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
341	2024-09-01	On the performance evaluation of object classification models in low altitude aerial data 2022, The Journal of supercomputing IF:2.5Q2 DOI:10.1007/s11227-022-04469-5 PMID:35399758	研究论文	本文比较了机器学习分类器与深度学习手工模型及多种预训练深度网络在低空无人机数据上的分类性能	提出了使用随机森林分类器和手工深度模型在低空无人机图像上的高准确率，并分析了多种预训练深度学习模型的性能	NA	评估和比较不同模型在低空无人机数据上的物体分类性能	低空无人机数据中的物体分类	计算机视觉	NA	机器学习和深度学习	CNN	图像	NA
342	2024-09-01	A transfer learning based deep learning model to diagnose covid-19 CT scan images 2022, Health and technology IF:3.1Q2 DOI:10.1007/s12553-022-00677-4 PMID:35698586	研究论文	本文提出了一种基于迁移学习的深度学习模型，用于通过CT扫描图像诊断COVID-19	本文提出的深度学习方法减少了复杂性，耗时更少，并且提高了COVID-19诊断的准确性	NA	开发一种高效且准确的自动化方法，用于在疫情条件下快速诊断COVID-19	COVID-19患者的CT扫描图像	计算机视觉	COVID-19	深度学习	CNN	图像	使用了多种CT扫描图像进行分析
343	2024-09-01	Fully automated determination of the cervical vertebrae maturation stages using deep learning with directional filters 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0269198 PMID:35776715	研究论文	本文提出了一种使用带有方向滤波器的深度卷积神经网络（CNN）来自动检测和分类颈椎成熟阶段（CVM）的方法	创新的定制设计深度CNN模型，内置一组新颖的方向滤波器，用于突出X射线图像中颈椎的边缘	NA	应用深度学习实现颈椎成熟阶段的全自动检测和分类	颈椎成熟阶段（CVM）的分类	计算机视觉	NA	深度学习	CNN	图像	1018张头颅侧位X光片
344	2024-09-01	Application of Machine Learning Algorithms for Asthma Management with mHealth: A Clinical Review 2022, Journal of asthma and allergy IF:3.7Q1 DOI:10.2147/JAA.S285742 PMID:35791395	综述	本文综述了机器学习算法在哮喘管理中的应用，特别是在移动健康（mHealth）领域的应用	探讨了mHealth在哮喘管理中超越简单监测的潜力，并强调了个性化算法的重要性	大多数研究基于小规模数据集，且缺乏外部验证，限制了研究结果的普遍性	旨在填补机器学习在mHealth哮喘管理应用方面的研究空白	哮喘管理中的mHealth应用	机器学习	哮喘	机器学习算法	监督学习算法（如逻辑回归、决策树）和非监督学习算法	来自各种设备的数据（如智能手机、智能手表、峰值流量计等）	从90项研究中筛选出22项相关研究进行进一步审查
345	2024-09-01	An Intelligent System for Detecting Abnormal Behavior in Students Based on the Human Skeleton and Deep Learning 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3819409 PMID:35795751	研究论文	本研究利用智能视频系统，基于人体骨骼和深度学习技术，提出了一种检测学生异常行为的方法	通过迭代训练OpenPose深度学习网络提取人体骨骼的时空特征，并使用图卷积神经网络和滑动窗口投票方法提高行为分类的准确性和处理效率	NA	开发一种高效准确的异常行为检测系统	学生的异常行为	计算机视觉	NA	深度学习	图卷积神经网络	视频	使用自建的学生轨迹数据集和INRIA数据集进行模拟分析
346	2024-09-01	PD-ResNet for Classification of Parkinson's Disease From Gait 2022, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2022.3180933 PMID:35795875	研究论文	本文提出了一种基于残差网络架构的新模型PD-ResNet，用于从步态自动识别帕金森病和健康对照组	采用了多项式提升维度技术增加输入步态特征的维度，并开发了一种改进的焦点损失函数，专注于训练PD-ResNet处理困难样本并舍弃异常样本	NA	开发一种客观且高效的方法来自动识别帕金森病和健康对照组	帕金森病患者和健康对照组的步态差异	机器学习	帕金森病	残差网络（ResNet）	PD-ResNet	3维图片	临床步态数据集
347	2024-09-01	Intelligent Analysis of Exercise Health Big Data Based on Deep Convolutional Neural Network 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5020150 PMID:35800690	研究论文	本文使用深度卷积神经网络算法对运动健康大数据进行深入研究和分析，并设计了一个智能分析系统用于实际应用过程	本文首次将卷积神经网络应用于脑波数据的四分类，并通过优化模型提高了其准确性，同时建立了一个多模态数据特征融合的情绪疲劳检测演示平台	NA	研究如何利用深度学习技术对运动健康大数据进行智能分析	运动健康大数据	机器学习	NA	深度卷积神经网络	CNN	脑波数据	NA
