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
41	2024-09-11	An Anomaly Intrusion Detection for High-Density Internet of Things Wireless Communication Network Based Deep Learning Algorithms 2022-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s23010206 PMID:36616806	研究论文	本文提出了一种基于深度学习算法的高密度物联网无线通信网络异常入侵检测系统	本文提出了两种不同的模型：一种是结合了卷积神经网络（CNN）和长短期记忆网络（LSTM）的深度网络层，另一种是基于全连接层（密集层）构建的人工神经网络（ANN）	NA	开发一种高效的入侵检测系统，以保护物联网设备免受攻击	高密度物联网无线通信网络	机器学习	NA	深度学习算法	CNN, LSTM, ANN	NA	NA
42	2024-09-11	Contextual counters and multimodal Deep Learning for activity-level traffic classification of mobile communication apps during COVID-19 pandemic 2022-Dec-24, Computer networks IF:4.4Q1 DOI:10.1016/j.comnet.2022.109452 PMID:36447639	研究论文	本文研究了在COVID-19疫情期间，移动通信应用的流量分类问题，并提出了基于多模态深度学习的解决方案	提出了Mimetic-All这一新的多模态早期流量分类解决方案，并设计了Context Inputs作为额外的输入模态，显著提高了活动分类的F-measure	现有的单模态和多模态深度学习分类器在活动分类方面表现不佳，F-measure仅为56%-65%	研究在COVID-19疫情期间，如何有效分类移动通信应用的流量，以应对流量特性的巨大变化	九个通信和协作应用的流量数据	机器学习	NA	多模态深度学习	深度学习分类器	流量数据	九个应用的流量数据，并公开发布为新的数据集MIRAGE-COVID-CCMA-2022
43	2024-09-11	Machine Learning-Based Automated Detection and Quantification of Geographic Atrophy and Hypertransmission Defects Using Spectral Domain Optical Coherence Tomography 2022-Dec-24, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm13010037 PMID:36675697	研究论文	本研究开发并评估了基于机器学习的创新方法，用于自动检测和量化光谱域光学相干断层扫描（OCT）中的地理萎缩（GA）和超传输缺陷	本研究首次使用深度学习方法在OCT图像中自动检测和量化地理萎缩和超传输缺陷	本研究仅在非渗出性AMD患者中进行，未来需在更多疾病类型和设备上验证	开发和评估基于机器学习的自动检测和量化地理萎缩和超传输缺陷的方法	晚期年龄相关性黄斑变性（AMD）患者中的地理萎缩区域	计算机视觉	眼科疾病	光谱域光学相干断层扫描（OCT）	深度学习	图像	341名非渗出性AMD患者，包含900个OCT体积和100266个B扫描图像
44	2024-09-11	An Efficient Dehazing Algorithm Based on the Fusion of Transformer and Convolutional Neural Network 2022-Dec-21, Sensors (Basel, Switzerland) DOI:10.3390/s23010043 PMID:36616639	研究论文	本文提出了一种基于Transformer和卷积神经网络融合的高效去雾算法	本文创新性地将Transformer的全局建模能力和卷积神经网络的局部建模能力结合，提出了Transformer-Convolution融合去雾网络（TCFDN）	NA	提高图像去雾能力，恢复图像的有用特征	单张图像的去雾处理	计算机视觉	NA	NA	Transformer-Convolution融合网络	图像	NA
45	2024-09-11	Deep Learning in Diverse Intelligent Sensor Based Systems 2022-Dec-21, Sensors (Basel, Switzerland) DOI:10.3390/s23010062 PMID:36616657	综述	本文系统地调查了深度学习模型和方法在多样化传感器系统中的应用	提供了深度学习在多样化传感器系统中的全面调查，包括实现技巧、教程链接、开源代码和预训练模型	NA	加速深度学习在多样化传感器系统中的应用和转型	深度学习模型和方法在多样化传感器系统中的应用	机器学习	NA	深度学习	NA	数据	NA
46	2024-09-11	Transformer-Based Weed Segmentation for Grass Management 2022-Dec-21, Sensors (Basel, Switzerland) DOI:10.3390/s23010065 PMID:36616662	研究论文	本文探讨了基于Transformer模型的杂草分割技术在草坪管理中的应用	本文首次将Transformer模型应用于杂草检测问题，并展示了其在语义分割任务中的优越性能	本文仅评估了三种Transformer架构，未涉及其他可能的模型	开发高效的杂草检测和定位方法，以提高作物栽培和草坪管理的效率	杂草的识别和定位	计算机视觉	NA	深度学习	Transformer	图像	1006张图像，包含10种杂草类别
