提到了人工智能的潜力，但未具体讨论当前应用中的局限性	探讨人工智能在血液学诊断中的应用及其未来发展	血液学诊断中的图像分析和数据处理	机器学习	NA	模式识别软件、深度学习算法、数字双胞胎技术	NA	图像、电子健康记录、可穿戴健康追踪设备数据	NA
85	2024-10-01	Accelerating Inference of Convolutional Neural Networks Using In-memory Computing 2021, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2021.674154 PMID:34413731	研究论文	本文探讨了使用内存计算（IMC）加速卷积神经网络（CNN）推理的硬件设计方法	提出了针对IMC硬件的架构设计方法，并展示了如何实现流水线数据流以提高图像分类任务的吞吐量和延迟	NA	研究如何利用内存计算技术加速卷积神经网络的推理过程	卷积神经网络的推理硬件设计	计算机视觉	NA	内存计算（IMC）	卷积神经网络（CNN）	图像	NA
86	2024-10-01	The Teaching Design Methods Under Educational Psychology Based on Deep Learning and Artificial Intelligence 2021, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2021.711489 PMID:34671295	研究论文	本研究评估了基于教育心理学和人工智能设计的教学方法在实际应用中的价值，以深度学习理论为教学设计的基础	本研究创新性地结合了教育心理学和人工智能设计，提出了新的教学方法，并通过问卷调查和成绩变化分析验证了其有效性	由于各种客观和主观因素，研究结果可能与实际情况略有不同，其准确性有待未来进一步探索	评估基于教育心理学和人工智能设计的教学方法的实际应用价值	宁波中学的所有教师、学生及其家长	NA	NA	NA	NA	问卷调查数据	教师、学生和家长的有效问卷回收率分别为97%、99%和95%（实施前），98%、99%和99%（实施后）
87	2024-09-30	[Research progress of epileptic seizure predictions based on electroencephalogram signals] 2021-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202105052 PMID:34970903	综述	本文综述了基于脑电图信号的癫痫发作预测研究进展	强调了机器学习和深度学习在癫痫发作预测中的贡献，特别是深度学习在特征选择和模型泛化方面的优势	尽管取得了显著进展，但仍需更多努力才能实现临床应用	探讨如何利用脑电图信号预测癫痫发作，并促进其在临床中的应用	癫痫发作预测及其相关技术	机器学习	癫痫	脑电图（EEG）	深度学习（DL）	脑电图信号	NA
88	2024-09-30	Epileptic Seizures Detection in EEG Signals Using Fusion Handcrafted and Deep Learning Features 2021-Nov-19, Sensors (Basel, Switzerland) DOI:10.3390/s21227710 PMID:34833780	研究论文	本文提出了一种基于手工特征和深度学习特征融合的计算机辅助诊断系统，用于自动检测脑电图信号中的癫痫发作	本文创新性地结合了手工特征和深度学习特征，提出了一种基于CNN-RNN的分类方法，显著提高了癫痫发作检测的准确性	本文未详细讨论模型的泛化能力和在其他数据集上的表现	开发一种自动检测脑电图信号中癫痫发作的计算机辅助诊断系统	脑电图信号中的癫痫发作	机器学习	癫痫	Tunable-Q Wavelet Transform (TQWT)	CNN-RNN	信号	Bonn和Freiburg数据集
89	2024-09-30	PScL-HDeep: image-based prediction of protein subcellular location in human tissue using ensemble learning of handcrafted and deep learned features with two-layer feature selection 2021-11-05, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab278 PMID:34337652	研究论文	本文提出了一种基于人类蛋白质图谱数据的新型计算方法PScL-HDeep，用于准确高效地预测人类组织中蛋白质的亚细胞定位	本文结合了手工特征和深度学习特征，并通过两层特征选择算法优化特征集，提高了预测的准确性和效率	NA	开发一种新的计算方法，用于准确预测人类组织中蛋白质的亚细胞定位	人类组织中蛋白质的亚细胞定位	计算机视觉	NA	支持向量机	支持向量机	图像	基于人类蛋白质图谱数据库构建的新金标准基准训练数据集