348	2024-09-01	Analysis of Data Interaction Process Based on Data Mining and Neural Network Topology Visualization 2022, Computational intelligence and neuroscience DOI:10.1155/2022/1817628 PMID:35814595	研究论文	本文通过数据挖掘和神经网络模型构建与分析，设计了一种基于数据挖掘和拓扑可视化的数据交互过程模型	提出了一种在不稳定区域内可视化网络拓扑的方法，将网络拓扑布局问题转化为凸多边形内的圆形拓扑扩散问题，确保了清晰的逻辑拓扑连接并减少了区域间的间隙	NA	设计一个有效的数据交互过程模型，提高数据交互的实时性、准确性、安全性和可靠性	学生学术表现数据	机器学习	NA	多通道卷积神经网络（MCNN）	卷积神经网络（CNN）	文本	NA
349	2024-09-01	Intelligent Deep Learning Enabled Oral Squamous Cell Carcinoma Detection and Classification Using Biomedical Images 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7643967 PMID:35814555	研究论文	本文开发了一种智能深度学习驱动的口腔鳞状细胞癌检测与分类技术（IDL-OSCDC），利用生物医学图像进行口腔癌的识别和分类	提出了一种基于Gabor滤波的预处理步骤，使用NasNet模型生成高层次深度特征，并采用增强型蝗虫优化算法（EGOA）优化的深度信念网络（DBN）进行口腔癌检测和分类	NA	开发一种自动化的工具用于口腔癌的早期检测和分类	口腔鳞状细胞癌	计算机视觉	口腔癌	Gabor滤波（GF）	深度信念网络（DBN）	图像	使用了一个基准生物医学成像数据集进行实验
350	2024-09-01	Predicting 3D chromatin interactions from DNA sequence using Deep Learning 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.06.047 PMID:35832620	综述	本文综述了利用深度学习模型从DNA序列预测3D染色质相互作用的研究进展	深度学习模型结合全基因组3C测序数据已成为推断远端相互作用DNA序列语法的有力工具	目前深度学习模型的训练仅限于少数人类细胞系，其预测结果在其他组织类型和物种中的泛化能力有待验证	探讨DNA序列特征在介导远端染色质相互作用中的作用	3D染色质结构及其在基因调控中的作用	机器学习	NA	3C测序	深度学习模型	DNA序列	少数人类细胞系
351	2024-09-01	Molecular Modeling of ABHD5 Structure and Ligand Recognition 2022, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2022.935375 PMID:35836935	研究论文	本研究结合计算和实验方法构建了ABHD5的三维结构，并揭示了其与合成配体的结合机制	首次使用深度学习方法构建ABHD5模型，并通过模拟和实验数据验证了其结构	NA	探究ABHD5的分子结构及其配体识别机制	ABHD5蛋白及其与合成配体的相互作用	生物信息学	代谢疾病	分子动力学模拟	深度学习模型	蛋白质结构	一系列ABHD5突变体和合成配体
352	2024-09-01	Surface Defect Segmentation Algorithm of Steel Plate Based on Geometric Median Filter Pruning 2022, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2022.945248 PMID:35845429	研究论文	本文针对钢板表面缺陷分割问题，提出了一种基于几何中值滤波剪枝的深度学习模型压缩算法	提出了一种基于几何中值滤波的模型剪枝算法，用于结构化剪枝和压缩缺陷分割检测网络	NA	优化和简化钢板表面缺陷检测模型，使其适用于工厂嵌入式设备	钢板表面缺陷分割检测模型	机器学习	NA	几何中值滤波剪枝	深度学习模型	图像	NA
353	2024-09-01	Using deep learning-based natural language processing to identify reasons for statin nonuse in patients with atherosclerotic cardiovascular disease 2022, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-022-00157-w PMID:35856080	研究论文	本研究利用基于深度学习的自然语言处理技术，从非结构化的电子健康记录中识别出动脉粥样硬化心血管疾病患者未使用他汀类药物的原因	开发并验证了基于深度学习的自然语言处理方法（临床双向编码器表示变换器BERT），用于分类他汀类药物未使用及其原因	NA	识别大规模医疗系统中他汀类药物未使用的原因，以开发针对性的干预措施，提高他汀类药物的使用率	动脉粥样硬化心血管疾病患者的电子健康记录	自然语言处理	心血管疾病	自然语言处理（NLP）	双向编码器表示变换器（BERT）	文本	56,530名动脉粥样硬化心血管疾病患者
354	2024-09-01	Three-Dimensional Reconstruction of a CT Image under Deep Learning Algorithm to Evaluate the Application of Percutaneous Kyphoplasty in Osteoporotic Thoracolumbar Compression Fractures 2022, Contrast media & molecular imaging DOI:10.1155/2022/9107021 PMID:35919502	研究论文	本研究通过优化传统的V-Net网络并提出改进的V-Net，用于基于深度学习的三维CT图像重建，以评估经皮椎体成形术在治疗骨质疏松性胸腰椎压缩性骨折中的应用	本研究引入了改进的V-Net网络，其Dice系数明显高于U-Net、V-Net和CNN，Hausdorff距离则低于这些网络，显示出更好的分割和重建质量	NA	探讨基于深度学习的V-Net网络进行三维CT图像重建，评估经皮椎体成形术治疗骨质疏松性胸腰椎压缩性骨折的疗效	106名骨质疏松性胸腰椎压缩性骨折患者，分为经皮椎体成形术组和对照组	计算机视觉	骨质疏松症	CT扫描	V-Net网络	图像	106名患者，128个椎体
