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
15181	2024-09-28	COVID-19 chest X-ray detection through blending ensemble of CNN snapshots 2022-Sep, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2022.104000 PMID:35855489	研究论文	本文提出了一种基于卷积神经网络（CNN）快照融合的集成方法，用于从胸部X光片（CXR）中检测COVID-19，以辅助计算机辅助检测（CADe）	本文的创新点在于利用DenseNet-201架构生成多个快照，并通过随机森林（RF）元学习器进行决策级融合，提高了COVID-19检测的准确性	本文的局限性在于仅使用了两个公开的COVID-19 CXR数据集进行实验，未来可能需要更多数据集来验证模型的泛化能力	本文的研究目的是提高COVID-19检测的准确性，以辅助医疗从业者的诊断	本文的研究对象是COVID-19病毒的胸部X光片（CXR）图像	计算机视觉	COVID-19	卷积神经网络（CNN）	DenseNet-201	图像	两个公开的COVID-19 CXR数据集，包括一个大型数据集（COVID-X）和一个较小的数据集
15182	2024-09-28	Methodology-Centered Review of Molecular Modeling, Simulation, and Prediction of SARS-CoV-2 2022-07-13, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.1c00965 PMID:35594413	综述	本文对SARS-CoV-2的分子建模、模拟和预测方法进行了全面系统的综述	本文整合了大量病毒序列的基因分型、蛋白质-蛋白质相互作用的生物物理建模、深度突变数据、深度学习和高级数学等方法，揭示了SARS-CoV-2的全球进化和传播机制	尽管本文提供了全面的综述，但仍需进一步深入研究以全面理解SARS-CoV-2及其相关机制	旨在为读者提供关于SARS-CoV-2分子建模、模拟和预测领域的最新文献更新	SARS-CoV-2的分子建模、模拟和预测方法	机器学习	NA	深度学习	NA	序列数据	NA
15183	2024-09-28	Histopathologic Oral Cancer Prediction Using Oral Squamous Cell Carcinoma Biopsy Empowered with Transfer Learning 2022-May-18, Sensors (Basel, Switzerland) DOI:10.3390/s22103833 PMID:35632242	研究论文	本文提出了一种利用迁移学习模型和AlexNet卷积神经网络从口腔鳞状细胞癌（OSCC）活检图像中提取特征，以预测口腔癌的方法	本文的创新点在于使用迁移学习模型和AlexNet卷积神经网络来提高口腔癌检测的准确性	本文的局限性在于仅使用了AlexNet模型，未探讨其他深度学习模型的效果	本文的研究目的是提高口腔癌检测的准确性	本文的研究对象是口腔鳞状细胞癌（OSCC）活检图像	计算机视觉	口腔癌	迁移学习	卷积神经网络（CNN）	图像	未明确提及具体样本数量
15184	2024-09-28	Electromagnetic wave-based extreme deep learning with nonlinear time-Floquet entanglement 2022-May-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-30297-5 PMID:35552403	研究论文	本文探讨了基于电磁波的极端深度学习方法，通过非线性时间-Floquet纠缠实现高效的模拟信号处理	本文引入了时间-Floquet物理来诱导信号输入在不同频率间的强非线性纠缠，从而实现了一种高效且灵活的波平台用于模拟极端深度学习	NA	解决传统电磁材料非线性弱的问题，实现复杂神经形态计算任务	电磁波在人工工程介质中的传播及其在模拟信号处理中的应用	机器学习	NA	NA	极端学习机和储层计算	模拟信号	NA
15185	2024-09-28	Omicron BA.2 (B.1.1.529.2): High Potential for Becoming the Next Dominant Variant 2022-May-05, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.2c00469 PMID:35467344	研究论文	本文研究了Omicron变种的三个亚型BA.1、BA.2和BA.3，特别是BA.2的再感染能力及其成为下一个主导变种的潜力	构建了一种基于代数拓扑的深度学习模型，系统评估了BA.2和BA.3的传染性、疫苗突破能力和抗体抵抗能力	目前没有关于BA.2和BA.3的实验数据	评估BA.2和BA.3是否会成为新的主导变种	Omicron变种的亚型BA.1、BA.2和BA.3	机器学习	NA	深度学习	代数拓扑模型	NA	NA
15186	2024-09-28	Deep learning-based image processing in optical microscopy 2022-Apr, Biophysical reviews IF:4.9Q1 DOI:10.1007/s12551-022-00949-3 PMID:35528030	综述	本文综述了深度学习在光学显微镜图像处理中的应用	深度学习在光学显微镜图像处理中的应用，特别是在图像分类、分割和分辨率增强方面的应用	NA	探讨深度学习在光学显微镜图像处理中的应用	光学显微镜图像	计算机视觉	NA	深度学习	NA	图像	NA
