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	ChronoRoot: High-throughput phenotyping by deep segmentation networks reveals novel temporal parameters of plant root system architecture 2021-07-20, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab052 PMID:34282452	研究论文	本文介绍了一种结合3D打印开放硬件和深度分割网络的高通量植物根系表型分析系统ChronoRoot	开发了一种基于深度学习的根系提取方法，利用卷积神经网络的最新进展进行图像分割，并将时间一致性纳入根系结构重建过程	NA	扩展根系高通量表型分析的可能性，揭示新的根系特征	植物根系	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
2	2024-10-06	Quantum algorithm for quicker clinical prognostic analysis: an application and experimental study using CT scan images of COVID-19 patients 2021-07-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-021-01588-6 PMID:34330278	研究论文	本文提出了一种基于量子机器学习算法的图像分类和分割方法，用于COVID-19患者的CT扫描图像分析	引入了量子机器学习（QML）在医学实践中的应用，并展示了量子神经网络（QNN）在COVID-19特征分类任务中优于传统深度学习模型的性能	需要进一步研究以评估在医疗设备中集成该模型的实施场景	开发一种更快速和准确的临床预测分析方法，以提高COVID-19患者的诊断效率	COVID-19患者的CT扫描图像	计算机视觉	COVID-19	量子机器学习（QML）	量子神经网络（QNN）	图像	NA
3	2024-10-01	Machine Learning and Deep Learning Methods for Skin Lesion Classification and Diagnosis: A Systematic Review 2021-Jul-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11081390 PMID:34441324	综述	本文综述了过去五年中使用传统机器学习和深度学习方法进行皮肤病变分类和诊断的研究	系统性地评估了计算机辅助诊断系统的诊断准确性	研究中识别了评估皮肤病变分割和分类方法的主要挑战，如小数据集、临时图像选择和种族偏见	综述和评估计算机辅助皮肤病变诊断系统的诊断准确性	过去五年中发表在ScienceDirect、IEEE和SpringerLink数据库中的53篇传统机器学习方法和49篇深度学习方法的文章	计算机视觉	NA	传统机器学习方法和深度学习方法	NA	图像	53篇传统机器学习方法和49篇深度学习方法的文章
4	2024-10-01	Single-cell classification using graph convolutional networks 2021-Jul-08, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04278-2 PMID:34238220	研究论文	本文提出了一种名为sigGCN的多模态端到端深度学习模型，用于细胞分类，结合了图卷积网络（GCN）和神经网络来利用基因相互作用网络	本文的创新点在于将基因相互作用网络与基因表达数据结合，通过GCN方法提取有效特征，从而提高细胞分类的性能	NA	研究目的是通过结合基因相互作用网络和基因表达数据，提高细胞分类的准确性	研究对象是单细胞RNA测序（scRNAseq）数据中的细胞分类	机器学习	NA	图卷积网络（GCN）	图卷积网络（GCN）	基因表达数据	NA
5	2024-09-29	Automatic Extraction of Lung Cancer Staging Information From Computed Tomography Reports: Deep Learning Approach 2021-Jul-21, JMIR medical informatics IF:3.1Q2 DOI:10.2196/27955 PMID:34287213	研究论文	本文开发了一种信息提取系统，用于从CT报告中自动提取肺癌分期相关信息	提出了一种新的关系分类方法，使用关系符号约束（RSC），并在实验中展示了其优越性	NA	自动提取CT报告中肺癌分期相关信息，以支持准确的临床分期	肺癌分期信息	计算机视觉	肺癌	深度学习	BERT	文本	392份胸部CT报告
6	2024-09-28	COUnty aggRegation mixup AuGmEntation (COURAGE) COVID-19 prediction 2021-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-93545-6 PMID:34253768	研究论文	本文提出了一种名为COURAGE的方法，利用深度学习技术预测美国各县未来两周的COVID-19相关死亡人数	采用自注意力模型（transformer模型）捕捉时间序列中的短期和长期依赖关系，并实现了计算效率的提升	NA	预测COVID-19在美国的局部严重程度，以优化资源分配	美国各县的COVID-19相关死亡人数	机器学习	COVID-19	深度学习	transformer模型	时间序列数据	美国各县的COVID-19相关确诊病例、死亡人数、社区流动趋势和人口统计信息
7	2024-09-25	Graph-Based Deep Learning for Medical Diagnosis and Analysis: Past, Present and Future 2021-Jul-12, Sensors (Basel, Switzerland) DOI:10.3390/s21144758 PMID:34300498	综述	本文综述了基于图的深度学习在医疗诊断和分析中的应用	探讨了图神经网络在处理不规则和无序生理记录数据中的潜力	现有技术主要集中在网格状数据上，难以处理不规则数据	探讨机器学习和深度学习方法在医疗数据分析中的应用	图神经网络及其在医疗领域的应用	机器学习	NA	图神经网络	图神经网络	生理记录数据	NA
