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
14421	2024-10-09	Machine learning and deep learning to predict mortality in patients with spontaneous coronary artery dissection 2021-04-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-88172-0 PMID:33903608	研究论文	本文探讨了机器学习和深度学习技术在预测自发性冠状动脉夹层患者住院期间死亡率中的应用	首次应用深度神经网络模型从电子健康记录中提取信息，预测自发性冠状动脉夹层患者的住院死亡率，并展示了该模型在预测准确性和区分能力上优于传统的机器学习模型	研究样本量较小，且仅限于一个城市健康系统的数据，可能影响模型的普适性	探索机器学习和深度学习技术在预测自发性冠状动脉夹层患者死亡率中的应用价值	自发性冠状动脉夹层患者	机器学习	心血管疾病	机器学习 (ML) 和深度学习 (DL)	深度神经网络	电子健康记录 (EHR)	375名自发性冠状动脉夹层患者
14422	2024-10-09	SMORE: A Self-Supervised Anti-Aliasing and Super-Resolution Algorithm for MRI Using Deep Learning 2021-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2020.3037187 PMID:33170776	研究论文	本文提出了一种基于卷积神经网络的自监督抗锯齿和超分辨率算法SMORE，用于提高MRI图像的质量	该方法无需外部训练数据，利用图像本身的高分辨率和低分辨率数据进行自监督训练	NA	提高MRI图像的分辨率和减少锯齿伪影	MRI图像	计算机视觉	NA	卷积神经网络	CNN	图像	广泛收集的MRI数据，包括滤波和下采样的图像以及实际采集的低分辨率图像
14423	2024-10-09	Deep Neural Networks Offer Morphologic Classification and Diagnosis of Bacterial Vaginosis 2021-01-21, Journal of clinical microbiology IF:6.1Q1 DOI:10.1128/JCM.02236-20 PMID:33148709	研究论文	本文开发并优化了一种卷积神经网络（CNN）模型，用于自动识别和分类显微镜图像中的Nugent评分，以诊断细菌性阴道病	本文首次使用深度学习模型进行细菌性阴道病的形态学分类和诊断，模型在准确性和稳定性上优于人类医疗从业者	本文未详细讨论模型的泛化能力在不同医院或不同设备上的表现	开发一种自动化的方法来诊断细菌性阴道病，以替代传统的人工诊断方法	细菌性阴道病的诊断和分类	计算机视觉	妇科疾病	卷积神经网络（CNN）	CNN	图像	验证图像5,815张，独立测试图像1,082张
14424	2024-10-09	Prediction of COVID-19 with Computed Tomography Images using Hybrid Learning Techniques 2021, Disease markers DOI:10.1155/2021/5522729 PMID:33968281	研究论文	本文使用混合学习模型对COVID-19、社区获得性肺炎（CAP）和正常CT图像进行分类	提出了一种混合学习模型，相比其他机器学习和深度学习分类器，在COVID-19分类中表现更优	未提及具体限制	提高COVID-19早期诊断的准确性	COVID-19、社区获得性肺炎（CAP）和正常CT图像	计算机视觉	COVID-19	混合学习技术	混合学习模型	CT图像	未提及具体样本数量
14425	2024-10-09	Deep learning-based medical image segmentation with limited labels 2020-11-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abc363 PMID:33086205	研究论文	本文提出了一种基于深度学习的医学图像分割方法，利用变形图像配准技术生成伪轮廓，以减少对大量标注数据的依赖	本文创新性地使用变形图像配准技术生成伪轮廓，结合少量标注数据训练深度学习模型，提高了在有限标注数据情况下的分割精度	本文仅在特定数据集上进行了验证，尚未在更广泛的数据集上进行测试	研究如何在有限标注数据的情况下，利用深度学习技术实现准确的医学图像分割	本文主要研究了下颌骨、腮腺和下颌下腺的分割	计算机视觉	NA	变形图像配准	深度学习模型	医学图像	10个标注的TCIA数据集和50个未标注的CT扫描图像
14426	2024-10-09	Role of intelligent computing in COVID-19 prognosis: A state-of-the-art review 2020-Sep, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.109947 PMID:32836916	综述	本文综述了机器学习和深度学习方法在COVID-19诊断和预测中的应用	比较了机器学习与其他竞争方法（如数学和统计模型）在COVID-19问题上的影响	NA	探讨智能计算在COVID-19预后中的作用	COVID-19的诊断和预测	机器学习	COVID-19	机器学习、深度学习	NA	NA	NA
14427	2024-10-09	Early triage of critically ill COVID-19 patients using deep learning 2020-07-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-17280-8 PMID:32669540	研究论文	本文展示了基于深度学习的生存模型可以预测COVID-19患者发展为重症的风险	开发了一种基于深度学习的生存模型，用于早期识别COVID-19患者发展为重症的风险	NA	早期识别COVID-19患者发展为重症的风险	COVID-19患者	机器学习	COVID-19	深度学习	生存模型	临床特征	1590名患者，来自575家医疗中心，并在武汉、湖北和广东省的三个独立队列中验证，共1393名患者
