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
121	2024-08-07	Cascaded deep transfer learning on thoracic CT in COVID-19 patients treated with steroids 2021-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.8.S1.014501 PMID:33415179	研究论文	本文开发了一种机器智能方法，利用级联深度迁移学习从胸部CT扫描中提取特征，以辅助管理接受激素治疗的COVID-19患者	采用级联迁移学习方法，通过微调VGG19网络从胸部CT切片中提取量化特征，并使用支持向量机区分是否需要激素治疗的患者	NA	开发一种机器智能方法，用于辅助管理接受激素治疗的COVID-19患者	COVID-19患者接受激素治疗的胸部CT扫描	计算机视觉	COVID-19	迁移学习	VGG19网络	CT扫描图像	NA
122	2024-08-07	Deep-learning based multi-modal retinal image registration for the longitudinal analysis of patients with age-related macular degeneration 2021-Jan-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.408573 PMID:33520392	研究论文	本研究报告了一种基于深度学习的注册算法，用于对来自纵向临床研究的多模态视网膜图像进行对齐，以实现对大规模临床数据中结构变化分析所需的准确性和鲁棒性	提出的深度学习方法在所有模态中实现了优越的整体性能，没有出现传统方法中的重大失败，并且在多模态注册中表现出更好的鲁棒性	深度学习方法在单模态纵向注册中的平均误差略高于传统特征点方法	开发一种能够准确且鲁棒地对齐多模态视网膜图像的深度学习算法，以促进对视网膜疾病进展的详细研究	多模态视网膜图像的注册	计算机视觉	年龄相关性黄斑变性	深度学习	CNN	图像	大规模临床数据
123	2024-08-07	Acoustic and Language Based Deep Learning Approaches for Alzheimer's Dementia Detection From Spontaneous Speech 2021, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2021.623607 PMID:33613269	研究论文	本文通过重新实现使用CNN-LSTM架构的自然语言处理方法，并设计了一种端到端的深度学习解决方案，用于从患者的自发言语中进行阿尔茨海默病痴呆的二元分类	提出了一种结合声学特征的深度学习方法Speech-GRU，提高了分类准确率，并探讨了双模态方法在阿尔茨海默病分类中的应用	现有模型在ADReSS数据集上的准确率仅为72.92%，低于在DementiaBank数据集上的表现	早期检测阿尔茨海默病痴呆	从自发言语中检测阿尔茨海默病痴呆	自然语言处理	阿尔茨海默病	CNN-LSTM架构	CNN-LSTM, Speech-GRU	自发言语	使用ADReSS数据集
124	2024-08-06	Deep Learning for Anterior Segment Optical Coherence Tomography to Predict the Presence of Plateau Iris 2021-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.10.1.7 PMID:33505774	研究论文	本研究评估了深度学习前房角膜光学相干断层扫描在预测平台虹膜中的诊断性能	创新点在于开发了一种基于深度学习的AS-OCT平台虹膜预测模型	研究局限性包括样本量相对较小且仅限于特定疾病类型	研究旨在评估深度学习模型在预测平台虹膜中的有效性	研究对象为142名患有原发性闭角病的患者的179只眼睛	医学影像学	原发性闭角病	光学相干断层扫描（OCT）	深度学习算法	图像	179只眼睛，来自142名患者，使用了2500幅训练图像和160幅测试图像
125	2024-08-06	A National US Survey of Pediatric Emergency Department Coronavirus Pandemic Preparedness 2021-Jan-01, Pediatric emergency care IF:1.2Q3 DOI:10.1097/PEC.0000000000002307 PMID:33394945	研究论文	本文旨在描述美国多样化的儿科急诊科在新冠疫情期间的准备工作。	本研究提供了对儿科急诊科在COVID-19疫情初期实施的准备工作和培训创新的深入了解。	本研究的调查样本仅来自35所医院中的25所，可能无法全面代表所有儿科急诊科的准备情况。	阐明美国儿科急诊科对COVID-19疫情的应对准备工作。	涉及美国的多家儿科急诊科及其医疗主任。	数字病理学	NA	调查问卷	NA	文本	35家医院中的25家参与调查
126	2024-08-07	Attention-based multi-scale features fusion for unobtrusive atrial fibrillation detection using ballistocardiogram signal 2021-Jan-28, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-021-00848-w PMID:33509212	研究论文	本文提出了一种基于注意力的多尺度特征融合方法，用于使用球肌电图信号进行无创心房颤动检测	首次研究了BCG的相空间轨迹，并结合1-D形态特征和2-D节奏特征，通过CNN网络提高了AF检测的鲁棒性	NA	研究如何通过深度学习方法准确筛查日常生活中的心房颤动	心房颤动检测	机器学习	心血管疾病	BCG信号	CNN, Bi-LSTM	信号	2000个BCG信号段，来自59名患有阵发性心房颤动的志愿者
