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
18101	2024-09-10	Advanced deep learning approaches to predict supply chain risks under COVID-19 restrictions 2023-Jan, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2022.118604 PMID:35999828	研究论文	本文提出了一种基于深度学习的方法来预测在COVID-19限制下的供应链风险	本文提出了两种深度学习模型变体（RNN和TCN）来预测供应链风险，并展示了TCN模型在预测风险方面的100%准确率	NA	预测在COVID-19限制下的供应链风险，以提高供应链的韧性	供应链中的货物运输风险	机器学习	NA	深度学习	RNN（LSTM、BiLSTM、GRU）和TCN	在线数据集	NA
18102	2024-09-10	SARS-CoV-2 virus classification based on stacked sparse autoencoder 2023, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.12.007 PMID:36530948	研究论文	本文提出了一种基于堆叠稀疏自编码器（SSAE）的SARS-CoV-2病毒分类方法	使用图像表示的完整基因组序列作为SSAE的输入，实现了高效的病毒分类	未在训练过程中使用SARS-CoV-2样本，仅在后续测试中使用	开发一种高效的病毒基因组分类方法，特别是针对SARS-CoV-2	SARS-CoV-2病毒的基因组序列	机器学习	NA	堆叠稀疏自编码器（SSAE）	堆叠稀疏自编码器（SSAE）	图像	未明确提及具体样本数量
18103	2024-09-10	Intelligent lead-based bidirectional long short term memory for COVID-19 sentiment analysis 2023, Social network analysis and mining IF:2.3Q3 DOI:10.1007/s13278-022-01005-4 PMID:36532863	研究论文	本文介绍了一种基于智能引导的双向长短期记忆网络（BiLSTM）用于COVID-19情感分析	通过引入智能引导优化，减少了分类器在学习数据时的损失，提高了情感分析的准确性	未提及具体限制	识别COVID-19相关推特数据中人们的情感	COVID-19相关推特数据	自然语言处理	NA	NA	双向长短期记忆网络（BiLSTM）	文本	未提及具体样本数量
18104	2024-09-10	Evaluating GPCR modeling and docking strategies in the era of deep learning-based protein structure prediction 2023, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.11.057 PMID:36544468	研究论文	本文评估了在深度学习时代下，GPCR建模和对接策略在基于结构的药物发现中的应用	本文展示了通过深度学习技术改进蛋白质结构预测后，对接和虚拟筛选的显著提升	本文的研究结果主要基于70个GPCR复合物的数据集，可能无法完全代表所有GPCR的情况	探讨如何将深度学习在蛋白质结构预测领域的革命性进展转化为基于结构的药物发现领域的进步	70个与小分子或肽结合的GPCR复合物	机器学习	NA	深度学习	NA	蛋白质结构数据	70个GPCR复合物
18105	2024-09-10	PSTCNN: Explainable COVID-19 diagnosis using PSO-guided self-tuning CNN 2023, Biocell : official journal of the Sociedades Latinoamericanas de Microscopia Electronica ... et. al IF:0.8Q4 DOI:10.32604/biocell.2021.0xxx PMID:36570878	研究论文	本文提出了一种基于粒子群优化（PSO）引导的自调优卷积神经网络（PSTCNN），用于可解释的COVID-19诊断	引入了粒子群优化算法来自动调整卷积神经网络的超参数，减少了人工干预，并能更稳定地接近全局最优解	未提及	开发一种高效的深度学习模型，用于COVID-19的自动诊断，以缓解全球医疗资源不足的压力	COVID-19的诊断	计算机视觉	COVID-19	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	未提及
18106	2024-09-10	EpiCas-DL: Predicting sgRNA activity for CRISPR-mediated epigenome editing by deep learning 2023, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.11.034 PMID:36582444	研究论文	本文开发了一种深度学习框架EpiCas-DL，用于预测CRISPR介导的表观基因组编辑中sgRNA的活性	EpiCas-DL在sgRNA活性预测方面具有高准确性，并优于其他现有方法	NA	优化sgRNA设计以提高CRISPR介导的表观基因组编辑效率	sgRNA的活性及其在基因沉默和激活中的应用	机器学习	NA	CRISPR	深度学习框架	实验数据	数千个实验验证的靶点
18107	2024-09-10	The PANDORA Software for Anchor-Restrained Peptide:MHC Modeling 2023, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3239-0_18 PMID:37258920	研究论文	本文介绍了PANDORA软件的协议，该软件用于生成锚定约束的肽:MHC三维结构模型	PANDORA利用MHC分子用于锚定肽的结构知识，提供锚定位置作为约束来指导建模过程，能够在约5分钟内生成二十个3D模型	NA	开发一种能够快速准确生成肽:MHC三维结构模型的软件	肽:MHC复合物的三维结构	生物信息学	NA	NA	NA	结构模型	NA
