深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
21	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	NA	NA	NA	NA
22	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	NA	NA	NA	NA
23	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	NA	NA	NA	NA
24	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	NA	NA	NA	NA
25	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	NA	NA	NA	NA
26	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	NA	NA	NA	NA
27	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	NA	NA	NA	NA
28	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	NA	NA	NA	NA
29	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	NA	NA	NA	NA
30	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	NA	NA	NA	NA
31	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	NA	NA	NA	NA
32	2024-08-11	Detecting the pulmonary trunk in CT scout views using deep learning 2021-05-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-89647-w PMID:33986402	研究论文	本文通过深度学习方法自动定位CT scout视图中的肺动脉主干区域	使用U-Net模型自动定位肺动脉主干区域，其准确度与放射技师相当	NA	自动化CT scout视图中肺动脉主干的定位任务	CT scout视图中的肺动脉主干区域	计算机视觉	NA	深度学习	U-Net	图像	620个CT scout视图，来自563名患者	NA	NA	NA	NA
33	2024-08-11	Artificial intelligence in detecting temporomandibular joint osteoarthritis on orthopantomogram 2021-05-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-89742-y PMID:33986459	研究论文	本研究旨在开发一种人工智能模型，用于通过正交平片检测颞下颌关节骨关节炎，并与口腔颌面放射专家的诊断性能进行比较	研究通过重新分类不确定的骨关节炎图像，提高了人工智能模型的诊断准确性，使其与专家的诊断性能相当	初始模型在处理三种分类时表现不佳，需要通过重新分类来改善性能	开发和评估人工智能模型在颞下颌关节骨关节炎诊断中的应用	颞下颌关节骨关节炎的诊断	计算机视觉	颞下颌关节骨关节炎	深度学习	ResNet	图像	1189张正交平片图像	NA	NA	NA	NA
34	2024-08-11	AI-assisted superresolution cosmological simulations 2021-05-11, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2022038118 PMID:33947816	研究论文	本文利用人工智能（特别是深度学习）技术，通过神经网络从高分辨率图像数据中学习，并生成低分辨率宇宙学N体模拟的超分辨率版本	本文首次将深度学习技术应用于宇宙学N体模拟，生成高分辨率模拟，能够增强模拟分辨率并预测粒子位移	NA	利用人工智能技术提高宇宙学模拟的分辨率	宇宙学N体模拟	机器学习	NA	深度学习	神经网络	图像	16对小体积低分辨率-高分辨率模拟	NA	NA	NA	NA
35	2024-08-11	Synaptic metaplasticity in binarized neural networks 2021-05-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-22768-y PMID:33953183	研究论文	本文研究了二值化神经网络中的突触可塑性，提出了一种新的训练技术以减轻灾难性遗忘问题	将二值化神经网络的隐藏权重解释为可塑性变量，并提出了一种新的训练技术，无需先前数据或数据集之间的正式边界即可减少灾难性遗忘	NA	探索神经科学中的可塑性行为如何应用于深度神经网络以减轻灾难性遗忘	二值化神经网络及其在多任务和流学习中的应用	机器学习	NA	NA	二值化神经网络	NA	NA	NA	NA	NA	NA
36	2024-08-11	Deep learning for gradability classification of handheld, non-mydriatic retinal images 2021-05-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-89027-4 PMID:33947946	研究论文	本文研究使用深度学习技术对非散瞳手持式视网膜图像的可分级性进行分类	提出了一种紧凑型深度学习模型，用于在采集阶段预测视网膜图像的可分级性，以提高可分级图像的比例和糖尿病视网膜病变（STDR）的检测率	NA	旨在提高非临床环境下使用手持设备采集的视网膜图像的可分级性，从而提高STDR的检测	非散瞳手持式视网膜图像的可分级性	计算机视觉	糖尿病视网膜病变	深度学习（DL）	紧凑型深度学习模型	图像	从18,277名患者眼中采集的40,126张图像中，有16,170名患者眼（35,319张图像）符合条件，并从中抽取了3261张视网膜图像（1490名患者眼）进行标记	NA	NA	NA	NA
37	2024-08-11	Simulation-to-real domain adaptation with teacher-student learning for endoscopic instrument segmentation 2021-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-021-02383-4 PMID:33982232	研究论文	本文介绍了一种基于教师-学生学习方法的模拟到真实域适应技术，用于内窥镜手术器械分割	提出了一种教师-学生学习方法，联合学习标注的模拟数据和未标注的真实数据，以解决模拟到真实无监督域适应问题	文章未明确提及具体的局限性	旨在提高内窥镜手术器械分割的自动化水平，减少对临床专家手动标注的依赖	内窥镜视频流中的手术器械分割	计算机视觉	NA	教师-学生学习方法	NA	视频	涉及三个数据集	NA	NA	NA	NA
38	2024-08-10	Deep learning-based forecasting model for COVID-19 outbreak in Saudi Arabia 2021-May, Process safety and environmental protection : transactions of the Institution of Chemical Engineers, Part B IF:6.9Q1 DOI:10.1016/j.psep.2020.10.048 PMID:33162687	研究论文	本研究提出了一种基于长短期记忆网络（LSTM）的深度学习模型，用于预测沙特阿拉伯COVID-19疫情的发展情况	本研究采用了LSTM网络作为预测模型，并与ARIMA和NARANN模型进行了比较，展示了其更高的预测准确性	NA	预测COVID-19疫情的发展，为政策制定者提供决策支持	沙特阿拉伯及其他六个国家的COVID-19疫情数据	机器学习	COVID-19	LSTM	LSTM	数值数据	沙特阿拉伯及其他六个国家的疫情数据	NA	NA	NA	NA
39	2024-08-10	Predicting ASD Diagnosis in Children with Synthetic and Image-based Eye Gaze Data 2021-May, Signal processing. Image communication DOI:10.1016/j.image.2021.116198 PMID:33859457	研究论文	本文提出两种机器学习方法，基于合成和图像的注视数据，自动分类儿童的自闭症谱系障碍（ASD）诊断	使用合成扫视模式和图像基础方法处理注视数据，以提高ASD预测的准确性	实验中ASD预测的准确率在验证集和测试集上分别为67.23%和62.13%，仍有提升空间	开发早期干预工具，通过注视数据识别ASD风险，以便在症状完全显现之前进行干预	儿童的注视数据	机器学习	自闭症谱系障碍	深度学习	卷积神经网络（CNN）和循环神经网络（RNN）	注视数据	公开可访问的儿童注视数据集	NA	NA	NA	NA
40	2024-08-07	Attenuation correction using deep learning for brain perfusion SPECT images 2021-May, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-021-01600-z PMID:33751364	研究论文	本研究构建了一个卷积神经网络（CNN）来自动编码器（AE），用于直接从非衰减校正的SPECT图像生成衰减校正的脑灌注SPECT图像	提出了一种使用自动编码器（AE）进行衰减校正的新方法，该方法能够生成高度准确的衰减校正脑灌注SPECT图像	NA	开发一种无需SPECT/CT扫描仪即可进行非均匀衰减校正的方法	脑灌注SPECT图像的衰减校正	计算机视觉	NA	卷积神经网络（CNN）	自动编码器（AE）	图像	训练集270例（44,528切片），验证集60例（5,002切片），测试集30例（2,558切片）	NA	NA	NA	NA