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	2024-09-15	GPU Accelerated Estimation of a Shared Random Effect Joint Model for Dynamic Prediction 2022-Oct, Computational statistics & data analysis IF:1.5Q2 DOI:10.1016/j.csda.2022.107528 PMID:39257897	研究论文	本文提出了一种基于GPU加速的共享随机效应联合模型动态预测方法	本文创新性地结合了GPU编程和深度学习框架PyTorch，显著加速了联合模型的估计过程，并考虑了纵向预测轨迹的非线性特征	本文未详细讨论算法在实际临床应用中的表现和局限性	旨在解决纵向队列研究中动态预测终端临床事件风险时面临的计算挑战	纵向队列研究中的终端临床事件风险预测	机器学习	NA	GPU编程	联合模型	纵向数据	未明确提及具体样本量
22	2024-09-15	Application of Deep Learning on Single-cell RNA Sequencing Data Analysis: A Review 2022-10, Genomics, proteomics & bioinformatics DOI:10.1016/j.gpb.2022.11.011 PMID:36528240	综述	本文综述了深度学习在单细胞RNA测序数据分析中的应用	深度学习能够从噪声大、异质性强和高维度的单细胞RNA测序数据中提取信息丰富且紧凑的特征，从而改进下游分析	当前深度学习方法在单细胞RNA测序数据分析中面临挑战，需要进一步改进算法	综述近期开发的深度学习技术在单细胞RNA测序数据分析中的应用，并探讨其优势和潜在改进方向	单细胞RNA测序数据分析中的深度学习技术	机器学习	NA	单细胞RNA测序	深度学习	基因表达数据	NA
23	2024-09-11	An efficient deep neural network framework for COVID-19 lung infection segmentation 2022-Oct, Information sciences DOI:10.1016/j.ins.2022.08.059 PMID:36068814	研究论文	提出了一种基于Resnet架构的深度神经网络框架，用于自动分割COVID-19肺部感染区域	引入了一个基于VQ-VAE的分支来降低标注成本，并提出了一种新的比例损失来缓解类别不平衡问题	未明确提及	利用深度学习技术自动分割CT图像中的肺炎病变，减轻医生工作量并扩展传统诊断方法	COVID-19患者的CT图像	计算机视觉	COVID-19	深度学习	Resnet架构	CT图像	未明确提及
24	2024-09-11	A Scoping Review of Integrated Medical Devices and Clinical Decision Support in the Acute Care Setting 2022-10, Applied clinical informatics IF:2.1Q4 DOI:10.1055/s-0042-1759513 PMID:36577503	综述	本文综述了急性护理环境中集成医疗设备和临床决策支持系统的现有证据	本文首次系统综述了急性护理环境中集成医疗设备与临床决策支持系统的使用情况，并探讨了其在临床决策中的应用	本文主要关注注册护士使用集成设备和临床决策支持系统的情况，未充分探讨其他医疗专业人员的使用情况	探讨急性护理环境中集成医疗设备与临床决策支持系统的现有证据及其在临床决策中的应用	急性护理环境中的集成医疗设备，特别是药物泵设备及其相关的临床决策支持系统	NA	NA	NA	NA	NA	18篇文献
25	2024-09-10	Deep learning for Covid-19 forecasting: State-of-the-art review 2022-Oct-28, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2022.09.005 PMID:36097509	综述	本文综述了使用深度学习方法进行新冠疫情预测的最新研究	填补了关于新冠疫情预测深度学习方法的全面综述的空白	现有方法存在缺陷，需要进一步改进	综述和分析当前使用深度学习进行新冠疫情预测的研究	新冠疫情预测的深度学习方法	机器学习	NA	深度学习	NA	NA	53篇通过初步质量筛选的研究
