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
481	2024-09-15	A Lightweight Hybrid Dilated Ghost Model-Based Approach for the Prognosis of Breast Cancer 2022, Computational intelligence and neuroscience DOI:10.1155/2022/9325452 PMID:39262920	研究论文	提出了一种基于轻量级混合扩张Ghost模型的乳腺癌预后方法	引入改进的随机通道注意力机制和DenseNet模型进行恶性细胞检测和家族分类	未提及具体局限性	提高乳腺癌恶性细胞检测和家族分类的准确性	乳腺癌恶性细胞及其家族分类	计算机视觉	乳腺癌	卷积神经网络 (CNN)	DenseNet	图像	未提及具体样本数量
482	2024-09-14	Deep learning in breast imaging 2022, BJR open DOI:10.1259/bjro.20210060 PMID:36105427	review	本文综述了深度学习在乳腺癌影像中的应用，包括癌症检测和风险预测，并讨论了人工智能系统在该领域的挑战和未来方向	深度学习在医学影像任务中展现出超越人类水平的潜力，可能用于自动化乳腺癌筛查过程，提高癌症检测率，减少不必要的召回和活检，优化患者风险评估，并为疾病预后开辟新途径	需要前瞻性试验来验证这些工具，并开发新的监管框架以解决深度学习算法带来的独特伦理、医疗法律和质量控制问题	探讨深度学习在乳腺癌影像中的应用及其未来发展方向	乳腺癌影像的解读和处理	计算机视觉	乳腺癌	深度学习	NA	影像	NA
483	2024-09-14	An Overview of Organs-on-Chips Based on Deep Learning 2022, Research (Washington, D.C.) DOI:10.34133/2022/9869518 PMID:35136860	综述	本文综述了基于深度学习的器官芯片技术及其在生物医学和化学研究中的应用	探讨了深度学习与器官芯片技术的结合，展示了其在药物开发、疾病建模和个性化医学中的巨大潜力	讨论了当前应用中面临的问题，并提出了未来发展的展望和建议	探讨深度学习与器官芯片技术的结合及其在生物医学领域的应用	器官芯片技术和深度学习	生物医学工程	NA	微流控技术	深度学习	图像	NA
484	2024-09-14	Challenges of deep learning methods for COVID-19 detection using public datasets 2022, Informatics in medicine unlocked DOI:10.1016/j.imu.2022.100945 PMID:35434261	研究论文	本文探讨了使用公开数据集进行COVID-19检测的深度学习方法所面临的挑战	提出了一个名为CVR-Net的多尺度多编码器集成模型，用于验证深度学习模型在不同数据源下的表现	现有公开数据集缺乏独立测试集，导致模型容易过拟合训练数据分布	评估现有深度学习方法和数据集在COVID-19检测中的潜力，并指出其面临的挑战	COVID-19检测的深度学习模型及其在不同数据源下的表现	计算机视觉	COVID-19	深度学习	卷积神经网络	图像	使用了来自单一、多个和独立数据源的训练和测试数据集，具体样本数量未明确提及
485	2024-09-13	Digital Twins in Unmanned Aerial Vehicles for Rapid Medical Resource Delivery in Epidemics 2022-Dec, IEEE transactions on intelligent transportation systems : a publication of the IEEE Intelligent Transportation Systems Council IF:7.9Q1 DOI:10.1109/TITS.2021.3113787 PMID:36789134	研究论文	探讨数字孪生在无人机中快速准确提供医疗资源的效果	提出了基于改进AlexNet的无人机数字孪生信息预测模型，具有更小的传输延迟、更低的能耗、更短的任务完成时间和更高的资源利用率	NA	研究数字孪生在无人机中快速准确提供医疗资源的效果	无人机数字孪生在COVID-19防控中提供医疗资源的效果	计算机视觉	COVID-19	深度学习算法	AlexNet	模拟实验数据	NA
