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
81	2024-08-23	WEENet: An Intelligent System for Diagnosing COVID-19 and Lung Cancer in IoMT Environments 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.811355 PMID:35186717	研究论文	本文开发了一种基于深度学习的计算高效医学影像框架WEENet，用于从胸部X射线和CT图像中早期诊断COVID-19和肺癌	提出了一种新的深度学习框架WEENet，利用高效的卷积神经网络提取高级特征，并通过分类机制进行COVID-19诊断，性能超越现有最先进方法	NA	开发一种新的深度学习框架，用于从医学影像中有效建模和早期诊断COVID-19	COVID-19和肺癌的早期诊断	计算机视觉	COVID-19	卷积神经网络	CNN	图像	使用了三个基准医学胸部X射线和CT图像数据集
82	2024-08-21	Novel loss functions for ensemble-based medical image classification 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0261307 PMID:34968393	研究论文	本文研究了基于集成学习的医学图像分类中损失函数的优化	提出了改进的损失函数用于多类别分类任务，并通过集成学习提高了分类性能	未提及	分析并选择适合当前分类任务的损失函数	儿科胸片数据集，包括正常图像及细菌性和病毒性肺炎的图像	计算机视觉	NA	深度神经网络	集成模型	图像	未明确提及具体数量
83	2024-08-20	Aging of the Hematopoietic Stem Cell Niche: New Tools to Answer an Old Question 2021, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2021.738204 PMID:34858399	综述	本文综述了骨髓微环境老化对造血干细胞（HSC）功能的影响以及用于研究老化过程中骨髓微环境特定改变的新工具	文章介绍了跨学科方法开发的新技术工具，如特定的小鼠模型、共培养系统、新的三维成像工具、骨块和模拟骨髓系统，以及单细胞测序技术、空间转录组学和人工智能深度学习方法在数据分析和整合中的应用	NA	探讨骨髓微环境老化如何影响造血干细胞，并介绍用于研究老化过程中骨髓微环境特定改变的新工具	造血干细胞（HSC）及其微环境	NA	NA	单细胞测序技术、空间转录组学、人工智能和深度学习	NA	NA	NA
84	2024-08-20	Stability of AI-Enabled Diagnosis of Parkinson's Disease: A Study Targeting Substantia Nigra in Quantitative Susceptibility Mapping Imaging 2021, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2021.760975 PMID:34887722	研究论文	本文研究了基于定量磁敏感图（QSM）成像的帕金森病（PD）诊断算法的稳定性，通过改进卷积神经网络（CNN）模型，提高了诊断算法的精度和鲁棒性	提出了新的'门控池化'操作，并将其与深度学习结合，形成了一个联合图像分割和分类框架，显著提高了诊断准确性	文章未明确提及现有方法的具体局限性	提高帕金森病诊断算法的准确性和稳定性	帕金森病患者和健康对照组的定量磁敏感图成像数据	机器学习	帕金森病	定量磁敏感图（QSM）成像	CNN	图像	未明确提及具体样本数量
85	2024-08-20	Detection of Preventable Fetal Distress During Labor From Scanned Cardiotocogram Tracings Using Deep Learning 2021, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2021.736834 PMID:34926338	研究论文	本文利用深度学习框架，从扫描的电子胎心监测图（EFM）中检测分娩期间可预防的胎儿窘迫，以提高识别早期可预防的胎儿损伤的准确性。	提出了一个深度学习框架，用于训练和检测分娩期间的早期或过去的胎儿损伤，准确率达到94%。	未提及具体限制。	开发一个自动化早期预警和决策支持系统，以在分娩期间维持胎儿健康。	电子胎心监测图（EFM）数据和相关不良结果。	机器学习	NA	深度学习	NA	图像	使用了50年实践中收集的EFM数据