26	2024-09-10	Hybrid of Deep Learning and Word Embedding in Generating Captions: Image-Captioning Solution for Geological Rock Images 2022-Oct-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8110294 PMID:36354867	研究论文	本文提出了一种结合卷积神经网络、长短期记忆网络和word2vec的图像字幕生成方法，用于生成地质岩石图像的描述	本文的创新点在于将背景对象作为主要关注点，并结合了卷积神经网络、长短期记忆网络和word2vec来生成图像字幕	本文的局限性在于未来研究中需要解决地质句子结构、地质句子短语和通过地质标记器构建单词等挑战	研究目的是开发一种适用于地质岩石图像的图像字幕生成方法	研究对象是地质岩石图像及其背景对象	计算机视觉	NA	卷积神经网络、长短期记忆网络、word2vec	CNN、LSTM	图像	NA
27	2024-09-10	Hallucinating symmetric protein assemblies 2022-10-07, Science (New York, N.Y.) DOI:10.1126/science.add1964 PMID:36108048	研究论文	本文使用深度学习生成方法探索蛋白质结构空间，生成对称蛋白质同源寡聚体	本文首次使用深度网络幻觉技术生成对称蛋白质同源寡聚体，生成的结构与计算模型高度一致，且与已解决的结构有显著差异	NA	探索蛋白质结构空间，生成新的蛋白质结构	对称蛋白质同源寡聚体	机器学习	NA	深度学习	深度网络	蛋白质结构	7个晶体结构和3个冷冻电子显微镜结构
28	2024-09-10	HADCNet: Automatic segmentation of COVID-19 infection based on a hybrid attention dense connected network with dilated convolution 2022-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105981 PMID:36029749	研究论文	本文提出了一种基于混合注意力密集连接网络和扩张卷积的深度学习框架HADCNet，用于自动分割COVID-19感染区域	HADCNet通过编码器混合注意力模块和解码器混合注意力模块，结合多尺度上下文结构和空间信息，捕捉不同层次的病变特征依赖关系，从而提高分割性能	本文未详细讨论模型的计算复杂度和训练时间，且仅在四个公开数据集上进行了验证	开发一种能够自动分割COVID-19感染区域的深度学习模型，以辅助诊断和治疗	COVID-19感染区域的自动分割	计算机视觉	COVID-19	深度学习	HADCNet	CT图像	在四个公开数据集上进行了五折交叉验证
29	2024-09-10	Ensemble of Deep Neural Networks based on Condorcet's Jury Theorem for screening Covid-19 and Pneumonia from radiograph images 2022-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105979 PMID:36063689	研究论文	本文提出了一种基于孔多塞陪审团定理的深度神经网络集成方法，用于从放射图像中筛查COVID-19和肺炎	本文创新性地应用孔多塞陪审团定理来确定个体分类器的投票集成分数，并提出了领域扩展迁移学习（DETL）集成模型作为软投票集成方法	本文未明确提及具体的局限性	研究如何通过集成多个深度神经网络模型来提高COVID-19和肺炎的筛查准确性	COVID-19和肺炎的放射图像	计算机视觉	肺部疾病	深度学习	深度卷积神经网络（CNN）	图像	使用了无重复图像的新数据集，具体样本数量未提及
30	2024-09-10	Mathematical modeling and AI based decision making for COVID-19 suspects backed by novel distance and similarity measures on plithogenic hypersoft sets 2022-10, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2022.102390 PMID:36207091	研究论文	本文提出了一种基于人工智能和数学模型的决策方法，用于分析COVID-19疑似病例的数据并判断其严重程度	本文引入了新的距离和相似性度量方法，并在模糊环境中应用于多准则决策模型	NA	研究目的是通过分析COVID-19疑似病例的数据，判断其是否为COVID-19患者及其严重程度，以便做出合适的决策	COVID-19疑似病例的数据	机器学习	传染病	多准则决策模型	NA	数据	NA
