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
1	2024-12-08	A large-scale systematic survey of SARS-CoV-2 antibodies reveals recurring molecular features 2021-Nov-30, bioRxiv : the preprint server for biology DOI:10.1101/2021.11.26.470157 PMID:34873599	研究论文	对SARS-CoV-2抗体进行大规模系统调查，揭示了重复的分子特征	利用深度学习预测抗原特异性，区分SARS-CoV-2刺突蛋白抗体和流感血凝素抗体序列	NA	研究SARS-CoV-2抗体的公共反应和分子特征	SARS-CoV-2刺突蛋白抗体	生物信息学	COVID-19	深度学习	深度学习模型	序列数据	约8000个人类抗体，来自超过200名捐赠者
2	2024-11-13	Why high intensity plaque is bright on MRI? 2021-Nov, American heart journal plus : cardiology research and practice DOI:10.1016/j.ahjo.2021.100055 PMID:38549741	研究论文	研究探讨了非对比T1加权MRI在识别冠状动脉壁高强度斑块（HIP）及其与冠状动脉内斑块出血的关系	首次通过病理学分析证实了非对比T1加权MRI与冠状动脉内斑块出血之间的强相关性	缺乏对活体组织样本的病理学分析，HIP的病理特征仍未知	探讨非对比T1加权MRI在评估高强度斑块中的病理学意义	冠状动脉壁高强度斑块及其与冠状动脉内斑块出血的关系	医学影像	心血管疾病	MRI	NA	图像	通过定向冠状动脉斑块切除术获得的斑块样本
3	2024-11-07	Image- versus histogram-based considerations in semantic segmentation of pulmonary hyperpolarized gas images 2021-11, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28908 PMID:34227163	研究论文	比较基于直方图和基于图像的算法在肺部超极化气体图像语义分割中的差异	提出使用卷积神经网络在图像域中进行直接优化，以利用空间信息，从而解决基于直方图方法的问题	未提及	研究基于直方图和基于图像的算法在肺部超极化气体图像分割中的性能差异	肺部超极化气体图像的分割算法	计算机视觉	NA	卷积神经网络	CNN	图像	29个公开数据集样本和51个回顾性收集样本
4	2024-10-10	Pay attention to doctor-patient dialogues: Multi-modal knowledge graph attention image-text embedding for COVID-19 diagnosis 2021-Nov, An international journal on information fusion DOI:10.1016/j.inffus.2021.05.015 PMID:34093095	研究论文	本文提出了一种多模态知识图谱注意力嵌入方法，用于COVID-19诊断，结合了医生-患者对话和医学图像信息	本文的创新点在于结合了多模态数据（文本和图像），并通过知识图谱注意力机制引入医学知识，以提高分类器的性能	NA	旨在解决当前深度学习方法在多模态数据充分性方面的问题，并提高COVID-19诊断的准确性和早期评估	COVID-19患者的医生-患者对话和医学图像	自然语言处理	COVID-19	知识图谱注意力机制	NA	文本和图像	1393个COVID-19患者对话和3706张图像，607个非COVID-19患者对话和10754张图像
5	2024-10-06	Deep Learning for the Industrial Internet of Things (IIoT): A Comprehensive Survey of Techniques, Implementation Frameworks, Potential Applications, and Future Directions 2021-Nov-12, Sensors (Basel, Switzerland) DOI:10.3390/s21227518 PMID:34833594	综述	本文综述了深度学习在工业物联网（IIoT）中的应用，包括技术、实现框架、潜在应用和未来方向	本文系统地评估了深度学习在IIoT应用中的潜力，并讨论了多种深度学习算法及其在IIoT中的实现框架	本文主要集中在现有技术的综述和讨论，未涉及具体的实验验证或案例研究	探讨深度学习在工业物联网中的应用潜力和未来研究方向	工业物联网中的智能传感器、执行器、通信协议和网络安全机制	机器学习	NA	深度学习	NA	大数据	NA
6	2024-10-06	Automation of Lung Ultrasound Interpretation via Deep Learning for the Classification of Normal versus Abnormal Lung Parenchyma: A Multicenter Study 2021-Nov-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11112049 PMID:34829396	研究论文	本文通过深度学习技术自动化肺部超声图像的解读，以区分正常和异常肺实质	利用深度学习技术实现肺部超声图像的自动化解读，提高了诊断的准确性和非专家用户的可用性	NA	开发一种基于深度学习的肺部超声图像自动解读系统，以区分正常和异常肺实质	肺部超声图像中的A线和B线	计算机视觉	NA	深度学习	神经网络	图像	272,891张标记的肺部超声图像用于训练，23,393帧用于外部验证，1162个视频用于临床应用
7	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
