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
781	2024-09-05	Comparing Out-of-Sample Performance of Machine Learning Methods to Forecast U.S. GDP Growth 2022-Sep-16, Computational economics IF:1.9Q2 DOI:10.1007/s10614-022-10312-z PMID:36157276	研究论文	本文通过比较机器学习和深度学习方法在预测美国GDP增长中的样本外表现，评估了不同预测方法的效果	首次系统比较了密度基于的机器学习方法和稀疏基于的方法在不同预测范围下的表现，并强调了高频预测因子在经济预测中的重要性	文章主要关注于预测方法的比较，未深入探讨预测结果的经济意义或政策影响	比较不同机器学习方法在预测美国GDP增长中的效果	美国GDP增长预测	机器学习	NA	机器学习, 深度学习	神经网络, Lasso	宏观经济数据	使用224个宏观经济预测因子，9个强预测因子和包含高频商业条件指数的9个强预测因子
782	2024-09-05	Application of Deep Learning Techniques in Diagnosis of Covid-19 (Coronavirus): A Systematic Review 2022-Sep-16, Neural processing letters IF:2.6Q3 DOI:10.1007/s11063-022-11023-0 PMID:36158520	综述	本文系统回顾了深度学习技术在Covid-19诊断中的应用	使用深度学习方法如CNN和RNN从放射图像中提取关键特征，用于Covid-19的早期预测	样本选择、网络架构、使用少量标注数据库进行训练以及安全问题	探讨深度学习技术在Covid-19检测系统中的应用	Covid-19的诊断和预测	机器学习	Covid-19	深度学习	CNN, RNN	图像	64个预训练和自定义深度学习模型
783	2024-09-05	An Efficient Model for a Vast Number of Bird Species Identification Based on Acoustic Features 2022-Sep-15, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani12182434 PMID:36139299	研究论文	本文提出了一种基于长短期记忆网络（LSTM）和坐标注意力机制的新型深度学习方法，用于识别大量鸟类物种	本文的创新点在于使用LSTM结合坐标注意力机制，有效提高了对大量鸟类物种的识别准确率	NA	旨在提高基于声学特征的大量鸟类物种识别的准确性	264种鸟类物种及其超过70,000个叫声音频片段	机器学习	NA	深度学习	LSTM	音频	70,000个鸟类叫声音频片段，涉及264种鸟类物种
784	2024-09-05	Deep Ensemble Fake News Detection Model Using Sequential Deep Learning Technique 2022-Sep-15, Sensors (Basel, Switzerland) DOI:10.3390/s22186970 PMID:36146319	研究论文	本文提出了一种使用序列深度学习技术的深度集成假新闻检测模型，旨在提高检测准确性	该模型通过提取新闻内容的特征并使用自然语言处理技术进行预处理和丰富，结合深度学习网络进行特征提取，最终通过多层感知器进行分类，相较于现有模型在性能上有所提升	NA	提高假新闻检测的准确性	假新闻检测	自然语言处理	NA	序列深度学习技术	多层感知器 (MLP)	文本	使用了两个流行且知名的数据集（LIAR和ISOT）
785	2024-09-05	Real-Time Learning and Monitoring System in Fighting against SARS-CoV-2 in a Private Indoor Environment 2022-Sep-15, Sensors (Basel, Switzerland) DOI:10.3390/s22187001 PMID:36146346	研究论文	本研究开发了一个实时学习系统，用于在私人室内环境中通过传感器控制SARS-CoV-2的传播，并实时预测用户活动以进行远程监控	开发了一个集成多种机器学习技术的实时学习系统，能够高效地预测用户活动并生成大数据	NA	研究如何在私人室内环境中通过科技手段控制SARS-CoV-2的传播	私人室内环境中的用户活动和SARS-CoV-2传播控制	机器学习	NA	机器学习技术，包括分类学习、回归学习、错误校正输出代码（ECOC）和深度学习模型	神经网络	IoT数据	多个传感器在实验环境中收集的数据
786	2024-09-05	U-Net Based Segmentation and Characterization of Gliomas 2022-Sep-14, Cancers IF:4.5Q1 DOI:10.3390/cancers14184457 PMID:36139616	研究论文	本文开发了一种基于深度学习的框架，用于自动分割和预测胶质瘤患者的生物标志物和预后	使用基于U-Net的深度学习框架进行胶质瘤的自动分割和生物标志物状态及生存预测	NA	开发一个深度学习框架，用于胶质瘤的自动分割和生物标志物及预后预测	胶质瘤患者及其手术病理和术前MRI图像	计算机视觉	脑肿瘤	深度学习	U-Net	图像	208名患者
787	2024-09-05	Super-Resolution Reconstruction of Cytoskeleton Image Based on A-Net Deep Learning Network 2022-Sep-13, Micromachines IF:3.0Q2 DOI:10.3390/mi13091515 PMID:36144138	研究论文	本研究开发了一种名为A-net的深度学习网络，用于提高共聚焦显微镜捕获的细胞骨架图像的分辨率	结合A-net深度学习网络和DWDC算法，显著提高了细胞骨架图像的空间分辨率，达到原始分辨率的10倍	NA	提高细胞骨架图像的分辨率，以便更好地进行生物分子结构的体内重建	细胞骨架图像的分辨率	计算机视觉	NA	深度学习网络	A-net	图像	NA
