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
16721	2024-09-10	Lung_PAYNet: a pyramidal attention based deep learning network for lung nodule segmentation 2022-11-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24900-4 PMID:36434060	研究论文	本文提出了一种基于金字塔注意力机制的深度学习网络Lung_PAYNet，用于肺结节分割	本文创新性地设计了Lung_PAYNet模型，采用金字塔注意力机制和倒残差块结构，显著提高了肺结节分割的准确性	NA	提高低剂量CT图像中肺结节分割的准确性和可靠性	肺结节	计算机视觉	肺癌	深度学习	CNN	图像	使用了公开的LIDC-IDRI数据集进行训练和验证
16722	2024-09-10	Risk of Mortality Prediction Involving Time-Varying Covariates for Patients with Heart Failure Using Deep Learning 2022-Nov-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12122947 PMID:36552953	研究论文	本研究开发并验证了一种基于深度学习的预测心力衰竭患者全因死亡风险的新型预后模型	提出了一个基于时间变化协变量的递归神经网络模型（RNNSurv），该模型在区分度、校准度和风险分层能力上优于传统的深度前馈神经网络模型和多变量Cox比例风险模型	NA	预测心力衰竭患者的全因死亡风险	心力衰竭患者	机器学习	心血管疾病	深度学习	递归神经网络（RNN）	时间序列数据	730名心力衰竭住院患者
16723	2024-09-10	AlphaPeptDeep: a modular deep learning framework to predict peptide properties for proteomics 2022-11-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-34904-3 PMID:36433986	研究论文	介绍了一个名为AlphaPeptDeep的模块化深度学习框架，用于预测蛋白质组学中的肽性质	AlphaPeptDeep框架允许非专业人士通过几行代码创建模型，并广泛使用迁移学习，无需大量数据集即可优化特定实验条件的模型	NA	开发一个模块化的深度学习框架，用于预测蛋白质组学中的肽性质	肽的保留时间、碰撞截面和片段强度等性质	机器学习	NA	深度学习	神经网络	序列	NA
16724	2024-09-10	MSLF-Net: A Multi-Scale and Multi-Level Feature Fusion Net for Diabetic Retinopathy Segmentation 2022-Nov-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12122918 PMID:36552925	研究论文	本文提出了一种基于多尺度多层次特征融合的监督分割方法MSLF-Net，用于糖尿病视网膜病变（DR）的病变分割	引入多尺度特征提取模块和多层次特征融合模块，通过交叉层结构仅融合相同类别的低级和高级特征，避免特征污染	NA	实现准确的端到端糖尿病视网膜病变病变分割	糖尿病视网膜病变（DR）的病变	计算机视觉	糖尿病并发症	深度学习算法	MSLF-Net	图像	在公共数据集IDRID和e_ophtha上进行了广泛实验
16725	2024-09-10	A Framework for Lung and Colon Cancer Diagnosis via Lightweight Deep Learning Models and Transformation Methods 2022-Nov-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12122926 PMID:36552933	研究论文	本文提出了一种基于轻量级深度学习模型和变换方法的肺癌和结肠癌诊断框架	该框架利用多种变换方法进行特征降维，并提供了更好的数据表示，相比现有方法具有更低的特征数量和计算复杂度	NA	早期检测肺癌和结肠癌	肺癌和结肠癌的病理扫描图像	计算机视觉	肺癌, 结肠癌	深度学习, 主成分分析 (PCA), 快速Walsh-Hadamard变换 (FHWT), 离散小波变换 (DWT)	ShuffleNet, MobileNet, SqueezeNet	图像	NA
16726	2024-09-10	Generation of novel Diels-Alder reactions using a generative adversarial network 2022-Nov-22, RSC advances IF:3.9Q2 DOI:10.1039/d2ra06022a PMID:36505715	研究论文	本文利用生成对抗网络（GAN）生成新的Diels-Alder反应	首次将生成对抗网络应用于有机化学领域，生成新的Diels-Alder反应	仅限于生成Diels-Alder反应，未涉及其他类型的有机反应	探索生成对抗网络在有机化学中的应用，生成新的有机反应	Diels-Alder反应	机器学习	NA	生成对抗网络（GAN）	MaskGAN	反应数据	训练数据包含14,092个Diels-Alder反应，生成1,441个新反应
16727	2024-09-10	[A lightweight multiscale target object detection network for melanoma based on attention mechanism manipulation] 2022-Nov-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2022.11.10 PMID:36504059	研究论文	提出了一种结合坐标注意机制和高效通道注意机制的深度学习目标检测模型AM-YOLO，用于黑色素瘤的检测	通过在YOLOv5s模型中集成坐标注意机制和高效通道注意机制，提高了黑色素瘤识别的准确性并减小了模型权重	NA	开发一种能够有效识别黑色素瘤的深度学习目标检测算法	黑色素瘤	计算机视觉	皮肤癌	深度学习	YOLO	图像	NA