127	2024-08-07	Clustered embedding using deep learning to analyze urban mobility based on complex transportation data 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0249318 PMID:33878114	研究论文	本文提出了一种基于深度学习的分析城市交通模式的新方法，通过聚类和嵌入技术捕捉城市居民移动模式的隐含意义	本文创新性地结合了聚类和嵌入技术，有效分析了复杂的城市移动模式，提高了预测准确性	NA	研究目的是通过深度学习技术分析城市移动模式，预测交通流量和公共交通使用情况	研究对象是城市居民的移动模式及其时空特征	机器学习	NA	深度学习	NA	交通数据	150万市民的交通数据
128	2024-08-07	The phase space of meaning model of psychopathology: A computer simulation modelling study 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0249320 PMID:33901183	研究论文	本研究通过计算机模拟实验，测试了Harmonium模型的一个核心观点，即精神病理学可以被概念化为由于认知过程的调节不良，并在计算层面上模拟了意义相空间（PSM）的概念。	提出了一个基于符号学、具身化和精神分析概念的p因子的新概念化模型——Harmonium模型，并提供了该构造的计算解释。	研究讨论了其局限性和进一步的研究方向，但具体局限性未在摘要中详细说明。	测试Harmonium模型的核心观点，并通过计算机模拟探索精神病理学的认知过程。	精神病理学的认知过程及其在计算模型中的表现。	机器学习	NA	深度学习模型	神经网络	模拟数据	未在摘要中明确提及具体样本数量
129	2024-08-07	Deep learning-based prediction of future growth potential of technologies 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0252753 PMID:34086769	研究论文	本文基于元知识（包括引用、摘要、领域代码等文本信息）利用深度学习算法构建模型，预测技术的未来增长潜力，并探讨不同形式元知识在预测中的适用性	本文创新地利用元知识结合深度学习算法来预测技术的未来增长潜力	NA	研究如何利用研究论文中的元知识预测技术的未来增长潜力	技术的未来增长潜力	机器学习	NA	深度学习算法	NA	文本	NA
130	2024-08-07	Crop yield prediction integrating genotype and weather variables using deep learning 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0252402 PMID:34138872	研究论文	本文利用北美统一大豆试验的性能记录，构建了一个基于长短期记忆（LSTM）循环神经网络的模型，结合系谱相关性和每周天气参数，预测多个环境中的基因型响应，以提高作物产量预测的准确性。	本文提出的模型在作物产量预测方面优于其他机器学习模型，并开发了一种时间注意机制，增强了LSTM模型的可解释性。	NA	提高作物产量预测的准确性，为农业育种和应对气候变化提供科学支持。	大豆作物的产量预测。	机器学习	NA	长短期记忆（LSTM）循环神经网络	LSTM	性能记录和天气参数	北美统一大豆试验的性能记录
131	2024-08-07	A simple and robust method for automating analysis of naïve and regenerating peripheral nerves 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0248323 PMID:34234376	研究论文	本文评估了开源深度学习程序AxonDeepSeg在不同制备方法的外周神经光镜图像中进行轴突组织形态测量的鲁棒性	AxonDeepSeg无需重新训练算法，能够适当地识别幼稚和再生神经之间的关键差异，并适用于不同的外周神经光镜图像制备方法	手动和自动AxonDeepSeg轴突计数在再生神经上显示出中等的一致性，且在轴突直径、髓鞘厚度和g比率测量上存在小但一致的差异	评估AxonDeepSeg在外周神经轴突组织形态测量中的鲁棒性	幼稚和再生的大鼠正中神经横截面的光镜图像	计算机视觉	NA	深度学习	CNN	图像	幼稚和再生的大鼠正中神经横截面
132	2024-08-07	The predictive skill of convolutional neural networks models for disease forecasting 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0254319 PMID:34242349	研究论文	本文研究了一维卷积神经网络（CNN）模型在流行病学预测中的应用	本文采用一维时间卷积层作为主要构建块的两种神经网络——时间卷积网络和简单神经注意元学习器，用于流行病学预测，并发现其预测技能与普通RNN相当，有时甚至更优	NA	研究CNN模型在流行病学预测中的有效性	一维卷积神经网络模型在流行病学预测中的应用	机器学习	NA	卷积神经网络（CNN）	CNN	数据	2010-2019年美国流感数据
133	2024-08-07	Efficient, high-performance semantic segmentation using multi-scale feature extraction 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0255397 PMID:34411138	研究论文	本文介绍了一种名为MoNet的高效神经网络分割算法，利用多尺度图像特征进行优化	MoNet算法在保持与比较架构相匹配的分割性能的同时，提供了更好的样本外泛化性能，并且在独立验证集上优于更大的架构	NA	开发适用于资源受限环境的高效深度学习架构，并评估其在联邦学习应用中的适用性	胰腺分割和脑肿瘤分割	计算机视觉	NA	多尺度特征提取	U-Net类似架构	图像	NA
