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
201	2024-09-19	Classification of COVID-19 pneumonia from chest CT images based on reconstructed super-resolution images and VGG neural network 2021-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-021-00140-0 PMID:33643612	研究论文	本文提出了一种基于超分辨率重建图像和VGG神经网络的COVID-19肺炎胸部CT图像分类辅助诊断算法	使用SRGAN神经网络对胸部CT图像进行超分辨率重建，然后通过VGG16神经网络对COVID-19和非COVID-19图像进行分类	NA	提高COVID-19肺炎胸部CT图像分类的准确性和性能	COVID-19肺炎和非COVID-19肺炎的胸部CT图像	计算机视觉	肺部疾病	超分辨率重建	SRGAN和VGG16	图像	使用公开的COVID-CT数据集进行验证
202	2024-09-19	Blockchain-Federated-Learning and Deep Learning Models for COVID-19 Detection Using CT Imaging 2021-Jul-15, IEEE sensors journal IF:4.3Q2 DOI:10.1109/JSEN.2021.3076767 PMID:35789224	研究论文	本文提出了一种利用区块链联邦学习和深度学习模型进行COVID-19检测的框架	提出了基于区块链的联邦学习框架，解决了数据异质性和隐私保护问题，并使用了胶囊网络进行分割和分类	NA	开发一种有效的COVID-19诊断方法，解决测试试剂短缺和数据共享隐私问题	COVID-19患者的CT影像数据	计算机视觉	COVID-19	区块链技术，联邦学习	胶囊网络	CT影像	来自不同医院的少量COVID-19患者数据
203	2024-09-19	Deep Learning-Based COVID-19 Detection Using CT and X-Ray Images: Current Analytics and Comparisons 2021-May-01, IT professional IF:2.2Q3 DOI:10.1109/MITP.2020.3036820 PMID:35582037	研究论文	本文利用深度学习方法基于CT和X光图像进行COVID-19检测，并分析其全球传播情况	本文提出了基于深度学习的COVID-19检测方法，并结合数据分析全球传播情况	NA	研究COVID-19的检测方法及其全球传播情况	COVID-19病毒及其传播	计算机视觉	COVID-19	深度学习	NA	图像	NA
204	2024-09-19	A Novel Method for COVID-19 Diagnosis Using Artificial Intelligence in Chest X-ray Images 2021-Apr-29, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare9050522 PMID:33946809	研究论文	提出了一种利用人工智能和胸部X光图像自动诊断COVID-19的新方法	提出了CoVIRNet模型，结合了深度学习和机器学习技术，通过多尺度特征提取和分类，实现了95.7%的准确率，特征提取器与随机森林分类器结合达到了97.29%的准确率	由于COVID-19数据集较小，存在过拟合的风险	开发一种非侵入性技术，利用人工智能自动检测疑似COVID-19患者	COVID-19患者的胸部X光图像	计算机视觉	传染病	深度学习	Inception-ResNet	图像	有限数量的COVID-19患者胸部X光图像
205	2024-09-19	Transfer learning for establishment of recognition of COVID-19 on CT imaging using small-sized training datasets 2021-Apr-22, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2021.106849 PMID:33584016	研究论文	本文利用迁移学习技术，基于小规模训练数据集，建立了用于CT影像识别COVID-19的方法	本文首次采用迁移学习结合DensNet-121模型，利用CheXNet预训练网络在小规模数据集上进行微调，实现了COVID-19的高精度识别	本文方法依赖于预训练网络的性能，且仅在COVID-19-CT数据集上进行了验证	开发一种基于CT影像的高效COVID-19识别方法，以减轻临床和放射科医生的负担	COVID-19的CT影像识别	计算机视觉	COVID-19	迁移学习	DensNet-121	CT影像	小规模数据集
206	2024-09-19	Deep Learning-Driven Automated Detection of COVID-19 from Radiography Images: a Comparative Analysis 2021-Mar-02, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-020-09779-5 PMID:33680209	研究论文	本文详细研究了基于深度学习的COVID-19自动检测方法，并进行了模型性能的基准测试	首次对315种深度学习模型在COVID-19检测中的性能进行了基准测试，并发现DenseNet201模型结合Quadratic SVM分类器表现最佳	研究主要集中在X射线图像上，未涵盖其他类型的医学影像数据	评估和比较不同深度学习模型在COVID-19检测中的性能	COVID-19、正常和肺炎的X射线图像	计算机视觉	COVID-19	深度学习	DenseNet201	图像	来自四个数据集的X射线图像，共315个模型
