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
18161	2024-09-01	A Cross-Modal and Cross-lingual Study of Iconicity in Language: Insights From Deep Learning 2022-06, Cognitive science IF:2.3Q2 DOI:10.1111/cogs.13147 PMID:35665953	研究论文	本文在深度学习框架下研究语言中的非任意性，通过实验评估不同语言中非任意音韵模式的普遍性。	本文展示了跨语言和语言家族的跨领域映射可以成功转移，表明词汇的音韵结构中充满了关于词义和句法类别的语言不变线索。	NA	研究语言中的非任意性，并评估其在不同语言中的普遍性。	不同语言中的非任意音韵模式。	自然语言处理	NA	深度学习	神经网络	文本	一组类型学上相距较远的语言
18162	2024-09-01	Polishing copy number variant calls on exome sequencing data via deep learning 2022-06, Genome research IF:6.2Q1 DOI:10.1101/gr.274845.120 PMID:35697522	研究论文	本文介绍了一种新的深度学习模型，用于提高外显子测序数据中拷贝数变异检测的准确性	该模型能够利用匹配的外显子和全基因组测序数据，学习修正任何现成的基于外显子测序的生殖系拷贝数变异检测结果	NA	提高外显子测序数据中拷贝数变异检测的准确性	拷贝数变异检测	机器学习	NA	外显子测序	深度学习模型	测序数据	使用1000 Genomes Project数据进行训练
18163	2024-09-01	Discovering molecular features of intrinsically disordered regions by using evolution for contrastive learning 2022-06, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010238 PMID:35767567	研究论文	本文介绍了一种名为“反向同源性”的蛋白质组规模特征发现方法，用于识别内在无序区域（IDRs）的分子特征	利用进化原理作为对比学习信号，结合深度学习技术，发现IDRs的保守特征	NA	探索内在无序区域的分子特征，以更好地理解这些广泛存在于蛋白质组中的区域的功能	内在无序区域（IDRs）及其分子特征	机器学习	NA	深度学习	神经网络	蛋白质序列	一组同源的IDRs和从蛋白质组中随机抽样的另一组IDRs
18164	2024-09-01	Risk assessment of ICU patients through deep learning technique: A big data approach 2022-May-30, Journal of global health IF:4.5Q1 DOI:10.7189/jogh.12.04044 PMID:35788091	研究论文	本文通过深度学习技术对ICU患者的治疗反应进行风险评估，采用大数据方法分析患者对镇静剂治疗的连续反应，并提出使用LSTM-RNN模型来预测患者结果。	本文提出使用LSTM-RNN模型结合异构药物事件来预测患者结果，并引入正则语言处理和高斯周期来处理患者处方记录中的噪声、缺失和不均匀测试问题。	文章指出，患者的治疗可能被延长，而RNN可能无法在这种方式下展示。	评估ICU患者通过深度学习技术的风险，并改进治疗计划以避免严重情况。	ICU患者及其对镇静剂治疗的反应。	机器学习	NA	深度学习	LSTM-RNN	文本	未明确提及具体样本数量
18165	2024-09-01	Blockchain-based rumor detection approach for COVID-19 2022-May-20, Journal of ambient intelligence and humanized computing DOI:10.1007/s12652-022-03900-2 PMID:35611303	研究论文	本文提出了一种基于区块链技术的COVID-19谣言检测方法，通过设计一个包含网络层、区块链层、机器层和设备层的四层框架，结合双向长短期记忆（Bi-LSTM）模型，有效防止网络中谣言的传播。	本文创新性地结合区块链技术与Bi-LSTM模型，不仅提高了谣言检测的准确性，还显著降低了误报率。	NA	旨在开发一种高效的谣言检测与预防模型，以应对社交媒体中大量未经验证的信息。	研究对象为社交媒体中的谣言信息及其传播机制。	机器学习	NA	区块链技术	Bi-LSTM	文本	未具体说明样本数量
18166	2024-08-29	Author Correction: Arrhythmic sudden death survival prediction using deep learning analysis of scarring in the heart 2022-May, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-022-00075-z PMID:39195951	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18167	2024-09-01	Software system to predict the infection in COVID-19 patients using deep learning and web of things 2022-Apr, Software: practice & experience DOI:10.1002/spe.3011 PMID:34538962	研究论文	本文提出了一种使用深度学习和物联网的软件系统，用于预测COVID-19患者的感染情况，并通过数据增强技术提高了模型的性能	本文采用了数据增强技术生成合成数据，并结合物联网和传统U-Net模型，提高了COVID-19图像分割的准确性	公开可用的COVID-19图像数据有限，可能导致传统方法的过拟合	开发一种自动化的图像分割系统，以辅助临床决策和疾病监测	COVID-19患者的CT图像	计算机视觉	COVID-19	深度学习	U-Net with EfficientNet B0	图像	使用了COVID Radiopedia和Medseg数据集
