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
17821	2024-08-30	Optimizing Graphical Procedures for Multiplicity Control in a Confirmatory Clinical Trial via Deep Learning 2022, Statistics in biopharmaceutical research IF:1.5Q2 DOI:10.1080/19466315.2020.1799855 PMID:35401935	研究论文	本文评估了两种现有的无导数约束方法的性能，并提出了一种基于深度学习的优化框架，用于在确认性临床试验中优化图形程序以控制多重性	提出了一种基于前馈神经网络（FNN）的深度学习增强优化框架，该方法在保持某些测试程序特征固定的同时，优化其他特征	NA	优化确认性临床试验中的图形程序，以控制多重性并最大化特定目标函数	确认性临床试验中的多重性控制	机器学习	NA	深度学习	前馈神经网络（FNN）	NA	NA
17822	2024-08-30	A systematic review on cough sound analysis for Covid-19 diagnosis and screening: is my cough sound COVID-19? 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.958 PMID:35634112	综述	本文综述了2020年和2021年利用人工智能工具分析咳嗽声音进行COVID-19筛查的最新研究	采用机器学习算法和深度学习模型分析咳嗽声音，以实现COVID-19的筛查	未包括预印本文章，因为它们未经同行评审	探讨人工智能工具在资源有限地区进行COVID-19大规模筛查的应用	咳嗽声音分析	机器学习	COVID-19	机器学习	深度学习模型	声音	NA
17823	2024-08-30	Multiple Traffic Target Tracking with Spatial-Temporal Affinity Network 2022, Computational intelligence and neuroscience DOI:10.1155/2022/9693767 PMID:35655505	研究论文	本文提出了一种时空编码解码亲和网络用于多交通目标跟踪，旨在利用深度学习的力量学习检测和轨迹的鲁棒时空亲和特征以进行数据关联	该研究提出了一种新的时空编码解码亲和网络，通过两阶段变换器编码模块捕获图像级别和轨迹级别的特征，以及一个空间变换器解码模块计算关联亲和度，从而实现高效的数据关联	NA	利用深度学习技术改进智能交通系统中的多目标跟踪任务	多交通目标的跟踪	计算机视觉	NA	深度学习	变换器（Transformer）	图像	使用了三个流行的多交通目标跟踪数据集：KITTI、UA-DETRAC和VisDrone进行评估
17824	2024-08-30	Interpretable Deep Learning Model Reveals Subsequences of Various Functions for Long Non-Coding RNA Identification 2022, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2022.876721 PMID:35685437	研究论文	本文介绍了一种名为Xlnc1DCNN的工具，用于通过一维卷积神经网络区分长非编码RNA（lncRNA）和蛋白质编码转录本（PCT），并提供预测解释	Xlnc1DCNN不仅在准确性和F1分数上优于其他现有工具，还提供了预测结果的解释，揭示了lncRNA和PCT的主要识别特征	NA	开发一种能够有效区分lncRNA和PCT的计算工具，并提供预测结果的解释	长非编码RNA（lncRNA）和蛋白质编码转录本（PCT）	机器学习	NA	下一代测序技术	一维卷积神经网络（1DCNN）	序列数据	人类测试集
17825	2024-08-30	PSegNet: Simultaneous Semantic and Instance Segmentation for Point Clouds of Plants 2022, Plant phenomics (Washington, D.C.) DOI:10.34133/2022/9787643 PMID:35693119	研究论文	本文提出了一种名为PSegNet的深度学习网络，用于植物点云的语义和实例分割	引入了Voxelized Farthest Point Sampling (VFPS)点云下采样策略和三个新模块：Double-Neighborhood Feature Extraction Block (DNFEB)、Double-Granularity Feature Fusion Module (DGFFM)和Attention Module (AM)	未提及	提高植物表型分析中对植物生长监测的自动化水平	植物的叶子和茎的3D点云	计算机视觉	NA	深度学习	PSegNet	点云	涉及三种植物物种的数据集