90	2024-09-30	[Parkinson's disease diagnosis based on local statistics of speech signal in time-frequency domain] 2021-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202001024 PMID:33899424	研究论文	提出了一种基于时频域梯度统计的方法来分析帕金森病患者语音障碍	引入时频域梯度统计特征，相比传统特征和深度学习特征，在分类准确性、特异性和敏感性上表现更好	NA	开发一种新的方法来诊断帕金森病患者的语音障碍	帕金森病患者的语音信号	信号处理	神经退行性疾病	时频分析	KNN分类器	语音信号	不同帕金森病患者的语音数据集
91	2024-09-30	Deep Learning Based Staging of Bone Lesions From Computed Tomography Scans 2021, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2021.3074051 PMID:34733603	研究论文	本研究提出了一种基于深度学习的分类策略，用于通过计算机断层扫描（CT）图像对前列腺癌患者的骨转移病变进行分类	引入了包含2880个注释骨病变的数据集，并通过患者级别的分层提高了模型的可靠性，探索了病变纹理、形态、大小、位置和体积信息对分类性能的影响，并使用多种算法进行比较，最终通过2D ResNet-50和3D ResNet-18的集成模型达到了92.2%的分类准确率	NA	开发一种高效且准确的深度学习模型，用于通过CT扫描图像对前列腺癌患者的骨转移病变进行分类	前列腺癌患者的骨转移病变	计算机视觉	前列腺癌	深度学习	ResNet	图像	2880个注释骨病变，来自114名前列腺癌患者
92	2024-09-30	Epidemiological Predictive Modeling of COVID-19 Infection: Development, Testing, and Implementation on the Population of the Benelux Union 2021, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2021.727274 PMID:34778171	研究论文	本文提出了一种基于SEIRD模型和LSTM深度学习模型的两步法来预测COVID-19在比利时、荷兰和卢森堡（Benelux）地区的传播情况	结合了传统的SEIRD模型和LSTM深度学习模型来预测COVID-19的传播，并展示了两种模型在预测疫情高峰方面的有效性	SEIRD模型在轻症病例的预测上存在较大误差，LSTM模型在比利时和荷兰的感染人数预测上也存在较高误差	开发和测试一种预测COVID-19感染的模型，并在Benelux地区实施，以帮助及时采取措施应对疫情	COVID-19在Benelux地区的传播情况	机器学习	COVID-19	SEIRD模型，LSTM	LSTM	统计数据	比利时、荷兰和卢森堡在2020年3月15日至2021年3月15日期间的官方统计数据
93	2024-09-30	COVIDSAVIOR: A Novel Sensor-Fusion and Deep Learning Based Framework for Virus Outbreaks 2021, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2021.797808 PMID:34917585	研究论文	本文介绍了一种基于深度学习和传感器融合的新型辅助技术，用于病毒爆发期间的自动口罩检测和体温扫描	提出了COVIDSAVIOR框架，结合深度学习和传感器融合技术，实现了智能口罩和体温扫描系统，能够自动检测口罩佩戴情况和体温异常	NA	开发一种能够自动检测口罩佩戴情况和体温异常的辅助技术，以减少病毒传播	智能口罩和体温扫描系统	计算机视觉	NA	深度学习	NA	图像	NA
94	2024-09-30	Diseases Detection of Occlusion and Overlapping Tomato Leaves Based on Deep Learning 2021, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2021.792244 PMID:34956290	研究论文	研究提出了一种基于YOLOv3-tiny-IRB算法的深度学习方法，用于检测遮挡和重叠的番茄叶片疾病	提出了YOLOv3-tiny-IRB算法，优化特征提取网络，减少信息损失，实现多层特征复用和融合	NA	提高在真实自然环境中遮挡和重叠条件下番茄病虫害检测的准确性和速度	番茄叶片疾病和虫害	计算机视觉	NA	深度学习	YOLOv3-tiny-IRB	图像	自建的番茄病虫害数据集
