深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
21	2024-09-28	COUnty aggRegation mixup AuGmEntation (COURAGE) COVID-19 prediction 2021-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-93545-6 PMID:34253768	研究论文	本文提出了一种名为COURAGE的方法，利用深度学习技术预测美国各县未来两周的COVID-19相关死亡人数	采用自注意力模型（transformer模型）捕捉时间序列中的短期和长期依赖关系，并实现了计算效率的提升	NA	预测COVID-19在美国的局部严重程度，以优化资源分配	美国各县的COVID-19相关死亡人数	机器学习	COVID-19	深度学习	transformer模型	时间序列数据	美国各县的COVID-19相关确诊病例、死亡人数、社区流动趋势和人口统计信息	NA	NA	NA	NA
22	2024-09-25	Graph-Based Deep Learning for Medical Diagnosis and Analysis: Past, Present and Future 2021-Jul-12, Sensors (Basel, Switzerland) DOI:10.3390/s21144758 PMID:34300498	综述	本文综述了基于图的深度学习在医疗诊断和分析中的应用	探讨了图神经网络在处理不规则和无序生理记录数据中的潜力	现有技术主要集中在网格状数据上，难以处理不规则数据	探讨机器学习和深度学习方法在医疗数据分析中的应用	图神经网络及其在医疗领域的应用	机器学习	NA	图神经网络	图神经网络	生理记录数据	NA	NA	NA	NA	NA
23	2024-09-25	Map3D: Registration-Based Multi-Object Tracking on 3D Serial Whole Slide Images 2021-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2021.3069154 PMID:33780334	研究论文	本文提出了一种名为Map3D的新方法，用于在3D连续全切片图像上进行基于配准的多目标跟踪，以实现肾脏病理学中大规模肾小球的自动识别和关联	创新点包括将大规模肾小球关联视为新的多目标跟踪视角，提出质量感知的全系列配准方法以提供亲和力估计和自动肾脏质量保证，以及提出双路径关联方法以应对跟踪过程中的大变形、缺失组织和伪影	NA	实现肾脏病理学中大规模肾小球的自动识别和关联	3D连续全切片图像中的肾小球	数字病理学	肾脏疾病	全切片成像（WSI）	多目标跟踪（MOT）	图像	大规模肾小球	NA	NA	NA	NA
24	2024-09-19	Blockchain-Federated-Learning and Deep Learning Models for COVID-19 Detection Using CT Imaging 2021-Jul-15, IEEE sensors journal IF:4.3Q2 DOI:10.1109/JSEN.2021.3076767 PMID:35789224	研究论文	本文提出了一种利用区块链联邦学习和深度学习模型进行COVID-19检测的框架	提出了基于区块链的联邦学习框架，解决了数据异质性和隐私保护问题，并使用了胶囊网络进行分割和分类	NA	开发一种有效的COVID-19诊断方法，解决测试试剂短缺和数据共享隐私问题	COVID-19患者的CT影像数据	计算机视觉	COVID-19	区块链技术，联邦学习	胶囊网络	CT影像	来自不同医院的少量COVID-19患者数据	NA	NA	NA	NA
25	2024-09-10	Prediction of the spread of Corona-virus carrying droplets in a bus - A computational based artificial intelligence approach 2021-07-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2021.125358 PMID:33611042	研究论文	本文提出了一种基于计算和人工智能的框架，用于快速预测公交车中打喷嚏乘客产生的飞沫传播模式	本文的创新点在于结合了体积流体方法和深度学习技术，显著提高了飞沫传播预测的速度	NA	预测新冠病毒携带飞沫在公交车中的传播模式	公交车中打喷嚏乘客产生的飞沫传播	计算机视觉	NA	体积流体方法，大涡模拟	深度学习	数值模拟结果	NA	NA	NA	NA	NA
