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
21	2024-09-11	A deep learning segmentation-classification pipeline for X-ray-based COVID-19 diagnosis 2022-Jun, Biomedical engineering advances DOI:10.1016/j.bea.2022.100041 PMID:35663366	研究论文	本文设计了一种基于深度学习的分割-分类流水线，用于基于X射线的COVID-19诊断	本文的创新点在于在深度学习模型中引入了分割模块，并结合集成分类器，以提高COVID-19诊断的准确性和敏感性	本文的局限性在于仅使用了公开数据集，并未涵盖所有可能的病例，且未详细讨论模型的泛化能力和实际临床应用的可行性	本文的研究目的是设计一种能够准确区分COVID-19与其他肺部疾病的深度学习诊断模型	本文的研究对象是基于胸部X射线的COVID-19诊断	计算机视觉	COVID-19	深度学习	CNN	图像	使用了公开数据集，具体样本数量未提及
22	2024-09-10	Efficient and visualizable convolutional neural networks for COVID-19 classification using Chest CT 2022-Jun-01, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2022.116540 PMID:35075334	研究论文	本文设计、评估并比较了20种卷积神经网络在基于胸部CT扫描对COVID-19患者进行分类的性能	首次考虑使用EfficientNet家族进行COVID-19诊断，并使用中间激活图来可视化模型性能	NA	开发一种快速、可扩展且准确的COVID-19诊断方法	COVID-19患者、健康人群和其他肺部感染患者	计算机视觉	COVID-19	卷积神经网络	EfficientNet-B5	图像	4173张胸部CT图像，其中2168张为COVID-19阳性，758张为健康，1247张为其他肺部感染
23	2024-09-10	Temporal deep learning architecture for prediction of COVID-19 cases in India 2022-Jun-01, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2022.116611 PMID:35153389	研究论文	本文设计了多种深度学习模型来预测印度及其四个受影响最严重的州的COVID-19每日确诊病例	本文引入了多种深度学习模型（如堆叠LSTM和混合CNN+LSTM模型）来捕捉COVID-19爆发的复杂趋势，并进行短期预测	本文仅限于对印度及其四个州的COVID-19病例进行预测，未涵盖全球范围	研究目的是通过深度学习模型预测COVID-19的动态趋势，以帮助减缓或停止疫情	研究对象是印度及其四个受影响最严重的州的COVID-19每日确诊病例	机器学习	COVID-19	NA	LSTM, CNN	数值数据	研究涉及印度及其四个州的COVID-19每日确诊病例数据
24	2024-09-10	Industry 4.0 technologies and their applications in fighting COVID-19 pandemic using deep learning techniques 2022-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105418 PMID:35334315	研究论文	本文探讨了利用深度学习技术在工业4.0背景下对抗COVID-19的应用	提出了一种基于深度卷积神经网络（CNN）的自动化系统，用于快速识别COVID-19患者	依赖于小样本数据集，尽管使用了数据增强技术，但仍可能存在泛化问题	开发一种预测框架，帮助卫生当局在COVID-19紧急情况下做出快速反应	COVID-19患者的X射线图像	计算机视觉	COVID-19	深度学习	CNN	图像	使用了少量X射线图像，并通过数据增强技术生成了10,000张增强图像
25	2024-09-10	Comparison and ensemble of 2D and 3D approaches for COVID-19 detection in CT images 2022-Jun-01, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2022.02.018 PMID:35345875	研究论文	本文比较了基于切片（2D）和基于体积（3D）的方法在CT图像中检测COVID-19的效果，并提出了一种结合最佳2D和3D系统的深度学习集成模型IST-CovNet	本文提出了IST-CovNet集成模型，结合了新颖的预处理和注意力模块，并使用双向长短期记忆模型来整合切片级别的决策	NA	研究在CT图像中检测COVID-19的不同方法，并提出一种高效的集成模型	COVID-19在CT图像中的检测	计算机视觉	COVID-19	深度学习	集成模型	CT图像	IST-C数据集包括正常对照组和其他类型肺病理的COVID-19检测，MosMedData数据集包括COVID-19扫描和正常对照组，COVID-CT-MD数据集仅用于测试
