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
661	2024-09-08	Joint Frequency and Image Space Learning for MRI Reconstruction and Analysis 2022-Jun, The journal of machine learning for biomedical imaging PMID:36349348	研究论文	本文提出了一种结合频率和图像特征表示的神经网络层，并展示了这些层可以作为频率空间数据重建的多功能构建块	本文的创新点在于提出了联合学习方案，能够在网络的每一层同时校正频率空间的伪影并操作图像空间表示，从而重建连贯的图像结构，这与大多数当前深度学习方法不同	NA	研究目的是改进MRI数据的重建和分析方法	MRI数据的重建和分析	计算机视觉	NA	深度学习	卷积神经网络	MRI图像	模拟和真实世界的多线圈MRI数据
662	2024-09-08	Simulation of Random Deformable Motion in Soft-Tissue Cone-Beam CT with Learned Models 2022-Jun, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2646720 PMID:36381251	研究论文	本文提出了一种利用条件生成对抗网络（GAN）模型模拟软组织锥束CT中随机变形运动的方法	本文首次利用条件生成对抗网络（GAN）模型来学习未标记的、运动受损的锥束CT体积中的复杂运动，以生成真实的运动轨迹	本文仅在模拟数据上进行了初步的可行性研究，尚未扩展到临床数据	开发一种能够模拟软组织锥束CT中复杂变形运动的方法，以生成用于训练深度自动聚焦模型的真实运动受损的CBCT数据	软组织锥束CT中的变形运动	计算机视觉	NA	条件生成对抗网络（GAN）	GAN	图像	模拟数据
663	2024-09-08	Digital breast tomosynthesis-based peritumoral radiomics approaches in the differentiation of benign and malignant breast lesions 2022-May, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.5152/dir.2022.20664 PMID:35748203	研究论文	评估基于数字乳腺断层合成（DBT）的放射组学方法在区分良性与恶性乳腺病变中的应用	开发了一种结合DBT影像特征和临床因素（年龄和月经状态）的放射组学列线图，用于辅助乳腺癌的临床诊断	研究样本量较小，且仅限于特定时间段内的患者	评估基于DBT的放射组学在区分良性与恶性乳腺病变中的有效性	良性与恶性乳腺病变	数字病理学	乳腺癌	放射组学	列线图	影像	185名接受DBT扫描的患者
664	2024-09-08	CoWarriorNet: A Novel Deep-Learning Framework for CoVID-19 Detection from Chest X-Ray Images 2022, New generation computing IF:2.0Q2 DOI:10.1007/s00354-021-00143-1 PMID:34876770	研究论文	提出了一种名为CoWarriorNet的新型深度学习框架，用于从胸部X光图像中快速检测COVID-19	引入了Alpha Trimmed Average Pooling技术，并设计了新的网络架构，提高了检测的准确性和敏感性	未提及具体的局限性	开发一种高效的深度学习模型，用于快速准确地检测COVID-19	COVID-19的胸部X光图像	计算机视觉	COVID-19	深度学习	CoWarriorNet	图像	未提及具体样本数量
665	2024-09-08	DeepCov19Net: Automated COVID-19 Disease Detection with a Robust and Effective Technique Deep Learning Approach 2022, New generation computing IF:2.0Q2 DOI:10.1007/s00354-021-00152-0 PMID:35035024	研究论文	提出了一种基于深度学习模型的方法DeepCov19Net，用于自动检测COVID-19疾病	使用卷积自编码器模型进行深度特征提取，并采用SDAR算法选择特征，结合SVM分类器进行分类	未提及具体的研究局限性	开发一种高效且鲁棒的深度学习方法，用于自动检测COVID-19疾病	胸部X光图像中的COVID-19、正常和肺炎类别	计算机视觉	COVID-19	深度学习	卷积自编码器	图像	未提及具体样本数量
666	2024-09-08	Image enhancement techniques on deep learning approaches for automated diagnosis of COVID-19 features using CXR images 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-13486-8 PMID:35938148	研究论文	研究探讨了图像去噪和增强技术对深度学习方法在COVID-19特征自动诊断中的影响	提出了结合图像去噪和增强技术的方法，显著提高了深度学习模型在COVID-19诊断中的准确性和敏感性	研究仅限于胸部X光图像，未考虑其他类型的医学影像	探索图像增强技术对深度学习方法在COVID-19自动诊断中的影响	胸部X光图像中的COVID-19特征	计算机视觉	COVID-19	深度学习	CNN	图像	使用了两个基准数据集，进行了4-way和3-way分类
