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
141	2024-09-11	Outcome and Biomarker Supervised Deep Learning for Survival Prediction in Two Multicenter Breast Cancer Series 2022, Journal of pathology informatics DOI:10.4103/jpi.jpi_29_21 PMID:35136676	研究论文	本文开发并评估了一种结合深度学习和专家知识的联合结果和生物标志物监督的多任务深度学习模型，用于预测芬兰两个多中心乳腺癌系列中的患者生存率	本文的创新点在于结合深度学习和专家知识，提供更准确、稳健和综合的乳腺癌结果预测	NA	预测乳腺癌患者的临床结果，指导疾病诊断、治疗和患者咨询	芬兰两个多中心乳腺癌系列中的693名和674名患者	数字病理学	乳腺癌	深度学习	卷积神经网络 (CNN)	图像	693名患者（FinProg系列）和674名患者（FinHer系列）
142	2024-09-11	Deep learning based topic and sentiment analysis: COVID19 information seeking on social media 2022, Social network analysis and mining IF:2.3Q3 DOI:10.1007/s13278-022-00917-5 PMID:35911483	研究论文	本研究分析了澳大利亚与COVID19相关的时空推特数据集，通过主题建模和情感检测等方法，探讨了疫情爆发期间公众讨论的变化	利用深度学习技术进行主题和情感分析，结合时空数据，提供了对疫情和公众情绪的深入理解	研究仅限于澳大利亚的推特数据，可能无法全面反映全球情况	通过分析社交媒体数据，了解COVID19疫情期间公众的信息需求和情感变化	澳大利亚与COVID19相关的推特数据	自然语言处理	NA	深度学习	NA	文本	澳大利亚的时空推特数据集
143	2024-09-11	Applications of machine learning for COVID-19 misinformation: a systematic review 2022, Social network analysis and mining IF:2.3Q3 DOI:10.1007/s13278-022-00921-9 PMID:35919516	综述	本文系统回顾了使用机器学习和深度学习技术检测COVID-19虚假信息的研究	本文系统性地评估和综合了现有的使用不同机器学习和深度学习技术检测COVID-19虚假信息的研究	本文讨论了使用机器学习技术检测COVID-19虚假信息面临的挑战和局限性	系统回顾、评估和综合使用机器学习和深度学习技术检测COVID-19虚假信息的研究	COVID-19虚假信息检测	机器学习	NA	机器学习 (ML) 和深度学习 (DL)	NA	文本	43篇符合纳入标准的研究论文
144	2024-09-11	Evolution of research trends in artificial intelligence for breast cancer diagnosis and prognosis over the past two decades: A bibliometric analysis 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.854927 PMID:36267967	综述	本文通过文献计量分析，综述了过去二十年人工智能在乳腺癌诊断和预后研究中的发展趋势	本文首次通过文献计量分析方法，全面概述了人工智能在乳腺癌诊断和预后研究中的发展历程	本文主要依赖于文献计量分析，可能忽略了某些未被广泛引用的创新研究	旨在通过文献计量分析，全面了解人工智能在乳腺癌诊断和预后研究中的发展趋势	人工智能在乳腺癌诊断和预后研究中的应用	机器学习	乳腺癌	文献计量分析	NA	文本	2000年至2021年间发表的相关研究文章
145	2024-09-11	A Frobenius Norm Regularization Method for Convolutional Kernel Tensors in Neural Networks 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3277730 PMID:36579174	研究论文	本文提出了一种新的Frobenius范数正则化方法，用于卷积核张量，以使相应变换矩阵的奇异值在训练过程中保持在1附近	提出了一种新的Frobenius范数惩罚函数，用于卷积核张量，以解决梯度爆炸/消失问题并提高神经网络的泛化能力	NA	研究如何通过正则化方法提高卷积神经网络的性能	卷积神经网络中的卷积核张量	机器学习	NA	NA	卷积神经网络 (CNN)	NA	NA
146	2024-09-11	Editorial: The use of deep learning in mapping and diagnosis of cancers 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.1077341 PMID:36582789	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
147	2024-09-11	A novel deep learning segmentation model for organoid-based drug screening 2022, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2022.1080273 PMID:36588731	研究论文	本文提出了一种基于深度学习的器官芯片分割模型，用于提高基于器官芯片的药物筛选效率和准确性	开发了一种新的深度学习模型RDAU-Net，集成了动态卷积和注意力模块，显著提高了特征提取能力和抗干扰能力	NA	提高基于器官芯片的药物筛选效率和准确性	膀胱癌器官芯片系统	计算机视觉	膀胱癌	深度学习	RDAU-Net	图像	200张膀胱癌器官芯片图像，分别在第1、3、5、7天拍摄，有无药物处理