26	2024-09-10	Twitter sentiment analysis using ensemble based deep learning model towards COVID-19 in India and European countries 2022-Jun, Pattern recognition letters IF:3.9Q2 DOI:10.1016/j.patrec.2022.04.027 PMID:35464347	研究论文	本文提出了一种基于集成深度学习模型的Twitter情感分析方法，用于分析印度和欧洲国家关于COVID-19的实时推文	本文创新性地使用了集成分类器（GRU和CapsNet）来分类用户的情感，并取得了较高的预测准确率	本文的样本量相对较小，且仅限于印度和欧洲国家的推文	通过分析社交媒体上的情感，帮助政府控制、监测和消除冠状病毒	印度和欧洲国家关于COVID-19的推文	自然语言处理	NA	TF-IDF, GloVe, Word2Vec, fast text embedding	GRU, CapsNet	文本	3100条推文
27	2024-09-10	Study on transfer learning capabilities for pneumonia classification in chest-x-rays images 2022-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2022.106833 PMID:35537296	研究论文	本文研究了在胸部X光图像中使用迁移学习进行肺炎分类的有效性	本文通过迁移学习范式探索了已建立的神经网络架构在肺炎分类任务中的有效性，特别是区分病毒性和细菌性肺炎源	本文使用了两个不同的数据集进行评估，但目前没有公开的区分病毒和细菌肺炎的数据集	研究已知架构在区分病毒和细菌性肺炎源的胸部X光图像中的有效性，特别是针对SARS-CoV-2感染	胸部X光图像中的肺炎分类，特别是区分病毒性和细菌性肺炎源	计算机视觉	呼吸系统疾病	迁移学习	神经网络	图像	6330张胸部X光图像
28	2024-09-08	Deep Learning-Assisted Investigation of Electric Field-Dipole Effects on Catalytic Ammonia Synthesis 2022-Jun-27, JACS Au IF:8.5Q1 DOI:10.1021/jacsau.2c00003 PMID:35783174	研究论文	本文利用深度学习算法加速密度泛函理论（DFT）计算，研究了外部电场对钌催化氨合成的影响	开发了一种深度学习算法，能够以五阶量级的速度加速电场依赖性能量的预测，并具有可转移性，能够使用少量训练数据预测其他催化表面的电场依赖性能量	NA	研究外部电场对钌催化氨合成的影响	钌催化氨合成反应	机器学习	NA	密度泛函理论（DFT）计算	深度学习算法	NA	NA
29	2024-09-08	Joint Frequency and Image Space Learning for MRI Reconstruction and Analysis 2022-Jun, The journal of machine learning for biomedical imaging PMID:36349348	研究论文	本文提出了一种结合频率和图像特征表示的神经网络层，并展示了这些层可以作为频率空间数据重建的多功能构建块	本文的创新点在于提出了联合学习方案，能够在网络的每一层同时校正频率空间的伪影并操作图像空间表示，从而重建连贯的图像结构，这与大多数当前深度学习方法不同	NA	研究目的是改进MRI数据的重建和分析方法	MRI数据的重建和分析	计算机视觉	NA	深度学习	卷积神经网络	MRI图像	模拟和真实世界的多线圈MRI数据
30	2024-09-08	Simulation of Random Deformable Motion in Soft-Tissue Cone-Beam CT with Learned Models 2022-Jun, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2646720 PMID:36381251	研究论文	本文提出了一种利用条件生成对抗网络（GAN）模型模拟软组织锥束CT中随机变形运动的方法	本文首次利用条件生成对抗网络（GAN）模型来学习未标记的、运动受损的锥束CT体积中的复杂运动，以生成真实的运动轨迹	本文仅在模拟数据上进行了初步的可行性研究，尚未扩展到临床数据	开发一种能够模拟软组织锥束CT中复杂变形运动的方法，以生成用于训练深度自动聚焦模型的真实运动受损的CBCT数据	软组织锥束CT中的变形运动	计算机视觉	NA	条件生成对抗网络（GAN）	GAN	图像	模拟数据
