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
17781	2024-09-10	Leveraging data analytics to understand the relationship between restaurants' safety violations and COVID-19 transmission 2022-Jul, International journal of hospitality management IF:9.9Q1 DOI:10.1016/j.ijhm.2022.103241 PMID:35571509	研究论文	本文利用自然语言处理、空间分析和统计分析来研究餐厅安全违规与COVID-19传播之间的关系	开发了一种基于神经网络的深度学习模型进行主题建模，并进行了消费者投诉的地理分布空间建模	仅基于佛罗里达州的数据，可能不适用于其他地区	研究餐厅安全违规与COVID-19传播之间的关系	餐厅安全违规与COVID-19病例之间的关系	自然语言处理	NA	自然语言处理、空间分析、统计分析	神经网络	文本、地理数据	佛罗里达州重新开业初期的基于位置的消费者投诉数据
17782	2024-09-10	Efficient and visualizable convolutional neural networks for COVID-19 classification using Chest CT 2022-Jun-01, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2022.116540 PMID:35075334	研究论文	本文设计、评估并比较了20种卷积神经网络在基于胸部CT扫描对COVID-19患者进行分类的性能	首次考虑使用EfficientNet家族进行COVID-19诊断，并使用中间激活图来可视化模型性能	NA	开发一种快速、可扩展且准确的COVID-19诊断方法	COVID-19患者、健康人群和其他肺部感染患者	计算机视觉	COVID-19	卷积神经网络	EfficientNet-B5	图像	4173张胸部CT图像，其中2168张为COVID-19阳性，758张为健康，1247张为其他肺部感染
17783	2024-09-10	Temporal deep learning architecture for prediction of COVID-19 cases in India 2022-Jun-01, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2022.116611 PMID:35153389	研究论文	本文设计了多种深度学习模型来预测印度及其四个受影响最严重的州的COVID-19每日确诊病例	本文引入了多种深度学习模型（如堆叠LSTM和混合CNN+LSTM模型）来捕捉COVID-19爆发的复杂趋势，并进行短期预测	本文仅限于对印度及其四个州的COVID-19病例进行预测，未涵盖全球范围	研究目的是通过深度学习模型预测COVID-19的动态趋势，以帮助减缓或停止疫情	研究对象是印度及其四个受影响最严重的州的COVID-19每日确诊病例	机器学习	COVID-19	NA	LSTM, CNN	数值数据	研究涉及印度及其四个州的COVID-19每日确诊病例数据
17784	2024-09-10	Industry 4.0 technologies and their applications in fighting COVID-19 pandemic using deep learning techniques 2022-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105418 PMID:35334315	研究论文	本文探讨了利用深度学习技术在工业4.0背景下对抗COVID-19的应用	提出了一种基于深度卷积神经网络（CNN）的自动化系统，用于快速识别COVID-19患者	依赖于小样本数据集，尽管使用了数据增强技术，但仍可能存在泛化问题	开发一种预测框架，帮助卫生当局在COVID-19紧急情况下做出快速反应	COVID-19患者的X射线图像	计算机视觉	COVID-19	深度学习	CNN	图像	使用了少量X射线图像，并通过数据增强技术生成了10,000张增强图像
17785	2024-09-10	Comparison and ensemble of 2D and 3D approaches for COVID-19 detection in CT images 2022-Jun-01, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2022.02.018 PMID:35345875	研究论文	本文比较了基于切片（2D）和基于体积（3D）的方法在CT图像中检测COVID-19的效果，并提出了一种结合最佳2D和3D系统的深度学习集成模型IST-CovNet	本文提出了IST-CovNet集成模型，结合了新颖的预处理和注意力模块，并使用双向长短期记忆模型来整合切片级别的决策	NA	研究在CT图像中检测COVID-19的不同方法，并提出一种高效的集成模型	COVID-19在CT图像中的检测	计算机视觉	COVID-19	深度学习	集成模型	CT图像	IST-C数据集包括正常对照组和其他类型肺病理的COVID-19检测，MosMedData数据集包括COVID-19扫描和正常对照组，COVID-CT-MD数据集仅用于测试
