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
341	2024-09-11	Transformer-Based Weed Segmentation for Grass Management 2022-Dec-21, Sensors (Basel, Switzerland) DOI:10.3390/s23010065 PMID:36616662	研究论文	本文探讨了基于Transformer模型的杂草分割技术在草坪管理中的应用	本文首次将Transformer模型应用于杂草检测问题，并展示了其在语义分割任务中的优越性能	本文仅评估了三种Transformer架构，未涉及其他可能的模型	开发高效的杂草检测和定位方法，以提高作物栽培和草坪管理的效率	杂草的识别和定位	计算机视觉	NA	深度学习	Transformer	图像	1006张图像，包含10种杂草类别
342	2024-09-11	Exome-wide association analysis of CT imaging-derived hepatic fat in a medical biobank 2022-12-20, Cell reports. Medicine DOI:10.1016/j.xcrm.2022.100855 PMID:36513072	研究论文	本文通过深度学习方法从临床CT扫描中量化肝脂肪，并进行全外显子关联分析，以研究非酒精性脂肪肝病的遗传因素	本文首次在医疗生物库中使用深度学习方法从CT图像中量化肝脂肪，并结合全外显子序列进行关联分析，同时考虑了非欧洲人群和罕见变异	本文主要基于特定医疗生物库的数据，结果的普适性可能受限	研究非酒精性脂肪肝病的遗传因素，特别是肝脂肪的遗传关联	肝脂肪的遗传变异及其与非酒精性脂肪肝病的关系	数字病理学	非酒精性脂肪肝病	深度学习	NA	图像	10,283名参与者
343	2024-09-11	Automated Detection of Rice Bakanae Disease via Drone Imagery 2022-Dec-20, Sensors (Basel, Switzerland) DOI:10.3390/s23010032 PMID:36616630	研究论文	本文提出了一种通过无人机图像预测和自动检测水稻恶苗病感染率的系统	该系统结合了相机校准和面积计算，使用YOLOv3和RestNETV2 101模型进行感染检测和分类	系统在检测感染稻穗和分类感染稻秆数量方面仍有改进空间	开发一种自动化的水稻恶苗病检测系统，以提高稻田检查的效率和准确性	水稻恶苗病及其感染率	计算机视觉	NA	深度学习	YOLOv3, RestNETV2 101	图像	NA
344	2024-09-11	DeepST: identifying spatial domains in spatial transcriptomics by deep learning 2022-12-09, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkac901 PMID:36250636	研究论文	本文介绍了一种名为DeepST的深度学习框架，用于在空间转录组学中识别空间域	DeepST在基准数据集上表现优于现有的最先进方法，并能有效整合来自多个批次或不同技术的空间转录组数据	NA	开发一种能够准确识别空间转录组学中空间域的深度学习框架	人类背外侧前额叶皮层和乳腺癌组织的空间转录组数据	机器学习	乳腺癌	深度学习	深度学习框架	空间转录组数据	涉及人类背外侧前额叶皮层和乳腺癌组织的基准数据集
345	2024-09-11	Differentiable Learning of Sequence-Specific Minimizer Schemes with DeepMinimizer 2022-12, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2022.0275 PMID:36095142	研究论文	本文介绍了一种名为DeepMinimizer的新方法，用于学习序列特异性最小化方案，通过深度学习架构实现密度最小化目标的连续松弛	首次提出了一种连续松弛的密度最小化目标，并使用深度学习双架构确保最小化方案的有效性和性能	NA	解决在生物序列中选择代表性-mers位置的优化问题，以减少计算和内存成本	生物序列中的最小化方案	机器学习	NA	深度学习	深度学习双架构	序列	人类基因组序列
