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
18701	2024-09-04	Unveiling two-dimensional magnesium hydride as a hydrogen storage material via a generative adversarial network 2022-May-17, Nanoscale advances IF:4.6Q2 DOI:10.1039/d1na00862e PMID:36133700	研究论文	本研究利用基于人工智能的晶体逆设计方法探索二维纯净氢化镁（MgH）的新相，并验证其作为氢储存介质的可能性	揭示了一种新的二维MgH相，具有4̄2空间群，并通过密度泛函理论计算验证了其电子和动态特性	NA	探索二维MgH作为氢储存材料的新相及其电子和动态特性	二维MgH晶体结构及其作为氢储存介质的可行性	机器学习	NA	密度泛函理论（DFT）计算	生成对抗网络（GAN）	图像	NA
18702	2024-09-04	A Generic Deep Learning Based Cough Analysis System From Clinically Validated Samples for Point-of-Need Covid-19 Test and Severity Levels 2022-May, IEEE transactions on services computing IF:5.5Q1 DOI:10.1109/TSC.2021.3061402 PMID:35936760	研究论文	本文提出了一种基于深度学习的咳嗽分析系统，用于从临床验证的样本中进行即时Covid-19检测和严重程度分级。	该研究采用了基于经验模态分解（EMD）的算法进行咳嗽声音检测，并使用深度人工神经网络分类器进行分类，创新性地开发了DeepCough2D和DeepCough3D两种版本。	研究依赖于临床实验室的qRT-PCR结果和淋巴细胞计数来标记样本，可能存在实验室误差。	旨在开发一种经济、易获取的即时Covid-19诊断测试工具，以帮助快速识别病毒携带者并减少感染率。	研究对象为Covid-19阳性及阴性患者的咳嗽声音样本。	机器学习	Covid-19	qRT-PCR	CNN	音频	所有收集的样本均经过临床标记，包括Covid-19阳性或阴性，以及基于qRT-PCR阈值循环（Ct）和淋巴细胞计数的疾病严重程度。
18703	2024-09-04	A deep learning based system for handwashing procedure evaluation 2022-Apr-21, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-07194-5 PMID:35474686	研究论文	本文提出了一种基于深度学习的嵌入式系统，用于实时分析深度相机捕获的图像序列，以评估洗手程序的质量	采用卷积神经网络和多数投票方案来分类工人的动作，根据世界卫生组织定义的十个手势进行评估	NA	开发一种自动评估洗手程序质量的系统，以减少手术部位污染和感染风险	洗手程序的质量评估	计算机视觉	NA	卷积神经网络	CNN	视频	74个不同的视频序列
18704	2024-09-04	QdMRI: A system for comprehensive analysis of thoracic dynamics via dynamic MRI 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2612117 PMID:36039169	研究论文	本文介绍了一种名为QdMRI的系统，该系统整合了过去10年关于胸廓发育不全综合征（TIS）的相关算法和模块，用于全面分析胸腔动态通过动态磁共振成像（MRI）	QdMRI系统包括动态MRI采集、4D图像构建、图像分割和分割结果的可视化等模块，能够有效处理自由呼吸条件下的图像采集问题，并提供结构和功能信息的定量评估	NA	开发一种全面的分析系统，用于评估胸廓发育不全综合征（TIS）的治疗效果	胸廓发育不全综合征（TIS）患者和正常儿童的胸腔结构和动态	医学影像	胸廓发育不全综合征	动态磁共振成像（MRI）	深度学习	图像	单个受试者的扫描/图像采集时间为~20分钟，4D图像构建时间为~5分钟，图像分割时间为70秒，测量计算时间为2秒
18705	2024-09-04	Training calibration-based counterfactual explainers for deep learning models in medical image analysis 2022-01-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-04529-5 PMID:35022467	研究论文	本文提出了一种基于训练校准的反事实解释器技术（TraCE），用于在医学影像分析中对深度学习模型进行可靠的反事实合成	TraCE技术采用了一种新颖的不确定性基础区间校准策略，以确保反事实解释的可靠性	NA	旨在提高深度学习模型在医学影像分析中的解释性和可靠性	深度学习模型在胸部X光图像中识别异常的应用	计算机视觉	NA	深度学习	深度模型	图像	NA
18706	2024-09-04	Deep Learning for Reliable Classification of COVID-19, MERS, and SARS from Chest X-ray Images 2022, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-021-09955-1 PMID:35035591	研究论文	本文使用深度卷积神经网络对COVID-19、MERS和SARS的胸部X光图像进行分类	首次在文献中探讨了COVID-19、SARS和MERS胸部X光图像的分类方案	分类性能在分割的胸部X光图像上有所下降，但结果更可靠	开发一个可靠的COVID-19识别系统，用于从胸部X光图像中分类COVID-19、MERS和SARS	COVID-19、MERS和SARS的胸部X光图像	计算机视觉	COVID-19	深度卷积神经网络	CNN	图像	423张COVID-19、144张MERS和134张SARS的胸部X光图像
