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
1581	2024-08-25	An Efficient Stacked Deep Transfer Learning Model for Automated Diagnosis of Lyme Disease 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2933015 PMID:35265109	研究论文	本文提出了一种高效的堆叠深度迁移学习模型，用于自动化诊断莱姆病	该模型通过使用二阶边缘基色恒常性预处理方法和数据增强技术，有效解决了过拟合和颜色变化问题	NA	提高莱姆病的诊断准确性	莱姆病与其他感染的区分	机器学习	莱姆病	深度学习	AlexNet	图像	使用了5折交叉验证
1582	2024-08-25	Classification and Detection of Autism Spectrum Disorder Based on Deep Learning Algorithms 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8709145 PMID:35265118	研究论文	本研究利用深度学习算法对自闭症谱系障碍进行分类和检测	提出了一种基于社交媒体数据和人脸识别的自闭症谱系障碍检测系统	需要精确的技术来提取和生成正确的人脸特征模式	帮助社区和精神科医生通过面部特征实验性地检测自闭症	自闭症谱系障碍儿童的面部特征	机器学习	精神疾病	深度学习	卷积神经网络	图像	2,940张人脸图像
1583	2024-08-25	Ensemble Deep Learning and Internet of Things-Based Automated COVID-19 Diagnosis Framework 2022, Contrast media & molecular imaging DOI:10.1155/2022/7377502 PMID:35280708	研究论文	本文提出了一种基于集成深度学习和物联网（IoT）的自动化COVID-19诊断框架，通过集成三个预训练的深度学习模型和利用医疗IoT设备收集的CT扫描图像进行自动诊断	该框架通过集成多个深度学习模型和利用IoT技术，提高了COVID-19诊断的准确性和效率	NA	开发一种高效的自动化COVID-19诊断方法	COVID-19疑似病例的诊断	机器学习	COVID-19	深度学习	集成模型	图像	四类数据集
1584	2024-08-25	Deep Learning Neural Network Prediction System Enhanced with Best Window Size in Sliding Window Algorithm for Predicting Domestic Power Consumption in a Residential Building 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7216959 PMID:35281200	研究论文	本文通过深度学习方法（LSTM和CNN）分析并预测单个住宅建筑的家用电力消耗，引入了“最佳N窗口大小”特征，以识别过去数据中的可靠时间段，从而优化预测模型。	提出了“最佳N窗口大小”特征，用于识别过去数据中的可靠时间段，以改进滑动窗口算法，提高预测模型的准确性。	NA	分析和预测住宅建筑的家用电力消耗，以提高能源利用效率。	单个住宅建筑的家用电力消耗。	机器学习	NA	深度学习	LSTM和CNN	时间序列数据	NA
1585	2024-08-25	Deep learning for microscopic examination of protozoan parasites 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.02.005 PMID:35284048	review	本文综述了深度学习在原生动物寄生虫显微检查领域的进展	深度学习在生物医学图像分析中表现出卓越性能，特别是在寄生虫诊断方面	深度学习在原生动物寄生虫诊断中仍面临挑战和未来趋势	总结深度学习在原生动物寄生虫显微检查领域的进展及未来趋势	原生动物寄生虫的显微图像	computer vision	NA	deep learning	CNN	image	公开可用的原生动物寄生虫显微图像数据集
1586	2024-08-24	VoxelHop: Successive Subspace Learning for ALS Disease Classification Using Structural MRI 2022-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2021.3097735 PMID:34339378	研究论文	本文提出了一种名为VoxelHop的连续子空间学习模型，用于使用T2加权结构MRI数据对肌萎缩侧索硬化症（ALS）进行准确分类	VoxelHop模型具有模块化和透明的结构，参数较少且无需反向传播，适合小数据集和3D成像数据	NA	提高使用医学成像数据进行疾病检测和分类的准确性	肌萎缩侧索硬化症（ALS）的分类	计算机视觉	神经退行性疾病	MRI	VoxelHop	3D成像数据	20名对照组和26名患者
1587	2024-08-24	Detecting hip osteoarthritis on clinical CT: a deep learning application based on 2-D summation images derived from CT 2022-Feb, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-021-06130-y PMID:34476540	研究论文	本文开发并比较了用于检测临床CT上髋骨关节炎的深度学习模型	通过结合CT-AP和X射线图像，在缺乏大量训练数据的情况下优化了可靠的深度学习模型	NA	检测髋骨关节炎	临床CT上的髋骨关节炎	计算机视觉	髋骨关节炎	深度学习	深度学习模型	CT图像	NA
