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
421	2024-09-11	Prediction of designer-recombinases for DNA editing with generative deep learning 2022-12-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-35614-6 PMID:36575171	研究论文	本文介绍了一种名为RecGen的算法，用于智能生成设计型重组酶，以加速未来设计型重组酶的开发	提出了RecGen算法，利用条件变分自编码器生成设计型重组酶序列，能够预测对新目标位点具有活性的重组酶序列	NA	开发一种智能算法，用于生成设计型重组酶，以替代传统的定向分子进化方法	设计型重组酶及其在DNA编辑中的应用	机器学习	NA	条件变分自编码器	条件变分自编码器	序列	超过一百万个Cre-like重组酶序列，用于89个不同目标位点的进化
422	2024-09-11	Correlated-Weighted Statistically Modeled Contourlet and Curvelet Coefficient Image-Based Breast Tumor Classification Using Deep Learning 2022-Dec-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13010069 PMID:36611361	研究论文	本文提出了一种基于相关加权轮廓波变换和曲线波变换的Rician逆高斯分布图像的深度卷积神经网络架构，用于从B模式超声图像中分类乳腺肿瘤	本文创新性地使用了相关加权轮廓波变换和曲线波变换的Rician逆高斯分布图像，并结合深度卷积神经网络进行乳腺肿瘤分类	NA	研究基于深度学习的乳腺肿瘤自动分类方法	乳腺肿瘤的分类	计算机视觉	乳腺肿瘤	深度学习	CNN	图像	使用了三个公开数据集（Mendeley、UDIAT和BUSI）
423	2024-09-11	A Comparison of Techniques for Class Imbalance in Deep Learning Classification of Breast Cancer 2022-Dec-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13010067 PMID:36611358	研究论文	本文比较了在深度学习分类乳腺癌中处理类别不平衡的几种技术	提出了一种合成病变生成方法，以增加恶性样本数量，并在大多数情况下提高了模型性能	标准类别不平衡技术对模型性能的AUC-ROC没有显著改善，且在某些情况下可能导致AUC下降	评估几种处理类别不平衡的技术在乳腺癌分类中的效果	乳腺癌分类中的类别不平衡问题	机器学习	乳腺癌	深度学习	NA	图像	使用了三个不同的全视野数字乳腺摄影数据集，并在分布内和分布外样本上进行了测试
424	2024-09-11	Traditional Machine and Deep Learning for Predicting Toxicity Endpoints 2022-Dec-26, Molecules (Basel, Switzerland) DOI:10.3390/molecules28010217 PMID:36615411	研究论文	本文比较了传统物理化学描述符和机器学习方法与基于SMILES的深度学习BERT架构在预测化合物毒性终点方面的性能	本文首次将Mondrian聚合保形预测方法应用于处理类不平衡问题，并展示了其在不使用过采样、欠采样或类加权等方法的情况下，仍能有效处理类不平衡问题	本文仅在二元CATMoS非毒性和剧毒数据集上进行了验证，未来研究可以在更多样化的数据集上进行扩展	比较传统机器学习和深度学习方法在预测化合物毒性终点方面的性能	化合物毒性终点的预测	机器学习	NA	深度学习	BERT	文本	二元CATMoS非毒性和剧毒数据集
425	2024-09-11	Hybrid fuzzy deep neural network toward temporal-spatial-frequency features learning of motor imagery signals 2022-12-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26882-9 PMID:36567362	研究论文	本文提出了一种混合模糊深度神经网络，用于学习运动想象信号的时间-空间-频率特征	本文创新性地结合了模糊组件和深度学习技术，提出了一种名为EEG-CLFCNet的混合神经网络架构，显著提高了运动想象信号的分类准确率	NA	研究目的是开发一种高效可靠的方法来解释用户的脑电波信号，并在生物医学信号处理中提供准确的响应	研究对象是运动想象信号的时间-空间-频率特征	机器学习	NA	脑电图（EEG）	混合神经网络（Compact-CNN和LSTM）	脑电信号	使用了BCI竞赛IV-2a数据集