17826	2024-08-30	Development and Validation of a Deep Learning Based Automated Minirhizotron Image Analysis Pipeline 2022, Plant phenomics (Washington, D.C.) DOI:10.34133/2022/9758532 PMID:35693120	研究论文	开发并验证了一种基于深度学习的自动化微根窗图像分析流程	结合了先进的软件工具，使用深度神经网络和自动特征提取，显著减少了微根窗图像的处理时间	NA	开发一种用于高通量图像分析的客观方法，为田间根系表型分析提供数据	作物根系及其在农业生态系统中的作用	计算机视觉	NA	深度神经网络	神经网络模型	图像	超过36,500张图像
17827	2024-08-30	Deep Learning-Based Automated Detection of Arterial Vessel Wall and Plaque on Magnetic Resonance Vessel Wall Images 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.888814 PMID:35720719	研究论文	本文开发并评估了一种基于深度学习的动脉血管壁和斑块自动分割方法，该方法有助于在磁共振血管壁成像中进行动脉形态学定量分析	提出的自动分割方法在分割动脉血管壁和斑块方面与手动方法具有良好的一致性，并且比传统U-Net、Attention U-Net和Inception U-Net在相同测试集上表现更好	NA	开发和评估一种自动分割动脉血管壁和斑块的方法，以促进动脉形态学在磁共振血管壁成像中的定量分析	动脉血管壁和斑块的自动分割	计算机视觉	心血管疾病	磁共振血管壁成像	卷积神经网络	图像	124名患有动脉粥样硬化斑块的患者
17828	2024-08-30	A novel and efficient deep learning approach for COVID-19 detection using X-ray imaging modality 2021-Dec, International journal of imaging systems and technology IF:3.0Q2 DOI:10.1002/ima.22627 PMID:34518739	研究论文	本文提出了一种基于深度学习的卷积神经网络（CNN）集成模型，用于通过X射线影像快速准确地检测COVID-19	采用对比度增强和图像归一化预处理方法，以及数据增强技术，提高了检测准确性	NA	开发一种高效且准确的自动化COVID-19检测方法，以减少计算需求并防止病毒传播	COVID-19、肺炎和正常胸部X射线图像	计算机视觉	COVID-19	深度学习	CNN	图像	2161张COVID-19图像，2022张肺炎图像，5863张正常胸部X射线图像
17829	2024-08-30	Multilevel depth-wise context attention network with atrous mechanism for segmentation of COVID19 affected regions 2021-Oct-26, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-021-06636-w PMID:34720443	研究论文	本文提出了一种带有膨胀机制的多层次深度上下文注意力网络，用于COVID-19受影响区域的精确分割	引入了3D深度卷积和3D残差挤压激励块，以及不同膨胀率的膨胀机制，以捕获多尺度上下文特征	未提及	开发一种高效的深度学习解决方案，用于COVID-19及其变种的快速准确诊断	COVID-19受影响区域的分割和病变定位	计算机视觉	COVID-19	深度学习	CNN	CT图像	基准CT数据集
17830	2024-08-30	Characterizing Swallows From People With Neurodegenerative Diseases Using High-Resolution Cervical Auscultation Signals and Temporal and Spatial Swallow Kinematic Measurements 2021-09-14, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2021_JSLHR-21-00134 PMID:34428093	研究论文	本研究通过高分辨率颈听诊信号和时空吞咽运动学测量，比较了神经退行性疾病患者与健康成年人的吞咽功能差异，并探讨了高分辨率颈听诊在标记神经退行性疾病患者吞咽运动学事件中的能力	本研究首次使用高分辨率颈听诊（HRCA）结合深度学习机器学习算法，对神经退行性疾病患者的吞咽运动学事件进行精确标注	研究样本量相对较小，且仅限于神经退行性疾病患者与健康成年人之间的比较	比较神经退行性疾病患者与健康成年人的吞咽运动学测量，并评估高分辨率颈听诊在标记这些事件中的准确性	神经退行性疾病患者和健康成年人的吞咽功能	数字病理学	神经退行性疾病	高分辨率颈听诊（HRCA）	深度学习机器学习算法	信号	170名神经退行性疾病患者和171名健康成年人的吞咽样本
