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
16141	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
16142	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
16143	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
16144	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
16145	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
16146	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
16147	2024-09-19	Cross-vender, cross-tracer, and cross-protocol deep transfer learning for attenuation map generation of cardiac SPECT 2022-12, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1007/s12350-022-02978-7 PMID:35474443	研究论文	研究使用深度迁移学习生成心脏SPECT的衰减图（μ-maps），特别是在不同供应商、示踪剂和协议下的应用	提出了一种跨供应商、跨示踪剂和跨协议的深度迁移学习方法，用于生成心脏SPECT的衰减图	研究仅限于特定的扫描仪、示踪剂和协议组合，未来研究需要验证在更广泛条件下的适用性	探索在不同扫描仪、示踪剂和协议下生成心脏SPECT衰减图的可行性	心脏SPECT的衰减图生成	计算机视觉	NA	深度学习	深度神经网络	图像	训练数据包括120个使用Tc-tetrofosmin注射的研究，测试数据包括80个使用Tc-sestamibi注射的研究
16148	2024-09-19	High-Performance Statistical Computing in the Computing Environments of the 2020s 2022-Nov, Statistical science : a review journal of the Institute of Mathematical Statistics IF:3.9Q1 DOI:10.1214/21-sts835 PMID:37168541	综述	本文从统计计算的角度回顾了过去十年在硬件和软件方面的技术进步，特别是高性能计算（HPC）的普及和深度学习软件库的发展	首次展示了在如此大规模下进行惩罚回归分析生存结果的可行性	未提及	探讨技术进步如何使统计学家受益，并展示这些发展在高维模型优化算法中的应用	高性能计算环境下的统计计算方法和应用	统计计算	糖尿病	高性能计算（HPC）	惩罚回归模型	基因数据	200,000名受试者和约500,000个单核苷酸多态性
16149	2024-09-19	Chest X ray and cough sample based deep learning framework for accurate diagnosis of COVID-19 2022-Oct, Computers & electrical engineering : an international journal IF:4.0Q2 DOI:10.1016/j.compeleceng.2022.108391 PMID:36119394	研究论文	本文提出了一种基于胸部X光和咳嗽样本的深度学习框架，用于COVID-19的早期诊断	提出了一个新颖的深度融合学习模型，结合胸部X光图像和咳嗽音频样本进行早期分类	NA	开发一种能够在早期准确诊断COVID-19的深度学习框架	COVID-19患者	计算机视觉	COVID-19	深度学习	深度卷积神经网络	图像和音频	NA
16150	2024-09-19	Ensemble multimodal deep learning for early diagnosis and accurate classification of COVID-19 2022-Oct, Computers & electrical engineering : an international journal IF:4.0Q2 DOI:10.1016/j.compeleceng.2022.108396 PMID:36160764	研究论文	提出了一种多模态深度学习方法用于COVID-19的早期诊断和准确分类	采用多模态数据（胸片和咳嗽音频）结合深度学习模型进行COVID-19的早期诊断和分类	NA	开发一种早期诊断和准确分类COVID-19的方法	COVID-19感染者和健康人群	计算机视觉	COVID-19	深度学习	CNN	图像和音频	92例COVID-19阳性患者和1079例健康人群
16151	2024-09-19	Pushing the Boundaries of Molecular Property Prediction for Drug Discovery with Multitask Learning BERT Enhanced by SMILES Enumeration 2022, Research (Washington, D.C.) DOI:10.34133/research.0004 PMID:39285949	研究论文	提出了一种基于多任务学习和BERT增强的SMILES枚举的分子性质预测框架，用于药物发现	利用大规模预训练、多任务学习和SMILES枚举来缓解数据稀缺问题，并通过注意力机制提高模型可解释性	未提及	提高分子性质预测的准确性，促进药物发现	小分子药物的药理学性质	机器学习	NA	多任务学习、BERT、SMILES枚举	BERT	文本	60个实际分子数据集
16152	2024-09-19	Machine Learning-Based Research for COVID-19 Detection, Diagnosis, and Prediction: A Survey 2022, SN computer science DOI:10.1007/s42979-022-01184-z PMID:35578678	综述	本文综述了160多种基于机器学习的方法，用于COVID-19的检测、诊断和预测	本文系统地分类和分析了现有的基于机器学习的方法，并提供了详细的统计数据	本文主要关注已发表的方法，未涉及未发表或正在进行的研究	综述和分析现有的基于机器学习的方法，用于COVID-19的检测、诊断和预测	COVID-19的检测、诊断和预测方法	机器学习	COVID-19	机器学习	CNN, SVM, 随机森林, 回归算法	文本数据, X光图像, CT图像, 时间序列, 临床数据	NA
