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
1001	2024-09-01	Development of Deep-Learning-Based Single-Molecule Localization Image Analysis 2022-Jun-21, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23136896 PMID:35805897	综述	本文综述了基于深度学习的单分子定位显微镜（SMLM）图像分析的最新进展	探讨了如何通过深度学习提高SMLM图像质量	讨论了现有拟合算法的局限性	探讨深度学习在SMLM图像分析中的应用及未来发展	单分子定位显微镜（SMLM）图像	计算机视觉	NA	深度学习	NA	图像	NA
1002	2024-09-01	Fast and Efficient Method for Optical Coherence Tomography Images Classification Using Deep Learning Approach 2022-Jun-21, Sensors (Basel, Switzerland) DOI:10.3390/s22134675 PMID:35808169	研究论文	本文提出了一种利用深度学习方法对光学相干断层扫描（OCT）图像进行分类的高效方法	开发了一种新的卷积神经网络模型用于眼病分类，并采用了图像数据增强技术以提高分类结果	算法不能完全替代医生，主要作为辅助工具加速诊断过程	开发一种自动化的支持系统，帮助医疗人员处理日益增长的数据量	基于OCT B-扫描图像对患者进行分类，包括糖尿病黄斑水肿（DME）、脉络膜新生血管（CNV）、玻璃膜疣和正常	机器学习	眼病	深度学习	卷积神经网络（CNN）	图像	超过84,000张图像
1003	2024-09-01	Analysis of MRI-derived spleen iron in the UK Biobank identifies genetic variation linked to iron homeostasis and hemolysis 2022-06-02, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2022.04.013 PMID:35568031	研究论文	本研究通过磁共振成像技术对英国生物样本库中的41,764名参与者进行脾铁定量分析，并确定了与铁稳态和溶血相关的遗传变异	首次在大规模人群队列中测量脾铁浓度，并结合深度学习和高效图像处理技术进行非侵入性测量	NA	研究脾铁浓度与遗传变异之间的关系，以及这些变异如何影响红细胞生命周期和脾铁重吸收	脾铁浓度及其与遗传变异的关系	数字病理学	NA	磁共振成像	深度学习	图像	41,764名参与者
1004	2024-09-01	Deep Diffusion MRI Registration (DDMReg): A Deep Learning Method for Diffusion MRI Registration 2022-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2021.3139507 PMID:34968177	研究论文	本文提出了一种名为DDMReg的深度学习方法，用于扩散MRI（dMRI）数据集之间的精确配准	DDMReg方法结合了全脑和特定纤维束信息进行dMRI配准，基于VoxelMorph框架，提出了一种新的配准架构，不仅利用全脑信息，还利用特定纤维束的方向信息	NA	开发一种新的深度学习方法，用于提高扩散MRI数据集之间的配准精度	扩散MRI数据集的配准	计算机视觉	NA	深度学习	CNN	图像	多个独立获取的数据集，包括青少年、年轻和老年成人，以及不同的成像协议和扫描仪
1005	2024-09-01	A Cross-Modal and Cross-lingual Study of Iconicity in Language: Insights From Deep Learning 2022-06, Cognitive science IF:2.3Q2 DOI:10.1111/cogs.13147 PMID:35665953	研究论文	本文在深度学习框架下研究语言中的非任意性，通过实验评估不同语言中非任意音韵模式的普遍性。	本文展示了跨语言和语言家族的跨领域映射可以成功转移，表明词汇的音韵结构中充满了关于词义和句法类别的语言不变线索。	NA	研究语言中的非任意性，并评估其在不同语言中的普遍性。	不同语言中的非任意音韵模式。	自然语言处理	NA	深度学习	神经网络	文本	一组类型学上相距较远的语言
1006	2024-09-01	Polishing copy number variant calls on exome sequencing data via deep learning 2022-06, Genome research IF:6.2Q1 DOI:10.1101/gr.274845.120 PMID:35697522	研究论文	本文介绍了一种新的深度学习模型，用于提高外显子测序数据中拷贝数变异检测的准确性	该模型能够利用匹配的外显子和全基因组测序数据，学习修正任何现成的基于外显子测序的生殖系拷贝数变异检测结果	NA	提高外显子测序数据中拷贝数变异检测的准确性	拷贝数变异检测	机器学习	NA	外显子测序	深度学习模型	测序数据	使用1000 Genomes Project数据进行训练
1007	2024-09-01	Discovering molecular features of intrinsically disordered regions by using evolution for contrastive learning 2022-06, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010238 PMID:35767567	研究论文	本文介绍了一种名为“反向同源性”的蛋白质组规模特征发现方法，用于识别内在无序区域（IDRs）的分子特征	利用进化原理作为对比学习信号，结合深度学习技术，发现IDRs的保守特征	NA	探索内在无序区域的分子特征，以更好地理解这些广泛存在于蛋白质组中的区域的功能	内在无序区域（IDRs）及其分子特征	机器学习	NA	深度学习	神经网络	蛋白质序列	一组同源的IDRs和从蛋白质组中随机抽样的另一组IDRs
