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	2024-09-17	Integration of improved YOLOv5 for face mask detector and auto-labeling to generate dataset for fighting against COVID-19 2023, The Journal of supercomputing IF:2.5Q2 DOI:10.1007/s11227-022-04979-2 PMID:36619832	研究论文	本文提出了一种改进的YOLOv5模型用于口罩检测，并结合自动标注模块生成新的数据集，以应对COVID-19疫情	通过引入坐标注意力（CA）模块改进YOLOv5模型，提高了检测精度和速度，并构建了一个包含7110张图像的新数据集	实验仅使用了Kaggle数据集中的853张图像进行训练，且数据集来源有限	提高口罩检测系统的实时性能和准确性，并生成新的数据集以支持COVID-19监测系统	口罩检测模型和数据集生成系统	计算机视觉	NA	YOLOv5	YOLOv5s-CA和YOLOV5s-C3CA	图像	853张图像用于训练，7110张图像用于生成新数据集
222	2024-09-17	Active regression model for clinical grading of COVID-19 2023, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2023.1141996 PMID:37026015	研究论文	本研究构建了一个基于深度学习方法的个性化治疗模型，旨在通过COVID-19患者的临床检测指标数据实现及时干预，并优化医疗资源分配	本研究通过特征工程和深度学习模型，实现了对COVID-19患者的个性化诊断和治疗，提供了一种新的视角	NA	实现基于COVID-19患者临床检测指标数据的及时干预和优化医疗资源分配	COVID-19患者的临床检测指标数据	机器学习	COVID-19	深度学习	NA	临床数据	1799名个体，包括560名非呼吸道传染病对照组，681名其他呼吸道病毒感染对照组，558名COVID-19感染组
223	2024-09-17	From Prototype to Inference: A Pipeline to Apply Deep Learning in Sorghum Panicle Detection 2023, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0017 PMID:37040294	研究论文	本文提出了一种从数据收集到模型部署的深度学习辅助高粱穗密度估算的全面流程	本文提供了一个通用的深度学习计数协议，并展示了其在高粱田中的应用，同时该流程可推广到其他谷物物种	本文主要在高粱田中展示了该流程，尚未在其他谷物物种中进行广泛验证	开发一种自动化的高粱穗密度估算方法，以替代传统的手动计数	高粱穗密度	计算机视觉	NA	深度学习	NA	图像	NA
224	2024-09-17	Automated tumor segmentation and brain tissue extraction from multiparametric MRI of pediatric brain tumors: A multi-institutional study 2023 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdad027 PMID:37051331	研究论文	本文介绍了一种基于多参数MRI扫描的深度学习方法，用于自动提取和分割儿童脑肿瘤	提出了基于多参数MRI扫描的深度学习方法，用于自动提取和分割儿童脑肿瘤，减少了手动分割的时间和操作员间的差异	NA	开发一种自动化的方法来分割儿童脑肿瘤，以辅助手术和治疗计划	儿童脑肿瘤的多参数MRI扫描图像	计算机视觉	脑肿瘤	多参数MRI扫描	三维卷积神经网络	图像	244名儿童患者的多参数MRI扫描图像
225	2024-09-17	Artificial intelligence for clinical decision support for monitoring patients in cardiovascular ICUs: A systematic review 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1109411 PMID:37064042	综述	本文系统回顾了人工智能和机器学习模型在心血管重症监护病房中用于临床决策支持的研究	探讨了AI/ML在临床决策支持中的最新进展、陷阱和未来展望	75%的论文缺乏对外部数据集的验证，存在可推广性问题；AI决策的可解释性也是一个关键问题	研究AI/ML在心血管重症监护病房中用于临床决策支持的方法和工具	心血管重症监护病房中的患者监测	机器学习	心血管疾病	NA	NA	时间序列数据和电子健康记录	NA
226	2024-09-17	A convolutional neural network for face mask detection in IoT-based smart healthcare systems 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1143249 PMID:37064899	研究论文	本文提出了一种基于卷积神经网络的面部口罩检测方法，用于物联网智能医疗系统	本文创新性地结合了YOLOv3架构和计算机视觉技术，用于检测未佩戴口罩和未保持社交距离的行为	本文未详细讨论系统的实时性能和在不同光照条件下的表现	旨在提供一种有效工具，减少传染病的传播	面部口罩佩戴情况和社交距离	计算机视觉	NA	YOLOv3	卷积神经网络	图像	使用了COCO数据集进行评估
227	2024-09-17	Towards a Deep Learning Pain-Level Detection Deployment at UAE for Patient-Centric-Pain Management and Diagnosis Support: Framework and Performance Evaluation 2023, Procedia computer science DOI:10.1016/j.procs.2023.03.044 PMID:37089761	研究论文	本文提出了一种在阿联酋部署的深度学习疼痛水平检测框架，并评估了其性能	首次提出在阿联酋部署深度学习疼痛水平检测框架	未提及具体局限性	开发和评估一种自动识别患者疼痛水平的深度学习框架	患者疼痛水平	机器学习	NA	深度学习	NA	NA	NA