16153	2024-09-19	Automated Dental Cavity Detection System Using Deep Learning and Explainable AI 2022, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:35854730	研究论文	开发了一种基于深度学习和可解释AI的自动化牙洞检测系统	该系统能够在显示多个牙齿和四个牙齿表面的照片上检测牙洞，并提供视觉解释	仅使用了506张图像进行训练，样本量有限	开发一种能够自动检测牙洞并解释诊断原因的AI系统，以解决牙科诊断中的障碍	牙洞检测和诊断解释	计算机视觉	NA	深度学习	ResNet-27	图像	506张去识别化的图像
16154	2024-09-19	Prior Knowledge Enhances Radiology Report Generation 2022, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:35854760	研究论文	本文提出了一种利用知识图谱中的先验知识来增强放射报告生成质量的方法	通过挖掘和表示医学发现之间的关联，并将这些先验知识整合到放射报告生成中，以提高生成报告的质量	未提及	旨在通过利用先验知识提高放射报告生成的质量，从而减轻放射科医生的工作负担	放射报告生成	自然语言处理	NA	知识图谱	NA	文本	IU X-ray数据集
16155	2024-09-19	Classification of COVID-19 pneumonia from chest CT images based on reconstructed super-resolution images and VGG neural network 2021-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-021-00140-0 PMID:33643612	研究论文	本文提出了一种基于超分辨率重建图像和VGG神经网络的COVID-19肺炎胸部CT图像分类辅助诊断算法	使用SRGAN神经网络对胸部CT图像进行超分辨率重建，然后通过VGG16神经网络对COVID-19和非COVID-19图像进行分类	NA	提高COVID-19肺炎胸部CT图像分类的准确性和性能	COVID-19肺炎和非COVID-19肺炎的胸部CT图像	计算机视觉	肺部疾病	超分辨率重建	SRGAN和VGG16	图像	使用公开的COVID-CT数据集进行验证
16156	2024-09-19	Blockchain-Federated-Learning and Deep Learning Models for COVID-19 Detection Using CT Imaging 2021-Jul-15, IEEE sensors journal IF:4.3Q2 DOI:10.1109/JSEN.2021.3076767 PMID:35789224	研究论文	本文提出了一种利用区块链联邦学习和深度学习模型进行COVID-19检测的框架	提出了基于区块链的联邦学习框架，解决了数据异质性和隐私保护问题，并使用了胶囊网络进行分割和分类	NA	开发一种有效的COVID-19诊断方法，解决测试试剂短缺和数据共享隐私问题	COVID-19患者的CT影像数据	计算机视觉	COVID-19	区块链技术，联邦学习	胶囊网络	CT影像	来自不同医院的少量COVID-19患者数据
16157	2024-09-19	Deep Learning-Based COVID-19 Detection Using CT and X-Ray Images: Current Analytics and Comparisons 2021-May-01, IT professional IF:2.2Q3 DOI:10.1109/MITP.2020.3036820 PMID:35582037	研究论文	本文利用深度学习方法基于CT和X光图像进行COVID-19检测，并分析其全球传播情况	本文提出了基于深度学习的COVID-19检测方法，并结合数据分析全球传播情况	NA	研究COVID-19的检测方法及其全球传播情况	COVID-19病毒及其传播	计算机视觉	COVID-19	深度学习	NA	图像	NA
16158	2024-09-19	A Novel Method for COVID-19 Diagnosis Using Artificial Intelligence in Chest X-ray Images 2021-Apr-29, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare9050522 PMID:33946809	研究论文	提出了一种利用人工智能和胸部X光图像自动诊断COVID-19的新方法	提出了CoVIRNet模型，结合了深度学习和机器学习技术，通过多尺度特征提取和分类，实现了95.7%的准确率，特征提取器与随机森林分类器结合达到了97.29%的准确率	由于COVID-19数据集较小，存在过拟合的风险	开发一种非侵入性技术，利用人工智能自动检测疑似COVID-19患者	COVID-19患者的胸部X光图像	计算机视觉	传染病	深度学习	Inception-ResNet	图像	有限数量的COVID-19患者胸部X光图像
16159	2024-09-19	Transfer learning for establishment of recognition of COVID-19 on CT imaging using small-sized training datasets 2021-Apr-22, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2021.106849 PMID:33584016	研究论文	本文利用迁移学习技术，基于小规模训练数据集，建立了用于CT影像识别COVID-19的方法	本文首次采用迁移学习结合DensNet-121模型，利用CheXNet预训练网络在小规模数据集上进行微调，实现了COVID-19的高精度识别	本文方法依赖于预训练网络的性能，且仅在COVID-19-CT数据集上进行了验证	开发一种基于CT影像的高效COVID-19识别方法，以减轻临床和放射科医生的负担	COVID-19的CT影像识别	计算机视觉	COVID-19	迁移学习	DensNet-121	CT影像	小规模数据集
16160	2024-09-19	Deep Learning-Driven Automated Detection of COVID-19 from Radiography Images: a Comparative Analysis 2021-Mar-02, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-020-09779-5 PMID:33680209	研究论文	本文详细研究了基于深度学习的COVID-19自动检测方法，并进行了模型性能的基准测试	首次对315种深度学习模型在COVID-19检测中的性能进行了基准测试，并发现DenseNet201模型结合Quadratic SVM分类器表现最佳	研究主要集中在X射线图像上，未涵盖其他类型的医学影像数据	评估和比较不同深度学习模型在COVID-19检测中的性能	COVID-19、正常和肺炎的X射线图像	计算机视觉	COVID-19	深度学习	DenseNet201	图像	来自四个数据集的X射线图像，共315个模型