31	2024-09-07	Differentiation and classification of bacterial endotoxins based on surface enhanced Raman scattering and advanced machine learning 2022-Jun-23, Nanoscale IF:5.8Q1 DOI:10.1039/d2nr01277d PMID:35686584	研究论文	本文利用表面增强拉曼散射（SERS）和先进的机器学习算法对细菌内毒素进行区分和分类	本文首次将SERS技术与多种机器学习算法结合，包括改进的深度学习算法RamanNet，实现了对细菌内毒素的高精度分类	NA	开发一种高精度的细菌内毒素分类方法，用于快速医疗诊断和治疗决策	11种细菌内毒素	机器学习	NA	表面增强拉曼散射（SERS）	支持向量机、k近邻、随机森林、RamanNet	光谱数据	11种细菌内毒素，平均检测量为8.75 pg每测量
32	2024-09-07	Trans-channel fluorescence learning improves high-content screening for Alzheimer's disease therapeutics 2022-Jun, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-022-00490-8 PMID:36276634	研究论文	本文介绍了一种深度学习方法，通过跨通道荧光学习来改进阿尔茨海默病治疗药物的高内涵筛选	提出了一种新的机器学习方法，能够从相关标记中准确生成预测的荧光信号，并应用于阿尔茨海默病和癌症数据集，展示了其通用性	NA	改进药物筛选方法，提高生物活性化合物选择的效率	阿尔茨海默病治疗药物和癌症相关化合物	计算机视觉	阿尔茨海默病	深度学习	NA	图像	两个生物学上不同的数据集
33	2024-09-07	A Comprehensive Review of High Throughput Phenotyping and Machine Learning for Plant Stress Phenotyping 2022-Jun, Phenomics (Cham, Switzerland) DOI:10.1007/s43657-022-00048-z PMID:36939773	综述	本文综述了高通量表型分析和机器学习在植物胁迫表型分析中的应用	本文介绍了机器学习和深度学习在处理高通量表型分析产生的大数据集中的应用，并探讨了其在植物育种和病理学活动中的潜力	本文指出了当前高通量表型分析技术在数据处理和解释方面面临的挑战，并提出了未来研究的方向	探讨机器学习和深度学习在植物胁迫表型分析中的应用，并评估其优势和局限性	植物在不同发育阶段的生物和非生物胁迫	机器学习	NA	高通量表型分析	机器学习模型和深度学习模型	图像数据	NA
34	2024-09-06	A Deep Learning Approach for Quantifying Vocal Fold Dynamics During Connected Speech Using Laryngeal High-Speed Videoendoscopy 2022-06-08, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2022_JSLHR-21-00540 PMID:35605603	研究论文	本文提出了一种基于深度学习的方案，用于在连接语音期间使用喉部高速视频内窥镜量化声带动力学，并自动分割声门区域	本文引入了一种自动化的深度学习方案，用于在连接语音期间准确分割声门区域，即使在复杂的非平稳发声事件和声带不振动的情况下也能克服先前混合方法的局限性	NA	开发一种自动化的深度学习方法，用于在连接语音期间准确分割声门区域，以评估声带振动特性	声带动力学和声门区域分割	计算机视觉	NA	深度学习	深度神经网络	视频	一名语音健康的参与者
35	2024-09-06	A Deep Learning Network for Classifying Arteries and Veins in Montaged Widefield OCT Angiograms 2022-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100149 PMID:36278031	研究论文	提出了一种基于深度学习的方法，用于在拼接的广域OCT血管造影中区分动脉和静脉	提出了一个卷积神经网络（CAVnet）来分类视网膜血管，并能够识别动脉和静脉的交点	NA	开发一种能够准确区分动脉和静脉的深度学习方法	视网膜血管的分类和测量	计算机视觉	糖尿病视网膜病变	卷积神经网络	CNN	图像	232名参与者，包括88只眼睛用于训练，144只眼睛用于测试
