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
18261	2024-09-10	Bats expand their vocal range by recruiting different laryngeal structures for echolocation and social communication 2022-11, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3001881 PMID:36445872	研究论文	研究蝙蝠通过招募不同的喉部结构来扩展其回声定位和社会交流的声频范围	首次通过超高速视频和深度学习网络直接观察到蝙蝠喉部膜的自持振动，用于产生10至95 kHz的回声定位和社会交流呼叫	研究仅限于体外实验，未涉及活体蝙蝠的实际行为	探讨蝙蝠如何通过不同的喉部结构扩展其声频范围，并评估现有关于喉部膜功能的假设	蝙蝠的喉部结构及其在回声定位和社会交流中的作用	NA	NA	超高速视频拍摄，深度学习网络	深度学习网络	视频	涉及一种蝙蝠（Myotis daubentonii）的喉部结构
18262	2024-09-10	Deep learning for Covid-19 forecasting: State-of-the-art review 2022-Oct-28, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2022.09.005 PMID:36097509	综述	本文综述了使用深度学习方法进行新冠疫情预测的最新研究	填补了关于新冠疫情预测深度学习方法的全面综述的空白	现有方法存在缺陷，需要进一步改进	综述和分析当前使用深度学习进行新冠疫情预测的研究	新冠疫情预测的深度学习方法	机器学习	NA	深度学习	NA	NA	53篇通过初步质量筛选的研究
18263	2024-09-10	Hybrid of Deep Learning and Word Embedding in Generating Captions: Image-Captioning Solution for Geological Rock Images 2022-Oct-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8110294 PMID:36354867	研究论文	本文提出了一种结合卷积神经网络、长短期记忆网络和word2vec的图像字幕生成方法，用于生成地质岩石图像的描述	本文的创新点在于将背景对象作为主要关注点，并结合了卷积神经网络、长短期记忆网络和word2vec来生成图像字幕	本文的局限性在于未来研究中需要解决地质句子结构、地质句子短语和通过地质标记器构建单词等挑战	研究目的是开发一种适用于地质岩石图像的图像字幕生成方法	研究对象是地质岩石图像及其背景对象	计算机视觉	NA	卷积神经网络、长短期记忆网络、word2vec	CNN、LSTM	图像	NA
18264	2024-09-10	Hallucinating symmetric protein assemblies 2022-10-07, Science (New York, N.Y.) DOI:10.1126/science.add1964 PMID:36108048	研究论文	本文使用深度学习生成方法探索蛋白质结构空间，生成对称蛋白质同源寡聚体	本文首次使用深度网络幻觉技术生成对称蛋白质同源寡聚体，生成的结构与计算模型高度一致，且与已解决的结构有显著差异	NA	探索蛋白质结构空间，生成新的蛋白质结构	对称蛋白质同源寡聚体	机器学习	NA	深度学习	深度网络	蛋白质结构	7个晶体结构和3个冷冻电子显微镜结构
18265	2024-09-10	HADCNet: Automatic segmentation of COVID-19 infection based on a hybrid attention dense connected network with dilated convolution 2022-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105981 PMID:36029749	研究论文	本文提出了一种基于混合注意力密集连接网络和扩张卷积的深度学习框架HADCNet，用于自动分割COVID-19感染区域	HADCNet通过编码器混合注意力模块和解码器混合注意力模块，结合多尺度上下文结构和空间信息，捕捉不同层次的病变特征依赖关系，从而提高分割性能	本文未详细讨论模型的计算复杂度和训练时间，且仅在四个公开数据集上进行了验证	开发一种能够自动分割COVID-19感染区域的深度学习模型，以辅助诊断和治疗	COVID-19感染区域的自动分割	计算机视觉	COVID-19	深度学习	HADCNet	CT图像	在四个公开数据集上进行了五折交叉验证
18266	2024-09-10	Ensemble of Deep Neural Networks based on Condorcet's Jury Theorem for screening Covid-19 and Pneumonia from radiograph images 2022-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105979 PMID:36063689	研究论文	本文提出了一种基于孔多塞陪审团定理的深度神经网络集成方法，用于从放射图像中筛查COVID-19和肺炎	本文创新性地应用孔多塞陪审团定理来确定个体分类器的投票集成分数，并提出了领域扩展迁移学习（DETL）集成模型作为软投票集成方法	本文未明确提及具体的局限性	研究如何通过集成多个深度神经网络模型来提高COVID-19和肺炎的筛查准确性	COVID-19和肺炎的放射图像	计算机视觉	肺部疾病	深度学习	深度卷积神经网络（CNN）	图像	使用了无重复图像的新数据集，具体样本数量未提及