86	2024-08-20	A Multi-Task Deep Learning Method for Detection of Meniscal Tears in MRI Data from the Osteoarthritis Initiative Database 2021, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2021.747217 PMID:34926416	研究论文	本文提出了一种基于卷积神经网络（CNN）的多任务深度学习方法，用于检测磁共振成像（MRI）数据中的半月板撕裂	该方法在多任务深度学习框架中结合了半月板撕裂检测与边界框回归器，使CNN能够隐式考虑半月板的感兴趣区域（RoI）	NA	开发一种高效且准确的方法来检测MRI数据中的半月板撕裂	半月板撕裂的检测，涉及内侧半月板（MM）和外侧半月板（LM）的前角、体部和后角三个解剖子区域	机器学习	骨关节炎	MRI	CNN	MRI扫描数据	2,399个双回波稳态（DESS）MRI扫描数据和中间加权涡轮自旋回波（IW TSE）MRI扫描数据
87	2024-08-19	A Hybrid Method of Covid-19 Patient Detection from Modified CT-Scan/Chest-X-Ray Images Combining Deep Convolutional Neural Network And Two- Dimensional Empirical Mode Decomposition 2021, Computer methods and programs in biomedicine update DOI:10.1016/j.cmpbup.2021.100022 PMID:34337590	研究论文	本文提出了一种结合深度卷积神经网络和二维经验模态分解的混合方法，用于从修改后的CT扫描/胸部X光图像中快速检测Covid-19患者	本文采用二维经验模态分解对CT扫描/胸部X光图像进行预处理，生成不同阶的本征模态函数，然后利用深度卷积神经网络进行特征提取和分类，提供了一种新的图像预处理特征提取视角	NA	开发一种快速且准确的Covid-19检测方法	Covid-19患者的CT扫描和胸部X光图像	计算机视觉	Covid-19	二维经验模态分解（2DEMD）	CNN	图像	三个公开的SARS-CoV-2数据集
88	2024-08-19	Automated Identification of Skull Fractures With Deep Learning: A Comparison Between Object Detection and Segmentation Approach 2021, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2021.687931 PMID:34777193	研究论文	本研究旨在开发一种基于深度学习的系统，用于从颅脑CT扫描中自动识别颅骨骨折	本研究采用了两种深度学习方法（对象检测和分割）来识别颅骨骨折，并比较了它们的性能	研究使用了回顾性数据，且模型性能在测试集上有所波动	开发和验证用于自动识别颅骨骨折的深度学习系统	颅骨骨折的自动识别	计算机视觉	NA	深度学习	YOLOv3, 注意力U-Net	CT扫描图像	4,782名患者（开发集：4,168，测试集：614），以及7,856名健康人
89	2024-08-19	Utilization of Nursing Defect Management Evaluation and Deep Learning in Nursing Process Reengineering Optimization 2021, Computational and mathematical methods in medicine DOI:10.1155/2021/8019385 PMID:34819992	研究论文	本研究探讨了护理缺陷管理评估和深度学习在护理流程再造优化中的应用	本研究通过改进Apriori算法和使用卷积神经网络(CNN)进行数据特征分类，提高了数据处理的效率	NA	旨在优化护理流程，提高长期护理的效果和临床护理质量	护理缺陷管理、护理数据挖掘、护理流程优化	机器学习	NA	卷积神经网络(CNN)	CNN	图像	使用了SVHN数据集进行网络训练
90	2024-08-18	Applying Deep Learning to Accelerated Clinical Brain Magnetic Resonance Imaging for Multiple Sclerosis 2021, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2021.685276 PMID:34646227	研究论文	本文研究了深度学习模型在加速临床脑部磁共振成像（MRI）中恢复多发性硬化症（PwMS）患者图像质量的临床应用	使用深度学习模型生成与传统扫描质量相似的加速扫描图像	统计上显著但差异较小，且未发现关键T1w体积测量与临床相关患者报告结果（PRO）之间的相关性差异	探索深度学习模型在加速临床脑部MRI中恢复图像质量的潜力，以改善多发性硬化症的临床相关结果	多发性硬化症患者的脑部MRI图像质量	机器学习	多发性硬化症	磁共振成像（MRI）	深度学习（DL）模型	图像	使用了部分扫描数据进行模型训练，并对剩余扫描数据进行应用
