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
18721	2024-08-26	Machine Vision and Intelligent Algorithm Based on Neural Network 2022, Computational intelligence and neuroscience DOI:10.1155/2022/6154453 PMID:35310591	研究论文	本文优化了神经网络算法和智能算法，并在机器视觉环境中进行了模拟实验，以提高算法的目标图像识别能力	本文采用了改进的VGG-16卷积神经网络模型进行金属块缺陷检测，并研究了基于神经网络的智能算法，通过比较不同算法的收敛速度，展示了ICS-BP算法的快速收敛性	NA	提高机器视觉环境中算法的目标图像识别能力	神经网络算法和智能算法在机器视觉中的应用	计算机视觉	NA	卷积神经网络	CNN	图像	使用了CIFAR-10数据集进行训练和验证测试
18722	2024-08-26	MPEPE, a predictive approach to improve protein expression in E. coli based on deep learning 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.02.030 PMID:35317239	研究论文	本研究利用6438个异源蛋白在相同表达条件下的表达数据，构建了一个深度学习分类器，用于筛选高表达和低表达蛋白，并提出了一种增强蛋白表达的突变预测器MPEPE	本研究提出了MPEPE，一种基于深度学习的突变预测器，用于识别有助于蛋白表达的突变位点，并结合保守残基分析以最小化功能破坏	NA	提高大肠杆菌中蛋白表达水平	异源蛋白的表达	机器学习	NA	深度学习	深度学习分类器	基因序列数据	6438个异源蛋白
18723	2024-08-26	Automatic kidney segmentation using 2.5D ResUNet and 2.5D DenseUNet for malignant potential analysis in complex renal cyst based on CT images 2022, EURASIP journal on image and video processing IF:2.0Q3 DOI:10.1186/s13640-022-00581-x PMID:35340560	研究论文	本文研究使用2.5D ResUNet和2.5D DenseUNet进行肾脏分割，以分析复杂肾囊肿的恶性潜力	提出使用2.5D ResUNet和2.5D DenseUNet进行肾脏分割，有效提取切片内和切片间特征	在泰国患者的腹部CT图像上性能有所下降	开发精确的二分类方法（良性或恶性肿瘤）以分析计算机断层扫描（CT）图像中的肾囊肿	肾脏器官或病变	计算机视觉	NA	NA	2.5D ResUNet, 2.5D DenseUNet	CT图像	KiTS19验证集包含60名患者，另外对4名泰国患者的腹部CT图像进行实验
18724	2024-08-26	Image Compression Based on Hybrid Domain Attention and Postprocessing Enhancement 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4926124 PMID:35341171	研究论文	本文提出了一种基于混合域注意力机制和后处理增强的图像压缩方法	该方法在主编码-解码网络和超先验网络中嵌入混合域注意力模块作为非线性变换器，构建更紧凑的潜在特征和超先验，并采用参数化高斯尺度混合模型进行更精确的熵估计	NA	提高图像压缩效率	图像压缩技术	计算机视觉	NA	深度学习	CNN	图像	NA
18725	2024-08-26	End-to-end antigenic variant generation for H1N1 influenza HA protein using sequence to sequence models 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0266198 PMID:35344562	研究论文	本文提出了一种基于端到端学习方法的序列到序列模型，用于生成H1N1流感病毒HA蛋白的抗原变体	首次开发了一种生成流感病毒HA蛋白抗原变体的模型，利用深度序列到序列架构	NA	旨在加速流感病毒抗原变体的识别，从而加快疫苗选择和制造过程	H1N1流感病毒的HA蛋白抗原变体	机器学习	流感	序列到序列模型	序列到序列模型	序列数据	NA
18726	2024-08-26	Novel Method for Safeguarding Personal Health Record in Cloud Connection Using Deep Learning Models 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3564436 PMID:35345805	研究论文	本文提出了一种新的安全措施，用于保护云连接中的个人健康记录（PHR），使用深度学习模型和优化的基于规则的模糊推理系统（ORFIS）来确定患者的危急程度	提出的ORFIS系统在检测PHR的危急程度方面优于现有的模糊推理方法，并使用基于图形的访问策略和匿名认证在私有云环境中提高了数据存储和检索效率	NA	开发一种新的安全措施，以保护云连接中的个人健康记录	个人健康记录（PHR）的安全性和患者危急程度的分类	机器学习	NA	深度学习	模糊推理系统	文本	使用UCI机器学习档案进行试验