18267	2024-09-10	Mathematical modeling and AI based decision making for COVID-19 suspects backed by novel distance and similarity measures on plithogenic hypersoft sets 2022-10, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2022.102390 PMID:36207091	研究论文	本文提出了一种基于人工智能和数学模型的决策方法，用于分析COVID-19疑似病例的数据并判断其严重程度	本文引入了新的距离和相似性度量方法，并在模糊环境中应用于多准则决策模型	NA	研究目的是通过分析COVID-19疑似病例的数据，判断其是否为COVID-19患者及其严重程度，以便做出合适的决策	COVID-19疑似病例的数据	机器学习	传染病	多准则决策模型	NA	数据	NA
18268	2024-09-10	A Generative Deep Learning Approach to Stochastic Downscaling of Precipitation Forecasts 2022-Oct, Journal of advances in modeling earth systems IF:4.4Q1 DOI:10.1029/2022MS003120 PMID:36590321	研究论文	本文探讨了使用生成对抗网络（GAN）和变分自编码器生成对抗网络（VAE-GAN）来提高天气预报模型中降水预报的准确性和分辨率	本文将GAN应用于更复杂的降水预报问题，并展示了其能够生成高分辨率且空间一致的降水图，优于现有的降尺度方法	NA	提高降水预报的准确性和分辨率	降水预报模型和雷达测量数据	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）和变分自编码器生成对抗网络（VAE-GAN）	图像	NA
18269	2024-09-10	Deep-learning-augmented computational miniature mesoscope 2022-Sep-20, Optica IF:8.4Q1 DOI:10.1364/optica.464700 PMID:36506462	研究论文	本文介绍了一种计算微型显微镜（CM）的改进版本CM V2，通过硬件和计算的改进，实现了在微型平台上进行单次拍摄、3D高分辨率成像	引入了混合发射滤光片和3D打印自由形式准直器，改进了成像对比度和激发效率；开发了3D线性移变（LSV）模型和多模块深度学习模型CMNet，用于高分辨率重建	仅在模拟和实验中验证了CMNet的性能，尚未在实际应用中广泛测试	开发一种能够在微型平台上实现大视场和高分辨率3D成像的计算显微镜	生物结构和动态的3D高分辨率成像	计算机视觉	NA	深度学习	CMNet	图像	模拟和实验中使用了不同条件下的荧光发射器
18270	2024-09-10	Convolutional neural network based CT scan classification method for COVID-19 test validation 2022-Sep, Smart health (Amsterdam, Netherlands) DOI:10.1016/j.smhl.2022.100296 PMID:35722028	研究论文	本文提出了一种基于卷积神经网络的CT扫描分类方法，用于COVID-19检测的验证	使用条件生成对抗网络增强数据以减少过拟合风险，并提出了一种基于BIN残差块的方法改进U-Net网络进行图像分割和分类预测	依赖于有限的COVID-19 CT数据集，尽管使用了数据增强技术，但数据量仍然可能不足	开发一种有效的CT扫描分类方法，帮助放射科医生更准确地诊断COVID-19	COVID-19的CT图像分类	计算机视觉	传染病	条件生成对抗网络 (CGAN)	卷积神经网络 (CNN)	图像	有限的COVID-19 CT数据集，通过数据增强技术增加样本数量
18271	2024-09-10	SplitAVG: A Heterogeneity-Aware Federated Deep Learning Method for Medical Imaging 2022-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3185956 PMID:35749336	研究论文	提出了一种名为SplitAVG的异质性感知的联邦深度学习方法，用于医疗影像分析	SplitAVG通过简单的网络分割和特征图拼接策略，克服了联邦学习中数据异质性导致的性能下降问题	未提及具体的局限性	旨在解决联邦学习中数据异质性导致的模型性能下降问题	医疗影像数据	计算机视觉	NA	联邦学习	CNN	图像	使用了合成和真实世界的联邦数据集进行实验