1008	2024-09-01	Risk assessment of ICU patients through deep learning technique: A big data approach 2022-May-30, Journal of global health IF:4.5Q1 DOI:10.7189/jogh.12.04044 PMID:35788091	研究论文	本文通过深度学习技术对ICU患者的治疗反应进行风险评估，采用大数据方法分析患者对镇静剂治疗的连续反应，并提出使用LSTM-RNN模型来预测患者结果。	本文提出使用LSTM-RNN模型结合异构药物事件来预测患者结果，并引入正则语言处理和高斯周期来处理患者处方记录中的噪声、缺失和不均匀测试问题。	文章指出，患者的治疗可能被延长，而RNN可能无法在这种方式下展示。	评估ICU患者通过深度学习技术的风险，并改进治疗计划以避免严重情况。	ICU患者及其对镇静剂治疗的反应。	机器学习	NA	深度学习	LSTM-RNN	文本	未明确提及具体样本数量
1009	2024-09-01	Blockchain-based rumor detection approach for COVID-19 2022-May-20, Journal of ambient intelligence and humanized computing DOI:10.1007/s12652-022-03900-2 PMID:35611303	研究论文	本文提出了一种基于区块链技术的COVID-19谣言检测方法，通过设计一个包含网络层、区块链层、机器层和设备层的四层框架，结合双向长短期记忆（Bi-LSTM）模型，有效防止网络中谣言的传播。	本文创新性地结合区块链技术与Bi-LSTM模型，不仅提高了谣言检测的准确性，还显著降低了误报率。	NA	旨在开发一种高效的谣言检测与预防模型，以应对社交媒体中大量未经验证的信息。	研究对象为社交媒体中的谣言信息及其传播机制。	机器学习	NA	区块链技术	Bi-LSTM	文本	未具体说明样本数量
1010	2024-08-29	Author Correction: Arrhythmic sudden death survival prediction using deep learning analysis of scarring in the heart 2022-May, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-022-00075-z PMID:39195951	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1011	2024-09-01	Software system to predict the infection in COVID-19 patients using deep learning and web of things 2022-Apr, Software: practice & experience DOI:10.1002/spe.3011 PMID:34538962	研究论文	本文提出了一种使用深度学习和物联网的软件系统，用于预测COVID-19患者的感染情况，并通过数据增强技术提高了模型的性能	本文采用了数据增强技术生成合成数据，并结合物联网和传统U-Net模型，提高了COVID-19图像分割的准确性	公开可用的COVID-19图像数据有限，可能导致传统方法的过拟合	开发一种自动化的图像分割系统，以辅助临床决策和疾病监测	COVID-19患者的CT图像	计算机视觉	COVID-19	深度学习	U-Net with EfficientNet B0	图像	使用了COVID Radiopedia和Medseg数据集
1012	2024-09-01	Review on COVID-19 diagnosis models based on machine learning and deep learning approaches 2022-Mar, Expert systems IF:3.0Q2 DOI:10.1111/exsy.12759 PMID:34511689	综述	本文对基于机器学习和深度学习方法的COVID-19诊断模型进行了全面的综述	总结了从2019年12月至2021年4月间发表的超过200项研究，涵盖了DL和ML两大类技术，并分析了评估诊断方法的常用指标	NA	旨在指导研究社区未来在COVID-19的机器学习和深度学习领域的发展	COVID-19的诊断模型	机器学习	COVID-19	机器学习 (ML) 和深度学习 (DL)	支持向量机 (SVM) 和卷积神经网络 (CNN)	数据集	超过200项研究
1013	2024-09-01	Predicting SARS-CoV-2 infection duration at hospital admission:a deep learning solution 2022-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-021-02479-8 PMID:34993693	研究论文	本文提出了一种深度学习模型，用于预测COVID-19患者在医院入院时的感染持续时间	使用深度学习模型结合多种数据类型，包括人口统计学、病史、COVID-19症状、治疗和血液化学测试结果，来预测感染持续时间	需要进一步的外部验证和实际应用测试	开发一种工具，用于预先估计COVID-19患者的预期病程和相关的住院努力	COVID-19患者的感染持续时间	机器学习	NA	深度学习	卷积神经网络	多种数据类型，包括文本和数值数据	222名患者
1014	2024-09-01	Project Achoo: A Practical Model and Application for COVID-19 Detection From Recordings of Breath, Voice, and Cough 2022-Feb, IEEE journal of selected topics in signal processing IF:8.7Q1 DOI:10.1109/JSTSP.2022.3142514 PMID:35582703	研究论文	本文提出了一种使用消费者设备录制的音频快速检测COVID-19的机器学习方法	结合信号处理和噪声消除方法与微调的深度学习网络集合，实现了通过咳嗽声检测COVID-19	NA	开发一种实用的COVID-19检测模型和应用	COVID-19的快速检测	机器学习	COVID-19	深度学习	深度学习网络	音频	包括公开数据集和用户测试期间收集的噪声数据
