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
1	2024-11-18	Label3DMaize: toolkit for 3D point cloud data annotation of maize shoots 2021-05-07, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab031 PMID:33963385	研究论文	本文提出了一种用于玉米植株3D点云数据标注的工具包Label3DMaize，通过自上而下的点云分割算法实现半自动的点云分割和标注	本文的创新点在于提出了一种基于最优运输距离的点云分割算法，并开发了一个半自动的3D点云标注工具包Label3DMaize	本文的局限性在于工具包的分割精度依赖于粗分割和精细分割的结合，且精细分割需要更多时间	本文的研究目的是开发一种高效的3D点云分割和标注工具，以支持基于深度学习的植物点云处理研究	本文的研究对象是玉米植株的3D点云数据	计算机视觉	NA	3D点云分割	NA	3D点云数据	不同生长阶段的玉米植株
2	2024-11-18	Fluorescence microscopy datasets for training deep neural networks 2021-05-05, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab032 PMID:33954794	研究论文	本文提供了用于训练深度神经网络的高质量荧光显微镜数据集	本文提供了高质量的数据集，用于训练和评估正在开发的深度学习方法	NA	提高荧光显微镜图像的信噪比，减少光漂白和光毒性	荧光显微镜图像	计算机视觉	NA	荧光显微镜	卷积神经网络	图像	NA
3	2024-10-09	Enhancing deep-learning training for phase identification in powder X-ray diffractograms 2021-May-01, IUCrJ IF:2.9Q3 DOI:10.1107/S2052252521002402 PMID:33953927	研究论文	本文提出了一种生成合成粉末X射线衍射图谱的方法，用于增强深度学习模型在相位识别任务中的训练	开发了一种生成合成XRD扫描图谱的框架，模拟真实测量中的典型效应，用于训练机器或深度学习模型	需要数千个训练样本才能使模型达到可靠性能，但可用样本不足	提高深度学习模型在粉末X射线衍射图谱相位识别任务中的性能	铁矿石和水泥化合物	机器学习	NA	粉末X射线衍射（XRD）	卷积神经网络（CNN）	衍射图谱	数千个合成XRD扫描图谱
4	2024-09-27	A review of deep learning in medical imaging: Imaging traits, technology trends, case studies with progress highlights, and future promises 2021-May, Proceedings of the IEEE. Institute of Electrical and Electronics Engineers DOI:10.1109/JPROC.2021.3054390 PMID:37786449	综述	本文综述了深度学习在医学影像中的应用，涵盖了影像特征、技术趋势、案例研究及未来展望	本文总结了深度学习在医学影像中的最新进展，并探讨了未来的发展方向	本文未提供详尽的文献综述，而是重点介绍了几个突出的研究亮点	探讨深度学习在医学影像中的应用及其未来发展	医学影像中的网络架构、稀疏和噪声标签、联邦学习、可解释性和不确定性量化等问题	计算机视觉	NA	深度学习	NA	影像	NA
5	2024-09-19	Deep Learning-Based COVID-19 Detection Using CT and X-Ray Images: Current Analytics and Comparisons 2021-May-01, IT professional IF:2.2Q3 DOI:10.1109/MITP.2020.3036820 PMID:35582037	研究论文	本文利用深度学习方法基于CT和X光图像进行COVID-19检测，并分析其全球传播情况	本文提出了基于深度学习的COVID-19检测方法，并结合数据分析全球传播情况	NA	研究COVID-19的检测方法及其全球传播情况	COVID-19病毒及其传播	计算机视觉	COVID-19	深度学习	NA	图像	NA
6	2024-09-14	Head and neck multi-organ segmentation on dual-energy CT using dual pyramid convolutional neural networks 2021-05-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abfce2 PMID:33915524	研究论文	本文提出了一种基于双能量CT图像的头颈部多器官分割方法，使用双金字塔卷积神经网络	本文创新性地结合了双能量CT图像的低能和高能通道信息，通过深度注意力机制突出有用的特征，并引入掩码评分子网络来提高分割精度	对于低对比度的小型器官，分割效果仍有提升空间	开发一种自动化的头颈部多器官分割方法，以提高诊断和治疗的准确性	头颈部区域的多器官分割	计算机视觉	头颈部癌症	双能量CT	卷积神经网络	图像	127名头颈部癌症患者（66名用于训练，61名用于测试）
7	2024-09-14	Echocardiographic image multi-structure segmentation using Cardiac-SegNet 2021-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.14818 PMID:33655564	研究论文	本文提出了一种基于深度学习的超声心动图多结构分割方法，使用Cardiac-SegNet网络进行自动分割	本文提出了一种无锚点的掩码卷积神经网络Cardiac-SegNet，相比传统的Mask R-CNN方法，该网络能够更好地建模目标的空间关系，并采用空间注意力策略突出显著特征	NA	开发一种基于深度学习的自动多结构分割方法，用于超声心动图的心脏边界分割，以评估心脏功能和疾病诊断	超声心动图中的左心室心内膜、左心室心外膜和左心房	计算机视觉	心血管疾病	卷积神经网络	CNN	图像	450个患者数据集，采用五折交叉验证和保留测试
