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
221	2024-09-21	Detection of brain regions responsible for chronic pain in osteoarthritis: an fMRI-based neuroimaging study using deep learning 2023, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2023.1195923 PMID:37333009	研究论文	本文利用深度学习算法分析fMRI数据，检测骨关节炎慢性疼痛相关的脑区	首次使用深度学习算法识别骨关节炎慢性疼痛相关的脑区，并发现了先前文献中未提及的几个脑区	样本量较小，仅包括51名疼痛患者和20名健康对照	探索深度学习算法在识别骨关节炎慢性疼痛相关脑区的应用	骨关节炎慢性疼痛患者和健康对照的脑区	计算机视觉	骨关节炎	fMRI	CNN	图像	51名疼痛患者和20名健康对照
222	2024-09-21	A multi-class classification algorithm based on hematoxylin-eosin staining for neoadjuvant therapy in rectal cancer: a retrospective study 2023, PeerJ IF:2.3Q2 DOI:10.7717/peerj.15408 PMID:37334122	研究论文	本文开发了一种基于苏木精-伊红染色图像的多分类算法，用于预测直肠癌新辅助治疗的反应	首次开发了一种多分类器，能够预测直肠癌新辅助治疗的不同反应	仅限于使用苏木精-伊红染色图像进行分类	开发一种多分类算法，用于预测直肠癌新辅助治疗的反应	直肠癌新辅助治疗的病理反应	数字病理学	直肠癌	NA	残差神经网络 (ResNet)	图像	NA
223	2024-09-21	A novel framework based on deep learning for COVID-19 diagnosis from X-ray images 2023, PeerJ. Computer science DOI:10.7717/peerj-cs.1375 PMID:37346600	研究论文	本文提出了一种基于深度学习的COVID-19诊断框架，使用X射线图像进行检测	本文提出了一种新的深度学习框架，使用改进的DenseNet-121模型进行COVID-19诊断	本文未详细讨论模型的泛化能力和在不同数据集上的表现	设计一种高精度的深度神经网络，用于在线识别医学图像	COVID-19的X射线图像	计算机视觉	COVID-19	深度学习	DenseNet-121	图像	涉及不同类型的肺炎数据
224	2024-09-20	DynamicSleepNet: a multi-exit neural network with adaptive inference time for sleep stage classification 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1171467 PMID:37250117	研究论文	提出了一种名为DynamicSleepNet的多出口神经网络，用于动态调整睡眠阶段分类的精度和效率	DynamicSleepNet通过多出口结构和动态推理时间调整，减少了多模态电生理信号处理中的冗余计算，提高了效率	NA	提高睡眠阶段分类的自动化程度和效率	睡眠阶段的分类	机器学习	NA	多模态电生理信号	多出口神经网络	电生理信号	四个数据集
225	2024-09-20	A Lightweight convolutional neural network for nicotine prediction in tobacco by near-infrared spectroscopy 2023, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2023.1138693 PMID:37251760	研究论文	本文提出了一种轻量级一维卷积神经网络（1D-CNN）用于通过近红外光谱预测烟草中的尼古丁含量	本文的创新点在于提出了一种轻量级的一维卷积神经网络模型，用于通过近红外光谱数据预测烟草中的尼古丁含量，并采用了批量归一化技术来减少过拟合并提高模型的泛化性能	本文的局限性在于仅使用了Savitzky-Golay平滑预处理方法，未探讨其他预处理方法对模型性能的影响	本研究的目的是开发一种高效、准确的模型，用于通过近红外光谱技术快速预测烟草中的尼古丁含量	本研究的对象是烟草中的尼古丁含量	机器学习	NA	近红外光谱	一维卷积神经网络（1D-CNN）	光谱数据	随机生成的训练和测试数据集
