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
201	2024-09-07	Advances in antibody discovery from human BCR repertoires 2022, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2022.1044975 PMID:36338807	研究论文	本文综述了从人类B细胞受体库中发现抗体的技术进展	本文将这些创新技术分为四类：细胞分选、BCR测序、BCR库分析和抗体-抗原相互作用的验证，并结合深度学习技术，为未来直接从人类中发现诊断和治疗性抗体提供了新的方向	NA	探讨从人类B细胞受体库中发现抗体的技术进展	人类B细胞受体库中的抗体	生物技术	NA	细胞分选、BCR测序、抗体-抗原相互作用建模	深度学习	mRNA、基因组DNA	NA
202	2024-09-07	A wheat spike detection method based on Transformer 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.1023924 PMID:36340370	研究论文	本文提出了一种基于Transformer的麦穗检测方法，名为Multi-Window Swin Transformer (MW-Swin Transformer)，并结合了Wheat Intersection over Union损失函数，以提高检测精度	本文创新性地引入了Transformer网络来解决麦穗检测问题，并提出了新的损失函数以优化检测结果	NA	研究麦穗检测方法，以提高生产估计和作物田间管理的准确性	麦穗	计算机视觉	NA	Transformer	Transformer	图像	构建了一个名为WSD-2022的麦穗检测数据集
203	2024-09-07	Multiple conserved states characterize the twist landscape of the bacterial actin homolog MreB 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.10.008 PMID:36382191	研究论文	研究了细菌肌动蛋白同源物MreB的双原丝在微秒尺度分子动力学模拟中可以采用多种扭转状态	使用深度学习算法识别了MreB双原丝在不同扰动下的扭转构象，并发现这些状态在ADP替代ATP后仍然稳定	NA	研究MreB双原丝的扭转状态及其对细胞形状的影响	细菌肌动蛋白同源物MreB的双原丝	NA	NA	分子动力学模拟	深度学习算法	NA	NA
204	2024-09-06	Survey of Supervised Learning for Medical Image Processing 2022, SN computer science DOI:10.1007/s42979-022-01166-1 PMID:35602289	综述	本文综述了监督学习在医学图像处理中的关键概念和算法	本文总结了现有的医学数据集，并研究了最先进的监督学习架构，包括卷积神经网络（CNN）及其变体	监督学习需要大量标注数据集才能学习和取得良好性能，数据增强、迁移学习和dropout技术被广泛用于克服数据集不足的问题	帮助医学图像分析的研究人员和从业者理解监督学习技术的核心概念和算法	医学图像的分类、检测和分割	计算机视觉	NA	监督学习	卷积神经网络（CNN）、全卷积网络（FCN）、U-Net架构	图像	NA
205	2024-09-06	An intelligent cyber security phishing detection system using deep learning techniques 2022, Cluster computing DOI:10.1007/s10586-022-03604-4 PMID:35602317	研究论文	本文提出了一种基于深度学习技术的智能网络安全钓鱼检测系统	本文通过使用机器学习算法和数据集分割方法，提高了钓鱼邮件检测的准确性和效率	本文未详细讨论数据集的来源和质量，以及模型在实际应用中的泛化能力	开发一种更有效的钓鱼邮件检测技术，以应对日益增长的钓鱼威胁	钓鱼邮件及其检测技术	机器学习	NA	机器学习	决策树	文本	使用了三个不同的数据集进行训练和验证
206	2024-09-06	Bike sharing usage prediction with deep learning: a survey 2022, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-07380-5 PMID:35702665	综述	本文综述了使用深度学习技术进行共享单车使用预测的最新研究	本文是首个专注于使用深度学习技术进行共享单车使用预测的综合性综述	NA	探讨共享单车使用预测的重要性及其在系统运营和管理中的应用	共享单车使用预测问题及其相关模型	机器学习	NA	深度学习	RNN, CNN, 图神经网络	时间序列数据, 空间数据	NA
207	2024-09-06	Explainable artificial intelligence approach in combating real-time surveillance of COVID19 pandemic from CT scan and X-ray images using ensemble model 2022, The Journal of supercomputing IF:2.5Q2 DOI:10.1007/s11227-022-04631-z PMID:35754515	研究论文	本文提出了一种基于深度学习和机器学习集成模型的可解释人工智能方法，用于从CT扫描和X光图像中实时监测COVID-19疫情	本文结合了深度学习和机器学习算法，开发了一种集成模型，用于从CT扫描和X光图像中自动检测COVID-19，并通过Grad-CAM和t-SNE解释模型的决策过程	NA	开发一种自动检测COVID-19的方法，以提高检测的准确性和稳定性，降低死亡率	COVID-19患者的CT扫描和X光图像	计算机视觉	COVID-19	深度学习和机器学习	集成模型（包括CNN、GNB、SVM、DT、LR、KNN、RF）	图像	1646和2481张CT扫描图像
