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	2024-09-29	Individual Tree Crown Segmentation and Crown Width Extraction From a Heightmap Derived From Aerial Laser Scanning Data Using a Deep Learning Framework 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.914974 PMID:35774816	研究论文	本文提出了一种基于深度学习框架的单木树冠分割和树冠宽度提取方法，使用从机载激光雷达数据生成的高度图	本文创新性地结合了YOLO-v4深度学习网络和计算机图形学算法，克服了现有方法在处理航空照片时遇到的异质光照和交错枝叶干扰的问题	NA	研究目的是从激光雷达数据中高效准确地提取单木树冠信息，以支持森林资源评估和智能管理	研究对象包括树苗园、森林景观和混合树种植园三种森林类型	计算机视觉	NA	激光雷达	YOLO-v4	高度图	三个森林样地，包括树苗园、森林景观和混合树种植园
202	2024-09-29	A Survey on Human Cancer Categorization Based on Deep Learning 2022, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2022.884749 PMID:35832207	综述	本文综述了基于深度学习的人类癌症分类方法	介绍了深度学习在医学图像分析中的应用，特别是卷积神经网络（CNN）在癌症诊断中的应用	未提及具体的研究限制	评估深度学习在医学图像分析中的主要概念，并综述该领域的进展	深度学习技术在医学图像中的应用，特别是癌症分类	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	NA
203	2024-09-29	Face Mask-Wearing Detection Model Based on Loss Function and Attention Mechanism 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2452291 PMID:35865498	研究论文	本文提出了一种基于损失函数和注意力机制的神经网络模型，用于复杂环境下的口罩佩戴检测	引入了注意力机制和不同的边界框损失函数，提高了口罩佩戴检测的准确性和定位精度	NA	提高口罩佩戴检测的准确性，以应对复杂环境中的遮挡、光照和密度问题	口罩佩戴检测	计算机视觉	NA	YOLOv5s	神经网络模型	图像	7958张口罩佩戴图像和大量未佩戴口罩的图像
204	2024-09-29	A generalized deep learning network for fractional anisotropy reconstruction: Application to epilepsy and multiple sclerosis 2022, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2022.891234 PMID:35991288	研究论文	本文提出了一种基于U-net架构的广义深度学习网络，用于从1分钟内获取的10个扩散加权（DW）图像中重建分数各向异性（FA）图，并应用于癫痫和多发性硬化症的研究	本文的创新点在于提出了一种广义的深度学习网络，能够在不同扫描仪和DW成像协议下无需重新训练即可应用，并且能够从10个DW图像中重建高质量的FA图，保留了病理敏感性	NA	开发一种能够在临床上快速获取高质量FA图的方法，并评估其在癫痫和多发性硬化症中的应用	分数各向异性（FA）图在癫痫和多发性硬化症中的应用	机器学习	神经疾病	深度学习	U-net	图像	使用人类连接组项目（HCP）数据进行训练，并在两个不同的临床数据集（癫痫和多发性硬化症）上进行验证
205	2024-09-29	On modeling and utilizing chemical compound information with deep learning technologies: A task-oriented approach 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.07.049 PMID:36051875	综述	本文综述了如何利用深度学习技术在任务导向的方式下建模和利用化学化合物信息	本文介绍了四种尚未完全融入化学信息计算分析的新兴技术	本文未详细讨论这些新兴技术的具体应用和局限性	探讨如何利用深度学习技术在药物发现任务中导航化学空间	化学化合物数据库中的化合物信息及其注释属性和测定数据	机器学习	NA	深度学习	NA	化学化合物信息	NA
206	2024-09-29	Deep learning framework for prediction of infection severity of COVID-19 2022, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2022.940960 PMID:36059818	研究论文	开发了一种深度学习框架，用于预测COVID-19感染的严重程度	利用胸部CT扫描数据，通过肺叶和感染区域的分割，计算感染严重程度百分比，并使用k-NN模型进行分类	仅使用了232个胸部CT扫描数据进行训练，样本量相对较小	量化COVID-19确诊患者的病情严重程度	COVID-19患者的胸部CT扫描图像	计算机视觉	COVID-19	深度学习	CNN	图像	232个胸部CT扫描图像，加上两个公共数据集的59个扫描图像，以及两个外部测试集的21个扫描图像
