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
461	2024-08-25	Ensemble Deep Learning and Internet of Things-Based Automated COVID-19 Diagnosis Framework 2022, Contrast media & molecular imaging DOI:10.1155/2022/7377502 PMID:35280708	研究论文	本文提出了一种基于集成深度学习和物联网（IoT）的自动化COVID-19诊断框架，通过集成三个预训练的深度学习模型和利用医疗IoT设备收集的CT扫描图像进行自动诊断	该框架通过集成多个深度学习模型和利用IoT技术，提高了COVID-19诊断的准确性和效率	NA	开发一种高效的自动化COVID-19诊断方法	COVID-19疑似病例的诊断	机器学习	COVID-19	深度学习	集成模型	图像	四类数据集
462	2024-08-25	Deep Learning Neural Network Prediction System Enhanced with Best Window Size in Sliding Window Algorithm for Predicting Domestic Power Consumption in a Residential Building 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7216959 PMID:35281200	研究论文	本文通过深度学习方法（LSTM和CNN）分析并预测单个住宅建筑的家用电力消耗，引入了“最佳N窗口大小”特征，以识别过去数据中的可靠时间段，从而优化预测模型。	提出了“最佳N窗口大小”特征，用于识别过去数据中的可靠时间段，以改进滑动窗口算法，提高预测模型的准确性。	NA	分析和预测住宅建筑的家用电力消耗，以提高能源利用效率。	单个住宅建筑的家用电力消耗。	机器学习	NA	深度学习	LSTM和CNN	时间序列数据	NA
463	2024-08-25	Deep learning for microscopic examination of protozoan parasites 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.02.005 PMID:35284048	review	本文综述了深度学习在原生动物寄生虫显微检查领域的进展	深度学习在生物医学图像分析中表现出卓越性能，特别是在寄生虫诊断方面	深度学习在原生动物寄生虫诊断中仍面临挑战和未来趋势	总结深度学习在原生动物寄生虫显微检查领域的进展及未来趋势	原生动物寄生虫的显微图像	computer vision	NA	deep learning	CNN	image	公开可用的原生动物寄生虫显微图像数据集
464	2024-08-24	Morphological components detection for super-depth-of-field bio-micrograph based on deep learning 2022-Jan-29, Microscopy (Oxford, England) DOI:10.1093/jmicro/dfab033 PMID:34417804	研究论文	本文提出了一种基于Retinanet模型的超景深生物显微图像中的细胞目标检测算法	与主流算法相比，该算法在平均精度均值（mAP）指标上有显著提升，实验中白带样本和粪便样本的mAP分别达到83.1%和88.1%	NA	提高超景深系统中显微图像细胞分类和定位的效率与准确性	超景深生物显微图像中的细胞	计算机视觉	NA	深度学习	Retinanet	图像	白带样本和粪便样本
465	2024-08-24	Sentiment Analysis in Social Media Data for Depression Detection Using Artificial Intelligence: A Review 2022, SN computer science DOI:10.1007/s42979-021-00958-1 PMID:34816124	综述	本文综述了利用人工智能技术对社交媒体数据进行情感分析以检测抑郁情绪的研究	采用多类分类与深度学习算法提高了情感分析的精确度	NA	探讨如何利用社交媒体数据进行情感分析以检测抑郁情绪	社交媒体中的文本、表情符号和表情等数据	自然语言处理	NA	机器学习和深度学习技术	深度学习算法	文本	NA
466	2024-08-23	Accuracy of Deep Learning Echocardiographic View Classification in Patients with Congenital or Structural Heart Disease: Importance of Specific Datasets 2022-Jan-28, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm11030690 PMID:35160148	研究论文	本研究验证了在先天性或结构性心脏病患者中使用卷积神经网络进行超声心动图视图分类的准确性，并训练了一个专门针对此类患者的新的卷积神经网络。	本研究首次验证了神经网络在先天性或结构性心脏病患者中的视图分类，并展示了专门训练的模型在此特定群体中显著提高的准确性。	研究仅限于先天性或结构性心脏病患者，可能不适用于其他心脏疾病患者。	验证和提高神经网络在先天性或结构性心脏病患者中超声心动图视图分类的准确性。	先天性或结构性心脏病患者及正常对照组的超声心动图图像。	机器学习	先天性心脏病	卷积神经网络	CNN	图像	9793个图像文件来自262名先天性或结构性心脏病患者和62名正常对照组
467	2024-08-23	Ultrafast end-to-end protein structure prediction enables high-throughput exploration of uncharacterized proteins 2022-01-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2113348119 PMID:35074909	研究论文	本文介绍了一种基于深度学习的高速蛋白质结构预测方法，该方法通过简化预处理步骤并直接从深度神经网络输出主链坐标，实现了对未表征蛋白质的高通量探索。	该方法通过使用三个循环网络和一系列残差卷积层，显著减少了目标多序列比对（MSA）的预处理需求，同时提高了预测速度和准确性。	NA	开发一种高效的蛋白质结构预测方法，以实现对大量未表征蛋白质区域的三维建模。	未表征的蛋白质区域和Pfam家族中的蛋白质。	机器学习	NA	深度学习	深度神经网络	序列数据	超过130万个未表征的蛋白质区域和5000多个Pfam家族的蛋白质。