1015	2024-09-01	Efficient Evaluation of Low-contrast Detectability of Deep-CNN-based CT Reconstruction Using Channelized Hotelling Observer on the ACR Accreditation Phantom 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2612414 PMID:35813246	研究论文	本文利用优化后的通道化Hotelling观察者模型评估了基于深度学习的CT重建方法在低对比度检测能力上的表现。	开发了一种高效的通道化Hotelling观察者模型，仅需1-3次重复扫描即可准确测量低对比度检测能力。	通道化Hotelling观察者的实际应用受限于对大量重复扫描的需求和缺乏高效且广泛接受的基于幻影的方法。	评估基于深度学习的CT重建方法在低对比度检测能力上的表现，以确保诊断信息的完整性。	基于深度学习的CT重建方法在低对比度检测能力上的表现。	计算机视觉	NA	通道化Hotelling观察者	深度卷积神经网络（Deep-CNN）	CT图像	1-3次重复扫描
1016	2024-09-01	Automatic deep learning system for COVID-19 infection quantification in chest CT 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-021-11299-9 PMID:34539221	研究论文	本文提出了一种用于胸部CT扫描中COVID-19感染区域自动分割的深度学习系统	该系统采用U-net架构并结合改进的残差块，通过连接跳跃连接改善梯度值的学习，提高了感染区域分割的准确性	系统性能依赖于可用数据集的多样性和数量，未来数据可用性的增加将进一步提升系统的准确性和泛化能力	开发一种自动化的深度学习系统，用于在胸部CT扫描中量化COVID-19感染区域	COVID-19感染区域的分割	计算机视觉	COVID-19	边缘增强扩散过滤（EED）	FCN（全卷积网络）	图像	使用了来自不同来源的多个2D CT切片进行训练和测试
1017	2024-09-01	Class imbalance in out-of-distribution datasets: Improving the robustness of the TextCNN for the classification of rare cancer types 2022-01, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2021.103957 PMID:34823030	研究论文	本研究旨在量化并提升CNN在分类病理报告中由于临床文本自然演化导致的分布外（OOD）数据集上的文本分类性能	提出了一种新的类特异性集成技术，该技术在分类罕见癌症类型时在宏F1分数上优于其他方法	研究主要集中在类不平衡问题上，未涉及其他可能影响模型性能的因素	提高CNN在临床自然语言处理领域中对罕见癌症类型分类的鲁棒性	病理报告中的罕见癌症类型	自然语言处理	NA	NA	CNN	文本	NA
1018	2024-09-01	Deep Learning Approach Using Diffusion-Weighted Imaging to Estimate the Severity of Aphasia in Stroke Patients 2022-Jan, Journal of stroke IF:6.0Q1 DOI:10.5853/jos.2021.02061 PMID:35135064	研究论文	本研究旨在探讨使用扩散加权成像（DWI）数据通过深度学习（DL）模型预测急性脑卒中患者早期失语症严重程度的适用性	利用深度学习模型结合DWI数据和临床变量来估计失语商（AQ）分数，为早期评估失语症严重程度提供了一种新的方法	研究样本仅来自一家医院，且时间跨度有限，可能影响模型的泛化能力	研究深度学习模型在预测急性脑卒中患者早期失语症严重程度中的应用	急性缺血性脑卒中导致的失语症患者	机器学习	脑卒中	扩散加权成像（DWI）	深度前馈网络	图像	共225名脑卒后失语症患者，其中176名被纳入并分析
1019	2024-09-01	An hybrid deep learning approach for depression prediction from user tweets using feature-rich CNN and bi-directional LSTM 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-12648-y PMID:35317471	研究论文	本文提出了一种混合深度学习模型，结合卷积神经网络（CNN）和双向长短期记忆网络（biLSTM），用于从用户推文中预测抑郁症	本文的创新点在于使用混合深度学习模型CNN-biLSTM，通过分析用户推文的语义内容来预测抑郁症，并在基准抑郁症数据集上达到了94.28%的准确率	NA	探索通过分析用户在社交媒体上的活动，特别是推文内容，来预测用户的心理状态，区分抑郁症患者和非抑郁症患者	研究对象为社交媒体平台Twitter上的用户推文	机器学习	NA	深度学习	CNN, biLSTM	文本	基准抑郁症数据集包含的推文
1020	2024-09-01	On the performance evaluation of object classification models in low altitude aerial data 2022, The Journal of supercomputing IF:2.5Q2 DOI:10.1007/s11227-022-04469-5 PMID:35399758	研究论文	本文比较了机器学习分类器与深度学习手工模型及多种预训练深度网络在低空无人机数据上的分类性能	提出了使用随机森林分类器和手工深度模型在低空无人机图像上的高准确率，并分析了多种预训练深度学习模型的性能	NA	评估和比较不同模型在低空无人机数据上的物体分类性能	低空无人机数据中的物体分类	计算机视觉	NA	机器学习和深度学习	CNN	图像	NA