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
18921	2024-08-27	Deep learning-based approach for identification of diseases of maize crop 2022-04-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-10140-z PMID:35428845	研究论文	本文提出了一种基于深度学习的玉米病害图像识别方法，通过采集自ICAR-IIMR实验田的图像，针对三种重要病害进行识别	采用旋转增强和亮度增强方法生成人工图像以解决类别不平衡问题，并使用基于'Inception-v3'网络的三种不同架构进行训练，实现了95.99%的分类准确率和95.96%的平均召回率	NA	开发一种有效的深度学习方法，用于识别田间玉米病害图像	玉米病害图像，包括Maydis Leaf Blight、Turcicum Leaf Blight和Banded Leaf and Sheath Blight	计算机视觉	农作物病害	深度学习	Inception-v3	图像	从ICAR-IIMR实验田采集的病害图像，以及通过旋转增强和亮度增强生成的人工图像
18922	2024-08-27	A Principal Neighborhood Aggregation-Based Graph Convolutional Network for Pneumonia Detection 2022-Apr-15, Sensors (Basel, Switzerland) DOI:10.3390/s22083049 PMID:35459035	研究论文	本文提出了一种基于主要邻域聚合的图卷积网络（PNA-GCN）用于肺炎检测	PNA-GCN通过利用转移学习技术提取特征并构建图，结合多重聚合函数和度标量，有效捕捉图结构的基本属性	NA	设计一个自动化的分类系统来检测肺炎	肺炎检测	机器学习	肺部疾病	图卷积网络	PNA-GCN	图像	使用真实世界数据集进行实验
18923	2024-08-27	MRA-free intracranial vessel localization on MR vessel wall images 2022-04-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-10256-2 PMID:35422490	研究论文	本文研究了在没有磁共振血管造影（MRA）的情况下，直接从磁共振血管壁成像（VWI）中推断血管位置的可行性	提出了一种结合基于图谱的方法和深度学习网络在运动场域中校正残余几何误差的方法	NA	探讨直接从VWI数据中自动进行定量分析的可行性	颅内动脉粥样硬化疾病（ICAD）的血管形态分析	数字病理学	心血管疾病	磁共振成像（MRI）	深度学习网络	图像	NA
18924	2024-08-27	Survey on Self-Supervised Learning: Auxiliary Pretext Tasks and Contrastive Learning Methods in Imaging 2022-Apr-14, Entropy (Basel, Switzerland) DOI:10.3390/e24040551 PMID:35455214	综述	本文综述了自监督学习在图像处理中的辅助预任务和对比学习方法	自监督学习利用未标记数据进行特征表示构建，无需手动标注，通过预任务和对比学习方法提高下游任务性能	自监督学习方法与监督学习方法的比较，以及自监督学习面临的进一步考虑和挑战	综述自监督学习方法，特别是辅助预任务和对比学习技术，并探讨其与监督学习的比较及面临的挑战	自监督学习中的辅助预任务和对比学习方法	计算机视觉	NA	自监督学习	NA	图像	NA
18925	2024-08-27	Medical image segmentation model based on triple gate MultiLayer perceptron 2022-04-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-09452-x PMID:35413958	研究论文	本文提出了一种基于三重门控多层感知器的医学图像分割模型TGMLP U-Net	设计了三重门控多层感知器（TGMLP），通过线性投影编码特征，有效捕捉长距离依赖和精确位置信息，同时设计了局部先验和全局感知器模块，以及门控机制来解决位置嵌入依赖问题	NA	缓解有限医疗资源与日益增长的医疗需求之间的社会矛盾，提高基于深度学习的医学图像辅助诊断效果	医学图像分割	计算机视觉	NA	多层感知器（MLP）	TGMLP U-Net	图像	相对较小数量的医学图像分割数据