207	2024-09-19	Machine and Deep Learning towards COVID-19 Diagnosis and Treatment: Survey, Challenges, and Future Directions 2021-01-27, International journal of environmental research and public health DOI:10.3390/ijerph18031117 PMID:33513984	综述	本文综述了基于人工智能的机器学习和深度学习方法在COVID-19诊断和治疗中的应用	总结了现有的最先进方法及其在COVID-19中的应用，并提供了未来研究方向	NA	探讨人工智能技术在COVID-19诊断和治疗中的应用及其未来发展方向	COVID-19的诊断和治疗	机器学习	COVID-19	机器学习 (ML) 和深度学习 (DL)	NA	NA	NA
208	2024-09-17	Using Deep Learning to Identify High-Risk Patients with Heart Failure with Reduced Ejection Fraction 2021, Journal of health economics and outcomes research IF:2.3Q2 DOI:10.36469/jheor.2021.25753 PMID:34414250	研究论文	本研究利用深度学习模型预测心力衰竭伴射血分数降低患者的心力衰竭住院、恶化事件及30天和90天再入院	本研究首次采用双向长短期记忆网络（Bi-LSTM）模型，并展示了其在预测心力衰竭相关结果方面的优越性	缺乏详细的临床数据以及样本量和样本不平衡问题可能限制了模型的性能	开发和部署预测工具以识别高风险的心力衰竭伴射血分数降低患者	心力衰竭伴射血分数降低患者的住院、恶化事件及再入院	机器学习	心血管疾病	深度学习	双向长短期记忆网络（Bi-LSTM）	电子健康记录	共纳入47,498名心力衰竭伴射血分数降低患者，其中9,427名至少有一次心力衰竭住院
209	2024-09-15	Ten future challenges for synthetic biology 2021-Sep, Engineering biology DOI:10.1049/enb2.12011 PMID:36968258	评论	本文讨论了合成生物学领域的10个未来挑战	NA	NA	探讨合成生物学未来的技术进步和发展方向	合成生物学领域的技术挑战	合成生物学	NA	自动化、深度学习、进化控制	NA	NA	NA
210	2024-09-14	Automatic delineation of cardiac substructures using a region-based fully convolutional network 2021-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.14810 PMID:33655548	研究论文	本文提出了一种基于区域的全卷积网络用于自动描绘心脏亚结构	使用了一种基于深度学习的算法，通过区域卷积神经网络（RCNN）自动生成心脏亚结构的轮廓，以帮助回顾性或前瞻性剂量学研究	该方法在冠状动脉和心脏瓣膜的分割上表现较差，平均表面距离（MSD）较大	研究放射剂量与心脏亚结构毒性之间的关系	心脏亚结构，如心房和心室	计算机视觉	NA	区域卷积神经网络（RCNN）	全卷积网络	CT图像	55个患者CT数据集，其中22个有对比扫描，45个用于三折交叉验证，10个用于保留评估
211	2024-09-14	Evaluation of deep learning approaches for identification of different corona-virus species and time series prediction 2021-06, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2021.101921 PMID:33930734	研究论文	本文评估了多种深度学习模型在新冠病毒物种识别和时间序列预测中的应用	本文首次将多种卷积神经网络模型（如VGG、LetNet-5、AlexNet和Resnet-50）应用于新冠病毒和SARS_MERS感染患者的肺部X光扫描分类，并使用LSTM模型进行新冠病毒病例的时间序列预测	由于不同冠状病毒类型的特征重叠，肺部X光扫描的分类任务具有挑战性	开发一种自动化系统，用于区分新冠病毒阳性患者和阴性患者，并预测未来10天内的新冠病毒病例	新冠病毒和SARS_MERS感染患者的肺部X光扫描图像，以及意大利未来10天内的新冠病毒病例	计算机视觉	NA	卷积神经网络（CNN）和长短期记忆网络（LSTM）	CNN和LSTM	图像	NA
212	2024-09-14	Echocardiographic image multi-structure segmentation using Cardiac-SegNet 2021-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.14818 PMID:33655564	研究论文	本文提出了一种基于深度学习的超声心动图多结构分割方法，使用Cardiac-SegNet网络进行自动分割	本文提出了一种无锚点的掩码卷积神经网络Cardiac-SegNet，相比传统的Mask R-CNN方法，该网络能够更好地建模目标的空间关系，并采用空间注意力策略突出显著特征	NA	开发一种基于深度学习的自动多结构分割方法，用于超声心动图的心脏边界分割，以评估心脏功能和疾病诊断	超声心动图中的左心室心内膜、左心室心外膜和左心房	计算机视觉	心血管疾病	卷积神经网络	CNN	图像	450个患者数据集，采用五折交叉验证和保留测试
213	2024-09-14	Synthetic dual-energy CT for MRI-only based proton therapy treatment planning using label-GAN 2021-03-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abe736 PMID:33596558	研究论文	本文提出了一种基于深度学习的方法，利用label-GAN从MRI生成合成双能CT（sDECT），以计算质子治疗中的停止功率比（SPR）	本文提出了一种新的基于标签生成对抗网络（label-GAN）的模型，能够区分高能CT（HECT）和低能CT（LECT），并显著提高了sDECT的准确性	本文仅在57例头颈部癌症患者的数据集上验证了方法的有效性，未来需要在更大和更多样化的数据集上进行验证	开发一种从MRI生成合成双能CT的方法，以支持无CT的质子治疗计划	头颈部癌症患者的MRI和双能CT图像	计算机视觉	头颈部癌症	深度学习	生成对抗网络（GAN）	图像	57例头颈部癌症患者