134	2024-08-07	Forecasting renewable energy for environmental resilience through computational intelligence 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0256381 PMID:34415924	研究论文	本文利用海上风力发电机产生的数据，通过深度自动编码器筛选高维特征，并结合CNN和LSTM模型进行风能预测，以提高环境韧性。	提出了一种结合CNN和LSTM的深度学习混合模型，用于提高海上风能预测的准确性。	NA	提高海上风能预测的准确性，从而增强环境韧性。	海上风力发电机的风能预测。	机器学习	NA	深度学习	CNN-LSTM	数据	三个不同的海上风电场
135	2024-08-07	Application of a time-series deep learning model to predict cardiac dysrhythmias in electronic health records 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0239007 PMID:34516567	研究论文	本文利用时间序列深度学习模型预测电子健康记录中的心脏节律失常	采用长短期记忆（LSTM）模型进行预测，该模型在预测性能上优于传统的机器学习模型	未提及具体限制	利用电子健康记录数据预测心脏节律失常，以实现早期诊断和治疗	心脏节律失常的预测	机器学习	心血管疾病	长短期记忆（LSTM）模型	LSTM	电子健康记录数据	70个诊所的电子健康记录数据
136	2024-08-07	Detection and classification of neurons and glial cells in the MADM mouse brain using RetinaNet 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0257426 PMID:34559842	研究论文	本文利用RetinaNet模型在MADM小鼠脑组织切片中自动检测和分类神经元及胶质细胞	引入第二个RetinaNet模型专门用于检测胶质细胞簇，显著提高了胶质细胞簇的自动计数精度	单一RetinaNet模型在处理密集和饱和的胶质细胞簇时存在困难	开发一种自动检测和分类组织切片中细胞群的方法	MADM小鼠脑中的神经元和胶质细胞	计算机视觉	NA	NA	RetinaNet	图像	涉及六类通过MADM报告基因表达和表型（神经元或胶质）区分的细胞
137	2024-08-07	A maChine and deep Learning Approach to predict pulmoNary hyperteNsIon in newbornS with congenital diaphragmatic Hernia (CLANNISH): Protocol for a retrospective study 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0259724 PMID:34752491	研究论文	本文提出了一种机器学习和深度学习方法，用于预测患有先天性膈疝的新生儿中的肺动脉高压，并开发了一个回顾性研究方案。	本研究首次应用机器学习和深度学习方法于先天性膈疝胎儿和新生儿，以开发预测模型，并计划开发一个半自动胎儿肺部MRI分割系统。	本研究为回顾性研究，结果需要在未来的前瞻性多中心队列研究中进行验证。	开发预测模型，以改善疾病预测、早期针对性干预和个性化管理，从而提高护理质量、资源分配、医疗保健和家庭储蓄。	患有先天性膈疝的胎儿和新生儿。	机器学习	先天性膈疝	MRI	3D U-NET	临床数据和影像数据	从2012年1月1日至2020年12月31日出生的符合条件的患者。
138	2024-08-07	3D fluorescence microscopy data synthesis for segmentation and benchmarking 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0260509 PMID:34855812	研究论文	本文提出了一种利用条件生成对抗网络从3D细胞结构注释掩码生成真实3D荧光显微镜图像数据的方法	本文创新地使用条件生成对抗网络生成3D荧光显微镜图像数据，并结合掩码模拟方法生成完全注释的3D显微镜数据集，公开可用	NA	旨在解决深度学习方法在生物医学图像处理中缺乏大量注释训练数据的问题	3D荧光显微镜图像数据	计算机视觉	NA	条件生成对抗网络	GAN	图像	任意大小和不同生物体的图像数据
139	2024-08-07	Identification of public submitted tick images: A neural network approach 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0260622 PMID:34855822	研究论文	本文介绍了一种基于卷积神经网络的自动识别蜱虫图像的方法TickIDNet，并展示了其在蜱虫识别上的应用	TickIDNet在蜱虫识别上达到了87.8%的准确率，超过了普通公众和医疗专业人员的识别能力	该模型未能达到具有正式昆虫学训练的专家的性能，且在小物体检测方面存在挑战	开发一种能够实时准确识别蜱虫图像的系统，以帮助公众了解蜱虫风险并提供研究人员和公共卫生机构更多关于蜱虫活动的数据	蜱虫及其传播的疾病	计算机视觉	NA	卷积神经网络	CNN	图像	超过90,000张蜱虫图像
140	2024-08-07	Individual dairy cow identification based on lightweight convolutional neural network 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0260510 PMID:34843562	研究论文	本研究利用深度学习技术，通过改进的轻量级卷积神经网络Alexnet，实现了在复杂背景下的个体奶牛识别	提出了一种改进的轻量级卷积神经网络模型，通过短路连接的BasicBlock和改进的inception模块及注意力机制，提高了特征点的检测能力，同时减少了模型参数	NA	提高农场中个体奶牛识别技术的实用性和效率	个体奶牛的图像识别	计算机视觉	NA	卷积神经网络	CNN	图像	13头奶牛的侧视图像