31	2024-09-10	A Generative Deep Learning Approach to Stochastic Downscaling of Precipitation Forecasts 2022-Oct, Journal of advances in modeling earth systems IF:4.4Q1 DOI:10.1029/2022MS003120 PMID:36590321	研究论文	本文探讨了使用生成对抗网络（GAN）和变分自编码器生成对抗网络（VAE-GAN）来提高天气预报模型中降水预报的准确性和分辨率	本文将GAN应用于更复杂的降水预报问题，并展示了其能够生成高分辨率且空间一致的降水图，优于现有的降尺度方法	NA	提高降水预报的准确性和分辨率	降水预报模型和雷达测量数据	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）和变分自编码器生成对抗网络（VAE-GAN）	图像	NA
32	2024-09-08	The Role of Deep Learning in Advancing Breast Cancer Detection Using Different Imaging Modalities: A Systematic Review 2022-Oct-29, Cancers IF:4.5Q1 DOI:10.3390/cancers14215334 PMID:36358753	综述	本文综述了深度学习在不同成像模式下乳腺癌检测中的应用	本文总结了利用人工智能和深度学习算法在乳腺癌检测中的最新研究，并提供了相关数据集的报告	本文未提及具体的深度学习模型或技术细节	探讨深度学习在乳腺癌检测中的应用，并提供相关数据集的资源	乳腺癌检测中的不同成像模式及其在深度学习中的应用	计算机视觉	乳腺癌	深度学习	NA	图像	NA
33	2024-09-08	A Hybrid Preprocessor DE-ABC for Efficient Skin-Lesion Segmentation with Improved Contrast 2022-Oct-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12112625 PMID:36359469	研究论文	本文提出了一种新的混合元启发式预处理器DE-ABC，用于优化对比度增强变换函数中的决策变量，以提高皮肤病变分割的效率	本文的创新点在于提出了一种新的混合元启发式预处理器DE-ABC，用于优化对比度增强变换函数中的决策变量，从而提高皮肤病变分割的效率	本文的局限性在于仅在公开的皮肤病变数据集上进行了验证，未来可以在更多类型的医学图像数据集上进行测试	本文的研究目的是提高皮肤病变分割算法的效率	本文的研究对象是皮肤病变图像的分割	计算机视觉	NA	对比度拉伸	混合元启发式	图像	使用了公开的皮肤病变数据集，如PH2、ISIC-2016、ISIC-2017和ISIC-2018
34	2024-09-08	Rapid Non-Destructive Analysis of Food Nutrient Content Using Swin-Nutrition 2022-Oct-29, Foods (Basel, Switzerland) DOI:10.3390/foods11213429 PMID:36360043	研究论文	本文提出了一种名为Swin-Nutrition的端到端食品营养非破坏性检测方法，结合深度学习和非破坏性检测技术评估食品的营养成分	本文创新性地使用了Swin Transformer作为特征提取的主干网络，并通过特征融合模块和营养预测模块提高了预测精度	本文未详细讨论方法在不同食品类型和环境条件下的泛化能力	开发一种高效准确的食品营养非破坏性检测方法，以促进食品安全和质量的发展	食品的营养成分，包括卡路里、质量、脂肪、碳水化合物和蛋白质	计算机视觉	NA	深度学习	Swin Transformer	图像	使用了Nutrition5k数据集进行实验
35	2024-09-08	Class-Aware Fish Species Recognition Using Deep Learning for an Imbalanced Dataset 2022-Oct-28, Sensors (Basel, Switzerland) DOI:10.3390/s22218268 PMID:36365964	研究论文	本文提出了一种基于深度学习的鱼类物种识别方法，通过结合MobileNetv3-large和VGG16网络以及SSD检测头，并引入类别感知损失函数来解决数据集类别不平衡问题	提出了类别感知损失函数，该函数考虑了每个物种的实例数量，并给予实例较少的物种更多权重，适用于任何类别不平衡的分类或目标检测任务	NA	提高鱼类物种识别的准确性，特别是在处理多鱼图像和类别不平衡数据集时	鱼类物种识别	计算机视觉	NA	深度学习	SSD	图像	使用了大规模的SEAMAPD21数据集和Pascal VOC数据集进行实验