26	2024-09-10	Automatic diagnosis of coronavirus (COVID-19) using shape and texture characteristics extracted from X-Ray and CT-Scan images 2021-Jul, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.102602 PMID:33824681	研究论文	本文研究了利用X射线和CT扫描图像的形状和纹理特征进行COVID-19的自动诊断	提出了上下文特征减少卷积滤波器（CFRCF），用于从胸部X光片和腹部CT图像中提取形状和纹理特征，并使用形态学算子、Gabor滤波器和属性滤波器进行特征提取	需要足够大的训练集来支持深度网络的使用，而实际中这种数据集并不总是可用	解决深度学习方法在COVID-19诊断中需要大量训练数据的问题	COVID-19的自动诊断	计算机视觉	传染病	卷积神经网络（CNN）	CNN	图像	CT扫描图像数据集和X射线图像数据集分别获得了超过76%和94%的整体分类准确率	NA	NA	NA	NA
27	2024-09-10	Fusion of convolution neural network, support vector machine and Sobel filter for accurate detection of COVID-19 patients using X-ray images 2021-Jul, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.102622 PMID:33846685	研究论文	本文提出了一种结合卷积神经网络（CNN）、支持向量机（SVM）和Sobel滤波器的方法，用于通过X射线图像准确检测COVID-19患者	本文的创新点在于将CNN、SVM和Sobel滤波器结合使用，以提高COVID-19检测的准确性，并且不依赖预训练网络	NA	开发一种自动诊断系统，用于快速诊断COVID-19，以防止其传播	COVID-19患者的X射线图像	计算机视觉	COVID-19	卷积神经网络（CNN）、支持向量机（SVM）、Sobel滤波器	CNN	图像	新收集的X射线图像数据集	NA	NA	NA	NA
28	2024-09-10	BS-Net: Learning COVID-19 pneumonia severity on a large chest X-ray dataset 2021-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102046 PMID:33862337	研究论文	设计了一种端到端的深度学习架构，用于在胸部X光图像上预测COVID-19患者肺部受损程度的多区域评分	采用弱监督学习策略处理不同的任务（分割、空间对齐和评分估计），并使用“从部分到整体”的训练过程，生成高分辨率的解释性图谱以帮助理解网络在肺部区域的活动	NA	开发一种能够准确预测COVID-19肺炎严重程度的深度学习模型	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	深度学习	BS-Net	图像	约5000张胸部X光图像	NA	NA	NA	NA
29	2024-09-10	Multi-source sensor based urban habitat and resident health sensing: A case study of Wuhan, China 2021-Jul, Building and environment IF:7.1Q1 DOI:10.1016/j.buildenv.2021.107883 PMID:36567753	研究论文	研究武汉市650个社区的COVID-19确诊病例与城市居住环境之间的关系，利用深度学习技术和传感器数据分析环境因素对病毒传播的影响	首次探讨了天空视图因子（SVF）和可见绿色指数（VGI）对病毒传播的影响，并构建了结构方程模型解释确诊病例的变异	研究结果仅基于武汉市的数据，可能不适用于其他城市或地区	探讨城市居住环境与COVID-19确诊病例之间的关系，并研究环境因素对病毒传播的驱动作用	武汉市650个有COVID-19确诊病例的社区	计算机视觉	传染病	深度学习语义分割技术，部分最小二乘结构方程建模（PLS-SEM）	结构方程模型	图像，传感器数据	650个社区	NA	NA	NA	NA
30	2024-08-27	Transmol: repurposing a language model for molecular generation 2021-Jul-27, RSC advances IF:3.9Q2 DOI:10.1039/d1ra03086h PMID:35479483	研究论文	本文利用自然语言处理中的transformer架构变体Transmol模型，应用于分子生成任务，并展示了其在生成分子库方面的有效性	首次将注意力机制应用于分子生成问题，并开发了一种新的双种子方法，以探索化学空间的未开发区域	NA	探索和改进机器学习在分子生成领域的应用	分子生成和分子库的构建	机器学习	NA	transformer	transformer	分子数据	NA	NA	NA	NA	NA