8	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
9	2024-09-29	CinE caRdiac magneTic resonAnce to predIct veNTricular arrhYthmia (CERTAINTY) 2021-11-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-02111-7 PMID:34811411	研究论文	研究利用心脏磁共振成像（CMR）和深度学习模型预测心室心律失常（VA）的风险	开发了一种新的深度学习模型，通过心脏磁共振成像提取心脏结构和功能特征，以预测心室心律失常的风险	需要多中心参与进行外部验证	开发更好的模型来识别低风险心室心律失常的患者，以减少植入式心脏复律除颤器（ICD）相关并发症的风险	心室心律失常的风险预测	机器学习	心血管疾病	心脏磁共振成像（CMR）	神经网络	图像	350名主要预防性ICD接受者，其中97名女性，中位年龄59岁，178名患有缺血性心肌病
10	2024-09-29	Neural Decoding of EEG Signals with Machine Learning: A Systematic Review 2021-Nov-18, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci11111525 PMID:34827524	综述	本文系统综述了机器学习和深度学习在脑电信号解码和分类中的应用	本文总结了最新的机器学习和深度学习模型在脑电信号处理中的应用，并提供了特征提取和分类器的推荐	本文主要基于文献综述，未进行新的实验或数据分析	系统综述机器学习和深度学习在脑电信号解码和分类中的最新进展	脑电信号的解码和分类	机器学习	NA	脑电图 (EEG)	卷积神经网络 (CNN), 支持向量机 (SVM)	脑电信号	NA
11	2024-09-29	Wound Size Imaging: Ready for Smart Assessment and Monitoring 2021-11, Advances in wound care IF:5.8Q1 DOI:10.1089/wound.2018.0937 PMID:32320356	研究论文	本文介绍并评估了用于伤口尺寸成像的新兴设备和模式，以及用于智能伤口评估和监测的有前景的图像处理工具	本文引入了低成本设备和机器学习技术，使伤口评估更加稳健和准确，并结合多种成像模式和机器学习，实现了智能伤口监测	NA	研究目的是评估新兴设备和图像处理工具在智能伤口评估和监测中的应用	研究对象是伤口尺寸成像设备和图像处理工具	计算机视觉	NA	机器学习	NA	图像	NA
12	2024-09-29	Importance of the 5' regulatory region to bacterial synthetic biology applications 2021-11, Microbial biotechnology IF:4.8Q1 DOI:10.1111/1751-7915.13868 PMID:34171170	综述	本文综述了细菌合成生物学中5'调控区域（包括启动子、非翻译区域和编码序列的5'端）的创建方法及其在基因表达调控和化合物合成中的重要性	本文总结了细菌合成生物学中5'调控区域创建方法的最新进展，并讨论了其在细菌工程中的重要性	本文主要讨论了现有方法的优缺点，但未提出新的解决方案或技术	探讨细菌合成生物学中5'调控区域的创建方法及其在基因表达调控和化合物合成中的应用	细菌合成生物学中的5'调控区域（启动子、非翻译区域和编码序列的5'端）	合成生物学	NA	NA	NA	NA	NA
13	2024-09-26	A Deep Learning Perspective on Dropwise Condensation 2021-11, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202101794 PMID:34561960	研究论文	本文提出了一种基于深度学习的智能视觉框架，用于从高度瞬态的液滴群体中提取可解释的物理描述符，以研究表面异质冷凝过程	结合经典热流体成像技术和深度学习，实现了对物理描述符的自主提取和热性能的量化，达到了极高的时空分辨率	NA	研究冷凝过程中的热流体机制，特别是液滴成核、生长和脱离的循环过程	冷凝过程中的液滴群体及其热性能	计算机视觉	NA	深度学习	NA	图像	NA
14	2024-09-11	Deep IDA: A Deep Learning Method for Integrative Discriminant Analysis of Multi-View Data with Feature Ranking-An Application to COVID-19 severity 2021-Nov-18, ArXiv PMID:34815984	研究论文	本文提出了一种名为Deep IDA的深度学习方法，用于多视角数据的整合判别分析，并应用于COVID-19严重程度的预测	Deep IDA能够学习非线性投影，最大化关联多个视角并分离不同类别的数据，同时允许特征排序以解释结果	NA	通过整合临床和分子数据，更好地理解COVID-19的分子机制及其严重程度	COVID-19患者的临床和分子数据	机器学习	COVID-19	深度学习	深度学习模型	多视角数据	COVID-19患者和非COVID-19患者的临床和分子数据
15	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
16	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
17	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
18	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
19	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
20	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