207	2024-09-29	A workflow for segmenting soil and plant X-ray computed tomography images with deep learning in Google's Colaboratory 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.893140 PMID:36176692	研究论文	本文介绍了一种在Google的Colaboratory中使用深度学习分割土壤和植物X射线计算机断层扫描图像的工作流程	开发了一种模块化工作流程，利用Google的Colaboratory中的低成本资源，将卷积神经网络应用于X射线μCT图像分割	文章中提到的挑战包括计算机科学家与农业研究者之间的知识鸿沟，以及训练和应用深度学习模型所需的计算资源	加速植物和土壤科学中新兴深度学习技术的采用和使用	土壤和植物的X射线μCT图像	计算机视觉	NA	卷积神经网络	CNN	图像	核桃叶、杏仁花蕾和土壤团聚体的示例扫描
208	2024-09-29	Protein-protein interaction prediction with deep learning: A comprehensive review 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.08.070 PMID:36212542	综述	本文综述了深度学习在蛋白质相互作用预测中的应用	本文介绍了深度学习方法在预测蛋白质功能、蛋白质相互作用及其位点、蛋白质-配体结合以及蛋白质设计中的最新进展	NA	探讨深度学习在蛋白质相互作用预测中的应用	蛋白质相互作用及其位点、蛋白质-配体结合、蛋白质设计	生物信息学	NA	深度学习	NA	NA	NA
209	2024-09-29	Deep learning techniques for detecting and recognizing face masks: A survey 2022, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2022.955332 PMID:36225777	综述	本文综述了用于检测和识别佩戴口罩的深度学习技术	本文综述了用于检测和识别佩戴口罩的深度学习技术，并讨论了这些技术的有效性	主要问题是人们经常不正确地佩戴口罩，导致模型难以准确检测	研究目的是综述用于检测和识别佩戴口罩的深度学习技术	研究对象是口罩人脸识别（MFR）和遮挡人脸识别（OFR）的深度学习技术	计算机视觉	NA	深度学习	NA	图像	NA
210	2024-09-29	Automatic autism spectrum disorder detection using artificial intelligence methods with MRI neuroimaging: A review 2022, Frontiers in molecular neuroscience IF:3.5Q2 DOI:10.3389/fnmol.2022.999605 PMID:36267703	综述	本文综述了使用人工智能方法和MRI神经影像进行自闭症谱系障碍自动检测的研究进展	本文总结了使用深度学习技术开发自闭症谱系障碍自动诊断模型的有限工作，并提供了未来研究方向的建议	目前使用深度学习技术开发自闭症谱系障碍自动诊断模型的研究非常有限	综述使用人工智能方法和MRI神经影像进行自闭症谱系障碍自动检测的研究进展	自闭症谱系障碍的自动检测方法	机器学习	自闭症	MRI	NA	图像	NA
211	2024-09-29	Crop genomic selection with deep learning and environmental data: A survey 2022, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2022.1040295 PMID:36703955	综述	本文综述了将深度学习与环境数据结合用于作物基因组选择的最新技术	本文探讨了在多环境条件下使用深度学习模型预测作物表型的创新方法，特别是结合了温度、土壤条件和降水等异质数据源的模型	NA	探讨在多环境条件下使用深度学习模型预测作物表型的方法	作物基因组选择模型	机器学习	NA	深度学习	深度学习模型	基因组数据、环境数据	NA
212	2024-09-28	Could artificial intelligence revolutionize the development of nanovectors for gene therapy and mRNA vaccines? 2022-Dec, Nano today IF:13.2Q1 DOI:10.1016/j.nantod.2022.101665 PMID:37034382	综述	本文综述了人工智能在基因治疗和mRNA疫苗纳米载体开发中的潜在应用	探讨了人工智能在设计靶向基因递送载体和改进CRISPR/Cas系统中的创新应用	NA	探讨人工智能如何革新基因治疗和mRNA疫苗纳米载体的发展	基因治疗和mRNA疫苗的纳米载体	机器学习	NA	人工智能	神经网络	NA	NA
213	2024-09-28	COVID-19 chest X-ray detection through blending ensemble of CNN snapshots 2022-Sep, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2022.104000 PMID:35855489	研究论文	本文提出了一种基于卷积神经网络（CNN）快照融合的集成方法，用于从胸部X光片（CXR）中检测COVID-19，以辅助计算机辅助检测（CADe）	本文的创新点在于利用DenseNet-201架构生成多个快照，并通过随机森林（RF）元学习器进行决策级融合，提高了COVID-19检测的准确性	本文的局限性在于仅使用了两个公开的COVID-19 CXR数据集进行实验，未来可能需要更多数据集来验证模型的泛化能力	本文的研究目的是提高COVID-19检测的准确性，以辅助医疗从业者的诊断	本文的研究对象是COVID-19病毒的胸部X光片（CXR）图像	计算机视觉	COVID-19	卷积神经网络（CNN）	DenseNet-201	图像	两个公开的COVID-19 CXR数据集，包括一个大型数据集（COVID-X）和一个较小的数据集
