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
481	2024-08-10	Automatic Segmentation in Multiple OCT Layers For Stargardt Disease Characterization Via Deep Learning 2021-04-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.10.4.24 PMID:34004000	研究论文	本研究旨在通过深度学习技术自动分割11层视网膜层和与斯特格病相关的特征，并分析正常眼与斯特格病眼之间的差异	这是首个针对斯特格病患者在OCT图像上自动分割11层视网膜层的算法	NA	实现斯特格病患者的视网膜层自动分割，并分析其与正常眼的差异	斯特格病患者的视网膜层和相关特征	机器学习	眼科疾病	深度学习	全卷积神经网络	图像	NA
482	2024-08-10	Use of deep learning for structural analysis of computer tomography images of soil samples 2021-Mar-31, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.201275 PMID:33959314	研究论文	本文使用深度学习方法对来自多个欧洲国家的土壤样本的计算机断层扫描（CT）图像进行结构分析	引入了新的自动化标注方法'surrogate'学习，并使用VGG16网络进行训练	NA	研究深度学习在土壤样本CT图像结构分析中的应用	欧洲多个国家的土壤样本	计算机视觉	NA	深度学习	VGG16	图像	多个土壤样本
483	2024-08-10	Novel Transfer Learning Approach for Medical Imaging with Limited Labeled Data 2021-Mar-30, Cancers IF:4.5Q1 DOI:10.3390/cancers13071590 PMID:33808207	研究论文	本文提出了一种新的迁移学习方法，通过在大规模未标记医学图像数据集上训练深度学习模型，然后将知识迁移到少量标记医学图像上，以提高医学图像分类的性能	提出了一种新的迁移学习方法，通过在大规模未标记医学图像数据集上训练模型，并将知识迁移到少量标记医学图像上，以及引入了一种新的深度卷积神经网络（DCNN）模型	NA	克服传统迁移学习方法在医学图像分类中的无效性，提高医学图像分类的性能	皮肤癌和乳腺癌的分类任务	计算机视觉	皮肤癌, 乳腺癌	迁移学习	深度卷积神经网络（DCNN）	图像	少量标记医学图像和大量未标记医学图像
484	2024-08-10	An Improved UNet++ Model for Congestive Heart Failure Diagnosis Using Short-Term RR Intervals 2021-Mar-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11030534 PMID:33809773	研究论文	本文提出了一种基于心率变异性信号的端到端编码器-解码器模型，用于诊断充血性心力衰竭	改进的UNet++模型结合挤压激励（SE）残差块，用于层次化提取深层特征并区分充血性心力衰竭患者与正常对象	NA	开发一种新的深度学习模型，用于早期检测充血性心力衰竭	充血性心力衰竭的早期诊断	机器学习	心血管疾病	NA	UNet++	信号	使用了两个开源数据库，分别使用了500、1000和2000个RR间期进行评估
485	2024-08-10	Differential Deep Convolutional Neural Network Model for Brain Tumor Classification 2021-Mar-10, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci11030352 PMID:33801994	研究论文	本文提出了一种差分深度卷积神经网络模型（differential deep-CNN）用于脑肿瘤分类	使用差分算子在原始CNN特征图中导出额外的差分特征图，提高了模型的性能	NA	改进脑肿瘤分类算法，帮助放射科医生在没有手术干预的情况下诊断肿瘤	不同类型的脑肿瘤，包括异常和正常的磁共振（MR）图像	计算机视觉	脑肿瘤	磁共振成像（MRI）	CNN	图像	25,000张脑磁共振成像（MRI）图像
