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
281	2024-09-05	DeepHEMNMA: ResNet-based hybrid analysis of continuous conformational heterogeneity in cryo-EM single particle images 2022, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2022.965645 PMID:36158571	研究论文	本文介绍了一种基于ResNet的深度学习方法DeepHEMNMA，用于加速分析cryo-EM单颗粒图像中的连续构象异质性	DeepHEMNMA结合了HEMNMA方法与基于ResNet的深度学习技术，显著降低了计算成本	NA	开发一种新的方法以加速分析cryo-EM单颗粒图像中的连续构象异质性	cryo-EM单颗粒图像中的连续构象异质性	计算机视觉	NA	cryo-EM	ResNet	图像	NA
282	2024-09-05	Pre-thrombectomy prognostic prediction of large-vessel ischemic stroke using machine learning: A systematic review and meta-analysis 2022, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2022.945813 PMID:36158960	meta-analysis	本文通过系统综述和荟萃分析，总结了使用机器学习方法对接受血管内血栓切除术的大血管闭塞性脑卒患者进行术前预后预测的研究	探讨了传统机器学习模型和深度学习模型在预测大血管闭塞性脑卒治疗后结果中的应用	大多数模型使用小数据集开发，缺乏坚实的外部验证，且存在潜在偏倚风险	旨在总结基于机器学习的术前预后模型，并识别关键研究空白	接受血管内血栓切除术的大血管闭塞性脑卒患者	machine learning	ischemic stroke	machine learning	ML models, DL models	clinical data	16项研究描述的19个模型
283	2024-09-05	Construction and Analysis of Emotion Recognition and Psychotherapy System of College Students under Convolutional Neural Network and Interactive Technology 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5993839 PMID:36164423	research paper	本研究旨在有效建立大学生心理干预和治疗系统，及时发现和纠正他们的心理问题。从教育学和心理学角度出发，选取体育专业大学生作为研究对象，基于卷积神经网络（CNN）建立了一个互动式大学生情绪识别和心理干预系统	本研究采用深度学习CNN模型，相比反向传播神经网络（BPNN）和决策树算法，具有更好的情绪识别能力。同时，采用支持向量机算法进行情绪分类，提高了识别准确率	NA	旨在通过情绪识别猜测学生的心理状态，减少人为参与，为大学心理治疗提供新的研究思路	体育专业的大学生	machine learning	NA	卷积神经网络（CNN）	CNN	image	未明确具体数量
284	2024-09-05	Optimal Facial Feature Based Emotional Recognition Using Deep Learning Algorithm 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8379202 PMID:36177319	研究论文	本研究通过改进卷积神经网络技术，识别七种基本情绪，并评估多种预处理技术对CNN性能的影响	提出了一种基于深度学习的卷积神经网络技术，用于优化面部特征的情感识别	未使用优化技术	提高基于面部特征的情感识别准确性	七种基本情绪的识别	计算机视觉	NA	卷积神经网络	CNN	图像	约32,298张图片用于测试和训练
285	2024-09-05	Construction of Intelligent Nursing System Based on Visual Action Recognition Algorithm 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8311371 PMID:36177321	研究论文	本文构建了一个基于视觉动作识别算法的智能护理系统，旨在通过视频监控识别老年人的生活状态，提供实时高效的护理服务	利用深度学习算法进行视觉动作识别，以满足老年人多样化的需求，并提供更高质量的生活和人文关怀	NA	开发一种智能护理系统，通过视觉动作识别算法提高老年人的生活质量和护理效率	老年人的日常生活状态，特别是正常生活状态和跌倒状态	计算机视觉	NA	深度学习算法	DL	视频	未具体说明
286	2024-09-05	Deep learning applications in myocardial perfusion imaging, a systematic review and meta-analysis 2022, Informatics in medicine unlocked DOI:10.1016/j.imu.2022.101055 PMID:36187893	综述	本文对深度学习在心肌灌注成像中的应用进行了系统回顾和荟萃分析	深度学习在提高心肌灌注成像诊断准确性、预测患者事件和安全性方面显示出潜力	需要更多临床应用研究以实现对已知或疑似冠状动脉疾病患者的更好护理	总结深度学习在心肌灌注成像中的应用证据	深度学习在心肌灌注成像中的应用	机器学习	心血管疾病	NA	CNN	图像	46项研究
