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
281	2024-08-25	An Interpretable Deep Learning Model for Covid-19 Detection With Chest X-Ray Images 2021, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2021.3087583 PMID:35256923	研究论文	本文介绍了一种用于COVID-19检测的可解释深度学习模型Gen-ProtoPNet	Gen-ProtoPNet模型使用了广义距离函数，能够处理任意类型的空间维度原型，提高了模型的解释性	NA	开发一种可解释的深度学习模型用于COVID-19的及时准确检测	COVID-19的检测	机器学习	COVID-19	深度学习	Gen-ProtoPNet	图像	使用了X射线图像数据集
282	2024-08-25	Learning Predictive and Interpretable Timeseries Summaries from ICU Data 2021, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:35309006	研究论文	本文提出了一种新方法，从ICU数据中学习既具有预测性又易于人类理解的临床时间序列摘要	提出的摘要方法由简单直观的临床数据函数组成，如“下降的平均动脉压”，这些摘要不仅易于理解，而且在性能上与最先进的深度学习模型相当	NA	提高重症监护病房风险分层任务的性能，并增强模型的可解释性	临床时间序列数据	机器学习	NA	NA	深度学习模型	时间序列数据	NA
283	2024-08-24	Automatic pulmonary vessel segmentation on noncontrast chest CT: deep learning algorithm developed using spatiotemporally matched virtual noncontrast images and low-keV contrast-enhanced vessel maps 2021-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-021-08036-z PMID:34009411	研究论文	开发了一种基于深度学习的肺血管分割算法（DLVS），用于非对比剂胸部CT图像，并探讨其在慢性阻塞性肺疾病（COPD）患者血管重塑评估中的临床应用	利用双源CT扫描仪生成的时空匹配的50千电子伏特增强图像和虚拟非对比剂图像，开发了一种新的深度学习肺血管分割算法	NA	开发和验证一种基于深度学习的肺血管分割算法，并评估其在COPD患者中的临床应用	COPD患者的肺血管分割	计算机视觉	慢性阻塞性肺疾病	双源CT扫描	3D U-Net	图像	开发阶段使用了104个肺部CT血管造影扫描（共49,054张切片），外部验证使用了14个供应商独立的非对比剂CT图像和3个VESSEL 12挑战公开数据集，临床验证包括281名COPD患者
284	2024-08-24	Comparing deep learning-based automatic segmentation of breast masses to expert interobserver variability in ultrasound imaging 2021-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104966 PMID:34715553	研究论文	本文比较了基于深度学习的乳腺肿块自动分割模型与超声图像中专家间观察者变异性的表现	提出了一种高表现的深度学习分割模型，并与三位专家的手动分割结果进行比较	深度学习模型通常只与一位专家进行评估，其误差是否在临床可接受范围内尚不清楚	研究深度学习技术在医学图像处理中的可靠性和重复性	乳腺肿块的自动分割	计算机视觉	乳腺肿瘤	深度学习	CNN	图像	使用了455名患者的甲状腺超声分割数据集和733名患者的乳腺超声分割数据集
285	2024-08-24	Deep learning-based facial image analysis in medical research: a systematic review protocol 2021-11-11, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2020-047549 PMID:34764164	综述	本文旨在通过系统综述方法，探讨深度学习在医学研究中基于面部图像分析的特征和效果	本文旨在填补关于深度学习在医学面部图像分析领域现状的认知空白，并提供对该技术在疾病检测、诊断和预后应用中的特征、挑战和机遇的深入理解	NA	了解深度学习在医学面部图像分析中的应用现状、挑战和机遇	深度学习在医学面部图像分析的研究	计算机视觉	NA	深度学习	NA	图像	NA
286	2024-08-24	Cohort and Trajectory Analysis in Multi-Agent Support Systems for Cancer Survivors 2021-Nov-11, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-021-01770-3 PMID:34766229	研究论文	本文提出了一种基于队列和轨迹分析（CTA）模块的个性化支持系统，用于癌症幸存者，该系统集成在名为EREBOTS的基于代理的个性化聊天机器人中	引入CTA模块，结合生存估计模型、机器学习和深度学习技术，为临床医生提供个性化治疗选择的证据，并为患者提供适应其状况和轨迹的定制建议	NA	开发一种个性化支持系统，以提高癌症幸存者的生存质量	癌症幸存者及其个性化支持需求	机器学习	癌症	机器学习, 深度学习	生存估计模型	NA	NA
287	2024-08-24	Distant Domain Transfer Learning for Medical Imaging 2021-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2021.3051470 PMID:33449887	研究论文	本文提出了一种新的医学图像分类迁移学习框架，并应用于COVID-19的肺部CT图像诊断	该方法利用远领域中的未标记数据，有效处理训练数据与测试数据之间的分布偏移，并实现了96%的分类准确率	由于疾病的创新性和隐私政策，难以获取良好标记的训练数据集	开发一种远领域迁移学习模型，用于COVID-19的诊断	COVID-19的肺部CT图像	计算机视觉	肺部疾病	迁移学习	Unet分割模型和远特征融合分类模型	图像	使用未标记的Office-31、Caltech-256和胸部X射线图像数据集作为源数据，以及一小部分标记的COVID-19肺部CT图像作为目标数据