788	2024-09-05	Struct2Graph: a graph attention network for structure based predictions of protein-protein interactions 2022-Sep-10, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04910-9 PMID:36088285	研究论文	本文介绍了一种基于图注意力网络的蛋白质-蛋白质相互作用预测方法Struct2Graph，该方法直接从折叠蛋白质的结构数据中识别相互作用	Struct2Graph是首个基于三维结构的图注意力网络，用于预测蛋白质-蛋白质相互作用，并引入了一种新的互注意力机制，通过无监督的知识选择过程提供可能的相互作用位点	NA	开发新的方法来分析分子和纳米尺度的蛋白质-蛋白质相互作用，以深入了解细胞内信号传导途径和蛋白质功能	蛋白质-蛋白质相互作用	机器学习	NA	图注意力网络	图注意力网络	结构数据	平衡数据集包含相等数量的正负对，不平衡数据集正负对比例为1:10
789	2024-09-05	COVID-19 pneumonia level detection using deep learning algorithm and transfer learning 2022-Sep-10, Evolutionary intelligence IF:2.3Q3 DOI:10.1007/s12065-022-00777-0 PMID:36105664	研究论文	本文开发了一种人工智能引擎，用于分类COVID-19确诊患者的肺部炎症程度（轻度、进展期、重度阶段），并使用深度学习算法和迁移学习技术进行肺炎水平检测	本文采用了改进的卷积神经网络（CNN）和k-最近邻算法，并通过迁移学习技术在较小数据集上训练预训练的CNN模型，提高了检测准确率	NA	开发智能、快速、高效的COVID-19肺炎检测技术	COVID-19确诊患者的肺部炎症程度	计算机视觉	COVID-19	深度学习算法	CNN	图像	相对较大的数据集
790	2024-09-05	Accurate prediction of virus-host protein-protein interactions via a Siamese neural network using deep protein sequence embeddings 2022-Sep-09, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100551 PMID:36124304	研究论文	本文提出了一种基于深度蛋白质序列嵌入技术的深度学习方法，用于预测病毒-宿主蛋白质-蛋白质相互作用	本文采用了基于深度蛋白质序列嵌入技术的孪生神经网络方法，该方法在病毒-宿主蛋白质-蛋白质相互作用预测中表现出色	NA	开发一种新的深度学习方法，用于预测和理解病毒-宿主蛋白质-蛋白质相互作用，以促进新型治疗干预措施的发展	病毒-宿主蛋白质-蛋白质相互作用	自然语言处理	NA	深度蛋白质序列嵌入技术	孪生神经网络	蛋白质序列	NA
791	2024-09-05	Predicting drug toxicity at the intersection of informatics and biology: DTox builds a foundation 2022-Sep-09, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100586 PMID:36124303	研究论文	Hao等人（2022年）介绍了DTox（毒理学深度学习），这是一种神经网络，旨在预测和探究化学毒性的位点和潜在机制	DTox提供了一个地图，以促进跨多个不同应用的模块化测试和改进	NA	预测药物毒性并探究其潜在机制	化学毒性的位点和潜在机制	机器学习	NA	深度学习	神经网络	化学数据	NA
792	2024-09-05	Micro-Expression Recognition Using Uncertainty-Aware Magnification-Robust Networks 2022-Sep-09, Entropy (Basel, Switzerland) DOI:10.3390/e24091271 PMID:36141156	研究论文	本文提出了一种名为不确定性感知放大鲁棒网络（UAMRN）的深度学习方法，用于微表情识别（MER），旨在解决微表情强度低和样本不平衡的问题	通过放大微表情强度和引入稀疏自注意力（SSA）块来改善微表情的识别，同时通过基于估计置信度的网络优化来处理类别不平衡问题	NA	提高微表情识别的准确性	微表情及其在审讯和临床诊断中的应用	计算机视觉	NA	深度学习	不确定性感知放大鲁棒网络（UAMRN）	视频	使用了三个公开的微表情数据库，即CASME II、SAMM和SMIC-HS
793	2024-09-05	A microblog content credibility evaluation model based on collaborative key points 2022-09-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-19444-6 PMID:36076015	研究论文	本文提出了一种基于协同关键点的微博内容可信度评估模型CECKP，通过从词级到句级提取微博文本的关键点，并根据关键点的语义进行可信度评估	模型通过协同构建的谣言词典加强相关词汇的语义，解决了使用深度学习方法进行内容可信度评估时的特征选择问题	NA	解决微博平台上虚假内容传播带来的信息安全威胁，优化内容可信度评估	微博平台上的虚假内容	自然语言处理	NA	深度学习方法	CECKP	文本	NA