1588	2024-08-24	Morphological components detection for super-depth-of-field bio-micrograph based on deep learning 2022-Jan-29, Microscopy (Oxford, England) DOI:10.1093/jmicro/dfab033 PMID:34417804	研究论文	本文提出了一种基于Retinanet模型的超景深生物显微图像中的细胞目标检测算法	与主流算法相比，该算法在平均精度均值（mAP）指标上有显著提升，实验中白带样本和粪便样本的mAP分别达到83.1%和88.1%	NA	提高超景深系统中显微图像细胞分类和定位的效率与准确性	超景深生物显微图像中的细胞	计算机视觉	NA	深度学习	Retinanet	图像	白带样本和粪便样本
1589	2024-08-24	Sentiment Analysis in Social Media Data for Depression Detection Using Artificial Intelligence: A Review 2022, SN computer science DOI:10.1007/s42979-021-00958-1 PMID:34816124	综述	本文综述了利用人工智能技术对社交媒体数据进行情感分析以检测抑郁情绪的研究	采用多类分类与深度学习算法提高了情感分析的精确度	NA	探讨如何利用社交媒体数据进行情感分析以检测抑郁情绪	社交媒体中的文本、表情符号和表情等数据	自然语言处理	NA	机器学习和深度学习技术	深度学习算法	文本	NA
1590	2024-08-23	Historical-crack18-19: A dataset of annotated images for non-invasive surface crack detection in historical buildings 2022-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2022.107865 PMID:35146090	研究论文	本文介绍了Historical-crack18-19数据集，包含约3886张历史建筑混凝土表面的注释图像	该数据集专门用于训练和验证基于机器学习和深度学习模型的自动化非侵入性裂缝检测和裂缝严重程度识别方法	在历史建筑表面图像中，裂缝检测/分割系统面临多种挑战，如光照、类似裂缝的图案、分隔符、灰尘、模糊和深层纹理等	旨在为自动化非侵入性裂缝检测和裂缝严重程度识别提供数据支持	历史建筑混凝土表面的裂缝检测	计算机视觉	NA	机器学习 (ML) 和深度学习 (DL)	NA	图像	约3886张注释图像，包括757张裂缝图像和3139张非裂缝图像
1591	2024-08-23	Deep Generative Medical Image Harmonization for Improving Cross-Site Generalization in Deep Learning Predictors 2022-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.27908 PMID:34564904	研究论文	本文开发并评估了一种基于深度学习的图像协调方法，以提高深度学习年龄预测的跨站点泛化能力	使用生成对抗网络（GAN）进行医学图像协调，显著改善了年龄预测模型的跨站点泛化性能	需要进一步研究以验证GAN基医学图像协调方法的长期效果和广泛适用性	提高深度学习模型在不同成像设备和采集协议间的泛化性能	脑部图像的年龄预测	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	8876名受试者，其中2739名用于训练，6137名用于测试
1592	2024-08-23	The Digital Brain Tumour Atlas, an open histopathology resource 2022-02-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-022-01157-0 PMID:35169150	研究论文	本文介绍了一个名为“数字脑瘤图谱”的开源组织病理学资源，该资源包含大量数字化脑瘤样本及其临床注释	该研究填补了脑瘤组织病理学数据集的空缺，为机器学习和数字图像分析提供了宝贵的资源	NA	旨在提供一个公开可用的脑瘤组织病理学数据集，支持精确诊断和相关研究	脑瘤组织病理学数据集及其临床注释	数字病理学	脑瘤	数字化扫描	NA	图像	3,115张切片，涵盖126种脑瘤类型及47种对照组织
1593	2024-08-23	Deep-learning-assisted Fourier transform imaging spectroscopy for hyperspectral fluorescence imaging 2022-02-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06360-y PMID:35169167	研究论文	本文利用深度学习技术改进傅里叶变换成像光谱学（FTIS），以提高高光谱荧光成像的效率和鲁棒性	通过深度学习，将干涉图采样量大幅减少一个数量级，同时保持图像质量，并提高了对位移台误差和环境振动的鲁棒性	NA	提高高光谱荧光成像的成像吞吐量和系统鲁棒性	牛肺动脉内皮细胞和10种荧光珠	计算机视觉	NA	傅里叶变换成像光谱学（FTIS）	神经网络	干涉图	牛肺动脉内皮细胞和10种荧光珠
1594	2024-08-23	Examination of blood samples using deep learning and mobile microscopy 2022-Feb-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04602-4 PMID:35148679	研究论文	本文研究使用深度学习和移动显微镜对血液样本进行检测	开发了一种基于移动显微镜和强大算法的即时护理系统，可以直接在患者床边提供护理	需要对模型进行大量修改以适应检测大量小物体的需求	探索使用深度学习方法进行移动血液检测的可行性和准确性	人类血液样本中的不同血细胞类型	计算机视觉	NA	深度学习	Mask R-CNN, Mask Scoring R-CNN, D2Det, YOLACT	图像	未具体说明样本数量
