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
561	2024-08-07	Forecasting renewable energy for environmental resilience through computational intelligence 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0256381 PMID:34415924	研究论文	本文利用海上风力发电机产生的数据，通过深度自动编码器筛选高维特征，并结合CNN和LSTM模型进行风能预测，以提高环境韧性。	提出了一种结合CNN和LSTM的深度学习混合模型，用于提高海上风能预测的准确性。	NA	提高海上风能预测的准确性，从而增强环境韧性。	海上风力发电机的风能预测。	机器学习	NA	深度学习	CNN-LSTM	数据	三个不同的海上风电场
562	2024-08-07	Application of a time-series deep learning model to predict cardiac dysrhythmias in electronic health records 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0239007 PMID:34516567	研究论文	本文利用时间序列深度学习模型预测电子健康记录中的心脏节律失常	采用长短期记忆（LSTM）模型进行预测，该模型在预测性能上优于传统的机器学习模型	未提及具体限制	利用电子健康记录数据预测心脏节律失常，以实现早期诊断和治疗	心脏节律失常的预测	机器学习	心血管疾病	长短期记忆（LSTM）模型	LSTM	电子健康记录数据	70个诊所的电子健康记录数据
563	2024-08-07	Detection and classification of neurons and glial cells in the MADM mouse brain using RetinaNet 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0257426 PMID:34559842	研究论文	本文利用RetinaNet模型在MADM小鼠脑组织切片中自动检测和分类神经元及胶质细胞	引入第二个RetinaNet模型专门用于检测胶质细胞簇，显著提高了胶质细胞簇的自动计数精度	单一RetinaNet模型在处理密集和饱和的胶质细胞簇时存在困难	开发一种自动检测和分类组织切片中细胞群的方法	MADM小鼠脑中的神经元和胶质细胞	计算机视觉	NA	NA	RetinaNet	图像	涉及六类通过MADM报告基因表达和表型（神经元或胶质）区分的细胞
564	2024-08-07	3D fluorescence microscopy data synthesis for segmentation and benchmarking 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0260509 PMID:34855812	研究论文	本文提出了一种利用条件生成对抗网络从3D细胞结构注释掩码生成真实3D荧光显微镜图像数据的方法	本文创新地使用条件生成对抗网络生成3D荧光显微镜图像数据，并结合掩码模拟方法生成完全注释的3D显微镜数据集，公开可用	NA	旨在解决深度学习方法在生物医学图像处理中缺乏大量注释训练数据的问题	3D荧光显微镜图像数据	计算机视觉	NA	条件生成对抗网络	GAN	图像	任意大小和不同生物体的图像数据
565	2024-08-07	Identification of public submitted tick images: A neural network approach 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0260622 PMID:34855822	研究论文	本文介绍了一种基于卷积神经网络的自动识别蜱虫图像的方法TickIDNet，并展示了其在蜱虫识别上的应用	TickIDNet在蜱虫识别上达到了87.8%的准确率，超过了普通公众和医疗专业人员的识别能力	该模型未能达到具有正式昆虫学训练的专家的性能，且在小物体检测方面存在挑战	开发一种能够实时准确识别蜱虫图像的系统，以帮助公众了解蜱虫风险并提供研究人员和公共卫生机构更多关于蜱虫活动的数据	蜱虫及其传播的疾病	计算机视觉	NA	卷积神经网络	CNN	图像	超过90,000张蜱虫图像
566	2024-08-07	Deep learning for cephalometric landmark detection: systematic review and meta-analysis 2021-Jul, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-021-03990-w PMID:34046742	系统综述和荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在头影测量标志点检测中的准确性和证据基础	深度学习在头影测量标志点检测中显示出较高的准确性，但需要进一步证明其鲁棒性和泛化能力	研究存在高偏倚风险和适用性问题，主要涉及数据选择和参考测试执行	评估深度学习在头影测量标志点检测中的准确性和证据基础	头影测量图像中的标志点检测	计算机视觉	NA	深度学习	卷积神经网络	二维和三维放射图像	19项研究，主要使用二维侧位放射图像，检测平均30个标志点
567	2024-08-07	Impact of Image Context on Deep Learning for Classification of Teeth on Radiographs 2021-Apr-12, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10081635 PMID:33921440	研究论文	本研究旨在评估图像上下文信息对全景牙科放射图像中牙齿分类深度学习模型准确性的影响	通过调整图像上下文大小（从100%到300%）并使用ResNet-34模型，研究了上下文信息对牙齿分类准确性的影响	在200%到300%的上下文范围内，准确性提升有限，且犬齿的分类准确性在较小上下文下已经很高，增加上下文带来的提升不大	评估图像上下文信息对深度学习模型在全景牙科放射图像中牙齿分类准确性的影响	全景牙科放射图像中的牙齿分类	计算机视觉	NA	深度学习	ResNet-34	图像	5008张全景放射图像，每张图像平均包含25.2颗牙齿