8	2024-09-25	Map3D: Registration-Based Multi-Object Tracking on 3D Serial Whole Slide Images 2021-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2021.3069154 PMID:33780334	研究论文	本文提出了一种名为Map3D的新方法，用于在3D连续全切片图像上进行基于配准的多目标跟踪，以实现肾脏病理学中大规模肾小球的自动识别和关联	创新点包括将大规模肾小球关联视为新的多目标跟踪视角，提出质量感知的全系列配准方法以提供亲和力估计和自动肾脏质量保证，以及提出双路径关联方法以应对跟踪过程中的大变形、缺失组织和伪影	NA	实现肾脏病理学中大规模肾小球的自动识别和关联	3D连续全切片图像中的肾小球	数字病理学	肾脏疾病	全切片成像（WSI）	多目标跟踪（MOT）	图像	大规模肾小球
9	2024-09-19	Blockchain-Federated-Learning and Deep Learning Models for COVID-19 Detection Using CT Imaging 2021-Jul-15, IEEE sensors journal IF:4.3Q2 DOI:10.1109/JSEN.2021.3076767 PMID:35789224	研究论文	本文提出了一种利用区块链联邦学习和深度学习模型进行COVID-19检测的框架	提出了基于区块链的联邦学习框架，解决了数据异质性和隐私保护问题，并使用了胶囊网络进行分割和分类	NA	开发一种有效的COVID-19诊断方法，解决测试试剂短缺和数据共享隐私问题	COVID-19患者的CT影像数据	计算机视觉	COVID-19	区块链技术，联邦学习	胶囊网络	CT影像	来自不同医院的少量COVID-19患者数据
10	2024-09-14	High through-plane resolution CT imaging with self-supervised deep learning 2021-07-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac0684 PMID:34049297	研究论文	本文提出了一种自监督深度学习工作流程，用于合成高穿透平面分辨率的CT图像	该方法的创新点在于使用自监督学习，无需依赖真实CT图像进行网络训练，并验证了平面高分辨率信息可以监督穿透平面高分辨率生成的假设	NA	提高放射治疗计划中CT图像的穿透平面分辨率	头颈癌和肺癌患者的CT图像	计算机视觉	头颈癌, 肺癌	深度学习	神经网络	图像	75名头颈癌患者（1毫米切片厚度）和20名肺癌患者（3毫米切片厚度）的CT模拟图像
11	2024-09-14	Self-supervised learning for accelerated 3D high-resolution ultrasound imaging 2021-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.14946 PMID:33993508	研究论文	本文提出了一种基于自监督学习的深度学习算法，用于从稀疏采集的二维超声图像中重建高分辨率的三维超声图像	本文创新性地使用循环一致生成对抗网络（cycleGAN）进行自监督学习，通过学习从降采样的低分辨率图像到原始高分辨率图像的映射，生成高分辨率的二维图像，并最终重建高分辨率的三维超声图像	本文未提及具体的局限性	开发一种基于深度学习的算法，从稀疏采集的二维图像中重建高分辨率的三维超声图像	高分辨率的三维超声图像	计算机视觉	癌症	深度学习	生成对抗网络（GAN）	图像	70例乳腺癌患者和45例前列腺癌患者的超声图像
12	2024-09-10	Prediction of the spread of Corona-virus carrying droplets in a bus - A computational based artificial intelligence approach 2021-07-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2021.125358 PMID:33611042	研究论文	本文提出了一种基于计算和人工智能的框架，用于快速预测公交车中打喷嚏乘客产生的飞沫传播模式	本文的创新点在于结合了体积流体方法和深度学习技术，显著提高了飞沫传播预测的速度	NA	预测新冠病毒携带飞沫在公交车中的传播模式	公交车中打喷嚏乘客产生的飞沫传播	计算机视觉	NA	体积流体方法，大涡模拟	深度学习	数值模拟结果	NA
13	2024-09-10	Automatic diagnosis of coronavirus (COVID-19) using shape and texture characteristics extracted from X-Ray and CT-Scan images 2021-Jul, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.102602 PMID:33824681	研究论文	本文研究了利用X射线和CT扫描图像的形状和纹理特征进行COVID-19的自动诊断	提出了上下文特征减少卷积滤波器（CFRCF），用于从胸部X光片和腹部CT图像中提取形状和纹理特征，并使用形态学算子、Gabor滤波器和属性滤波器进行特征提取	需要足够大的训练集来支持深度网络的使用，而实际中这种数据集并不总是可用	解决深度学习方法在COVID-19诊断中需要大量训练数据的问题	COVID-19的自动诊断	计算机视觉	传染病	卷积神经网络（CNN）	CNN	图像	CT扫描图像数据集和X射线图像数据集分别获得了超过76%和94%的整体分类准确率