148	2024-09-11	Deep learning and session-specific rapid recalibration for dynamic hand gesture recognition from EMG 2022, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2022.1034672 PMID:36588953	研究论文	本文介绍了使用深度学习和会话特定快速重新校准技术进行动态手势识别的方法	提出了MiSDIREKt数据集和一种非线性编码器-解码器架构，用于手势分类中的降维，并展示了会话特定重新校准的有效性	研究仅基于单个参与者的数据，可能缺乏普适性	解决日常佩戴的腕部和前臂肌电图接口设备在会话特定差异下的适应问题	动态手势识别	机器学习	NA	肌电图（EMG）	非线性编码器-解码器	数据集	单个参与者，43个会话，总计814分钟
149	2024-09-11	Lower hypothalamus subunit volumes link with impaired long-term body weight gain after preterm birth 2022, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2022.1057566 PMID:36589836	研究论文	本文研究了早产儿出生后下丘脑亚单位体积与长期体重增长受损之间的关系	首次探讨了早产儿下丘脑结构变化与成年后体重控制异常之间的关联	样本量相对较小，且仅限于巴伐利亚纵向研究中的个体	探讨早产儿下丘脑结构变化与长期体重增长之间的关系	早产儿和足月出生的成年人的下丘脑亚单位体积及体重增长情况	NA	NA	磁共振成像（MRI），深度学习	NA	图像	101名早产儿和110名足月出生的成年人
150	2024-09-11	A Deep Intelligent Attack Detection Framework for Fog-Based IoT Systems 2022, Computational intelligence and neuroscience DOI:10.1155/2022/6967938 PMID:36590844	研究论文	提出了一种基于雾计算的物联网系统深度智能攻击检测框架	使用长短期记忆网络（LSTM）在雾节点上预测和检测多种攻击	由于物联网设备的计算和存储空间有限，深度学习无法直接在这些设备上运行	开发一种在雾计算环境中检测物联网系统攻击的有效方法	物联网设备与雾节点之间的通信行为	机器学习	NA	长短期记忆网络（LSTM）	LSTM	数据集	使用了DDoS-SDN、NSLKDD、UNSW-NB15和IoTID20数据集进行实验
151	2024-09-11	Design of field real-time target spraying system based on improved YOLOv5 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.1072631 PMID:36600914	研究论文	本文设计了一种基于改进YOLOv5的田间实时目标喷洒系统	通过替换YOLOv5s模型的主干网络并添加注意力机制，实现了模型的轻量化改进，并设计了电磁阀组开关的网格决策控制算法	随着操作速度的增加，喷洒命中率下降，有效识别率受速度影响较大	结合深度学习算法与喷洒技术，设计一种适用于田间场景的机器视觉精准实时目标喷洒系统	以常见恶性杂草为对象，生成数据集并完成模型训练	计算机视觉	NA	YOLOv5	YOLOv5s	图像	以常见恶性杂草为对象，生成数据集并完成模型训练
152	2024-09-11	Wheat yield estimation using remote sensing data based on machine learning approaches 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.1090970 PMID:36618627	研究论文	研究利用遥感数据和机器学习方法预测小麦产量	本研究首次将LSTM模型应用于小麦产量预测，并发现其在精度上优于传统的随机森林、梯度提升决策树和支持向量回归方法	研究仅限于冬季小麦，且依赖于特定的遥感数据源	提高小麦产量预测的准确性，为农民的生产计划和国际小麦贸易提供支持	冬季小麦的产量预测	机器学习	NA	遥感数据分析	LSTM	遥感图像	15709个网格化产量数据，分辨率为5m × 5m
153	2024-09-10	Viral outbreaks detection and surveillance using wastewater-based epidemiology, viral air sampling, and machine learning techniques: A comprehensive review and outlook 2022-Jan-10, The Science of the total environment DOI:10.1016/j.scitotenv.2021.149834 PMID:34525746	综述	本文综述了利用污水流行病学、病毒空气采样和机器学习技术进行病毒暴发检测和监测的方法，并展望了未来的研究方向	提出了一个基于机器学习和深度学习算法的集成框架，用于病毒暴发的早期检测和风险预测	尚未有研究报告结合污水流行病学和人工智能技术进行病毒暴发检测	探讨环境中的SARS-CoV-2传播途径，并提供利用污水流行病学、病毒空气采样和人工智能技术进行病毒暴发监测的最新进展	SARS-CoV-2的传播途径和病毒暴发的监测方法	机器学习	NA	机器学习、深度学习	集成算法	文本	NA
154	2024-09-10	A deep learning based approach for automatic detection of COVID-19 cases using chest X-ray images 2022-Jan, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.103182 PMID:34580596	研究论文	本文提出了一种基于深度学习的COVID-19自动检测方法，使用胸部X光图像进行诊断	本文提出了一种新的三步法，结合条件生成对抗网络（C-GAN）、关键点提取方法和深度神经网络（DNN）进行特征提取和分类	NA	开发一种高效的COVID-19自动检测方法，以减少病毒传播率	COVID-19和肺炎的胸部X光图像	计算机视觉	COVID-19	深度学习	深度神经网络（DNN）	图像	NA