486	2024-08-10	CT-less Direct Correction of Attenuation and Scatter in the Image Space Using Deep Learning for Whole-Body FDG PET: Potential Benefits and Pitfalls 2021-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.2020200137 PMID:33937860	研究论文	本研究展示了使用深度学习在图像空间中进行无CT的全身PET衰减和散射校正（ASC）的可行性，并探讨了其潜在优势和缺陷	开发了一种基于U-Net的网络，用于直接将未校正的PET（PETNC）转换为衰减和散射校正的PET（PETASC），并进行了定量和定性评估	潜在的缺陷包括由于模糊或遗漏病变导致的假阴性结果，以及由于伪低摄取模式导致的假阳性结果	展示无CT的全身PET衰减和散射校正的可行性，并探讨其潜在优势和缺陷	110例全身氟脱氧葡萄糖（FDG）PET/CT研究，涉及107名患者	计算机视觉	NA	深度学习	U-Net	图像	110例全身PET/CT研究，涉及107名患者，其中72名女性，年龄范围11-92岁
487	2024-08-10	DL-MRI: A Unified Framework of Deep Learning-Based MRI Super Resolution 2021, Journal of healthcare engineering DOI:10.1155/2021/5594649 PMID:33897991	研究论文	本文提出了一种基于深度学习的MRI超分辨率统一框架，将先进的深度学习方法应用于MRI超分辨率	该框架整合了五种具有最佳超分辨率效果的深度学习方法，并构建了一个包含×2、×3和×4尺度的高低分辨率MR图像数据集	NA	旨在提高MRI图像的分辨率，以帮助医生更准确地定位病变和诊断疾病	MRI图像的超分辨率处理	计算机视觉	NA	深度学习	深度学习方法	图像	包含颅骨、膝盖、乳房和头颈部的MR图像数据集
488	2024-08-10	Determinants of Tourism Stocks During the COVID-19: Evidence From the Deep Learning Models 2021, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2021.675801 PMID:33898386	研究论文	本文研究了2018年10月25日至2020年10月21日期间，包括COVID-19时期中国旅游股票回报的决定因素，并提出了基于反向传播神经网络（BPNN）的四种深度学习预测模型	提出了基于量子群智能算法（QSIA）、量子步长果蝇优化算法（QSFOA）、量子粒子群优化算法（QPSO）和量子遗传算法（QGA）的深度学习预测模型	NA	研究旅游股票回报的决定因素，并评估不同深度学习模型的预测准确性	中国旅游股票回报	机器学习	NA	深度学习	反向传播神经网络（BPNN）	股票回报数据	2018年10月25日至2020年10月21日的数据
489	2024-08-10	A Multisite Study of a Breast Density Deep Learning Model for Full-Field Digital Mammography and Synthetic Mammography 2021-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.2020200015 PMID:33937850	研究论文	本研究开发了一个用于全数字化乳腺X线摄影和合成乳腺摄影的BI-RADS乳腺密度深度学习模型，并在多中心环境中进行了评估。	该模型在没有使用合成乳腺摄影图像进行训练的情况下，在两个机构的全数字化乳腺X线摄影和合成乳腺摄影图像上展示了强大的性能，并通过使用少量合成乳腺摄影图像进一步改进。	NA	开发和评估一个用于合成二维乳腺摄影图像的BI-RADS乳腺密度深度学习模型。	全数字化乳腺X线摄影图像和合成乳腺摄影图像。	机器学习	乳腺疾病	深度学习	深度学习模型	图像	57,492名患者，187,627次检查，750,752张图像（站点1，全数字化乳腺X线摄影）；3,842名患者，3,866次检查，14,472张图像（站点1，合成乳腺摄影）；7,557名患者，16,283次检查，63,973张图像（站点2，合成乳腺摄影）。
490	2024-08-09	DeepMapi: a Fully Automatic Registration Method for Mesoscopic Optical Brain Images Using Convolutional Neural Networks 2021-04, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-020-09483-7 PMID:32754778	研究论文	提出了一种基于深度学习的全自动注册方法DeepMapi，用于将介观光学脑图像与脑图谱对齐	使用自反馈策略处理不平衡训练集问题，并采用双层级网络捕捉大范围和小范围的形变	NA	开发一种全自动的脑图像注册方法，以提高处理复杂神经解剖结构的效率	介观光学脑图像的自动注册	计算机视觉	NA	卷积神经网络	CNN	图像	包括光学和MRI图像的一组基准图像