226	2024-09-20	Enhancing Disease Classification in Abdominal CT Scans through RGB Superposition Methods and 2D Convolutional Neural Networks: A Study of Appendicitis and Diverticulitis 2023, Computational and mathematical methods in medicine DOI:10.1155/2023/7714483 PMID:37284168	研究论文	本文提出了一种利用RGB叠加方法和2D卷积神经网络增强腹部CT扫描中疾病分类的方法，主要研究了阑尾炎和憩室炎的诊断	本文创新性地使用RGB通道叠加图像作为模型输入，相比传统的3D CNN方法，减少了数据需求和计算资源，提高了分类性能	本文未详细讨论模型在其他疾病或不同数据集上的泛化能力	提高腹部CT扫描中阑尾炎和憩室炎的分类准确性	阑尾炎和憩室炎	计算机视觉	NA	2D卷积神经网络	EfficientNet	图像	未明确提及具体样本数量
227	2024-09-20	Hematologic Cancer Detection Using White Blood Cancerous Cells Empowered with Transfer Learning and Image Processing 2023, Journal of healthcare engineering DOI:10.1155/2023/1406545 PMID:37284488	研究论文	本文提出了一种利用迁移学习和图像处理技术增强的深度学习模型，用于检测血液癌症	本文的创新点在于结合了迁移学习和图像处理技术，提高了血液癌症检测的准确性	本文的局限性在于仅使用了AlexNet、MobileNet和ResNet模型，未探索其他可能更优的模型	本文的研究目的是提高血液癌症的早期预测和治疗效果	本文的研究对象是血液癌症中的淋巴瘤和白血病	计算机视觉	血液癌症	迁移学习、图像处理	深度学习模型（AlexNet、MobileNet、ResNet）	图像	使用了大量的白血癌细胞图像进行训练和测试
228	2024-09-20	Do poverty and wealth look the same the world over? A comparative study of 12 cities from five high-income countries using street images 2023, EPJ data science IF:3.0Q1 DOI:10.1140/epjds/s13688-023-00394-6 PMID:37293269	研究论文	本文通过分析来自五个高收入国家的12个城市的720万张街道图像，使用计算机视觉和深度学习方法，比较了不同城市中贫困和富裕社区的视觉相似性	本文首次在多个国家和城市之间进行街道图像的比较分析，揭示了贫困和富裕社区在视觉特征上的差异，并探讨了这些差异的历史、政策和地理因素	研究结果表明，基于图像的不平等测量方法在不同城市之间存在误差，尤其是在贫困地区，需要进一步改进以捕捉全球城市间的异质性	研究不同城市和国家中贫困和富裕社区的视觉相似性，并探讨这些差异的影响因素	来自五个高收入国家的12个城市的街道图像	计算机视觉	NA	深度学习	NA	图像	720万张街道图像，来自12个城市的超过8500万人
229	2024-09-20	The current state of artificial intelligence in endoscopic diagnosis of early esophageal squamous cell carcinoma 2023, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2023.1198941 PMID:37293591	综述	本文综述了人工智能在早期食管鳞状细胞癌内镜诊断中的现状	人工智能通过深度学习模型中的卷积神经网络（CNN）提取图像数据的关键特征，并进行图像分类，显著提高了内镜图像分类的准确性	人工智能系统的训练数据集存在选择性偏差，影响其通用性	探讨人工智能在早期食管鳞状细胞癌内镜诊断和侵袭深度预测中的应用	早期食管鳞状细胞癌	计算机视觉	食管癌	深度学习	卷积神经网络（CNN）	图像	NA
230	2024-09-19	Interpretable tourism demand forecasting with temporal fusion transformers amid COVID-19 2023, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-022-04254-0 PMID:36320610	研究论文	提出了一种创新的ADE-TFT可解释旅游需求预测模型，以解决现有旅游需求预测解释性不足的问题	采用自适应差分进化算法优化Temporal Fusion Transformer参数，结合历史旅游量、月度新增确诊案例和旅游论坛大数据，提高COVID-19期间旅游量预测精度，并使用卷积神经网络分析旅客情绪和话题	NA	提高旅游需求预测的解释性和精度，特别是在COVID-19疫情期间	旅游需求预测模型及其在COVID-19期间的应用	机器学习	NA	自适应差分进化算法、卷积神经网络	Temporal Fusion Transformer、卷积神经网络	文本、时间序列	NA
231	2024-09-19	Deep learning on multi-view sequential data: a survey 2023, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-022-10332-z PMID:36466765	综述	本文综述了深度学习在多视角序列数据上的应用	本文首次系统介绍了多视角序列数据的构成类型和技术挑战，并总结了深度学习技术在该领域的最新进展	本文主要为综述性质，未提出具体的新方法或模型	探讨深度学习在多视角序列数据上的应用及其技术挑战	多视角序列数据及其在不同领域的应用	机器学习	NA	深度学习	NA	多视角序列数据	NA