228	2024-09-17	A Multimodal Network Security Framework for Healthcare Based on Deep Learning 2023, Computational intelligence and neuroscience DOI:10.1155/2023/9041355 PMID:39280017	研究论文	本文提出了一种基于深度学习的多模态网络安全框架，用于医疗领域的网络流量分类	该框架通过深度学习方法自动提取空间和序列特征，提高了网络流量分类的效率，并解决了传统方法依赖人工特征提取和单一模型特征的问题	本文未详细讨论框架在实际应用中的可扩展性和处理大规模数据时的性能	解决现有网络流量分类方法中依赖人工特征提取和单一模型特征的问题，提高分类效率和稳定性	网络流量分类	机器学习	NA	深度学习	多模态网络	网络流量	NA
229	2024-09-16	Detection and classification of lung diseases for pneumonia and Covid-19 using machine and deep learning techniques 2023, Journal of ambient intelligence and humanized computing DOI:10.1007/s12652-021-03464-7 PMID:34567277	研究论文	本文提出了一种用于从胸部X光图像中检测和分类肺炎和Covid-19的新框架	提出了一个包含数据集获取、图像质量增强、自适应和准确的感兴趣区域（ROI）估计、特征提取和疾病预测的框架，并设计了一种改进的区域生长技术用于ROI提取	未提及具体限制	开发一种准确检测和分类肺炎和Covid-19的方法	肺炎和Covid-19的胸部X光图像	计算机视觉	肺部疾病	机器学习和深度学习技术	人工神经网络（ANN）、支持向量机（SVM）、K近邻（KNN）、集成分类器、深度学习分类器、循环神经网络（RNN）与长短期记忆（LSTM）	图像	使用了两个公开的胸部X光图像数据集
230	2024-09-16	LSTM Network Integrated with Particle Filter for Predicting the Bus Passenger Traffic 2023, Journal of signal processing systems DOI:10.1007/s11265-022-01831-x PMID:36687374	研究论文	本文结合深度学习和贝叶斯滤波技术，提出了一种集成粒子滤波与LSTM网络的模型，用于有效预测公交乘客流量	本文创新地将粒子滤波与LSTM网络结合，以提取马尔可夫行为并实现时间序列预测	实验结果表明，尽管模型在小训练数据集下表现良好，但其性能可能受限于数据集的大小	研究目的是开发一种能够准确预测公交乘客流量的模型，以优化公交调度	研究对象是公交乘客流量及其时间序列特征	机器学习	NA	LSTM网络，粒子滤波	LSTM	时间序列数据	用于预测未来三十天乘客流量的数据
231	2024-09-16	Epoch and accuracy based empirical study for cardiac MRI segmentation using deep learning technique 2023, PeerJ IF:2.3Q2 DOI:10.7717/peerj.14939 PMID:36974136	研究论文	本文研究了基于深度学习技术的心脏MRI分割任务中，训练轮数（epoch）与准确率之间的关系	本文建立了超参数训练轮数与准确率之间的关系，并优化了卷积神经网络模型以提高分割准确率	NA	研究心脏MRI图像分割任务中，训练轮数对模型准确率的影响	心脏MRI图像的分割	计算机视觉	心血管疾病	深度学习技术	卷积神经网络（CNN）	图像	NA
232	2024-09-16	Exploring interpretability in deep learning prediction of successful ablation therapy for atrial fibrillation 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1054401 PMID:36998987	研究论文	研究探讨了深度学习在预测房颤消融治疗成功率中的可解释性，并评估了左心房中是否使用了致心律失常区域	首次探索了深度学习模型在预测房颤消融治疗成功率中的可解释性，并验证了模型是否利用了MRI图像中的结构特征来识别致心律失常区域	研究仅使用了MRI衍生的2D左心房组织模型，未来需要进一步验证在真实临床环境中的应用	提高房颤消融治疗的成功率，并确保深度学习模型的预测结果具有临床可解释性	房颤及其消融治疗的成功率预测	机器学习	心血管疾病	深度学习	深度学习模型	图像	187个MRI衍生的2D左心房组织模型
233	2024-09-16	Novel methods for elucidating modality importance in multimodal electrophysiology classifiers 2023, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2023.1123376 PMID:37006636	研究论文	本文研究了多模态电生理分类器中模态重要性的新方法	提出了两种新的局部多模态可解释性方法，并首次将这些方法应用于电生理分析	NA	提高多模态电生理分类器的可解释性，促进个性化医疗的发展	自动睡眠阶段分类中的脑电图、眼电图和肌电图数据	机器学习	NA	NA	卷积神经网络	时间序列数据	NA