18926	2024-08-27	What you sample is what you get: ecomorphological variation in Trithemis (Odonata, Libellulidae) dragonfly wings reconsidered 2022-04-11, BMC ecology and evolution IF:2.3Q3 DOI:10.1186/s12862-022-01978-y PMID:35410171	研究论文	本文重新探讨了非洲-亚洲蜻蜓属Trithemis的翅膀生态形态变异，通过更强大的统计测试和更全面的形态数据分析方法，研究了27种Trithemis物种的翅膀形状与栖息地之间的关系。	本文采用了更全面的形态数据分析方法和深度学习神经网络直接分析翅膀图像，以更好地识别生态形态形状差异。	尽管样本量较小，但通过Bootstrap和Jackknife测试确保结果的稳定性。	探讨物种特异性翅膀形状变异与栖息地之间的联系。	27种Trithemis蜻蜓的翅膀形态。	NA	NA	深度学习神经网络	卷积神经网络	图像	27种Trithemis蜻蜓
18927	2024-08-27	Machine learning models outperform deep learning models, provide interpretation and facilitate feature selection for soybean trait prediction 2022-Apr-08, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-022-03559-z PMID:35395721	研究论文	本研究通过使用1110个大豆个体的全基因组分子标记和性状数据，开发了准确预测模型，比较了机器学习与深度学习在预测性能上的表现	本研究首次系统比较了机器学习与深度学习在基因型到表型预测中的应用，并提供了模型的解释性分析	NA	加速作物改良，提高基因型到表型预测的准确性	大豆性状预测	机器学习	NA	XGBoost, 随机森林	机器学习模型, 深度学习模型	基因组数据	1110个大豆个体
18928	2024-08-27	A deep learning-based hybrid model of global terrestrial evaporation 2022-04-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-29543-7 PMID:35395845	研究论文	本文利用涡度协方差和树液流量数据以及卫星观测数据训练深度学习算法，旨在模拟蒸腾胁迫（S），即从理论最大值减少的蒸发量（E），并将新的S公式嵌入基于过程的E模型中，形成一个全球混合E模型	提出了一种新的深度学习混合模型，用于全球陆地蒸发量的估计，该模型能够双向耦合到宿主模型中，并在每日时间尺度上运行	NA	提高全球蒸腾胁迫和蒸发量的估计能力，并增进对这一关键气候变量的理解	全球陆地蒸发量及其相关环境因素	机器学习	NA	深度学习算法	混合模型	数据	使用了涡度协方差和树液流量数据以及卫星观测数据
18929	2024-08-27	A novel wavelet decomposition and transformation convolutional neural network with data augmentation for breast cancer detection using digital mammogram 2022-04-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-09905-3 PMID:35396565	研究论文	本文提出了一种新的基于小波分解和变换的卷积神经网络结合数据增强方法，用于通过数字乳腺X线摄影检测乳腺癌	本研究通过小波-CNN-小波架构，结合缝雕刻和小波分解算法进行图像预处理，并提出了一种新的小波变换函数，以改进CNN架构，提高数字乳腺摄影中判别特征的检测和分类准确性	目前尚无机制用于区分应增强和应消除的特征以进行特征增强	旨在解决现有方法在特征增强方面的不完整性，并提高乳腺癌检测的分类准确性	乳腺癌的检测	数字病理学	乳腺癌	小波变换	CNN	图像	使用了DDSM + CBIS和MIAS数据集进行实验
18930	2024-08-27	An Automated Glowworm Swarm Optimization with an Inception-Based Deep Convolutional Neural Network for COVID-19 Diagnosis and Classification 2022-Apr-08, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare10040697 PMID:35455876	研究论文	本文提出了一种基于自动萤火虫群优化（GSO）和基于Inception的深度卷积神经网络（IDCNN）的COVID-19诊断和分类模型，称为GSO-IDCNN模型	该模型采用高斯平滑滤波器（GSF）去除放射图像中的噪声，并使用基于Inception v4模型的IDCNN特征提取器，通过GSO算法优化超参数，最后使用自适应神经模糊分类器（ANFC）进行COVID-19分类	NA	开发一种结合深度学习模型和放射图像的COVID-19诊断和分类方法	COVID-19的诊断和分类	机器学习	COVID-19	深度学习	CNN	图像	使用基准放射图像数据库进行了一系列模拟实验