288	2024-08-24	Predicting COVID-19 cases using bidirectional LSTM on multivariate time series 2021-Oct, Environmental science and pollution research international DOI:10.1007/s11356-021-14286-7 PMID:34043172	研究论文	本文提出了一种使用双向长短期记忆网络（Bi-LSTM）在多变量时间序列上预测COVID-19病例数的深度学习方法	该方法首先使用K-means聚类算法对具有相似人口统计、社会经济和卫生部门指标的国家进行分组，然后利用这些国家的累计病例数据和封锁措施数据训练双向LSTM模型	NA	帮助政策制定者做出适当决策以阻止COVID-19疫情的传播	COVID-19病例数的预测	机器学习	COVID-19	双向长短期记忆网络（Bi-LSTM）	Bi-LSTM	多变量时间序列	涉及多个国家的数据
289	2024-08-24	A Deep Learning Radiomics Model to Identify Poor Outcome in COVID-19 Patients With Underlying Health Conditions: A Multicenter Study 2021-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2021.3076086 PMID:33905341	研究论文	本研究开发了一种结合深度学习和放射组学的混合模型，用于从初始CT扫描中识别患有基础健康状况的COVID-19患者的较差预后	提出的混合模型结合了3D-ResNet10深度学习模型和量化3D放射组学模型，显著提高了预测COVID-19患者较差预后的准确性	NA	开发一种精确的预测工具，用于识别患有基础健康状况的COVID-19患者的较差预后	患有基础健康状况的COVID-19患者	机器学习	COVID-19	深度学习	3D-ResNet10	CT扫描图像	共400名患者，包括54名死亡病例和346名出院或住院至少7天的患者
290	2024-08-24	Deep Learning on Chest X-ray Images to Detect and Evaluate Pneumonia Cases at the Era of COVID-19 2021-Jun-08, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-021-01745-4 PMID:34101042	研究论文	本文研究使用深度学习方法自动分析胸部X光图像，以检测和评估COVID-19相关的肺炎病例	提出了定制的深度学习模型来检测肺炎感染病例，特别是病毒性肺炎，并提出了易于应用的健康指标来估计感染状态和预测患者状态	NA	开发精确的工具帮助医疗专业人员筛查COVID-19和诊断确诊患者	胸部X光图像	计算机视觉	肺部疾病	深度学习	CNN	图像	公开的胸部X光图像数据集
291	2024-08-24	The usage of deep neural network improves distinguishing COVID-19 from other suspected viral pneumonia by clinicians on chest CT: a real-world study 2021-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-020-07553-7 PMID:33372243	研究论文	本研究开发了一种新型深度学习模型，用于区分冠状病毒病2019（COVID-19）肺炎与其他类型肺炎，并在真实世界数据集中验证其性能	本研究首次使用基于ResNet-50的IDANNet模型，通过U-net提取肺部区域并进行诊断概率预测，实现了对COVID-19肺炎的准确识别	NA	开发并验证一种新型深度学习模型，以区分COVID-19肺炎与其他类型肺炎	COVID-19肺炎与其他类型肺炎的区分	计算机视觉	COVID-19	深度学习	ResNet-50	影像	训练集包含563个胸部CT扫描，验证集包含318个胸部CT扫描
292	2024-08-24	Deep-LSTM ensemble framework to forecast Covid-19: an insight to the global pandemic 2021, International journal of information technology : an official journal of Bharati Vidyapeeth's Institute of Computer Applications and Management DOI:10.1007/s41870-020-00571-0 PMID:33426425	研究论文	本文通过综述和设计深度学习模型来预测Covid-19疫情，评估了其在印度的重症监护确诊和死亡病例	提出了一种基于长短期记忆网络（LSTM）的深度学习集成模型来预测Covid-19疫情	NA	研究如何利用人工智能技术支持医疗健康系统诊断和预测Covid-19疫情	Covid-19疫情的重症监护确诊和死亡病例	机器学习	NA	人工智能	LSTM	数据	印度的Covid-19重症监护确诊和死亡病例
293	2024-08-24	Evaluation of deep learning-based approaches for COVID-19 classification based on chest X-ray images 2021, Signal, image and video processing DOI:10.1007/s11760-020-01820-2 PMID:33432267	研究论文	本文评估了基于深度学习的八种预训练模型在胸部X光图像上进行COVID-19分类的效果	使用预训练模型进行迁移学习，有效解决了数据不足的问题，并实现了高准确率	NA	评估深度学习模型在COVID-19分类中的应用	胸部X光图像中的COVID-19分类	计算机视觉	COVID-19	深度卷积神经网络（DCNN）	DenseNet121	图像	760张胸部X光图像，分为五类