426	2024-09-11	An Anomaly Intrusion Detection for High-Density Internet of Things Wireless Communication Network Based Deep Learning Algorithms 2022-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s23010206 PMID:36616806	研究论文	本文提出了一种基于深度学习算法的高密度物联网无线通信网络异常入侵检测系统	本文提出了两种不同的模型：一种是结合了卷积神经网络（CNN）和长短期记忆网络（LSTM）的深度网络层，另一种是基于全连接层（密集层）构建的人工神经网络（ANN）	NA	开发一种高效的入侵检测系统，以保护物联网设备免受攻击	高密度物联网无线通信网络	机器学习	NA	深度学习算法	CNN, LSTM, ANN	NA	NA
427	2024-09-11	Contextual counters and multimodal Deep Learning for activity-level traffic classification of mobile communication apps during COVID-19 pandemic 2022-Dec-24, Computer networks IF:4.4Q1 DOI:10.1016/j.comnet.2022.109452 PMID:36447639	研究论文	本文研究了在COVID-19疫情期间，移动通信应用的流量分类问题，并提出了基于多模态深度学习的解决方案	提出了Mimetic-All这一新的多模态早期流量分类解决方案，并设计了Context Inputs作为额外的输入模态，显著提高了活动分类的F-measure	现有的单模态和多模态深度学习分类器在活动分类方面表现不佳，F-measure仅为56%-65%	研究在COVID-19疫情期间，如何有效分类移动通信应用的流量，以应对流量特性的巨大变化	九个通信和协作应用的流量数据	机器学习	NA	多模态深度学习	深度学习分类器	流量数据	九个应用的流量数据，并公开发布为新的数据集MIRAGE-COVID-CCMA-2022
428	2024-09-11	Machine Learning-Based Automated Detection and Quantification of Geographic Atrophy and Hypertransmission Defects Using Spectral Domain Optical Coherence Tomography 2022-Dec-24, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm13010037 PMID:36675697	研究论文	本研究开发并评估了基于机器学习的创新方法，用于自动检测和量化光谱域光学相干断层扫描（OCT）中的地理萎缩（GA）和超传输缺陷	本研究首次使用深度学习方法在OCT图像中自动检测和量化地理萎缩和超传输缺陷	本研究仅在非渗出性AMD患者中进行，未来需在更多疾病类型和设备上验证	开发和评估基于机器学习的自动检测和量化地理萎缩和超传输缺陷的方法	晚期年龄相关性黄斑变性（AMD）患者中的地理萎缩区域	计算机视觉	眼科疾病	光谱域光学相干断层扫描（OCT）	深度学习	图像	341名非渗出性AMD患者，包含900个OCT体积和100266个B扫描图像
429	2024-09-11	An Efficient Dehazing Algorithm Based on the Fusion of Transformer and Convolutional Neural Network 2022-Dec-21, Sensors (Basel, Switzerland) DOI:10.3390/s23010043 PMID:36616639	研究论文	本文提出了一种基于Transformer和卷积神经网络融合的高效去雾算法	本文创新性地将Transformer的全局建模能力和卷积神经网络的局部建模能力结合，提出了Transformer-Convolution融合去雾网络（TCFDN）	NA	提高图像去雾能力，恢复图像的有用特征	单张图像的去雾处理	计算机视觉	NA	NA	Transformer-Convolution融合网络	图像	NA
