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
19441	2024-08-19	ECG-Image-Kit: a synthetic image generation toolbox to facilitate deep learning-based electrocardiogram digitization 2024-May-28, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad4954 PMID:39150768	研究论文	介绍了一个开源工具箱ECG-Image-Kit，用于从时间序列数据生成带有真实伪影的合成多导联ECG图像，旨在自动化将扫描的ECG图像转换为ECG数据点	提出了一种数据增强技术，使用真实感生成数据模型来解决临床ECG档案缺乏参考时间序列数据的问题	NA	促进基于深度学习的ECG数字化	ECG图像的数字化	计算机视觉	心血管疾病	深度学习	深度神经网络	图像	21,801张ECG图像
19442	2024-08-19	Prognostic potentials of AI in ophthalmology: systemic disease forecasting via retinal imaging 2024-May-06, Eye and vision (London, England) DOI:10.1186/s40662-024-00384-3 PMID:38711111	综述	本文综述了利用人工智能（AI）和深度学习（DL）通过视网膜成像预测系统性疾病的研究进展	强调了AI基于视网膜生物标志物在预测神经退行性疾病、心血管疾病和慢性肾脏疾病中的重要作用，以及长期预测模型在连续疾病风险评估和早期检测中的潜力	为了充分发挥AI在这一领域的潜力，需要在现实世界环境中进行更多的研究和验证	探索视网膜评估的价值，AI基础的视网膜生物标志物，以及纵向预测模型在个性化护理中的重要性	研究对象包括视网膜成像、AI模型及其在预测系统性疾病中的应用	计算机视觉	NA	深度学习（DL）	NA	图像	NA
19443	2024-08-19	Forecasting CO2 emissions of fuel vehicles for an ecological world using ensemble learning, machine learning, and deep learning models 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2234 PMID:39145202	研究论文	本研究通过比较分析18种基于机器学习、集成学习和深度学习范式的回归算法，评估和预测燃油车辆的二氧化碳排放量	研究发现集成学习方法具有更高的预测准确性和更低的误差率，其中包含极端梯度提升（XGB）、随机森林和轻梯度提升机（LGBM）的算法表现尤为突出	深度学习模型虽然能达到高R2值，但训练时间更长且需要更多计算资源	旨在估计和减少车辆二氧化碳排放，促进环境可持续性和减少大气中的温室气体排放	燃油车辆的二氧化碳排放量	机器学习	NA	回归分析	集成学习算法、深度学习模型（如CNN、DNN和GRU）	NA	NA
19444	2024-08-19	Detecting images generated by diffusers 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2127 PMID:39145210	研究论文	本文探讨了通过文本到图像扩散模型生成的图像的检测任务，评估了使用不同模型和数据集的检测效果	提出使用多层感知器（MLP）和卷积神经网络（CNN）从CLIP或RoBERTa提取的特征中检测生成图像，并发现结合文本信息可以提高泛化能力	模型在某些情况下可能无法准确区分由不同扩散模型生成的图像	研究如何准确可靠地区分真实图像和由文本到图像扩散模型生成的合成图像	通过文本到图像扩散模型生成的图像，特别是来自MSCOCO和Wikimedia数据集的图像	计算机视觉	NA	文本到图像扩散模型	多层感知器（MLP），卷积神经网络（CNN）	图像	使用MSCOCO和Wikimedia数据集中的图像进行实验
19445	2024-08-19	Bacterial image analysis using multi-task deep learning approaches for clinical microscopy 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2180 PMID:39145215	研究论文	本文利用多任务深度学习方法对细菌显微图像进行分析，以自动化检测和分类细菌	本文开发了三种深度学习算法（SSD-MobileNetV2、EfficientDet和YOLOv4）来自动检测和分类大肠杆菌的不同生长阶段	NA	研究旨在通过深度学习技术自动化细菌显微图像的检测和分类	大肠杆菌的不同生长阶段，包括杆状细胞、分裂细胞和微菌落	计算机视觉	NA	深度学习	SSD-MobileNetV2, EfficientDet, YOLOv4	图像	NA
19446	2024-08-19	Mining software insights: uncovering the frequently occurring issues in low-rating software applications 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2115 PMID:39145243	研究论文	本研究聚焦于从亚马逊应用商店中收集的64个低评分应用的终端用户评论，通过内容分析和扎根理论方法，识别影响软件进化的关键概念，并评估机器学习和深度学习算法在自动分类用户反馈中的表现	本研究首次专注于低评分软件应用的用户反馈分析，并开发了一种基于扎根理论和内容分析的方法来识别常见问题	研究仅限于亚马逊应用商店中的64个低评分应用，可能无法完全代表所有低评分软件应用的情况	探讨低评分软件应用中频繁出现的问题，并评估机器学习和深度学习算法在自动分类用户反馈中的有效性	64个低评分软件应用的用户反馈	自然语言处理	NA	机器学习, 深度学习	CNN, LSTM, BiLSTM, GRU, BiGRU, RNN, MLP, RF, KNN, AdaBoost, Voting	文本	64个低评分应用
