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
381	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
382	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
383	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
384	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
385	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
386	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
387	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
388	2024-08-19	Accurate recognition of colorectal cancer with semi-supervised deep learning on pathological images 2021-11-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-26643-8 PMID:34728629	研究论文	本文提出了一种基于平均教师架构的半监督学习方法，用于准确识别结直肠癌病理图像	采用半监督学习方法，显著减少了标注需求，同时保持了与监督学习相当的性能	NA	旨在通过半监督学习方法提高机器辅助病理识别的准确性，同时减少对大量标注的依赖	结直肠癌的病理图像	数字病理学	结直肠癌	半监督学习	平均教师架构	图像	13,111张全切片图像，来自8803个独立中心的13个中心
389	2024-08-19	Scope of Artificial Intelligence in Gastrointestinal Oncology 2021-Nov-01, Cancers IF:4.5Q1 DOI:10.3390/cancers13215494 PMID:34771658	综述	本文综述了人工智能在胃肠肿瘤学中的应用，包括诊断、肿瘤组织学预测、息肉特征化、转移潜能评估、预后和治疗反应预测等方面	人工智能通过机器或深度学习算法提供自动和准确的图像分析，辅助诊断	目前依赖于放射科医生和内镜医生对影像的手动解读，可能导致诊断变异性	探讨人工智能在胃肠癌筛查、诊断、肿瘤分期、治疗方式和预后预测模型中的影响、局限性和未来潜力	胃肠癌的诊断和治疗	机器学习	胃肠癌	NA	NA	图像	NA
390	2024-08-19	Deep learning identifies antigenic determinants of severe SARS-CoV-2 infection within T-cell repertoires 2021-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-93608-8 PMID:34253751	研究论文	本研究通过分析T细胞受体测序（TCR-Seq）数据，利用深度学习方法识别出与严重SARS-CoV-2感染相关的抗原决定簇。	本研究首次使用深度学习技术分析T细胞受体序列，识别出与严重SARS-CoV-2感染相关的特定抗原反应。	研究依赖于公开数据库中的数据，可能存在样本选择偏倚。	旨在通过免疫基因组学分析，理解导致SARS-CoV-2感染临床结果差异的免疫学机制。	研究对象为SARS-CoV-2感染患者，特别是那些临床结果显示病情严重性的患者。	机器学习	NA	T细胞受体测序（TCR-Seq）	深度学习模型	序列数据	研究涉及两个队列，具体样本数量未在摘要中明确。
391	2024-08-19	Automatic Detection of Coronavirus Disease (COVID-19) in X-ray and CT Images: A Machine Learning Based Approach 2021 Jul-Sep, Biocybernetics and biomedical engineering IF:5.3Q1 DOI:10.1016/j.bbe.2021.05.013 PMID:34108787	研究论文	本文研究了基于深度学习的特征提取框架，用于自动分类COVID-19的X射线和CT图像	采用了多种深度卷积神经网络进行特征提取，并通过机器学习分类器进行分类，避免了特定任务的数据预处理方法，提高了对未知数据的一般化能力	NA	开发一种计算机辅助诊断系统，用于早期检测COVID-19异常并监测疾病进展，从而可能降低死亡率	COVID-19的X射线和CT图像	机器学习	COVID-19	深度学习	CNN	图像	公开可用的COVID-19胸部X射线和CT图像数据集
392	2024-08-19	A Hybrid Method of Covid-19 Patient Detection from Modified CT-Scan/Chest-X-Ray Images Combining Deep Convolutional Neural Network And Two- Dimensional Empirical Mode Decomposition 2021, Computer methods and programs in biomedicine update DOI:10.1016/j.cmpbup.2021.100022 PMID:34337590	研究论文	本文提出了一种结合深度卷积神经网络和二维经验模态分解的混合方法，用于从修改后的CT扫描/胸部X光图像中快速检测Covid-19患者	本文采用二维经验模态分解对CT扫描/胸部X光图像进行预处理，生成不同阶的本征模态函数，然后利用深度卷积神经网络进行特征提取和分类，提供了一种新的图像预处理特征提取视角	NA	开发一种快速且准确的Covid-19检测方法	Covid-19患者的CT扫描和胸部X光图像	计算机视觉	Covid-19	二维经验模态分解（2DEMD）	CNN	图像	三个公开的SARS-CoV-2数据集
393	2024-08-19	Automated Identification of Skull Fractures With Deep Learning: A Comparison Between Object Detection and Segmentation Approach 2021, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2021.687931 PMID:34777193	研究论文	本研究旨在开发一种基于深度学习的系统，用于从颅脑CT扫描中自动识别颅骨骨折	本研究采用了两种深度学习方法（对象检测和分割）来识别颅骨骨折，并比较了它们的性能	研究使用了回顾性数据，且模型性能在测试集上有所波动	开发和验证用于自动识别颅骨骨折的深度学习系统	颅骨骨折的自动识别	计算机视觉	NA	深度学习	YOLOv3, 注意力U-Net	CT扫描图像	4,782名患者（开发集：4,168，测试集：614），以及7,856名健康人