486	2024-09-13	Contrastive semi-supervised harmonization of single-shell to multi-shell diffusion MRI 2022-11, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2022.06.004 PMID:35716922	研究论文	本文探讨了通过半监督和无监督学习方法，利用深度学习模型将单壳扩散MRI数据协调为多壳数据	本文提出了利用解耦协调模型和CycleGAN模型进行数据协调，并展示了其在多壳扩散MRI数据协调中的优越性能	NA	研究如何通过深度学习方法将单壳扩散MRI数据协调为多壳数据，以适应多站点或多采集研究的需求	单壳和多壳扩散MRI数据	计算机视觉	NA	深度学习	GAN	图像	使用了Multi-shell Diffusion MRI Harmonization Challenge (MUSHAC)和Baltimore Longitudinal Study on Aging (BLSA)数据集
487	2024-09-13	AcneGrader: An ensemble pruning of the deep learning base models to grade acne 2022-Sep, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13166 PMID:35639819	研究论文	本文提出了一种基于深度学习模型的集成剪枝框架AcneGrader，用于自动检测和分级痤疮	本文的创新点在于提出了一种集成剪枝策略，通过去除冗余的基础模型来提高预测结果并降低计算复杂度	本文未详细讨论该方法在其他皮肤病数据集上的适用性	开发一种自动化的痤疮分级方法，以减轻皮肤科医生的工作负担并提高诊断准确性	痤疮的分级和检测	计算机视觉	皮肤病	深度学习	集成模型	图像	痤疮数据集和皮肤癌数据集
488	2024-09-13	Neural Transformers for Intraductal Papillary Mucosal Neoplasms (IPMN) Classification in MRI images 2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC48229.2022.9871547 PMID:36085787	研究论文	本文提出了一种基于Transformer网络的AI模型，用于MRI图像中胰腺导管内乳头状黏液性肿瘤（IPMN）的分类	本文利用Transformer网络在视觉任务中的通用性，提出了一种新的AI模型，相比传统的卷积神经网络，该模型在预训练方面表现更好，并能更好地解释结果	NA	开发一种能够准确分类胰腺导管内乳头状黏液性肿瘤（IPMN）的AI模型，以支持医疗决策	胰腺导管内乳头状黏液性肿瘤（IPMN）的分类	计算机视觉	胰腺癌	Transformer网络	Transformer	图像	NA
489	2024-09-13	High-resolution synthesis of high-density breast mammograms: Application to improved fairness in deep learning based mass detection 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.1044496 PMID:36755853	研究论文	本研究通过合成高密度乳腺X光片来提高基于深度学习的乳腺肿块检测的公平性	使用CycleGAN模型进行低密度到高密度图像转换，并通过数据增强技术提高模型对高密度乳腺的检测性能	NA	提高高密度乳腺中肿块检测的性能	高密度乳腺X光片	计算机视觉	乳腺癌	CycleGAN	CycleGAN	图像	使用了三个FFDM数据集，训练图像按BI-RADS类别分为几乎完全脂肪和极其密集的乳腺
490	2024-09-13	PulseDB: A large, cleaned dataset based on MIMIC-III and VitalDB for benchmarking cuff-less blood pressure estimation methods 2022, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2022.1090854 PMID:36844249	研究论文	本文介绍了PulseDB，一个基于MIMIC-III和VitalDB的大规模清洁数据集，用于基准测试无袖带血压估算方法	PulseDB是目前最大的清洁数据集，用于标准化测试协议下的血压估算模型基准测试，并首次研究了校准和无校准测试方法在评估模型泛化能力方面的性能差距	NA	填补现有数据集在大小、受试者数量和预处理步骤上的差异，提供一个公平的基准测试环境	无袖带血压估算方法的性能和泛化能力	生物医学工程	心血管疾病	NA	深度学习模型	信号数据	5,245,454个高质量的ECG、PPG和ABP波形片段，来自5,361名受试者
