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
17241	2024-09-11	Artifact-free fat-water separation in Dixon MRI using deep learning 2023, Journal of big data IF:8.6Q1 DOI:10.1186/s40537-022-00677-1 PMID:36686622	研究论文	本文提出了一种使用深度学习进行Dixon MRI中脂肪-水分离的方法，以消除脂肪-水交换伪影	将脂肪-水分离问题转化为风格迁移问题，并引入了一种新的生成器模型损失函数	NA	开发一种鲁棒的方法，以准确分离大规模数据集（如UK Biobank）中的脂肪和水体积	Dixon MRI中的脂肪和水信号	计算机视觉	代谢性疾病	Dixon MRI	条件生成对抗网络	图像	超过100,000名参与者
17242	2024-09-11	Dysarthria detection based on a deep learning model with a clinically-interpretable layer 2023-01, JASA express letters IF:1.2Q3 DOI:10.1121/10.0016833 PMID:36725533	研究论文	本文提出了一种基于深度学习模型并包含临床可解释层的构音障碍检测方法	该模型通过瓶颈层同时学习分类标签和四个临床可解释特征，提高了分类准确性和临床可解释性	NA	开发一种能够同时提高分类准确性和临床可解释性的构音障碍检测方法	构音障碍患者和对照组	机器学习	NA	深度神经网络 (DNN)	深度学习模型	语音数据	涉及两种构音障碍亚型的评估
17243	2024-09-11	COVID-19 Detection: A Systematic Review of Machine and Deep Learning-Based Approaches Utilizing Chest X-Rays and CT Scans 2022-Dec-29, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-022-10076-6 PMID:36593991	综述	本文综述了利用胸部X光和CT扫描进行COVID-19检测的机器学习和深度学习方法	本文对现有的COVID-19检测方法进行了系统性审查，并比较了四种深度迁移学习模型（VGG16、VGG19、ResNet50和DenseNet）在COVID-19本地CT扫描和全球胸部X光数据集上的性能	本文主要集中在2020年3月至2021年8月期间发表的研究，可能未涵盖所有最新的研究进展	系统性审查和讨论利用胸部X光和CT扫描进行COVID-19检测的机器学习和深度学习方法的现状、挑战和局限性	COVID-19检测方法及其在胸部X光和CT扫描数据上的应用	机器学习	COVID-19	深度迁移学习	VGG16, VGG19, ResNet50, DenseNet	图像	本地CT扫描和全球胸部X光数据集
17244	2024-09-11	Comprehensive Review on the Use of Artificial Intelligence in Ophthalmology and Future Research Directions 2022-Dec-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13010100 PMID:36611392	综述	本文综述了人工智能在眼科领域的应用及其未来研究方向	本文系统总结了人工智能工具在眼科疾病诊断和预测中的应用，并探讨了其在提高诊断精度和降低医疗成本方面的潜力	本文主要基于文献综述，未涉及具体实验数据或模型验证	探讨人工智能在眼科领域的应用及其未来发展方向	眼科疾病，包括糖尿病视网膜病变、青光眼等	机器学习	NA	人工神经网络 (ANNs)	NA	图像	分析了70篇相关文章和综述
17245	2024-09-11	Current Applications of Deep Learning and Radiomics on CT and CBCT for Maxillofacial Diseases 2022-Dec-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13010110 PMID:36611402	综述	本文综述了深度学习和放射组学在CT和CBCT图像上应用于颌面疾病的最新进展	深度学习模型在颌面疾病的自动诊断、分割和分类方面表现出色，部分模型甚至优于人类专家	深度学习模型的通用性和可解释性不足，放射组学特征的可重复性和稳定性存在不确定性	提供深度学习和放射组学在CT和CBCT图像上应用于颌面疾病的最新概述	颌面疾病的早期诊断、准确预后预测和高效治疗计划	计算机视觉	口腔颌面疾病	深度学习	CNN	图像	NA
