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	2024-10-15	A bibliometric analysis of worldwide cancer research using machine learning methods 2023-Jun, Cancer innovation DOI:10.1002/cai2.68 PMID:38089405	研究论文	本文通过文献计量分析方法，研究了2011年至2021年间使用机器学习方法进行癌症研究的全球趋势和热点	本文首次对全球范围内使用机器学习方法进行癌症研究的文献进行了全面的文献计量分析，揭示了该领域的研究热点和发展趋势	本文仅基于PubMed数据库中的6206篇文献进行分析，可能未能涵盖所有相关研究	分析全球范围内使用机器学习方法进行癌症研究的最新研究现状、主要研究主题、主题演变、研究合作和潜在研究方向	2011年至2021年间PubMed数据库中收集的6206篇关于使用机器学习方法进行癌症研究的文献	机器学习	癌症	文献计量分析	Latent Dirichlet Allocation	文本	6206篇文献
22	2024-10-08	DrugEx: Deep Learning Models and Tools for Exploration of Drug-Like Chemical Space 2023-06-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00434 PMID:37272707	研究论文	介绍了一个名为DrugEx的开源软件包，用于多目标强化学习，以探索药物样化学空间	整合并重新设计了先前DrugEx论文中的脚本，包括多种生成器架构、多种评分工具和多目标优化方法，提供了一个灵活的应用编程接口和图形用户界面GenUI	NA	开发一个用户友好且易于定制的药物设计工具	药物样化学空间中的新分子发现	机器学习	NA	多目标强化学习	多种生成器架构	NA	NA
23	2024-10-02	Real-time face mask position recognition system based on MobileNet model 2023-Jun, Smart health (Amsterdam, Netherlands) DOI:10.1016/j.smhl.2023.100382 PMID:36743719	研究论文	本文开发并评估了一个基于MobileNet模型的实时口罩佩戴位置识别系统	提出了通过微调预训练的MobileNet模型来实现高精度的口罩佩戴位置识别，并开发了一个实时系统	未提及	开发一个能够自动识别口罩佩戴位置的系统，以确保人们在公共场所正确佩戴口罩	口罩佩戴位置的识别	计算机视觉	NA	深度学习	MobileNet	图像	391名不同年龄和性别的个体
24	2024-10-01	Deep learning for deterioration prediction of COVID-19 patients based on time-series of three vital signs 2023-06-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-37013-3 PMID:37339986	研究论文	研究开发并比较了两种预测COVID-19患者恶化的模型，基于时间序列的三种生命体征数据	提出了基于最少数据（如生命体征）的恶化预测模型，适用于远程医疗解决方案	研究仅限于特定数据集和特定时间段内的恶化预测	开发和评估基于最少数据的COVID-19患者恶化预测模型	COVID-19患者的生命体征数据和基本患者信息	机器学习	COVID-19	NA	LSTM和TCN	时间序列数据	37,006名COVID-19患者
25	2024-10-01	Developing an Artificial Intelligence-Based Representation of a Virtual Patient Model for Real-Time Diagnosis of Acute Respiratory Distress Syndrome 2023-Jun-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13122098 PMID:37370993	研究论文	本文开发了一种基于深度学习的虚拟患者模型，用于实时诊断急性呼吸窘迫综合征	利用深度学习技术开发了一个轻量级的虚拟患者模型，与原始模拟器相比具有相当的准确性	NA	开发一种基于人工智能的虚拟患者模型，用于实时诊断急性呼吸窘迫综合征	急性呼吸窘迫综合征的诊断和治疗	机器学习	急性呼吸窘迫综合征	深度学习	深度学习模型	虚拟患者数据	NA
26	2024-10-01	Ensemble Deep Learning Derived from Transfer Learning for Classification of COVID-19 Patients on Hybrid Deep-Learning-Based Lung Segmentation: A Data Augmentation and Balancing Framework 2023-Jun-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13111954 PMID:37296806	研究论文	本文研究了基于迁移学习的集成深度学习在混合深度学习肺部分割框架下对COVID-19患者分类的应用	本文提出了一种集成深度学习方法，通过数据增强和平衡框架，验证了其在COVID-19分类中的优越性	NA	验证集成深度学习在COVID-19分类中的优越性	COVID-19患者的肺部CT图像分类	计算机视觉	COVID-19	深度学习	ResNet-UNet	图像	12,000张CT切片，来自克罗地亚和意大利的多中心数据集
27	2024-10-01	Brain Tumor Classification based on Improved Stacked Ensemble Deep Learning Methods 2023-Jun-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2023.24.6.2141 PMID:37378946	研究论文	本文研究了基于改进的堆叠集成深度学习方法的脑肿瘤分类	提出了改进的堆叠集成深度学习模型，结合了VGG19、Inception v3和Resnet 10三种模型，提高了分类准确率	NA	提高脑肿瘤分类的准确性，辅助放射科医生和其他医疗专业人员进行脑肿瘤的识别和分类	脑肿瘤的分类	机器学习	脑肿瘤	堆叠集成深度学习技术	CNN	图像	数据集来自Kaggle，包含异常和正常脑部的两类数据