232	2024-09-19	LWSNet - a novel deep-learning architecture to segregate Covid-19 and pneumonia from x-ray imagery 2023, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-14247-3 PMID:36532598	研究论文	本文提出了一种名为LWSNet的新型深度学习架构，用于从X射线图像中区分新冠肺炎、普通肺炎和正常胸部图像	本文的创新点在于提出了一种轻量级堆叠网络（LWSNet），通过单、双、三和四重堆叠机制来解决三分类问题，并在资源受限设备上方便部署	NA	开发一种自动检测肺部疾病的AI工具，以应对全球范围内大量病例的需求，并支持医生工作	新冠肺炎、普通肺炎和正常胸部X射线图像	计算机视觉	新冠肺炎	深度学习	CNN	图像	使用了三个公开数据集及其组合进行评估
233	2024-09-19	A Systematic Review of Using Deep Learning Technology in the Steady-State Visually Evoked Potential-Based Brain-Computer Interface Applications: Current Trends and Future Trust Methodology 2023, International journal of telemedicine and applications IF:3.1Q2 DOI:10.1155/2023/7741735 PMID:37168809	综述	本文通过系统综述评估了深度学习技术在基于稳态视觉诱发电位（SSVEP）的脑-机接口（BCI）应用中的重要性	提出了一个信任提案解决方案，包含三个方法论阶段，用于评估和基准测试基于SSVEP的BCI应用	本文主要关注于综述和分析现有研究，未提出新的实验或模型	评估深度学习技术在基于SSVEP的BCI应用中的现状和未来发展趋势	基于SSVEP的BCI应用中的深度学习方法	机器学习	NA	深度学习	卷积神经网络（CNN）、循环神经网络（RNN）、深度神经网络（DNN）、长短期记忆（LSTM）、受限玻尔兹曼机（RBM）	稳态视觉诱发电位（SSVEP）数据	30篇相关文献
234	2024-09-19	Combination of multi-modal MRI radiomics and liquid biopsy technique for preoperatively non-invasive diagnosis of glioma based on deep learning: protocol for a double-center, ambispective, diagnostical observational study 2023, Frontiers in molecular neuroscience IF:3.5Q2 DOI:10.3389/fnmol.2023.1183032 PMID:37201155	研究论文	本研究旨在利用多模态MRI放射组学和液体活检技术，基于深度学习构建一种新型的多任务放射组学模型，实现胶质瘤的术前无创“综合诊断”	首次将放射组学与液体活检技术结合用于胶质瘤诊断，探索了深度学习模型结合液体活检参数是否能提高胶质瘤诊断的性能	NA	开发一种新型的多任务深度学习放射组学模型，实现胶质瘤的术前无创“综合诊断”	胶质瘤	数字病理学	脑肿瘤	MRI放射组学、液体活检	深度学习模型	影像数据	使用2019脑肿瘤分割挑战数据集（BraTS）和两个原始数据集，包括南昌大学第二附属医院和武汉大学人民医院的数据
235	2024-09-19	Flu-Net: two-stream deep heterogeneous network to detect flu like symptoms from videos using grey wolf optimization algorithm 2023, Journal of ambient intelligence and humanized computing DOI:10.1007/s12652-023-04585-x PMID:37228698	研究论文	本文提出了一种名为Flu-Net的AI框架，用于从视频中检测流感样症状，以限制感染的传播	本文创新性地采用了灰狼优化算法进行特征选择，并结合2D和3D卷积神经网络构建了一个双流异构网络	本文未详细讨论模型的泛化能力和对不同数据集的适应性	开发一种能够识别流感样症状的AI框架，以帮助控制传染病的传播	从监控视频中识别咳嗽、打喷嚏等流感样症状	计算机视觉	NA	灰狼优化算法	双流异构网络（2D和3D卷积神经网络）	视频	使用了BII Sneeze-Cough (BIISC)视频数据集，具体样本数量未提及
