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
321	2024-08-21	Novel loss functions for ensemble-based medical image classification 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0261307 PMID:34968393	研究论文	本文研究了基于集成学习的医学图像分类中损失函数的优化	提出了改进的损失函数用于多类别分类任务，并通过集成学习提高了分类性能	未提及	分析并选择适合当前分类任务的损失函数	儿科胸片数据集，包括正常图像及细菌性和病毒性肺炎的图像	计算机视觉	NA	深度神经网络	集成模型	图像	未明确提及具体数量
322	2024-08-20	Multi-step ahead predictive model for blood glucose concentrations of type-1 diabetic patients 2021-12-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-03341-5 PMID:34934084	研究论文	本文提出了一种新颖的多组件深度学习模型BG-Predict，用于预测1型糖尿病患者的血糖水平	该研究引入了一种新的多步骤预测模型，能够提前预测血糖水平，有助于患者减少低血糖和高血糖的风险	NA	开发一种有效的工具，帮助1型糖尿病患者监测血糖水平，以便做出关于胰岛素注射和食物摄入的适当决策	1型糖尿病患者的血糖水平	机器学习	糖尿病	深度学习	深度学习模型	血糖数据	97名患者
323	2024-08-20	A stroke detection and discrimination framework using broadband microwave scattering on stochastic models with deep learning 2021-12-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-03043-y PMID:34930921	研究论文	研究利用宽带微波散射和深度学习模型进行中风检测和鉴别	提出了一种新的智能诊断方法，使用微波宽带散射信息，避免了传统的图像形成过程	NA	开发一种快速、便携、安全且低成本的中风检测技术	研究中风检测和出血位置及大小的鉴别	机器学习	中风	微波散射	深度神经网络（DNN）	模拟数据	666名出血性中风患者和对照组
324	2024-08-20	Deep learning based classification of dynamic processes in time-resolved X-ray tomographic microscopy 2021-12-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-03546-8 PMID:34921184	研究论文	本文提出了一种高效的动态过程重建与分类管道，结合代数滤波近似和机器学习，显著减少了计算时间	提出的SIRT-FBP-MS-D-DIFF管道通过代数滤波近似和卷积神经网络自动提取低信噪比重建中的动态特征，提高了处理效率	NA	开发一种高效的方法来处理时间分辨X射线断层显微镜中的动态过程，以减少手动劳动和计算成本	时间分辨X射线断层显微镜中的动态过程	计算机视觉	NA	时间分辨X射线断层显微镜	卷积神经网络	图像	三个不同的动态燃料电池数据集，一个用于训练，两个用于测试
325	2024-08-20	Predictive models for personalized asthma attacks based on patient's biosignals and environmental factors: a systematic review 2021-12-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-021-01704-6 PMID:34886852	综述	本文对基于患者生物信号和环境因素的个性化哮喘发作预测模型进行了系统性回顾	提出了使用患者生物信号和环境因素相结合的哮喘发作预测模型的必要性，并指出了缺乏使用深度学习等先进机器学习方法的问题	大多数研究仅使用哮喘生物信号因素进行预测，使用环境因素和两者结合的研究较少	评估哮喘发作预测模型的使用方法、模型性能，并确定该领域研究改进的需求	儿童和成人的哮喘发作预测模型	机器学习	哮喘	支持向量机、回归	NA	生物信号、环境因素	从1068篇研究文章中筛选出15种不同的哮喘发作预测模型进行回顾
326	2024-08-20	AutoProstate: Towards Automated Reporting of Prostate MRI for Prostate Cancer Assessment Using Deep Learning 2021-Dec-06, Cancers IF:4.5Q1 DOI:10.3390/cancers13236138 PMID:34885246	研究论文	介绍了一种名为AutoProstate的深度学习框架，用于自动评估基于MRI的前列腺癌	AutoProstate在前列腺体积和前列腺特异性抗原密度估计方面显示出统计学上的显著改进，并匹配了放射科医生的CSPCa病变检测敏感性	AutoProstate产生了更多的假阳性检测	开发一种自动化的深度学习框架，用于提高前列腺MRI报告的质量和一致性	前列腺MRI图像和前列腺癌评估	计算机视觉	前列腺癌	深度学习	NA	MRI图像	使用了公开的PROSTATEx数据集进行训练，并使用PICTURE数据集进行外部验证
327	2024-08-20	Interpretability of a Deep Learning Based Approach for the Classification of Skin Lesions into Main Anatomic Body Sites 2021-Dec-01, Cancers IF:4.5Q1 DOI:10.3390/cancers13236048 PMID:34885158	研究论文	本文提出了一种基于深度学习的方法，用于将皮肤病变分类到主要的解剖体位	本研究首次考虑了皮肤病变的来源，并利用预训练网络和密集连接分类器来提高分类准确性	NA	解决现有深度学习方法在皮肤病变分类中未考虑病变来源的问题	皮肤病变及其解剖体位分类	计算机视觉	皮肤癌	深度学习	CNN	图像	未明确提及具体样本数量