568	2024-08-07	Classification of Dental Radiographs Using Deep Learning 2021-Apr-03, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10071496 PMID:33916800	研究论文	本文通过比较三种深度学习架构的分类性能，回顾性评估放射数据并前瞻性地分类放射图像（包括全景、咬翼、根尖和头影图像）	使用ResNet-34进行主动学习，通过迭代注释和重新训练提高分类准确性	分类错误主要发生在咬翼和根尖图像之间	评估和比较不同深度学习模型在牙科放射图像分类中的性能	全景、咬翼、根尖和头影牙科放射图像	计算机视觉	NA	深度学习	CNN, ResNet-34, CapsNet	图像	31,288张全景图像，43,598张根尖图像，14,326张咬翼图像，1176张头影图像
569	2024-08-07	Genetic Probe for Visualizing Glutamatergic Synapses and Vesicles by 3D Electron Microscopy 2021-02-17, ACS chemical neuroscience IF:4.1Q2 DOI:10.1021/acschemneuro.0c00643 PMID:33522227	研究论文	本文开发了一种遗传编码探针，用于通过3D电子显微镜技术可视化谷氨酸能突触和囊泡	首次开发了一种遗传编码探针，结合miniSOG和囊泡谷氨酸转运体-2，用于标记和成像基于其神经化学身份的突触和突触囊泡	NA	开发新的工具来访问神经传递的亚细胞结构和分子机制，以及基于神经递质的神经连接追踪	谷氨酸能突触和囊泡的标记与成像	神经科学	NA	3D电子显微镜，深度学习	深度学习模型	图像	NA
570	2024-08-07	Deep learning-based segmentation of the placenta and uterus on MR images 2021-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.8.5.054001 PMID:34589556	研究论文	本研究开发了一种基于深度学习的磁共振图像中胎盘和子宫腔的分割方法	采用全卷积神经网络（CNN）进行三维（3D）同时分割，并引入最小操作员交互以提高胎盘定位的准确性	NA	开发一种用户交互最少的分割方法	胎盘和子宫腔的分割	计算机视觉	NA	磁共振成像	CNN	图像	训练集包括70个正常案例和129个包括正常及疑似胎盘植入谱（PAS）的案例；测试集包括20个正常案例和50个包括正常及疑似PAS的案例
571	2024-08-07	Individual dairy cow identification based on lightweight convolutional neural network 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0260510 PMID:34843562	研究论文	本研究利用深度学习技术，通过改进的轻量级卷积神经网络Alexnet，实现了在复杂背景下的个体奶牛识别	提出了一种改进的轻量级卷积神经网络模型，通过短路连接的BasicBlock和改进的inception模块及注意力机制，提高了特征点的检测能力，同时减少了模型参数	NA	提高农场中个体奶牛识别技术的实用性和效率	个体奶牛的图像识别	计算机视觉	NA	卷积神经网络	CNN	图像	13头奶牛的侧视图像
572	2024-08-07	Advanced Feature Extraction and Selection Approach Using Deep Learning and Aquila Optimizer for IoT Intrusion Detection System 2021-Dec-26, Sensors (Basel, Switzerland) DOI:10.3390/s22010140 PMID:35009682	研究论文	本文开发了一种新的特征提取和选择方法，利用深度学习和Aquila优化器为物联网入侵检测系统提供支持	提出了一种基于群智能算法Aquila优化器的特征选择方法，并结合卷积神经网络进行特征提取	NA	开发新的特征提取和选择方法，提高物联网入侵检测系统的性能	物联网入侵检测系统	机器学习	NA	深度学习	CNN	数据集	使用了四个知名公共数据集：CIC2017, NSL-KDD, BoT-IoT, 和 KDD99
573	2024-08-07	Low-dose CT reconstruction with Noise2Noise network and testing-time fine-tuning 2021-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.15101 PMID:34791655	研究论文	本文提出了一种基于深度学习的低剂量CT图像重建算法，该算法无需使用正常剂量的图像进行训练	提出的Noise2Noise网络在迭代重建过程中进行微调，无需清洁图像进行网络训练，且在测试时进行微调以优化每次重建	NA	开发一种无需清洁图像进行训练的低剂量CT图像重建算法	低剂量CT图像重建	计算机视觉	NA	Noise2Noise网络	深度神经网络	图像	使用2016年低剂量CT挑战数据集进行验证
574	2024-08-07	Machine learning approach for the prediction of postpartum hemorrhage in vaginal birth 2021-11-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-02198-y PMID:34799687	研究论文	本研究利用机器学习模型预测阴道分娩后的产后出血	构建了五种机器学习模型和一个包含两层神经网络的深度学习模型，通过集成学习方法提高了预测准确性	需要进一步研究以分析合适的变量并准备大规模数据集	预测阴道分娩后的产后出血	在东京女子医科大学东中心进行阴道分娩的女性	机器学习	产后出血	机器学习	神经网络	临床变量	共9,894名进行阴道分娩的患者，其中188例（1.9%）出血量超过1000毫升
