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
261	2024-09-10	A multi-center study of COVID-19 patient prognosis using deep learning-based CT image analysis and electronic health records 2021-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2021.109583 PMID:33846041	研究论文	本文通过结合电子健康记录和深度学习CT图像分析，进行多中心研究以预测COVID-19患者的预后	开发了一种基于深度学习的CT分割网络，并结合电子健康记录进行预后预测	NA	预测COVID-19患者的严重程度和预后	COVID-19患者的CT图像和电子健康记录	计算机视觉	COVID-19	深度学习	CNN	图像和文本	涉及三个机构的多个患者数据
262	2024-09-10	Comparative study of machine learning methods for COVID-19 transmission forecasting 2021-06, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2021.103791 PMID:33915272	研究论文	本文比较了多种机器学习方法在COVID-19传播预测中的表现	本文引入了混合模型（如LSTM-CNN和GAN-GRU）来提高COVID-19未来趋势的预测准确性	NA	研究如何利用机器学习方法提高COVID-19传播的短期预测准确性	COVID-19传播的短期预测	机器学习	COVID-19	机器学习	混合模型（LSTM-CNN、GAN-GRU）、GAN、CNN、LSTM、RBM、LR、SVR	时间序列数据	来自七个受影响国家的COVID-19确诊病例和康复病例数据
263	2024-09-10	Artificial intelligence to diagnose paroxysmal supraventricular tachycardia using electrocardiography during normal sinus rhythm 2021-Jun, European heart journal. Digital health DOI:10.1093/ehjdh/ztab025 PMID:36712389	研究论文	开发并验证了一种深度学习模型，用于在正常窦性心律期间通过心电图诊断阵发性室上性心动过速	首次开发并验证了一种基于残差神经网络的深度学习模型，用于在正常窦性心律期间通过心电图识别阵发性室上性心动过速患者	研究为多中心回顾性研究，数据来自两家医院，可能存在数据偏倚	开发并验证一种深度学习模型，用于在正常窦性心律期间通过心电图诊断阵发性室上性心动过速	阵发性室上性心动过速患者	机器学习	心血管疾病	深度学习	残差神经网络	心电图	12955名正常窦性心律患者，31147份心电图
264	2024-09-10	Automatic detection of COVID-19 disease using U-Net architecture based fully convolutional network 2021-May, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.102518 PMID:33643425	研究论文	本文提出了一种基于U-Net架构的全卷积网络，用于自动检测COVID-19疾病	使用U-Net架构进行胸部CT图像分析，以提高COVID-19检测的准确性	仅使用了1000张CT图像进行评估，样本量相对较小	开发一种自动化的COVID-19检测系统，作为现有RT-PCR检测方法的补充	COVID-19患者的胸部CT图像	计算机视觉	COVID-19	深度学习	U-Net	图像	1000张胸部CT图像，其中552张来自正常人，448张来自COVID-19患者
265	2024-09-10	Forecasting of COVID-19 using deep layer Recurrent Neural Networks (RNNs) with Gated Recurrent Units (GRUs) and Long Short-Term Memory (LSTM) cells 2021-May, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2021.110861 PMID:33746373	研究论文	本文使用深度循环神经网络（RNN）模型，包括门控循环单元（GRU）和长短期记忆（LSTM）细胞，来预测COVID-19的全球影响	本文提出了使用深度学习RNN模型来预测COVID-19的未来趋势，并强调了年龄、预防措施、医疗设施和人口密度等因素的重要性	NA	预测COVID-19的全球影响，帮助各国更好地准备和控制疫情	COVID-19的累计确诊病例、累计康复病例和累计死亡病例	机器学习	传染病	深度学习	RNN、GRU、LSTM	数据	使用约翰霍普金斯大学COVID-19数据库的公开数据
266	2024-09-10	Deep-chest: Multi-classification deep learning model for diagnosing COVID-19, pneumonia, and lung cancer chest diseases 2021-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104348 PMID:33774272	研究论文	本文提出了一种用于诊断COVID-19、肺炎和肺癌的多分类深度学习模型，基于胸部X光和CT图像	本文首次提出了一种结合胸部X光和CT图像的多分类深度学习模型，用于诊断COVID-19、肺炎和肺癌	本文仅评估了四种深度学习架构的性能，未探讨其他可能的模型	开发一种能够准确诊断COVID-19、肺炎和肺癌的深度学习模型	COVID-19、肺炎和肺癌的胸部疾病	计算机视觉	肺部疾病	深度学习	CNN	图像	使用了包含正常、COVID-19、肺炎和肺癌四个类别的公共胸部X光和CT数据集
267	2024-09-10	Deep learning for diagnosis of COVID-19 using 3D CT scans 2021-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104306 PMID:33780867	研究论文	本文提出了一种基于深度学习的人工智能方法，用于通过3D CT扫描诊断COVID-19	本文创新性地使用ResNet-50深度学习模型对3D CT扫描中的每张CT图像进行COVID-19预测，并通过融合图像级预测来诊断COVID-19	未提及具体限制	开发一种快速准确的人工智能方法，用于通过3D CT扫描诊断COVID-19	COVID-19感染的3D CT扫描图像	计算机视觉	COVID-19	深度学习	ResNet-50	3D CT扫描图像	未提及具体样本数量
