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
421	2024-08-26	Automatic kidney segmentation using 2.5D ResUNet and 2.5D DenseUNet for malignant potential analysis in complex renal cyst based on CT images 2022, EURASIP journal on image and video processing IF:2.0Q3 DOI:10.1186/s13640-022-00581-x PMID:35340560	研究论文	本文研究使用2.5D ResUNet和2.5D DenseUNet进行肾脏分割，以分析复杂肾囊肿的恶性潜力	提出使用2.5D ResUNet和2.5D DenseUNet进行肾脏分割，有效提取切片内和切片间特征	在泰国患者的腹部CT图像上性能有所下降	开发精确的二分类方法（良性或恶性肿瘤）以分析计算机断层扫描（CT）图像中的肾囊肿	肾脏器官或病变	计算机视觉	NA	NA	2.5D ResUNet, 2.5D DenseUNet	CT图像	KiTS19验证集包含60名患者，另外对4名泰国患者的腹部CT图像进行实验
422	2024-08-26	Image Compression Based on Hybrid Domain Attention and Postprocessing Enhancement 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4926124 PMID:35341171	研究论文	本文提出了一种基于混合域注意力机制和后处理增强的图像压缩方法	该方法在主编码-解码网络和超先验网络中嵌入混合域注意力模块作为非线性变换器，构建更紧凑的潜在特征和超先验，并采用参数化高斯尺度混合模型进行更精确的熵估计	NA	提高图像压缩效率	图像压缩技术	计算机视觉	NA	深度学习	CNN	图像	NA
423	2024-08-26	End-to-end antigenic variant generation for H1N1 influenza HA protein using sequence to sequence models 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0266198 PMID:35344562	研究论文	本文提出了一种基于端到端学习方法的序列到序列模型，用于生成H1N1流感病毒HA蛋白的抗原变体	首次开发了一种生成流感病毒HA蛋白抗原变体的模型，利用深度序列到序列架构	NA	旨在加速流感病毒抗原变体的识别，从而加快疫苗选择和制造过程	H1N1流感病毒的HA蛋白抗原变体	机器学习	流感	序列到序列模型	序列到序列模型	序列数据	NA
424	2024-08-26	Novel Method for Safeguarding Personal Health Record in Cloud Connection Using Deep Learning Models 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3564436 PMID:35345805	研究论文	本文提出了一种新的安全措施，用于保护云连接中的个人健康记录（PHR），使用深度学习模型和优化的基于规则的模糊推理系统（ORFIS）来确定患者的危急程度	提出的ORFIS系统在检测PHR的危急程度方面优于现有的模糊推理方法，并使用基于图形的访问策略和匿名认证在私有云环境中提高了数据存储和检索效率	NA	开发一种新的安全措施，以保护云连接中的个人健康记录	个人健康记录（PHR）的安全性和患者危急程度的分类	机器学习	NA	深度学习	模糊推理系统	文本	使用UCI机器学习档案进行试验
425	2024-08-26	Deep learning in prediction of intrinsic disorder in proteins 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.03.003 PMID:35356546	研究论文	本文研究了深度神经网络（DNN）在蛋白质内在无序预测中的应用	首次系统地分析了DNN在内在无序预测中的多样性和准确性，并提出了未来发展的可能性	讨论了DNN在预测无序结合区域方面的不足	评估和推动深度学习在蛋白质内在无序预测领域的发展	深度神经网络在蛋白质内在无序预测中的应用	机器学习	NA	深度神经网络（DNN）	DNN	蛋白质序列数据	使用了来自社区评估内在无序预测（CAID）的盲测数据集
426	2024-08-26	User-Accessible Machine Learning Approaches for Cell Segmentation and Analysis in Tissue 2022, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2022.833333 PMID:35360226	研究论文	本文探讨了利用机器学习和深度学习技术进行细胞分割和分析的方法，特别是在组织中的应用	开发了针对特定成像模式和多模式解决方案的细胞分割技术，并构建了用于训练数据的注释细胞库	尖端技术通常仅限于少数具有必要领域知识的专家使用	提高细胞分割和分类的准确性，以深入了解生物机制	细胞在组织中的分析，以及细胞微环境的新模型	计算机视觉	NA	机器学习和深度学习	CNN	图像	多种物种、器官和细胞状态的细胞
427	2024-08-26	Lung Disease Classification in CXR Images Using Hybrid Inception-ResNet-v2 Model and Edge Computing 2022, Journal of healthcare engineering DOI:10.1155/2022/9036457 PMID:35368941	研究论文	本研究评估了多种机器学习、深度学习和迁移学习方法，用于分类公开可用的CXR图像数据集中的疾病	采用混合Inception-ResNet-v2迁移学习模型结合数据增强和图像增强，实现了最高的分类准确率	NA	自动化CXR图像中的疾病检测	CXR图像中的肺炎、COVID-19和正常类别	计算机视觉	肺部疾病	迁移学习	Inception-ResNet-v2	图像	公开可用的CXR图像数据集
