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
1101	2024-09-02	Passenger Surveillance Using Deep Learning in Post-COVID-19 Intelligent Transportation System 2022, Transactions of the Indian National Academy of Engineering : an international journal of engineering and technology DOI:10.1007/s41403-022-00338-y PMID:35836615	研究论文	本文提出了一种基于深度学习的框架，用于在智能交通系统中进行乘客监控，以维护健康协议	首次尝试通过基于深度学习的图像分析在疫情后情况下监控车内社交距离	NA	开发一种自动监控系统，以在疫情后情况下确保乘客安全和遵守健康协议	车内乘客数量及其口罩佩戴情况	计算机视觉	NA	深度学习	CNN	图像	使用了增强的图像数据集
1102	2024-09-02	Deep Learning-Based Recognition of Different Thyroid Cancer Categories Using Whole Frozen-Slide Images 2022, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2022.857377 PMID:35875502	研究论文	本文提出了一种基于深度学习的方法，使用全冷冻切片图像识别不同类别的甲状腺癌，并通过经验决策树向病理学家推荐罕见类别	首次使用深度学习方法识别甲状腺癌的罕见、良性和恶性类别，并通过经验决策树提高识别罕见类别的准确性	罕见类别的识别错误率显著高于良性和恶性类别	开发一种能够识别甲状腺癌罕见类别并提高病理学家工作效率的深度学习框架	甲状腺癌的罕见、良性和恶性类别	计算机视觉	甲状腺癌	深度学习	UNet模型	图像	1,374张全切片图像
1103	2024-09-02	A retrospective study of 3D deep learning approach incorporating coordinate information to improve the segmentation of pre- and post-operative abdominal aortic aneurysm 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.1033 PMID:35875647	研究论文	本文提出了一种结合坐标信息的3D深度学习方法，用于提高腹主动脉瘤术前和术后的分割效果	引入坐标信息到3D卷积神经网络中，以提高腹主动脉瘤的分割准确性	数据集未进行增强处理，且未使用后处理步骤	研究如何通过深度学习方法自动分割腹主动脉瘤，以辅助手术决策和后续治疗	腹主动脉瘤的3D分割	计算机视觉	心血管疾病	3D卷积神经网络	CNN	图像	200名患者的非对比和对比增强CT图像，每张图像包含64个切片，分辨率为256×256
1104	2024-09-02	Transfer Learning-Based Condition Monitoring of Single Point Cutting Tool 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3205960 PMID:35875754	研究论文	本文提出使用基于迁移学习的技术来监测单点切削工具的状态	利用预训练的深度学习网络如VGG-16、AlexNet、ResNet-50和GoogLeNet来识别切削工具的状态，并研究了超参数对性能的影响	未提及具体限制	提高制造业生产效率，通过智能和自动化的诊断工具来维护工具健康状况	单点切削工具的状态监测	机器学习	NA	迁移学习	CNN	振动信号	未提及具体数量
1105	2024-09-02	A deep semantic vegetation health monitoring platform for citizen science imaging data 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0270625 PMID:35895741	研究论文	本文构建了一个基于深度语义分割的植被健康监测平台，用于处理公民科学项目中的RGB图像数据，以监测大面积景观中的植被健康状况	引入了基于深度语义分割的语义植被指数（SVI），并将其应用于公民科学项目中，以提高植被健康监测的准确性	文章未明确提及具体的局限性	开发一个能够准确监测大面积景观中植被健康状况的平台	澳大利亚景观中的植被健康状况	计算机视觉	NA	深度学习	语义分割模型	图像	数千张植被图像，来自澳大利亚地区的168个不同地点，覆盖六年的季度图像
1106	2024-09-02	Predicting death risk analysis in fully vaccinated people using novel extreme regression-voting classifier 2022 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076221109530 PMID:35898288	研究论文	本研究利用机器学习模型预测接种疫苗人群的死亡风险，并比较了不同模型的效果	提出了一种新的极端回归-投票分类器模型，并在实验中显示出优于其他机器学习和深度学习模型的性能	NA	研究如何利用机器学习模型预测接种COVID-19疫苗后的死亡风险	接种COVID-19疫苗后出现的三种重要事件：未存活、康复和未康复	机器学习	COVID-19	NA	极端回归-投票分类器、卷积神经网络、长短期记忆网络、双向长短期记忆网络	文本	使用原始数据集和通过合成少数类过采样技术平衡的数据集进行实验