394	2024-08-19	Utilization of Nursing Defect Management Evaluation and Deep Learning in Nursing Process Reengineering Optimization 2021, Computational and mathematical methods in medicine DOI:10.1155/2021/8019385 PMID:34819992	研究论文	本研究探讨了护理缺陷管理评估和深度学习在护理流程再造优化中的应用	本研究通过改进Apriori算法和使用卷积神经网络(CNN)进行数据特征分类，提高了数据处理的效率	NA	旨在优化护理流程，提高长期护理的效果和临床护理质量	护理缺陷管理、护理数据挖掘、护理流程优化	机器学习	NA	卷积神经网络(CNN)	CNN	图像	使用了SVHN数据集进行网络训练
395	2024-08-18	Accurate diagnosis and prognosis prediction of gastric cancer using deep learning on digital pathological images: A retrospective multicentre study 2021-Nov, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2021.103631 PMID:34678610	研究论文	本研究利用深度学习技术在数字病理图像上对胃癌进行准确诊断和预后预测	开发了两种人工智能模型，GastroMIL用于胃癌诊断，MIL-GC用于预测胃癌的预后，这些模型在诊断和生存预测方面表现优异	NA	开发基于深度学习的人工智能模型，辅助预测胃癌患者的诊断和总体生存	胃癌患者的病理图像	数字病理学	胃癌	深度学习	AI模型	图像	2333张HE染色病理图片，涉及1037名胃癌患者；175张数字病理图片，涉及91名胃癌患者
396	2024-08-18	Fast activation maximization for molecular sequence design 2021-Oct-20, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04437-5 PMID:34670493	研究论文	本文介绍了一种改进的激活最大化方法Fast SeqProp，用于优化DNA和蛋白质序列设计	Fast SeqProp结合了直通近似和输入序列分布参数的归一化，克服了早期方法中输入参数在优化过程中倾斜的问题，实现了更快的收敛和更好的适应度优化	NA	开发一种可靠且高效的序列优化方法，通过可微分的适应度预测器进行分子设计	DNA和蛋白质序列	机器学习	NA	激活最大化	深度学习模型	序列	六种深度学习预测器，包括蛋白质结构预测器
397	2024-08-18	Image quality assessment of pediatric chest and abdomen CT by deep learning reconstruction 2021-10-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-021-00677-2 PMID:34629049	研究论文	本研究旨在比较深度学习重建（DLR）和迭代重建（IR）在儿科胸部和腹部CT图像上的客观和主观图像质量	深度学习重建（DLR）在儿科胸部和腹部CT图像上显示出比迭代重建（IR）更好的对比噪声比（CNR）和信噪比（SNR），并能显著降低噪声	深度学习重建（DLR）未能改善图像中的伪影	比较深度学习重建（DLR）和迭代重建（IR）在儿科胸部和腹部CT图像上的图像质量	儿科胸部和腹部CT图像	计算机视觉	NA	深度学习重建（DLR）	人工神经网络	图像	51名患者（34名男孩和17名女孩；年龄1-18岁）
398	2024-08-18	Carbon Fiber Reinforced Composites: Study of Modification Effect on Weathering-Induced Ageing via Nanoindentation and Deep Learning 2021-Oct-06, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano11102631 PMID:34685069	研究论文	研究了碳纤维增强复合材料在开放环境中暴露后的老化效应及其改性效果	通过纳米压痕和深度学习技术，建立了结构-性能关系，并利用人工智能进行异常检测，提供了复合材料工程和质量保证的新评估见解	NA	研究碳纤维增强复合材料在自然环境中的老化效应及其改性效果	碳纤维增强聚合物（CFRPs）及其改性效果	复合材料	NA	纳米压痕，深度学习	深度学习神经网络	纳米力学属性数据	具体样本数量未提及
399	2024-08-18	Evaluating the progress of deep learning for visual relational concepts 2021-10-05, Journal of vision IF:2.0Q2 DOI:10.1167/jov.21.11.8 PMID:34636844	研究论文	本文评估了深度学习在视觉关系概念方面的进展	指出关系概念与认知心理学的联系，并强调注意力机制在未来解决关系任务中的重要性	当前使用的数据集存在不足，关系推理任务对现有神经网络架构仍然困难	评估深度学习在处理抽象图像分类任务中的进展	深度学习在关系概念学习方面的应用	计算机视觉	NA	卷积神经网络	CNN	图像	NA
400	2024-08-18	Data-Efficient Sensor Upgrade Path Using Knowledge Distillation 2021-Sep-29, Sensors (Basel, Switzerland) DOI:10.3390/s21196523 PMID:34640843	研究论文	本文提出了一种利用知识蒸馏技术提高新传感器模式下学生网络性能的方法	通过应用知识蒸馏技术，加速了传感器转换过程，并探索了两种知识蒸馏方法的扩展	仅在MNIST和CIFAR-10数据集上进行了验证，未提及更大规模或更多样化的数据集	提高新传感器模式下的深度神经网络性能	多光谱图像、激光雷达和雷达数据等新传感器模式	机器学习	NA	知识蒸馏	深度神经网络	图像	在多模态MNIST数据集中，新模式的样本量为10张图像；在多模态CIFAR-10数据集中未明确样本量