17246	2024-09-11	Prediction of designer-recombinases for DNA editing with generative deep learning 2022-12-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-35614-6 PMID:36575171	研究论文	本文介绍了一种名为RecGen的算法，用于智能生成设计型重组酶，以加速未来设计型重组酶的开发	提出了RecGen算法，利用条件变分自编码器生成设计型重组酶序列，能够预测对新目标位点具有活性的重组酶序列	NA	开发一种智能算法，用于生成设计型重组酶，以替代传统的定向分子进化方法	设计型重组酶及其在DNA编辑中的应用	机器学习	NA	条件变分自编码器	条件变分自编码器	序列	超过一百万个Cre-like重组酶序列，用于89个不同目标位点的进化
17247	2024-09-11	Correlated-Weighted Statistically Modeled Contourlet and Curvelet Coefficient Image-Based Breast Tumor Classification Using Deep Learning 2022-Dec-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13010069 PMID:36611361	研究论文	本文提出了一种基于相关加权轮廓波变换和曲线波变换的Rician逆高斯分布图像的深度卷积神经网络架构，用于从B模式超声图像中分类乳腺肿瘤	本文创新性地使用了相关加权轮廓波变换和曲线波变换的Rician逆高斯分布图像，并结合深度卷积神经网络进行乳腺肿瘤分类	NA	研究基于深度学习的乳腺肿瘤自动分类方法	乳腺肿瘤的分类	计算机视觉	乳腺肿瘤	深度学习	CNN	图像	使用了三个公开数据集（Mendeley、UDIAT和BUSI）
17248	2024-09-11	A Comparison of Techniques for Class Imbalance in Deep Learning Classification of Breast Cancer 2022-Dec-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13010067 PMID:36611358	研究论文	本文比较了在深度学习分类乳腺癌中处理类别不平衡的几种技术	提出了一种合成病变生成方法，以增加恶性样本数量，并在大多数情况下提高了模型性能	标准类别不平衡技术对模型性能的AUC-ROC没有显著改善，且在某些情况下可能导致AUC下降	评估几种处理类别不平衡的技术在乳腺癌分类中的效果	乳腺癌分类中的类别不平衡问题	机器学习	乳腺癌	深度学习	NA	图像	使用了三个不同的全视野数字乳腺摄影数据集，并在分布内和分布外样本上进行了测试
17249	2024-09-11	Traditional Machine and Deep Learning for Predicting Toxicity Endpoints 2022-Dec-26, Molecules (Basel, Switzerland) DOI:10.3390/molecules28010217 PMID:36615411	研究论文	本文比较了传统物理化学描述符和机器学习方法与基于SMILES的深度学习BERT架构在预测化合物毒性终点方面的性能	本文首次将Mondrian聚合保形预测方法应用于处理类不平衡问题，并展示了其在不使用过采样、欠采样或类加权等方法的情况下，仍能有效处理类不平衡问题	本文仅在二元CATMoS非毒性和剧毒数据集上进行了验证，未来研究可以在更多样化的数据集上进行扩展	比较传统机器学习和深度学习方法在预测化合物毒性终点方面的性能	化合物毒性终点的预测	机器学习	NA	深度学习	BERT	文本	二元CATMoS非毒性和剧毒数据集
17250	2024-09-11	Hybrid fuzzy deep neural network toward temporal-spatial-frequency features learning of motor imagery signals 2022-12-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26882-9 PMID:36567362	研究论文	本文提出了一种混合模糊深度神经网络，用于学习运动想象信号的时间-空间-频率特征	本文创新性地结合了模糊组件和深度学习技术，提出了一种名为EEG-CLFCNet的混合神经网络架构，显著提高了运动想象信号的分类准确率	NA	研究目的是开发一种高效可靠的方法来解释用户的脑电波信号，并在生物医学信号处理中提供准确的响应	研究对象是运动想象信号的时间-空间-频率特征	机器学习	NA	脑电图（EEG）	混合神经网络（Compact-CNN和LSTM）	脑电信号	使用了BCI竞赛IV-2a数据集