234	2024-09-16	An integrated pre-clerkship curriculum to build cognitive medical schema: It's not just about the content 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1148916 PMID:37008016	研究论文	本文介绍了一种综合性的预实习课程，旨在通过建立认知医学模式来提升学习者的临床表现	该课程设计超越了传统的内容教学，考虑了学习者特征、教师和资源等非内容设计元素，并采用了基于案例的方法和团队教学模式	虽然该模型可以应用于其他项目设置，但需要考虑特定环境和学习者的内容和非内容元素	开发一种预实习课程，消除学科界限，增强学习者在实习和早期临床表现中的能力	预实习课程的设计和实施，以及其对学习者临床推理能力的影响	医学教育	NA	NA	NA	NA	NA
235	2024-09-15	Headache classification and automatic biomarker extraction from structural MRIs using deep learning 2023, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcac311 PMID:36751567	研究论文	本文开发了一种基于深度学习的分类管道，用于从结构MRI中区分三种头痛类型，并自动提取生物标志物	相比传统机器学习方法，深度学习方法无需先验知识，能够自动发现区分不同队列MRI的特征	训练数据有限且样本类别不平衡	研究深度学习方法在神经影像学中对头痛分类和生物标志物自动提取的应用	三种头痛类型（偏头痛、急性创伤后头痛和持续性创伤后头痛）与健康对照组的脑MRI	计算机视觉	头痛	深度学习	3D ResNet-18	图像	偏头痛95例，急性创伤后头痛48例，持续性创伤后头痛49例，健康对照组532例
236	2024-09-15	Face mask detection and social distance monitoring system for COVID-19 pandemic 2023, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-13913-w PMID:36196269	研究论文	本文提出了一种用于COVID-19疫情期间的口罩检测和社交距离监控系统	本文创新性地提出了一个包含10,000张户外图像的大规模数据集，用于加速自动化口罩检测和社交距离测量的发展，并优化了YOLO-v3架构以提高实时应用的性能	本文的方法需要大量的数据来确保在实时应用中的鲁棒性，并且目前没有标准的户外监控数据集可用	旨在开发一种能够在公共场所实时检测口罩佩戴情况和监控社交距离的系统，以帮助减缓COVID-19的传播	口罩检测和社交距离测量	计算机视觉	NA	深度学习	YOLO-v3	图像	10,000张户外图像
237	2024-09-15	Deep learning of protein sequence design of protein-protein interactions 2023-01-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac733 PMID:36377772	研究论文	本文开发了一种基于注意力机制的深度学习模型，用于设计蛋白质-蛋白质相互作用的氨基酸序列	该模型受图像-标题匹配算法的启发，能够重新设计天然蛋白质界面或设计蛋白质相互作用片段，并且在不需要精确骨架位置的情况下进行蛋白质-蛋白质相互作用的新设计	NA	开发数据驱动的模型来描述蛋白质序列-结构关系，并解决蛋白质-蛋白质相互作用序列设计的挑战性问题	蛋白质-蛋白质相互作用的氨基酸序列设计	机器学习	NA	深度学习	注意力机制模型	蛋白质序列	NA
238	2024-09-15	DeepCellEss: cell line-specific essential protein prediction with attention-based interpretable deep learning 2023-01-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac779 PMID:36458923	研究论文	提出了一种基于注意力机制的可解释深度学习框架DeepCellEss，用于预测特定细胞系的必需蛋白质	DeepCellEss考虑了蛋白质必需性受细胞环境影响的特性，并引入了多头部自注意力机制以提高模型的可解释性	NA	开发一种能够预测特定细胞系必需蛋白质的计算方法	特定细胞系的必需蛋白质	机器学习	NA	卷积神经网络和双向长短期记忆网络	深度学习模型	蛋白质序列	323个细胞系的大规模基准数据集
239	2024-09-15	ManyFold: an efficient and flexible library for training and validating protein folding models 2023-01-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac773 PMID:36495196	研究论文	ManyFold 是一个用于蛋白质结构预测的灵活库，支持多种输入和模型的训练与验证	ManyFold 支持多种输入（MSA 和 pLM 嵌入），允许对现有模型（如 AlphaFold 和 OpenFold）进行推理，并支持从零开始训练新模型	NA	开发一个高效且灵活的库，用于训练和验证蛋白质折叠模型	蛋白质结构预测模型	机器学习	NA	深度学习	pLMFold	序列数据	NA
240	2024-09-15	Stacked ensemble learning based on deep convolutional neural networks for pediatric pneumonia diagnosis using chest X-ray images 2023, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-08099-z PMID:36532883	研究论文	本文提出了一种基于深度卷积神经网络的堆叠集成学习模型，用于通过胸部X光图像诊断儿童肺炎	本文的创新点在于使用堆叠集成学习方法，结合深度学习特征提取和降维技术，提高了儿童肺炎诊断的准确性和效率	本文未提及模型的泛化能力和在不同数据集上的表现	开发一种快速且准确的计算机辅助检测模型，用于儿童肺炎的诊断	儿童肺炎的胸部X光图像	计算机视觉	儿童疾病	深度学习	CNN	图像	使用了公开的儿童肺炎数据集