18168	2024-09-01	Review on COVID-19 diagnosis models based on machine learning and deep learning approaches 2022-Mar, Expert systems IF:3.0Q2 DOI:10.1111/exsy.12759 PMID:34511689	综述	本文对基于机器学习和深度学习方法的COVID-19诊断模型进行了全面的综述	总结了从2019年12月至2021年4月间发表的超过200项研究，涵盖了DL和ML两大类技术，并分析了评估诊断方法的常用指标	NA	旨在指导研究社区未来在COVID-19的机器学习和深度学习领域的发展	COVID-19的诊断模型	机器学习	COVID-19	机器学习 (ML) 和深度学习 (DL)	支持向量机 (SVM) 和卷积神经网络 (CNN)	数据集	超过200项研究
18169	2024-09-01	Predicting SARS-CoV-2 infection duration at hospital admission:a deep learning solution 2022-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-021-02479-8 PMID:34993693	研究论文	本文提出了一种深度学习模型，用于预测COVID-19患者在医院入院时的感染持续时间	使用深度学习模型结合多种数据类型，包括人口统计学、病史、COVID-19症状、治疗和血液化学测试结果，来预测感染持续时间	需要进一步的外部验证和实际应用测试	开发一种工具，用于预先估计COVID-19患者的预期病程和相关的住院努力	COVID-19患者的感染持续时间	机器学习	NA	深度学习	卷积神经网络	多种数据类型，包括文本和数值数据	222名患者
18170	2024-09-01	Project Achoo: A Practical Model and Application for COVID-19 Detection From Recordings of Breath, Voice, and Cough 2022-Feb, IEEE journal of selected topics in signal processing IF:8.7Q1 DOI:10.1109/JSTSP.2022.3142514 PMID:35582703	研究论文	本文提出了一种使用消费者设备录制的音频快速检测COVID-19的机器学习方法	结合信号处理和噪声消除方法与微调的深度学习网络集合，实现了通过咳嗽声检测COVID-19	NA	开发一种实用的COVID-19检测模型和应用	COVID-19的快速检测	机器学习	COVID-19	深度学习	深度学习网络	音频	包括公开数据集和用户测试期间收集的噪声数据
18171	2024-09-01	Efficient Evaluation of Low-contrast Detectability of Deep-CNN-based CT Reconstruction Using Channelized Hotelling Observer on the ACR Accreditation Phantom 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2612414 PMID:35813246	研究论文	本文利用优化后的通道化Hotelling观察者模型评估了基于深度学习的CT重建方法在低对比度检测能力上的表现。	开发了一种高效的通道化Hotelling观察者模型，仅需1-3次重复扫描即可准确测量低对比度检测能力。	通道化Hotelling观察者的实际应用受限于对大量重复扫描的需求和缺乏高效且广泛接受的基于幻影的方法。	评估基于深度学习的CT重建方法在低对比度检测能力上的表现，以确保诊断信息的完整性。	基于深度学习的CT重建方法在低对比度检测能力上的表现。	计算机视觉	NA	通道化Hotelling观察者	深度卷积神经网络（Deep-CNN）	CT图像	1-3次重复扫描
18172	2024-09-01	Automatic deep learning system for COVID-19 infection quantification in chest CT 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-021-11299-9 PMID:34539221	研究论文	本文提出了一种用于胸部CT扫描中COVID-19感染区域自动分割的深度学习系统	该系统采用U-net架构并结合改进的残差块，通过连接跳跃连接改善梯度值的学习，提高了感染区域分割的准确性	系统性能依赖于可用数据集的多样性和数量，未来数据可用性的增加将进一步提升系统的准确性和泛化能力	开发一种自动化的深度学习系统，用于在胸部CT扫描中量化COVID-19感染区域	COVID-19感染区域的分割	计算机视觉	COVID-19	边缘增强扩散过滤（EED）	FCN（全卷积网络）	图像	使用了来自不同来源的多个2D CT切片进行训练和测试
18173	2024-09-01	Class imbalance in out-of-distribution datasets: Improving the robustness of the TextCNN for the classification of rare cancer types 2022-01, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2021.103957 PMID:34823030	研究论文	本研究旨在量化并提升CNN在分类病理报告中由于临床文本自然演化导致的分布外（OOD）数据集上的文本分类性能	提出了一种新的类特异性集成技术，该技术在分类罕见癌症类型时在宏F1分数上优于其他方法	研究主要集中在类不平衡问题上，未涉及其他可能影响模型性能的因素	提高CNN在临床自然语言处理领域中对罕见癌症类型分类的鲁棒性	病理报告中的罕见癌症类型	自然语言处理	NA	NA	CNN	文本	NA