287	2024-09-05	EasyDAM_V2: Efficient Data Labeling Method for Multishape, Cross-Species Fruit Detection 2022, Plant phenomics (Washington, D.C.) DOI:10.34133/2022/9761674 PMID:36204392	研究论文	本文提出了一种改进的数据标注方法EasyDAM_V2，用于多形状和跨物种水果检测	引入了Across-CycleGAN图像转换网络和伪标签自适应阈值选择策略，以提高数据标注的准确性	NA	旨在降低基于深度学习的水果检测模型的应用成本	多形状和跨物种水果的检测	计算机视觉	NA	GANs	CycleGAN	图像	使用了一个有标签的橙子数据集作为源域，火龙果和芒果数据集作为目标域
288	2024-09-04	Training calibration-based counterfactual explainers for deep learning models in medical image analysis 2022-01-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-04529-5 PMID:35022467	研究论文	本文提出了一种基于训练校准的反事实解释器技术（TraCE），用于在医学影像分析中对深度学习模型进行可靠的反事实合成	TraCE技术采用了一种新颖的不确定性基础区间校准策略，以确保反事实解释的可靠性	NA	旨在提高深度学习模型在医学影像分析中的解释性和可靠性	深度学习模型在胸部X光图像中识别异常的应用	计算机视觉	NA	深度学习	深度模型	图像	NA
289	2024-09-04	Deep Learning for Reliable Classification of COVID-19, MERS, and SARS from Chest X-ray Images 2022, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-021-09955-1 PMID:35035591	研究论文	本文使用深度卷积神经网络对COVID-19、MERS和SARS的胸部X光图像进行分类	首次在文献中探讨了COVID-19、SARS和MERS胸部X光图像的分类方案	分类性能在分割的胸部X光图像上有所下降，但结果更可靠	开发一个可靠的COVID-19识别系统，用于从胸部X光图像中分类COVID-19、MERS和SARS	COVID-19、MERS和SARS的胸部X光图像	计算机视觉	COVID-19	深度卷积神经网络	CNN	图像	423张COVID-19、144张MERS和134张SARS的胸部X光图像
290	2024-09-04	AM-UNet: automated mini 3D end-to-end U-net based network for brain claustrum segmentation 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-021-11568-7 PMID:35035265	研究论文	本文提出了一种自动优化的基于U-Net的3D分割模型AM-UNet，用于人脑闭壳核的自动分割	AM-UNet是一个轻量级且可扩展的解决方案，实现了3D磁共振图像上自动闭壳核分割的最先进准确性	NA	开发一种高效的自动分割模型，用于人脑闭壳核的分割	人脑闭壳核	计算机视觉	NA	磁共振成像(MRI)	U-Net	图像	T1/T2联合MRI闭壳核数据集
291	2024-09-04	Masked-face recognition using deep metric learning and FaceMaskNet-21 2022, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-021-03150-3 PMID:35233149	研究论文	本文提出了一种使用深度度量学习和FaceMaskNet-21深度学习网络的蒙面人脸识别系统	系统能够从静态图像、实时视频流和静态视频文件中生成128维编码，实现蒙面人脸识别	NA	解决COVID-19疫情期间传统人脸识别系统因面部遮挡而失效的问题	蒙面人脸识别技术	计算机视觉	NA	深度度量学习	FaceMaskNet-21	图像、视频	NA
292	2024-09-04	Modality specific U-Net variants for biomedical image segmentation: a survey 2022, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-022-10152-1 PMID:35250146	综述	本文综述了U-Net架构在生物医学图像分割中的应用，特别是针对不同模态的U-Net变体	本文通过进行模态间和模态内的分类分析，提供了对U-Net变体在生物医学图像分割中应用的深入见解	NA	探讨U-Net架构及其变体在生物医学图像分割中的应用，以及在疾病早期诊断和治疗中的潜力	U-Net架构及其变体在生物医学图像分割中的应用	计算机视觉	NA	深度卷积神经网络, 残差神经网络, 对抗网络	U-Net	图像	NA
293	2024-09-04	Deep-Precognitive Diagnosis: Preventing Future Pandemics by Novel Disease Detection With Biologically-Inspired Conv-Fuzzy Network 2022, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2022.3153059 PMID:35360503	研究论文	本文提出了一种新型计算机辅助诊断模型——深度预知诊断，该模型采用生物启发式卷积模糊网络，能够在训练数据中不存在的情况下识别未知疾病	提出了一种新的计算机辅助诊断模型，能够在无标签数据的情况下实时创建新类别，无需重新训练模型	文章未明确提及模型的局限性	开发一种能够在早期自动检测未知传染病的模型，以控制其快速传播	未知传染病	计算机视觉	NA	深度学习	卷积模糊网络	图像	模型在测试中成功识别了训练样本中未见的新疾病，并在后续测试中对SARS-CoV-1和MERS-CoV样本达到了最先进的准确率