268	2024-09-10	An automated COVID-19 detection based on fused dynamic exemplar pyramid feature extraction and hybrid feature selection using deep learning 2021-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104356 PMID:33799219	研究论文	本文提出了一种基于融合动态样本金字塔特征提取和混合特征选择的深度学习模型，用于自动检测COVID-19	本文创新性地结合了手工特征生成技术和混合特征选择方法，以提高分类准确性	NA	本文旨在通过使用CT图像的手工特征，实现比卷积神经网络更高的分类准确性	本文的研究对象是COVID-19的自动检测	计算机视觉	COVID-19	深度学习	深度神经网络 (DNN)	图像	256 × 256大小的CT图像
269	2024-09-10	A social media analytics platform visualising the spread of COVID-19 in Italy via exploitation of automatically geotagged tweets 2021-May, Online social networks and media DOI:10.1016/j.osnem.2021.100134 PMID:36570037	研究论文	本文提出了一种利用自动地理标记的推文来可视化意大利COVID-19传播的社交媒体分析平台	本文提出了一种新的框架来收集、分析和可视化Twitter帖子，特别针对意大利的病毒传播情况进行了定制	NA	利用社交媒体数据加强危机管理	Twitter帖子中的地理信息、图像中的人数以及Twitter用户社区	自然语言处理	COVID-19	深度学习定位技术、人脸检测算法、社区检测方法	深度学习模型	文本、图像	NA
270	2024-09-10	Does non-COVID-19 lung lesion help? investigating transferability in COVID-19 CT image segmentation 2021-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2021.106004 PMID:33662804	研究论文	研究了非COVID-19肺部病变在COVID-19 CT图像分割中的迁移学习效果	提出了混合编码器学习策略，结合了专用编码器和适应性编码器，以及基于注意力的选择性融合单元，用于动态特征选择和聚合	NA	探讨非COVID-19肺部病变在COVID-19 CT图像分割中的迁移学习效果，并提出一种更有效的深度学习模型训练策略	COVID-19 CT图像分割	计算机视觉	肺部疾病	迁移学习	3D U-Net	CT图像	基于公开的COVID-19 CT数据集和三个公开的非COVID-19数据集
271	2024-09-10	TLCoV- An automated Covid-19 screening model using Transfer Learning from chest X-ray images 2021-Mar, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2021.110713 PMID:33526961	研究论文	本文设计了一种基于迁移学习的自动化Covid-19筛查模型，通过胸部X光图像识别患者是否感染Covid-19	本文提出的模型使用VGG-16架构，在Covid-19筛查中表现优于现有的CNN和ResNet-50模型	NA	开发一种高精度的自动化Covid-19筛查模型，以减少疾病的快速传播	Covid-19感染患者、其他肺炎感染患者和无感染者	计算机视觉	Covid-19	迁移学习	VGG-16	图像	使用来自Kaggle仓库的标准Covid-19放射影像数据集中的胸部X光图像
272	2024-09-10	The effect of confounding data features on a deep learning algorithm to predict complete coronary occlusion in a retrospective observational setting 2021-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztab002 PMID:36711180	研究论文	研究了深度学习算法在预测冠状动脉完全闭塞中的效果，并探讨了混杂数据特征的影响	首次探讨了数据泄露对深度学习模型预测冠状动脉闭塞结果的影响	数据集过小导致模型性能不佳，且存在数据泄露问题	评估深度学习算法在检测冠状动脉闭塞中的可行性	冠状动脉闭塞的ECG样本	机器学习	心血管疾病	深度学习	深度卷积神经网络	ECG数据	NA
273	2024-09-10	Integrative analysis for COVID-19 patient outcome prediction 2021-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2020.101844 PMID:33091743	研究论文	本文提出了一种综合分析方法，结合影像学和非影像学特征来预测COVID-19患者的预后	首次使用包括影像和非影像数据的全面信息进行患者预后预测	NA	提高COVID-19患者预后预测的准确性，以辅助临床决策	COVID-19患者的预后预测	计算机视觉	COVID-19	深度学习	NA	影像和非影像数据	295名COVID-19阳性患者