28	2024-09-30	PPAD: a deep learning architecture to predict progression of Alzheimer's disease 2023-06-30, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad249 PMID:37387135	研究论文	本文提出了一种基于深度学习的架构，用于预测阿尔茨海默病的进展	本文提出了两种基于RNN的深度学习架构，即PPAD和PPAD-Autoencoder，用于早期预测从轻度认知障碍到阿尔茨海默病的转换，并解决了电子健康记录数据中时间间隔不规则的问题	NA	开发早期预测轻度认知障碍患者转换为阿尔茨海默病的方法	轻度认知障碍患者和阿尔茨海默病	机器学习	阿尔茨海默病	RNN	RNN	电子健康记录	使用了阿尔茨海默病神经影像学倡议和国家阿尔茨海默病协调中心的数据集
29	2024-09-30	Breast Cancer Classification through Meta-Learning Ensemble Technique Using Convolution Neural Networks 2023-Jun-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13132242 PMID:37443636	研究论文	本研究旨在通过元学习集成技术和卷积神经网络开发高效准确的乳腺癌分类模型	采用元学习集成技术、迁移学习和数据增强等先进技术，结合多个卷积神经网络，提高乳腺癌图像分类的准确性	NA	开发一种能够准确分类乳腺癌超声图像中良性或恶性病变的模型	乳腺癌超声图像数据集中的病变分类	计算机视觉	乳腺癌	元学习集成技术、迁移学习、数据增强	卷积神经网络（CNN）	图像	乳腺癌超声图像数据集（BUSI）
30	2024-09-30	Fusion of visible and thermal images improves automated detection and classification of animals for drone surveys 2023-06-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-37295-7 PMID:37369669	研究论文	本文研究了通过无人机获取的可见光和热成像图像的融合方法，以提高动物检测和分类的自动化程度	本文首次比较了八种图像融合方法，并结合两种监督深度学习模型，评估了其在检测和分类白尾鹿、家牛和家马中的应用效果	图像融合对家牛和家马的改进有限，可能是因为这些物种的体型、形状和颜色使其在背景中较为显眼	研究如何通过图像融合技术提高无人机在动物监测中的自动化检测和分类能力	白尾鹿、家牛和家马	计算机视觉	NA	图像融合	深度学习模型	图像	涉及白尾鹿、家牛和家马的图像数据
31	2024-09-30	Recent Advances in Deep Learning and Medical Imaging for Head and Neck Cancer Treatment: MRI, CT, and PET Scans 2023-Jun-21, Cancers IF:4.5Q1 DOI:10.3390/cancers15133267 PMID:37444376	综述	本文综述了深度学习技术在头颈癌影像分析中的应用，重点介绍了肿瘤检测、分割、分类和响应预测	本文讨论了卷积自编码器、生成对抗网络（GANs）和变压器模型等先进深度学习技术，并探讨了深度学习与传统影像技术在癌症管理中的互补作用	本文指出了标准化、算法可解释性和临床验证等挑战，以及模型在不同影像模态和肿瘤类型中的泛化能力和人类专业知识在AI时代的作用等关键差距和争议	本文旨在鼓励深度学习在头颈癌管理中的应用，以最终提高患者护理和治疗效果	头颈癌的影像分析	计算机视觉	头颈癌	深度学习	卷积自编码器、生成对抗网络（GANs）、变压器模型	影像	NA
32	2024-09-30	Improve the performance of CT-based pneumonia classification via source data reweighting 2023-06-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-35938-3 PMID:37296239	研究论文	本文提出了一种基于源数据重加权的方法，通过优化CT图像数据来提高肺炎分类的性能	本文创新性地提出了一种三层优化方法，利用源域的CT数据来缓解目标域中标注CT扫描数据的缺乏问题，并通过自动识别和降低低质量源数据的权重来提高模型性能	本文未详细讨论该方法在不同数据集上的泛化能力	旨在通过优化CT图像数据来提高肺炎分类的准确性和效率	研究对象为基于CT图像的肺炎分类	计算机视觉	肺炎	NA	NA	图像	目标数据集包含2218个CT扫描，源数据集包含349个CT图像
33	2024-09-30	Recent Advances in Melanoma Diagnosis and Prognosis Using Machine Learning Methods 2023-06, Current oncology reports IF:4.7Q1 DOI:10.1007/s11912-023-01407-3 PMID:37000340	综述	总结了人工智能和机器学习在黑色素瘤诊断和管理中的当前作用和状态	深度学习算法能够从临床、皮肤镜和全切片病理图像中识别黑色素瘤，准确性不断提高	需要更高质量的输入数据以进一步提高模型的能力	总结人工智能和机器学习在黑色素瘤诊断和管理中的应用	黑色素瘤的诊断和管理	机器学习	皮肤癌	深度学习	深度学习算法	图像	NA
