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
1021	2024-09-01	A transfer learning based deep learning model to diagnose covid-19 CT scan images 2022, Health and technology IF:3.1Q2 DOI:10.1007/s12553-022-00677-4 PMID:35698586	研究论文	本文提出了一种基于迁移学习的深度学习模型，用于通过CT扫描图像诊断COVID-19	本文提出的深度学习方法减少了复杂性，耗时更少，并且提高了COVID-19诊断的准确性	NA	开发一种高效且准确的自动化方法，用于在疫情条件下快速诊断COVID-19	COVID-19患者的CT扫描图像	计算机视觉	COVID-19	深度学习	CNN	图像	使用了多种CT扫描图像进行分析
1022	2024-09-01	Fully automated determination of the cervical vertebrae maturation stages using deep learning with directional filters 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0269198 PMID:35776715	研究论文	本文提出了一种使用带有方向滤波器的深度卷积神经网络（CNN）来自动检测和分类颈椎成熟阶段（CVM）的方法	创新的定制设计深度CNN模型，内置一组新颖的方向滤波器，用于突出X射线图像中颈椎的边缘	NA	应用深度学习实现颈椎成熟阶段的全自动检测和分类	颈椎成熟阶段（CVM）的分类	计算机视觉	NA	深度学习	CNN	图像	1018张头颅侧位X光片
1023	2024-09-01	Application of Machine Learning Algorithms for Asthma Management with mHealth: A Clinical Review 2022, Journal of asthma and allergy IF:3.7Q1 DOI:10.2147/JAA.S285742 PMID:35791395	综述	本文综述了机器学习算法在哮喘管理中的应用，特别是在移动健康（mHealth）领域的应用	探讨了mHealth在哮喘管理中超越简单监测的潜力，并强调了个性化算法的重要性	大多数研究基于小规模数据集，且缺乏外部验证，限制了研究结果的普遍性	旨在填补机器学习在mHealth哮喘管理应用方面的研究空白	哮喘管理中的mHealth应用	机器学习	哮喘	机器学习算法	监督学习算法（如逻辑回归、决策树）和非监督学习算法	来自各种设备的数据（如智能手机、智能手表、峰值流量计等）	从90项研究中筛选出22项相关研究进行进一步审查
1024	2024-09-01	An Intelligent System for Detecting Abnormal Behavior in Students Based on the Human Skeleton and Deep Learning 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3819409 PMID:35795751	研究论文	本研究利用智能视频系统，基于人体骨骼和深度学习技术，提出了一种检测学生异常行为的方法	通过迭代训练OpenPose深度学习网络提取人体骨骼的时空特征，并使用图卷积神经网络和滑动窗口投票方法提高行为分类的准确性和处理效率	NA	开发一种高效准确的异常行为检测系统	学生的异常行为	计算机视觉	NA	深度学习	图卷积神经网络	视频	使用自建的学生轨迹数据集和INRIA数据集进行模拟分析
1025	2024-09-01	PD-ResNet for Classification of Parkinson's Disease From Gait 2022, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2022.3180933 PMID:35795875	研究论文	本文提出了一种基于残差网络架构的新模型PD-ResNet，用于从步态自动识别帕金森病和健康对照组	采用了多项式提升维度技术增加输入步态特征的维度，并开发了一种改进的焦点损失函数，专注于训练PD-ResNet处理困难样本并舍弃异常样本	NA	开发一种客观且高效的方法来自动识别帕金森病和健康对照组	帕金森病患者和健康对照组的步态差异	机器学习	帕金森病	残差网络（ResNet）	PD-ResNet	3维图片	临床步态数据集