19447	2024-08-19	Recognition of inscribed cursive Pashtu numeral through optimized deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2124 PMID:39145239	研究论文	研究提出了一种优化的机器学习模型，用于从0到9识别手写Pashtu数字	提出的LSTM模型在识别Pashtu数字方面略优于CNN模型	NA	提出一种能够有效识别Pashtu数字的优化机器学习模型	Pashtu数字从0到9	机器学习	NA	光学字符识别（OCR）	LSTM和CNN	图像	数据集按80:20的比例分割
19448	2024-08-19	A novel 3D LiDAR deep learning approach for uncrewed vehicle odometry 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2189 PMID:39145248	研究论文	本文提出了一种基于3D LiDAR和深度学习的无人车辆里程计方法	利用基于点云的深度学习替代传统的基于卷积神经网络（CNN）的方法，并使用正态分布变换（NDT）算法优化深度学习模型的粗略姿态估计	NA	提高下一代自主车辆在不确定环境下的自定位和姿态注册的精确度	无人车辆的里程计	机器学习	NA	LiDAR-based localization and mapping (LOAM)	深度学习模型	点云	NA
19449	2024-08-19	Natural language processing with transformers: a review 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2222 PMID:39145251	综述	本文综述了基于Transformer的自然语言处理（NLP）任务解决方案，包括BERT和GPT架构	系统总结并比较了基于Transformer架构的NLP应用	NA	旨在简要总结NLP任务的使用案例及其主要架构	NLP任务及其基于Transformer的解决方案	自然语言处理	NA	Transformer	BERT, GPT	文本	NA
19450	2024-08-19	Efficient prediction of anticancer peptides through deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2171 PMID:39145253	研究论文	本研究利用二维卷积神经网络（2D CNN）深度学习模型，旨在提高抗癌肽预测的准确性	提出的2D CNN模型在预测抗癌肽方面表现优于现有方法，准确率、精确度、召回率和F1分数均较高	未来研究应扩大数据集，探索其他深度学习架构，并通过实验研究验证模型预测	开发和评估一个基于2D CNN的深度学习模型，以提高抗癌肽预测的准确性	抗癌肽的预测和识别	机器学习	癌症	2D CNN	2D CNN	序列	来自多个公共数据库和实验研究的多样化肽序列数据集
19451	2024-08-19	Adversarial Learning for MRI Reconstruction and Classification of Cognitively Impaired Individuals 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3408840 PMID:39148927	研究论文	开发了一种双目标对抗学习框架，用于同时重建高质量的脑部磁共振图像并保留疾病特异性成像特征，以预测从轻度认知障碍到阿尔茨海默病的进展	引入了一种双目标对抗学习框架，结合生成对抗网络和分类器，以在重建高质量脑部MRI的同时保留疾病特异性成像特征	NA	开发一种新的深度学习框架，用于提高脑部MRI的重建质量和疾病特异性成像特征的保留	轻度认知障碍（MCI）到阿尔茨海默病（AD）的进展预测	计算机视觉	阿尔茨海默病	生成对抗网络（GAN）	GAN	图像	来自阿尔茨海默病神经成像倡议（ADNI）的342名参与者和国家阿尔茨海默病协调中心（NACC）的190名参与者
19452	2024-08-19	An automatic glaucoma grading method based on attention mechanism and EfficientNet-B3 network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0296229 PMID:39150930	研究论文	本文提出了一种基于注意力机制和EfficientNet-B3网络的自动青光眼分级方法	该方法通过结合EfficientNetB3和ResNet34网络，从2D眼底图像和3D-OCT扫描图像中提取并融合特征，引入注意力机制以提高分类准确性，并减少特征冗余	该研究使用的是私有数据集，可能存在数据集大小和多样性的限制	旨在提高青光眼的早期识别和分级准确性	青光眼患者的眼底图像和3D-OCT扫描图像	计算机视觉	青光眼	NA	CNN	图像	包含2D眼底图像和3D-OCT扫描图像的私有数据集
19453	2024-08-19	A scalable blockchain-enabled federated learning architecture for edge computing 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308991 PMID:39150937	研究论文	本文提出了一种基于区块链的可扩展联邦学习架构FLCoin，用于边缘计算	提出了一种新的委员会基于的共识处理方法，并采用双层区块链架构，确保了系统的可扩展性和效率	未提及	探索区块链和联邦学习技术在物联网边缘网络中的集成	边缘计算中的数据处理和智能生成	机器学习	NA	区块链，联邦学习	CNN	图像	使用MNIST数据集进行实验