17786	2024-09-10	Twitter sentiment analysis using ensemble based deep learning model towards COVID-19 in India and European countries 2022-Jun, Pattern recognition letters IF:3.9Q2 DOI:10.1016/j.patrec.2022.04.027 PMID:35464347	研究论文	本文提出了一种基于集成深度学习模型的Twitter情感分析方法，用于分析印度和欧洲国家关于COVID-19的实时推文	本文创新性地使用了集成分类器（GRU和CapsNet）来分类用户的情感，并取得了较高的预测准确率	本文的样本量相对较小，且仅限于印度和欧洲国家的推文	通过分析社交媒体上的情感，帮助政府控制、监测和消除冠状病毒	印度和欧洲国家关于COVID-19的推文	自然语言处理	NA	TF-IDF, GloVe, Word2Vec, fast text embedding	GRU, CapsNet	文本	3100条推文
17787	2024-09-10	Study on transfer learning capabilities for pneumonia classification in chest-x-rays images 2022-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2022.106833 PMID:35537296	研究论文	本文研究了在胸部X光图像中使用迁移学习进行肺炎分类的有效性	本文通过迁移学习范式探索了已建立的神经网络架构在肺炎分类任务中的有效性，特别是区分病毒性和细菌性肺炎源	本文使用了两个不同的数据集进行评估，但目前没有公开的区分病毒和细菌肺炎的数据集	研究已知架构在区分病毒和细菌性肺炎源的胸部X光图像中的有效性，特别是针对SARS-CoV-2感染	胸部X光图像中的肺炎分类，特别是区分病毒性和细菌性肺炎源	计算机视觉	呼吸系统疾病	迁移学习	神经网络	图像	6330张胸部X光图像
17788	2024-09-10	Forecasting COVID-19 new cases using deep learning methods 2022-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105342 PMID:35247764	研究论文	本文使用三种深度学习模型（CNN、LSTM和CNN-LSTM）预测巴西、印度和俄罗斯的COVID-19新增病例，并与现有模型进行性能比较	本文开发的LSTM模型在预测准确性上有所提高，相比现有模型表现更好	模型仅应用于巴西、印度和俄罗斯的数据，但可扩展到其他国家的数据集	预测COVID-19新增病例，支持全球抗击疫情	巴西、印度和俄罗斯的COVID-19新增病例	机器学习	传染病	深度学习	CNN、LSTM、CNN-LSTM	时间序列数据	巴西、印度和俄罗斯的数据
17789	2024-09-10	MultiR-Net: A Novel Joint Learning Network for COVID-19 segmentation and classification 2022-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105340 PMID:35305504	研究论文	本文提出了一种名为MultiR-Net的3D深度学习模型，用于COVID-19的分类和病变分割，以实现实时且可解释的胸部CT诊断	本文创新性地提出了MultiR-Net模型，结合了病变分割和疾病分类两个任务，并通过反向注意力机制和迭代训练策略增强了两个子网之间的特征融合	本文未详细讨论模型的计算资源需求和训练时间，且未提及模型在不同数据集上的泛化能力	开发一种能够同时进行COVID-19分类和病变分割的深度学习模型，以提高胸部CT诊断的准确性和效率	COVID-19、社区获得性肺炎（CAP）和健康人群的胸部CT扫描图像	计算机视觉	COVID-19	深度学习	3D深度学习模型	CT扫描图像	275个3D CT扫描图像，用于COVID-19、CAP和健康人群的分类以及肺炎患者的病变分割
17790	2024-09-10	A fuzzy-enhanced deep learning approach for early detection of Covid-19 pneumonia from portable chest X-ray images 2022-Apr-07, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2022.01.055 PMID:35079203	研究论文	本文提出了一种基于模糊逻辑增强的深度学习方法，用于从便携式胸部X光图像中早期检测Covid-19肺炎	结合模糊边缘检测算法生成的模糊图像与胸部X光图像，通过深度学习方法提高了分类性能	NA	开发一种计算机辅助系统，用于早期诊断Covid-19肺炎并有效分流患者	Covid-19肺炎患者与非Covid-19间质性肺炎患者的胸部X光图像	计算机视觉	Covid-19	深度学习	MLP	图像	NA