18727	2024-08-26	Deep learning in prediction of intrinsic disorder in proteins 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.03.003 PMID:35356546	研究论文	本文研究了深度神经网络（DNN）在蛋白质内在无序预测中的应用	首次系统地分析了DNN在内在无序预测中的多样性和准确性，并提出了未来发展的可能性	讨论了DNN在预测无序结合区域方面的不足	评估和推动深度学习在蛋白质内在无序预测领域的发展	深度神经网络在蛋白质内在无序预测中的应用	机器学习	NA	深度神经网络（DNN）	DNN	蛋白质序列数据	使用了来自社区评估内在无序预测（CAID）的盲测数据集
18728	2024-08-26	User-Accessible Machine Learning Approaches for Cell Segmentation and Analysis in Tissue 2022, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2022.833333 PMID:35360226	研究论文	本文探讨了利用机器学习和深度学习技术进行细胞分割和分析的方法，特别是在组织中的应用	开发了针对特定成像模式和多模式解决方案的细胞分割技术，并构建了用于训练数据的注释细胞库	尖端技术通常仅限于少数具有必要领域知识的专家使用	提高细胞分割和分类的准确性，以深入了解生物机制	细胞在组织中的分析，以及细胞微环境的新模型	计算机视觉	NA	机器学习和深度学习	CNN	图像	多种物种、器官和细胞状态的细胞
18729	2024-08-26	Lung Disease Classification in CXR Images Using Hybrid Inception-ResNet-v2 Model and Edge Computing 2022, Journal of healthcare engineering DOI:10.1155/2022/9036457 PMID:35368941	研究论文	本研究评估了多种机器学习、深度学习和迁移学习方法，用于分类公开可用的CXR图像数据集中的疾病	采用混合Inception-ResNet-v2迁移学习模型结合数据增强和图像增强，实现了最高的分类准确率	NA	自动化CXR图像中的疾病检测	CXR图像中的肺炎、COVID-19和正常类别	计算机视觉	肺部疾病	迁移学习	Inception-ResNet-v2	图像	公开可用的CXR图像数据集
18730	2024-08-26	Investigation of Effectiveness of Shuffled Frog-Leaping Optimizer in Training a Convolution Neural Network 2022, Journal of healthcare engineering DOI:10.1155/2022/4703682 PMID:35368933	研究论文	本文研究了混洗蛙跳优化算法在训练卷积神经网络中的有效性	首次采用混洗蛙跳算法训练经典的LeNet-5结构	使用该算法会略微增加训练计算时间	探讨混洗蛙跳优化算法在训练卷积神经网络中的应用效果	卷积神经网络的训练优化	计算机视觉	NA	混洗蛙跳算法	CNN	图像	四个不同数据集
18731	2024-08-26	A Deep Learning Radiomics Analysis for Survival Prediction in Esophageal Cancer 2022, Journal of healthcare engineering DOI:10.1155/2022/4034404 PMID:35368956	研究论文	本研究旨在探索深度学习放射组学（DLR）诺模图，用于预测食管癌患者在化疗放疗后的3年总体生存率	提出的DLR模型在非侵入性个体化预测食管癌患者3年生存率方面表现优于HCR签名模型	NA	探索深度学习放射组学（DLR）诺模图，预测食管癌患者化疗放疗后的3年总体生存率	食管癌患者	机器学习	食管癌	深度学习	CNN	图像	154名患者的数据，随机分为训练集（116）和验证集（38）
18732	2024-08-26	Emotional Experience and Psychological Intervention of Depression Patients Based on SOM 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5064615 PMID:35371214	研究论文	本研究使用SOM模型识别抑郁症患者的抑郁倾向，并探讨其情绪体验和心理干预	本研究提出了一种新的抑郁指数概念，并探讨了其与抑郁症严重程度的关系，同时展示了SOM模型在抑郁症分类中的有效性	NA	探索抑郁症的客观诊断标志物，并研究抑郁症患者的情绪体验和心理干预	抑郁症患者及其情绪体验和心理干预	机器学习	抑郁症	SOM	SOM	脑电信号	NA
18733	2024-08-26	Deep Learning-Based Electrocardiograph in Evaluating Radiofrequency Ablation for Rapid Arrhythmia 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/6491084 PMID:35371280	研究论文	本研究旨在分析基于深度学习的电生理图（ECG）在评估射频消融治疗快速性心律失常疗效中的重要作用	使用基于深度学习的卷积神经网络模型对ECG检查指标进行量化分析	NA	评估射频消融治疗快速性心律失常的疗效	158名接受射频消融治疗的快速性心律失常患者	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）	电生理图（ECG）	158名患者，分为有效治疗组（142例）和无效治疗组（16例）