36	2024-09-05	High frame rate (∼3 Hz) circular photoacoustic tomography using single-element ultrasound transducer aided with deep learning 2022-06, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.27.6.066005 PMID:36452448	研究论文	本文提出了一种基于深度学习的高帧率圆形光声断层成像方法，使用单元素超声换能器进行快速扫描数据重建。	通过使用基于U-Net的深度学习框架，实现了在单元素和多元素超声换能器基础上的光声断层成像系统中提高成像帧率。	在高速扫描时，由于稀疏信号采集和低信噪比导致的伪影限制了成像速度。	提高光声断层成像系统的帧率（或成像速度），同时不降低成像质量。	单元素和多元素超声换能器基础上的光声断层成像系统。	计算机视觉	NA	深度学习	U-Net	图像	涉及了模拟和活体成像实验。
37	2024-09-02	Remaining Useful Life Prediction Model for Rolling Bearings Based on MFPE-MACNN 2022-Jun-30, Entropy (Basel, Switzerland) DOI:10.3390/e24070905 PMID:35885128	研究论文	提出了一种基于多尺度融合排列熵（MFPE）和多尺度卷积注意力神经网络（MACNN）的滚动轴承剩余使用寿命预测模型	该模型通过共振稀疏分解提取滚动轴承的原始信号，使用多尺度排列熵和局部线性嵌入算法去除冗余信息，并利用多尺度卷积模块和注意力模块学习不同时间尺度的特征信息，提高了剩余使用寿命预测的准确性	NA	解决滚动轴承退化特征信息冗余问题，并克服卷积深度学习模型在复杂时间序列中学习特征信息的困难	滚动轴承的剩余使用寿命预测	机器学习	NA	共振稀疏分解	多尺度卷积注意力神经网络（MACNN）	信号	NA
38	2024-09-02	Improved Variational Mode Decomposition and CNN for Intelligent Rotating Machinery Fault Diagnosis 2022-Jun-30, Entropy (Basel, Switzerland) DOI:10.3390/e24070908 PMID:35885131	研究论文	本文提出了一种基于改进变分模式分解（IVMD）和卷积神经网络（CNN）的旋转机械故障智能诊断方法，用于处理旋转机械非平稳信号	本文提出了一种改进的变分模式分解方法，该方法通过自动优化模式数量，克服了传统VMD方法中参数设置依赖经验且受主观经验影响大的问题	NA	开发一种适用于复杂环境下旋转机械故障的智能诊断方法	旋转机械故障信号	机器学习	NA	变分模式分解（VMD），连续小波变换（CWT）	卷积神经网络（CNN）	时间-频率域特征图	NA
39	2024-09-02	Are We There Yet? The Value of Deep Learning in a Multicenter Setting for Response Prediction of Locally Advanced Rectal Cancer to Neoadjuvant Chemoradiotherapy 2022-Jun-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12071601 PMID:35885506	研究论文	本研究旨在评估一种先进的深度学习模型在多中心环境中预测局部晚期直肠癌对新辅助放化疗反应的泛化能力	使用Siamese网络结合U-Net模型，利用多中心数据进行训练和验证，以提高模型的泛化能力	在多中心设置中，尽管进行了专门的数据预处理，模型的预测性能仍显著下降	评估深度学习模型在多中心环境中预测局部晚期直肠癌对新辅助放化疗反应的泛化能力	局部晚期直肠癌患者及其对新辅助放化疗的反应	机器学习	直肠癌	深度学习	Siamese网络结合U-Net	T2加权图像、扩散加权图像和表观扩散系数图	83名局部晚期直肠癌患者的多中心数据集和46名患者的临床常规数据集
40	2024-09-02	A Depression Diagnosis Method Based on the Hybrid Neural Network and Attention Mechanism 2022-Jun-26, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci12070834 PMID:35884641	研究论文	本文提出了一种结合深度学习技术的高性能混合神经网络抑郁症检测方法，通过使用一维卷积神经网络（1D-CNN）和门控循环单元（GRU）提取脑电图（EEG）信号的局部和全局特征，并引入注意力机制以提高诊断准确性。	本文创新性地结合了1D-CNN和GRU提取EEG信号特征，并引入了注意力机制以筛选更具代表性的特征，从而提高模型性能。	NA	提高抑郁症诊断的准确性	抑郁症的诊断	机器学习	抑郁症	深度学习	混合神经网络（1D-CNN-GRU-ATTN）	脑电图（EEG）	使用了公共数据集和私有数据集进行实验验证