17791	2024-09-10	Optimizing deep neural networks to predict the effect of social distancing on COVID-19 spread 2022-Apr, Computers & industrial engineering IF:6.7Q1 DOI:10.1016/j.cie.2022.107970 PMID:36568699	研究论文	本文提出了一种基于深度神经网络（DNN）和改进粒子群优化（IPSO）算法的进化深度学习模型IPSO-DNN，用于预测社交距离对COVID-19传播的影响	本文创新性地结合了进化算法和深度学习模型，通过改进的粒子群优化算法优化DNN的超参数，提高了预测精度和计算效率	本文仅在美国的数据上进行了实验，结果的普适性有待进一步验证	研究如何通过优化深度学习模型来准确预测社交距离对COVID-19传播的影响	社交距离对COVID-19传播的影响	机器学习	传染病	深度神经网络（DNN）	深度神经网络（DNN）	数值数据	美国社交距离指标数据
17792	2024-09-10	Automatic detection of multiple types of pneumonia: Open dataset and a multi-scale attention network 2022-Mar, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.103415 PMID:34909050	研究论文	本文提出了一种基于多尺度注意力网络（MSANet）的自动分类方法，用于胸部CT图像中多种类型肺炎的检测	本文创新性地提出了多尺度注意力网络（MSANet），能够自动关注肺炎病变的判别信息和多尺度特征，从而提高分类效果	NA	快速准确地识别COVID-19肺炎、非COVID-19病毒性肺炎、细菌性肺炎、支原体肺炎和正常肺部	胸部CT图像中的多种类型肺炎	计算机视觉	肺炎	深度学习	多尺度注意力网络（MSANet）	图像	NA
17793	2024-09-10	Fast quantitative bone marrow lesion measurement on knee MRI for the assessment of osteoarthritis 2022-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2022.100234 PMID:36474467	研究论文	本文开发并验证了一种基于深度学习的快速量化膝关节MRI中骨髓病变体积的方法	本文提出了一种基于补丁的卷积神经网络（CNN），用于自动分割骨髓病变，减少了手动描绘的繁琐过程	本文未详细讨论该方法在不同MRI设备或不同患者群体中的适用性	开发一种更高效的方法来量化膝关节MRI扫描中的骨髓病变体积	膝关节MRI扫描中的骨髓病变	计算机视觉	骨关节炎	MRI	CNN	图像	673个MRI数据集
17794	2024-09-10	Weakly Supervised Segmentation of COVID19 Infection with Scribble Annotation on CT Images 2022-Feb, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2021.108341 PMID:34565913	研究论文	提出了一种基于CT图像的COVID-19感染弱监督分割方法，仅使用涂鸦注释，并结合不确定性自集成和变换一致性技术	引入不确定性感知均值教师模型和变换一致性策略，以提高弱监督分割的准确性	仅在三个数据集上进行了评估，可能需要更多数据集验证其泛化能力	开发一种高效的弱监督分割方法，以减少COVID-19感染CT图像分割中对全标注数据的依赖	COVID-19感染的CT图像	计算机视觉	COVID-19	卷积神经网络	CNN	图像	两个公开数据集和一个本地数据集
17795	2024-09-10	A novel data augmentation based on Gabor filter and convolutional deep learning for improving the classification of COVID-19 chest X-Ray images 2022-Feb, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.103326 PMID:34777557	研究论文	提出了一种基于Gabor滤波器和卷积深度学习的数据增强方法，用于改进COVID-19胸部X光图像的分类	结合传统数据增强技术和生成对抗网络（GANs）解决了数据限制问题，并通过应用不同的滤波器（如Sobel、高斯拉普拉斯（LoG）和Gabor滤波器）实现了更深层次的特征提取	NA	改进COVID-19患者的胸部X光图像筛查和分类	COVID-19胸部X光图像	计算机视觉	COVID-19	Gabor滤波器、生成对抗网络（GANs）	卷积神经网络（CNN）	图像	4560张胸部X光图像，其中360张为COVID-19类别，其余为非COVID-19疾病