31	2024-08-24	A Deep Learning Radiomics Model to Identify Poor Outcome in COVID-19 Patients With Underlying Health Conditions: A Multicenter Study 2021-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2021.3076086 PMID:33905341	研究论文	本研究开发了一种结合深度学习和放射组学的混合模型，用于从初始CT扫描中识别患有基础健康状况的COVID-19患者的较差预后	提出的混合模型结合了3D-ResNet10深度学习模型和量化3D放射组学模型，显著提高了预测COVID-19患者较差预后的准确性	NA	开发一种精确的预测工具，用于识别患有基础健康状况的COVID-19患者的较差预后	患有基础健康状况的COVID-19患者	机器学习	COVID-19	深度学习	3D-ResNet10	CT扫描图像	共400名患者，包括54名死亡病例和346名出院或住院至少7天的患者	NA	NA	NA	NA
32	2024-08-19	Deep learning identifies antigenic determinants of severe SARS-CoV-2 infection within T-cell repertoires 2021-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-93608-8 PMID:34253751	研究论文	本研究通过分析T细胞受体测序（TCR-Seq）数据，利用深度学习方法识别出与严重SARS-CoV-2感染相关的抗原决定簇。	本研究首次使用深度学习技术分析T细胞受体序列，识别出与严重SARS-CoV-2感染相关的特定抗原反应。	研究依赖于公开数据库中的数据，可能存在样本选择偏倚。	旨在通过免疫基因组学分析，理解导致SARS-CoV-2感染临床结果差异的免疫学机制。	研究对象为SARS-CoV-2感染患者，特别是那些临床结果显示病情严重性的患者。	机器学习	NA	T细胞受体测序（TCR-Seq）	深度学习模型	序列数据	研究涉及两个队列，具体样本数量未在摘要中明确。	NA	NA	NA	NA
33	2024-08-19	Automatic Detection of Coronavirus Disease (COVID-19) in X-ray and CT Images: A Machine Learning Based Approach 2021 Jul-Sep, Biocybernetics and biomedical engineering IF:5.3Q1 DOI:10.1016/j.bbe.2021.05.013 PMID:34108787	研究论文	本文研究了基于深度学习的特征提取框架，用于自动分类COVID-19的X射线和CT图像	采用了多种深度卷积神经网络进行特征提取，并通过机器学习分类器进行分类，避免了特定任务的数据预处理方法，提高了对未知数据的一般化能力	NA	开发一种计算机辅助诊断系统，用于早期检测COVID-19异常并监测疾病进展，从而可能降低死亡率	COVID-19的X射线和CT图像	机器学习	COVID-19	深度学习	CNN	图像	公开可用的COVID-19胸部X射线和CT图像数据集	NA	NA	NA	NA
34	2024-08-15	Deep Learning Application for Analyzing of Constituents and Their Correlations in the Interpretations of Medical Images 2021-Jul-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11081373 PMID:34441307	研究论文	本文探讨了深度学习模型在医学图像解释中各组成部分及其相互关系的分析	本文的创新点在于采用统一的方法研究深度学习模型的组成部分，即数据、深度学习架构使用的工具或特定构建的深度学习架构组合，并强调它们在医学图像解释应用中的关键特征	本文未提供深度学习模型各组成部分重要性和影响的统一图景	旨在提高深度学习模型在医学图像解释中的性能	深度学习模型的组成部分及其在医学图像解释中的应用	计算机视觉	NA	深度学习	深度学习架构	医学图像	NA	NA	NA	NA	NA
35	2024-08-14	Deep Learning Method to Accelerate Discovery of Hybrid Polymer-Graphene Composites 2021-Jul-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-94085-9 PMID:34301976	research paper	本文开发了一种基于电子结构计算和大数据挖掘的多学科综合方法，用于设计吸附在石墨烯和二氧化硅上的混合聚合物。	本文利用密度泛函理论和机器学习结合神经网络和统计分析，创新性地设计了基于少量简单分子构建块的1D/2D聚合物。	NA	旨在通过理解纳米尺度分子间相互作用，从底层设计分子器件。	研究对象为吸附在石墨烯和二氧化硅上的聚合物薄层的界面编码性质。	machine learning	NA	密度泛函理论 (DFT), 机器学习 (ML)	神经网络 (NN)	NA	少量简单分子构建块	NA	NA	NA	NA