491	2024-08-09	Evaluation of lung involvement in COVID-19 pneumonia based on ultrasound images 2021-Mar-20, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-021-00863-x PMID:33743707	研究论文	本研究旨在基于深度学习建立一个评估COVID-19肺炎肺部受累程度的模型	提出了一种结合多模态通道和感受野注意网络与ResNeXt的新型网络（MCRFNet），用于自动融合浅层特征并确定不同通道及其相应领域的重要性	NA	建立一个基于深度学习的肺部受累评估模型	COVID-19肺炎患者的肺部超声图像	计算机视觉	COVID-19	深度学习	MCRFNet	超声图像	104名患者的多中心和多模态超声数据
492	2024-08-09	Stacked LSTM based deep recurrent neural network with kalman smoothing for blood glucose prediction 2021-03-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-021-01462-5 PMID:33726723	研究论文	本文提出了一种基于堆叠长短期记忆（LSTM）的深度循环神经网络模型，结合卡尔曼平滑技术，用于预测血糖水平，特别考虑了传感器故障问题	本文创新地使用了堆叠LSTM的深度循环神经网络模型，并结合卡尔曼平滑技术来校正由于传感器错误导致的CGM读数不准确问题	NA	旨在提高血糖预测的准确性，从而改善人工胰腺和胰岛素输注系统在1型糖尿病管理中的性能	1型糖尿病患者的血糖管理	机器学习	糖尿病	卡尔曼平滑技术	堆叠LSTM的深度循环神经网络	生理信息数据	包含六名不同患者八周数据的OhioT1DM（2018）数据集
493	2024-08-09	Classification of Hemodynamics Scenarios from a Public Radar Dataset Using a Deep Learning Approach 2021-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s21051836 PMID:33800716	研究论文	本文研究了使用深度学习方法从公共雷达数据集中分类五种复杂血流动力学场景的可能性	本文展示了雷达传感技术在监测复杂血流动力学场景方面的潜力，超越了传统的心率和呼吸率监测	NA	探索使用非接触式传感器（如雷达）监测复杂血流动力学场景的可行性	五种复杂血流动力学场景（静息、模拟窒息、瓦尔萨尔瓦动作、倾斜台上的倾斜上和倾斜下）	机器学习	NA	深度学习	神经网络	时间域和频率域数据	使用了公共雷达和接触输入信号的数据集
494	2024-08-09	Using artificial intelligence to assist radiologists in distinguishing COVID-19 from other pulmonary infections 2021, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-200735 PMID:33164982	研究论文	本研究开发了一种基于深度学习算法的AI模型，使用ResUNet网络，评估放射科医生在有无AI辅助下区分COVID-19与其他肺部感染的能力	本研究首次使用ResUNet网络的深度学习模型，显著提高了放射科医生在区分COVID-19与其他肺部感染的准确性和敏感性	研究仅使用了694个病例和111,066张CT扫描图像，样本量可能不足以完全代表所有病例	开发和验证一种AI模型，以提高放射科医生在CT扫描中区分COVID-19与其他肺部感染的能力	COVID-19感染的肺炎患者与其他肺部感染患者	计算机视觉	COVID-19	深度学习算法	ResUNet	图像	694个病例，包括118个COVID-19感染的肺炎病例和576个其他肺部感染病例
495	2024-08-09	Deep Learning in the Detection and Diagnosis of COVID-19 Using Radiology Modalities: A Systematic Review 2021, Journal of healthcare engineering DOI:10.1155/2021/6677314 PMID:33747419	综述	本文通过系统综述方法，探讨了利用深度学习模型在放射学模式下检测和诊断COVID-19的现状	深度学习模型提供了准确且高效的系统，显著提高了敏感性和特异性值	NA	旨在解决COVID-19早期检测和诊断的主要挑战，并提高诊断准确性	COVID-19的放射学图像	机器学习	COVID-19	深度学习	深度学习模型	图像	37篇文章作为研究样本