208	2024-09-06	Real-time internet of medical things framework for early detection of Covid-19 2022, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-07582-x PMID:35912366	研究论文	提出了一种用于Covid-19感染检测和早期预防的IoMT框架	首次提出了结合IoMT、Apache Spark和机器学习算法（如随机森林和梯度提升树）的实时Covid-19检测框架	实验结果基于模拟数据，实际应用中可能存在差异	开发一种实时Covid-19检测系统，以减轻医疗系统的负担	Covid-19感染的早期检测和预防	机器学习	Covid-19	Apache Spark	随机森林和梯度提升树	健康数据	使用了Riverbed Modeler模拟软件中的多种传感器数据
209	2024-09-06	FAM: focal attention module for lesion segmentation of COVID-19 CT images 2022, Journal of real-time image processing IF:2.9Q2 DOI:10.1007/s11554-022-01249-5 PMID:36091622	研究论文	提出了一种新的焦点注意力模块（FAM）用于COVID-19 CT图像的病变分割	FAM包含通道注意模块和空间注意模块，通过中值滤波和距离变换生成粗略的空间注意力，并通过7×7卷积层进行修正，显著提高了分割精度	NA	提高COVID-19 CT图像病变分割的准确性	COVID-19 CT图像的病变区域	计算机视觉	COVID-19	深度学习	CNN	图像	使用了包含COVID-19 CT图像的公开数据集
210	2024-09-06	A Novel COVID-19 Detection Model Based on DCGAN and Deep Transfer Learning 2022, Procedia computer science DOI:10.1016/j.procs.2022.08.008 PMID:36120410	研究论文	本文提出了一种基于DCGAN和深度迁移学习的COVID-19检测模型，用于从X光图像中检测COVID-19	本文创新性地使用DCGAN生成与原始数据相似的假实例，并通过深度迁移学习提高分类器性能	数据增强在医疗领域有限数据的情况下可能不适用	生成用于神经网络训练的数据集，以从X光图像中检测COVID-19	COVID-19的X光图像检测	计算机视觉	NA	深度卷积生成对抗网络（DCGAN）	生成对抗网络（GAN）	图像	NA
211	2024-09-06	Few-shot learning approach with multi-scale feature fusion and attention for plant disease recognition 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.907916 PMID:36186021	研究论文	本文提出了一种基于多尺度特征融合和注意力机制的小样本学习方法，用于植物病害识别	结合了多尺度特征和通道注意力机制，并提出了一组训练策略以适应不同的泛化需求	仅在特定数据设置下进行了实验，未涵盖所有可能的应用场景	解决小样本学习在植物病害识别中的应用问题	植物病害图像	计算机视觉	植物病害	小样本学习	Meta-Baseline	图像	1-shot 和 5-shot 任务分别涉及少量样本
212	2024-09-06	Towards edge devices implementation: deep learning model with visualization for COVID-19 prediction from chest X-ray 2022, Advances in computational intelligence DOI:10.1007/s43674-022-00044-w PMID:36187081	研究论文	提出了一种基于深度学习的模型，用于在边缘设备上通过胸部X光图像进行COVID-19预测，并结合可视化技术	采用迁移学习技术对卷积神经网络进行微调，以提高COVID-19和肺炎感染的预测准确性，并在边缘设备上实现高效的推理速度	未提及具体的研究局限性	开发一种能够在边缘设备上运行的深度学习模型，用于快速准确地诊断COVID-19	胸部X光图像，COVID-19和肺炎感染	计算机视觉	COVID-19	迁移学习	卷积神经网络	图像	未提及具体样本数量
213	2024-09-06	Facial Emotion Recognition Using a Novel Fusion of Convolutional Neural Network and Local Binary Pattern in Crime Investigation 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2249417 PMID:36188698	研究论文	本文探讨了面部情感识别与犯罪调查中青少年心理特征分析的关系，并提出了一种结合卷积神经网络和局部二值模式的面部情感识别模型	本文创新性地将优化的中央局部二值模式算法引入卷积神经网络，构建了CNN-CLBP算法，显著提高了面部表情识别的准确率	该算法在识别悲伤表情时存在较高的误识别率	旨在分析犯罪青少年心理特征，并推动深度学习在心理特征提取中的应用	面部情感识别	计算机视觉	NA	卷积神经网络	CNN-CLBP	图像	NA
214	2024-09-06	The Application of Computer Intelligence in the Cyber-Physical Business System Integration in Network Security 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5490779 PMID:36199962	研究论文	研究提出了一种基于深度学习的LSTM-AutoEncoder无监督预测模型，用于解决横向越权检测中的误报问题	使用LSTM网络构建AutoEncoder，提取横向越权场景的页面响应数据文本特征并进行重构，通过误差判断检测结果是否为误报	未提及具体限制	解决横向越权检测中的误报问题	横向越权检测中的页面响应数据	网络安全	NA	深度学习	LSTM-AutoEncoder	文本	未提及具体样本数量