15187	2024-09-28	Analysis of Traditional Cultural Acceptance Based on Deep Learning 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2373842 PMID:35707191	研究论文	本文利用深度学习技术分析传统文化的接受度	提出了基于Faster R-CNN模型的深度学习方法，该方法在分析传统文化接受度方面优于现有算法	未提及具体的研究局限性	研究如何利用深度学习技术分析传统文化的接受度	研究对象为未接触现代科技的传统部落文化及其接受度	机器学习	NA	深度学习	Faster R-CNN	NA	未提及具体样本数量
15188	2024-09-28	Artificial Intelligence Technologies and Their Application for Reform and Development of Table Tennis Training in Complex Environments 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3442610 PMID:35747715	研究论文	本文探讨了人工智能技术在复杂环境下乒乓球训练中的应用，通过引入细粒度评估系统（FGE）和深度学习模型，实现了在线智能训练	本文创新性地将细粒度评估系统（FGE）与深度学习模型结合，用于分析球员的体态并进行在线训练，相比传统统计模型，FGE在精度和召回率上表现更优	本文未详细讨论FGE系统在实际应用中的可行性和成本问题	研究如何利用人工智能技术改进复杂环境下的乒乓球训练	乒乓球训练中的体态分析和在线训练系统	机器学习	NA	深度学习	深度学习模型	体态数据	未明确提及具体样本数量
15189	2024-09-28	A Deep Learning Quantification Algorithm for HER2 Scoring of Gastric Cancer 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.877229 PMID:35706692	研究论文	本文提出了一种用于胃癌HER2评分的深度学习量化算法	首次提出了一种自动化的HER2评分框架，并使用重参数化方案加速推理过程	NA	开发一种辅助病理学家诊断胃癌HER2评分的深度学习算法	胃癌HER2评分	计算机视觉	胃癌	深度学习	卷积神经网络	图像	NA
15190	2024-09-28	Individual Factors Associated With COVID-19 Infection: A Machine Learning Study 2022, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2022.912099 PMID:35844896	研究论文	本研究旨在通过机器学习技术识别与COVID-19感染相关的潜在因素	本研究采用了多种机器学习和深度学习算法，包括随机森林、XGBoost和深度神经网络，以选择最佳预测模型	本研究的数据集主要包含临床数据和健康参数，可能未涵盖所有潜在影响因素	识别与COVID-19感染相关的潜在因素，并开发预测模型以帮助预防SARS-CoV-2感染	COVID-19感染的潜在风险因素	机器学习	COVID-19	随机森林、XGBoost、支持向量机、深度神经网络	随机森林、XGBoost、深度神经网络	临床数据、人体测量数据、健康参数	包含临床数据、人体测量数据和健康参数的样本
15191	2024-09-28	Cultural and Creative Product Design and Image Recognition Based on Deep Learning 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7256584 PMID:35865496	研究论文	研究基于深度学习的文化创意产品设计和图像识别	提出了一种基于深度学习的图像识别技术，用于文化创意产品设计，相较于现有的LDA、HMM和优化算法，该系统提供了更准确的解决方案	NA	研究如何利用深度学习技术进行文化创意产品设计和图像识别	文化创意产品和图像识别技术	计算机视觉	NA	深度学习	NA	图像	NA
15192	2024-09-28	Deep Learning Dual Neural Networks in the Construction of Learning Models for Online Courses in Piano Education 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4408288 PMID:35875728	研究论文	本文探讨了深度学习和人工智能在儿童钢琴教育中的应用，提出了一种基于双神经网络的钢琴音符起始检测方法	本文创新性地将深度学习与人工智能结合，用于在线钢琴课程的学习模型构建，并提出了一种双神经网络方法来检测钢琴音符的起始	本文未详细讨论模型的训练数据集大小和多样性，以及模型在不同钢琴音乐风格中的泛化能力	研究目的是提升现代钢琴教学质量，通过深度学习和人工智能技术改进在线钢琴课程的学习模型	研究对象是在线钢琴课程中的学习模型和儿童钢琴教育	机器学习	NA	深度学习	双神经网络	音频信号	未明确提及具体样本数量
15193	2024-09-28	Scope of repurposed drugs against the potential targets of the latest variants of SARS-CoV-2 2022, Structural chemistry IF:2.1Q2 DOI:10.1007/s11224-022-02020-z PMID:35938064	综述	本文综述了利用计算生物学方法重新定位药物以对抗SARS-CoV-2最新变种潜在靶点的研究进展	本文介绍了通过分子对接、分子动力学模拟、定量结构活性关系、网络方法和人工智能等计算科学技术的进步，提高了药物重新定位的潜力	本文讨论了药物重新定位的优缺点，强调了其在最新进展中的应用范围	探讨利用计算生物学方法重新定位药物以对抗SARS-CoV-2最新变种的潜在靶点	SARS-CoV-2的最新变种及其重要蛋白质靶点	计算生物学	NA	分子对接、分子动力学模拟、定量结构活性关系、网络方法、人工智能	机器学习、深度学习	蛋白质结构、药物分子	NA