430	2024-09-11	Deep Learning in Diverse Intelligent Sensor Based Systems 2022-Dec-21, Sensors (Basel, Switzerland) DOI:10.3390/s23010062 PMID:36616657	综述	本文系统地调查了深度学习模型和方法在多样化传感器系统中的应用	提供了深度学习在多样化传感器系统中的全面调查，包括实现技巧、教程链接、开源代码和预训练模型	NA	加速深度学习在多样化传感器系统中的应用和转型	深度学习模型和方法在多样化传感器系统中的应用	机器学习	NA	深度学习	NA	数据	NA
431	2024-09-11	Transformer-Based Weed Segmentation for Grass Management 2022-Dec-21, Sensors (Basel, Switzerland) DOI:10.3390/s23010065 PMID:36616662	研究论文	本文探讨了基于Transformer模型的杂草分割技术在草坪管理中的应用	本文首次将Transformer模型应用于杂草检测问题，并展示了其在语义分割任务中的优越性能	本文仅评估了三种Transformer架构，未涉及其他可能的模型	开发高效的杂草检测和定位方法，以提高作物栽培和草坪管理的效率	杂草的识别和定位	计算机视觉	NA	深度学习	Transformer	图像	1006张图像，包含10种杂草类别
432	2024-09-11	Exome-wide association analysis of CT imaging-derived hepatic fat in a medical biobank 2022-12-20, Cell reports. Medicine DOI:10.1016/j.xcrm.2022.100855 PMID:36513072	研究论文	本文通过深度学习方法从临床CT扫描中量化肝脂肪，并进行全外显子关联分析，以研究非酒精性脂肪肝病的遗传因素	本文首次在医疗生物库中使用深度学习方法从CT图像中量化肝脂肪，并结合全外显子序列进行关联分析，同时考虑了非欧洲人群和罕见变异	本文主要基于特定医疗生物库的数据，结果的普适性可能受限	研究非酒精性脂肪肝病的遗传因素，特别是肝脂肪的遗传关联	肝脂肪的遗传变异及其与非酒精性脂肪肝病的关系	数字病理学	非酒精性脂肪肝病	深度学习	NA	图像	10,283名参与者
433	2024-09-11	Automated Detection of Rice Bakanae Disease via Drone Imagery 2022-Dec-20, Sensors (Basel, Switzerland) DOI:10.3390/s23010032 PMID:36616630	研究论文	本文提出了一种通过无人机图像预测和自动检测水稻恶苗病感染率的系统	该系统结合了相机校准和面积计算，使用YOLOv3和RestNETV2 101模型进行感染检测和分类	系统在检测感染稻穗和分类感染稻秆数量方面仍有改进空间	开发一种自动化的水稻恶苗病检测系统，以提高稻田检查的效率和准确性	水稻恶苗病及其感染率	计算机视觉	NA	深度学习	YOLOv3, RestNETV2 101	图像	NA
434	2024-09-11	DeepST: identifying spatial domains in spatial transcriptomics by deep learning 2022-12-09, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkac901 PMID:36250636	研究论文	本文介绍了一种名为DeepST的深度学习框架，用于在空间转录组学中识别空间域	DeepST在基准数据集上表现优于现有的最先进方法，并能有效整合来自多个批次或不同技术的空间转录组数据	NA	开发一种能够准确识别空间转录组学中空间域的深度学习框架	人类背外侧前额叶皮层和乳腺癌组织的空间转录组数据	机器学习	乳腺癌	深度学习	深度学习框架	空间转录组数据	涉及人类背外侧前额叶皮层和乳腺癌组织的基准数据集
435	2024-09-11	Differentiable Learning of Sequence-Specific Minimizer Schemes with DeepMinimizer 2022-12, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2022.0275 PMID:36095142	研究论文	本文介绍了一种名为DeepMinimizer的新方法，用于学习序列特异性最小化方案，通过深度学习架构实现密度最小化目标的连续松弛	首次提出了一种连续松弛的密度最小化目标，并使用深度学习双架构确保最小化方案的有效性和性能	NA	解决在生物序列中选择代表性-mers位置的优化问题，以减少计算和内存成本	生物序列中的最小化方案	机器学习	NA	深度学习	深度学习双架构	序列	人类基因组序列