346	2024-09-11	ETCNN: Extra Tree and Convolutional Neural Network-based Ensemble Model for COVID-19 Tweets Sentiment Classification 2022-Dec, Pattern recognition letters IF:3.9Q2 DOI:10.1016/j.patrec.2022.11.012 PMID:36407854	研究论文	本文提出了一种基于Extra Tree和卷积神经网络的集成模型，用于COVID-19推文情感分类	结合了手工特征和自动特征提取的优势，通过机器学习和深度学习模型进行集成	NA	分析公众对COVID-19的情感，以制定相应政策缓解负面情绪	COVID-19推文的情感分类	自然语言处理	NA	机器学习、深度学习	Extra Tree、卷积神经网络	文本	NA
347	2024-09-11	An efficient deep neural network framework for COVID-19 lung infection segmentation 2022-Oct, Information sciences DOI:10.1016/j.ins.2022.08.059 PMID:36068814	研究论文	提出了一种基于Resnet架构的深度神经网络框架，用于自动分割COVID-19肺部感染区域	引入了一个基于VQ-VAE的分支来降低标注成本，并提出了一种新的比例损失来缓解类别不平衡问题	未明确提及	利用深度学习技术自动分割CT图像中的肺炎病变，减轻医生工作量并扩展传统诊断方法	COVID-19患者的CT图像	计算机视觉	COVID-19	深度学习	Resnet架构	CT图像	未明确提及
348	2024-09-11	A Scoping Review of Integrated Medical Devices and Clinical Decision Support in the Acute Care Setting 2022-10, Applied clinical informatics IF:2.1Q4 DOI:10.1055/s-0042-1759513 PMID:36577503	综述	本文综述了急性护理环境中集成医疗设备和临床决策支持系统的现有证据	本文首次系统综述了急性护理环境中集成医疗设备与临床决策支持系统的使用情况，并探讨了其在临床决策中的应用	本文主要关注注册护士使用集成设备和临床决策支持系统的情况，未充分探讨其他医疗专业人员的使用情况	探讨急性护理环境中集成医疗设备与临床决策支持系统的现有证据及其在临床决策中的应用	急性护理环境中的集成医疗设备，特别是药物泵设备及其相关的临床决策支持系统	NA	NA	NA	NA	NA	18篇文献
349	2024-09-11	Artificial intelligence-driven design of fuel mixtures 2022-Sep-16, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-022-00722-3 PMID:36697675	研究论文	本文介绍了一种基于数据驱动的人工智能框架，用于设计具有定制燃烧特性的液体燃料，以提高发动机效率并降低碳排放	本文提出了一种新的混合操作符（MO），将混合物的隐藏向量表示为每个单一成分向量的线性组合，并将其整合到网络架构中	NA	开发一种能够快速设计优化发动机效率和降低排放的燃料配方的人工智能方法	液体燃料的燃烧特性	机器学习	NA	深度学习（DL）	深度学习模型	化学成分数据	NA
350	2024-09-11	DMDF-Net: Dual multiscale dilated fusion network for accurate segmentation of lesions related to COVID-19 in lung radiographic scans 2022-Sep-15, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2022.117360 PMID:35529253	研究论文	本文提出了一种名为DMDF-Net的双重多尺度扩张融合网络，用于从胸部CT图像中准确分割与COVID-19相关的病变	本文的创新点在于提出了双重多尺度扩张融合网络，通过在编码器和解码器模块中融合多尺度深度特征，实现了对小病变的鲁棒分割，并引入了后处理步骤中的后区域兴趣（ROI）融合，以减少假阳性并准确量化感染区域	本文未明确提及研究的具体局限性	研究目的是开发一种基于深度学习的计算机辅助诊断解决方案，用于从胸部CT图像中诊断COVID-19病变	研究对象是与COVID-19相关的肺部病变	计算机视觉	肺部疾病	深度学习	CNN	图像	未明确提及样本数量