18108	2024-09-10	A novel deep neural network model based Xception and genetic algorithm for detection of COVID-19 from X-ray images 2022-Dec-25, Annals of operations research IF:4.4Q1 DOI:10.1007/s10479-022-05151-y PMID:36591406	研究论文	本文提出了一种基于Xception和遗传算法的新型深度神经网络模型，用于从X射线图像中检测COVID-19	本文的创新点在于结合了Xception模型和遗传算法，通过迭代优化网络结构和参数，提高了COVID-19检测的准确性	NA	开发一种高效的深度学习模型，用于从X射线图像中检测COVID-19	COVID-19的X射线图像	计算机视觉	COVID-19	遗传算法	Xception	图像	使用了COVID-19的X射线图像数据集，包括两类、三类和四类数据集
18109	2024-09-10	Convolutional neural network for automated segmentation of the liver and its vessels on non-contrast T1 vibe Dixon acquisitions 2022-12-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26328-2 PMID:36543852	研究论文	评估了在非对比T1 vibe Dixon采集上使用卷积神经网络自动分割肝脏及其血管的有效性	使用单模态的同相重建输入在肝脏实质、门静脉和肝静脉的分割中取得了最佳性能	未观察到使用多模态输入的益处	研究深度学习在非对比T1 vibe Dixon图像上自动分割肝脏及其血管的效果	肝脏及其血管的自动分割	计算机视觉	NA	卷积神经网络	3D U-Net	图像	使用了非对比T1 vibe Dixon肝脏磁共振图像的数据集，由专家逐层标注了肝脏外边界、门静脉和肝静脉
18110	2024-09-10	Automatic segmentation of prostate zonal anatomy on MRI: a systematic review of the literature 2022-Dec-21, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-022-01340-2 PMID:36543901	综述	本文对当前文献中关于MRI上前列腺分区解剖自动分割的方法进行了系统性回顾和分析	NA	本文发现许多方法存在方法学缺陷和偏倚，导致无法进行定量分析，表明这些方法在临床实践中的鲁棒性和适用性较低	评估和比较已发表的自动分割前列腺分区解剖方法的适用性和效率	MRI上的前列腺分区解剖	计算机视觉	前列腺癌	深度学习	NA	图像	共回顾了33篇文章
18111	2024-09-10	Where do we stand in AI for endoscopic image analysis? Deciphering gaps and future directions 2022-Dec-20, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00733-3 PMID:36539473	review	本文综述了人工智能在内窥镜图像分析领域的最新进展，并强调了当前未满足的需求和未来方向	NA	NA	探讨人工智能在内窥镜图像分析中的应用现状及未来发展方向	内窥镜图像分析中的数据异质性、多模态性及罕见或不明显的疾病案例	computer vision	NA	deep learning	NA	image	NA
18112	2024-09-10	What makes the unsupervised monocular depth estimation (UMDE) model training better 2022-12-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26613-0 PMID:36539595	研究论文	本文提出了一种合成数据集生成方法，用于无监督单目深度估计模型的训练，并通过实验验证了该方法的有效性	提出了一种合成数据集生成方法，无需大量人工标注，能够扩展数据集，并验证了该数据集在深度估计模型训练中的有效性	仅在飞机导航应用场景中进行了验证，未涵盖其他应用场景	探索无监督单目深度估计模型训练中的关键因素，提升模型性能	无监督单目深度估计模型及其训练数据集	计算机视觉	NA	深度学习	无监督单目深度估计模型	视频	包含飞机第一人称视角视频的MineNavi数据集
18113	2024-09-10	Research on an intelligent diagnosis method of mechanical faults for small sample data sets 2022-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26316-6 PMID:36539540	研究论文	提出了一种针对小样本数据集的智能机械故障诊断方法	该方法不仅能够诊断轴承故障和齿轮故障，还具有较强的泛化性能，通过卷积神经网络实现自动特征提取，并使用SVM进行特征分类	NA	解决机械故障诊断领域中特征提取困难和小样本问题	轴承故障和齿轮故障	机器学习	NA	卷积神经网络	CNN	数据集	使用了来自Case Western Reserve University、西安交通大学和康涅狄格大学的轴承和齿轮故障数据集
18114	2024-09-10	Automatic lesion detection and segmentation in 18F-flutemetamol positron emission tomography images using deep learning 2022-Dec-20, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-022-01058-8 PMID:36539779	研究论文	本研究利用深度学习技术，通过2D U-Net卷积神经网络自动检测和分割18F-flutemetamol PET图像中的病变区域	首次使用2D U-Net卷积神经网络进行18F-flutemetamol PET图像的自动病变检测和分割	研究仅限于特定脑区的病变检测和分割，未涵盖全脑范围	提高阿尔茨海默病患者脑部PET图像病变检测和分割的准确性	18F-flutemetamol PET图像中的病变区域	计算机视觉	阿尔茨海默病	深度学习	U-Net	图像	NA
