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	2024-10-06	Machine learning and deep learning approach for medical image analysis: diagnosis to detection 2022-Dec-24, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-14305-w PMID:36588765	review	本文综述了机器学习和深度学习在医学图像分析中的应用，特别是从诊断到检测的过程	深度学习被认为是机器学习的增强技术，能够更高效地处理大量数据，并使用多层神经网络获取更多信息	机器学习在处理当前模态的大量数据时存在局限性	旨在系统综述机器学习和深度学习在多种疾病检测和分类中的应用	医学图像分析中的机器学习和深度学习方法	computer vision	NA	深度学习 (DL) 和机器学习 (ML)	多层神经网络	图像	40项主要研究，使用MRI数据集进行实验
22	2024-09-30	Water Meter Reading for Smart Grid Monitoring 2022-Dec-21, Sensors (Basel, Switzerland) DOI:10.3390/s23010075 PMID:36616673	研究论文	本文提出了一种自动读取表盘表数字的方法，以促进智能电网的实施	利用深度学习中的YOLOv5s模型进行数字定位和识别	未提及	促进智能电网的实施	表盘表的数字读取	计算机视觉	NA	深度学习	YOLOv5s	图像	未提及
23	2024-09-30	Classification and visual explanation for COVID-19 pneumonia from CT images using triple learning 2022-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24936-6 PMID:36460708	研究论文	本文提出了一种新的框架，用于从CT图像中分类和可视化由COVID-19引起的肺炎	本文引入了对比学习和注意力机制，以改进分类效果并提供详细的可视化解释	NA	提高COVID-19肺炎CT图像分类的准确性和可解释性	COVID-19肺炎的CT图像	计算机视觉	肺部疾病	对比学习，注意力机制	NA	图像	使用三折交叉验证进行实验
24	2024-09-30	McS-Net: Multi-class Siamese network for severity of COVID-19 infection classification from lung CT scan slices 2022-Dec, Applied soft computing IF:7.2Q1 DOI:10.1016/j.asoc.2022.109683 PMID:36277300	研究论文	本文提出了一种基于深度学习的P-shot N-ways孪生网络，结合原型最近邻分类器，用于从肺部CT扫描切片中分类COVID-19感染的严重程度	本文的创新点在于使用孪生网络和原型最近邻分类器，能够在有限数据集的情况下实现高精度的COVID-19感染严重程度分类	本文的局限性在于仅在MosMed数据集和两个特定数据集上进行了验证，可能需要进一步在更多数据集上验证其泛化能力	本文的研究目的是开发一种高效的方法，用于从肺部CT扫描中分类COVID-19感染的严重程度	本文的研究对象是COVID-19感染的肺部CT扫描图像	计算机视觉	COVID-19	深度学习	孪生网络	图像	1110名患者和42名患者的低剂量CT扫描图像
25	2024-09-28	Could artificial intelligence revolutionize the development of nanovectors for gene therapy and mRNA vaccines? 2022-Dec, Nano today IF:13.2Q1 DOI:10.1016/j.nantod.2022.101665 PMID:37034382	综述	本文综述了人工智能在基因治疗和mRNA疫苗纳米载体开发中的潜在应用	探讨了人工智能在设计靶向基因递送载体和改进CRISPR/Cas系统中的创新应用	NA	探讨人工智能如何革新基因治疗和mRNA疫苗纳米载体的发展	基因治疗和mRNA疫苗的纳米载体	机器学习	NA	人工智能	神经网络	NA	NA
26	2024-09-25	Deep Learning Based MS2 Feature Detection for Data-Independent Shotgun Proteomics 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9995258 PMID:37635836	研究论文	本文开发了一种基于深度学习的模型，用于在数据独立 shotgun 蛋白质组学中进行 MS2 特征检测	本文提出了一种创新的滑动窗口过程，能够对定量 MS/MS 数据进行高分辨率处理，从而提高 MS2 特征检测的准确性	NA	提高 LC-MS 分析中肽段鉴定的准确性，以促进生物标志物发现和复杂蛋白质组学的研究	肽段片段离子在串联质谱中的检测	机器学习	NA	LC-MS 分析	深度学习模型	MS2 数据	NA
27	2024-09-23	Characterizing physiological high-frequency oscillations using deep learning 2022-12-07, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aca4fa PMID:36541546	研究论文	本研究利用深度学习算法分析了儿童颞叶外癫痫患者的脑电图数据，以区分生理性和病理性高频振荡（HFOs）	本研究提出了一种新的弱监督深度学习模型，用于提取和解释生理性HFOs的形态特征	研究样本仅限于儿童颞叶外癫痫患者，结果的普适性有待进一步验证	旨在利用深度学习技术表征生理性高频振荡的显著特征	儿童颞叶外癫痫患者的脑电图数据	机器学习	癫痫	深度学习	深度学习模型	时间序列数据	63,379个高频振荡数据，来自18名儿童