17831	2024-08-30	Examining embedded apparatuses of AI in Facebook and TikTok 2021-Sep-12, AI & society IF:2.9Q2 DOI:10.1007/s00146-021-01270-5 PMID:34539095	研究论文	本文通过分析Facebook和TikTok的透明度倡议和官方声明，探讨了AI在这些社交平台中的嵌入方式及其功能，特别是AI内容审核作为解决问题材料和错误信息传播的解决方案。	文章创新地分析了AI作为物质-话语机制的复杂性，强调了其在特定时间段内可见、可说、可知的论述技巧以及算法、数据集、用户、平台、基础设施、审核员等物质安排。	文章主要依赖于Facebook和TikTok的透明度倡议和官方声明，可能未能全面揭示AI在这些平台中运作的所有细节。	研究目的是探讨AI在社交平台中的嵌入方式及其对内容推荐、广告个性化、新闻聚合和问题材料审核的影响。	研究对象包括Facebook和TikTok这两个社交平台中的AI嵌入机制。	自然语言处理	NA	机器学习 (ML), 深度学习 (DL)	NA	文本	NA
17832	2024-08-30	Machine learning for medical imaging-based COVID-19 detection and diagnosis 2021-Sep, International journal of intelligent systems IF:5.0Q1 DOI:10.1002/int.22504 PMID:38607786	综述	本文综述了机器学习在基于医学影像的COVID-19检测与诊断中的最新进展，特别关注使用CT和X射线图像的机器学习模型	利用深度学习算法，特别是卷积神经网络，进行图像分割和分类，以识别COVID-19患者	许多机器学习模块在样本量有限的数据集上取得了显著的预测结果	探讨机器学习在COVID-19检测与诊断中的应用，以控制疫情传播和降低死亡率	COVID-19的检测与诊断	机器学习	COVID-19	NA	卷积神经网络	图像	有限样本量
17833	2024-08-30	CondenseNet with exclusive lasso regularization 2021, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-021-06222-0 PMID:34219978	研究论文	本文开发了CondenseNet-elasso，通过应用exclusive lasso正则化来消除不同卷积组之间的特征相关性，从而缓解神经网络的过拟合问题	引入exclusive lasso正则化，鼓励不同卷积组使用不同的输入通道子集，学习更多样化的特征	NA	提高计算效率并缓解神经网络的过拟合问题	CondenseNet-elasso模型及其在图像分类任务中的性能	机器学习	NA	group convolution	CNN	image	CIFAR10, CIFAR100和Tiny ImageNet数据集
17834	2024-08-30	Deep neural networks for COVID-19 detection and diagnosis using images and acoustic-based techniques: a recent review 2021, Soft computing IF:3.1Q2 DOI:10.1007/s00500-021-06137-x PMID:34456618	综述	本文综述了使用图像和声学技术基于深度学习算法进行COVID-19检测和诊断的方法	讨论了不同方法的优势和劣势，并介绍了基于深度学习的COVID-19检测的数据库和主要未来挑战	未具体提及	探讨基于深度学习的COVID-19早期诊断和检测方法，以加快治疗过程并防止病毒传播	COVID-19的早期检测和诊断	计算机视觉	COVID-19	深度学习算法	深度神经网络	图像	未具体提及
17835	2024-08-30	Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray images using fine-tuned deep neural networks 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-020-01900-3 PMID:34764554	研究论文	本文提出了一种使用后前位胸X光图像和微调深度神经网络来自动诊断COVID-19的方法	采用随机过采样和加权类别损失函数方法，以实现无偏微调学习，并应用于多种先进的深度学习模型	研究使用的数据集样本有限，主要关注COVID-19阳性病例	开发一种更稳健和替代的COVID-19诊断技术	COVID-19的自动诊断和肺部感染的识别	机器学习	呼吸系统疾病	深度学习	NASNetLarge, ResNet, Inception-v3, Inception ResNet-v2, DenseNet169	图像	公开数据集中包含的COVID-19阳性患者的后前位胸X光图像有限