468	2024-08-23	FaceMask: A New Image Dataset for the Automated Identification of People Wearing Masks in the Wild 2022-Jan-24, Sensors (Basel, Switzerland) DOI:10.3390/s22030896 PMID:35161642	研究论文	本文介绍了一个新的公开可用注释图像数据库FaceMask，用于自动识别佩戴口罩的人群	提出了一个包含佩戴和不佩戴口罩人群图像的公开数据库，并测试了深度学习检测器在该数据集上的性能	NA	旨在克服现有数据集不足的问题，促进口罩佩戴识别领域的研究进展	研究对象为佩戴和不佩戴口罩的人群图像	计算机视觉	NA	图像处理技术与深度学习	YOLO网络	图像与视频	包含不同环境和情境下佩戴和不佩戴口罩的人群图像
469	2024-08-23	Deep-4mCGP: A Deep Learning Approach to Predict 4mC Sites in Geobacter pickeringii by Using Correlation-Based Feature Selection Technique 2022-Jan-23, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23031251 PMID:35163174	research paper	本文提出了一种深度学习方法Deep-4mCGP，用于预测Geobacter pickeringii中的4mC位点，使用基于相关性的特征选择技术	该研究通过融合二进制和-mer组成的特征描述符，并采用相关性和梯度提升决策树（GBDT）的增量特征选择（IFS）方法优化特征，提高了预测4mC位点的准确性	NA	建立一个稳健的深度学习模型，用于识别Geobacter pickeringii中的4mC位点	Geobacter pickeringii中的4mC位点	machine learning	NA	correlation-based feature selection technique	1D convolutional neural network (CNN)	DNA sequence	NA
470	2024-08-23	ABCanDroid: A Cloud Integrated Android App for Noninvasive Early Breast Cancer Detection Using Transfer Learning 2022-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s22030832 PMID:35161576	研究论文	本文提出了一种基于云集成的Android应用ABCanDroid，利用迁移学习进行非侵入式早期乳腺癌检测	本文采用卷积神经网络（CNN）结合迁移学习的方法，提高了乳腺癌早期检测的效率和准确性	NA	提高乳腺癌早期检测的效率和准确性	乳腺癌检测	机器学习	乳腺癌	迁移学习	CNN	图像	使用ImageNet数据集
471	2024-08-23	An Intelligent System for Early Recognition of Alzheimer's Disease Using Neuroimaging 2022-Jan-19, Sensors (Basel, Switzerland) DOI:10.3390/s22030740 PMID:35161486	研究论文	本文提出了一种使用神经影像学和深度学习技术早期识别阿尔茨海默病（AD）的智能系统	通过使用随机串联的深度特征从两个预训练模型中学习脑功能网络的深度特征，解决了现有算法无法识别MCI患者脑功能网络中功能连接变化的问题	NA	旨在早期检测轻度认知障碍（MCI），以防止AD的进一步发展	阿尔茨海默病（AD）和轻度认知障碍（MCI）	机器学习	阿尔茨海默病	磁共振成像（MRI）	ResNet18 和 DenseNet201	图像	未具体说明样本数量
472	2024-08-23	Development of artificial intelligence technology in diagnosis, treatment, and prognosis of colorectal cancer 2022-Jan-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v14.i1.124 PMID:35116107	综述	本文综述了人工智能技术在结直肠癌诊断、治疗和预后中的应用	探讨了人工智能技术在结直肠癌领域的应用前景	目前人工智能技术主要用于图像识别和辅助分析，缺乏与患者的深入交流	研究人工智能技术在结直肠癌管理中的应用	结直肠癌的诊断、治疗和预后	机器学习	结直肠癌	NA	NA	图像	NA
473	2024-08-23	Fusion-Based Deep Learning with Nature-Inspired Algorithm for Intracerebral Haemorrhage Diagnosis 2022, Journal of healthcare engineering DOI:10.1155/2022/4409336 PMID:35087649	研究论文	本文提出了一种基于融合的深度学习与自然启发算法的自动化脑内出血诊断方法	采用融合基于胶囊网络和EfficientNet的特征提取模型，并利用鹿狩猎优化算法进行超参数优化	NA	提高脑内出血诊断的效率和准确性	脑内出血的自动化诊断	机器学习	脑血管疾病	深度学习	CapsNet, DenseNet	图像	使用基准脑内出血数据集进行模拟