214	2024-09-28	Methodology-Centered Review of Molecular Modeling, Simulation, and Prediction of SARS-CoV-2 2022-07-13, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.1c00965 PMID:35594413	综述	本文对SARS-CoV-2的分子建模、模拟和预测方法进行了全面系统的综述	本文整合了大量病毒序列的基因分型、蛋白质-蛋白质相互作用的生物物理建模、深度突变数据、深度学习和高级数学等方法，揭示了SARS-CoV-2的全球进化和传播机制	尽管本文提供了全面的综述，但仍需进一步深入研究以全面理解SARS-CoV-2及其相关机制	旨在为读者提供关于SARS-CoV-2分子建模、模拟和预测领域的最新文献更新	SARS-CoV-2的分子建模、模拟和预测方法	机器学习	NA	深度学习	NA	序列数据	NA
215	2024-09-28	Histopathologic Oral Cancer Prediction Using Oral Squamous Cell Carcinoma Biopsy Empowered with Transfer Learning 2022-May-18, Sensors (Basel, Switzerland) DOI:10.3390/s22103833 PMID:35632242	研究论文	本文提出了一种利用迁移学习模型和AlexNet卷积神经网络从口腔鳞状细胞癌（OSCC）活检图像中提取特征，以预测口腔癌的方法	本文的创新点在于使用迁移学习模型和AlexNet卷积神经网络来提高口腔癌检测的准确性	本文的局限性在于仅使用了AlexNet模型，未探讨其他深度学习模型的效果	本文的研究目的是提高口腔癌检测的准确性	本文的研究对象是口腔鳞状细胞癌（OSCC）活检图像	计算机视觉	口腔癌	迁移学习	卷积神经网络（CNN）	图像	未明确提及具体样本数量
216	2024-09-28	Electromagnetic wave-based extreme deep learning with nonlinear time-Floquet entanglement 2022-May-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-30297-5 PMID:35552403	研究论文	本文探讨了基于电磁波的极端深度学习方法，通过非线性时间-Floquet纠缠实现高效的模拟信号处理	本文引入了时间-Floquet物理来诱导信号输入在不同频率间的强非线性纠缠，从而实现了一种高效且灵活的波平台用于模拟极端深度学习	NA	解决传统电磁材料非线性弱的问题，实现复杂神经形态计算任务	电磁波在人工工程介质中的传播及其在模拟信号处理中的应用	机器学习	NA	NA	极端学习机和储层计算	模拟信号	NA
217	2024-09-28	Omicron BA.2 (B.1.1.529.2): High Potential for Becoming the Next Dominant Variant 2022-May-05, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.2c00469 PMID:35467344	研究论文	本文研究了Omicron变种的三个亚型BA.1、BA.2和BA.3，特别是BA.2的再感染能力及其成为下一个主导变种的潜力	构建了一种基于代数拓扑的深度学习模型，系统评估了BA.2和BA.3的传染性、疫苗突破能力和抗体抵抗能力	目前没有关于BA.2和BA.3的实验数据	评估BA.2和BA.3是否会成为新的主导变种	Omicron变种的亚型BA.1、BA.2和BA.3	机器学习	NA	深度学习	代数拓扑模型	NA	NA
218	2024-09-28	Deep learning-based image processing in optical microscopy 2022-Apr, Biophysical reviews IF:4.9Q1 DOI:10.1007/s12551-022-00949-3 PMID:35528030	综述	本文综述了深度学习在光学显微镜图像处理中的应用	深度学习在光学显微镜图像处理中的应用，特别是在图像分类、分割和分辨率增强方面的应用	NA	探讨深度学习在光学显微镜图像处理中的应用	光学显微镜图像	计算机视觉	NA	深度学习	NA	图像	NA
219	2024-09-28	Analysis of Traditional Cultural Acceptance Based on Deep Learning 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2373842 PMID:35707191	研究论文	本文利用深度学习技术分析传统文化的接受度	提出了基于Faster R-CNN模型的深度学习方法，该方法在分析传统文化接受度方面优于现有算法	未提及具体的研究局限性	研究如何利用深度学习技术分析传统文化的接受度	研究对象为未接触现代科技的传统部落文化及其接受度	机器学习	NA	深度学习	Faster R-CNN	NA	未提及具体样本数量
220	2024-09-28	Artificial Intelligence Technologies and Their Application for Reform and Development of Table Tennis Training in Complex Environments 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3442610 PMID:35747715	研究论文	本文探讨了人工智能技术在复杂环境下乒乓球训练中的应用，通过引入细粒度评估系统（FGE）和深度学习模型，实现了在线智能训练	本文创新性地将细粒度评估系统（FGE）与深度学习模型结合，用于分析球员的体态并进行在线训练，相比传统统计模型，FGE在精度和召回率上表现更优	本文未详细讨论FGE系统在实际应用中的可行性和成本问题	研究如何利用人工智能技术改进复杂环境下的乒乓球训练	乒乓球训练中的体态分析和在线训练系统	机器学习	NA	深度学习	深度学习模型	体态数据	未明确提及具体样本数量