36	2024-08-14	Neural-ODE for pharmacokinetics modeling and its advantage to alternative machine learning models in predicting new dosing regimens 2021-Jul-23, iScience IF:4.6Q1 DOI:10.1016/j.isci.2021.102804 PMID:34308294	研究论文	本文提出了一种基于神经常微分方程（neural-ODE）的深度学习方法，用于预测个体患者的药代动力学（PK），并测试了其在不同给药方案下的泛化能力	首次将神经常微分方程应用于药代动力学建模，并在预测未测试的给药方案时表现出更高的准确性	NA	开发一种新的深度学习方法，以提高药代动力学模型在不同给药方案下的预测准确性	药代动力学模型及其在不同给药方案下的预测能力	机器学习	NA	neural-ODE	neural-ODE	数据	使用了两种不同治疗方案的药代动力学数据	NA	NA	NA	NA
37	2024-08-14	Genomic Selection for End-Use Quality and Processing Traits in Soft White Winter Wheat Breeding Program with Machine and Deep Learning Models 2021-Jul-20, Biology DOI:10.3390/biology10070689 PMID:34356544	研究论文	研究利用机器学习和深度学习模型预测软白冬小麦育种计划中的终端使用质量和加工特性	本研究首次探索了机器学习和深度学习模型在冬小麦育种中预测十四种终端使用质量特性的潜力，发现深度学习模型在所有预测场景中优于传统的岭回归最佳线性无偏预测（RRBLUP）和贝叶斯模型	研究仅在两个地点（Pullman和Lind, WA, USA）进行了五年（2015-19）的筛选，可能需要更多地点和更长时间的验证	旨在提高小麦育种计划中终端使用质量和加工特性的预测准确性	软白冬小麦的终端使用质量和加工特性	机器学习	NA	机器学习和深度学习	卷积神经网络（CNN）和多层感知器（MLP）	基因组数据	666个小麦基因型	NA	NA	NA	NA
38	2024-08-14	Identification of Neurodegenerative Diseases Based on Vertical Ground Reaction Force Classification Using Time-Frequency Spectrogram and Deep Learning Neural Network Features 2021-Jul-08, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci11070902 PMID:34356136	研究论文	本研究开发了一种基于深度学习方法的新型识别算法，用于根据垂直地面反作用力（vGRF）信号分类神经退行性疾病（NDDs）	本研究通过将时间域vGRF信号转换为时间-频率谱图，并利用连续小波变换（CWT）和主成分分析（PCA）进行特征增强，创新地提高了NDDs的分类准确性	NA	帮助医生在早期检测NDDs，制定有效的治疗计划，并监测疾病进展	神经退行性疾病（NDDs）的分类	机器学习	神经退行性疾病	连续小波变换（CWT），主成分分析（PCA）	卷积神经网络（CNN）	时间-频率谱图	五分钟的垂直地面反作用力信号被分为10、30和60秒的连续时间窗口	NA	NA	NA	NA
39	2024-08-14	Integrating Patient Data Into Skin Cancer Classification Using Convolutional Neural Networks: Systematic Review 2021-07-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/20708 PMID:34255646	综述	本文综述了将患者数据整合到基于卷积神经网络的皮肤癌分类中的研究进展	探讨了整合图像特征和患者数据对基于CNN的皮肤癌图像分类性能的影响	关于个体患者数据如何具体增强分类性能，尤其是在多类别分类问题中，仍不明确	评估不同类型的患者数据、非图像数据的编码和合并方式，以及整合对分类器性能的影响	皮肤癌分类	计算机视觉	皮肤癌	卷积神经网络(CNN)	CNN	图像	11篇符合条件的出版物	NA	NA	NA	NA
40	2024-08-13	A clinical deep learning framework for continually learning from cardiac signals across diseases, time, modalities, and institutions 2021-07-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-24483-0 PMID:34244504	研究论文	本文提出了一种名为CLOPS的持续学习策略，用于解决临床环境中深度学习算法在处理非独立同分布数据时性能下降的问题	CLOPS策略通过使用回放缓冲区和基于不确定性的获取函数，有效减轻了破坏性干扰，并在多种临床场景中表现优于现有方法	NA	旨在开发一种能够持续学习并保持性能稳定的临床深度学习框架	心脏信号数据，涉及不同疾病、时间、数据模态和医疗机构	机器学习	心血管疾病	深度学习	深度学习系统	信号	NA	NA	NA	NA	NA