17251	2024-09-11	An Anomaly Intrusion Detection for High-Density Internet of Things Wireless Communication Network Based Deep Learning Algorithms 2022-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s23010206 PMID:36616806	研究论文	本文提出了一种基于深度学习算法的高密度物联网无线通信网络异常入侵检测系统	本文提出了两种不同的模型：一种是结合了卷积神经网络（CNN）和长短期记忆网络（LSTM）的深度网络层，另一种是基于全连接层（密集层）构建的人工神经网络（ANN）	NA	开发一种高效的入侵检测系统，以保护物联网设备免受攻击	高密度物联网无线通信网络	机器学习	NA	深度学习算法	CNN, LSTM, ANN	NA	NA
17252	2024-09-11	Contextual counters and multimodal Deep Learning for activity-level traffic classification of mobile communication apps during COVID-19 pandemic 2022-Dec-24, Computer networks IF:4.4Q1 DOI:10.1016/j.comnet.2022.109452 PMID:36447639	研究论文	本文研究了在COVID-19疫情期间，移动通信应用的流量分类问题，并提出了基于多模态深度学习的解决方案	提出了Mimetic-All这一新的多模态早期流量分类解决方案，并设计了Context Inputs作为额外的输入模态，显著提高了活动分类的F-measure	现有的单模态和多模态深度学习分类器在活动分类方面表现不佳，F-measure仅为56%-65%	研究在COVID-19疫情期间，如何有效分类移动通信应用的流量，以应对流量特性的巨大变化	九个通信和协作应用的流量数据	机器学习	NA	多模态深度学习	深度学习分类器	流量数据	九个应用的流量数据，并公开发布为新的数据集MIRAGE-COVID-CCMA-2022
17253	2024-09-11	Machine Learning-Based Automated Detection and Quantification of Geographic Atrophy and Hypertransmission Defects Using Spectral Domain Optical Coherence Tomography 2022-Dec-24, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm13010037 PMID:36675697	研究论文	本研究开发并评估了基于机器学习的创新方法，用于自动检测和量化光谱域光学相干断层扫描（OCT）中的地理萎缩（GA）和超传输缺陷	本研究首次使用深度学习方法在OCT图像中自动检测和量化地理萎缩和超传输缺陷	本研究仅在非渗出性AMD患者中进行，未来需在更多疾病类型和设备上验证	开发和评估基于机器学习的自动检测和量化地理萎缩和超传输缺陷的方法	晚期年龄相关性黄斑变性（AMD）患者中的地理萎缩区域	计算机视觉	眼科疾病	光谱域光学相干断层扫描（OCT）	深度学习	图像	341名非渗出性AMD患者，包含900个OCT体积和100266个B扫描图像
17254	2024-09-11	An Efficient Dehazing Algorithm Based on the Fusion of Transformer and Convolutional Neural Network 2022-Dec-21, Sensors (Basel, Switzerland) DOI:10.3390/s23010043 PMID:36616639	研究论文	本文提出了一种基于Transformer和卷积神经网络融合的高效去雾算法	本文创新性地将Transformer的全局建模能力和卷积神经网络的局部建模能力结合，提出了Transformer-Convolution融合去雾网络（TCFDN）	NA	提高图像去雾能力，恢复图像的有用特征	单张图像的去雾处理	计算机视觉	NA	NA	Transformer-Convolution融合网络	图像	NA