18174	2024-09-01	Deep Learning Approach Using Diffusion-Weighted Imaging to Estimate the Severity of Aphasia in Stroke Patients 2022-Jan, Journal of stroke IF:6.0Q1 DOI:10.5853/jos.2021.02061 PMID:35135064	研究论文	本研究旨在探讨使用扩散加权成像（DWI）数据通过深度学习（DL）模型预测急性脑卒中患者早期失语症严重程度的适用性	利用深度学习模型结合DWI数据和临床变量来估计失语商（AQ）分数，为早期评估失语症严重程度提供了一种新的方法	研究样本仅来自一家医院，且时间跨度有限，可能影响模型的泛化能力	研究深度学习模型在预测急性脑卒中患者早期失语症严重程度中的应用	急性缺血性脑卒中导致的失语症患者	机器学习	脑卒中	扩散加权成像（DWI）	深度前馈网络	图像	共225名脑卒后失语症患者，其中176名被纳入并分析
18175	2024-09-01	An hybrid deep learning approach for depression prediction from user tweets using feature-rich CNN and bi-directional LSTM 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-12648-y PMID:35317471	研究论文	本文提出了一种混合深度学习模型，结合卷积神经网络（CNN）和双向长短期记忆网络（biLSTM），用于从用户推文中预测抑郁症	本文的创新点在于使用混合深度学习模型CNN-biLSTM，通过分析用户推文的语义内容来预测抑郁症，并在基准抑郁症数据集上达到了94.28%的准确率	NA	探索通过分析用户在社交媒体上的活动，特别是推文内容，来预测用户的心理状态，区分抑郁症患者和非抑郁症患者	研究对象为社交媒体平台Twitter上的用户推文	机器学习	NA	深度学习	CNN, biLSTM	文本	基准抑郁症数据集包含的推文
18176	2024-09-01	On the performance evaluation of object classification models in low altitude aerial data 2022, The Journal of supercomputing IF:2.5Q2 DOI:10.1007/s11227-022-04469-5 PMID:35399758	研究论文	本文比较了机器学习分类器与深度学习手工模型及多种预训练深度网络在低空无人机数据上的分类性能	提出了使用随机森林分类器和手工深度模型在低空无人机图像上的高准确率，并分析了多种预训练深度学习模型的性能	NA	评估和比较不同模型在低空无人机数据上的物体分类性能	低空无人机数据中的物体分类	计算机视觉	NA	机器学习和深度学习	CNN	图像	NA
18177	2024-09-01	A transfer learning based deep learning model to diagnose covid-19 CT scan images 2022, Health and technology IF:3.1Q2 DOI:10.1007/s12553-022-00677-4 PMID:35698586	研究论文	本文提出了一种基于迁移学习的深度学习模型，用于通过CT扫描图像诊断COVID-19	本文提出的深度学习方法减少了复杂性，耗时更少，并且提高了COVID-19诊断的准确性	NA	开发一种高效且准确的自动化方法，用于在疫情条件下快速诊断COVID-19	COVID-19患者的CT扫描图像	计算机视觉	COVID-19	深度学习	CNN	图像	使用了多种CT扫描图像进行分析
18178	2024-09-01	Fully automated determination of the cervical vertebrae maturation stages using deep learning with directional filters 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0269198 PMID:35776715	研究论文	本文提出了一种使用带有方向滤波器的深度卷积神经网络（CNN）来自动检测和分类颈椎成熟阶段（CVM）的方法	创新的定制设计深度CNN模型，内置一组新颖的方向滤波器，用于突出X射线图像中颈椎的边缘	NA	应用深度学习实现颈椎成熟阶段的全自动检测和分类	颈椎成熟阶段（CVM）的分类	计算机视觉	NA	深度学习	CNN	图像	1018张头颅侧位X光片
18179	2024-09-01	Application of Machine Learning Algorithms for Asthma Management with mHealth: A Clinical Review 2022, Journal of asthma and allergy IF:3.7Q1 DOI:10.2147/JAA.S285742 PMID:35791395	综述	本文综述了机器学习算法在哮喘管理中的应用，特别是在移动健康（mHealth）领域的应用	探讨了mHealth在哮喘管理中超越简单监测的潜力，并强调了个性化算法的重要性	大多数研究基于小规模数据集，且缺乏外部验证，限制了研究结果的普遍性	旨在填补机器学习在mHealth哮喘管理应用方面的研究空白	哮喘管理中的mHealth应用	机器学习	哮喘	机器学习算法	监督学习算法（如逻辑回归、决策树）和非监督学习算法	来自各种设备的数据（如智能手机、智能手表、峰值流量计等）	从90项研究中筛选出22项相关研究进行进一步审查
18180	2024-09-01	An Intelligent System for Detecting Abnormal Behavior in Students Based on the Human Skeleton and Deep Learning 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3819409 PMID:35795751	研究论文	本研究利用智能视频系统，基于人体骨骼和深度学习技术，提出了一种检测学生异常行为的方法	通过迭代训练OpenPose深度学习网络提取人体骨骼的时空特征，并使用图卷积神经网络和滑动窗口投票方法提高行为分类的准确性和处理效率	NA	开发一种高效准确的异常行为检测系统	学生的异常行为	计算机视觉	NA	深度学习	图卷积神经网络	视频	使用自建的学生轨迹数据集和INRIA数据集进行模拟分析