18272	2024-09-10	Detection of COVID-19 using deep learning techniques and classification methods 2022-Sep, Information processing & management IF:7.4Q1 DOI:10.1016/j.ipm.2022.103025 PMID:35821878	研究论文	本研究旨在通过使用深度学习技术和分类方法，利用CT图像快速诊断COVID-19患者，减少疾病传播时间	本研究结合了多种深度学习模型和分类方法，通过CT图像实现了高精度的COVID-19检测	研究样本仅来自Siirt教育与研究医院的1345张CT图像，可能存在样本偏差	缩短COVID-19诊断时间，减少疾病传播，并为放射科医生提供决策支持系统	COVID-19患者的CT图像	计算机视觉	COVID-19	深度学习	ResNet-50, ResNet-101, AlexNet, Vgg-16, Vgg-19, GoogLeNet, SqueezeNet, Xception	图像	1345张CT图像
18273	2024-09-10	VOC-DL: Deep learning prediction model for COVID-19 based on VOC virus variants 2022-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2022.106981 PMID:35863125	研究论文	本文提出了一种基于VOC病毒变异的深度学习预测模型VOC-DL，用于预测COVID-19的疫情趋势	本文创新性地结合了VOC病毒变异信息，提出了一种新的深度学习预测框架VOC-DL，并验证了其在不同国家的疫情预测中的有效性	本文的实验数据仅涵盖了五个国家的疫情数据，未来需要进一步验证该模型在更多国家和地区的适用性	开发一种能够结合病毒变异信息进行合理预测的COVID-19疫情预测模型	COVID-19疫情趋势及其在不同国家的传播情况	机器学习	COVID-19	深度学习	LSTM	时间序列数据	五个国家的每日新增确诊病例数据，时间跨度为2021年4月14日至2021年7月3日
18274	2024-09-10	Automatic femoral articular cartilage segmentation using deep learning in three-dimensional ultrasound images of the knee 2022-Sep, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2022.100290 PMID:36474947	研究论文	本研究开发了一种基于深度学习的自动分割方法，用于在膝关节的三维超声图像中分割股骨关节软骨	本研究创新性地使用了一种改进的U-Net算法来自动分割股骨关节软骨，提高了分割效率和减少了评估者间的变异性	算法在三维重建后的性能有所下降，但差异不显著	开发一种基于深度学习的自动分割方法，以提高膝关节三维超声图像中股骨关节软骨分割的时间效率和减少评估者间的变异性	膝关节的三维超声图像中的股骨关节软骨	计算机视觉	NA	深度学习	U-Net	图像	200张2DUS图像（来自20张3DUS图像）用于训练，50张2DUS图像（来自5张3DUS图像）用于评估
18275	2024-09-10	PCovNet: A presymptomatic COVID-19 detection framework using deep learning model using wearables data 2022-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105682 PMID:35714504	研究论文	本文提出了一种基于可穿戴设备数据和深度学习模型的无症状COVID-19检测框架	使用LSTM-VAE模型从可穿戴设备的静息心率数据中检测COVID-19感染，特别是在无症状阶段	研究样本量较小，仅包括25名COVID-阳性个体	开发一种在无症状阶段检测COVID-19感染的方法	COVID-19感染的无症状阶段检测	机器学习	COVID-19	NA	LSTM-VAE	可穿戴设备数据	25名COVID-阳性个体
18276	2024-09-10	Infodemic and fake news - A comprehensive overview of its global magnitude during the COVID-19 pandemic in 2021: A scoping review 2022-Aug, International journal of disaster risk reduction : IJDRR IF:4.2Q1 DOI:10.1016/j.ijdrr.2022.103144 PMID:35791376	综述	本文综述了2021年COVID-19疫情期间假新闻的全球影响，重点关注其动机、社会人口统计特征、基于人工智能的工具开发以及与假新闻相关的最热门话题	本文首次全面综述了2021年COVID-19疫情期间假新闻的全球影响，并探讨了基于人工智能的检测工具和相关技术	本文仅限于2021年1月至11月期间发表的文献，可能无法涵盖所有相关研究	旨在综合现有文献，了解2021年COVID-19疫情期间假新闻现象的规模	假新闻的动机、社会人口统计特征、基于人工智能的检测工具以及相关热门话题	自然语言处理	NA	机器学习和深度学习	NA	文本	97篇文献，其中69篇为实证研究，26篇针对普通人群，13篇针对社交媒体用户，27篇涉及基于人工智能的检测工具
18277	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
18278	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
18279	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
18280	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