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
341	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
342	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
343	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
344	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
345	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
346	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
347	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
348	2024-08-24	Stacked-autoencoder-based model for COVID-19 diagnosis on CT images 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-020-02002-w PMID:34764564	研究论文	本文提出了一种基于堆叠自编码器的模型，用于在CT图像上诊断COVID-19	提出了一个堆叠自编码器检测模型，通过构建新的分类损失函数和叠加重建损失，显著提高了检测模型的精确率和召回率	研究基于较小的COVID-19 CT图像数据集，由于患者隐私原因，公开可用的数据集较少	研究基于CT影像的计算机化模型，用于传染病检测	COVID-19的CT图像	计算机视觉	COVID-19	深度学习	堆叠自编码器	图像	小型COVID-2019 CT图像数据集
349	2024-08-24	Improving Uncertainty Estimation With Semi-Supervised Deep Learning for COVID-19 Detection Using Chest X-Ray Images 2021, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2021.3085418 PMID:34812397	研究论文	本研究通过胸部X光图像实现COVID-19感染检测系统，并引入不确定性估计	使用MixMatch半监督框架利用未标记数据改善不确定性估计，并提出使用Jensen-Shannon距离作为评估不确定性估计可靠性的新指标	未明确提及	改善COVID-19检测中使用的不确定性估计方法	COVID-19感染检测系统的不确定性估计	计算机视觉	COVID-19	NA	NA	图像	未明确提及
350	2024-08-23	Big Data to Knowledge: Application of Machine Learning to Predictive Modeling of Therapeutic Response in Cancer 2021-Dec-16, Current genomics IF:1.8Q3 DOI:10.2174/1389202921999201224110101 PMID:35273457	综述	本文综述了机器学习技术在癌症治疗反应预测建模中的应用	探讨了深度学习和因果分析等更复杂技术在治疗反应建模中的潜在应用	讨论了现有机器学习技术的局限性和替代方法	讨论机器学习技术在癌症治疗反应建模中的应用	癌症患者的治疗反应	机器学习	癌症	机器学习	随机森林、支持向量机、神经网络、线性和逻辑回归	分子患者数据	NA
351	2024-08-23	Differentiable biology: using deep learning for biophysics-based and data-driven modeling of molecular mechanisms 2021-10, Nature methods IF:36.1Q1 DOI:10.1038/s41592-021-01283-4 PMID:34608321	研究论文	本文探讨了可微分生物学，利用深度学习进行基于生物物理学的和数据驱动的分子机制建模	提出了可微分生物学的新概念，结合特定领域的数学方程和通用机器学习组件，有效整合多模态数据	需要克服稀疏、不完整和噪声数据的限制	展示可微分生物学如何帮助解决跨生物尺度整合多模态数据的长期挑战	从小范围的特定现象到大范围的复杂现象，如蛋白质折叠	生物物理学	NA	深度学习	神经网络	多模态数据	NA
352	2024-08-23	A comparison of Monte Carlo dropout and bootstrap aggregation on the performance and uncertainty estimation in radiation therapy dose prediction with deep learning neural networks 2021-02-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abe04f PMID:33503599	研究论文	本文比较了蒙特卡洛 dropout 和 bootstrap 聚合技术在深度学习神经网络中用于放射治疗剂量预测的不确定性估计和性能	提出了使用蒙特卡洛 dropout 和 bootstrap 聚合技术来生成放射治疗剂量预测的不确定性估计，并引入了一种缩放技术来创建可解释的不确定性和预测边界	bagging 技术在训练期间的高计算成本和其性能高度依赖于问题和可接受的预测误差	研究蒙特卡洛 dropout 和 bootstrap 聚合技术在深度学习模型中用于放射治疗剂量预测的不确定性估计和性能	深度学习模型在放射治疗剂量预测中的不确定性和性能	机器学习	NA	蒙特卡洛 dropout (MCDO), bootstrap 聚合 (bagging)	深度学习神经网络	NA	NA
353	2024-08-23	COVID-19 detection and disease progression visualization: Deep learning on chest X-rays for classification and coarse localization 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-020-01867-1 PMID:34764549	研究论文	本文通过深度学习方法对胸部X光片进行分类和粗略定位，以检测COVID-19并可视化疾病进展	采用迁移学习管道和多种预训练卷积骨干网络进行分类，并使用生成对抗网络（CycleGAN）增强COVID-19类别数据	由于标记医学图像数量有限，自动化分类仍是一个挑战	开发一种自动化方法来分类COVID-19胸部X光片，并可视化疾病进展	COVID-19胸部X光片	计算机视觉	COVID-19	迁移学习	CNN	图像	使用了两个公开的胸部X光片数据集