17796	2024-09-10	Viral outbreaks detection and surveillance using wastewater-based epidemiology, viral air sampling, and machine learning techniques: A comprehensive review and outlook 2022-Jan-10, The Science of the total environment DOI:10.1016/j.scitotenv.2021.149834 PMID:34525746	综述	本文综述了利用污水流行病学、病毒空气采样和机器学习技术进行病毒暴发检测和监测的方法，并展望了未来的研究方向	提出了一个基于机器学习和深度学习算法的集成框架，用于病毒暴发的早期检测和风险预测	尚未有研究报告结合污水流行病学和人工智能技术进行病毒暴发检测	探讨环境中的SARS-CoV-2传播途径，并提供利用污水流行病学、病毒空气采样和人工智能技术进行病毒暴发监测的最新进展	SARS-CoV-2的传播途径和病毒暴发的监测方法	机器学习	NA	机器学习、深度学习	集成算法	文本	NA
17797	2024-09-10	A deep learning based approach for automatic detection of COVID-19 cases using chest X-ray images 2022-Jan, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.103182 PMID:34580596	研究论文	本文提出了一种基于深度学习的COVID-19自动检测方法，使用胸部X光图像进行诊断	本文提出了一种新的三步法，结合条件生成对抗网络（C-GAN）、关键点提取方法和深度神经网络（DNN）进行特征提取和分类	NA	开发一种高效的COVID-19自动检测方法，以减少病毒传播率	COVID-19和肺炎的胸部X光图像	计算机视觉	COVID-19	深度学习	深度神经网络（DNN）	图像	NA
17798	2024-09-10	Feature extraction with capsule network for the COVID-19 disease prediction though X-ray images 2022, Materials today. Proceedings DOI:10.1016/j.matpr.2021.11.512 PMID:34900608	研究论文	本文利用胶囊网络进行特征提取，通过X射线图像预测COVID-19疾病	本文提出了一种名为XR-CAPS的模型，结合了U-Net模型和胶囊网络，用于COVID-19的X射线图像预测，并在准确性、敏感性和特异性上优于现有的ResNet50、DenseNet121和DenseCapsNet模型	NA	通过X射线图像预测COVID-19疾病	COVID-19的X射线图像	计算机视觉	COVID-19	深度学习	胶囊网络	图像	NA
17799	2024-09-10	Fake or real news about COVID-19? Pretrained transformer model to detect potential misleading news 2022, The European physical journal. Special topics DOI:10.1140/epjs/s11734-022-00436-6 PMID:35039760	研究论文	本文研究了如何使用预训练的Transformer模型来检测COVID-19相关新闻的真伪	提出了一个基于CT-BERT和RoBERTa的集成深度学习架构，通过乘法融合技术提高了检测准确率	未提及具体限制	教育社会准确信息的重要性，并防止虚假信息的传播	COVID-19相关的虚假新闻数据	自然语言处理	NA	深度学习	Transformer模型（CT-BERT和RoBERTa）	文本	来自Twitter、Facebook和Instagram的COVID-19虚假新闻数据
17800	2024-09-10	COVID-19 disease diagnosis with light-weight CNN using modified MFCC and enhanced GFCC from human respiratory sounds 2022, The European physical journal. Special topics DOI:10.1140/epjs/s11734-022-00432-w PMID:35096278	研究论文	本文提出了一种使用改进的MFCC和增强的GFCC从人类呼吸声音中诊断COVID-19疾病的轻量级CNN模型	本文的创新点在于使用改进的MFCC和增强的GFCC特征提取方法，并结合轻量级CNN模型，显著提高了COVID-19和其他呼吸系统疾病的分类准确率	本文的局限性在于仅使用了呼吸声音数据进行模型训练和测试，未涉及其他类型的数据	本文的研究目的是开发一种高效的AI技术，用于从人类呼吸声音中检测COVID-19和其他呼吸系统疾病的症状	本文的研究对象是COVID-19、哮喘、百日咳和支气管炎等呼吸系统疾病的症状	机器学习	呼吸系统疾病	卷积神经网络（CNN）	CNN	声音	使用了COVID-19众包基准数据集进行模型训练和测试