15194	2024-09-28	Research on the Predictive Analysis of Park Landscape Design and Cost Based on RNN Model 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2762554 PMID:36211005	研究论文	研究基于RNN模型的公园景观设计和成本预测分析	引入人工蜂群算法更新RNN权重，提出全局最优的ABC-RNN预测模型	未提及具体限制	探索影响公园景观成本的主要因素，提出成本预测模型以控制建设成本	公园景观设计及其成本	机器学习	NA	深度学习技术	RNN	NA	未提及具体样本数量
15195	2024-09-28	COUnty aggRegation mixup AuGmEntation (COURAGE) COVID-19 prediction 2021-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-93545-6 PMID:34253768	研究论文	本文提出了一种名为COURAGE的方法，利用深度学习技术预测美国各县未来两周的COVID-19相关死亡人数	采用自注意力模型（transformer模型）捕捉时间序列中的短期和长期依赖关系，并实现了计算效率的提升	NA	预测COVID-19在美国的局部严重程度，以优化资源分配	美国各县的COVID-19相关死亡人数	机器学习	COVID-19	深度学习	transformer模型	时间序列数据	美国各县的COVID-19相关确诊病例、死亡人数、社区流动趋势和人口统计信息
15196	2024-09-28	Artificial intelligence and digital pathology: Opportunities and implications for immuno-oncology 2021-04, Biochimica et biophysica acta. Reviews on cancer DOI:10.1016/j.bbcan.2021.188520 PMID:33561505	综述	本文探讨了人工智能在免疫肿瘤学中的应用及其对数字病理学的影响	利用深度学习进行病理样本的大数据分析，超越传统技术的可能性	NA	探讨人工智能在免疫肿瘤学中的应用，解决肿瘤免疫相互作用和免疫治疗患者选择的问题	肿瘤免疫微环境的可测量特征及其在预测和预后中的价值	数字病理学	肿瘤	深度学习	NA	病理样本数据	NA
15197	2024-09-28	Can Deep Learning Hit a Moving Target? A Scoping Review of Its Role to Study Neurological Disorders in Children 2021, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2021.670489 PMID:34025380	综述	本文综述了深度学习在研究儿童神经发育障碍中的潜在作用	深度学习因其对特征探索和工程的依赖性较小，可能在研究儿童神经发育障碍中克服现有挑战	本文主要探讨了深度学习在儿童神经发育障碍研究中的潜在作用，未涉及具体实验或模型	探讨深度学习在儿童神经发育障碍研究中的挑战和潜在应用	儿童神经发育障碍，如注意力缺陷多动障碍、自闭症谱系障碍、脑瘫、脑震荡和癫痫	机器学习	神经发育障碍	深度学习	NA	NA	NA
15198	2024-09-28	Layer-Skipping Connections Improve the Effectiveness of Equilibrium Propagation on Layered Networks 2021, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2021.627357 PMID:34079446	研究论文	本文探讨了通过在分层网络中引入随机层跳跃连接来缓解平衡传播学习框架中的梯度消失问题	提出了一种基于小世界网络的随机层跳跃连接方法，以解决平衡传播在分层网络中遇到的梯度消失问题	NA	探索生物学上合理的深度学习实现方法	平衡传播学习框架在分层网络中的应用	机器学习	NA	平衡传播	分层网络	NA	NA
15199	2024-09-27	Artificial intelligence-enhanced opportunistic screening of osteoporosis in CT scan: a scoping Review 2024-Oct, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-024-07179-1 PMID:38985200	综述	本文综述了利用人工智能（AI）增强的CT扫描机会性筛查骨质疏松症和骨质减少风险的研究现状	本文展示了AI在利用CT扫描增强机会性筛查骨质疏松症方面的潜力	该领域仍处于早期阶段，大多数解决方案处于概念验证阶段，方法、工作流程和基准选择存在显著异质性	评估当前利用人工智能（AI）增强的机会性筛查方法在CT扫描中评估椎体骨小梁结构以分层骨质疏松症和骨质减少风险的研究	研究对象为利用AI技术通过CT扫描分类骨质疏松症/骨质减少或确定骨密度的文章	机器学习	骨质疏松症	CT扫描	深度学习	图像	14项研究符合纳入标准
15200	2024-09-27	Artificial Intelligence-Based Histopathological Subtyping of High-Grade Serous Ovarian Cancer 2024-Oct, The American journal of pathology DOI:10.1016/j.ajpath.2024.06.010 PMID:39032605	研究论文	本研究开发了一种基于人工智能的高级别浆液性卵巢癌亚型分类算法	利用深度学习技术开发了一种通用的亚型分类算法，能够复制病理学家的共识诊断	研究仅限于高级别浆液性卵巢癌，且依赖于TCGA数据集和特定验证集	开发一种基于人工智能的高级别浆液性卵巢癌亚型分类算法	高级别浆液性卵巢癌的亚型分类	数字病理	卵巢癌	深度学习	NA	图像	使用了TCGA数据集、JGOG3022A1和Kindai/Kyoto队列的数据