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
141	2024-09-19	Non-Destructive Banana Ripeness Detection Using Shallow and Deep Learning: A Systematic Review 2023-Jan-09, Sensors (Basel, Switzerland) DOI:10.3390/s23020738 PMID:36679535	综述	本文综述了使用浅层和深层学习技术进行非破坏性香蕉成熟度检测的研究	本文总结了不同研究中使用的传感器和特征，如颜色，以及卷积神经网络在大数据集上的优越表现	现有研究存在数据集和捕捉设备信息不足、数据可用性有限以及过度使用数据增强技术的问题	自动化和减少人工干预，提高香蕉成熟度检测的准确性	香蕉的成熟度	计算机视觉	NA	NA	卷积神经网络	图像	35项研究被纳入最终综述
142	2024-09-19	Deep learning based registration of serial whole-slide histopathology images in different stains 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100311 PMID:37214150	研究论文	本文提出了一种基于深度学习的序列全切片病理图像在不同染色下的配准方法	提出了一种新的基于深度学习的配准网络CGNReg，能够在没有先验变形信息的情况下，将H&E和IHC染色的序列全切片图像进行空间对齐	NA	实现不同染色下的序列全切片病理图像的配准，以支持高分辨率空间和综合分析	序列全切片病理图像在H&E和IHC染色下的配准	数字病理学	乳腺癌	深度学习	全卷积网络	图像	76名乳腺癌患者，每位患者有1张H&E和2张IHC序列全切片图像
143	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
144	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
145	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
146	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
147	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
148	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
149	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
150	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
151	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
152	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
153	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
154	2024-09-19	Automated semantic lung segmentation in chest CT images using deep neural network 2023, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-023-08407-1 PMID:37273912	研究论文	本文开发了一种用于胸部CT图像中肺部分割的深度学习模型	提出了使用DeepLabV3+网络进行两类和四类肺部分割的方法，并比较了不同预训练网络的性能	仅使用了COVID-19的公开数据库，可能缺乏泛化性	开发一种计算效率高且鲁棒的深度学习模型用于肺部分割	胸部CT图像中的肺部区域	计算机视觉	NA	DeepLabV3+网络	DeepLabV3+	图像	750张胸部CT图像及其对应的像素标注图像
155	2024-09-17	A spatiotemporal machine learning approach to forecasting COVID-19 incidence at the county level in the USA 2023, International journal of data science and analytics IF:3.4Q2 DOI:10.1007/s41060-021-00295-9 PMID:35071733	研究论文	本文提出了一种基于时空机器学习的COVID-19发病率预测方法，特别针对美国县级水平	本文首次提出了COVID-LSTM模型，该模型基于长短期记忆深度学习架构，能够更准确地预测COVID-19的发病率，优于现有的COVIDhub-ensemble模型	本文未详细讨论数据驱动预测方法在其他疾病中的应用限制，也未深入探讨未来深度学习模型在疾病预测中的广泛应用可能性	研究目的是开发一种更准确的COVID-19发病率预测模型，以应对全球疫情的影响	研究对象是美国各县的COVID-19发病率	机器学习	传染病	长短期记忆（LSTM）深度学习	LSTM	时间序列数据	17周的评估期，4周的预测期
156	2024-09-17	DeepEZ: A Graph Convolutional Network for Automated Epileptogenic Zone Localization From Resting-State fMRI Connectivity 2023-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2022.3187942 PMID:35776823	研究论文	本文提出了一种基于静息态功能磁共振成像（rs-fMRI）数据的深度学习方法，用于自动定位癫痫发作区（EZ）	首次使用图卷积网络（GCN）进行EZ定位，并结合领域特定信息和学习到的个体偏差来提高准确性	研究样本量较小，仅包含14名患者，未来需在大规模数据集上验证	开发一种准确且无创的EZ定位工具，用于药物难治性癫痫的治疗计划	药物难治性癫痫患者的EZ定位	计算机视觉	癫痫	图卷积网络（GCN）	图卷积网络（GCN）	功能磁共振成像（fMRI）	14名患有局灶性癫痫的患者
157	2024-09-17	Functional magnetic resonance imaging, deep learning, and Alzheimer's disease: A systematic review 2023-01, Journal of neuroimaging : official journal of the American Society of Neuroimaging IF:2.3Q2 DOI:10.1111/jon.13063 PMID:36257926	综述	本文综述了功能性磁共振成像（fMRI）和深度学习在阿尔茨海默病（AD）诊断中的应用	探讨了深度学习技术在简化fMRI分析中的潜力，并总结了当前领域的研究进展	讨论了fMRI深度学习方法的局限性和未来研究方向	总结当前fMRI和深度学习在AD诊断中的应用，并为新研究人员提供指导	阿尔茨海默病（AD）的诊断方法	机器学习	阿尔茨海默病	功能性磁共振成像（fMRI）	深度神经网络	图像	NA
158	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
159	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
160	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