491	2024-09-11	COVID-19 Detection: A Systematic Review of Machine and Deep Learning-Based Approaches Utilizing Chest X-Rays and CT Scans 2022-Dec-29, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-022-10076-6 PMID:36593991	综述	本文综述了利用胸部X光和CT扫描进行COVID-19检测的机器学习和深度学习方法	本文对现有的COVID-19检测方法进行了系统性审查，并比较了四种深度迁移学习模型（VGG16、VGG19、ResNet50和DenseNet）在COVID-19本地CT扫描和全球胸部X光数据集上的性能	本文主要集中在2020年3月至2021年8月期间发表的研究，可能未涵盖所有最新的研究进展	系统性审查和讨论利用胸部X光和CT扫描进行COVID-19检测的机器学习和深度学习方法的现状、挑战和局限性	COVID-19检测方法及其在胸部X光和CT扫描数据上的应用	机器学习	COVID-19	深度迁移学习	VGG16, VGG19, ResNet50, DenseNet	图像	本地CT扫描和全球胸部X光数据集
492	2024-09-11	Comprehensive Review on the Use of Artificial Intelligence in Ophthalmology and Future Research Directions 2022-Dec-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13010100 PMID:36611392	综述	本文综述了人工智能在眼科领域的应用及其未来研究方向	本文系统总结了人工智能工具在眼科疾病诊断和预测中的应用，并探讨了其在提高诊断精度和降低医疗成本方面的潜力	本文主要基于文献综述，未涉及具体实验数据或模型验证	探讨人工智能在眼科领域的应用及其未来发展方向	眼科疾病，包括糖尿病视网膜病变、青光眼等	机器学习	NA	人工神经网络 (ANNs)	NA	图像	分析了70篇相关文章和综述
493	2024-09-11	Current Applications of Deep Learning and Radiomics on CT and CBCT for Maxillofacial Diseases 2022-Dec-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13010110 PMID:36611402	综述	本文综述了深度学习和放射组学在CT和CBCT图像上应用于颌面疾病的最新进展	深度学习模型在颌面疾病的自动诊断、分割和分类方面表现出色，部分模型甚至优于人类专家	深度学习模型的通用性和可解释性不足，放射组学特征的可重复性和稳定性存在不确定性	提供深度学习和放射组学在CT和CBCT图像上应用于颌面疾病的最新概述	颌面疾病的早期诊断、准确预后预测和高效治疗计划	计算机视觉	口腔颌面疾病	深度学习	CNN	图像	NA
494	2024-09-11	Prediction of designer-recombinases for DNA editing with generative deep learning 2022-12-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-35614-6 PMID:36575171	研究论文	本文介绍了一种名为RecGen的算法，用于智能生成设计型重组酶，以加速未来设计型重组酶的开发	提出了RecGen算法，利用条件变分自编码器生成设计型重组酶序列，能够预测对新目标位点具有活性的重组酶序列	NA	开发一种智能算法，用于生成设计型重组酶，以替代传统的定向分子进化方法	设计型重组酶及其在DNA编辑中的应用	机器学习	NA	条件变分自编码器	条件变分自编码器	序列	超过一百万个Cre-like重组酶序列，用于89个不同目标位点的进化
495	2024-09-11	Correlated-Weighted Statistically Modeled Contourlet and Curvelet Coefficient Image-Based Breast Tumor Classification Using Deep Learning 2022-Dec-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13010069 PMID:36611361	研究论文	本文提出了一种基于相关加权轮廓波变换和曲线波变换的Rician逆高斯分布图像的深度卷积神经网络架构，用于从B模式超声图像中分类乳腺肿瘤	本文创新性地使用了相关加权轮廓波变换和曲线波变换的Rician逆高斯分布图像，并结合深度卷积神经网络进行乳腺肿瘤分类	NA	研究基于深度学习的乳腺肿瘤自动分类方法	乳腺肿瘤的分类	计算机视觉	乳腺肿瘤	深度学习	CNN	图像	使用了三个公开数据集（Mendeley、UDIAT和BUSI）