436	2024-09-11	ETCNN: Extra Tree and Convolutional Neural Network-based Ensemble Model for COVID-19 Tweets Sentiment Classification 2022-Dec, Pattern recognition letters IF:3.9Q2 DOI:10.1016/j.patrec.2022.11.012 PMID:36407854	研究论文	本文提出了一种基于Extra Tree和卷积神经网络的集成模型，用于COVID-19推文情感分类	结合了手工特征和自动特征提取的优势，通过机器学习和深度学习模型进行集成	NA	分析公众对COVID-19的情感，以制定相应政策缓解负面情绪	COVID-19推文的情感分类	自然语言处理	NA	机器学习、深度学习	Extra Tree、卷积神经网络	文本	NA
437	2024-09-11	An efficient deep neural network framework for COVID-19 lung infection segmentation 2022-Oct, Information sciences DOI:10.1016/j.ins.2022.08.059 PMID:36068814	研究论文	提出了一种基于Resnet架构的深度神经网络框架，用于自动分割COVID-19肺部感染区域	引入了一个基于VQ-VAE的分支来降低标注成本，并提出了一种新的比例损失来缓解类别不平衡问题	未明确提及	利用深度学习技术自动分割CT图像中的肺炎病变，减轻医生工作量并扩展传统诊断方法	COVID-19患者的CT图像	计算机视觉	COVID-19	深度学习	Resnet架构	CT图像	未明确提及
438	2024-09-11	A Scoping Review of Integrated Medical Devices and Clinical Decision Support in the Acute Care Setting 2022-10, Applied clinical informatics IF:2.1Q4 DOI:10.1055/s-0042-1759513 PMID:36577503	综述	本文综述了急性护理环境中集成医疗设备和临床决策支持系统的现有证据	本文首次系统综述了急性护理环境中集成医疗设备与临床决策支持系统的使用情况，并探讨了其在临床决策中的应用	本文主要关注注册护士使用集成设备和临床决策支持系统的情况，未充分探讨其他医疗专业人员的使用情况	探讨急性护理环境中集成医疗设备与临床决策支持系统的现有证据及其在临床决策中的应用	急性护理环境中的集成医疗设备，特别是药物泵设备及其相关的临床决策支持系统	NA	NA	NA	NA	NA	18篇文献
439	2024-09-11	Artificial intelligence-driven design of fuel mixtures 2022-Sep-16, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-022-00722-3 PMID:36697675	研究论文	本文介绍了一种基于数据驱动的人工智能框架，用于设计具有定制燃烧特性的液体燃料，以提高发动机效率并降低碳排放	本文提出了一种新的混合操作符（MO），将混合物的隐藏向量表示为每个单一成分向量的线性组合，并将其整合到网络架构中	NA	开发一种能够快速设计优化发动机效率和降低排放的燃料配方的人工智能方法	液体燃料的燃烧特性	机器学习	NA	深度学习（DL）	深度学习模型	化学成分数据	NA
440	2024-09-11	DMDF-Net: Dual multiscale dilated fusion network for accurate segmentation of lesions related to COVID-19 in lung radiographic scans 2022-Sep-15, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2022.117360 PMID:35529253	研究论文	本文提出了一种名为DMDF-Net的双重多尺度扩张融合网络，用于从胸部CT图像中准确分割与COVID-19相关的病变	本文的创新点在于提出了双重多尺度扩张融合网络，通过在编码器和解码器模块中融合多尺度深度特征，实现了对小病变的鲁棒分割，并引入了后处理步骤中的后区域兴趣（ROI）融合，以减少假阳性并准确量化感染区域	本文未明确提及研究的具体局限性	研究目的是开发一种基于深度学习的计算机辅助诊断解决方案，用于从胸部CT图像中诊断COVID-19病变	研究对象是与COVID-19相关的肺部病变	计算机视觉	肺部疾病	深度学习	CNN	图像	未明确提及样本数量