8	2024-09-10	Automatic detection of COVID-19 disease using U-Net architecture based fully convolutional network 2021-May, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.102518 PMID:33643425	研究论文	本文提出了一种基于U-Net架构的全卷积网络，用于自动检测COVID-19疾病	使用U-Net架构进行胸部CT图像分析，以提高COVID-19检测的准确性	仅使用了1000张CT图像进行评估，样本量相对较小	开发一种自动化的COVID-19检测系统，作为现有RT-PCR检测方法的补充	COVID-19患者的胸部CT图像	计算机视觉	COVID-19	深度学习	U-Net	图像	1000张胸部CT图像，其中552张来自正常人，448张来自COVID-19患者
9	2024-09-10	Forecasting of COVID-19 using deep layer Recurrent Neural Networks (RNNs) with Gated Recurrent Units (GRUs) and Long Short-Term Memory (LSTM) cells 2021-May, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2021.110861 PMID:33746373	研究论文	本文使用深度循环神经网络（RNN）模型，包括门控循环单元（GRU）和长短期记忆（LSTM）细胞，来预测COVID-19的全球影响	本文提出了使用深度学习RNN模型来预测COVID-19的未来趋势，并强调了年龄、预防措施、医疗设施和人口密度等因素的重要性	NA	预测COVID-19的全球影响，帮助各国更好地准备和控制疫情	COVID-19的累计确诊病例、累计康复病例和累计死亡病例	机器学习	传染病	深度学习	RNN、GRU、LSTM	数据	使用约翰霍普金斯大学COVID-19数据库的公开数据
10	2024-09-10	Deep-chest: Multi-classification deep learning model for diagnosing COVID-19, pneumonia, and lung cancer chest diseases 2021-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104348 PMID:33774272	研究论文	本文提出了一种用于诊断COVID-19、肺炎和肺癌的多分类深度学习模型，基于胸部X光和CT图像	本文首次提出了一种结合胸部X光和CT图像的多分类深度学习模型，用于诊断COVID-19、肺炎和肺癌	本文仅评估了四种深度学习架构的性能，未探讨其他可能的模型	开发一种能够准确诊断COVID-19、肺炎和肺癌的深度学习模型	COVID-19、肺炎和肺癌的胸部疾病	计算机视觉	肺部疾病	深度学习	CNN	图像	使用了包含正常、COVID-19、肺炎和肺癌四个类别的公共胸部X光和CT数据集
11	2024-09-10	Deep learning for diagnosis of COVID-19 using 3D CT scans 2021-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104306 PMID:33780867	研究论文	本文提出了一种基于深度学习的人工智能方法，用于通过3D CT扫描诊断COVID-19	本文创新性地使用ResNet-50深度学习模型对3D CT扫描中的每张CT图像进行COVID-19预测，并通过融合图像级预测来诊断COVID-19	未提及具体限制	开发一种快速准确的人工智能方法，用于通过3D CT扫描诊断COVID-19	COVID-19感染的3D CT扫描图像	计算机视觉	COVID-19	深度学习	ResNet-50	3D CT扫描图像	未提及具体样本数量
12	2024-09-10	An automated COVID-19 detection based on fused dynamic exemplar pyramid feature extraction and hybrid feature selection using deep learning 2021-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104356 PMID:33799219	研究论文	本文提出了一种基于融合动态样本金字塔特征提取和混合特征选择的深度学习模型，用于自动检测COVID-19	本文创新性地结合了手工特征生成技术和混合特征选择方法，以提高分类准确性	NA	本文旨在通过使用CT图像的手工特征，实现比卷积神经网络更高的分类准确性	本文的研究对象是COVID-19的自动检测	计算机视觉	COVID-19	深度学习	深度神经网络 (DNN)	图像	256 × 256大小的CT图像
13	2024-09-10	A social media analytics platform visualising the spread of COVID-19 in Italy via exploitation of automatically geotagged tweets 2021-May, Online social networks and media DOI:10.1016/j.osnem.2021.100134 PMID:36570037	研究论文	本文提出了一种利用自动地理标记的推文来可视化意大利COVID-19传播的社交媒体分析平台	本文提出了一种新的框架来收集、分析和可视化Twitter帖子，特别针对意大利的病毒传播情况进行了定制	NA	利用社交媒体数据加强危机管理	Twitter帖子中的地理信息、图像中的人数以及Twitter用户社区	自然语言处理	COVID-19	深度学习定位技术、人脸检测算法、社区检测方法	深度学习模型	文本、图像	NA