18931	2024-08-27	Artificial intelligence-assisted drug repurposing via "chemical-induced gene expression ranking" 2022-Apr-08, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100470 PMID:35465226	研究论文	本文介绍了使用人工智能算法进行药物再利用的方法，特别是通过化学诱导基因表达排序（CIGER）框架来克服数据不可靠性，并发现针对胰腺癌的再利用药物	开发了CIGER深度学习框架，用于处理数据不可靠性问题，并成功应用于胰腺癌的药物再利用	NA	利用人工智能算法进行药物再利用，特别是针对胰腺癌的治疗	药物再利用和胰腺癌治疗	机器学习	胰腺癌	深度学习	深度学习框架	基因表达数据	NA
18932	2024-08-27	QUCoughScope: An Intelligent Application to Detect COVID-19 Patients Using Cough and Breath Sounds 2022-Apr-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12040920 PMID:35453968	研究论文	本文介绍了一种名为QUCoughScope的智能应用，该应用利用咳嗽和呼吸声音来检测COVID-19患者	开发了一种创新的堆叠CNN模型，该模型使用三种基础学习器从八种最先进的深度学习CNN算法中构建，用于检测COVID-19患者	NA	利用机器学习方法在家中检测COVID-19患者，以减轻医疗系统的负担并防止病毒的不知情传播	COVID-19患者（包括有症状和无症状）	机器学习	COVID-19	深度学习	堆叠CNN模型	声音数据（咳嗽和呼吸声）	582名健康个体和141名COVID-19患者，其中87名无症状，54名有症状
18933	2024-08-27	Security Risk Level Prediction of Carbofuran Pesticide Residues in Chinese Vegetables Based on Deep Learning 2022-Apr-06, Foods (Basel, Switzerland) DOI:10.3390/foods11071061 PMID:35407150	研究论文	本文构建了一个基于深度学习的安全风险评估模型，结合k-means++算法，用于预测中国蔬菜中克百威农药残留的安全风险等级	提出的CNN-AOA-LSTM模型结合了卷积神经网络、算术优化算法和长短期记忆网络，其预测准确率比常用的深度神经网络模型高出6.12%至18.99%	实验仅在一个小样本数据集上进行，可能影响模型的泛化能力	预测蔬菜中克百威农药残留的安全风险等级，为政府提供前瞻性监管	中国蔬菜中的克百威农药残留	机器学习	NA	深度学习	CNN-AOA-LSTM	数据集	小样本数据集
18934	2024-08-27	Deep Tower Networks for Efficient Temperature Forecasting from Multiple Data Sources 2022-Apr-06, Sensors (Basel, Switzerland) DOI:10.3390/s22072802 PMID:35408416	研究论文	本文开发并研究了一种名为塔网络的新型深度学习方法，用于从多个数据源进行短期温度预测	塔网络能够同时从多个输入数据源学习，并在天气预报性能、内存使用和训练时间方面表现出色	NA	解决处理多类型数据流问题的复杂性和挑战	短期温度预测	机器学习	NA	深度学习	塔网络	多源数据	NA
18935	2024-08-27	The INDEPTH (Impact of Nuclear Domains on Gene Expression and Plant Traits) Academy: a community resource for plant science 2022-04-05, Journal of experimental botany IF:5.6Q1 DOI:10.1093/jxb/erac005 PMID:35090020	research paper	本文介绍了INDEPTH（核域对基因表达和植物性状的影响）COST行动开发的通过INDEPTH学院提供的各种材料	INDEPTH学院提供了包括大师班教程、标准化协议和教学网络研讨会在内的资源，以及支持核成像和空间分析以及深度学习自动化分析的快速发展存储库	NA	旨在提供共享的高质量资源、协议标准化和开放访问数据存储库，以支持植物和作物科学中的表观遗传控制研究	植物和作物科学中的表观遗传控制	NA	NA	深度学习	NA	图像	约200名研究人员，来自32个国家的80个实验室