47	2024-09-11	Exome-wide association analysis of CT imaging-derived hepatic fat in a medical biobank 2022-12-20, Cell reports. Medicine DOI:10.1016/j.xcrm.2022.100855 PMID:36513072	研究论文	本文通过深度学习方法从临床CT扫描中量化肝脂肪，并进行全外显子关联分析，以研究非酒精性脂肪肝病的遗传因素	本文首次在医疗生物库中使用深度学习方法从CT图像中量化肝脂肪，并结合全外显子序列进行关联分析，同时考虑了非欧洲人群和罕见变异	本文主要基于特定医疗生物库的数据，结果的普适性可能受限	研究非酒精性脂肪肝病的遗传因素，特别是肝脂肪的遗传关联	肝脂肪的遗传变异及其与非酒精性脂肪肝病的关系	数字病理学	非酒精性脂肪肝病	深度学习	NA	图像	10,283名参与者
48	2024-09-11	Automated Detection of Rice Bakanae Disease via Drone Imagery 2022-Dec-20, Sensors (Basel, Switzerland) DOI:10.3390/s23010032 PMID:36616630	研究论文	本文提出了一种通过无人机图像预测和自动检测水稻恶苗病感染率的系统	该系统结合了相机校准和面积计算，使用YOLOv3和RestNETV2 101模型进行感染检测和分类	系统在检测感染稻穗和分类感染稻秆数量方面仍有改进空间	开发一种自动化的水稻恶苗病检测系统，以提高稻田检查的效率和准确性	水稻恶苗病及其感染率	计算机视觉	NA	深度学习	YOLOv3, RestNETV2 101	图像	NA
49	2024-09-11	DeepST: identifying spatial domains in spatial transcriptomics by deep learning 2022-12-09, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkac901 PMID:36250636	研究论文	本文介绍了一种名为DeepST的深度学习框架，用于在空间转录组学中识别空间域	DeepST在基准数据集上表现优于现有的最先进方法，并能有效整合来自多个批次或不同技术的空间转录组数据	NA	开发一种能够准确识别空间转录组学中空间域的深度学习框架	人类背外侧前额叶皮层和乳腺癌组织的空间转录组数据	机器学习	乳腺癌	深度学习	深度学习框架	空间转录组数据	涉及人类背外侧前额叶皮层和乳腺癌组织的基准数据集
50	2024-09-11	Differentiable Learning of Sequence-Specific Minimizer Schemes with DeepMinimizer 2022-12, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2022.0275 PMID:36095142	研究论文	本文介绍了一种名为DeepMinimizer的新方法，用于学习序列特异性最小化方案，通过深度学习架构实现密度最小化目标的连续松弛	首次提出了一种连续松弛的密度最小化目标，并使用深度学习双架构确保最小化方案的有效性和性能	NA	解决在生物序列中选择代表性-mers位置的优化问题，以减少计算和内存成本	生物序列中的最小化方案	机器学习	NA	深度学习	深度学习双架构	序列	人类基因组序列
51	2024-09-11	ETCNN: Extra Tree and Convolutional Neural Network-based Ensemble Model for COVID-19 Tweets Sentiment Classification 2022-Dec, Pattern recognition letters IF:3.9Q2 DOI:10.1016/j.patrec.2022.11.012 PMID:36407854	研究论文	本文提出了一种基于Extra Tree和卷积神经网络的集成模型，用于COVID-19推文情感分类	结合了手工特征和自动特征提取的优势，通过机器学习和深度学习模型进行集成	NA	分析公众对COVID-19的情感，以制定相应政策缓解负面情绪	COVID-19推文的情感分类	自然语言处理	NA	机器学习、深度学习	Extra Tree、卷积神经网络	文本	NA
52	2024-09-10	A novel deep neural network model based Xception and genetic algorithm for detection of COVID-19 from X-ray images 2022-Dec-25, Annals of operations research IF:4.4Q1 DOI:10.1007/s10479-022-05151-y PMID:36591406	研究论文	本文提出了一种基于Xception和遗传算法的新型深度神经网络模型，用于从X射线图像中检测COVID-19	本文的创新点在于结合了Xception模型和遗传算法，通过迭代优化网络结构和参数，提高了COVID-19检测的准确性	NA	开发一种高效的深度学习模型，用于从X射线图像中检测COVID-19	COVID-19的X射线图像	计算机视觉	COVID-19	遗传算法	Xception	图像	使用了COVID-19的X射线图像数据集，包括两类、三类和四类数据集
53	2024-09-10	Convolutional neural network for automated segmentation of the liver and its vessels on non-contrast T1 vibe Dixon acquisitions 2022-12-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26328-2 PMID:36543852	研究论文	评估了在非对比T1 vibe Dixon采集上使用卷积神经网络自动分割肝脏及其血管的有效性	使用单模态的同相重建输入在肝脏实质、门静脉和肝静脉的分割中取得了最佳性能	未观察到使用多模态输入的益处	研究深度学习在非对比T1 vibe Dixon图像上自动分割肝脏及其血管的效果	肝脏及其血管的自动分割	计算机视觉	NA	卷积神经网络	3D U-Net	图像	使用了非对比T1 vibe Dixon肝脏磁共振图像的数据集，由专家逐层标注了肝脏外边界、门静脉和肝静脉