794	2024-09-05	Deep Learning for Diabetic Retinopathy Analysis: A Review, Research Challenges, and Future Directions 2022-Sep-08, Sensors (Basel, Switzerland) DOI:10.3390/s22186780 PMID:36146130	综述	本文综述了深度学习在糖尿病视网膜病变（DR）分析领域的最新进展，包括筛查、分割、预测、分类和验证	深度学习在医疗健康领域的多个方面，如腹部、心脏、病理学和视网膜，通过改进筛查、识别、分割、预测和分类应用，产生了显著的积极影响	文章指出了当前研究中的空白和未来挑战，以促进研究社区开发更高效、稳健和准确的深度学习模型	综述深度学习在糖尿病视网膜病变分析中的应用，并探讨未来的研究方向和挑战	糖尿病视网膜病变（DR）的监测和诊断	机器学习	糖尿病视网膜病变	深度学习（DL）	NA	图像	NA
795	2024-09-05	Semi-Supervised Deep Learning Model for Efficient Computation of Optical Properties of Suspended-Core Fibers 2022-Sep-07, Sensors (Basel, Switzerland) DOI:10.3390/s22186751 PMID:36146101	研究论文	本文提出了一种半监督深度学习模型，用于高效计算悬浮芯光纤的光学特性	引入半监督学习策略以减轻数据获取负担，并能在小规模训练数据基础上获得满意的计算结果	依赖于深度学习模型的优势需要大规模先验数据集	提高悬浮芯光纤结构设计的效率和准确性	悬浮芯光纤的光学特性，包括有效模式面积、非线性系数和色散	机器学习	NA	深度学习	半监督学习模型	光学特性数据	小规模训练数据
796	2024-09-05	Multi-Class Cancer Subtyping in Salivary Gland Carcinomas with MALDI Imaging and Deep Learning 2022-Sep-05, Cancers IF:4.5Q1 DOI:10.3390/cancers14174342 PMID:36077876	研究论文	本文利用MALDI成像技术和深度学习模型对唾液腺癌进行多类别亚型分类	提出了一个深度学习模型，能够处理高分辨率MALDI成像数据并实现超过80%的分类准确率	NA	实现唾液腺癌的准确亚型分类	唾液腺癌及其亚型	机器学习	唾液腺癌	MALDI成像	深度学习模型	图像	25名患者（包括六种不同的唾液腺癌亚型和六名健康对照组）
797	2024-09-05	Challenges and Opportunities of Deep Learning for Cough-Based COVID-19 Diagnosis: A Scoping Review 2022-Sep-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12092142 PMID:36140543	综述	本文综述了利用深度学习模型通过咳嗽声音诊断COVID-19的研究现状，旨在创建一种成本效益高且易于获取的测试工具。	本文探讨了咳嗽作为生物标志物的潜力，并发现卷积神经网络在特征提取和分类方面特别适用。	本文指出在利用大规模和多样化数据集进行研究方面存在文献缺口。	开发神经网络模型，通过咳嗽声音诊断COVID-19，作为抗击疫情的有效工具。	COVID-19的诊断	机器学习	COVID-19	深度学习	卷积神经网络	音频	数据集大小从16到超过30,000个咳嗽音频样本
798	2024-09-05	Advancement of deep learning in pneumonia/Covid-19 classification and localization: A systematic review with qualitative and quantitative analysis 2022-Sep, Chronic diseases and translational medicine DOI:10.1002/cdt3.17 PMID:35572951	综述	本文系统地回顾和分析了深度学习在肺炎和COVID-19分类与定位中的进展	提供了对不同深度学习模型架构的详细解释，包括它们的设计原因、克服的挑战和权衡	某些权衡无法量化，仅在定性分析中提及	旨在提取、解释和定量评估用于从胸部X射线和CT扫描图像中检测社区获得性肺炎、病毒性肺炎和COVID-19的深度学习方法的所有进展	社区获得性肺炎、病毒性肺炎和COVID-19的检测	计算机视觉	肺部疾病	深度学习	CNN	图像	涉及约4.5亿肺炎患者和1.81亿COVID-19患者
799	2024-09-05	Label efficient segmentation of single slice thigh CT with two-stage pseudo labels 2022-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.5.052405 PMID:35607409	研究论文	本文提出了一种两阶段深度学习方法，用于高效分割大腿CT图像中的肌肉、骨骼和脂肪	通过使用伪标签和两阶段训练方法，减少了深度学习模型对大量标注数据的需求	NA	提高医学图像分割的效率和准确性	大腿和下肢的CT图像	计算机视觉	NA	深度学习	深度神经网络	图像	3022张大腿切片和8939张下肢切片来自BLSA数据集，121张大腿切片来自GESTALT研究
800	2024-09-05	Inferring structural and dynamical properties of gene networks from data with deep learning 2022-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqac068 PMID:36110897	研究论文	本文利用深度神经网络（DNNs）从数据中推断基因调控网络（GRNs）的结构和动力学特性	本文展示了深度神经网络在网络推断方面优于现有的布尔网络、随机森林和部分交叉映射方法，并提出了一种结合深度神经网络和部分自洽平均场近似（PSCA）的数据驱动方法来量化基因调控系统的能量景观	NA	从数据中重建基因调控网络，并推断其因果关系	基因调控网络的结构和动力学特性	系统生物学	NA	深度神经网络（DNNs）	深度神经网络（DNNs）	单细胞数据	NA