1107	2024-09-02	A pilot study on deep learning-based grading of corners of vertebral bodies for assessment of radiographic progression in patients with ankylosing spondylitis 2022, Therapeutic advances in musculoskeletal disease IF:3.4Q2 DOI:10.1177/1759720X221114097 PMID:35898565	研究论文	本研究旨在开发一种基于深度学习模型的颈椎和腰椎椎体角度的分级方法，用于辅助检测强直性脊柱炎患者的mSASSS评分	首次开发了一种高性能的深度学习模型，用于椎体角度的分级	该模型需要进一步改进和验证，以开发未来的计算机辅助工具	开发一种深度学习模型，用于辅助检测强直性脊柱炎患者的mSASSS评分	颈椎和腰椎椎体角度	计算机视觉	强直性脊柱炎	深度学习	卷积神经网络	图像	1280名强直性脊柱炎患者，包括5,083张颈椎和5,245张腰椎侧位X光片，共计119,414个椎体角度
1108	2024-09-02	Identification and Classification of Prostate Cancer Identification and Classification Based on Improved Convolution Neural Network 2022, BioMed research international IF:2.6Q3 DOI:10.1155/2022/9112587 PMID:35898684	研究论文	本研究基于改进的卷积神经网络对前列腺癌进行识别和分类	提出了一种基于改进U-Net网络的区域分割模型，通过密集连接块融合深浅层特征，并对各尺度特征进行监督	NA	提高前列腺癌诊断的客观性和重复性	前列腺癌的识别和分类	计算机视觉	前列腺癌	深度学习	U-Net网络	图像	一个完全注释的数据集
1109	2024-09-02	Facility Layout Optimization of Urban Public Sports Services under the Background of Deep Learning 2022, Computational intelligence and neuroscience DOI:10.1155/2022/1748319 PMID:35898767	研究论文	本文采用M-P模型、损失函数和激活函数的方法，以即将举办亚运会的体育城市杭州为例，进行了城市公共体育服务布局优化的实验	利用深度学习技术优化城市公共体育服务的空间布局	实验仅基于杭州一个城市的情况，可能需要更多城市的数据以验证方法的普遍适用性	解决当前背景下城市体育社会设施布局不均衡及难以满足居民需求的问题	城市公共体育服务的空间布局	机器学习	NA	深度学习	M-P模型	数据	以杭州为例，进行了实验
1110	2024-09-02	A Hierarchical Graph Learning Model for Brain Network Regression Analysis 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.963082 PMID:35903810	研究论文	本文提出了一种用于脑网络回归分析的可解释图学习模型	该模型在有效性、公平性和透明度方面优于其他最先进的方法	NA	旨在提高脑网络分析的可解释性	脑网络和成人自我报告（ASR）评分	机器学习	NA	图学习方法	图学习模型	脑网络数据	来自人类连接组项目（HCP）的受试者
1111	2024-09-02	Machine Learning Approaches to TCR Repertoire Analysis 2022, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2022.858057 PMID:35911778	综述	本文综述了基于机器学习和深度学习的T细胞受体库分析方法，并讨论了其未来前景	NA	NA	评估免疫系统的状态和异常	T细胞受体库	机器学习	NA	基因组测序技术	机器学习和深度学习	数据	NA
1112	2024-09-02	Skin Cancer Classification With Deep Learning: A Systematic Review 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.893972 PMID:35912265	综述	本文全面概述了最新的基于深度学习的皮肤癌分类算法	总结了皮肤癌分类任务中的前沿问题及其解决方案，并指出这些方法的发展方向是结构化、轻量化和多模态	未提及具体的研究限制	提供基于深度学习的皮肤癌分类算法的全面概述	皮肤癌分类算法及其前沿问题	计算机视觉	皮肤癌	深度学习	CNN	图像	NA
1113	2024-09-02	An effective behavior recognition method in the video session using convolutional neural network 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0266734 PMID:35913982	研究论文	提出了一种基于卷积神经网络的视频行为识别方法，通过增加目标检测阶段和改进损失函数，提高了行为识别的准确性	通过增加目标检测阶段和使用改进的损失函数，减少了背景噪声的干扰并解决了分类难度和样本不平衡问题	未提及具体限制	提高基于视频的行为识别方法的准确性	视频中的行为识别	计算机视觉	NA	卷积神经网络 (CNN)	CNN	视频	使用了不同的开源和基准数据集进行实验
1114	2024-09-02	3D Convolutional Neural Network Framework with Deep Learning for Nuclear Medicine 2022, Scanning DOI:10.1155/2022/9640177 PMID:35924105	研究论文	本文探讨了在核医学领域中使用3D卷积神经网络（CNN）和深度学习（DL）的新进展	介绍了3D CNN和U-Net在核医学中的应用，这些技术改变了临床和研究实践	未明确提及	探索3D CNN和U-Net在核医学中的应用，以及它们如何影响临床和研究实践	核医学中的图像分析和数据处理	机器学习	NA	3D CNN	CNN	图像	未明确提及
