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
21461	2024-08-26	A Comprehensive Evaluation of Metabolomics Data Preprocessing Methods for Deep Learning 2022-Feb-24, Metabolites IF:3.4Q2 DOI:10.3390/metabo12030202 PMID:35323644	研究论文	本文评估了代谢组学数据预处理方法对深度学习性能的影响	本文填补了深度学习在生命科学数据分析中数据预处理方法影响的评估空白	NA	评估代谢组学数据预处理方法对深度学习性能的影响	代谢组学数据预处理方法	机器学习	NA	深度学习	NA	代谢组学数据	NA
21462	2024-08-26	Improving mammography lesion classification by optimal fusion of handcrafted and deep transfer learning features 2022-02-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac5297 PMID:35130517	研究论文	本研究旨在通过融合手工特征和深度迁移学习特征来提高乳腺X线摄影病变分类的性能	本研究首次验证了手工特征和自动化特征的互补性，并通过特征融合显著提高了计算机辅助诊断系统的性能	研究仅使用了单一类型的数据集，且未探讨不同数据预处理方法对结果的影响	测试手工特征和自动化特征的互补性，并通过特征融合提高计算机辅助诊断系统的性能	乳腺X线摄影中的1535个病变区域（740个恶性，795个良性）	数字病理学	乳腺癌	迁移学习	VGG16	图像	1535个病变区域
21463	2024-08-26	A Comparative Study of Deep Learning Classification Methods on a Small Environmental Microorganism Image Dataset (EMDS-6): From Convolutional Neural Networks to Visual Transformers 2022, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2022.792166 PMID:35308350	研究论文	本文对21种深度学习模型在小规模环境微生物图像数据集上进行了一系列比较实验，包括直接分类、不平衡训练和超参数调整实验	发现21种模型之间存在互补性，为特征融合相关实验提供了基础	几何变形的数据增强方法难以提升VT系列模型的性能	为研究人员提供可靠的参考，寻找适合当前设备工作环境的具有良好分类性能的模型	小规模环境微生物图像数据集	计算机视觉	NA	深度学习	CNN, ViT, DeiT, BotNet, T2T-ViT, Xception, ShuffleNet-V2	图像	小规模环境微生物图像数据集（EMDS-6）
21464	2024-08-26	Tissue Cytometry With Machine Learning in Kidney: From Small Specimens to Big Data 2022, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2022.832457 PMID:35309077	综述	本文综述了利用机器学习结合细胞学技术在肾脏组织3D成像分析中的最新进展	介绍了体积组织探索与分析细胞学工具，以及基于深度学习的完整组织中细胞的图像分类方法	NA	探讨如何通过结合机器学习与细胞学技术，利用高分辨率成像提供的内容深度，生成高度信息化的分析输出	肾脏组织的3D成像分析	机器学习	肾脏疾病	3D成像	深度学习	图像	小组织样本
21465	2024-08-26	Multi-Stream Convolutional Neural Network-Based Wearable, Flexible Bionic Gesture Surface Muscle Feature Extraction and Recognition 2022, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2022.833793 PMID:35310001	研究论文	本文研究了基于表面肌电信号（sEMG）的手势识别问题，提出了一种多流卷积神经网络算法，用于增强手势识别中对手部动作的特征提取能力	本文采用了一种多流卷积神经网络算法，通过重建sEMG样本结构来虚拟增加信号通道，提供更丰富的输入信息，从而提高手势识别的准确性	本文未详细讨论算法的计算复杂度和实时性问题	研究如何利用sEMG信号进行手势识别，提高识别的准确性和鲁棒性	表面肌电信号（sEMG）和手势识别	机器学习	NA	表面肌电信号（sEMG）	多流卷积神经网络（CNN）	信号	未明确提及具体样本数量
21466	2024-08-26	Machine Vision and Intelligent Algorithm Based on Neural Network 2022, Computational intelligence and neuroscience DOI:10.1155/2022/6154453 PMID:35310591	研究论文	本文优化了神经网络算法和智能算法，并在机器视觉环境中进行了模拟实验，以提高算法的目标图像识别能力	本文采用了改进的VGG-16卷积神经网络模型进行金属块缺陷检测，并研究了基于神经网络的智能算法，通过比较不同算法的收敛速度，展示了ICS-BP算法的快速收敛性	NA	提高机器视觉环境中算法的目标图像识别能力	神经网络算法和智能算法在机器视觉中的应用	计算机视觉	NA	卷积神经网络	CNN	图像	使用了CIFAR-10数据集进行训练和验证测试