19454	2024-08-19	Three-Dimensional Structural Phenotype of the Optic Nerve Head as a Function of Glaucoma Severity 2023-09-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2023.3315 PMID:37589980	研究论文	本研究详细描述和分析了青光眼严重程度作为函数的3维结构表型，增强了对青光眼复杂病理的理解	使用传统和人工智能驱动的方法，描述了不同青光眼阶段视神经头（ONH）中连接组织和神经组织的3维结构差异	本研究为横断面研究，未来需要进行纵向研究以建立特定的3维ONH结构变化与快速视野恶化的联系	描述不同青光眼阶段视神经头（ONH）中连接组织和神经组织的3维结构差异	视神经头（ONH）的3维结构	数字病理学	青光眼	光谱域光学相干断层扫描	深度神经网络	图像	541名中国个体和112名白人参与者
19455	2024-08-19	Protein structure prediction using deep learning distance and hydrogen-bonding restraints in CASP14 2021-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26193 PMID:34331351	研究论文	本文报告了CASP14中两个最佳服务器（“Zhang-Server”和“QUARK”）的3D结构预测结果，这些服务器基于D-I-TASSER和D-QUARK算法，集成了四个新开发组件到经典的蛋白质折叠流程中	引入了新的多序列比对工具DeepMSA2、接触基域边界预测算法FUpred、基于残差卷积神经网络的方法DeepPotential以及优化的空间约束能量势，显著提高了蛋白质结构预测的准确性	当前流程在多域蛋白质建模和寡聚体复合物中的蛋白质域建模方面仍存在挑战，特别是域间距离预测的准确性较低	提高蛋白质结构预测的准确性	蛋白质的3D结构	机器学习	NA	深度学习	残差卷积神经网络	多序列比对数据	37个FM目标
19456	2024-08-19	Protein inter-residue contact and distance prediction by coupling complementary coevolution features with deep residual networks in CASP14 2021-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26211 PMID:34382712	research paper	本文报道并分析了在第14届蛋白质结构预测关键评估（CASP14）中，通过结合互补的共进化特征与深度残差网络进行蛋白质接触和距离预测的方法	采用了一种新的基于深度学习的接触/距离预测器，该预测器基于两个互补共进化特征的集成与深度残差网络的结合，并改进了多序列比对（MSA）生成协议	NA	旨在提高蛋白质接触和距离预测的准确性	蛋白质接触和距离预测	machine learning	NA	深度学习	深度残差网络	序列数据	22个CASP14自由建模（FM）目标和14个FM/模板辅助建模（TBM）目标
19457	2024-08-19	A Hybrid Convolutional Neural Network Model for Diagnosis of COVID-19 Using Chest X-ray Images 2021-11-20, International journal of environmental research and public health DOI:10.3390/ijerph182212191 PMID:34831960	研究论文	本文提出了一种名为C19D-Net的混合卷积神经网络模型，用于通过胸部X光图像诊断COVID-19感染	该研究采用了InceptionV4架构和多类SVM分类器提取深度学习特征，以提高COVID-19检测的准确性	NA	开发一种新的图像处理技术，帮助医疗系统通过胸部X光图像快速准确地检测COVID-19感染	COVID-19感染的胸部X光图像	计算机视觉	COVID-19	卷积神经网络	CNN	图像	1900张胸部X光图像
19458	2024-08-19	Advanced Computational Methods for Oncological Image Analysis 2021-Nov-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7110237 PMID:34821868	研究论文	本论文集专注于肿瘤影像分析的先进计算方法	涵盖了最新的算法和方法，以及计算方法在肿瘤影像分析中的应用	NA	探索和应用先进的计算方法于肿瘤影像分析	肿瘤影像分析的算法和方法	计算机视觉	肿瘤	深度学习	NA	影像	NA
19459	2024-08-19	Live Spoofing Detection for Automatic Human Activity Recognition Applications 2021-Nov-04, Sensors (Basel, Switzerland) DOI:10.3390/s21217339 PMID:34770646	研究论文	本文提出了一种基于深度学习的活体欺骗检测方法，用于自动人体活动识别应用中的视频重放攻击检测	本文引入了一个新的数据库，包含在不同光照条件和使用不同显示及捕捉设备下拍摄的用户玩足球的视频，并展示了该系统能够实时并行运行	NA	旨在提高人体活动识别应用中的欺骗检测能力，防止异常和误报	视频重放攻击的欺骗检测	计算机视觉	NA	深度学习	NA	视频	包含多个用户玩足球的视频的数据库
19460	2024-08-19	Accurate recognition of colorectal cancer with semi-supervised deep learning on pathological images 2021-11-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-26643-8 PMID:34728629	研究论文	本文提出了一种基于平均教师架构的半监督学习方法，用于准确识别结直肠癌病理图像	采用半监督学习方法，显著减少了标注需求，同时保持了与监督学习相当的性能	NA	旨在通过半监督学习方法提高机器辅助病理识别的准确性，同时减少对大量标注的依赖	结直肠癌的病理图像	数字病理学	结直肠癌	半监督学习	平均教师架构	图像	13,111张全切片图像，来自8803个独立中心的13个中心