428	2024-08-26	Investigation of Effectiveness of Shuffled Frog-Leaping Optimizer in Training a Convolution Neural Network 2022, Journal of healthcare engineering DOI:10.1155/2022/4703682 PMID:35368933	研究论文	本文研究了混洗蛙跳优化算法在训练卷积神经网络中的有效性	首次采用混洗蛙跳算法训练经典的LeNet-5结构	使用该算法会略微增加训练计算时间	探讨混洗蛙跳优化算法在训练卷积神经网络中的应用效果	卷积神经网络的训练优化	计算机视觉	NA	混洗蛙跳算法	CNN	图像	四个不同数据集
429	2024-08-26	A Deep Learning Radiomics Analysis for Survival Prediction in Esophageal Cancer 2022, Journal of healthcare engineering DOI:10.1155/2022/4034404 PMID:35368956	研究论文	本研究旨在探索深度学习放射组学（DLR）诺模图，用于预测食管癌患者在化疗放疗后的3年总体生存率	提出的DLR模型在非侵入性个体化预测食管癌患者3年生存率方面表现优于HCR签名模型	NA	探索深度学习放射组学（DLR）诺模图，预测食管癌患者化疗放疗后的3年总体生存率	食管癌患者	机器学习	食管癌	深度学习	CNN	图像	154名患者的数据，随机分为训练集（116）和验证集（38）
430	2024-08-26	Emotional Experience and Psychological Intervention of Depression Patients Based on SOM 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5064615 PMID:35371214	研究论文	本研究使用SOM模型识别抑郁症患者的抑郁倾向，并探讨其情绪体验和心理干预	本研究提出了一种新的抑郁指数概念，并探讨了其与抑郁症严重程度的关系，同时展示了SOM模型在抑郁症分类中的有效性	NA	探索抑郁症的客观诊断标志物，并研究抑郁症患者的情绪体验和心理干预	抑郁症患者及其情绪体验和心理干预	机器学习	抑郁症	SOM	SOM	脑电信号	NA
431	2024-08-26	Deep Learning-Based Electrocardiograph in Evaluating Radiofrequency Ablation for Rapid Arrhythmia 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/6491084 PMID:35371280	研究论文	本研究旨在分析基于深度学习的电生理图（ECG）在评估射频消融治疗快速性心律失常疗效中的重要作用	使用基于深度学习的卷积神经网络模型对ECG检查指标进行量化分析	NA	评估射频消融治疗快速性心律失常的疗效	158名接受射频消融治疗的快速性心律失常患者	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）	电生理图（ECG）	158名患者，分为有效治疗组（142例）和无效治疗组（16例）
432	2024-08-26	Kidney Tumor Segmentation Based on FR2PAttU-Net Model 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.853281 PMID:35372025	研究论文	本文提出基于FR2PAttU-Net的深度学习模型，用于帮助医生快速高效地处理肾脏CT图像，节省医疗资源	使用R2Att网络改进U-Net的'U'结构，增加并行卷积，构建FR2PAttU-Net模型，提高模型对不同尺度图像特征的适应性，避免网络加深导致学习有价值特征的失败	NA	提高肾脏肿瘤从肾脏CT图像中的分割效果	肾脏肿瘤的CT图像分割	计算机视觉	肾脏肿瘤	深度学习	FR2PAttU-Net	图像	使用KiTS19数据集，通过增强小样本数据集以平衡样本数据集
433	2024-08-25	A Comparison of Infectious Disease Forecasting Methods across Locations, Diseases, and Time 2022-Jan-29, Pathogens (Basel, Switzerland) DOI:10.3390/pathogens11020185 PMID:35215129	研究论文	本研究比较了统计学、机器学习和深度学习方法在不同国家和时间段内预测三种传染病（弯曲杆菌病、伤寒和Q热）的性能	本研究展示了机器学习方法在整合广泛因素方面比传统统计方法更准确地预测各种传染病的能力	研究中提到某些情况下统计学或深度学习模型在特定子集（如病例数非常低的伤寒）的误差指标略小	比较不同预测方法在传染病预测中的性能	三种传染病（弯曲杆菌病、伤寒和Q热）	机器学习	NA	机器学习（ML）和深度学习（DL）	极端梯度提升树（XGB）、随机森林（RF）、多层感知器和编码器-解码器模型	公共数据集（景观、气候和社会经济因素）	七个不同国家的地区级数据（2009-2017年）
434	2024-08-25	Automatic Identification of Bioprostheses on X-ray Angiographic Sequences of Transcatheter Aortic Valve Implantation Procedures Using Deep Learning 2022-Jan-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12020334 PMID:35204425	研究论文	本文提出使用U-Net架构自动分割血管造影图像中的经导管心脏瓣膜（THV），并研究其超参数对分割质量的影响	引入了两个新的评价指标，更适当地评估了数据集类别不平衡情况下的结果质量	NA	研究自动分割血管造影图像中THV的方法及其超参数对分割质量的影响	经导管心脏瓣膜（THV）的自动分割	计算机视觉	心血管疾病	深度学习	U-Net	图像	不同类型的血管造影图像帧