496	2024-09-11	A Comparison of Techniques for Class Imbalance in Deep Learning Classification of Breast Cancer 2022-Dec-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13010067 PMID:36611358	研究论文	本文比较了在深度学习分类乳腺癌中处理类别不平衡的几种技术	提出了一种合成病变生成方法，以增加恶性样本数量，并在大多数情况下提高了模型性能	标准类别不平衡技术对模型性能的AUC-ROC没有显著改善，且在某些情况下可能导致AUC下降	评估几种处理类别不平衡的技术在乳腺癌分类中的效果	乳腺癌分类中的类别不平衡问题	机器学习	乳腺癌	深度学习	NA	图像	使用了三个不同的全视野数字乳腺摄影数据集，并在分布内和分布外样本上进行了测试
497	2024-09-11	Traditional Machine and Deep Learning for Predicting Toxicity Endpoints 2022-Dec-26, Molecules (Basel, Switzerland) DOI:10.3390/molecules28010217 PMID:36615411	研究论文	本文比较了传统物理化学描述符和机器学习方法与基于SMILES的深度学习BERT架构在预测化合物毒性终点方面的性能	本文首次将Mondrian聚合保形预测方法应用于处理类不平衡问题，并展示了其在不使用过采样、欠采样或类加权等方法的情况下，仍能有效处理类不平衡问题	本文仅在二元CATMoS非毒性和剧毒数据集上进行了验证，未来研究可以在更多样化的数据集上进行扩展	比较传统机器学习和深度学习方法在预测化合物毒性终点方面的性能	化合物毒性终点的预测	机器学习	NA	深度学习	BERT	文本	二元CATMoS非毒性和剧毒数据集
498	2024-09-11	Hybrid fuzzy deep neural network toward temporal-spatial-frequency features learning of motor imagery signals 2022-12-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26882-9 PMID:36567362	研究论文	本文提出了一种混合模糊深度神经网络，用于学习运动想象信号的时间-空间-频率特征	本文创新性地结合了模糊组件和深度学习技术，提出了一种名为EEG-CLFCNet的混合神经网络架构，显著提高了运动想象信号的分类准确率	NA	研究目的是开发一种高效可靠的方法来解释用户的脑电波信号，并在生物医学信号处理中提供准确的响应	研究对象是运动想象信号的时间-空间-频率特征	机器学习	NA	脑电图（EEG）	混合神经网络（Compact-CNN和LSTM）	脑电信号	使用了BCI竞赛IV-2a数据集
499	2024-09-11	An Anomaly Intrusion Detection for High-Density Internet of Things Wireless Communication Network Based Deep Learning Algorithms 2022-Dec-25, Sensors (Basel, Switzerland) DOI:10.3390/s23010206 PMID:36616806	研究论文	本文提出了一种基于深度学习算法的高密度物联网无线通信网络异常入侵检测系统	本文提出了两种不同的模型：一种是结合了卷积神经网络（CNN）和长短期记忆网络（LSTM）的深度网络层，另一种是基于全连接层（密集层）构建的人工神经网络（ANN）	NA	开发一种高效的入侵检测系统，以保护物联网设备免受攻击	高密度物联网无线通信网络	机器学习	NA	深度学习算法	CNN, LSTM, ANN	NA	NA
500	2024-09-11	Contextual counters and multimodal Deep Learning for activity-level traffic classification of mobile communication apps during COVID-19 pandemic 2022-Dec-24, Computer networks IF:4.4Q1 DOI:10.1016/j.comnet.2022.109452 PMID:36447639	研究论文	本文研究了在COVID-19疫情期间，移动通信应用的流量分类问题，并提出了基于多模态深度学习的解决方案	提出了Mimetic-All这一新的多模态早期流量分类解决方案，并设计了Context Inputs作为额外的输入模态，显著提高了活动分类的F-measure	现有的单模态和多模态深度学习分类器在活动分类方面表现不佳，F-measure仅为56%-65%	研究在COVID-19疫情期间，如何有效分类移动通信应用的流量，以应对流量特性的巨大变化	九个通信和协作应用的流量数据	机器学习	NA	多模态深度学习	深度学习分类器	流量数据	九个应用的流量数据，并公开发布为新的数据集MIRAGE-COVID-CCMA-2022