21467	2024-08-26	MPEPE, a predictive approach to improve protein expression in E. coli based on deep learning 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.02.030 PMID:35317239	研究论文	本研究利用6438个异源蛋白在相同表达条件下的表达数据，构建了一个深度学习分类器，用于筛选高表达和低表达蛋白，并提出了一种增强蛋白表达的突变预测器MPEPE	本研究提出了MPEPE，一种基于深度学习的突变预测器，用于识别有助于蛋白表达的突变位点，并结合保守残基分析以最小化功能破坏	NA	提高大肠杆菌中蛋白表达水平	异源蛋白的表达	机器学习	NA	深度学习	深度学习分类器	基因序列数据	6438个异源蛋白
21468	2024-08-26	Automatic kidney segmentation using 2.5D ResUNet and 2.5D DenseUNet for malignant potential analysis in complex renal cyst based on CT images 2022, EURASIP journal on image and video processing IF:2.0Q3 DOI:10.1186/s13640-022-00581-x PMID:35340560	研究论文	本文研究使用2.5D ResUNet和2.5D DenseUNet进行肾脏分割，以分析复杂肾囊肿的恶性潜力	提出使用2.5D ResUNet和2.5D DenseUNet进行肾脏分割，有效提取切片内和切片间特征	在泰国患者的腹部CT图像上性能有所下降	开发精确的二分类方法（良性或恶性肿瘤）以分析计算机断层扫描（CT）图像中的肾囊肿	肾脏器官或病变	计算机视觉	NA	NA	2.5D ResUNet, 2.5D DenseUNet	CT图像	KiTS19验证集包含60名患者，另外对4名泰国患者的腹部CT图像进行实验
21469	2024-08-26	Image Compression Based on Hybrid Domain Attention and Postprocessing Enhancement 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4926124 PMID:35341171	研究论文	本文提出了一种基于混合域注意力机制和后处理增强的图像压缩方法	该方法在主编码-解码网络和超先验网络中嵌入混合域注意力模块作为非线性变换器，构建更紧凑的潜在特征和超先验，并采用参数化高斯尺度混合模型进行更精确的熵估计	NA	提高图像压缩效率	图像压缩技术	计算机视觉	NA	深度学习	CNN	图像	NA
21470	2024-08-26	End-to-end antigenic variant generation for H1N1 influenza HA protein using sequence to sequence models 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0266198 PMID:35344562	研究论文	本文提出了一种基于端到端学习方法的序列到序列模型，用于生成H1N1流感病毒HA蛋白的抗原变体	首次开发了一种生成流感病毒HA蛋白抗原变体的模型，利用深度序列到序列架构	NA	旨在加速流感病毒抗原变体的识别，从而加快疫苗选择和制造过程	H1N1流感病毒的HA蛋白抗原变体	机器学习	流感	序列到序列模型	序列到序列模型	序列数据	NA
21471	2024-08-26	Novel Method for Safeguarding Personal Health Record in Cloud Connection Using Deep Learning Models 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3564436 PMID:35345805	研究论文	本文提出了一种新的安全措施，用于保护云连接中的个人健康记录（PHR），使用深度学习模型和优化的基于规则的模糊推理系统（ORFIS）来确定患者的危急程度	提出的ORFIS系统在检测PHR的危急程度方面优于现有的模糊推理方法，并使用基于图形的访问策略和匿名认证在私有云环境中提高了数据存储和检索效率	NA	开发一种新的安全措施，以保护云连接中的个人健康记录	个人健康记录（PHR）的安全性和患者危急程度的分类	机器学习	NA	深度学习	模糊推理系统	文本	使用UCI机器学习档案进行试验
21472	2024-08-26	Deep learning in prediction of intrinsic disorder in proteins 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.03.003 PMID:35356546	研究论文	本文研究了深度神经网络（DNN）在蛋白质内在无序预测中的应用	首次系统地分析了DNN在内在无序预测中的多样性和准确性，并提出了未来发展的可能性	讨论了DNN在预测无序结合区域方面的不足	评估和推动深度学习在蛋白质内在无序预测领域的发展	深度神经网络在蛋白质内在无序预测中的应用	机器学习	NA	深度神经网络（DNN）	DNN	蛋白质序列数据	使用了来自社区评估内在无序预测（CAID）的盲测数据集
21473	2024-08-26	User-Accessible Machine Learning Approaches for Cell Segmentation and Analysis in Tissue 2022, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2022.833333 PMID:35360226	研究论文	本文探讨了利用机器学习和深度学习技术进行细胞分割和分析的方法，特别是在组织中的应用	开发了针对特定成像模式和多模式解决方案的细胞分割技术，并构建了用于训练数据的注释细胞库	尖端技术通常仅限于少数具有必要领域知识的专家使用	提高细胞分割和分类的准确性，以深入了解生物机制	细胞在组织中的分析，以及细胞微环境的新模型	计算机视觉	NA	机器学习和深度学习	CNN	图像	多种物种、器官和细胞状态的细胞