351	2024-09-11	Deep learning-enabled ultra-widefield retinal vessel segmentation with an automated quality-optimized angiographic phase selection tool 2022-09, Eye (London, England) DOI:10.1038/s41433-021-01661-4 PMID:34373610	研究论文	本文展示了一种基于深度学习的超广角视网膜血管分割工具，并评估了其自动识别质量优化相位特异性图像的能力	本文提出了一种基于深度学习的血管分割和相位选择系统，能够显著提高超广角荧光血管造影评估的速度、一致性和客观性	NA	展示基于深度学习的血管分割工具的可行性，并评估其自动识别质量优化相位特异性图像的能力	糖尿病视网膜病变、镰状细胞视网膜病变和正常视网膜血管的超广角荧光血管造影图像	计算机视觉	NA	深度学习	深度学习算法	图像	共使用了13,980个超广角荧光血管造影序列，来自462个会话，用于评估性能；1578个序列来自66个会话，用于创建三次样条曲线
352	2024-09-11	A novel fusion based convolutional neural network approach for classification of COVID-19 from chest X-ray images 2022-Aug, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2022.103778 PMID:35530169	研究论文	本文提出了一种基于融合卷积神经网络的新方法，用于从胸部X光图像中分类COVID-19	本文提出了COVDC-Net，一种基于深度卷积网络的分类方法，通过融合两个预训练模型MobileNetV2和VGG16，实现了更高的分类准确率	NA	开发一种高准确率的深度学习方法，用于从胸部X光图像中分类COVID-19	COVID-19、正常和肺炎患者的胸部X光图像	计算机视觉	呼吸系统疾病	卷积神经网络	CNN	图像	涉及两个公开数据集，用于3类和4类分类任务
353	2024-09-11	ViDMASK dataset for face mask detection with social distance measurement 2022-Jul, Displays IF:3.7Q2 DOI:10.1016/j.displa.2022.102235 PMID:35574253	研究论文	本文提出了一种基于深度学习的口罩检测和社交距离测量模型，并引入了一个新的视频口罩检测数据集ViDMASK	提出了一个新的视频口罩检测数据集ViDMASK，该数据集在姿态、环境、图像质量和多样化的主体特征方面具有多样性	由于ViDMASK数据集的复杂性和场景中人数的增加，大多数模型的性能在ViDMASK数据集上表现不佳	开发一种能够监测口罩佩戴和社交距离的AI系统，以应对COVID-19疫情	口罩检测和社交距离测量	计算机视觉	NA	深度学习	Mask RCNN, YOLOv4, YOLOv5, YOLOR	视频	NA
354	2024-09-11	Joint synthesis and registration network for deformable MR-CBCT image registration for neurosurgical guidance 2022-06-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac72ef PMID:35609586	研究论文	提出了一种基于深度学习的可变形配准方法，用于神经外科手术中MR和CBCT图像的配准	使用联合图像合成和配准网络（JSR）同时合成MR和CBCT图像到CT域，并在CT域进行多分辨率金字塔配准	NA	解决微创神经外科手术中由于脑脊液流出导致的深部脑变形问题	MR和CBCT图像的配准	计算机视觉	NA	深度学习	联合图像合成和配准网络（JSR）	图像	使用模拟数据集进行初步训练，并在真实临床图像上通过迁移学习进行优化
355	2024-09-11	SMD-YOLO: An efficient and lightweight detection method for mask wearing status during the COVID-19 pandemic 2022-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2022.106888 PMID:35598435	研究论文	提出了一种基于YOLOv4-tiny的高效轻量级口罩佩戴状态检测方法，并设计了相应的监控系统	通过网络结构优化和K-means++聚类算法提高了检测精度，设计了改进的残差模块和交叉融合模块以有效提取小或中等大小目标的特征，并使用深度可分离卷积模块减少参数数量和提高检测效率	NA	开发一种高效且轻量级的口罩佩戴状态检测方法，以应对COVID-19疫情期间的口罩佩戴监控需求	口罩佩戴状态检测	计算机视觉	NA	深度学习	YOLOv4-tiny	图像	使用了公开的口罩数据集进行评估