155	2024-09-10	Feature extraction with capsule network for the COVID-19 disease prediction though X-ray images 2022, Materials today. Proceedings DOI:10.1016/j.matpr.2021.11.512 PMID:34900608	研究论文	本文利用胶囊网络进行特征提取，通过X射线图像预测COVID-19疾病	本文提出了一种名为XR-CAPS的模型，结合了U-Net模型和胶囊网络，用于COVID-19的X射线图像预测，并在准确性、敏感性和特异性上优于现有的ResNet50、DenseNet121和DenseCapsNet模型	NA	通过X射线图像预测COVID-19疾病	COVID-19的X射线图像	计算机视觉	COVID-19	深度学习	胶囊网络	图像	NA
156	2024-09-10	Fake or real news about COVID-19? Pretrained transformer model to detect potential misleading news 2022, The European physical journal. Special topics DOI:10.1140/epjs/s11734-022-00436-6 PMID:35039760	研究论文	本文研究了如何使用预训练的Transformer模型来检测COVID-19相关新闻的真伪	提出了一个基于CT-BERT和RoBERTa的集成深度学习架构，通过乘法融合技术提高了检测准确率	未提及具体限制	教育社会准确信息的重要性，并防止虚假信息的传播	COVID-19相关的虚假新闻数据	自然语言处理	NA	深度学习	Transformer模型（CT-BERT和RoBERTa）	文本	来自Twitter、Facebook和Instagram的COVID-19虚假新闻数据
157	2024-09-10	COVID-19 disease diagnosis with light-weight CNN using modified MFCC and enhanced GFCC from human respiratory sounds 2022, The European physical journal. Special topics DOI:10.1140/epjs/s11734-022-00432-w PMID:35096278	研究论文	本文提出了一种使用改进的MFCC和增强的GFCC从人类呼吸声音中诊断COVID-19疾病的轻量级CNN模型	本文的创新点在于使用改进的MFCC和增强的GFCC特征提取方法，并结合轻量级CNN模型，显著提高了COVID-19和其他呼吸系统疾病的分类准确率	本文的局限性在于仅使用了呼吸声音数据进行模型训练和测试，未涉及其他类型的数据	本文的研究目的是开发一种高效的AI技术，用于从人类呼吸声音中检测COVID-19和其他呼吸系统疾病的症状	本文的研究对象是COVID-19、哮喘、百日咳和支气管炎等呼吸系统疾病的症状	机器学习	呼吸系统疾病	卷积神经网络（CNN）	CNN	声音	使用了COVID-19众包基准数据集进行模型训练和测试
158	2024-09-10	Deep learning based model for classification of COVID -19 images for healthcare research progress 2022, Materials today. Proceedings DOI:10.1016/j.matpr.2022.04.884 PMID:35602305	研究论文	本文通过分析COVID-19相关期刊论文、报告和开源数据集网站，整理和分析了新冠状肺炎数据集及其涉及的深度学习模型，包括CT图像数据集和X射线图像数据集	本文整理和分析了COVID-19相关的开源数据集和表现良好的分类与分割模型	本文主要集中在数据集的整理和模型分析，未详细讨论模型的具体实现和性能优化	通过分析COVID-19相关的医学图像数据集和深度学习模型，探讨肺部影像技术的发展趋势	COVID-19相关的CT图像数据集和X射线图像数据集	计算机视觉	COVID-19	深度学习	分类与分割模型	图像	NA
159	2024-09-10	Non-intrusive deep learning-based computational speech metrics with high-accuracy across a wide range of acoustic scenes 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0278170 PMID:36441711	研究论文	本文提出了一种基于深度学习的非侵入式计算语音质量评估方法	该方法无需干净的语音参考样本，且在56个基准场景中的51个场景中表现优于或与现有最先进的方法相当	NA	开发一种高效且准确的语音质量评估方法	语音质量、噪声和整体质量的评估	机器学习	NA	深度学习	ResNet-26 和全连接网络	音频	超过100万个人类声音评级
160	2024-09-10	Network Public Opinion Risk Prediction and Judgment Based on Deep Learning: A Model of Text Sentiment Analysis 2022, Computational intelligence and neuroscience DOI:10.1155/2022/1221745 PMID:36444309	研究论文	本文基于深度学习方法实现网络舆情监测和情感分析，提出了一种结合BERT、CNN和BiLSTM的情感分类模型BCBL及其改进模型BCBL-Att	提出了一种新的情感分类模型BCBL，并引入了注意力机制改进为BCBL-Att，提高了文本情感分类任务的效果	未提及具体实验数据集和样本量，且未讨论模型在实际应用中的表现	研究网络舆情监测和情感分析，以满足人们对思想变化和情感趋势的研究需求	网络舆情和文本情感	自然语言处理	NA	深度学习	BERT、CNN、BiLSTM	文本	NA