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
221	2024-09-23	Hyperspectral Microscopic Imaging for the Detection of Head and Neck Squamous Cell Carcinoma on Histologic Slides 2021-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2581970 PMID:35783088	研究论文	研究使用高光谱显微成像和深度学习方法自动检测头颈部鳞状细胞癌	首次将高光谱显微成像与基于Inception的二维卷积神经网络结合用于头颈部鳞状细胞癌的自动检测	样本量较小，仅涉及18名患者	探索高光谱显微成像和深度学习方法在头颈部鳞状细胞癌自动检测中的应用	头颈部鳞状细胞癌的病理切片	数字病理学	头颈部鳞状细胞癌	高光谱成像	二维卷积神经网络	图像	18名患者
222	2024-09-23	Lung parenchymal characterization via thoracic dynamic MRI in normal children and pediatric patients with TIS 2021, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2581708 PMID:35465442	研究论文	本文展示了通过胸腔动态MRI评估正常儿童和TIS患儿肺实质特征的方法	首次提供了一种定量的动态功能方法，用于在动态MRI上分析健康儿童和TIS患儿的潮气呼吸期间肺实质	NA	评估胸腔不足综合征（TIS）患儿的治疗效果	正常儿童和TIS患儿的肺实质特征	数字病理	胸腔不足综合征	动态磁共振成像（dMRI）	深度学习	图像	11名TIS患儿（每名患儿有术前和术后扫描）和23名健康儿童的45次dMRI扫描
223	2024-09-21	Advancing Eosinophilic Esophagitis Diagnosis and Phenotype Assessment with Deep Learning Computer Vision 2021-Feb, Biomedical engineering systems and technologies, international joint conference, BIOSTEC ... revised selected papers. BIOSTEC (Conference) DOI:10.5220/0010241900002865 PMID:34046649	研究论文	本文提出了一种利用深度学习计算机视觉技术自动量化嗜酸性粒细胞以诊断嗜酸性食管炎（EoE）并评估疾病严重程度和进展的方法	首次利用深度学习计算机视觉技术进行EoE诊断，并提供了一种自动化的疾病严重程度和进展跟踪过程	NA	寻找可能指导新患者在疾病初始诊断时治疗计划的关联	嗜酸性食管炎（EoE）的诊断和疾病严重程度及进展评估	计算机视觉	消化系统疾病	深度学习	U-Net	图像	NA
224	2024-09-20	Evaluation of Ischemic Penumbra in Stroke Patients Based on Deep Learning and Multimodal CT 2021, Journal of healthcare engineering DOI:10.1155/2021/3215107 PMID:39290779	研究论文	本文提出了一种基于改进的全局注意力上采样U-Net模型的主次路径注意力补偿网络结构，用于急性缺血性卒中患者的缺血半暗带和核心梗死体积的分割	提出了主次路径注意力补偿网络结构，通过辅助路径网络生成松散的辅助注意力补偿系数，弥补主路径网络中可能的注意力系数错误	文章未明确提及具体的局限性	研究多模态CT在急性缺血性卒中患者中对侧支循环、缺血半暗带、核心梗死体积的定量评估及其在静脉溶栓治疗中的预后评估价值	急性缺血性卒中患者的缺血半暗带、核心梗死体积及静脉溶栓治疗的预后	计算机视觉	脑血管疾病	深度学习	U-Net	图像	未明确提及具体样本数量
225	2024-09-20	Enhanced bat algorithm for COVID-19 short-term forecasting using optimized LSTM 2021, Soft computing IF:3.1Q2 DOI:10.1007/s00500-021-06075-8 PMID:34393647	研究论文	本文提出了一种优化的长短期记忆网络（LSTM）用于COVID-19病例的短期预测，并使用增强的蝙蝠算法（BA）进行优化	本文提出了一种增强的蝙蝠算法，通过使用高斯自适应惯性权重和替换随机漫步为高斯漫步来解决过早收敛和局部最小值问题	NA	提高COVID-19病例预测的准确性，帮助控制疫情	COVID-19病例的短期预测	机器学习	COVID-19	蝙蝠算法	LSTM	时间序列数据	NA
226	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
227	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
228	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
229	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
230	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
231	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
232	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
233	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
234	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
235	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
236	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
237	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
238	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
239	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
240	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