28	2024-09-19	Cross-vender, cross-tracer, and cross-protocol deep transfer learning for attenuation map generation of cardiac SPECT 2022-12, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1007/s12350-022-02978-7 PMID:35474443	研究论文	研究使用深度迁移学习生成心脏SPECT的衰减图（μ-maps），特别是在不同供应商、示踪剂和协议下的应用	提出了一种跨供应商、跨示踪剂和跨协议的深度迁移学习方法，用于生成心脏SPECT的衰减图	研究仅限于特定的扫描仪、示踪剂和协议组合，未来研究需要验证在更广泛条件下的适用性	探索在不同扫描仪、示踪剂和协议下生成心脏SPECT衰减图的可行性	心脏SPECT的衰减图生成	计算机视觉	NA	深度学习	深度神经网络	图像	训练数据包括120个使用Tc-tetrofosmin注射的研究，测试数据包括80个使用Tc-sestamibi注射的研究
29	2024-09-17	Applying Image-Based Food-Recognition Systems on Dietary Assessment: A Systematic Review 2022-12-22, Advances in nutrition (Bethesda, Md.) DOI:10.1093/advances/nmac078 PMID:35803496	综述	本文对基于图像的食物识别系统（IBFRS）在饮食评估中的应用进行了系统性综述	综述了IBFRS在专业营养实践中的应用优势，并讨论了未来的发展方向	未提及具体的技术局限性	评估基于图像的食物识别系统在饮食评估中的应用效果	基于图像的食物识别系统及其在饮食评估中的应用	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	共筛选了159项研究，其中78项被纳入综述
30	2024-09-17	AutoMed: Automated Medical Risk Predictive Modeling on Electronic Health Records 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9995209 PMID:37063974	研究论文	本文提出了一种名为AutoMed的自动化风险预测模型，用于自动搜索最优模型架构以提高电子健康记录（EHR）数据的风险预测任务性能	创新点在于使用神经架构搜索技术自动设计模型架构，减少了对专家先验知识的依赖	实验仅在三个真实世界数据集上进行，可能需要更多数据集验证其泛化能力	旨在通过自动化技术改进电子健康记录的风险预测模型设计	电子健康记录数据及其在风险预测任务中的应用	机器学习	NA	神经架构搜索	AutoMed	电子健康记录	三个真实世界数据集
31	2024-09-15	Computational macroscopic lifetime imaging and concentration unmixing of autofluorescence 2022-12, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202200133 PMID:36546622	研究论文	本文介绍了一种基于单像素结构光平台的计算宏观寿命成像和自体荧光浓度解混方法	利用单像素成像技术，结合超连续可见光激发和超光谱单像素检测，实现了自体荧光强度和寿命的并行表征，并通过深度学习数据处理管道进行自体荧光解混，得到自体荧光物质的浓度	NA	开发一种新的计算成像方法，用于宏观量化自体荧光的强度和寿命	自体荧光物质，包括黄素腺嘌呤二核苷酸、核黄素和原卟啉	计算机视觉	NA	单像素成像技术	深度学习	光谱数据	临床相关的自体荧光物质样本
32	2024-09-13	Digital Twins in Unmanned Aerial Vehicles for Rapid Medical Resource Delivery in Epidemics 2022-Dec, IEEE transactions on intelligent transportation systems : a publication of the IEEE Intelligent Transportation Systems Council IF:7.9Q1 DOI:10.1109/TITS.2021.3113787 PMID:36789134	研究论文	探讨数字孪生在无人机中快速准确提供医疗资源的效果	提出了基于改进AlexNet的无人机数字孪生信息预测模型，具有更小的传输延迟、更低的能耗、更短的任务完成时间和更高的资源利用率	NA	研究数字孪生在无人机中快速准确提供医疗资源的效果	无人机数字孪生在COVID-19防控中提供医疗资源的效果	计算机视觉	COVID-19	深度学习算法	AlexNet	模拟实验数据	NA
33	2024-09-11	COVID-19 Detection: A Systematic Review of Machine and Deep Learning-Based Approaches Utilizing Chest X-Rays and CT Scans 2022-Dec-29, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-022-10076-6 PMID:36593991	综述	本文综述了利用胸部X光和CT扫描进行COVID-19检测的机器学习和深度学习方法	本文对现有的COVID-19检测方法进行了系统性审查，并比较了四种深度迁移学习模型（VGG16、VGG19、ResNet50和DenseNet）在COVID-19本地CT扫描和全球胸部X光数据集上的性能	本文主要集中在2020年3月至2021年8月期间发表的研究，可能未涵盖所有最新的研究进展	系统性审查和讨论利用胸部X光和CT扫描进行COVID-19检测的机器学习和深度学习方法的现状、挑战和局限性	COVID-19检测方法及其在胸部X光和CT扫描数据上的应用	机器学习	COVID-19	深度迁移学习	VGG16, VGG19, ResNet50, DenseNet	图像	本地CT扫描和全球胸部X光数据集