274	2024-09-08	Graph auto-encoding brain networks with applications to analyzing large-scale brain imaging datasets 2021-12-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118750 PMID:34823023	研究论文	本文开发了一种非线性潜在因子模型，用于表征脑图的群体分布并推断其与人类特征的关系	提出了名为Graph AuTo-Encoding (GATE)的方法，通过深度学习技术对脑网络进行编码和解码，以分析大规模脑成像数据集	NA	研究从不同成像模式推断的人类脑连接组及其与人类特征（如认知）的关系	脑连接组及其与认知的关系	计算机视觉	NA	深度学习	图自编码器 (Graph AuTo-Encoding, GATE)	网络数据	两个大规模脑成像数据集：Adolescent Brain Cognitive Development (ABCD) 研究和 Human Connectome Project (HCP) 成人研究
275	2024-09-08	A mixture-density-based tandem optimization network for on-demand inverse design of thin-film high reflectors 2021-Nov, Nanophotonics IF:6.5Q1 DOI:10.1515/nanoph-2021-0392 PMID:36425324	研究论文	本文介绍了一种基于混合密度网络和全连接网络的串联优化模型，用于薄膜高反射器的按需逆向设计	该模型结合了混合密度网络的多模态特性，能够访问由概率分布描述的无限候选设计，并通过全连接网络进行迭代采样和评估，从而实现快速优化	NA	开发一种高效且准确的逆向设计方法，用于薄膜高反射器的实际应用	薄膜高反射器的逆向设计	计算机视觉	NA	深度学习	混合密度网络（MDN）和全连接网络（FC）	光谱数据	20层薄膜结构
276	2024-09-08	Q-space Conditioned Translation Networks for Directional Synthesis of Diffusion Weighted Images from Multi-modal Structural MRI 2021 Sep-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-87234-2_50 PMID:36383495	研究论文	提出了一种基于生成对抗网络的扩散加权图像合成框架，能够在任意q空间采样条件下从多模态结构MRI生成高质量的DWI	该方法通过线性调制内部表示以适应连续的q空间信息，避免了固定采样方案的需求，并能从任意子采样的DWI中估计高质量的微观结构图	NA	改进扩散MRI建模，提高DWI合成的准确性和保真度，增强下游应用的实用性	扩散加权图像（DWI）的合成	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	NA
277	2024-09-08	Deep Learning-Based Cell Detection and Extraction in Thin Blood Smears for Malaria Diagnosis 2021-Apr-26, IEEE Applied Imagery Pattern Recognition Workshop : [proceedings]. IEEE Applied Imagery Pattern Recognition Workshop DOI:10.1109/AIPR52630.2021.9762109 PMID:36483328	研究论文	本文提出了一种基于深度学习的薄血涂片中细胞检测和提取框架，用于疟疾诊断	使用改进的Channel-wise Feature Pyramid Network for Medicine (CFPNet-M)深度学习网络进行细胞检测，并通过距离变换图像提高密集细胞的计数准确性	初步结果基于193名患者的数据，需要进一步验证和扩展	自动化疟疾诊断，解决传统显微镜检查的繁琐和误差问题	薄血涂片中的红细胞检测和提取	计算机视觉	疟疾	深度学习	CFPNet-M	图像	193名患者（包括148名感染患者和45名未感染患者）
278	2024-09-06	Protein tertiary structure prediction and refinement using deep learning and Rosetta in CASP14 2021-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26194 PMID:34331359	研究论文	本文通过深度学习和Rosetta方法改进了蛋白质三级结构预测和优化	引入了语言模型嵌入和模板信息加权，并开发了一个结合无模板和有模板版本的trRosetta模型的优化流程	整体改进效果有限，部分原因是缺失域间或链间接触	改进蛋白质三级结构预测方法	蛋白质三级结构	机器学习	NA	深度学习	trRosetta	序列信息	NA
279	2024-09-06	Machine learning meets mechanistic modelling for accurate prediction of experimental activation energies 2021-Jan-21, Chemical science IF:7.6Q1 DOI:10.1039/d0sc04896h PMID:36299676	研究论文	本文构建了结合传统过渡态模型和机器学习的混合模型，用于准确预测反应能垒	提出了一种结合传统过渡态模型和机器学习的混合模型，显著提高了反应能垒预测的准确性	模型在低数据情况下表现良好，但在数据量较大的情况下可能需要进一步优化	开发一种能够准确预测化学反应能垒的混合模型	核芳香亲核取代反应的实验动力学数据	机器学习	NA	高斯过程回归	混合模型	实验数据	100-150个速率常数
280	2024-09-05	Deep learning-based amyloid PET positivity classification model in the Alzheimer's disease continuum by using 2-[18F]FDG PET 2021-Jun-10, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-021-00798-3 PMID:34114091	研究论文	本文提出了一种基于深度学习（DL）的模型，用于从2-脱氧-2-[氟-18]氟-D-葡萄糖（2-[18F]FDG）PET图像中分类阿尔茨海默病连续体中的淀粉样PET阳性情况	该模型能够在不进行有限可及性的淀粉样PET的情况下，成功分类临床实践中的淀粉样PET阳性情况	NA	开发一种基于2-[18F]FDG PET图像的深度学习模型，用于早期诊断和预测阿尔茨海默病	阿尔茨海默病患者	机器学习	阿尔茨海默病	2-[18F]FDG PET	2.5-D深度学习架构	图像	训练和内部验证数据集包含1433名参与者，外部验证数据集包含100名参与者