14428	2024-10-09	Efficient Pneumonia Detection in Chest Xray Images Using Deep Transfer Learning 2020-Jun-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics10060417 PMID:32575475	研究论文	提出了一种基于深度迁移学习的模型，用于在胸部X光图像中高效检测肺炎	引入了一种加权分类器，结合了多种最先进的深度学习模型（如ResNet18、Xception、InceptionV3、DenseNet121和MobileNetV3）的加权预测，以优化诊断效果	NA	提高肺炎诊断的准确性，辅助放射科医生的决策过程	胸部X光图像中的肺炎检测	计算机视觉	肺炎	深度迁移学习	加权分类器	图像	使用了来自广州妇女儿童医疗中心的肺炎数据集
14429	2024-10-09	Artificial Intelligence and COVID-19: Deep Learning Approaches for Diagnosis and Treatment 2020, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2020.3001973 PMID:34192103	研究论文	本文探讨了利用人工智能和深度学习方法来诊断和治疗COVID-19	本文介绍了多种深度学习方法，如生成对抗网络（GANs）、极限学习机（ELM）和长短期记忆网络（LSTM），用于构建诊断和治疗COVID-19的AI平台	NA	开发基于人工智能的平台，以加速COVID-19的诊断和治疗	COVID-19的诊断和治疗	机器学习	传染病	深度学习	生成对抗网络（GANs）、极限学习机（ELM）、长短期记忆网络（LSTM）	临床数据、医学影像	NA
14430	2024-10-09	Infer Cause of Death for Population Health Using Convolutional Neural Network 2017-Aug, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine DOI:10.1145/3107411.3107447 PMID:32642743	研究论文	本文利用卷积神经网络（CNN）推断人口死亡原因，以改善公共卫生报告和提高患者护理质量	采用数据驱动的方法分析和改进死亡报告流程，构建了先进的深度学习模型CNN，并提供了模型解释	模型准确率为75%，仍有提升空间	推断人口死亡原因，改善公共卫生报告和患者护理质量	人口死亡原因	机器学习	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	医疗数据	未明确提及具体样本数量
14431	2024-10-09	Deep Filter Banks for Texture Recognition, Description, and Segmentation 2016, International journal of computer vision IF:11.6Q1 DOI:10.1007/s11263-015-0872-3 PMID:27471340	研究论文	本文提出了一种新的纹理属性词汇，并开发了相应的基准测试，同时研究了在现实成像条件下识别材料和纹理属性的问题，并探讨了深度学习背景下经典纹理表示的效率和泛化性能	提出了一个人类可解释的纹理属性词汇，并开发了新的基准测试；在深度学习背景下重新审视了经典纹理表示，并展示了其在卷积层作为滤波器时的效率和泛化性能	未提及	改进纹理识别、描述和分割的方法	纹理属性和材料识别	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	基于OpenSurfaces数据集的纹理图像
14432	2024-10-08	Enhancing practicality of deep learning for crop disease identification under field conditions: insights from model evaluation and crop-specific approaches 2024-Nov, Pest management science IF:3.8Q1 DOI:10.1002/ps.8317 PMID:39030887	研究论文	研究评估了在实验室、田间和混合条件下使用深度学习模型进行作物病害识别的准确性，并探讨了模型架构和作物特异性模型对准确性的影响	研究了不同条件下（实验室、田间和混合）的作物病害识别准确性，并探讨了作物特异性模型对减少跨作物病害误分类的影响	尽管作物特异性模型减少了跨作物病害误分类，但也导致了同种作物内病害误分类的轻微增加	评估在不同条件下使用深度学习模型进行作物病害识别的准确性，并探讨模型架构和作物特异性模型的影响	苹果、马铃薯和番茄的14种病害	计算机视觉	NA	卷积神经网络 (CNN)	DenseNets, ResNets, MobileNetV3, EfficientNet, VGG Nets	图像	包含苹果、马铃薯和番茄的14种病害的数据集
14433	2024-10-08	Causality-inspired crop pest recognition based on Decoupled Feature Learning 2024-Nov, Pest management science IF:3.8Q1 DOI:10.1002/ps.8314 PMID:39022822	研究论文	本文提出了一种基于解耦特征学习的因果关系启发式作物害虫识别框架	利用因果推断技术处理训练数据集偏差，通过分类置信度构建不同的训练域，并使用中心三重损失学习类核心特征	NA	提高作物害虫识别的准确性和可靠性	作物害虫	计算机视觉	NA	深度学习	解耦特征学习框架	图像	在Li、DFSPD和IP102数据集上分别进行了测试