435	2024-08-25	A Computer Vision-Based Approach for Tick Identification Using Deep Learning Models 2022-Jan-22, Insects IF:2.7Q1 DOI:10.3390/insects13020116 PMID:35206690	研究论文	本文介绍了一种基于计算机视觉和深度学习模型的蜱虫识别工具	使用改进的卷积神经网络（CNN）模型，通过大规模分子验证数据集训练，实现了高精度的蜱虫物种识别	NA	开发一种高效、准确的蜱虫识别工具，以辅助疾病风险评估和早期诊断	蜱虫物种识别	计算机视觉	NA	深度学习算法	CNN	图像	大规模分子验证数据集
436	2024-08-25	Brain Tumor Classification Using a Combination of Variational Autoencoders and Generative Adversarial Networks 2022-Jan-21, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines10020223 PMID:35203433	研究论文	本文提出了一种结合变分自编码器（VAEs）和生成对抗网络（GANs）的框架，用于脑肿瘤分类，并通过生成的人工脑肿瘤图像来增强数据集	通过结合VAEs和GANs，避免了GAN的模式崩溃问题，并生成逼真的脑肿瘤MRI图像，从而解决了小规模医学数据集的限制	需要大量的数据来训练深度学习模型以获得良好结果，而医学领域中大型公共数据集较为罕见	开发一种能够帮助神经学家加速诊断过程并减轻医疗系统负担的自动化计算机辅助工具	脑肿瘤的分类	计算机视觉	脑肿瘤	变分自编码器（VAEs），生成对抗网络（GANs）	ResNet50	图像	使用了可用的MR图像训练集，并通过生成的人工图像进行数据增强
437	2024-08-25	Design of a Diagnostic System for Patient Recovery Based on Deep Learning Image Processing: For the Prevention of Bedsores and Leg Rehabilitation 2022-Jan-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12020273 PMID:35204364	研究论文	本文提出了一种基于深度学习图像处理的诊断系统，用于预防褥疮和腿部康复，以改善韩国康复医疗领域的需求。	结合人工智能技术与康复医学领域，开发了一个不需要高度专业知识的系统。	文章未明确提及具体的局限性。	开发一个结合人工智能技术的系统，以改善韩国康复医疗领域的需求。	预防褥疮和腿部康复方法。	机器学习	NA	深度学习图像处理	深度学习模型	图像	未明确提及样本数量
438	2024-08-25	Literature Review on Artificial Intelligence Methods for Glaucoma Screening, Segmentation, and Classification 2022-Jan-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8020019 PMID:35200722	综述	本文综述了基于深度学习技术在青光眼筛查、分割和分类方面的最新研究进展	利用深度学习技术进行青光眼筛查，具有高灵敏度和特异性	NA	验证深度学习技术在青光眼相关准确且低成本测量中的应用潜力	青光眼的筛查、分割和分类	计算机视觉	青光眼	深度学习	NA	图像	NA
439	2024-08-25	Prospectively-validated deep learning model for segmenting swallowing and chewing structures in CT 2022-01-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac4000 PMID:34874302	研究论文	本文开发了一种基于深度学习的自动分割模型，用于在CT图像中分割吞咽和咀嚼结构，以辅助放射治疗（RT）的规划。	本文是首个经过前瞻性验证的基于深度学习的CT图像吞咽和咀嚼结构分割模型。	NA	开发一种准确且高效的方法来自动化吞咽和咀嚼结构的分割，以辅助放射治疗规划。	吞咽和咀嚼结构，包括咬肌、内侧翼状肌、喉和咽缩肌。	数字病理学	头颈癌	DeepLabV3+	深度学习模型	CT扫描图像	242名头颈癌患者的历史CT扫描数据，以及91名患者的近期CT扫描数据用于前瞻性评估。
440	2024-08-25	Accurate protein function prediction via graph attention networks with predicted structure information 2022-01-17, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab502 PMID:34882195	研究论文	本文开发了一种基于图注意力网络（GAT）的方法GAT-GO，通过利用预测的结构信息和蛋白质序列嵌入来显著提高蛋白质功能预测的准确性	GAT-GO方法结合了蛋白质结构预测和蛋白质语言模型的最新突破，通过图注意力网络整合预测的结构信息和序列嵌入，从而在蛋白质功能预测方面取得了显著的性能提升	NA	提高蛋白质功能预测的准确性	蛋白质功能预测	机器学习	NA	图注意力网络（GAT）	GAT	序列数据	在PDB-mmseqs测试集和PDB-cdhit测试集中进行了实验验证