21474	2024-08-26	Lung Disease Classification in CXR Images Using Hybrid Inception-ResNet-v2 Model and Edge Computing 2022, Journal of healthcare engineering DOI:10.1155/2022/9036457 PMID:35368941	研究论文	本研究评估了多种机器学习、深度学习和迁移学习方法，用于分类公开可用的CXR图像数据集中的疾病	采用混合Inception-ResNet-v2迁移学习模型结合数据增强和图像增强，实现了最高的分类准确率	NA	自动化CXR图像中的疾病检测	CXR图像中的肺炎、COVID-19和正常类别	计算机视觉	肺部疾病	迁移学习	Inception-ResNet-v2	图像	公开可用的CXR图像数据集
21475	2024-08-26	Investigation of Effectiveness of Shuffled Frog-Leaping Optimizer in Training a Convolution Neural Network 2022, Journal of healthcare engineering DOI:10.1155/2022/4703682 PMID:35368933	研究论文	本文研究了混洗蛙跳优化算法在训练卷积神经网络中的有效性	首次采用混洗蛙跳算法训练经典的LeNet-5结构	使用该算法会略微增加训练计算时间	探讨混洗蛙跳优化算法在训练卷积神经网络中的应用效果	卷积神经网络的训练优化	计算机视觉	NA	混洗蛙跳算法	CNN	图像	四个不同数据集
21476	2024-08-26	A Deep Learning Radiomics Analysis for Survival Prediction in Esophageal Cancer 2022, Journal of healthcare engineering DOI:10.1155/2022/4034404 PMID:35368956	研究论文	本研究旨在探索深度学习放射组学（DLR）诺模图，用于预测食管癌患者在化疗放疗后的3年总体生存率	提出的DLR模型在非侵入性个体化预测食管癌患者3年生存率方面表现优于HCR签名模型	NA	探索深度学习放射组学（DLR）诺模图，预测食管癌患者化疗放疗后的3年总体生存率	食管癌患者	机器学习	食管癌	深度学习	CNN	图像	154名患者的数据，随机分为训练集（116）和验证集（38）
21477	2024-08-26	Emotional Experience and Psychological Intervention of Depression Patients Based on SOM 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5064615 PMID:35371214	研究论文	本研究使用SOM模型识别抑郁症患者的抑郁倾向，并探讨其情绪体验和心理干预	本研究提出了一种新的抑郁指数概念，并探讨了其与抑郁症严重程度的关系，同时展示了SOM模型在抑郁症分类中的有效性	NA	探索抑郁症的客观诊断标志物，并研究抑郁症患者的情绪体验和心理干预	抑郁症患者及其情绪体验和心理干预	机器学习	抑郁症	SOM	SOM	脑电信号	NA
21478	2024-08-26	Deep Learning-Based Electrocardiograph in Evaluating Radiofrequency Ablation for Rapid Arrhythmia 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/6491084 PMID:35371280	研究论文	本研究旨在分析基于深度学习的电生理图（ECG）在评估射频消融治疗快速性心律失常疗效中的重要作用	使用基于深度学习的卷积神经网络模型对ECG检查指标进行量化分析	NA	评估射频消融治疗快速性心律失常的疗效	158名接受射频消融治疗的快速性心律失常患者	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）	电生理图（ECG）	158名患者，分为有效治疗组（142例）和无效治疗组（16例）
21479	2024-08-26	Kidney Tumor Segmentation Based on FR2PAttU-Net Model 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.853281 PMID:35372025	研究论文	本文提出基于FR2PAttU-Net的深度学习模型，用于帮助医生快速高效地处理肾脏CT图像，节省医疗资源	使用R2Att网络改进U-Net的'U'结构，增加并行卷积，构建FR2PAttU-Net模型，提高模型对不同尺度图像特征的适应性，避免网络加深导致学习有价值特征的失败	NA	提高肾脏肿瘤从肾脏CT图像中的分割效果	肾脏肿瘤的CT图像分割	计算机视觉	肾脏肿瘤	深度学习	FR2PAttU-Net	图像	使用KiTS19数据集，通过增强小样本数据集以平衡样本数据集
21480	2024-08-26	20-fold Accelerated 7T fMRI Using Referenceless Self-Supervised Deep Learning Reconstruction 2021-11, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC46164.2021.9631107 PMID:34892055	研究论文	本研究利用自监督深度学习重建技术，在5倍SMS和4倍平面加速的7T fMRI数据上实现了20倍加速的高质量图像重建	采用自监督学习方法进行深度学习重建，无需完全采样的训练数据集，显示出与监督学习相似的性能	NA	提高fMRI的空间和时间分辨率，以更准确地解析大脑中的神经活动	7T fMRI数据的高加速重建	计算机视觉	NA	fMRI	深度学习	图像	NA