355	2024-08-31	Simultaneous prediction of antibody backbone and side-chain conformations with deep learning 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0258173 PMID:35704640	研究论文	本文介绍了一种名为DeepSCAb的深度学习方法，用于同时预测抗体骨架和侧链构象	DeepSCAb方法能够预测抗体变异片段的残基间几何结构以及侧链二面角，且仅需要序列作为输入，适用于无已知骨架构象的抗体	NA	提高抗体结构预测的准确性，特别是在侧链建模方面	抗体骨架和侧链构象	机器学习	NA	深度学习	自注意力层	序列	NA
356	2024-08-31	Deep learning empowered COVID-19 diagnosis using chest CT scan images for collaborative edge-cloud computing platform 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-021-11158-7 PMID:34220289	研究论文	本文开发了一种基于MobileNet V2架构的微调深度学习模型，用于在边缘云协同计算平台上进行COVID-19的胸部CT扫描图像诊断	提出的模型在准确性和诊断时间上优于现有的深度学习模型，且适用于资源受限环境	NA	提高COVID-19诊断的效率和可及性	COVID-19的胸部CT扫描图像	计算机视觉	COVID-19	深度学习	MobileNet V2	图像	2482张胸部CT扫描图像
357	2024-08-31	A Tensorized Multitask Deep Learning Network for Progression Prediction of Alzheimer's Disease 2022, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2022.810873 PMID:35601611	研究论文	本研究提出了一种基于模态融合、核化和张量化的深度神经网络，用于阿尔茨海默病（AD）的进展预测，同时进行多类分类和纵向回归	该研究通过统一的多任务框架，同时进行多类分类和纵向回归，利用多模态特征的互补性，提高了模型的整体效能	研究发现，优化预测结果的超参数集可能与优化多类分类的超参数集不同，存在一个临界点，超过该点进一步提高一个过程的结果可能导致另一个过程的准确性下降	旨在提高早期诊断的前景和预测未来疾病状态的能力	阿尔茨海默病（AD）的进展预测	机器学习	阿尔茨海默病	深度神经网络	CNN	多模态数据	未明确提及具体样本数量
358	2024-08-31	Potential drug discovery for COVID-19 treatment targeting Cathepsin L using a deep learning-based strategy 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.05.023 PMID:35602976	研究论文	本研究利用基于深度学习的策略，通过Chemprop模型识别能够抑制Cathepsin L活性的小分子和FDA批准的药物，以发现治疗COVID-19的新药物	首次应用Chemprop模型预测酶抑制剂，并发现daptomycin这一FDA批准的抗生素具有显著的Cathepsin L抑制作用	NA	发现和开发针对Cathepsin L的新型抑制剂，用于COVID-19的治疗	Cathepsin L、SARS-CoV-2病毒、FDA批准的药物	机器学习	COVID-19	深度学习	深度神经网络	分子数据	5种小分子和多种FDA批准的药物
359	2024-08-31	Application of Convolutional Neural Network-Based Detection Methods in Fresh Fruit Production: A Comprehensive Review 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.868745 PMID:35651761	综述	本文全面回顾了卷积神经网络（CNN）在新鲜水果生产中的应用	首次全面回顾了CNN在新鲜水果生产全过程中的应用	NA	探讨CNN在新鲜水果生产各环节中的应用及效果	新鲜水果生产的各个环节，包括花果检测、果实检测、采摘和分级	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	大量文章
360	2024-08-31	Design of Machine Learning Algorithm for Tourism Demand Prediction 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/6352381 PMID:35720035	研究论文	本文构建了一个基于机器学习的旅游需求预测模型，通过引入LSTM自动编码器的深度堆叠方法，提高了深度学习模型的性能，并进行了四年的旅游人数预测实验。	提出了基于LSTM的自动编码器深度堆叠方法，采用分层贪婪预训练方法替代深度网络中的随机权重初始化方法，结合预训练阶段和微调网络，形成SAE-LSTM预测模型。	NA	提高旅游需求预测的准确性，帮助政府做出关于基础设施发展和住宿地点规划的明智决策。	旅游需求预测	机器学习	NA	LSTM	SAE-LSTM	数据集	使用城市A的月度搜索引擎强度数据及其相关影响因素作为数据集，进行了四年的旅游人数预测。