1026	2024-09-01	Intelligent Analysis of Exercise Health Big Data Based on Deep Convolutional Neural Network 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5020150 PMID:35800690	研究论文	本文使用深度卷积神经网络算法对运动健康大数据进行深入研究和分析，并设计了一个智能分析系统用于实际应用过程	本文首次将卷积神经网络应用于脑波数据的四分类，并通过优化模型提高了其准确性，同时建立了一个多模态数据特征融合的情绪疲劳检测演示平台	NA	研究如何利用深度学习技术对运动健康大数据进行智能分析	运动健康大数据	机器学习	NA	深度卷积神经网络	CNN	脑波数据	NA
1027	2024-09-01	Analysis of Data Interaction Process Based on Data Mining and Neural Network Topology Visualization 2022, Computational intelligence and neuroscience DOI:10.1155/2022/1817628 PMID:35814595	研究论文	本文通过数据挖掘和神经网络模型构建与分析，设计了一种基于数据挖掘和拓扑可视化的数据交互过程模型	提出了一种在不稳定区域内可视化网络拓扑的方法，将网络拓扑布局问题转化为凸多边形内的圆形拓扑扩散问题，确保了清晰的逻辑拓扑连接并减少了区域间的间隙	NA	设计一个有效的数据交互过程模型，提高数据交互的实时性、准确性、安全性和可靠性	学生学术表现数据	机器学习	NA	多通道卷积神经网络（MCNN）	卷积神经网络（CNN）	文本	NA
1028	2024-09-01	Intelligent Deep Learning Enabled Oral Squamous Cell Carcinoma Detection and Classification Using Biomedical Images 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7643967 PMID:35814555	研究论文	本文开发了一种智能深度学习驱动的口腔鳞状细胞癌检测与分类技术（IDL-OSCDC），利用生物医学图像进行口腔癌的识别和分类	提出了一种基于Gabor滤波的预处理步骤，使用NasNet模型生成高层次深度特征，并采用增强型蝗虫优化算法（EGOA）优化的深度信念网络（DBN）进行口腔癌检测和分类	NA	开发一种自动化的工具用于口腔癌的早期检测和分类	口腔鳞状细胞癌	计算机视觉	口腔癌	Gabor滤波（GF）	深度信念网络（DBN）	图像	使用了一个基准生物医学成像数据集进行实验
1029	2024-09-01	Predicting 3D chromatin interactions from DNA sequence using Deep Learning 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.06.047 PMID:35832620	综述	本文综述了利用深度学习模型从DNA序列预测3D染色质相互作用的研究进展	深度学习模型结合全基因组3C测序数据已成为推断远端相互作用DNA序列语法的有力工具	目前深度学习模型的训练仅限于少数人类细胞系，其预测结果在其他组织类型和物种中的泛化能力有待验证	探讨DNA序列特征在介导远端染色质相互作用中的作用	3D染色质结构及其在基因调控中的作用	机器学习	NA	3C测序	深度学习模型	DNA序列	少数人类细胞系
1030	2024-09-01	Molecular Modeling of ABHD5 Structure and Ligand Recognition 2022, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2022.935375 PMID:35836935	研究论文	本研究结合计算和实验方法构建了ABHD5的三维结构，并揭示了其与合成配体的结合机制	首次使用深度学习方法构建ABHD5模型，并通过模拟和实验数据验证了其结构	NA	探究ABHD5的分子结构及其配体识别机制	ABHD5蛋白及其与合成配体的相互作用	生物信息学	代谢疾病	分子动力学模拟	深度学习模型	蛋白质结构	一系列ABHD5突变体和合成配体
1031	2024-09-01	Surface Defect Segmentation Algorithm of Steel Plate Based on Geometric Median Filter Pruning 2022, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2022.945248 PMID:35845429	研究论文	本文针对钢板表面缺陷分割问题，提出了一种基于几何中值滤波剪枝的深度学习模型压缩算法	提出了一种基于几何中值滤波的模型剪枝算法，用于结构化剪枝和压缩缺陷分割检测网络	NA	优化和简化钢板表面缺陷检测模型，使其适用于工厂嵌入式设备	钢板表面缺陷分割检测模型	机器学习	NA	几何中值滤波剪枝	深度学习模型	图像	NA