1595	2024-08-23	Deep learning for gastroscopic images: computer-aided techniques for clinicians 2022-Feb-11, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-022-00979-8 PMID:35148764	综述	本文综述了深度学习在胃镜图像处理中的应用，旨在为临床医生提供计算机辅助技术	利用深度学习技术在实时胃镜检查中提供现场协助，帮助内镜医师发现并描述病变	讨论了深度学习技术在临床应用前需要解决的关键问题	总结深度学习在克服胃镜检查中疾病相关和非疾病相关挑战的应用，并提供技术指导和全面视角	胃镜图像和胃部疾病	计算机视觉	胃病	深度学习	NA	图像	NA
1596	2024-08-23	Oner, Sung, and Lee: Researchers in digital pathology for the future of modern medicine 2022-Feb-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100447 PMID:35199070	research paper	Oner, Lee 和 Sung 开发了一种深度学习模型，用于准确预测肿瘤组织中癌细胞的比例	开发了一种新的深度学习模型，用于精确预测癌细胞比例，这是精准肿瘤学和靶向治疗的关键步骤	NA	开发和验证一种深度学习模型，以提高癌症治疗的精确性	肿瘤组织中的癌细胞比例	digital pathology	cancer	deep learning	deep learning model	image	NA
1597	2024-08-23	Fused feature signatures to probe tumour radiogenomics relationships 2022-02-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06085-y PMID:35140267	研究论文	本研究提出了一种融合特征签名（FF），通过结合手工特征提取技术和深度特征提取技术，以更好地表示肿瘤放射基因组学关系（RRs）。	本研究首次尝试融合手工特征提取技术和深度特征提取技术，以利用它们之间的互补信息，从而更全面地识别放射基因组学关系。	本研究仅使用了两个公开数据集进行验证，未来需要更多的数据集来进一步验证FF的有效性。	旨在通过融合不同类型的图像特征提取技术，提高肿瘤放射基因组学关系的识别能力。	非小细胞肺癌（NSCLC）患者的基因表达数据和CT图像。	数字病理学	肺癌	深度学习模型（如迁移学习和微调）	CNN	图像	89名NSCLC患者用于构建FF，117名NSCLC患者用于验证
1598	2024-08-23	Sequence-based prediction of protein binding regions and drug-target interactions 2022-Feb-08, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-022-00584-w PMID:35135622	研究论文	本文构建了一个名为Highlights on Target Sequences (HoTS)的深度学习模型，用于预测蛋白质序列与药物配体之间的结合区域和药物-靶标相互作用	提出了一个结合区域预测模型，提高了药物-靶标相互作用预测的性能，并增强了模型的可解释性	模型在预测中不使用3D结构信息	提高药物-靶标相互作用预测的性能和模型的可解释性	蛋白质序列与药物配体之间的结合区域和药物-靶标相互作用	机器学习	NA	深度学习	transformer	蛋白质序列	收集了蛋白质-配体相互作用的复合物和结合位点的蛋白质序列
1599	2024-08-23	Automated Lung Sound Classification Using a Hybrid CNN-LSTM Network and Focal Loss Function 2022-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s22031232 PMID:35161977	研究论文	本文提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合神经模型，用于自动分类四种肺音类型，并采用焦点损失函数处理训练数据不平衡问题	引入焦点损失函数以解决训练数据不平衡问题，并结合CNN和LSTM网络进行肺音分类	NA	开发一种自动肺音分类模型，以提高呼吸疾病诊断和患者监测的效率	肺音的自动分类，包括正常、爆裂音、哮鸣音及两者兼有	机器学习	呼吸疾病	短时傅里叶变换（STFT）	CNN-LSTM	音频	使用了ICBHI 2017呼吸音数据库进行训练和测试
1600	2024-08-23	Diagnostic performance of deep learning and computational fluid dynamics-based instantaneous wave-free ratio derived from computed tomography angiography 2022-02-05, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-022-02469-0 PMID:35120463	研究论文	本文评估了基于深度学习和计算流体动力学（CFD）的CT-iFR（AccuiFRct）方法在诊断冠状动脉病变中的表现。	提出了一种新的CT-iFR方法AccuiFRct，该方法结合了深度学习和计算流体动力学，用于从冠状动脉CT血管造影（CCTA）中计算iFR。	研究样本量较小，仅涉及36名患者和36条血管。	评估AccuiFRct在诊断由缺血引起的冠状动脉狭窄中的诊断性能。	36名连续患者的36条血管，这些患者接受了CCTA、侵入性FFR和iFR检查。	机器学习	心血管疾病	深度学习, 计算流体动力学	NA	图像	36名患者，36条血管