16728	2024-09-10	Cardiovascular/Stroke Risk Stratification in Diabetic Foot Infection Patients Using Deep Learning-Based Artificial Intelligence: An Investigative Study 2022-Nov-19, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm11226844 PMID:36431321	研究论文	本文探讨了使用基于深度学习的人工智能技术对糖尿病足感染患者进行心血管/中风风险分层的可行性	提出了使用深度学习模型（如LSTM和RNN）结合多种生物标志物和影像学特征来预测糖尿病足感染患者的心血管/中风风险	研究受限于样本量和科学临床验证方法的不足	研究深度学习技术在糖尿病足感染患者中预测心血管/中风风险的有效性	糖尿病足感染患者的心血管/中风风险	机器学习	心血管疾病	深度学习	LSTM和RNN	生物标志物和影像数据	207项研究
16729	2024-09-10	Pixel-Guided Association for Multi-Object Tracking 2022-Nov-18, Sensors (Basel, Switzerland) DOI:10.3390/s22228922 PMID:36433519	研究论文	本文提出了一种像素引导的多目标跟踪方法，通过统一检测和跟踪框架来提高跟踪性能	引入了像素引导的方法来构建联合检测和跟踪框架，并使用长时外观关联来计算相似度矩阵	未提及	提高多目标跟踪任务中的轨迹关联准确性	多目标跟踪中的物体轨迹	计算机视觉	NA	深度学习	Transformer	图像	使用了MOT15和MOT17基准数据集进行实验
16730	2024-09-10	A Web-Based Automated Image Processing Research Platform for Cochlear Implantation-Related Studies 2022-Nov-09, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm11226640 PMID:36431117	研究论文	本文介绍了一个基于网络的自动化图像处理研究平台Nautilus，用于耳蜗植入相关研究	结合深度学习和贝叶斯推理方法，自动分割耳蜗结构，并使用卷积神经网络和几何推理提取植入电极位置	NA	开发一个自动化平台，用于个性化和安全的耳蜗植入治疗	耳蜗及其内部结构，以及耳蜗植入电极	计算机视觉	NA	深度学习，贝叶斯推理，卷积神经网络	卷积神经网络	图像	一个精心设计的数据集
16731	2024-09-10	Machine Learning for Industry 4.0: A Systematic Review Using Deep Learning-Based Topic Modelling 2022-Nov-09, Sensors (Basel, Switzerland) DOI:10.3390/s22228641 PMID:36433236	综述	本文通过BERTopic分析了45,783篇相关论文，系统地回顾了机器学习在工业4.0中的应用	使用BERTopic进行主题建模，分析了机器学习在工业4.0中的主要应用和方法	仅分析了45,783篇论文，可能无法涵盖所有相关研究	探讨机器学习在工业4.0中的应用现状	工业4.0中的机器学习应用	机器学习	NA	BERTopic	CNN	文本	45,783篇论文和17份白皮书
16732	2024-09-10	Automated Segmentation of Microvessels in Intravascular OCT Images Using Deep Learning 2022-Nov-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9110648 PMID:36354559	研究论文	本文开发了一种基于深度学习的自动方法，用于在血管内光学相干断层扫描（IVOCT）图像中分割微血管	本文提出了一种新的数据增强和预处理方法，显著提高了微血管分割的性能	NA	开发一种自动化的深度学习方法，用于在IVOCT图像中检测微血管，以分析血管斑块的脆弱性特征	血管内光学相干断层扫描（IVOCT）图像中的微血管	计算机视觉	NA	深度学习	DeepLab v3+ 和浅层卷积神经网络	图像	8403张IVOCT图像帧，来自85个病变和37个正常段
16733	2024-09-10	Objective evaluation of chondrocyte density & cloning after joint injury using convolutional neural networks 2022-11, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.25295 PMID:35171527	研究论文	本文使用卷积神经网络对关节损伤后的软骨细胞密度和克隆进行客观评估	首次采用深度学习方法（U-net和YOLO模型）对关节损伤后的软骨细胞密度和克隆进行量化分析	NA	开发和验证深度学习模型以评估关节损伤后的软骨细胞密度和组织	关节损伤后的软骨细胞密度和克隆	计算机视觉	骨关节炎	卷积神经网络	U-net, YOLO	图像	来自Yucatan小型猪的距骨软骨样本，分别在骨折固定后1周、3个月、6个月和12个月采集
16734	2024-09-10	E-GCS: Detection of COVID-19 through classification by attention bottleneck residual network 2022-Nov, Engineering applications of artificial intelligence IF:7.5Q1 DOI:10.1016/j.engappai.2022.105398 PMID:36158870	研究论文	本文提出了一种基于注意力瓶颈残差网络（AB-ResNet）和边缘图割分割（E-GCS）的方法，用于通过分类和分割来检测COVID-19感染	引入了注意力瓶颈残差网络（AB-ResNet）和边缘图割分割（E-GCS），提高了网络深度并减少了参数，有效解决了梯度消失问题，并实现了高精度的COVID-19检测	NA	预测COVID-19感染患者并防止其进一步传播	通过三种不同的医学影像模式（超声成像、X光图像和CT扫描图像）对COVID-19进行分类和分割	计算机视觉	COVID-19	深度学习（DL）和图像处理	注意力瓶颈残差网络（AB-ResNet）	图像	NA