17836	2024-08-30	A deep learning approach to characterize 2019 coronavirus disease (COVID-19) pneumonia in chest CT images 2020-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-020-07044-9 PMID:32617690	研究论文	利用深度学习模型自动检测COVID-19患者的胸部CT图像中的异常，并与放射科住院医师的定量判断性能进行比较	深度学习模型在检测COVID-19肺炎方面表现出比放射科住院医师更高的敏感性和诊断效率	NA	开发和验证一种深度学习算法，用于自动检测COVID-19患者的胸部CT图像中的肺炎病变	COVID-19患者的胸部CT图像	计算机视觉	COVID-19	深度学习	深度学习算法	图像	14,435名参与者的胸部CT图像用于训练和验证，96名确诊COVID-19患者的非重叠数据集用于测试
17837	2024-08-29	An efficient model for extracting respiratory and blood oxygen saturation data from photoplethysmogram signals by removing motion artifacts using heuristic-aided ensemble learning model 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108911 PMID:39089111	研究论文	本文开发了一种基于深度学习的方法，从光电容积脉搏波信号中提取呼吸率和血氧饱和度数据，通过启发式辅助的集成学习模型去除运动伪影	提出的AGTBO-ELRR-SpO2EN模型在第二数据集上达到了96%的准确率，优于传统的MLP、Adaboost、A-LSTM和MLP-ADA-ALSTM模型	NA	开发一种高效的呼吸率和血氧饱和度估计框架，用于从光电容积脉搏波信号中提取数据	光电容积脉搏波信号中的呼吸率和血氧饱和度数据	机器学习	心血管疾病	深度学习	集成学习模型	信号	NA
17838	2024-08-29	Using deep learning for predicting the dynamic evolution of breast cancer migration 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108890 PMID:39068903	研究论文	本研究通过深度学习技术预测乳腺癌细胞迁移的动态演变	引入Prediction Wound Progression Framework (PWPF)，利用深度学习和人工数据生成来克服传统二维模型在数据稀缺和劳动密集型方面的局限	NA	提高对乳腺癌转移过程中细胞迁移机制的理解，以改进治疗策略	乳腺癌细胞迁移的动态演变	机器学习	乳腺癌	深度学习	DL模型	人工数据和真实数据	涉及MCF-7乳腺癌细胞单层和球体
17839	2024-08-29	Model-based federated learning for accurate MR image reconstruction from undersampled k-space data 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108905 PMID:39067156	研究论文	本文提出了一种基于模型的联邦学习框架ModFed，用于从欠采样的k空间数据中重建磁共振（MR）图像	ModFed设计了注意力辅助的基于模型的神经网络，提出了一种自适应动态聚合方案，并引入了空间拉普拉斯注意力机制和个性化客户端损失正则化	NA	解决现有联邦学习方法在处理来自不同中心的高度异质数据时面临的挑战	磁共振图像重建	机器学习	NA	联邦学习	神经网络	图像	三个体内数据集
17840	2024-08-29	Random effects during training: Implications for deep learning-based medical image segmentation 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108944 PMID:39096609	研究论文	本研究评估了训练过程中随机效应对深度学习医学图像分割模型性能比较可靠性的影响	首次系统评估了随机效应对深度学习分割模型性能比较的影响	仅使用了单一学习算法nnU-Net进行实验，结果可能不完全适用于其他算法	探讨训练过程中随机效应对医学图像分割模型性能比较的影响	脑肿瘤、海马体和心脏分割等三个多类3D医学图像分割问题	计算机视觉	NA	深度学习	nnU-Net	图像	50个不同的随机种子