18936	2024-08-27	fastMRI+, Clinical pathology annotations for knee and brain fully sampled magnetic resonance imaging data 2022-04-05, Scientific data IF:5.8Q1 DOI:10.1038/s41597-022-01255-z PMID:35383186	research paper	本文介绍了fastMRI+数据集，该数据集包含了对fastMRI膝关节和脑部数据集的临床病理学注释	fastMRI+数据集提供了专家病理学注释，这对于开发临床相关的重建框架和探索新型方法在特定病理呈现中的应用至关重要	NA	旨在支持医学影像在MRI重建及其他领域的进一步研究和进展	fastMRI膝关节和脑部数据集的临床病理学注释	digital pathology	NA	Magnetic Resonance Imaging (MRI)	NA	image	膝关节数据集包含16154个专家边界框注释和13个研究级别标签，脑部数据集包含7570个专家边界框注释和643个研究级别标签
18937	2024-08-27	MSAL-Net: improve accurate segmentation of nuclei in histopathology images by multiscale attention learning network 2022-04-04, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-022-01826-5 PMID:35379228	研究论文	本文提出了一种多尺度注意力学习网络（MSAL-Net），用于在组织病理学图像中精确分割细胞核	MSAL-Net通过密集扩张卷积块捕获更全面的细胞核上下文信息，并引入改进的解码器部分，集成高效通道注意力和边界细化模块，有效学习空间信息以更好地预测和细化细胞核边界	NA	提高组织病理学图像中细胞核分割的准确性	组织病理学图像中的细胞核	数字病理学	NA	卷积神经网络	U-net	图像	使用公开可用的MoNuseg数据集进行实验
18938	2024-08-27	Deep Learning-Based Next-Generation Waveform for Multiuser VLC Systems 2022-Apr-04, Sensors (Basel, Switzerland) DOI:10.3390/s22072771 PMID:35408385	research paper	本文比较了基于深度学习的系统和传统最大似然解码器系统在多用户可见光通信系统中使用非正交多址接入技术和连续干扰消除技术的性能	提出了一种基于深度学习的下一代波形技术，用于多用户可见光通信系统，显示出比传统最大似然解码器系统更好的性能	NA	研究并比较不同检测技术在多用户可见光通信系统中的性能	多用户可见光通信系统中的非正交多址接入技术和连续干扰消除技术	machine learning	NA	深度学习	NA	信号	四用户
18939	2024-08-27	Explainable AI for CNN-based prostate tumor segmentation in multi-parametric MRI correlated to whole mount histopathology 2022-Apr-02, Radiation oncology (London, England) DOI:10.1186/s13014-022-02035-0 PMID:35366918	研究论文	本研究使用可解释的深度学习模型来解释基于卷积神经网络（CNN）的前列腺肿瘤在多参数MRI中的分割预测	采用Gradient Weighted Class Activation Map（Grad-CAM）方法生成热图，以解释CNN的分割结果	CNN在前列腺肿瘤分割上的Dice Sorensen Coefficient较低，且与手动分割结果无显著差异	提高前列腺肿瘤在多参数MRI中的自动分割准确性并提供解释	前列腺肿瘤的自动分割及其解释	计算机视觉	前列腺癌	多参数MRI	CNN	图像	122名患者的多参数MRI数据用于训练，15名患者的全切片组织病理学图像用于测试
18940	2024-08-27	A Hybrid Deep Learning Approach for ECG-Based Arrhythmia Classification 2022-Apr-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9040152 PMID:35447712	研究论文	本文提出了一种基于心电图（ECG）的混合深度学习方法，用于自动化心律失常的检测和分类	将1D ECG信号转换为2D Scalogram图像以自动化噪声过滤和特征提取，并结合2D卷积神经网络（CNN）和长短期记忆（LSTM）网络，提出了一种名为2D-CNN-LSTM的混合模型	未来工作可以应用于实时ECG信号，并考虑使用Bi-LSTM替代LSTM	设计一个高效的自动化系统来分析ECG所包含的大量数据，以检测和分类心律失常	心电图（ECG）信号及其所包含的心律失常信息	机器学习	心血管疾病	深度学习	2D-CNN-LSTM	图像	使用了广泛采用的MIT-BIH心律失常数据库进行实验