54	2024-09-10	Automatic segmentation of prostate zonal anatomy on MRI: a systematic review of the literature 2022-Dec-21, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-022-01340-2 PMID:36543901	综述	本文对当前文献中关于MRI上前列腺分区解剖自动分割的方法进行了系统性回顾和分析	NA	本文发现许多方法存在方法学缺陷和偏倚，导致无法进行定量分析，表明这些方法在临床实践中的鲁棒性和适用性较低	评估和比较已发表的自动分割前列腺分区解剖方法的适用性和效率	MRI上的前列腺分区解剖	计算机视觉	前列腺癌	深度学习	NA	图像	共回顾了33篇文章
55	2024-09-10	Where do we stand in AI for endoscopic image analysis? Deciphering gaps and future directions 2022-Dec-20, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00733-3 PMID:36539473	review	本文综述了人工智能在内窥镜图像分析领域的最新进展，并强调了当前未满足的需求和未来方向	NA	NA	探讨人工智能在内窥镜图像分析中的应用现状及未来发展方向	内窥镜图像分析中的数据异质性、多模态性及罕见或不明显的疾病案例	computer vision	NA	deep learning	NA	image	NA
56	2024-09-10	What makes the unsupervised monocular depth estimation (UMDE) model training better 2022-12-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26613-0 PMID:36539595	研究论文	本文提出了一种合成数据集生成方法，用于无监督单目深度估计模型的训练，并通过实验验证了该方法的有效性	提出了一种合成数据集生成方法，无需大量人工标注，能够扩展数据集，并验证了该数据集在深度估计模型训练中的有效性	仅在飞机导航应用场景中进行了验证，未涵盖其他应用场景	探索无监督单目深度估计模型训练中的关键因素，提升模型性能	无监督单目深度估计模型及其训练数据集	计算机视觉	NA	深度学习	无监督单目深度估计模型	视频	包含飞机第一人称视角视频的MineNavi数据集
57	2024-09-10	Research on an intelligent diagnosis method of mechanical faults for small sample data sets 2022-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26316-6 PMID:36539540	研究论文	提出了一种针对小样本数据集的智能机械故障诊断方法	该方法不仅能够诊断轴承故障和齿轮故障，还具有较强的泛化性能，通过卷积神经网络实现自动特征提取，并使用SVM进行特征分类	NA	解决机械故障诊断领域中特征提取困难和小样本问题	轴承故障和齿轮故障	机器学习	NA	卷积神经网络	CNN	数据集	使用了来自Case Western Reserve University、西安交通大学和康涅狄格大学的轴承和齿轮故障数据集
58	2024-09-10	Automatic lesion detection and segmentation in 18F-flutemetamol positron emission tomography images using deep learning 2022-Dec-20, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-022-01058-8 PMID:36539779	研究论文	本研究利用深度学习技术，通过2D U-Net卷积神经网络自动检测和分割18F-flutemetamol PET图像中的病变区域	首次使用2D U-Net卷积神经网络进行18F-flutemetamol PET图像的自动病变检测和分割	研究仅限于特定脑区的病变检测和分割，未涵盖全脑范围	提高阿尔茨海默病患者脑部PET图像病变检测和分割的准确性	18F-flutemetamol PET图像中的病变区域	计算机视觉	阿尔茨海默病	深度学习	U-Net	图像	NA
59	2024-09-10	Recent advances in Predictive Learning Analytics: A decade systematic review (2012-2022) 2022-Dec-20, Education and information technologies IF:4.8Q1 DOI:10.1007/s10639-022-11536-0 PMID:36571084	综述	本文综述了2012年至2022年间高等教育领域预测学习分析的最新研究进展	系统回顾了过去十年中预测分析在高等教育中的应用，分析了预测模型的过程及其关键性能指标	主要基于文献综述，未进行实证研究	回顾和分析高等教育领域预测学习分析的最新研究	预测学术成果的机器学习和深度学习模型及其应用	机器学习	NA	机器学习和深度学习模型	机器学习模型	学生相关数据	NA
60	2024-09-10	Deep Learning Model for Computer-Aided Diagnosis of Urolithiasis Detection from Kidney-Ureter-Bladder Images 2022-Dec-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9120811 PMID:36551017	研究论文	本文提出了一种基于深度学习模型的计算机辅助诊断系统，用于从肾脏-输尿管-膀胱图像中检测尿路结石	本文提出的深度学习模型在检测尿路结石方面表现优异，优于现有的基于卷积神经网络的方法	本文仅使用了来自一家医院的355张KUB图像进行训练和测试，样本量较小	开发一种帮助急诊室临床医生准确诊断尿路结石的计算机辅助诊断系统	肾脏-输尿管-膀胱图像中的尿路结石	计算机视觉	泌尿系统疾病	深度学习	ResNet	图像	355张KUB图像，来自104名确诊尿路结石的患者