17255	2024-09-11	Deep Learning in Diverse Intelligent Sensor Based Systems 2022-Dec-21, Sensors (Basel, Switzerland) DOI:10.3390/s23010062 PMID:36616657	综述	本文系统地调查了深度学习模型和方法在多样化传感器系统中的应用	提供了深度学习在多样化传感器系统中的全面调查，包括实现技巧、教程链接、开源代码和预训练模型	NA	加速深度学习在多样化传感器系统中的应用和转型	深度学习模型和方法在多样化传感器系统中的应用	机器学习	NA	深度学习	NA	数据	NA
17256	2024-09-11	Transformer-Based Weed Segmentation for Grass Management 2022-Dec-21, Sensors (Basel, Switzerland) DOI:10.3390/s23010065 PMID:36616662	研究论文	本文探讨了基于Transformer模型的杂草分割技术在草坪管理中的应用	本文首次将Transformer模型应用于杂草检测问题，并展示了其在语义分割任务中的优越性能	本文仅评估了三种Transformer架构，未涉及其他可能的模型	开发高效的杂草检测和定位方法，以提高作物栽培和草坪管理的效率	杂草的识别和定位	计算机视觉	NA	深度学习	Transformer	图像	1006张图像，包含10种杂草类别
17257	2024-09-11	Exome-wide association analysis of CT imaging-derived hepatic fat in a medical biobank 2022-12-20, Cell reports. Medicine DOI:10.1016/j.xcrm.2022.100855 PMID:36513072	研究论文	本文通过深度学习方法从临床CT扫描中量化肝脂肪，并进行全外显子关联分析，以研究非酒精性脂肪肝病的遗传因素	本文首次在医疗生物库中使用深度学习方法从CT图像中量化肝脂肪，并结合全外显子序列进行关联分析，同时考虑了非欧洲人群和罕见变异	本文主要基于特定医疗生物库的数据，结果的普适性可能受限	研究非酒精性脂肪肝病的遗传因素，特别是肝脂肪的遗传关联	肝脂肪的遗传变异及其与非酒精性脂肪肝病的关系	数字病理学	非酒精性脂肪肝病	深度学习	NA	图像	10,283名参与者
17258	2024-09-11	Automated Detection of Rice Bakanae Disease via Drone Imagery 2022-Dec-20, Sensors (Basel, Switzerland) DOI:10.3390/s23010032 PMID:36616630	研究论文	本文提出了一种通过无人机图像预测和自动检测水稻恶苗病感染率的系统	该系统结合了相机校准和面积计算，使用YOLOv3和RestNETV2 101模型进行感染检测和分类	系统在检测感染稻穗和分类感染稻秆数量方面仍有改进空间	开发一种自动化的水稻恶苗病检测系统，以提高稻田检查的效率和准确性	水稻恶苗病及其感染率	计算机视觉	NA	深度学习	YOLOv3, RestNETV2 101	图像	NA
17259	2024-09-11	DeepST: identifying spatial domains in spatial transcriptomics by deep learning 2022-12-09, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkac901 PMID:36250636	研究论文	本文介绍了一种名为DeepST的深度学习框架，用于在空间转录组学中识别空间域	DeepST在基准数据集上表现优于现有的最先进方法，并能有效整合来自多个批次或不同技术的空间转录组数据	NA	开发一种能够准确识别空间转录组学中空间域的深度学习框架	人类背外侧前额叶皮层和乳腺癌组织的空间转录组数据	机器学习	乳腺癌	深度学习	深度学习框架	空间转录组数据	涉及人类背外侧前额叶皮层和乳腺癌组织的基准数据集
17260	2024-09-11	Differentiable Learning of Sequence-Specific Minimizer Schemes with DeepMinimizer 2022-12, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2022.0275 PMID:36095142	研究论文	本文介绍了一种名为DeepMinimizer的新方法，用于学习序列特异性最小化方案，通过深度学习架构实现密度最小化目标的连续松弛	首次提出了一种连续松弛的密度最小化目标，并使用深度学习双架构确保最小化方案的有效性和性能	NA	解决在生物序列中选择代表性-mers位置的优化问题，以减少计算和内存成本	生物序列中的最小化方案	机器学习	NA	深度学习	深度学习双架构	序列	人类基因组序列