1032	2024-09-01	Using deep learning-based natural language processing to identify reasons for statin nonuse in patients with atherosclerotic cardiovascular disease 2022, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-022-00157-w PMID:35856080	研究论文	本研究利用基于深度学习的自然语言处理技术，从非结构化的电子健康记录中识别出动脉粥样硬化心血管疾病患者未使用他汀类药物的原因	开发并验证了基于深度学习的自然语言处理方法（临床双向编码器表示变换器BERT），用于分类他汀类药物未使用及其原因	NA	识别大规模医疗系统中他汀类药物未使用的原因，以开发针对性的干预措施，提高他汀类药物的使用率	动脉粥样硬化心血管疾病患者的电子健康记录	自然语言处理	心血管疾病	自然语言处理（NLP）	双向编码器表示变换器（BERT）	文本	56,530名动脉粥样硬化心血管疾病患者
1033	2024-09-01	Three-Dimensional Reconstruction of a CT Image under Deep Learning Algorithm to Evaluate the Application of Percutaneous Kyphoplasty in Osteoporotic Thoracolumbar Compression Fractures 2022, Contrast media & molecular imaging DOI:10.1155/2022/9107021 PMID:35919502	研究论文	本研究通过优化传统的V-Net网络并提出改进的V-Net，用于基于深度学习的三维CT图像重建，以评估经皮椎体成形术在治疗骨质疏松性胸腰椎压缩性骨折中的应用	本研究引入了改进的V-Net网络，其Dice系数明显高于U-Net、V-Net和CNN，Hausdorff距离则低于这些网络，显示出更好的分割和重建质量	NA	探讨基于深度学习的V-Net网络进行三维CT图像重建，评估经皮椎体成形术治疗骨质疏松性胸腰椎压缩性骨折的疗效	106名骨质疏松性胸腰椎压缩性骨折患者，分为经皮椎体成形术组和对照组	计算机视觉	骨质疏松症	CT扫描	V-Net网络	图像	106名患者，128个椎体
1034	2024-08-31	Brain Lesion Synthesis via Progressive Adversarial Variational Auto-Encoder 2022-Sep-21, Simulation and synthesis in medical imaging : ... International Workshop, SASHIMI ..., held in conjunction with MICCAI ..., proceedings. SASHIMI (Workshop) DOI:10.1007/978-3-031-16980-9_10 PMID:39026926	研究论文	本文提出了一种渐进式对抗变分自编码器（PAVAE）框架，用于合成脑部病变图像，以扩充训练数据集，提高分割任务的性能	设计了条件嵌入块（CEB）和掩码嵌入块（MEB），将掩码的固有条件编码到特征空间，以更好地利用外部信息提供额外的网络训练监督	NA	开发一种新的方法来合成脑部病变图像，以支持激光间质热疗（LITT）治疗后的区域兴趣（ROI）分割	脑部病变图像的合成与分割	计算机视觉	颞叶内侧癫痫	卷积神经网络（CNN）	对抗变分自编码器（VAE）	图像	具体样本数量未提及
1035	2024-08-31	Protocol for live cell image segmentation to profile cellular morphodynamics using MARS-Net 2022-09-16, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2022.101469 PMID:35733606	研究论文	本文介绍了使用MARS-Net深度学习模型进行活细胞图像分割以分析细胞形态动力学的协议	开发了MARS-Net模型，该模型集成了ImageNet预训练的VGG19编码器和U-Net解码器，用于处理多种显微镜图像数据	NA	旨在解决荧光和相衬成像技术在活细胞图像中准确边缘定位的挑战	活细胞图像中的细胞分割	计算机视觉	NA	深度学习	MARS-Net	图像	多种类型的显微镜图像数据