1115	2024-09-02	A miRNA Target Prediction Model Based on Distributed Representation Learning and Deep Learning 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/4490154 PMID:35924115	研究论文	本文开发了一种结合词嵌入和深度学习的新方法，用于人类miRNA靶点在位点级别的预测	本文首次研究了核苷酸序列的编码问题，并利用词嵌入和深度学习技术提高了miRNA靶点预测的准确性	NA	揭示转录组调控机制，对癌症和其他疾病的研究具有重要意义	人类miRNA靶点	生物信息学	NA	词嵌入，深度学习	BiLSTM	序列数据	NA
1116	2024-09-01	Using artificial intelligence to improve the diagnostic efficiency of pulmonologists in differentiating COVID-19 pneumonia from community-acquired pneumonia 2022-08, Journal of medical virology IF:6.8Q1 DOI:10.1002/jmv.27777 PMID:35419818	研究论文	本研究利用人工智能（AI）提高肺科医生通过CT扫描区分COVID-19肺炎和社区获得性肺炎（CAP）的诊断效率	提出了一种基于深度学习的AI模型，该模型能够从体积CT扫描中提取视觉数据，显著提高了肺科医生的诊断准确性、敏感性和特异性	研究是回顾性的，未来的研究应关注AI在COVID-19感染实时应用中的效果	分析AI对肺科医生区分COVID-19肺炎和CAP诊断性能的贡献	COVID-19肺炎和社区获得性肺炎（CAP）的CT扫描图像	计算机视觉	COVID-19	深度学习	深度学习模型	CT扫描图像	2496次扫描（887名患者），其中1428次来自COVID-19组，1068次来自CAP组
1117	2024-09-01	Benchmarking AlphaFold for protein complex modeling reveals accuracy determinants 2022-08, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4379 PMID:35900023	研究论文	本文评估了AlphaFold在蛋白质复合体结构预测中的应用，通过152个异源二聚体蛋白质复合体的基准测试，探讨了其准确性和影响因素。	AlphaFold在许多情况下能生成接近天然结构的模型，显著优于未结合蛋白质-蛋白质对接的表现。	AlphaFold在抗体-抗原复合体的建模中表现不佳，且适应性免疫识别对当前AlphaFold算法和模型构成挑战。	研究AlphaFold在蛋白质复合体结构预测中的准确性和影响因素。	152个异源二聚体蛋白质复合体及抗体-抗原复合体。	机器学习	NA	深度学习	AlphaFold	序列数据	152个异源二聚体蛋白质复合体
1118	2024-09-01	Improved SSD network for fast concealed object detection and recognition in passive terahertz security images 2022-07-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-16208-0 PMID:35840636	研究论文	本文提出了一种改进的SSD网络，用于在被动太赫兹安全图像中快速检测和识别隐藏物体	通过替换SSD算法的骨干网络为更具代表性的残差网络，并引入混合注意力机制和Focal Loss函数，提高了检测精度和速度	NA	旨在提出一种新方法，用于在太赫兹图像中准确且实时地检测隐藏物体	隐藏物体在太赫兹图像中的检测	计算机视觉	NA	深度学习	SSD, ResNet	图像	使用被动太赫兹设备收集的人体图像数据进行训练和测试
1119	2024-09-01	Identifying multicellular spatiotemporal organization of cells with SpaceFlow 2022-07-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-31739-w PMID:35835774	研究论文	本文介绍了SpaceFlow方法，通过结合表达相似性和空间信息，生成空间一致的低维嵌入，并引入伪时空图来揭示细胞的时空模式。	SpaceFlow通过使用空间正则化深度图网络，同时考虑细胞的转录组相似性和空间位置，创新地生成了空间一致的低维嵌入。	NA	研究旨在开发一种灵活的深度学习框架，用于在分析空间转录组数据时整合时空信息。	研究对象包括心脏发育数据和人类乳腺癌数据中的细胞时空模式。	机器学习	乳腺癌	深度学习	深度图网络	转录组数据	涉及多个空间转录组数据集，包括斑点和单细胞分辨率的数据。
1120	2024-09-01	Area-based breast percentage density estimation in mammograms using weight-adaptive multitask learning 2022-07-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-16141-2 PMID:35835933	研究论文	本文提出了一种基于深度学习的权重自适应多任务学习方法，用于从乳腺X光片中自动估计基于区域的乳腺百分比密度	该方法同时分割乳腺和密集组织，并进一步估计乳腺百分比密度，相较于多任务U-net和全卷积神经网络，在F-score上分别实现了2.88%和9.78%的平均相对改进	目前的方法通常局限于特定的乳腺X光片视图，并且对于胸大肌的完整描绘不足，在数据变异性方面表现不佳，通常需要经验丰富的放射科医生调整分割阈值	提高乳腺区域和密集组织的分割准确性，从而准确计算乳腺密度	乳腺X光片中的乳腺密度估计	计算机视觉	乳腺癌	深度学习	CNN	图像	7500张来自芬兰库奥皮奥大学医院的头尾位和内侧斜位乳腺X光片