294	2024-09-04	SMAD: SMart assistant during and after a medical emergency case based on deep learning sentiment analysis: The pandemic COVID-19 case 2022, Cluster computing DOI:10.1007/s10586-022-03601-7 PMID:35571977	研究论文	本文提出了一种基于深度学习情感分析的智能助手SMAD，用于在医疗紧急情况期间和之后分析普通公民的自然语言语音，以检测紧急情况和心理障碍症状	SMAD能够通过自然语言处理和深度学习情感分析模型，实时跟踪患者的心理状态，并提供智能医疗服务	NA	开发一种智能助手，用于在医疗紧急情况期间和之后提供心理支持和行为分析	紧急情况下的心理状态和行为	自然语言处理	NA	深度学习情感分析	情感分析模型	文本	使用社交媒体数据集
295	2024-09-04	Deep Learning Models for the Diagnosis and Screening of COVID-19: A Systematic Review 2022, SN computer science DOI:10.1007/s42979-022-01326-3 PMID:35911439	综述	本研究通过系统综述方法，比较了基于CT和胸片图像的多种深度学习模型在COVID-19诊断和筛查中的应用	本研究采用了质量评估规则，并详细分析了各篇论文的模型评估矩阵、贡献和动机	部分先前研究未包含医院环境的数据，也未考虑数据预处理步骤	评估和比较深度学习模型在COVID-19早期诊断中的应用	COVID-19的诊断和筛查	机器学习	COVID-19	深度学习	CNN	图像	包含75篇以上的文献进行质量评估，最终采用57篇文章进行系统综述
296	2024-09-04	Artificial intelligence model on chest imaging to diagnose COVID-19 and other pneumonias: A systematic review and meta-analysis 2022, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2022.100438 PMID:35996746	meta-analysis	本文通过系统综述和荟萃分析评估了基于胸部影像的人工智能模型在诊断COVID-19和其他肺炎中的诊断准确性和方法学质量	利用人工智能模型在胸部影像上区分COVID-19和其他肺炎，显示出高敏感性和特异性	目前尚未将人工智能模型作为临床决策工具实施，且研究方法学质量有待提高	评估基于胸部影像的人工智能模型在诊断COVID-19和其他肺炎中的诊断准确性和方法学质量	基于胸部影像的人工智能模型	machine learning	lung cancer	NA	AI	image	6737名参与者
297	2024-09-04	NanoNet: Rapid and accurate end-to-end nanobody modeling by deep learning 2022, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2022.958584 PMID:36032123	研究论文	本文开发了一种名为NanoNet的深度学习模型，用于快速准确地进行纳米体结构建模	NanoNet能够直接从序列生成整个VH域的3D坐标，实现了高精度的纳米体结构建模	NA	开发一种高吞吐量的方法来进行纳米体的精确结构建模	纳米体（Nb）及其抗体VH域的结构	机器学习	NA	深度学习	深度学习模型	序列数据	NanoNet在纳米体测试集上实现了高精度，并在标准CPU计算机上能够在4小时内生成约100万个纳米体结构
298	2024-09-04	Accurate image-based identification of macroinvertebrate specimens using deep learning-How much training data is needed? 2022, PeerJ IF:2.3Q2 DOI:10.7717/peerj.13837 PMID:36032940	研究论文	研究使用深度学习工具进行基于图像的淡水大型无脊椎动物物种识别，探讨训练数据量对分类准确性的影响	展示了使用少量训练数据（15个样本）即可达到97%的分类准确率，显示出基于图像的方法和深度学习在样本研究中的巨大潜力	主要关注于淡水大型无脊椎动物，且针对形态相似物种的分类准确性仍有提升空间	探讨基于图像的分类方法在生物监测中的应用，特别是深度学习工具所需的训练数据量	淡水大型无脊椎动物的物种识别	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	60个样本，每种16个分类单元
299	2024-09-04	aEYE: A deep learning system for video nystagmus detection 2022, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2022.963968 PMID:36034311	研究论文	本文开发并验证了一个深度学习系统（aEYE），用于分类视频记录是否包含至少两个连续的眼球震颤节拍	深度学习模型在基于视频的眼球运动检测中的应用尚未得到广泛研究	模型在压缩视频上的准确性随着图像采样率的降低而下降	探索深度学习在视频记录中检测眼球震颤的有效性	视频记录中的眼球震颤检测	机器学习	NA	深度学习	ResNet-soft voting 和 VGG-hard voting	视频	435个视频片段
300	2024-09-04	Sampling and ranking spatial transcriptomics data embeddings to identify tissue architecture 2022, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2022.912813 PMID:36035139	研究论文	本文开发了一种名为MP-MIM的嵌入评估方法，结合基于消息传递的嵌入转换和空间自相关分析，用于选择有效的嵌入以推断组织结构	提出了MP-MIM方法，结合消息传递和空间自相关分析，以选择高质量的嵌入，提高深度学习工具在空间转录组分析中的可用性	NA	开发一种新的方法来选择适用于新测试数据的嵌入，并提高深度学习工具在空间转录组分析中的实用性	空间转录组数据嵌入的选择和组织结构的推断	生物信息学	NA	空间转录组学	图卷积网络	空间转录组数据	16个来自人类大脑的空间转录组样本