214	2024-09-14	Breast tumor segmentation in 3D automatic breast ultrasound using Mask scoring R-CNN 2021-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.14569 PMID:33128230	研究论文	本文开发了一种基于深度学习的方法，使用Mask scoring R-CNN进行3D自动乳腺超声中的乳腺肿瘤自动分割	本文提出了一种新颖的Mask scoring R-CNN方法，用于自动分割3D自动乳腺超声图像中的乳腺肿瘤	NA	开发一种基于深度学习的方法，用于3D自动乳腺超声中的乳腺肿瘤自动分割	3D自动乳腺超声图像中的乳腺肿瘤	计算机视觉	乳腺癌	Mask scoring R-CNN	R-CNN	图像	70名经针刺活检确诊的乳腺癌患者，其中40名用于五折交叉验证，30名用于保留测试
215	2024-09-13	[Review on identity feature extraction methods based on electroencephalogram signals] 2021-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202102057 PMID:34970904	综述	本文综述了基于脑电信号的身份特征提取方法	介绍了脑电信号在生物识别中的特殊优势，并探讨了如何结合脑电数据特征更好地提取差异信息	未提及具体的研究局限性	探讨基于脑电信号的身份识别方法	脑电信号的身份特征提取	生物识别	NA	脑电信号分析	深度学习	脑电信号	NA
216	2024-09-13	Image and structured data analysis for prognostication of health outcomes in patients presenting to the ED during the COVID-19 pandemic 2021-Dec-09, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2021.104662 PMID:34923448	研究论文	研究利用机器学习和深度学习模型，结合临床数据和胸部影像数据，预测COVID-19患者在急诊科的不良预后	首次将临床数据和胸部影像数据结合，使用LightGBM和CheXNet模型进行多维度风险预测	研究样本仅限于Loyola大学医学中心的3571名患者，可能存在地域和样本量的局限性	开发机器学习和深度学习模型，预测COVID-19患者在急诊科的不良预后	COVID-19患者的胸部影像和临床数据	计算机视觉	COVID-19	LightGBM, CheXNet	LightGBM, CheXNet	图像, 结构化数据	3571名18岁及以上的急诊科患者
217	2024-09-13	[Research progress in lung parenchyma segmentation based on computed tomography] 2021-Apr-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202008032 PMID:33913299	综述	本文综述了近年来基于CT图像的肺实质分割研究进展	重点介绍了改进深度学习模型网络结构的研究进展	讨论了肺实质分割中尚未解决的问题	回顾和分析肺实质分割的研究进展，为相关领域的研究人员提供参考	基于CT图像的肺实质分割方法	计算机视觉	肺部疾病	CT技术	深度学习模型	图像	NA
218	2024-09-11	DeepSec: a deep learning framework for secreted protein discovery in human body fluids 2021-12-22, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btab545 PMID:34398224	研究论文	本文介绍了一个名为DeepSec的深度学习框架，用于在人体体液中识别分泌蛋白	DeepSec采用端到端的序列分析方法，结合卷积神经网络和双向门控循环单元进行蛋白质分类，显著提高了分泌蛋白识别的准确性	由于现有蛋白质组学平台的技术限制，不同实验研究之间存在较大差异，导致全面的人体体液蛋白质组图谱尚未完全确定	开发一个深度学习框架，以提高人体体液中分泌蛋白的识别准确性	12种人体体液中的分泌蛋白	机器学习	NA	深度学习	卷积神经网络和双向门控循环单元	蛋白质序列	12种人体体液的测试数据集
219	2024-09-11	Learning sparse log-ratios for high-throughput sequencing data 2021-12-22, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btab645 PMID:34498030	研究论文	本文介绍了一种名为CoDaCoRe的新型学习算法，用于从高通量测序数据中发现稀疏、可解释和预测性的对数比生物标志物	CoDaCoRe算法利用连续松弛来近似组合优化问题，并通过现代机器学习工具箱（特别是梯度下降）高效优化，显著提高了计算速度和预测准确性	NA	自动发现与感兴趣结果相关的稀疏生物标志物	高通量测序数据中的对数比生物标志物	机器学习	NA	高通量测序	NA	序列数据	NA
220	2024-09-11	Deep IDA: A Deep Learning Method for Integrative Discriminant Analysis of Multi-View Data with Feature Ranking-An Application to COVID-19 severity 2021-Nov-18, ArXiv PMID:34815984	研究论文	本文提出了一种名为Deep IDA的深度学习方法，用于多视角数据的整合判别分析，并应用于COVID-19严重程度的预测	Deep IDA能够学习非线性投影，最大化关联多个视角并分离不同类别的数据，同时允许特征排序以解释结果	NA	通过整合临床和分子数据，更好地理解COVID-19的分子机制及其严重程度	COVID-19患者的临床和分子数据	机器学习	COVID-19	深度学习	深度学习模型	多视角数据	COVID-19患者和非COVID-19患者的临床和分子数据