496	2024-08-09	Comparison of machine learning and deep learning techniques in promoter prediction across diverse species 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.365 PMID:33817015	研究论文	本文比较了机器学习和深度学习技术在不同物种中预测基因启动子的效果	使用频率基础的标记化（FBT）进行数据预处理，减少了输入维度并缩短了训练时间，同时保持了分类的敏感性和特异性	NA	研究机器学习和深度学习模型在基因启动子预测中的应用	酵母、植物和人类的基因组序列	机器学习	NA	一维卷积神经网络（CNN）、长短期记忆（LSTM）和随机森林（RF）分类器	CNN、LSTM、RF	基因组序列	涉及酵母、植物和人类三种不同的真核生物
497	2024-08-08	Automated deep learning in ophthalmology: AI that can build AI 2021-Sep-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000000779 PMID:34231529	综述	本文综述了自动化深度学习在医疗领域的当前状态，并探讨了使用商业平台开发这些模型的进展	自动化深度学习允许无编程经验的用户开发深度学习算法，展示了在眼科及其他专科中的应用潜力	尽管自动化深度学习显示出巨大潜力，但仍存在一些挑战需要克服	描述自动化深度学习在医疗领域的应用现状，并讨论其当前挑战和未来发展方向	自动化深度学习模型及其在眼科、皮肤病学、放射学和组织病理学等专科中的应用	机器学习	NA	深度学习	监督学习	图像	NA
498	2024-08-08	Transfer learning for predicting conversion from mild cognitive impairment to dementia of Alzheimer's type based on a three-dimensional convolutional neural network 2021-03, Neurobiology of aging IF:3.7Q2 DOI:10.1016/j.neurobiolaging.2020.12.005 PMID:33422894	研究论文	本文开发了一种深度学习模型，利用三维卷积神经网络通过转移学习预测轻度认知障碍患者向阿尔茨海默病型痴呆的转化	该模型在目标任务上的分类准确率达到82.4%，优于当前领域的模型，并能通过遮挡图方法可视化对预测有显著贡献的大脑区域	NA	预测轻度认知障碍患者向阿尔茨海默病型痴呆的转化	轻度认知障碍患者及其向阿尔茨海默病型痴呆的转化	机器学习	阿尔茨海默病	结构磁共振成像	三维卷积神经网络	图像	使用正常对照组和阿尔茨海默病型痴呆患者的扫描数据进行预训练，然后在轻度认知障碍患者的扫描数据上进行再训练
499	2024-08-08	DeepMIB: User-friendly and open-source software for training of deep learning network for biological image segmentation 2021-03, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1008374 PMID:33651804	研究论文	介绍DeepMIB软件包，用于训练卷积神经网络进行多维显微镜图像分割	DeepMIB是一个用户友好且开源的软件，适用于在任何工作站上训练深度学习网络进行图像分割	NA	开发一个易于使用且功能强大的深度学习工具，用于生物图像分割	多维显微镜图像数据	计算机视觉	NA	卷积神经网络	CNN	图像	2D和3D电子及多色光显微镜数据集
500	2024-08-08	Diagnosis and Risk Prediction of Dilated Cardiomyopathy in the Era of Big Data and Genomics 2021-Feb-26, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10050921 PMID:33652931	综述	本文综述了在基因组学和大数據时代下，扩张型心肌病（DCM）的诊断和风险预测的进展	介绍了多变量风险模型和遗传风险评分在个性化风险评估中的应用，以及机器学习和深度学习在复杂交互和预后建模中的作用	NA	探讨在基因组学和大数據时代下，如何改进扩张型心肌病的个性化风险评估	扩张型心肌病（DCM）的诊断和风险预测	基因组学	心血管疾病	基因组/外显子组关联研究	机器学习和深度学习	电子健康记录、现有研究数据库和疾病登记	NA