1036	2024-08-31	Hierarchical deep learning of multiscale differential equation time-steppers 2022-Aug-08, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2021.0200 PMID:35719073	研究论文	本文开发了一种分层的深度神经网络时间步进算法，用于在多时间尺度上近似动态系统的流图	提出的分层时间步进方案在捕捉多时间尺度、提高准确性、长期预测效率和灵活性方面优于现有算法	NA	开发一种高效且准确的数据驱动方法，用于在多时间尺度上近似非线性动态系统的解	非线性动态系统，包括Van der Pol振荡器、Lorenz系统、Kuramoto-Sivashinsky方程和流体通过圆柱体流动；音频和视频信号	机器学习	NA	深度神经网络	深度神经网络	序列数据	涉及多种非线性动态系统和信号类型
1037	2024-08-31	VALIDATION OF A DEEP LEARNING-BASED ALGORITHM FOR SEGMENTATION OF THE ELLIPSOID ZONE ON OPTICAL COHERENCE TOMOGRAPHY IMAGES OF AN USH2A-RELATED RETINAL DEGENERATION CLINICAL TRIAL 2022-07-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000003448 PMID:35174801	研究论文	本文评估了一种基于深度学习的算法对椭圆带（EZ）在光学相干断层扫描（OCT）图像上分割的泛化能力	使用深度OCT萎缩检测算法，该算法最初为黄斑毛细血管扩张症2型开发，现应用于USH2A相关视网膜变性临床试验中	NA	评估基于深度学习的算法在不同疾病和生物标志物中的应用潜力	USH2A相关视网膜变性患者的OCT图像中的椭圆带（EZ）	计算机视觉	视网膜疾病	深度学习	CNN	图像	127个频域光学相干断层扫描体积
1038	2024-08-31	Splice-site identification for exon prediction using bidirectional LSTM-RNN approach 2022-Jul, Biochemistry and biophysics reports IF:2.3Q3 DOI:10.1016/j.bbrep.2022.101285 PMID:35663929	研究论文	本文提出了一种基于双向长短期记忆（LSTM）循环神经网络（RNN）的深度学习模型，用于识别和预测真核生物DNA序列中的剪接位点，从而预测外显子	使用双向LSTM-RNN模型来提高剪接位点识别的准确性，并通过增加训练周期来改进模型	NA	提高DNA序列中剪接位点识别和外显子预测的准确性	真核生物DNA序列中的剪接位点和外显子	机器学习	NA	NA	双向LSTM-RNN	DNA序列	NA
1039	2024-08-31	SDNN-PPI: self-attention with deep neural network effect on protein-protein interaction prediction 2022-Jun-27, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-022-08687-2 PMID:35761175	研究论文	本文提出了一种基于自注意力和深度学习的蛋白质-蛋白质相互作用预测方法SDNN-PPI	SDNN-PPI方法采用氨基酸组成（AAC）、联合三联体（CT）和自协方差（AC）提取蛋白质序列的全局和局部特征，并利用自注意力增强DNN特征提取，更有效地完成PPIs预测	NA	探索蛋白质-蛋白质相互作用的机制，并为药物设计和疾病预防提供新思路	蛋白质-蛋白质相互作用（PPIs）	机器学习	NA	自注意力	深度神经网络（DNN）	蛋白质序列	在酵母和人类的同种相互作用数据集上进行了5折交叉验证，以及在人类-炭疽杆菌和人类-鼠疫耶尔森菌的异种相互作用数据集上进行了验证，独立数据集包括秀丽隐杆线虫、大肠杆菌、人类和鼠类
1040	2024-08-31	scDART: integrating unmatched scRNA-seq and scATAC-seq data and learning cross-modality relationship simultaneously 2022-06-27, Genome biology IF:10.1Q1 DOI:10.1186/s13059-022-02706-x PMID:35761403	research paper	本文提出了一种名为scDART的深度学习框架，用于整合不同批次的scRNA-seq和scATAC-seq数据，并同时学习跨模态关系	scDART框架能够保留连续细胞群体中的细胞轨迹，并可应用于整合数据上的轨迹推断	NA	解决整合不同批次的scRNA-seq和scATAC-seq数据的挑战	scRNA-seq和scATAC-seq数据	machine learning	NA	深度学习	NA	scRNA-seq和scATAC-seq数据	NA