236	2024-09-19	On QSAR-based cardiotoxicity modeling with the expressiveness-enhanced graph learning model and dual-threshold scheme 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1156286 PMID:37228825	研究论文	本文提出了一种基于QSAR的增强图学习模型和双阈值方案的心脏毒性建模方法	引入了子结构感知偏置的图子图变换网络模型，提高了GNN模型的表达能力，并提出了双阈值方案以优化模型性能	NA	改进基于QSAR的计算模型，以更准确地筛选出心脏毒性化合物	心脏毒性化合物	机器学习	心血管疾病	图神经网络 (GNN)	图子图变换网络模型	分子指纹	NA
237	2024-09-19	GUI Enabled Optimized Approach of CNN for Automatic Diagnosis of COVID-19 Using Radiograph Images 2023, New generation computing IF:2.0Q2 DOI:10.1007/s00354-023-00212-7 PMID:37229178	研究论文	本文提出了一种基于卷积神经网络（CNN）和图形用户界面（GUI）的优化方法，用于自动诊断COVID-19肺炎感染	本文的创新点在于结合了GUI和CNN，并针对21种肺炎放射图像进行了训练，实现了对COVID-19的高精度分类	本文未详细讨论模型的泛化能力和对其他疾病的适用性	研究目的是开发一种自动诊断COVID-19肺炎感染的方法，以减少疾病的快速传播	研究对象是COVID-19肺炎感染及其与其他肺炎类型的区分	计算机视觉	肺部疾病	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	21种肺炎放射图像
238	2024-09-19	Comparative analysis of tissue-specific genes in maize based on machine learning models: CNN performs technically best, LightGBM performs biologically soundest 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1190887 PMID:37229198	研究论文	本研究通过机器学习模型对玉米组织特异性基因进行比较分析，发现CNN在技术上表现最佳，而LightGBM在生物学上表现最合理	首次在植物领域使用多种机器学习模型（包括CNN和LightGBM）对RNA-seq数据进行分析，以识别组织特异性基因	研究仅限于玉米的多组织RNA-seq数据，未涉及其他植物或动物的数据	通过机器学习模型识别玉米组织特异性基因，并比较不同模型在技术与生物学上的表现	玉米的多组织RNA-seq数据和组织特异性基因	机器学习	NA	RNA-seq	CNN, LightGBM	RNA-seq数据	1548个玉米多组织RNA-seq数据
239	2024-09-19	Application of Convolutional Neural Networks for COVID-19 Detection in X-ray Images Using InceptionV3 and U-Net 2023, New generation computing IF:2.0Q2 DOI:10.1007/s00354-023-00217-2 PMID:37229179	研究论文	本文探讨了使用InceptionV3和U-Net卷积神经网络模型在X光图像中检测COVID-19的应用	提出了结合InceptionV3和U-Net模型进行COVID-19检测的新方法，并实现了高达99%的准确率	未提及具体的局限性	开发快速且易于使用的COVID-19诊断工具，以替代传统的RT-PCR方法	COVID-19在X光图像中的检测	计算机视觉	COVID-19	卷积神经网络（CNN）	InceptionV3和U-Net	图像	未提及具体样本数量
240	2024-09-19	Detecting influential nodes with topological structure via Graph Neural Network approach in social networks 2023, International journal of information technology : an official journal of Bharati Vidyapeeth's Institute of Computer Applications and Management DOI:10.1007/s41870-023-01271-1 PMID:37256031	研究论文	本文提出了一种基于图卷积网络（GCN）的深度学习模型DeepInfNode，用于在社交网络中检测具有重要拓扑结构的关键节点	本文创新性地结合了网络拓扑和节点属性来评估节点的影响力，并提出了DeepInfNode模型，该模型在多个公开的标准图数据集上表现优于现有方法	NA	研究目的是开发一种能够有效检测社交网络中关键节点的方法	研究对象是社交网络中的节点及其拓扑结构	机器学习	NA	图卷积网络（GCN）	图卷积网络（GCN）	图数据	使用了多个公开的标准图数据集