14	2024-09-10	Fusion of convolution neural network, support vector machine and Sobel filter for accurate detection of COVID-19 patients using X-ray images 2021-Jul, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.102622 PMID:33846685	研究论文	本文提出了一种结合卷积神经网络（CNN）、支持向量机（SVM）和Sobel滤波器的方法，用于通过X射线图像准确检测COVID-19患者	本文的创新点在于将CNN、SVM和Sobel滤波器结合使用，以提高COVID-19检测的准确性，并且不依赖预训练网络	NA	开发一种自动诊断系统，用于快速诊断COVID-19，以防止其传播	COVID-19患者的X射线图像	计算机视觉	COVID-19	卷积神经网络（CNN）、支持向量机（SVM）、Sobel滤波器	CNN	图像	新收集的X射线图像数据集
15	2024-09-10	BS-Net: Learning COVID-19 pneumonia severity on a large chest X-ray dataset 2021-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102046 PMID:33862337	研究论文	设计了一种端到端的深度学习架构，用于在胸部X光图像上预测COVID-19患者肺部受损程度的多区域评分	采用弱监督学习策略处理不同的任务（分割、空间对齐和评分估计），并使用“从部分到整体”的训练过程，生成高分辨率的解释性图谱以帮助理解网络在肺部区域的活动	NA	开发一种能够准确预测COVID-19肺炎严重程度的深度学习模型	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	深度学习	BS-Net	图像	约5000张胸部X光图像
16	2024-09-10	Multi-source sensor based urban habitat and resident health sensing: A case study of Wuhan, China 2021-Jul, Building and environment IF:7.1Q1 DOI:10.1016/j.buildenv.2021.107883 PMID:36567753	研究论文	研究武汉市650个社区的COVID-19确诊病例与城市居住环境之间的关系，利用深度学习技术和传感器数据分析环境因素对病毒传播的影响	首次探讨了天空视图因子（SVF）和可见绿色指数（VGI）对病毒传播的影响，并构建了结构方程模型解释确诊病例的变异	研究结果仅基于武汉市的数据，可能不适用于其他城市或地区	探讨城市居住环境与COVID-19确诊病例之间的关系，并研究环境因素对病毒传播的驱动作用	武汉市650个有COVID-19确诊病例的社区	计算机视觉	传染病	深度学习语义分割技术，部分最小二乘结构方程建模（PLS-SEM）	结构方程模型	图像，传感器数据	650个社区
17	2024-09-02	Metrics of sleep apnea severity: beyond the apnea-hypopnea index 2021-07-09, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsab030 PMID:33693939	review	本文回顾了阻塞性睡眠呼吸暂停（OSA）严重程度的评估指标，特别是对睡眠呼吸暂停低通气指数（AHI）及其替代指标的探讨	探讨了替代AHI的多种指标，如低氧负担、唤醒强度、优势比乘积和心肺耦合等，并提出了未来研究方向，包括遗传学、血液生物标志物、机器/深度学习和可穿戴技术	AHI作为评估OSA严重程度的指标虽广泛研究但存在局限性	探讨OSA严重程度的最佳评估指标及其对治疗的潜在反应	阻塞性睡眠呼吸暂停的严重程度评估及其治疗反应	NA	阻塞性睡眠呼吸暂停	NA	NA	NA	NA
18	2024-09-02	DEEPMIR: a deep neural network for differential detection of cerebral microbleeds and iron deposits in MRI 2021-07-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-93427-x PMID:34238951	研究论文	本文开发了一种基于深度学习的分割方法，用于在MRI中区分脑微出血和铁沉积	采用深度卷积神经网络（CNN）和U-Net模型，结合多模态MRI数据（特别是QSM），提高了脑微出血和非出血性铁沉积的检测敏感性和精确度	研究样本仅为24名参与者，可能影响结果的普遍性	开发一种能够自动检测脑微出血和铁沉积的深度学习方法	脑微出血和非出血性铁沉积	机器学习	NA	MRI	CNN	图像	24名参与者
19	2024-08-27	Transmol: repurposing a language model for molecular generation 2021-Jul-27, RSC advances IF:3.9Q2 DOI:10.1039/d1ra03086h PMID:35479483	研究论文	本文利用自然语言处理中的transformer架构变体Transmol模型，应用于分子生成任务，并展示了其在生成分子库方面的有效性	首次将注意力机制应用于分子生成问题，并开发了一种新的双种子方法，以探索化学空间的未开发区域	NA	探索和改进机器学习在分子生成领域的应用	分子生成和分子库的构建	机器学习	NA	transformer	transformer	分子数据	NA
20	2024-08-24	A Deep Learning Radiomics Model to Identify Poor Outcome in COVID-19 Patients With Underlying Health Conditions: A Multicenter Study 2021-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2021.3076086 PMID:33905341	研究论文	本研究开发了一种结合深度学习和放射组学的混合模型，用于从初始CT扫描中识别患有基础健康状况的COVID-19患者的较差预后	提出的混合模型结合了3D-ResNet10深度学习模型和量化3D放射组学模型，显著提高了预测COVID-19患者较差预后的准确性	NA	开发一种精确的预测工具，用于识别患有基础健康状况的COVID-19患者的较差预后	患有基础健康状况的COVID-19患者	机器学习	COVID-19	深度学习	3D-ResNet10	CT扫描图像	共400名患者，包括54名死亡病例和346名出院或住院至少7天的患者