34	2024-09-11	Comprehensive Review on the Use of Artificial Intelligence in Ophthalmology and Future Research Directions 2022-Dec-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13010100 PMID:36611392	综述	本文综述了人工智能在眼科领域的应用及其未来研究方向	本文系统总结了人工智能工具在眼科疾病诊断和预测中的应用，并探讨了其在提高诊断精度和降低医疗成本方面的潜力	本文主要基于文献综述，未涉及具体实验数据或模型验证	探讨人工智能在眼科领域的应用及其未来发展方向	眼科疾病，包括糖尿病视网膜病变、青光眼等	机器学习	NA	人工神经网络 (ANNs)	NA	图像	分析了70篇相关文章和综述
35	2024-09-11	Current Applications of Deep Learning and Radiomics on CT and CBCT for Maxillofacial Diseases 2022-Dec-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13010110 PMID:36611402	综述	本文综述了深度学习和放射组学在CT和CBCT图像上应用于颌面疾病的最新进展	深度学习模型在颌面疾病的自动诊断、分割和分类方面表现出色，部分模型甚至优于人类专家	深度学习模型的通用性和可解释性不足，放射组学特征的可重复性和稳定性存在不确定性	提供深度学习和放射组学在CT和CBCT图像上应用于颌面疾病的最新概述	颌面疾病的早期诊断、准确预后预测和高效治疗计划	计算机视觉	口腔颌面疾病	深度学习	CNN	图像	NA
36	2024-09-11	Prediction of designer-recombinases for DNA editing with generative deep learning 2022-12-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-35614-6 PMID:36575171	研究论文	本文介绍了一种名为RecGen的算法，用于智能生成设计型重组酶，以加速未来设计型重组酶的开发	提出了RecGen算法，利用条件变分自编码器生成设计型重组酶序列，能够预测对新目标位点具有活性的重组酶序列	NA	开发一种智能算法，用于生成设计型重组酶，以替代传统的定向分子进化方法	设计型重组酶及其在DNA编辑中的应用	机器学习	NA	条件变分自编码器	条件变分自编码器	序列	超过一百万个Cre-like重组酶序列，用于89个不同目标位点的进化
37	2024-09-11	Correlated-Weighted Statistically Modeled Contourlet and Curvelet Coefficient Image-Based Breast Tumor Classification Using Deep Learning 2022-Dec-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13010069 PMID:36611361	研究论文	本文提出了一种基于相关加权轮廓波变换和曲线波变换的Rician逆高斯分布图像的深度卷积神经网络架构，用于从B模式超声图像中分类乳腺肿瘤	本文创新性地使用了相关加权轮廓波变换和曲线波变换的Rician逆高斯分布图像，并结合深度卷积神经网络进行乳腺肿瘤分类	NA	研究基于深度学习的乳腺肿瘤自动分类方法	乳腺肿瘤的分类	计算机视觉	乳腺肿瘤	深度学习	CNN	图像	使用了三个公开数据集（Mendeley、UDIAT和BUSI）
38	2024-09-11	A Comparison of Techniques for Class Imbalance in Deep Learning Classification of Breast Cancer 2022-Dec-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13010067 PMID:36611358	研究论文	本文比较了在深度学习分类乳腺癌中处理类别不平衡的几种技术	提出了一种合成病变生成方法，以增加恶性样本数量，并在大多数情况下提高了模型性能	标准类别不平衡技术对模型性能的AUC-ROC没有显著改善，且在某些情况下可能导致AUC下降	评估几种处理类别不平衡的技术在乳腺癌分类中的效果	乳腺癌分类中的类别不平衡问题	机器学习	乳腺癌	深度学习	NA	图像	使用了三个不同的全视野数字乳腺摄影数据集，并在分布内和分布外样本上进行了测试
39	2024-09-11	Traditional Machine and Deep Learning for Predicting Toxicity Endpoints 2022-Dec-26, Molecules (Basel, Switzerland) DOI:10.3390/molecules28010217 PMID:36615411	研究论文	本文比较了传统物理化学描述符和机器学习方法与基于SMILES的深度学习BERT架构在预测化合物毒性终点方面的性能	本文首次将Mondrian聚合保形预测方法应用于处理类不平衡问题，并展示了其在不使用过采样、欠采样或类加权等方法的情况下，仍能有效处理类不平衡问题	本文仅在二元CATMoS非毒性和剧毒数据集上进行了验证，未来研究可以在更多样化的数据集上进行扩展	比较传统机器学习和深度学习方法在预测化合物毒性终点方面的性能	化合物毒性终点的预测	机器学习	NA	深度学习	BERT	文本	二元CATMoS非毒性和剧毒数据集
40	2024-09-11	Hybrid fuzzy deep neural network toward temporal-spatial-frequency features learning of motor imagery signals 2022-12-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26882-9 PMID:36567362	研究论文	本文提出了一种混合模糊深度神经网络，用于学习运动想象信号的时间-空间-频率特征	本文创新性地结合了模糊组件和深度学习技术，提出了一种名为EEG-CLFCNet的混合神经网络架构，显著提高了运动想象信号的分类准确率	NA	研究目的是开发一种高效可靠的方法来解释用户的脑电波信号，并在生物医学信号处理中提供准确的响应	研究对象是运动想象信号的时间-空间-频率特征	机器学习	NA	脑电图（EEG）	混合神经网络（Compact-CNN和LSTM）	脑电信号	使用了BCI竞赛IV-2a数据集