16735	2024-09-10	Bats expand their vocal range by recruiting different laryngeal structures for echolocation and social communication 2022-11, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3001881 PMID:36445872	研究论文	研究蝙蝠通过招募不同的喉部结构来扩展其回声定位和社会交流的声频范围	首次通过超高速视频和深度学习网络直接观察到蝙蝠喉部膜的自持振动，用于产生10至95 kHz的回声定位和社会交流呼叫	研究仅限于体外实验，未涉及活体蝙蝠的实际行为	探讨蝙蝠如何通过不同的喉部结构扩展其声频范围，并评估现有关于喉部膜功能的假设	蝙蝠的喉部结构及其在回声定位和社会交流中的作用	NA	NA	超高速视频拍摄，深度学习网络	深度学习网络	视频	涉及一种蝙蝠（Myotis daubentonii）的喉部结构
16736	2024-09-10	Deep learning for Covid-19 forecasting: State-of-the-art review 2022-Oct-28, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2022.09.005 PMID:36097509	综述	本文综述了使用深度学习方法进行新冠疫情预测的最新研究	填补了关于新冠疫情预测深度学习方法的全面综述的空白	现有方法存在缺陷，需要进一步改进	综述和分析当前使用深度学习进行新冠疫情预测的研究	新冠疫情预测的深度学习方法	机器学习	NA	深度学习	NA	NA	53篇通过初步质量筛选的研究
16737	2024-09-10	Hybrid of Deep Learning and Word Embedding in Generating Captions: Image-Captioning Solution for Geological Rock Images 2022-Oct-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8110294 PMID:36354867	研究论文	本文提出了一种结合卷积神经网络、长短期记忆网络和word2vec的图像字幕生成方法，用于生成地质岩石图像的描述	本文的创新点在于将背景对象作为主要关注点，并结合了卷积神经网络、长短期记忆网络和word2vec来生成图像字幕	本文的局限性在于未来研究中需要解决地质句子结构、地质句子短语和通过地质标记器构建单词等挑战	研究目的是开发一种适用于地质岩石图像的图像字幕生成方法	研究对象是地质岩石图像及其背景对象	计算机视觉	NA	卷积神经网络、长短期记忆网络、word2vec	CNN、LSTM	图像	NA
16738	2024-09-10	Hallucinating symmetric protein assemblies 2022-10-07, Science (New York, N.Y.) DOI:10.1126/science.add1964 PMID:36108048	研究论文	本文使用深度学习生成方法探索蛋白质结构空间，生成对称蛋白质同源寡聚体	本文首次使用深度网络幻觉技术生成对称蛋白质同源寡聚体，生成的结构与计算模型高度一致，且与已解决的结构有显著差异	NA	探索蛋白质结构空间，生成新的蛋白质结构	对称蛋白质同源寡聚体	机器学习	NA	深度学习	深度网络	蛋白质结构	7个晶体结构和3个冷冻电子显微镜结构
16739	2024-09-10	HADCNet: Automatic segmentation of COVID-19 infection based on a hybrid attention dense connected network with dilated convolution 2022-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105981 PMID:36029749	研究论文	本文提出了一种基于混合注意力密集连接网络和扩张卷积的深度学习框架HADCNet，用于自动分割COVID-19感染区域	HADCNet通过编码器混合注意力模块和解码器混合注意力模块，结合多尺度上下文结构和空间信息，捕捉不同层次的病变特征依赖关系，从而提高分割性能	本文未详细讨论模型的计算复杂度和训练时间，且仅在四个公开数据集上进行了验证	开发一种能够自动分割COVID-19感染区域的深度学习模型，以辅助诊断和治疗	COVID-19感染区域的自动分割	计算机视觉	COVID-19	深度学习	HADCNet	CT图像	在四个公开数据集上进行了五折交叉验证
16740	2024-09-10	Ensemble of Deep Neural Networks based on Condorcet's Jury Theorem for screening Covid-19 and Pneumonia from radiograph images 2022-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105979 PMID:36063689	研究论文	本文提出了一种基于孔多塞陪审团定理的深度神经网络集成方法，用于从放射图像中筛查COVID-19和肺炎	本文创新性地应用孔多塞陪审团定理来确定个体分类器的投票集成分数，并提出了领域扩展迁移学习（DETL）集成模型作为软投票集成方法	本文未明确提及具体的局限性	研究如何通过集成多个深度神经网络模型来提高COVID-19和肺炎的筛查准确性	COVID-19和肺炎的放射图像	计算机视觉	肺部疾病	深度学习	深度卷积神经网络（CNN）	图像	使用了无重复图像的新数据集，具体样本数量未提及