95	2024-09-30	Spontaneous Facial Expressions and Micro-expressions Coding: From Brain to Face 2021, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2021.784834 PMID:35058850	研究论文	本文旨在通过解构面部肌肉运动，从运动皮层出发，系统梳理面部肌肉、动作单元（AU）和情绪之间的关系，使更多人理解编码的基本原理	本文通过数据驱动的分析和专业编码员的经验，推导出AU与情绪之间的关系，并详细讨论了生成面部运动特性的复杂面部运动皮层网络系统	NA	减轻基于视频的表情或微表情研究中专业知识的需求	面部表情和微表情的编码	计算机视觉	NA	深度学习	NA	图像	5000张图像
96	2024-09-30	Code-Free Development and Deployment of Deep Segmentation Models for Digital Pathology 2021, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2021.816281 PMID:35155486	研究论文	本文介绍了一种无需编写代码的深度学习分割模型开发和部署管道，用于数字病理学中的组织病理学全切片图像（WSIs）分割	提出了一个无需编写代码的管道，利用开源软件（QuPath、DeepMIB和FastPathology）创建和部署深度学习分割模型，使没有编程经验的病理学家也能创建接近最先进的分割解决方案	NA	提高病理学诊断的效率和可重复性	结肠黏膜中的上皮和基质分离	数字病理学	NA	深度学习	分割模型	图像	251张标注的全切片图像，包括140张苏木精-伊红（HE）染色和111张CD3免疫染色的结肠活检图像
97	2024-09-30	SpatialSim: Recognizing Spatial Configurations of Objects With Graph Neural Networks 2021, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2021.782081 PMID:35156011	研究论文	本文提出了一种名为SpatialSim的新型几何推理诊断数据集，并验证了全连接消息传递图神经网络（MPGNNs）在解决识别和区分物体空间配置任务中的优势	提出了SpatialSim数据集，并展示了MPGNNs在几何推理任务中的优越性	指出了当前GNNs在识别和区分任务中的局限性	研究自主代理如何通过几何推理能力判断目标是否达成	物体空间配置的识别和区分	计算机视觉	NA	图神经网络（GNNs）	图神经网络（MPGNNs）	图像	NA
98	2024-09-30	Emotion Recognition Based on Dynamic Energy Features Using a Bi-LSTM Network 2021, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2021.741086 PMID:35264939	研究论文	本文提出了一种基于动态能量特征的深度网络模型，用于解决脑电图（EEG）信号情感识别中因分辨率低和小样本量导致的高质量模型难以应用的问题	本文提出了能量序列的概念以减少特征分析和提取过程中的噪声叠加，并给出了动态能量特征集的构建方法，同时使用了双向长短期记忆（Bi-LSTM）网络以适应小数据集	NA	解决脑电图信号情感识别中因分辨率低和小样本量导致的高质量模型难以应用的问题	脑电图（EEG）信号的情感识别	机器学习	NA	双向长短期记忆（Bi-LSTM）网络	Bi-LSTM	脑电图（EEG）信号	使用了SEED和DEAP数据集，采用留一法（LOSO）和10折交叉验证（CV）策略进行实验
99	2024-09-29	CovH2SD: A COVID-19 detection approach based on Harris Hawks Optimization and stacked deep learning 2021-Dec-30, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2021.115805 PMID:34511738	研究论文	提出了一种基于Harris Hawks优化和堆叠深度学习的COVID-19检测方法CovH2SD	采用Harris Hawks优化算法优化超参数，并结合九种预训练卷积神经网络进行特征提取和学习	未提及	开发一种快速且准确的COVID-19检测方法	COVID-19患者的胸部CT图像	计算机视觉	COVID-19	Harris Hawks优化算法	卷积神经网络	图像	未提及
100	2024-09-29	Machine Learning in Epigenomics: Insights into Cancer Biology and Medicine 2021-12, Biochimica et biophysica acta. Reviews on cancer DOI:10.1016/j.bbcan.2021.188588 PMID:34245839	综述	本文综述了机器学习在表观基因组学中的应用，特别是其在癌症生物学和医学中的作用	探讨了机器学习算法在处理复杂、高维、稀疏和噪声数据方面的优势	未具体讨论每种机器学习方法的局限性	旨在概述机器学习方法如何用于探索表观基因组在癌症生物学和医学中的作用	癌症样本中的表观基因组数据	机器学习	癌症	机器学习算法	NA	表观基因组数据	NA