14434	2024-10-08	Prediction of surgery-first approach orthognathic surgery using deep learning models 2024-Nov, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2024.05.003 PMID:38821731	研究论文	本研究利用深度学习模型预测正颌手术中手术优先方法的治疗方式，并评估其临床准确性	深度学习为加速工作流程、自动化辅助决策和个性化治疗计划提供了新方法	NA	利用深度学习预测正颌手术中手术优先方法的治疗方式	正颌手术患者	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	228名骨性III类错颌患者
14435	2024-10-08	Deep Variational Network Toward Blind Image Restoration 2024-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3365745 PMID:38349822	研究论文	本文提出了一种新的盲图像恢复方法，结合了经典模型方法和深度学习方法的优点	构建了一个通用的贝叶斯生成模型来描述盲图像恢复中的退化过程，并设计了一种变分推断算法，将所有期望的后验分布参数化为深度神经网络	NA	旨在解决盲图像恢复问题，并结合经典模型方法和深度学习方法的优点	盲图像恢复中的图像退化和恢复过程	计算机视觉	NA	变分推断算法	深度神经网络	图像	NA
14436	2024-10-08	Joint segmentation of tumors in 3D PET-CT images with a network fusing multi-view and multi-modal information 2024-Oct-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad7f1b PMID:39317235	研究论文	本文提出了一种用于3D PET-CT图像中肿瘤联合分割的深度学习算法	提出了多视图信息增强和多模态特征融合网络（MIEMFF-Net），结合动态多模态融合策略和多视图信息增强策略，有效利用PET和CT图像的代谢和解剖信息	未提及	解决现有方法在PET-CT图像肿瘤分割中忽略多模态和多视图信息的问题	3D PET-CT图像中的肿瘤	计算机视觉	软组织肉瘤	深度学习	MIEMFF-Net	图像	Soft Tissue Sarcomas数据集和AutoPET数据集
14437	2024-10-08	An adaptive weight ensemble approach to forecast influenza activity in an irregular seasonality context 2024-Oct-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52504-1 PMID:39366942	研究论文	本文开发了一种自适应权重集成方法，用于预测香港等热带和亚热带地区的不规则季节性流感活动	提出了自适应权重混合集成模型（AWBE），动态更新模型贡献，显著提高了预测准确性	NA	开发和比较不同模型在预测流感活动中的表现，特别是在不规则季节性的地区	香港地区的流感活动	机器学习	流感	NA	集成模型	时间序列数据	32次流行病，时间跨度为1998年至2019年
14438	2024-10-08	Meta-learning for real-world class incremental learning: a transformer-based approach 2024-Oct-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71125-8 PMID:39367098	研究论文	本文提出了一种基于Transformer的元学习方法，用于解决现实世界中的类增量学习问题	本文的创新点在于将元学习应用于类增量学习，并提出了一种基于Transformer的聚合函数，能够在不重新训练的情况下完成任务	NA	本文的研究目的是将元学习应用于更贴近现实世界的类增量学习问题	本文的研究对象是类增量学习问题	自然语言处理	NA	元学习	Transformer	文本	NA
14439	2024-10-08	Advanced mathematical modeling of mitigating security threats in smart grids through deep ensemble model 2024-Oct-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74733-6 PMID:39367158	研究论文	研究通过深度集成模型进行高级数学建模，以减轻智能电网中的安全威胁	提出了一种基于山羚优化和深度集成学习的入侵检测技术（MGODEL-ID），用于智能电网环境中的入侵检测	NA	开发一种新的入侵检测技术，以提高智能电网对网络攻击的可靠性和韧性	智能电网中的安全威胁和入侵检测	机器学习	NA	深度学习	深度集成模型	网络数据	NA
14440	2024-10-08	Tabular deep learning: a comparative study applied to multi-task genome-wide prediction 2024-Oct-04, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05940-1 PMID:39367318	研究论文	本文比较了多种深度学习架构在多任务全基因组预测中的应用	首次系统性地比较了多种深度学习架构在表格数据上的表现，并应用于全基因组预测	实验仅限于特定的基因数据集，结果可能不适用于所有类型的基因数据	提高基因选择和疾病风险预测的准确性	多种深度学习架构在全基因组预测中的表现	机器学习	NA	深度学习	LassoNet	表格数据	三个多特征回归数据集和两个多类分类数据集