215	2024-09-06	Peripapillary atrophy classification using CNN deep learning for glaucoma screening 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0275446 PMID:36201448	研究论文	本研究开发了一种基于眼底图像和深度学习算法的周边视网膜萎缩（PPA）检测方法，用于青光眼的筛查	本研究首次使用基于掩码区域卷积神经网络（R-CNN）和卷积神经网络（CNN）的深度学习算法进行PPA分类	需要进一步研究PPA边界的分割，以进行更详细的PPA检测，并结合视盘和视杯边界计算杯盘比	开发一种用于青光眼筛查的PPA检测方法	周边视网膜萎缩（PPA）	计算机视觉	青光眼	深度学习算法	卷积神经网络（CNN）	图像	2472张眼底图像，来自五个公共资源和一个沙特资源
216	2024-09-06	A Novel Computer Vision Model for Medicinal Plant Identification Using Log-Gabor Filters and Deep Learning Algorithms 2022, Computational intelligence and neuroscience DOI:10.1155/2022/1189509 PMID:36203732	研究论文	本文提出了一种使用Log-Gabor滤波器和深度学习算法进行药用植物识别的新型计算机视觉模型	本文的创新点在于将Log-Gabor滤波器与DenseNet201架构结合，创建了OTAMNet模型，显著提高了药用植物识别的准确率	本文未详细讨论模型在不同光照条件或植物叶片受损情况下的表现	开发一种高准确率的计算机视觉系统用于药用植物的识别	药用植物的叶片纹理特征	计算机视觉	NA	Log-Gabor滤波器	CNN	图像	49种植物物种
217	2024-09-06	Automatic tongue image quality assessment using a multi-task deep learning model 2022, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2022.966214 PMID:36203936	研究论文	本文提出了一种基于多任务深度学习模型的舌象质量评估方法	设计了一个多任务深度学习网络，通过添加舌象分割作为辅助任务来提高舌象质量评估的性能	未提及具体限制	确保采集的舌象图像质量符合中医诊断标准	舌象图像的质量评估	计算机视觉	NA	深度学习	多任务深度学习网络	图像	在不同光照条件、曝光度和舌体伸展条件下采集的舌象图像，并由经验丰富的中医师手动筛选为高质量和不合格的数据集
218	2024-09-06	Detecting COVID-19 infection status from chest X-ray and CT scan via single transfer learning-driven approach 2022, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2022.980338 PMID:36212141	研究论文	本文提出了一种基于迁移学习的单模型方法，用于从胸部X光和CT扫描图像中检测COVID-19感染状态	采用迁移学习方法，在医疗图像数据不足的情况下，快速生成可靠结果，并能同时处理X光和CT扫描图像	未提及具体模型的局限性	开发一种高效准确的方法，用于从胸部X光和CT扫描图像中检测COVID-19感染状态，以帮助快速分类患者并防止病毒传播	COVID-19感染患者和正常个体	计算机视觉	COVID-19	迁移学习	NA	图像	未提及具体样本数量
219	2024-09-06	Computed tomography-based deep-learning prediction of lymph node metastasis risk in locally advanced gastric cancer 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.969707 PMID:36212443	研究论文	本文开发并评估了一种基于CT图像的深度学习模型，用于预测局部晚期胃癌的淋巴结转移风险	本文首次使用深度学习技术从CT图像中提取特征，结合支持向量机进行分类，提供了一种新颖且非侵入性的方法来预测淋巴结转移	研究样本量有限，且仅限于单一医院的数据，可能影响模型的泛化能力	开发和评估一种基于CT图像的深度学习模型，用于术前预测局部晚期胃癌的淋巴结转移	局部晚期胃癌患者的淋巴结转移风险	计算机视觉	胃癌	深度学习	卷积神经网络 (CNN)	图像	523名病理确诊的局部晚期胃癌患者
220	2024-09-06	Clinical significance, challenges and limitations in using artificial intelligence for electrocardiography-based diagnosis 2022, International journal of arrhythmia DOI:10.1186/s42444-022-00075-x PMID:36212507	综述	本文综述了人工智能在基于心电图的诊断中的临床意义、挑战和局限性	人工智能引入了机器学习和深度学习算法，弥补了现有心电图分析方法的局限性，并取得了有希望的结果	人工智能算法也存在自身的挑战和局限性，如专业责任、系统性偏差、监控、网络安全以及技术和后勤挑战	增加对用于心电图诊断的人工智能算法的熟悉度和认识，并最终向感兴趣的利益相关者通报其在解决当前临床挑战中的潜在效用	人工智能在心电图诊断中的应用	机器学习	心血管疾病	NA	NA	NA	NA