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
241	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
242	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
243	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
244	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
245	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
246	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
247	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
248	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
249	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
250	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
251	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
252	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
253	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
254	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
255	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
256	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
257	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
258	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
259	2024-09-10	COVID-19 lung infection segmentation with a novel two-stage cross-domain transfer learning framework 2021-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102205 PMID:34425317	研究论文	本文提出了一种新颖的两阶段跨域迁移学习框架，用于从CT图像中准确分割COVID-19肺部感染	创新点包括一个名为nCoVSegNet的有效感染分割深度学习模型和一种新颖的两阶段迁移学习策略	NA	快速诊断COVID-19以控制疫情传播	COVID-19肺部感染的CT图像分割	计算机视觉	COVID-19	深度学习	nCoVSegNet	图像	NA
260	2024-09-10	Classification of COVID-19 in X-ray images with Genetic Fine-tuning 2021-Dec, Computers & electrical engineering : an international journal IF:4.0Q2 DOI:10.1016/j.compeleceng.2021.107467 PMID:34584299	研究论文	本文研究了基于X射线图像和深度学习技术对COVID-19和其他类型肺炎的检测	提出了新的遗传微调方法来自动定义ResNet50和VGG16架构的最佳超参数集	NA	开发一种能够快速高效分类COVID-19肺炎的方法，以降低成本	COVID-19、其他肺炎和健康状态的X射线图像	计算机视觉	COVID-19	深度学习	ResNet50, VGG16	图像	NA