18707	2024-09-04	AM-UNet: automated mini 3D end-to-end U-net based network for brain claustrum segmentation 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-021-11568-7 PMID:35035265	研究论文	本文提出了一种自动优化的基于U-Net的3D分割模型AM-UNet，用于人脑闭壳核的自动分割	AM-UNet是一个轻量级且可扩展的解决方案，实现了3D磁共振图像上自动闭壳核分割的最先进准确性	NA	开发一种高效的自动分割模型，用于人脑闭壳核的分割	人脑闭壳核	计算机视觉	NA	磁共振成像(MRI)	U-Net	图像	T1/T2联合MRI闭壳核数据集
18708	2024-09-04	Masked-face recognition using deep metric learning and FaceMaskNet-21 2022, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-021-03150-3 PMID:35233149	研究论文	本文提出了一种使用深度度量学习和FaceMaskNet-21深度学习网络的蒙面人脸识别系统	系统能够从静态图像、实时视频流和静态视频文件中生成128维编码，实现蒙面人脸识别	NA	解决COVID-19疫情期间传统人脸识别系统因面部遮挡而失效的问题	蒙面人脸识别技术	计算机视觉	NA	深度度量学习	FaceMaskNet-21	图像、视频	NA
18709	2024-09-04	Modality specific U-Net variants for biomedical image segmentation: a survey 2022, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-022-10152-1 PMID:35250146	综述	本文综述了U-Net架构在生物医学图像分割中的应用，特别是针对不同模态的U-Net变体	本文通过进行模态间和模态内的分类分析，提供了对U-Net变体在生物医学图像分割中应用的深入见解	NA	探讨U-Net架构及其变体在生物医学图像分割中的应用，以及在疾病早期诊断和治疗中的潜力	U-Net架构及其变体在生物医学图像分割中的应用	计算机视觉	NA	深度卷积神经网络, 残差神经网络, 对抗网络	U-Net	图像	NA
18710	2024-09-04	Deep-Precognitive Diagnosis: Preventing Future Pandemics by Novel Disease Detection With Biologically-Inspired Conv-Fuzzy Network 2022, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2022.3153059 PMID:35360503	研究论文	本文提出了一种新型计算机辅助诊断模型——深度预知诊断，该模型采用生物启发式卷积模糊网络，能够在训练数据中不存在的情况下识别未知疾病	提出了一种新的计算机辅助诊断模型，能够在无标签数据的情况下实时创建新类别，无需重新训练模型	文章未明确提及模型的局限性	开发一种能够在早期自动检测未知传染病的模型，以控制其快速传播	未知传染病	计算机视觉	NA	深度学习	卷积模糊网络	图像	模型在测试中成功识别了训练样本中未见的新疾病，并在后续测试中对SARS-CoV-1和MERS-CoV样本达到了最先进的准确率
18711	2024-09-04	SMAD: SMart assistant during and after a medical emergency case based on deep learning sentiment analysis: The pandemic COVID-19 case 2022, Cluster computing DOI:10.1007/s10586-022-03601-7 PMID:35571977	研究论文	本文提出了一种基于深度学习情感分析的智能助手SMAD，用于在医疗紧急情况期间和之后分析普通公民的自然语言语音，以检测紧急情况和心理障碍症状	SMAD能够通过自然语言处理和深度学习情感分析模型，实时跟踪患者的心理状态，并提供智能医疗服务	NA	开发一种智能助手，用于在医疗紧急情况期间和之后提供心理支持和行为分析	紧急情况下的心理状态和行为	自然语言处理	NA	深度学习情感分析	情感分析模型	文本	使用社交媒体数据集
18712	2024-09-04	Deep Learning Models for the Diagnosis and Screening of COVID-19: A Systematic Review 2022, SN computer science DOI:10.1007/s42979-022-01326-3 PMID:35911439	综述	本研究通过系统综述方法，比较了基于CT和胸片图像的多种深度学习模型在COVID-19诊断和筛查中的应用	本研究采用了质量评估规则，并详细分析了各篇论文的模型评估矩阵、贡献和动机	部分先前研究未包含医院环境的数据，也未考虑数据预处理步骤	评估和比较深度学习模型在COVID-19早期诊断中的应用	COVID-19的诊断和筛查	机器学习	COVID-19	深度学习	CNN	图像	包含75篇以上的文献进行质量评估，最终采用57篇文章进行系统综述
18713	2024-09-04	Artificial intelligence model on chest imaging to diagnose COVID-19 and other pneumonias: A systematic review and meta-analysis 2022, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2022.100438 PMID:35996746	meta-analysis	本文通过系统综述和荟萃分析评估了基于胸部影像的人工智能模型在诊断COVID-19和其他肺炎中的诊断准确性和方法学质量	利用人工智能模型在胸部影像上区分COVID-19和其他肺炎，显示出高敏感性和特异性	目前尚未将人工智能模型作为临床决策工具实施，且研究方法学质量有待提高	评估基于胸部影像的人工智能模型在诊断COVID-19和其他肺炎中的诊断准确性和方法学质量	基于胸部影像的人工智能模型	machine learning	lung cancer	NA	AI	image	6737名参与者