328	2024-08-20	A Study of the Recent Trends of Immunology: Key Challenges, Domains, Applications, Datasets, and Future Directions 2021-Nov-23, Sensors (Basel, Switzerland) DOI:10.3390/s21237786 PMID:34883787	综述	本文探讨了免疫学领域中人工智能方法的最新趋势，包括关键挑战、应用领域、数据集和未来方向	引入了AIoMT、遗传智能算法和智能免疫学方法等技术，使理解免疫系统的过程变得更加容易	NA	探索免疫学领域中人工智能方法的现状和未来研究方向	免疫学及其子领域中的疾病分类	机器学习	癌症	AIoMT	机器学习和深度学习	数据集	NA
329	2024-08-20	Comparative analysis of molecular fingerprints in prediction of drug combination effects 2021-11-05, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab291 PMID:34401895	研究论文	本文比较了基于规则和数据驱动的分子表示方法在预测药物组合敏感性和药物协同得分方面的性能	本文通过使用标准化的高通量筛选结果，评估了分子表示的聚类性能和相似性，并强调了在选择最优分子表示时，除了定量基准结果外，还需要考虑模型的可解释性和鲁棒性等定性因素	NA	系统评估新型计算解决方案与传统技术在预测药物组合效应方面的性能	药物组合敏感性和药物协同得分	机器学习	癌症	NA	NA	分子数据	64,200个独特的药物组合，涉及4,153种分子和112种癌细胞系
330	2024-08-20	Deep Learning Prediction of Voxel-Level Liver Stiffness in Patients with Nonalcoholic Fatty Liver Disease 2021-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200274 PMID:34870213	研究论文	本研究利用机器学习算法，基于传统的MRI输入重建虚拟MR弹性成像（MRE）图像	本研究通过修改卷积神经网络架构，使其能够接受多通道三维输入并包含临床和人口统计信息，从而在体素水平上重建MRE图像	本研究为单机构回顾性研究，样本量有限，且结果需要进一步的外部验证	研究目的是通过机器学习算法，利用传统MRI和临床数据生成虚拟弹性成像图像	研究对象为149名非酒精性脂肪肝病患者	计算机视觉	非酒精性脂肪肝病	MRI	卷积神经网络（CNN）	图像	149名患者
331	2024-08-20	Clinical Applications of Artificial Intelligence, Machine Learning, and Deep Learning in the Imaging of Gliomas: A Systematic Review 2021-Nov, Cureus DOI:10.7759/cureus.19580 PMID:34926051	综述	本文综述了深度学习在神经肿瘤学影像中的应用，特别是用于胶质瘤的诊断和分级	深度学习通过使用原始影像数据和深度神经网络，显著提高了MRI图像的特征化和解释能力	NA	总结深度学习在神经肿瘤学影像中的应用，以帮助医疗专业人员	胶质瘤的遗传突变和分级	机器学习	脑肿瘤	MRI	CNN	图像	共20项研究，涉及患者数量和脑胶质瘤分类的分子标记
332	2024-08-20	Aging of the Hematopoietic Stem Cell Niche: New Tools to Answer an Old Question 2021, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2021.738204 PMID:34858399	综述	本文综述了骨髓微环境老化对造血干细胞（HSC）功能的影响以及用于研究老化过程中骨髓微环境特定改变的新工具	文章介绍了跨学科方法开发的新技术工具，如特定的小鼠模型、共培养系统、新的三维成像工具、骨块和模拟骨髓系统，以及单细胞测序技术、空间转录组学和人工智能深度学习方法在数据分析和整合中的应用	NA	探讨骨髓微环境老化如何影响造血干细胞，并介绍用于研究老化过程中骨髓微环境特定改变的新工具	造血干细胞（HSC）及其微环境	NA	NA	单细胞测序技术、空间转录组学、人工智能和深度学习	NA	NA	NA
333	2024-08-20	Stability of AI-Enabled Diagnosis of Parkinson's Disease: A Study Targeting Substantia Nigra in Quantitative Susceptibility Mapping Imaging 2021, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2021.760975 PMID:34887722	研究论文	本文研究了基于定量磁敏感图（QSM）成像的帕金森病（PD）诊断算法的稳定性，通过改进卷积神经网络（CNN）模型，提高了诊断算法的精度和鲁棒性	提出了新的'门控池化'操作，并将其与深度学习结合，形成了一个联合图像分割和分类框架，显著提高了诊断准确性	文章未明确提及现有方法的具体局限性	提高帕金森病诊断算法的准确性和稳定性	帕金森病患者和健康对照组的定量磁敏感图成像数据	机器学习	帕金森病	定量磁敏感图（QSM）成像	CNN	图像	未明确提及具体样本数量