18734	2024-08-26	Kidney Tumor Segmentation Based on FR2PAttU-Net Model 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.853281 PMID:35372025	研究论文	本文提出基于FR2PAttU-Net的深度学习模型，用于帮助医生快速高效地处理肾脏CT图像，节省医疗资源	使用R2Att网络改进U-Net的'U'结构，增加并行卷积，构建FR2PAttU-Net模型，提高模型对不同尺度图像特征的适应性，避免网络加深导致学习有价值特征的失败	NA	提高肾脏肿瘤从肾脏CT图像中的分割效果	肾脏肿瘤的CT图像分割	计算机视觉	肾脏肿瘤	深度学习	FR2PAttU-Net	图像	使用KiTS19数据集，通过增强小样本数据集以平衡样本数据集
18735	2024-08-26	20-fold Accelerated 7T fMRI Using Referenceless Self-Supervised Deep Learning Reconstruction 2021-11, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC46164.2021.9631107 PMID:34892055	研究论文	本研究利用自监督深度学习重建技术，在5倍SMS和4倍平面加速的7T fMRI数据上实现了20倍加速的高质量图像重建	采用自监督学习方法进行深度学习重建，无需完全采样的训练数据集，显示出与监督学习相似的性能	NA	提高fMRI的空间和时间分辨率，以更准确地解析大脑中的神经活动	7T fMRI数据的高加速重建	计算机视觉	NA	fMRI	深度学习	图像	NA
18736	2024-08-26	ICON: Learning Regular Maps Through Inverse Consistency 2021-Oct, Proceedings. IEEE International Conference on Computer Vision DOI:10.1109/iccv48922.2021.00338 PMID:35355618	研究论文	研究如何通过逆一致性损失来学习数据样本之间的正则化映射	提出了一种结合深度网络、逆一致性损失和随机离网格插值的方法，以获得近似微分同胚的空间变换，无需精心调整的显式正则化器	未提及具体限制	探索在计算图像配准时，是否可以通过仅使用逆一致性损失来获得空间正则性	空间变换的正则性	计算机视觉	NA	深度学习	深度网络	图像	未提及具体样本数量
18737	2024-08-26	E-Learning Research Trends in Higher Education in Light of COVID-19: A Bibliometric Analysis 2021, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2021.762819 PMID:35308075	研究论文	本文通过对602篇发表在Web of Science数据库中的研究进行文献计量分析，概述了COVID-19期间高等教育领域电子学习的重要概念进展	研究探索了人工智能、机器学习和深度学习等新研究方向在电子学习中的应用	NA	分析COVID-19背景下高等教育领域电子学习的研究趋势	电子学习在高等教育中的应用及其相关研究	自然语言处理	NA	文献计量分析	NA	文本	602篇研究论文
18738	2024-08-26	Improving detection of prostate cancer foci via information fusion of MRI and temporal enhanced ultrasound 2020-Jul, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-020-02172-5 PMID:32372384	研究论文	本文研究了通过融合MRI和时间增强超声（TeUS）信息来提高前列腺癌焦点检测的方法	首次在大规模研究中深入探索了MRI和超声信息的定量融合	NA	提高前列腺癌焦点在活检中的定位精度	前列腺癌焦点检测	数字病理学	前列腺癌	时间增强超声（TeUS）	全卷积网络（FCN）	图像	107名患者，145个活检核心
18739	2024-08-26	Co-registration of pre- and post-stent intravascular OCT images for validation of finite element model simulation of stent expansion 2020-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2550212 PMID:35291699	研究论文	本文通过深度学习技术对支架植入前后的血管内光学相干断层扫描（IVOCT）图像进行分割和配准，以验证有限元模型（FEM）对支架扩张后管腔增益的预测	开发了一种基于深度学习的平台，用于评估FEM对支架扩张后管腔增益的预测，并通过实际数据验证了其准确性	NA	验证有限元模型对支架扩张后管腔增益的预测准确性	支架植入前后的IVOCT图像以及有限元模型预测结果	数字病理学	心血管疾病	深度学习	有限元模型（FEM）	图像	约200对支架植入前后的IVOCT图像
18740	2024-08-25	Deep learning for tubes and lines detection in critical illness: Generalizability and comparison with residents 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100593 PMID:39175597	研究论文	本研究评估了深度学习模型在重症监护病房患者胸部X光片上对导管和管线分类的性能，并与外部公共数据集进行了比较	本研究通过规则基算法与深度学习的结合，显著提高了气管插管分类任务的性能	外部训练的模型在本地重症监护病房数据集上的泛化能力有限	评估外部训练的人工智能模型在重症监护病房常规中的性能	重症监护病房患者的胸部X光片上的导管和管线	机器学习	NA	深度学习	NA	图像	303张随机从重症监护病房数据库中抽取的X光片