18115	2024-09-10	Recent advances in Predictive Learning Analytics: A decade systematic review (2012-2022) 2022-Dec-20, Education and information technologies IF:4.8Q1 DOI:10.1007/s10639-022-11536-0 PMID:36571084	综述	本文综述了2012年至2022年间高等教育领域预测学习分析的最新研究进展	系统回顾了过去十年中预测分析在高等教育中的应用，分析了预测模型的过程及其关键性能指标	主要基于文献综述，未进行实证研究	回顾和分析高等教育领域预测学习分析的最新研究	预测学术成果的机器学习和深度学习模型及其应用	机器学习	NA	机器学习和深度学习模型	机器学习模型	学生相关数据	NA
18116	2024-09-10	Deep Learning Model for Computer-Aided Diagnosis of Urolithiasis Detection from Kidney-Ureter-Bladder Images 2022-Dec-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9120811 PMID:36551017	研究论文	本文提出了一种基于深度学习模型的计算机辅助诊断系统，用于从肾脏-输尿管-膀胱图像中检测尿路结石	本文提出的深度学习模型在检测尿路结石方面表现优异，优于现有的基于卷积神经网络的方法	本文仅使用了来自一家医院的355张KUB图像进行训练和测试，样本量较小	开发一种帮助急诊室临床医生准确诊断尿路结石的计算机辅助诊断系统	肾脏-输尿管-膀胱图像中的尿路结石	计算机视觉	泌尿系统疾病	深度学习	ResNet	图像	355张KUB图像，来自104名确诊尿路结石的患者
18117	2024-09-10	Automated Classification of Idiopathic Pulmonary Fibrosis in Pathological Images Using Convolutional Neural Network and Generative Adversarial Networks 2022-Dec-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12123195 PMID:36553202	研究论文	本文提出了一种使用卷积神经网络和生成对抗网络自动分类特发性肺纤维化的方法	本文创新性地引入了两步训练方法，使用生成对抗网络生成病理图像以弥补罕见疾病数据不足的问题	本文的分类性能在特异性方面仍有提升空间	开发一种能够准确区分特发性肺纤维化与非特发性肺纤维化的自动化分类方法	特发性肺纤维化与非特发性肺纤维化的病理图像	数字病理	肺部疾病	生成对抗网络	卷积神经网络	图像	24例特发性肺纤维化患者的组织样本，生成23,142张IPF图像和7,817张非IPF图像
18118	2024-09-10	3D black blood cardiovascular magnetic resonance atlases of congenital aortic arch anomalies and the normal fetal heart: application to automated multi-label segmentation 2022-12-15, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1186/s12968-022-00902-z PMID:36517850	研究论文	本文介绍了首个3D黑血T2加权心血管磁共振成像图谱，用于先天性主动脉弓异常和正常胎儿心脏的自动多标签分割	首次创建了正常和异常胎儿心血管解剖结构的3D黑血T2加权CMR图谱，并展示了使用深度学习进行3D胎儿CMR图像多标签血管分割的可行性	网络在未见过的早期妊娠和低信噪比数据集上的表现有限	开发和评估用于自动3D多标签分割胎儿心脏血管的图谱引导注册和深度学习方法	正常和异常胎儿心血管解剖结构的3D图谱	数字病理学	心血管疾病	心血管磁共振成像 (CMR)	UNETR	图像	86例第三孕期胎儿（孕周范围29-34周），包括28例健康对照、20例新生儿主动脉缩窄和38例血管环
18119	2024-09-10	Evaluation of deep learning models in contactless human motion detection system for next generation healthcare 2022-12-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-25403-y PMID:36517511	研究论文	本文评估了基于深度学习的非接触式人体运动检测系统在下一代医疗保健中的应用	提出了一种基于信道状态信息（CSI）和无线电频率（RF）信号的AI驱动的人体运动检测系统，并通过结构修改和数据降维技术改进了深度学习模型的性能	本文未提及具体的局限性	改进非接触式AI人体运动检测系统的深度学习模型性能	人体运动检测系统	机器学习	NA	信道状态信息（CSI）提取	深度学习网络	信道状态信息（CSI）数据	使用了中心频率为5.32 GHz的CSI数据
18120	2024-09-10	Deep learning-based speech analysis for Alzheimer's disease detection: a literature review 2022-12-14, Alzheimer's research & therapy DOI:10.1186/s13195-022-01131-3 PMID:36517837	综述	本文综述了基于深度学习的语音分析技术在阿尔茨海默病检测中的应用	本文整合了最新的研究进展，总结了语音数据库、深度学习方法和模型性能	本文指出了当前研究中的主流和局限性，并提供了未来研究的方向	综述基于深度学习的语音分析技术在阿尔茨海默病检测中的应用	阿尔茨海默病检测	机器学习	老年病	深度学习	NA	语音	NA