474	2024-08-23	Robust and generalizable embryo selection based on artificial intelligence and time-lapse image sequences 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0262661 PMID:35108306	研究论文	本文研究了一种基于深度学习的胚胎选择模型，该模型使用时间序列图像来评估和选择体外受精中最有活力的胚胎	该模型能够跨不同患者年龄和临床条件进行泛化，并在独立测试集中表现出高准确性	模型在新的诊所中的泛化性能仍有待进一步验证	探索基于人工智能的胚胎选择模型在不同临床条件下的性能和泛化能力	胚胎选择模型在不同患者年龄、受精方法、孵化时间和移植协议下的表现	机器学习	NA	深度学习	深度学习模型	图像	115,832个胚胎，其中14,644个为已知植入数据的胚胎
475	2024-08-23	BioPhi: A platform for antibody design, humanization, and humanness evaluation based on natural antibody repertoires and deep learning 2022 Jan-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2021.2020203 PMID:35133949	研究论文	本文介绍了BioPhi平台，该平台利用深度学习和自然抗体库进行抗体设计、人源化和人源性评估	BioPhi平台引入了新的方法Sapiens和OASis，分别用于抗体人源化和人源性评估，这些方法在规模和效果上与人类专家相当，并提供了更高的多样性、粒度和可解释性	NA	开发一个自动化平台，用于抗体设计、人源化和人源性评估，以加速治疗性抗体的发现	抗体设计、人源化和人源性评估	机器学习	NA	深度学习	语言模型	序列数据	177个抗体用于人源化基准测试
476	2024-08-23	Application of Artificial Intelligence Nuclear Medicine Automated Images Based on Deep Learning in Tumor Diagnosis 2022, Journal of healthcare engineering DOI:10.1155/2022/7247549 PMID:35140903	研究论文	本文研究了基于深度学习的人工智能核医学自动图像在肿瘤诊断中的应用，特别是通过改进分割算法的准确性来提高肿瘤图像的分割效果	提出了一种基于边界约束的主动轮廓模型和超像素边界感知卷积网络，以实现自动CT切割算法，从而更准确地分割肿瘤图像	文章未提及具体的局限性	研究基于深度学习的人工智能核医学自动图像在肿瘤诊断中的应用	研究如何从边界识别和形状可变适应能力的角度提高分割算法的准确性	计算机视觉	肿瘤	深度学习	CNN	图像	未具体说明样本数量
477	2024-08-23	Deep Learning-Based Analytic Models Based on Flow-Volume Curves for Identifying Ventilatory Patterns 2022, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2022.824000 PMID:35153838	研究论文	本研究旨在探讨基于流量-容积曲线深度学习分析模型在识别呼吸模式中的准确性，并将其性能与肺功能实验室的医生进行比较	使用深度学习模型VGG13基于流量-容积曲线高精度识别呼吸模式，无需其他参数	NA	探索基于流量-容积曲线的深度学习模型在识别呼吸模式中的准确性	呼吸模式的识别	机器学习	NA	深度学习	VGG13	流量-容积曲线	18,909名受试者
478	2024-08-23	Deep learning for epileptogenic zone delineation from the invasive EEG: challenges and lookouts 2022, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcab307 PMID:35169704	评论	本文是对Zhang等人的研究'利用深度学习精炼致痫性高频振荡：一种逆向工程方法'的科学评论	NA	NA	评论深度学习在从侵入性EEG中描绘致痫区方面的应用	深度学习在致痫区描绘中的挑战和展望	机器学习	癫痫	深度学习	NA	侵入性EEG	NA
479	2024-08-23	A Torn ACL Mapping in Knee MRI Images Using Deep Convolution Neural Network with Inception-v3 2022, Journal of healthcare engineering DOI:10.1155/2022/7872500 PMID:35178233	研究论文	本文利用基于Inception-v3的深度卷积神经网络（DCNN）模型，对膝关节MRI图像中的前交叉韧带（ACL）撕裂进行检测	提出了基于Inception-v3的深度迁移学习（DTL）模型，用于分类ACL撕裂的MRI图像，并与现有的深度学习模型进行比较	NA	旨在从MRI膝关节图像中检测ACL撕裂，以帮助确定膝关节异常	膝关节MRI图像中的前交叉韧带撕裂	计算机视觉	运动损伤	深度迁移学习（DTL）	Inception-v3	图像	共使用1,370张膝关节MRI图像进行评估，其中70%（959张图像）用于训练和测试，30%（411张图像）用于模型性能分析
480	2024-08-22	A general optimization protocol for molecular property prediction using a deep learning network 2022-01-17, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab367 PMID:34498673	研究论文	本文探讨了使用深度学习网络预测分子性质时，如何通过结合多种优化方法来提高模型性能	本文采用了三种高性能优化方法：动态批次大小策略、贝叶斯优化选择超参数以及通过前馈神经网络学习化学特征，并将这些方法结合起来形成一个通用的优化流程	NA	开发一个通用的优化协议，用于通过深度学习网络预测分子性质	分子性质预测模型	机器学习	NA	深度学习网络	CNN	分子性质数据	七种不同的分子性质