14	2024-09-05	Improving the performance of deep learning models using statistical features: The case study of COVID-19 forecasting 2021-May-22, Mathematical methods in the applied sciences IF:2.1Q1 DOI:10.1002/mma.7500 PMID:34226777	研究论文	本研究提出两种结合统计特征的混合深度学习方法，用于改进COVID-19预测模型的性能	提出了一种结合统计特征的混合深度学习方法，包括多头注意力机制与统计特征的结合（ATT_FE）和卷积神经网络与统计特征的结合（CNN_FE）	NA	改进COVID-19预测模型的性能，帮助当局做出准确决策以控制疫情	COVID-19疫情数据	机器学习	COVID-19	深度学习	CNN, LSTM, 多头注意力机制	数据	10个确诊病例最多的国家
15	2024-08-28	Predict Alzheimer's disease using hippocampus MRI data: a lightweight 3D deep convolutional network model with visual and global shape representations 2021-05-24, Alzheimer's research & therapy DOI:10.1186/s13195-021-00837-0 PMID:34030743	研究论文	本文提出了一种基于海马体MRI数据和全局形状表示的轻量级3D深度卷积网络模型DenseCNN2，用于阿尔茨海默病的分类	DenseCNN2模型结合了海马体分割和全局形状特征，提高了分类性能	NA	开发一种高效的阿尔茨海默病分类诊断工具	阿尔茨海默病患者和正常对照组的海马体MRI数据	机器学习	阿尔茨海默病	MRI	CNN	图像	326名阿尔茨海默病患者和607名正常对照组的海马体MRI数据
16	2024-08-13	Investigating the Impact of the Bit Depth of Fluorescence-Stained Images on the Performance of Deep Learning-Based Nuclei Instance Segmentation 2021-May-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11060967 PMID:34072131	研究论文	研究了荧光染色图像的位深度对基于深度学习的细胞核实例分割性能的影响	首次探讨了图像位深度对基于深度学习的细胞核实例分割性能的影响	NA	评估不同位深度的荧光染色图像对细胞核实例分割性能的影响	细胞核实例分割性能	计算机视觉	NA	深度学习	DL-based methods	图像	来自五个不同小鼠器官的荧光染色组织图像
17	2024-08-12	Deep Learning Algorithm for Automated Cardiac Murmur Detection via a Digital Stethoscope Platform 2021-05-04, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.120.019905 PMID:33899504	研究论文	本研究评估了一种深度学习算法通过商用数字听诊器平台检测心脏杂音和临床显著性瓣膜心脏病的性能	该算法能够检测到与专家心脏病医生相媲美的心脏杂音和临床显著性主动脉瓣狭窄及二尖瓣反流	算法在检测较轻微的杂音（1级强度）时灵敏度较低	评估深度学习算法在通过数字听诊器平台检测心脏杂音和临床显著性瓣膜心脏病中的表现	心脏杂音和临床显著性瓣膜心脏病	机器学习	心血管疾病	深度学习	深度神经网络	音频	962名患者的心音记录
18	2024-08-11	Super.FELT: supervised feature extraction learning using triplet loss for drug response prediction with multi-omics data 2021-May-25, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04146-z PMID:34034645	研究论文	本研究提出了一种名为Super.FELT的新方法，利用三元组损失的监督特征提取学习来预测药物反应，并有效降低多组学数据的高维度	Super.FELT通过三个阶段（特征选择、特征编码和药物反应二分类）实现了比其他方法更好的性能，特别是在PDX和TCGA的外部验证中	NA	开发一种新的方法，利用监督深度学习模型有效降低多组学数据的高维度，以提高药物反应预测的准确性	使用多组学数据（包括突变、拷贝数变异和基因表达）来预测药物反应	机器学习	NA	三元组损失	监督深度学习模型	多组学数据	使用了来自GDSC、CCLE、CTRP、PDX和TCGA的数据集
19	2024-08-11	Deep learning for large scale MRI-based morphological phenotyping of osteoarthritis 2021-05-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-90292-6 PMID:34035386	研究论文	本研究利用深度学习技术对大规模MRI数据进行基于形态学的骨关节炎表型分类	首次使用卷积神经网络对膝关节MRI图像中的骨、半月板/软骨、炎症和肥大表型进行分类，并评估其与骨关节炎发生和发展的关联	NA	旨在通过MRI图像的形态学表型分类，预测骨关节炎的未来发生情况，从而改进治疗药物的纳入标准和疗效	膝关节MRI图像中的骨、半月板/软骨、炎症和肥大表型	机器学习	骨关节炎	卷积神经网络	CNN	图像	4791名参与者的膝关节MRI数据
20	2024-08-11	Understanding Public Perceptions of COVID-19 Contact Tracing Apps: Artificial Intelligence-Enabled Social Media Analysis 2021-05-17, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/26618 PMID:33939622	研究论文	本研究通过人工智能驱动的社交媒体分析，探讨了英国公众对COVID-19接触追踪应用的看法	采用混合规则集成的模型，结合了先进的基于词典规则和深度学习方法	NA	探索人工智能驱动的社交媒体分析在理解公众对COVID-19接触追踪应用看法方面的适用性	公众对COVID-19接触追踪应用的态度	自然语言处理	NA	人工智能	混合规则集成模型	文本	超过10,000条相关社交媒体帖子