356	2024-09-11	A deep learning segmentation-classification pipeline for X-ray-based COVID-19 diagnosis 2022-Jun, Biomedical engineering advances DOI:10.1016/j.bea.2022.100041 PMID:35663366	研究论文	本文设计了一种基于深度学习的分割-分类流水线，用于基于X射线的COVID-19诊断	本文的创新点在于在深度学习模型中引入了分割模块，并结合集成分类器，以提高COVID-19诊断的准确性和敏感性	本文的局限性在于仅使用了公开数据集，并未涵盖所有可能的病例，且未详细讨论模型的泛化能力和实际临床应用的可行性	本文的研究目的是设计一种能够准确区分COVID-19与其他肺部疾病的深度学习诊断模型	本文的研究对象是基于胸部X射线的COVID-19诊断	计算机视觉	COVID-19	深度学习	CNN	图像	使用了公开数据集，具体样本数量未提及
357	2024-09-11	FastSurferVINN: Building resolution-independence into deep learning segmentation methods-A solution for HighRes brain MRI 2022-05-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2022.118933 PMID:35122967	研究论文	本文介绍了一种名为FastSurferVINN的神经网络模型，用于在高分辨率脑部MRI图像上进行分辨率无关的分割任务	首次提出了一种支持0.7-1.0毫米全脑分割的分辨率无关神经网络（VINN），并显著优于现有方法	NA	开发一种能够在不同分辨率下进行脑部MRI图像分割的深度学习方法	高分辨率脑部MRI图像的分割	计算机视觉	NA	深度学习	神经网络（VINN）	图像	NA
358	2024-09-11	INASNET: Automatic identification of coronavirus disease (COVID-19) based on chest X-ray using deep neural network 2022-May, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2022.02.033 PMID:35300854	研究论文	本文提出了一种基于深度神经网络的系统，用于通过胸部X光片自动识别COVID-19感染	本文提出了一种名为INASNET的新模型，结合了InceptionNet和神经网络架构搜索，以实现更高的预测速度和准确性	NA	开发一种经济实惠且高效的COVID-19检测方法，帮助医生和医疗工作者快速识别感染者	COVID-19感染的胸部X光片图像	计算机视觉	COVID-19	深度学习	卷积神经网络	图像	NA
359	2024-09-11	SAM: Self-augmentation mechanism for COVID-19 detection using chest X-ray images 2022-Apr-06, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2022.108207 PMID:35068707	研究论文	本文提出了一种自增强机制，用于通过胸部X光图像检测COVID-19感染	本文的创新点在于提出了一种在特征空间而非数据空间进行数据增强的自增强机制，并结合了深度卷积神经网络和双向LSTM进行分类	本文的局限性在于依赖于公开数据集中的胸部X光图像，这些图像的数量和代表性可能有限	本文的研究目的是提高COVID-19检测的准确性和速度	本文的研究对象是COVID-19感染的胸部X光图像	计算机视觉	COVID-19	重建独立成分分析 (RICA)	卷积神经网络 (CNN) 和双向LSTM (BiLSTM)	图像	使用了三个公开数据库进行实验
360	2024-09-11	A comprehensive survey and deep learning-based approach for human recognition using ear biometric 2022, The Visual computer DOI:10.1007/s00371-021-02119-0 PMID:33907343	综述	本文综述了基于耳部生物特征的人类识别系统，并提出了一种基于深度学习的方法	引入了新的数据库NITJEW用于无约束环境下的耳部检测和识别，并使用改进的深度学习模型Faster-RCNN和VGG-19进行耳部检测和识别任务	在无约束环境下，图像面临多种挑战，识别难度较大	综述耳部生物特征识别技术，并提出一种新的深度学习方法以提高识别性能	耳部生物特征识别系统及其在无约束环境下的应用	计算机视觉	NA	深度学习	Faster-RCNN, VGG-19	图像	使用了六个现有流行数据库和一个新引入的数据库NITJEW进行基准比较评估