91	2024-08-18	An Effective Multimodal Image Fusion Method Using MRI and PET for Alzheimer's Disease Diagnosis 2021, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2021.637386 PMID:34713109	research paper	本文提出了一种有效的多模态图像融合方法，通过融合MRI和PET图像来辅助阿尔茨海默病（AD）的诊断	本文创新性地提出了通过注册和掩码编码融合MRI和PET图像的灰质（GM）组织区域，生成新的融合模态“GM-PET”，并使用3D简单卷积神经网络（3D Simple CNN）和3D多尺度CNN进行评估	目前的方法缺乏解释性，无法清晰解释提取信息的特定含义	旨在提高阿尔茨海默病诊断的准确性和解释性	研究对象为阿尔茨海默病患者的MRI和PET图像	computer vision	阿尔茨海默病	NA	CNN	image	实验使用了阿尔茨海默病神经成像倡议（ADNI）数据集
92	2024-08-18	Current Advances and Challenges in Radiomics of Brain Tumors 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.732196 PMID:34722274	review	本文综述了脑肿瘤影像组学的最新进展、应用及面临的挑战	影像组学能够从复杂的临床影像中提取大量定量特征，并将其转化为高维数据，用于挖掘与肿瘤组织学特征的相关性，包括遗传突变、恶性程度、分级、进展、治疗效果及总体生存率	本文进一步讨论了影像组学的当前局限性及未来发展	探讨脑肿瘤影像组学的应用及其在临床诊断中的意义	脑肿瘤的早期检测、监测及治疗效果评估	digital pathology	脑肿瘤	NA	NA	image	NA
93	2024-08-16	An Improved CNN Architecture to Diagnose Skin Cancer in Dermoscopic Images Based on Wildebeest Herd Optimization Algorithm 2021, Computational intelligence and neuroscience DOI:10.1155/2021/7567870 PMID:34497640	研究论文	本文介绍了一种基于Wildebeest Herd Optimization算法和Inception卷积神经网络的皮肤癌诊断新方法	采用Wildebeest Herd Optimization算法进行特征选择，以减少分析时间复杂度，并结合Inception卷积神经网络提取初始特征	NA	提高皮肤癌诊断的准确性	皮肤癌的诊断	计算机视觉	皮肤癌	Wildebeest Herd Optimization算法	CNN	图像	ISIC-2008皮肤癌数据集
94	2024-08-16	Predicting fracture outcomes from clinical registry data using artificial intelligence supplemented models for evidence-informed treatment (PRAISE) study protocol 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0257361 PMID:34555069	研究论文	本研究旨在利用人工智能方法处理非结构化临床注册数据，以描述骨折特征并测试这些信息是否能提高腕部骨折后患者报告的结果测量和临床结果的预测准确性	本研究采用多模态深度学习骨折推理系统（DLFRS）处理电子病历信息，以提供关于骨折特征的增强信息	NA	研究旨在减少护理变异性并改善患者腕部骨折后的治疗结果	成年腕部骨折患者	机器学习	骨折	深度学习	多模态深度学习骨折推理系统（DLFRS）	非结构化数据	来自四家维多利亚医院的成年腕部骨折患者
95	2024-08-15	Truncating a densely connected convolutional neural network with partial layer freezing and feature fusion for diagnosing COVID-19 from chest X-rays 2021, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2021.101408 PMID:34109106	研究论文	本文提出了一种通过层截断、部分层冻结和特征融合来修改训练方法的视觉模型，用于从胸部X光片诊断COVID-19。	该方法显著减少了模型的参数大小，同时保持了较高的分类性能，并提供了可扩展、可重复和可部署的深度卷积神经网络模型。	NA	开发一种新的训练方法，以降低计算成本和提高模型部署的便利性。	使用密集连接卷积神经网络（DenseNet）模型诊断胸部X光片中的COVID-19、肺炎和正常情况。	计算机视觉	COVID-19	卷积神经网络（CNN）	DenseNet	图像	NA