334	2024-08-20	Detection of Preventable Fetal Distress During Labor From Scanned Cardiotocogram Tracings Using Deep Learning 2021, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2021.736834 PMID:34926338	研究论文	本文利用深度学习框架，从扫描的电子胎心监测图（EFM）中检测分娩期间可预防的胎儿窘迫，以提高识别早期可预防的胎儿损伤的准确性。	提出了一个深度学习框架，用于训练和检测分娩期间的早期或过去的胎儿损伤，准确率达到94%。	未提及具体限制。	开发一个自动化早期预警和决策支持系统，以在分娩期间维持胎儿健康。	电子胎心监测图（EFM）数据和相关不良结果。	机器学习	NA	深度学习	NA	图像	使用了50年实践中收集的EFM数据
335	2024-08-20	A Multi-Task Deep Learning Method for Detection of Meniscal Tears in MRI Data from the Osteoarthritis Initiative Database 2021, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2021.747217 PMID:34926416	研究论文	本文提出了一种基于卷积神经网络（CNN）的多任务深度学习方法，用于检测磁共振成像（MRI）数据中的半月板撕裂	该方法在多任务深度学习框架中结合了半月板撕裂检测与边界框回归器，使CNN能够隐式考虑半月板的感兴趣区域（RoI）	NA	开发一种高效且准确的方法来检测MRI数据中的半月板撕裂	半月板撕裂的检测，涉及内侧半月板（MM）和外侧半月板（LM）的前角、体部和后角三个解剖子区域	机器学习	骨关节炎	MRI	CNN	MRI扫描数据	2,399个双回波稳态（DESS）MRI扫描数据和中间加权涡轮自旋回波（IW TSE）MRI扫描数据
336	2024-08-19	Protein structure prediction using deep learning distance and hydrogen-bonding restraints in CASP14 2021-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26193 PMID:34331351	研究论文	本文报告了CASP14中两个最佳服务器（“Zhang-Server”和“QUARK”）的3D结构预测结果，这些服务器基于D-I-TASSER和D-QUARK算法，集成了四个新开发组件到经典的蛋白质折叠流程中	引入了新的多序列比对工具DeepMSA2、接触基域边界预测算法FUpred、基于残差卷积神经网络的方法DeepPotential以及优化的空间约束能量势，显著提高了蛋白质结构预测的准确性	当前流程在多域蛋白质建模和寡聚体复合物中的蛋白质域建模方面仍存在挑战，特别是域间距离预测的准确性较低	提高蛋白质结构预测的准确性	蛋白质的3D结构	机器学习	NA	深度学习	残差卷积神经网络	多序列比对数据	37个FM目标
337	2024-08-19	Protein inter-residue contact and distance prediction by coupling complementary coevolution features with deep residual networks in CASP14 2021-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26211 PMID:34382712	research paper	本文报道并分析了在第14届蛋白质结构预测关键评估（CASP14）中，通过结合互补的共进化特征与深度残差网络进行蛋白质接触和距离预测的方法	采用了一种新的基于深度学习的接触/距离预测器，该预测器基于两个互补共进化特征的集成与深度残差网络的结合，并改进了多序列比对（MSA）生成协议	NA	旨在提高蛋白质接触和距离预测的准确性	蛋白质接触和距离预测	machine learning	NA	深度学习	深度残差网络	序列数据	22个CASP14自由建模（FM）目标和14个FM/模板辅助建模（TBM）目标
338	2024-08-19	A Hybrid Convolutional Neural Network Model for Diagnosis of COVID-19 Using Chest X-ray Images 2021-11-20, International journal of environmental research and public health DOI:10.3390/ijerph182212191 PMID:34831960	研究论文	本文提出了一种名为C19D-Net的混合卷积神经网络模型，用于通过胸部X光图像诊断COVID-19感染	该研究采用了InceptionV4架构和多类SVM分类器提取深度学习特征，以提高COVID-19检测的准确性	NA	开发一种新的图像处理技术，帮助医疗系统通过胸部X光图像快速准确地检测COVID-19感染	COVID-19感染的胸部X光图像	计算机视觉	COVID-19	卷积神经网络	CNN	图像	1900张胸部X光图像
339	2024-08-19	Advanced Computational Methods for Oncological Image Analysis 2021-Nov-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7110237 PMID:34821868	研究论文	本论文集专注于肿瘤影像分析的先进计算方法	涵盖了最新的算法和方法，以及计算方法在肿瘤影像分析中的应用	NA	探索和应用先进的计算方法于肿瘤影像分析	肿瘤影像分析的算法和方法	计算机视觉	肿瘤	深度学习	NA	影像	NA
340	2024-08-19	Live Spoofing Detection for Automatic Human Activity Recognition Applications 2021-Nov-04, Sensors (Basel, Switzerland) DOI:10.3390/s21217339 PMID:34770646	研究论文	本文提出了一种基于深度学习的活体欺骗检测方法，用于自动人体活动识别应用中的视频重放攻击检测	本文引入了一个新的数据库，包含在不同光照条件和使用不同显示及捕捉设备下拍摄的用户玩足球的视频，并展示了该系统能够实时并行运行	NA	旨在提高人体活动识别应用中的欺骗检测能力，防止异常和误报	视频重放攻击的欺骗检测	计算机视觉	NA	深度学习	NA	视频	包含多个用户玩足球的视频的数据库