575	2024-08-07	COVID-19 in the Age of Artificial Intelligence: A Comprehensive Review 2021-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-021-00431-w PMID:33886097	综述	本文详细回顾了人工智能在COVID-19病例的预测、分析和追踪中的决定性作用	探讨了人工智能在医疗实践中的应用，特别是在COVID-19病例的识别和监测中的应用	NA	评估和总结人工智能在COVID-19大流行中的应用和挑战	COVID-19病例的识别、监测和追踪	机器学习	COVID-19	人工智能	NA	大数据	涉及全球超过9852万感染者和211万死亡病例
576	2024-08-05	A Review of the Role of the S-Detect Computer-Aided Diagnostic Ultrasound System in the Evaluation of Benign and Malignant Breast and Thyroid Masses 2021-Sep-23, Medical science monitor : international medical journal of experimental and clinical research IF:2.2Q3 DOI:10.12659/MSM.931957 PMID:34552043	综述	本文回顾了S-Detect计算机辅助诊断超声系统在乳腺和甲状腺肿块评估中的作用	介绍了一种基于深度学习算法的互动CAD系统，能提高医疗影像的诊断精度并优化临床工作流程	讨论了S-Detect作为精密医疗工具在临床应用中面临的困难和挑战	探讨S-Detect在乳腺和甲状腺结节检测中的应用	乳腺和甲状腺肿块	计算机视觉	NA	深度学习	NA	医学影像	NA
577	2024-08-05	Subtyping of mild cognitive impairment using a deep learning model based on brain atrophy patterns 2021-12-21, Cell reports. Medicine DOI:10.1016/j.xcrm.2021.100467 PMID:35028609	研究论文	本文介绍了一种基于脑萎缩模式的轻度认知障碍（MCI）亚型分类方法	提出了一种仅基于脑萎缩的亚型分类方法，与传统的基于认知测量的方法相比有更好的有效性	缺乏对于其他潜在影响因素的考虑，如遗传背景和环境因素	研究轻度认知障碍（MCI）患者的异质性并准确分类亚型	轻度认知障碍（MCI）患者	数字病理学	阿尔茨海默病	深度学习	深度学习模型	MRI图像	NA
578	2024-08-05	Position paper of the EACVI and EANM on artificial intelligence applications in multimodality cardiovascular imaging using SPECT/CT, PET/CT, and cardiac CT 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-021-05341-z PMID:33864509	position paper	本文概述了现代机器学习基础的人工智能在多模态心血管成像中的应用	提出了将机器学习算法应用于心血管成像的新策略	人类对数据集的解释、量化和整合能力有限	提供现代基于机器学习的人工智能的基本概念和应用概述	心血管疾病患者的诊断和预后	机器学习	心血管疾病	核医学成像、CT	深度学习	影像	NA
579	2024-08-05	Decoding COVID-19 pneumonia: comparison of deep learning and radiomics CT image signatures 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05075-4 PMID:33094432	研究论文	本研究比较深度学习和放射组学CT影像特征，以解码COVID-19肺炎的影像特征	首次结合深度学习和放射组学框架提取COVID-19肺炎相关的影像特征	回顾性研究设计可能存在选择偏倚，样本来自于有限的几个医院	比较不同的特征工程和深度学习方法，揭示COVID-19肺炎的CT影像特征	266名COVID-19及其他病毒性肺炎患者的临床和CT影像数据	计算机视觉	COVID-19肺炎	深度学习，放射组学	双向对抗网络	影像	266名患者（93例COVID-19阳性，91例COVID-19阴性）
580	2024-08-05	Attenuation correction using deep Learning and integrated UTE/multi-echo Dixon sequence: evaluation in amyloid and tau PET imaging 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05061-w PMID:33108475	研究论文	本文提出了一种结合深度学习和新型超短回声时间（UTE）/多回声Dixon序列的MR基础衰减校正方法，以提高阿尔茨海默病的PET成像准确性	首次将深度学习与mUTE序列结合用于阿尔茨海默病的衰减校正，显示出优于传统方法的性能	研究样本数量相对较少，仅包括35名受试者，可能影响结果的普遍性	提高阿尔茨海默病中淀粉样蛋白和tau蛋白成像的衰减校正准确性	35名同时接受11C-PiB和18F-MK6240扫描的受试者	数字病理学	阿尔茨海默病	深度学习与超短回声时间（UTE）/多回声Dixon序列	深度学习模型	图像	35名受试者