96	2024-08-15	A Pipeline for Predicting the Treatment Response of Neoadjuvant Chemoradiotherapy for Locally Advanced Rectal Cancer Using Single MRI Modality: Combining Deep Segmentation Network and Radiomics Analysis Based on "Suspicious Region" 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.711747 PMID:34422664	研究论文	本研究提出了一种使用单一MRI模态预测局部晚期直肠癌新辅助放化疗治疗反应的流程，结合深度分割网络和基于“可疑区域”的放射组学分析	该研究创新性地设计了双阶段直肠感知U-Net（tsraU-Net）用于自动分割感兴趣区域，替代了耗时的手动描绘，并基于此进行了放射组学分析以预测病理完全缓解状态	NA	旨在早期准确预测局部晚期直肠癌患者在新辅助放化疗后的病理完全缓解状态，以帮助医生制定个性化治疗计划	局部晚期直肠癌患者	数字病理学	直肠癌	MRI	U-Net	图像	共收集了来自两家医院的275名患者的数据，分为四个数据集：Seg-T（N=88）用于训练tsraU-Net，Rad-T（N=107）用于构建放射组学模型，In-V（N=46）用于内部验证，Ex-V（N=34）用于外部验证
97	2024-08-15	Analysis on the Characterization of Multiphoton Microscopy Images for Malignant Neoplastic Colon Lesion Detection under Deep Learning Methods 2021, Journal of pathology informatics DOI:10.4103/jpi.jpi_113_20 PMID:34447607	研究论文	本文利用多光子显微镜（MPM）技术和深度学习方法，分析恶性肿瘤性结肠病变图像，以实现早期检测	首次将多光子显微镜与深度学习结合，用于实时识别和区分恶性肿瘤性结肠病变	NA	展示多光子显微镜技术结合深度学习在无需组织病理学染色的情况下，识别恶性肿瘤性结肠病变的能力	恶性肿瘤性结肠病变与健康、增生或良性肿瘤性组织的区分	数字病理学	结直肠癌	多光子显微镜（MPM）	卷积神经网络（CNN）	图像	14,712张图像，来自42名患者，分为2类
98	2024-08-15	Deep Learning Model to Predict Serious Infection Among Children With Central Venous Lines 2021, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2021.726870 PMID:34604142	研究论文	研究使用深度学习模型预测带有中心静脉导管的儿童发生严重感染的情况	提出的深度学习模型在预测严重感染方面比传统的病情严重程度标记（PELOD-2）具有更高的阳性预测值	研究为回顾性研究，且仅限于单一学术儿童医院的数据	预测带有中心静脉导管的儿童在住院期间发生严重感染的可能性	带有中心静脉导管的儿童患者	机器学习	NA	深度学习	深度学习模型	电子病历数据	涉及748,380个48小时时间窗口，对应27,137次患者就诊
99	2024-08-14	An Evolutionary Approach for the Enhancement of Dermatological Images and Their Classification Using Deep Learning Models 2021, Journal of healthcare engineering DOI:10.1155/2021/8113403 PMID:34326979	研究论文	本文探讨了一种基于遗传算法（GA）的图像增强技术，用于改善从农村诊所接收到的低质量皮肤病学图像，并使用卷积神经网络（CNN）分类器对增强后的图像进行疾病识别	本文采用遗传算法增强图像，提高了分类准确率，并减少了由于手动诊断导致的分析时间和错误	研究范围仅限于运动模糊图像，这是最常见的图像捕捉问题之一	提高皮肤病学图像的质量和分类准确性，以辅助诊断	七种类型的皮肤疾病，包括黑色素瘤、黑素细胞痣、基底细胞癌、光化性角化病、良性角化病、血管病变和鳞状细胞癌	计算机视觉	皮肤疾病	遗传算法（GA）	卷积神经网络（CNN）	图像	涉及七种皮肤疾病的图像，使用ResNet-152模型进行分类，总体准确率为87.40%，使用GA增强图像后准确率提升至95.85%
100	2024-08-13	Bayesian neural networks for stock price forecasting before and during COVID-19 pandemic 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0253217 PMID:34197473	研究论文	本文研究了在COVID-19大流行前后使用贝叶斯神经网络进行股票价格多步预测的可行性	采用了带有并行回火MCMC的朗之万梯度法，能够在并行计算环境中实施贝叶斯神经网络的推断	由于参数数量多和需要更好的计算资源，传统的MCMC方法存在局限性	探讨在COVID-19大流行期间股票市场波动性增加的情况下，贝叶斯神经网络在股票价格预测中的表现	股票价格预测模型在COVID-19大流行前后的表现	机器学习	NA	贝叶斯神经网络	贝叶斯神经网络	股票市场数据	具体样本数量未明确