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	2024-09-14	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
202	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
203	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
204	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
205	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
206	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
207	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
208	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
209	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
210	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
211	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
212	2024-09-11	Deep Learning to Estimate Biological Age From Chest Radiographs 2021-11, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2021.01.008 PMID:33744131	研究论文	本文研究了使用深度学习从胸部X光片估计生物年龄，并评估其对长寿预测的有效性	提出了一种新的方法，使用卷积神经网络从胸部X光片估计生物年龄，作为长期死亡风险的衡量标准	NA	评估从胸部X光片估计的生物年龄是否能比实际年龄更好地预测长寿	胸部X光片图像	计算机视觉	NA	卷积神经网络	CNN	图像	116,035个个体用于开发，40,967个个体用于PLCO测试集，5,414个个体用于NLST测试集
213	2024-09-11	Deep learning models for predicting RNA degradation via dual crowdsourcing 2021-Oct-14, ArXiv PMID:34671698	研究论文	本文描述了一个在Kaggle上举办的机器学习竞赛，旨在通过众包方式预测RNA降解	本文通过结合自然语言处理架构和数据增强技术，提高了对RNA降解预测的准确性，并展示了这些模型在更长mRNA分子上的泛化能力	NA	设计更稳定的RNA疗法	RNA分子的降解预测	机器学习	NA	NA	自然语言处理架构	RNA序列	6043个102-130核苷酸的RNA构建体，以及504-1588核苷酸的mRNA分子
214	2024-09-11	Handling of uncertainty in medical data using machine learning and probability theory techniques: a review of 30 years (1991-2020) 2021-Mar-21, Annals of operations research IF:4.4Q1 DOI:10.1007/s10479-021-04006-2 PMID:33776178	综述	本文回顾了过去30年（1991-2020）使用概率论和机器学习技术处理医疗数据中不确定性的相关研究	总结了处理医疗原始数据不确定性及新模型中挑战的各种方法	医疗数据中的不确定性问题仍存在有限的知识和挑战	探讨如何通过概率论和机器学习技术处理医疗数据中的不确定性	医疗数据中的不确定性及其处理方法	机器学习	NA	概率论	深度学习	医疗数据	NA
215	2024-09-11	A Novel Block Imaging Technique Using Nine Artificial Intelligence Models for COVID-19 Disease Classification, Characterization and Severity Measurement in Lung Computed Tomography Scans on an Italian Cohort 2021-Jan-26, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-021-01707-w PMID:33496876	研究论文	本文提出了一种基于九种人工智能模型的新型块状图像技术，用于COVID-19疾病的分类、特征化和严重程度测量	本文创新性地使用了九种人工智能模型，包括深度学习模型和迁移学习模型，以及块状图像技术来评估COVID-19的严重程度	本文的局限性在于仅使用了意大利的一个患者队列，可能存在样本偏差	研究目的是开发和验证一种新型的人工智能技术，用于COVID-19疾病的分类和严重程度评估	研究对象是COVID-19患者的肺部CT扫描图像	计算机视觉	COVID-19	深度学习	CNN, VGG16, DenseNet121, DenseNet169, DenseNet201, MobileNet, ANN, DT, RF	图像	60名患者（包括30名COVID-19患者和30名对照组），共1695张切片
216	2024-09-11	Intelligent system for COVID-19 prognosis: a state-of-the-art survey 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-020-02102-7 PMID:34764577	综述	本文综述了智能系统在COVID-19预后中的应用现状	本文探讨了机器学习和深度学习在COVID-19预后中的应用及其效率和影响	本文主要集中在现有方法的综述，未提出新的解决方案	探讨智能系统在COVID-19预后中的应用及其未来挑战	COVID-19的预后和诊断	机器学习	COVID-19	机器学习 (ML) 和深度学习 (DL)	NA	复杂大数据	NA
217	2024-09-11	Pre-clinical undergraduate students' perspectives on the adoption of virtual and augmented reality to their dental learning experience: A one-group pre- and post-test design protocol 2021, F1000Research DOI:10.12688/f1000research.53059.2 PMID:36703700	研究论文	研究评估虚拟现实（VR）和增强现实（AR）技术在牙科预临床学习中的应用对学生感知的影响	探讨了VR和AR技术在牙科预临床学习中的应用，以改善学生的学习体验	研究采用单一组别的前后测试设计，可能存在偏差	评估VR和AR技术在牙科预临床学习中的应用对学生感知的影响	牙科预临床学生	NA	NA	虚拟现实（VR）和增强现实（AR）	NA	问卷调查	一组牙科预临床学生
218	2024-09-10	Wavelet and deep learning-based detection of SARS-nCoV from thoracic X-ray images for rapid and efficient testing 2021-Dec-15, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2021.115650 PMID:34366576	研究论文	本文提出了一种基于小波和深度学习的快速高效检测SARS-nCoV的方法，通过胸腔X光图像进行诊断	使用小波变换和卷积神经网络结合的方法，从胸腔X光图像中提取特征，提高了检测准确性和信号噪声比	NA	开发一种快速高效的SARS-nCoV检测方法，减少诊断时间	SARS-nCoV感染患者	计算机视觉	呼吸道疾病	小波变换、卷积神经网络	卷积神经网络	图像	使用了公开数据库中的胸腔X光图像以及近期COVID-19患者的图像进行验证
219	2024-09-10	Hybrid deep learning of social media big data for predicting the evolution of COVID-19 transmission 2021-Dec-05, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2021.107417 PMID:34690447	研究论文	研究构建了一种混合深度学习模型ODANN，结合神经网络、数据同化和自然语言处理技术，用于预测COVID-19传播的演变	提出了一种新的混合深度学习模型ODANN，结合了神经网络、数据同化和自然语言处理技术，能够同时处理COVID-19时间序列数据和Twitter数据，以预测全球确诊病例的增长率	研究仅使用了2020年1月23日至5月10日的Twitter数据，可能无法全面反映全球社区的情感反应	开发一种能够预测COVID-19传播演变的混合深度学习模型	COVID-19时间序列数据和Twitter数据	机器学习	COVID-19	自然语言处理	神经网络	文本	超过1亿条英文Twitter数据
220	2024-09-10	Correlating dynamic climate conditions and socioeconomic-governmental factors to spatiotemporal spread of COVID-19 via semantic segmentation deep learning analysis 2021-Dec, Sustainable cities and society IF:10.5Q1 DOI:10.1016/j.scs.2021.103231 PMID:34377630	研究论文	本研究开发了一种深度学习模型，通过融合气候条件、社会经济和政府限制因素的数据特征，预测全球COVID-19的传播率	提出了G参数，并通过两步优化过程融合气候特征和社会经济-政府因素，提高了模型的预测能力	NA	预测COVID-19的全球传播率	COVID-19的传播率及其与气候条件、社会经济和政府因素的关系	机器学习	NA	深度学习	NA	数据特征	全球251个国家