18714	2024-09-04	NanoNet: Rapid and accurate end-to-end nanobody modeling by deep learning 2022, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2022.958584 PMID:36032123	研究论文	本文开发了一种名为NanoNet的深度学习模型，用于快速准确地进行纳米体结构建模	NanoNet能够直接从序列生成整个VH域的3D坐标，实现了高精度的纳米体结构建模	NA	开发一种高吞吐量的方法来进行纳米体的精确结构建模	纳米体（Nb）及其抗体VH域的结构	机器学习	NA	深度学习	深度学习模型	序列数据	NanoNet在纳米体测试集上实现了高精度，并在标准CPU计算机上能够在4小时内生成约100万个纳米体结构
18715	2024-09-04	Accurate image-based identification of macroinvertebrate specimens using deep learning-How much training data is needed? 2022, PeerJ IF:2.3Q2 DOI:10.7717/peerj.13837 PMID:36032940	研究论文	研究使用深度学习工具进行基于图像的淡水大型无脊椎动物物种识别，探讨训练数据量对分类准确性的影响	展示了使用少量训练数据（15个样本）即可达到97%的分类准确率，显示出基于图像的方法和深度学习在样本研究中的巨大潜力	主要关注于淡水大型无脊椎动物，且针对形态相似物种的分类准确性仍有提升空间	探讨基于图像的分类方法在生物监测中的应用，特别是深度学习工具所需的训练数据量	淡水大型无脊椎动物的物种识别	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	60个样本，每种16个分类单元
18716	2024-09-04	aEYE: A deep learning system for video nystagmus detection 2022, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2022.963968 PMID:36034311	研究论文	本文开发并验证了一个深度学习系统（aEYE），用于分类视频记录是否包含至少两个连续的眼球震颤节拍	深度学习模型在基于视频的眼球运动检测中的应用尚未得到广泛研究	模型在压缩视频上的准确性随着图像采样率的降低而下降	探索深度学习在视频记录中检测眼球震颤的有效性	视频记录中的眼球震颤检测	机器学习	NA	深度学习	ResNet-soft voting 和 VGG-hard voting	视频	435个视频片段
18717	2024-09-04	Sampling and ranking spatial transcriptomics data embeddings to identify tissue architecture 2022, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2022.912813 PMID:36035139	研究论文	本文开发了一种名为MP-MIM的嵌入评估方法，结合基于消息传递的嵌入转换和空间自相关分析，用于选择有效的嵌入以推断组织结构	提出了MP-MIM方法，结合消息传递和空间自相关分析，以选择高质量的嵌入，提高深度学习工具在空间转录组分析中的可用性	NA	开发一种新的方法来选择适用于新测试数据的嵌入，并提高深度学习工具在空间转录组分析中的实用性	空间转录组数据嵌入的选择和组织结构的推断	生物信息学	NA	空间转录组学	图卷积网络	空间转录组数据	16个来自人类大脑的空间转录组样本
18718	2024-09-04	Deep learning assessment of left ventricular hypertrophy based on electrocardiogram 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.952089 PMID:36035939	研究论文	本研究构建了一个基于卷积神经网络-长短期记忆（CNN-LSTM）的深度学习模型，用于通过12导联心电图快速有效地检测左心室肥厚（LVH）	本研究首次将深度学习技术应用于LVH的诊断，提高了诊断的敏感性	NA	旨在通过深度学习技术提高左心室肥厚的诊断效率和准确性	左心室肥厚（LVH）的诊断	机器学习	心血管疾病	深度学习	CNN-LSTM	心电图	共分析了1,863名患者的超声心动图和心电图数据，其中训练集1,120例，验证集371例，测试集1 372例，内部测试集2 453例
18719	2024-09-04	Artificial intelligence for topic modelling in Hindu philosophy: Mapping themes between the Upanishads and the Bhagavad Gita 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0273476 PMID:36048840	研究论文	本文使用BERT等高级语言模型对《奥义书》和《薄伽梵歌》进行主题建模，并分析两者之间的主题相似性和重叠性	首次使用基于深度学习的语言模型对《奥义书》和《薄伽梵歌》进行主题建模和分析	NA	探索《奥义书》和《薄伽梵歌》之间的主题相似性和重叠性	《奥义书》和《薄伽梵歌》	自然语言处理	NA	BERT	BERT	文本	《奥义书》和《薄伽梵歌》的选定文本
18720	2024-09-04	Apache Spark and Deep Learning Models for High-Performance Network Intrusion Detection Using CSE-CIC-IDS2018 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3131153 PMID:36059395	研究论文	本文提出使用Apache Spark和深度学习模型（CNN和LSTM）结合CSE-CIC-IDS2018数据集进行高性能网络入侵检测	采用随机森林进行特征选择，使用过采样和欠采样技术处理数据不平衡问题，以及Apache Spark模型在所有类别中达到100%的准确率	NA	提高网络入侵检测系统的性能	网络入侵检测	机器学习	NA	深度学习	CNN, LSTM	数据集	CSE-CIC-IDS2018数据集包含14种攻击类型，84个特征中的19个被选为重要特征