354	2024-08-23	Machine and Deep Learning Prediction Of Prostate Cancer Aggressiveness Using Multiparametric MRI 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.802964 PMID:35096605	研究论文	本研究开发并验证了基于多参数磁共振成像（mpMRI）数据的机器学习和深度学习框架，用于根据前列腺癌（PCa）的侵袭性进行分类	本研究优化了多个机器学习和深度学习框架，并在T2加权、表观扩散系数（ADC）和T2w+ADC数据上进行了患者嵌套验证，以提高前列腺癌侵袭性预测的准确性	所有基于PI-RADS 2.0数据训练和验证的机器学习和深度学习框架，在PI-RADS 2.1数据测试时，其AUROC值均未超过随机水平	开发和验证机器学习和深度学习框架，以支持临床决策并减少读片者间和读片者内的变异性	前列腺癌的侵袭性评估	机器学习	前列腺癌	多参数磁共振成像（mpMRI）	机器学习和深度学习	图像	112名患者（132个外周病变，Prostate Imaging Reporting and Data System（PI-RADS）评分≥3）
355	2024-08-23	Multi-Institutional Validation of Two-Streamed Deep Learning Method for Automated Delineation of Esophageal Gross Tumor Volume Using Planning CT and FDG-PET/CT 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.785788 PMID:35141147	研究论文	本文验证了一种双流深度学习方法在多个机构中自动勾画食管大体肿瘤体积（GTV）的临床应用	开发了一种双流深度学习模型，能够使用治疗计划CT和FDG-PET/CT扫描进行GTV分割，并具有仅使用CT或CT+PET/CT组合进行分割的灵活性	模型在不同机构中的适应性和性能需要进一步验证	验证深度学习多模态食管GTV勾画模型的临床应用性	食管癌患者的GTV勾画	机器学习	食管癌	深度学习	双流深度学习模型	CT和PET/CT扫描	606名食管癌患者
356	2024-08-23	Predicted Cognitive Conversion in Guiding Early Decision-Tailoring on Patients With Cognitive Impairment 2021, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2021.813923 PMID:35185520	研究论文	本研究旨在测试混合卷积神经网络和长短期记忆模型（CNN-LSTM）在预测阿尔茨海默病（AD）和轻度认知障碍（MCI）患者长期认知转换方面的早期决策调整的可行性	利用深度学习模型和纵向特征信息的协同优势，初步验证了在认知转换预测方面具有可比较的性能	考虑到本研究中应用的治疗策略多样性有限，应进一步模拟现实世界的医疗情况	测试混合CNN-LSTM模型在早期决策调整中的可行性	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	机器学习	阿尔茨海默病	混合卷积神经网络和长短期记忆模型（CNN-LSTM）	CNN-LSTM	纵向神经心理学相关特征	224名患者
357	2024-08-23	Identifying Prognostic Markers From Clinical, Radiomics, and Deep Learning Imaging Features for Gastric Cancer Survival Prediction 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.725889 PMID:35186707	研究论文	本研究利用机器学习和多模态数据（包括临床变量、放射组学和深度学习提取的CT影像特征）对1061名胃癌患者进行生存预测，以提高胃癌患者的预后和治疗计划。	本研究首次整合临床变量、放射组学和深度学习影像特征，通过Cox比例风险模型进行胃癌生存预测，并分析了不同特征的预测效果。	NA	提高胃癌生存预测的准确性，以改善患者预后和治疗计划。	胃癌患者的生存预测。	机器学习	胃癌	放射组学、深度学习	Cox比例风险模型	临床数据、影像数据	1061名胃癌患者，其中743名用于模型学习，318名用于独立评估。
358	2024-08-23	WEENet: An Intelligent System for Diagnosing COVID-19 and Lung Cancer in IoMT Environments 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.811355 PMID:35186717	研究论文	本文开发了一种基于深度学习的计算高效医学影像框架WEENet，用于从胸部X射线和CT图像中早期诊断COVID-19和肺癌	提出了一种新的深度学习框架WEENet，利用高效的卷积神经网络提取高级特征，并通过分类机制进行COVID-19诊断，性能超越现有最先进方法	NA	开发一种新的深度学习框架，用于从医学影像中有效建模和早期诊断COVID-19	COVID-19和肺癌的早期诊断	计算机视觉	COVID-19	卷积神经网络	CNN	图像	使用了三个基准医学胸部X射线和CT图像数据集
359	2024-08-22	Integrating Domain Knowledge into Deep Learning for Skin Lesion Risk Prioritization to Assist Teledermatology Referral 2021-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12010036 PMID:35054203	研究论文	本文通过结合领域知识与深度学习，开发了一种用于皮肤病变风险优先级排序的方法，以辅助远程皮肤科转诊	提出了一种新的优先级排序流程，该流程受领域知识启发，并探索了自动病变分割、层次分类和课程学习等不同学习方案	在大多数实验中，添加患者信息并未带来益处	改进现有的远程皮肤科流程，提高皮肤病变诊断的效率	皮肤病变的风险优先级排序	机器学习	NA	深度学习	CNN	图像	回顾性数据集来自葡萄牙国家卫生系统的转诊请求
360	2024-08-22	Robustness of convolutional neural networks to physiological electrocardiogram noise 2021-Dec-13, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2020.0262 PMID:34689617	研究论文	本研究探讨了卷积神经网络对生理性心电图噪声的鲁棒性	首次系统评估了卷积神经网络在处理含噪声心电图数据时的性能	研究仅限于特定类型的心电图噪声和数据集，可能不适用于所有情况	评估深度学习方法在心电图信号处理中的鲁棒性	心电图信号及其在心血管疾病诊断中的应用	机器学习	心血管疾病	NA	CNN	图像	具体样本数量未在摘要中提及