36	2024-09-08	SDN-Defend: A Lightweight Online Attack Detection and Mitigation System for DDoS Attacks in SDN 2022-Oct-28, Sensors (Basel, Switzerland) DOI:10.3390/s22218287 PMID:36365984	研究论文	本文设计并实现了一种用于SDN网络中DDoS攻击的在线检测与缓解系统	采用轻量级混合深度学习方法CNN-ELM进行流量异常检测，并使用IP追踪技术定位攻击者	未提及	解决SDN网络中DDoS攻击的安全问题	SDN网络中的DDoS攻击	计算机网络	NA	卷积神经网络（CNN）、极限学习机（ELM）、IP追踪	CNN-ELM	流量数据	未提及
37	2024-09-08	Predicting Chemical Carcinogens Using a Hybrid Neural Network Deep Learning Method 2022-Oct-26, Sensors (Basel, Switzerland) DOI:10.3390/s22218185 PMID:36365881	研究论文	本文开发了一种混合神经网络（HNN）方法HNN-Cancer，用于预测现实化学物质的潜在致癌性	提出了新的SMILES特征表示方法，并通过修改之前的3D数组表示法来模拟1D SMILES，结合卷积神经网络（CNN）进行处理	尽管HNN-Cancer在大多数已知致癌实验数据集上表现较好，但其预测性能在多样性较少的分子上与文献报道的模型相当	开发一种能够预测多种化学物质潜在致癌性的方法	现实生活中的化学物质及其潜在的致癌性	机器学习	NA	混合神经网络（HNN）	卷积神经网络（CNN）	化学物质的SMILES表示	7994种化学物质用于二分类模型，1618种化学物质用于多分类模型
38	2024-09-08	EVAE-Net: An Ensemble Variational Autoencoder Deep Learning Network for COVID-19 Classification Based on Chest X-ray Images 2022-Oct-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12112569 PMID:36359413	研究论文	本文提出了一种基于胸部X光图像的COVID-19分类的集成变分自编码器深度学习网络EVAE-Net	利用变分自编码器的潜在嵌入结合集成技术，提出了三种有效的EVAE-Net模型用于COVID-19检测	未提及	开发一种高精度的COVID-19早期检测方法	胸部X光图像	计算机视觉	肺部疾病	变分自编码器	集成模型	图像	使用了来自Kaggle的COVID-19放射学数据集中的胸部X光图像
39	2024-09-08	Validation of a deep learning-based material estimation model for Monte Carlo dose calculation in proton therapy 2022-10-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac9663 PMID:36174551	研究论文	本文开发并验证了一种基于深度学习的材料特性估计模型，用于质子治疗中的蒙特卡罗剂量计算	提出了一个框架，通过使用深度学习模型（PRN）来验证蒙特卡罗剂量计算的准确性，并比较了不同材料转换模型的效果	仅在人体模型和猪模型上进行了验证，未涉及更多种类的样本	开发和验证一种基于CT的材料特性模型，以提高质子治疗计划中剂量计算的准确性	人体模型和猪模型	机器学习	NA	深度学习	残差网络（RN/PRN）	CT图像	两个人体模型和两个猪模型
40	2024-09-08	Virtual labeling of mitochondria in living cells using correlative imaging and physics-guided deep learning 2022-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.464177 PMID:36425635	研究论文	本文提出了一种利用相关成像和物理引导深度学习在活细胞中对线粒体进行虚拟标记的新方法	本文创新性地提出了一种物理引导深度学习方法，用于从明场图像中获取线粒体的虚拟标记显微图像，并展示了优于现有技术的显著结果	NA	开发一种无需荧光标记即可在活细胞中可视化线粒体的方法	活细胞中的线粒体	计算机视觉	NA	物理引导深度学习	对抗神经网络	图像	NA