294	2024-08-24	Design ensemble deep learning model for pneumonia disease classification 2021, International journal of multimedia information retrieval IF:3.6Q1 DOI:10.1007/s13735-021-00204-7 PMID:33643764	研究论文	本文评估了单个和集成学习模型在肺炎疾病分类中的性能	使用基于InceptionResNet_V2、ResNet50和MobileNet_V2的微调版本的集成模型，提高了肺炎疾病分类的准确性	NA	评估单个和集成学习模型在肺炎疾病分类中的性能	肺炎疾病的分类	计算机视觉	肺炎	NA	CNN	图像	6087张胸部X光图像
295	2024-08-24	Automatic prediction of COVID- 19 from chest images using modified ResNet50 2021, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-021-10783-6 PMID:33967592	研究论文	本文利用改进的ResNet50模型自动从胸部影像中预测COVID-19	提出在ResNet50架构中添加三个新层（Conv、Batch_Normaliz和Activation_Relu层）以提高分类准确性和特征提取的鲁棒性	由于COVID-19数据集较小，使用迁移学习方法	开发一种自动化工具，用于在胸部X射线和计算机断层扫描图像中检测和诊断COVID-19	COVID-19患者的胸部X射线和计算机断层扫描图像	计算机视觉	COVID-19	迁移学习	CNN	图像	胸部X射线和计算机断层扫描图像数据集
296	2024-08-24	Deep learning-based object recognition in multispectral satellite imagery for real-time applications 2021, Machine vision and applications IF:2.4Q2 DOI:10.1007/s00138-021-01209-2 PMID:34177121	研究论文	本文提出了一种基于深度学习的对象识别模型，用于多光谱卫星图像的实时应用	提出的全卷积神经网络（FCN）架构在多光谱卫星图像中实现了97.67%的准确率，超过了人类水平，并在训练时间和预测速度上实现了显著改进	NA	提高多光谱卫星图像中对象识别的准确性和预测速度	多光谱卫星图像中的对象识别	计算机视觉	NA	深度学习	全卷积神经网络（FCN）	图像	多个传感器覆盖的整个地球的高分辨率图像
297	2024-08-24	Images denoising for COVID-19 chest X-ray based on multi-resolution parallel residual CNN 2021, Machine vision and applications IF:2.4Q2 DOI:10.1007/s00138-021-01224-3 PMID:34219975	研究论文	本文提出了一种用于COVID-19胸部X光图像去噪的多分辨率并行残差CNN（MPR-CNN），以提高图像质量	MPR-CNN采用多分辨率并行卷积流提取多尺度特征，利用通道和空间注意力机制聚焦于图像细节，并通过自适应多分辨率特征融合方法增强网络表达	NA	利用深度学习网络对感染患者的阳性胸部X光图像进行预诊断，减轻医疗人员工作压力	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	CNN	MPR-CNN	图像	NA
298	2024-08-24	A Deep Learning Method to Forecast COVID-19 Outbreak 2021, New generation computing IF:2.0Q2 DOI:10.1007/s00354-021-00129-z PMID:34305259	研究论文	本文使用支持向量回归（SVR）和长短期记忆网络（LSTM）方法来预测COVID-19疫情的发展	采用LSTM技术在印度场景中提供了更真实的预测结果	NA	预测COVID-19疫情的行为和结束时间	COVID-19疫情	机器学习	NA	支持向量回归（SVR），长短期记忆网络（LSTM）	LSTM	NA	NA
299	2024-08-24	Machine Learning Approaches for Tackling Novel Coronavirus (COVID-19) Pandemic 2021, SN computer science DOI:10.1007/s42979-021-00774-7 PMID:34308367	研究论文	本文探讨了机器学习方法在应对COVID-19大流行中的应用	本文总结了机器学习在帮助医生做出决策、政策制定者采取有效措施以及识别潜在感染者等方面的四种应用	本文指出了现有系统的挑战并提出了可能的未来趋势	旨在强调机器学习方法在COVID-19大流行中的作用	COVID-19大流行及其对医疗系统和卫生保健设施的影响	机器学习	COVID-19	机器学习	NA	NA	NA
300	2024-08-24	An automatic approach based on CNN architecture to detect Covid-19 disease from chest X-ray images 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-020-02010-w PMID:34764572	研究论文	本文提出了一种基于卷积神经网络（CNN）架构的自动方法，用于从胸部X光图像中检测COVID-19疾病	采用深度迁移学习方法，使用多种预训练的CNN模型进行实验，其中Se-ResNeXt-50模型在二分类和多分类任务中均达到最高准确率	NA	开发一种准确的COVID-19疾病诊断方法，以帮助早期诊断和防止疾病传播	COVID-19患者、病毒性肺炎、细菌性肺炎和健康人群的胸部X光图像	计算机视觉	COVID-19	深度学习	CNN	图像	使用了多个数据集，包括728张、1428张、1442张和5232张胸部X光图像