34	2024-09-28	Motivation for using data-driven algorithms in research: A review of machine learning solutions for image analysis of micrographs in neuroscience 2023-06-20, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlad040 PMID:37244652	综述	本文综述了机器学习在神经科学中用于显微图像分析的应用及其潜力和局限性	本文探讨了深度学习模型在显微镜图像查看器中的集成，降低了使用新算法的门槛	对于不熟悉机器学习算法的研究人员，陡峭的学习曲线可能阻碍这些方法在其工作流程中的成功实施	探讨机器学习在神经科学中的应用及其潜力和局限性，并提供选择合适框架的指导	机器学习算法在神经科学显微图像分析中的应用	计算机视觉	NA	机器学习	深度学习	图像	NA
35	2024-09-28	SnapEnsemFS: a snapshot ensembling-based deep feature selection model for colorectal cancer histological analysis 2023-06-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36921-8 PMID:37336964	研究论文	提出了一种基于快照集成学习的深度特征选择模型，用于结直肠癌的组织学分析	采用快照集成方法从卷积神经网络模型的倒数第二层提取深度特征，并通过粒子群优化进行特征降维和分类	NA	开发一种自动化的计算机辅助检测框架，用于结直肠癌的早期诊断	结直肠癌的组织学图像	计算机视觉	结直肠癌	卷积神经网络 (CNN)	CNN	图像	使用公开的结直肠癌组织学数据集进行五折交叉验证
36	2024-09-23	Artificial Intelligence-Assisted Diagnostic Cytology and Genomic Testing for Hematologic Disorders 2023-06-30, Cells IF:5.1Q2 DOI:10.3390/cells12131755 PMID:37443789	研究论文	本文探讨了人工智能在血液病诊断细胞学和基因检测中的应用	机器学习和深度学习模型在血液病领域的应用，包括数字病理学、α地中海贫血患者筛查、细胞遗传学、免疫表型和测序	数据库有限、缺乏验证和标准化、系统误差和偏差，以及数据隐私问题	研究人工智能在血液病诊断中的应用及其潜在影响	血液病诊断中的细胞学和基因检测	计算机科学	血液病	机器学习、深度学习	NA	数据	NA
37	2024-09-23	Role of Artificial Intelligence for Autism Diagnosis Using DTI and fMRI: A Survey 2023-Jun-29, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines11071858 PMID:37509498	综述	本文综述了人工智能在基于DTI和fMRI的孤独症诊断中的作用	探讨了深度学习在处理脑部MRI数据以提高孤独症诊断能力方面的应用	NA	探讨人工智能在孤独症诊断和检测中的应用	孤独症谱系障碍（ASD）的诊断和检测	计算机视觉	孤独症	MRI	深度学习	图像	NA
38	2024-09-23	Human Activity Recognition Using Cascaded Dual Attention CNN and Bi-Directional GRU Framework 2023-Jun-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9070130 PMID:37504807	研究论文	本文提出了一种基于级联双注意力卷积神经网络和双向门控循环单元框架的人类活动识别方法	本文创新性地结合了双注意力机制和双向门控循环单元，以提高模型在人类活动识别任务中的准确性和计算效率	NA	提高基于视频的人类活动识别任务的准确性和计算效率	人类活动识别	计算机视觉	NA	卷积神经网络 (CNN), 门控循环单元 (GRU)	双注意力卷积神经网络 (DA-CNN), 双向门控循环单元 (Bi-GRU)	视频	三个公开的人类活动数据集
39	2024-09-23	Closed-Chain Inverse Dynamics for the Biomechanical Analysis of Manual Material Handling Tasks through a Deep Learning Assisted Wearable Sensor Network 2023-Jun-25, Sensors (Basel, Switzerland) DOI:10.3390/s23135885 PMID:37447734	研究论文	本文提出了一种基于深度学习和可穿戴传感器网络的闭链逆动力学算法，用于分析手动物料搬运任务中的生物力学负荷	本文提出了一种新颖的、计算效率高的算法，并在ROS中实现，用于分析人体肌肉骨骼系统的生物力学，同时提出了一种基于深度学习物体识别的方法来估计负载及其分布	需要改进步态分割以减少估计的下肢关节力矩的不连续性	开发一种深度学习辅助的可穿戴传感器系统，用于在线评估操作员在手动物料搬运任务中施加的生物力学负荷	手动物料搬运任务中的生物力学负荷	生物力学	NA	深度学习	深度学习模型	运动数据	NA
40	2024-09-23	Deciphering Phage-Host Specificity Based on the Association of Phage Depolymerases and Bacterial Surface Glycan with Deep Learning 2023-Jun-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.06.16.545366 PMID:37503040	研究论文	本文开发了一种基于ESM-2蛋白质语言模型的方法SpikeHunter，用于识别噬菌体尾丝蛋白，并分析其与细菌表面糖类的关联	首次使用深度学习方法解析噬菌体与宿主特异性关系，并成功识别大量尾丝蛋白	NA	解析噬菌体尾丝蛋白与细菌表面糖类的关联，以揭示噬菌体与宿主的特异性关系	噬菌体尾丝蛋白及其与细菌表面糖类的关联	机器学习	NA	深度学习	ESM-2蛋白质语言模型	基因组数据	8,434,494个原噬菌体，来自165,365个五种常见病原体的基因组