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
161	2024-10-06	COVID-19 Multi-Targeted Drug Repurposing Using Few-Shot Learning 2021, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2021.693177 PMID:36303751	研究论文	本文介绍了一种新的深度学习模型，用于分子属性预测，并应用于COVID-19多靶点药物再利用	该模型采用图神经网络进行化学分子嵌入的计算学习，相比依赖大量标记实验数据的最先进方法，在预训练阶段无需手动标记，且在小样本数据上表现优异	NA	探索COVID-19多靶点药物再利用的新方法	COVID-19治疗药物的多靶点分子筛选	机器学习	COVID-19	图神经网络	深度学习模型	分子数据	小样本数据
162	2024-10-05	Detection of Cytopathic Effects Induced by Influenza, Parainfluenza, and Enterovirus Using Deep Convolution Neural Network 2021-Dec-30, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines10010070 PMID:35052750	研究论文	本研究利用深度卷积神经网络（ResNet-50）和多任务学习模型，提高了流感、副流感病毒和肠道病毒引起的细胞病变效应（CPEs）的检测效率	首次使用深度学习技术（ResNet-50和多任务学习模型）来检测流感、副流感病毒和肠道病毒引起的细胞病变效应，显著提高了检测准确率和效率	需要进一步验证模型在不同细胞系和更多病毒类型上的适用性	提高病毒引起的细胞病变效应的检测效率和准确性	流感、副流感病毒和肠道病毒引起的细胞病变效应	计算机视觉	NA	深度学习	ResNet-50	图像	涉及流感、副流感病毒和肠道病毒引起的细胞病变效应的数据
163	2024-10-05	Yet Another Automated Gleason Grading System (YAAGGS) by weakly supervised deep learning 2021-Jun-14, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00469-6 PMID:34127777	研究论文	本文介绍了一种基于弱监督深度学习的自动Gleason分级系统	该系统不需要专家进行广泛的区域级手动注释或复杂的算法来生成区域级注释	受限于病例数量和其他因素	开发一种无需广泛区域级注释的人工智能系统来诊断前列腺癌	前列腺癌的Gleason分级	数字病理学	前列腺癌	深度学习	NA	图像	6664和936个前列腺穿刺单核切片（689和99例）
164	2024-10-04	Deep learning and medical image processing for coronavirus (COVID-19) pandemic: A survey 2021-Feb, Sustainable cities and society IF:10.5Q1 DOI:10.1016/j.scs.2020.102589 PMID:33169099	综述	本文综述了深度学习在COVID-19医学图像处理中的应用现状	本文总结了2020年初以来大量关于深度学习在COVID-19医学图像处理中的研究工作	本文讨论了深度学习在COVID-19医学图像处理中实施的几个挑战和问题	总结和探讨深度学习在COVID-19医学图像处理中的应用	COVID-19医学图像处理	计算机视觉	NA	深度学习	NA	图像	NA
165	2024-10-04	Artificial intelligence neuropathologist for glioma classification using deep learning on hematoxylin and eosin stained slide images and molecular markers 2021-01-30, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noaa163 PMID:32663285	研究论文	本文开发了一种基于深度学习的人工智能神经病理学家，用于通过苏木精-伊红染色切片图像和分子标记对胶质瘤进行分类	开发了一种新的挤压和激励块DenseNet模型，命名为SD-Net_WCE，用于胶质瘤分类任务	NA	确定深度学习是否可以应用于胶质瘤分类	胶质瘤的病理诊断和分类	数字病理学	脑肿瘤	深度学习	卷积神经网络 (CNN)	图像	79,990个组织切片图像来自267名患者，56名患者的17,262个组织切片图像用于独立测试
166	2024-10-01	Improved Protein Structure Prediction Using a New Multi-Scale Network and Homologous Templates 2021-12, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202102592 PMID:34719864	研究论文	本文介绍了一种改进的蛋白质结构预测方法trRosettaX，通过应用新的多尺度网络Res2Net和基于注意力的模块来利用多个同源模板，提高了预测精度	引入了新的多尺度网络Res2Net和基于注意力的模块，利用多个同源模板提高了蛋白质结构预测的精度	NA	提高蛋白质结构预测的准确性	蛋白质结构预测	机器学习	NA	深度学习	Res2Net	蛋白质结构数据	161个目标
167	2024-10-01	Detecting Parkinson Disease Using a Web-Based Speech Task: Observational Study 2021-10-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/26305 PMID:34665148	研究论文	本文提出了一种基于网络的语音任务框架，用于检测帕金森病	利用网络平台收集语音数据，并通过机器学习算法进行分析，实现远程帕金森病的筛查	数据主要来自美国，且部分数据质量较低，可能影响模型的泛化能力	开发一种便捷的远程筛查工具，帮助全球范围内的人们检测帕金森病	帕金森病患者和非患者的语音数据	机器学习	帕金森病	机器学习算法	XGBoost	语音数据	726名参与者，其中262名帕金森病患者，464名非患者，平均年龄61岁
168	2024-10-01	Total-Body PET Kinetic Modeling and Potential Opportunities Using Deep Learning 2021-Oct, PET clinics IF:3.0Q2 DOI:10.1016/j.cpet.2021.06.009 PMID:34353745	研究论文	本文介绍了全身PET动力学建模的基本原理及其在参数成像中的潜在优势，重点讨论了无创推导血输入函数、多参数成像和高时间分辨率动力学建模	本文探讨了利用深度学习解决全身动力学建模中的挑战，如大规模全身动态PET数据处理、器官和组织适当的输入函数和动力学模型需求以及全身运动校正	全身动力学建模面临大规模数据处理、适当的输入函数和模型需求以及运动校正等挑战	探讨全身PET动力学建模的基本原理及其在参数成像中的潜在优势，并讨论利用深度学习解决相关挑战	全身PET动力学建模及其在参数成像中的应用	计算机视觉	NA	深度学习	NA	图像	NA
169	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
170	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
171	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
172	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
173	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
174	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）
175	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
176	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
177	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
178	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
179	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
180	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