667	2024-09-08	π VAE: a stochastic process prior for Bayesian deep learning with MCMC 2022, Statistics and computing IF:1.6Q1 DOI:10.1007/s11222-022-10151-w PMID:36276409	研究论文	本文提出了一种新的变分自编码器（VAE），称为π VAE，用于贝叶斯深度学习中的随机过程先验，并通过MCMC进行推理	π VAE是一种新的连续随机过程，能够通过结合可训练的特征映射和生成模型来学习函数类的低维嵌入，并在空间插值等任务中实现了最先进的性能	NA	开发一种新的变分自编码器，以实现对复杂数据的灵活建模和高效推理	函数类的低维嵌入和函数属性的学习，如高斯过程及其积分	机器学习	NA	变分自编码器（VAE）	变分自编码器（VAE）	函数类	NA
668	2024-09-08	Deep learning-based phenotyping for genome wide association studies of sudden death syndrome in soybean 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.966244 PMID:36340398	研究论文	本文研究了使用深度学习技术对大豆猝死综合征进行表型分析，并应用于全基因组关联研究	本文首次将深度学习技术应用于大豆猝死综合征的表型分析，并将其与传统的视觉评分方法进行比较	本文仅使用了473个样本，样本量相对较小，可能影响结果的普适性	研究旨在通过深度学习技术对大豆猝死综合征进行表型分析，并应用于全基因组关联研究	研究对象为大豆猝死综合征的表型和相关单核苷酸多态性标记	机器学习	大豆猝死综合征	深度学习	深度学习框架	图像	473个大豆样本
669	2024-09-08	Hallucinating structure-conditioned antibody libraries for target-specific binders 2022, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2022.999034 PMID:36341416	研究论文	本文提出了一种名为FHallucinator的深度学习模型，用于设计基于抗体结构的抗体序列，特别是CDR环，以生成针对特定抗原的抗体库	FHallucinator模型利用结构预测深度学习模型，生成保留结合位点构象的靶向CDR库，从而保留与抗原表位的结合模式	NA	开发一种高效且经济的深度学习模型，用于抗体亲和力成熟过程中生成多样化和靶向的抗体库	抗体序列，特别是CDR环	机器学习	NA	深度学习	深度学习模型	抗体序列	60个抗体样本
670	2024-09-08	Deep learning algorithm reveals probabilities of stage-specific time to conversion in individuals with neurodegenerative disease LATE 2022, Alzheimer's & dementia (New York, N. Y.) DOI:10.1002/trc2.12363 PMID:36348767	研究论文	本文开发了一种深度学习算法，用于评估神经退行性疾病LATE患者特定阶段转换时间的概率	首次利用深度学习方法在个体水平上预测LATE疾病特定阶段的转换时间	NA	开发一种有效的预测方法，用于评估神经退行性疾病LATE患者特定阶段转换时间的概率	神经退行性疾病LATE患者	机器学习	神经退行性疾病	深度学习	深度学习模型	临床数据	不同受试者
671	2024-09-08	Calibrated bagging deep learning for image semantic segmentation: A case study on COVID-19 chest X-ray image 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0276250 PMID:36383512	研究论文	本文提出了一种结合bagging深度学习和模型校准的集成深度学习模型，用于COVID-19胸部X光图像的语义分割，旨在提高分割性能并降低预测不确定性	本文的创新点在于将bagging深度学习与模型校准相结合，提出了一种新的集成深度学习模型，以提高分割性能并减少预测不确定性	本文未详细讨论该方法在其他类型医学图像上的适用性及其泛化能力	研究目的是开发一种能够提高COVID-19胸部X光图像分割性能并降低预测不确定性的深度学习模型	研究对象是COVID-19患者的胸部X光图像	计算机视觉	COVID-19	深度学习	集成深度学习模型	图像	大量胸部X光图像数据集
672	2024-09-08	The performance of deep generative models for learning joint embeddings of single-cell multi-omics data 2022, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2022.962644 PMID:36387277	研究论文	本文研究了深度生成模型在单细胞多组学数据联合嵌入学习中的性能	本文首次系统评估了不同样本量下深度生成模型在单细胞多组学数据集成中的表现	本文主要基于现有工具和数据集进行评估，未涉及模型训练和优化过程	评估深度生成模型在不同样本量下单细胞多组学数据联合嵌入学习的效果	单细胞RNA测序和蛋白质丰度数据（CITE-seq）以及染色质可及性和RNA表达数据（10x Multiome）	机器学习	NA	深度生成模型	深度生成模型	多组学数据	数千个细胞
673	2024-09-08	Site effects how-to and when: An overview of retrospective techniques to accommodate site effects in multi-site neuroimaging analyses 2022, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2022.923988 PMID:36388214	综述	本文综述了用于处理多站点神经影像分析中站点效应的回顾性技术	本文首次全面讨论了各种统计和机器学习方法在不同应用场景中的优缺点	本文未提供每种方法的具体实现细节和代码示例	探讨如何处理多站点神经影像数据中的站点效应，以提高分析的可靠性和泛化性	多站点神经影像数据中的站点效应	机器学习	NA	线性混合效应模型、ComBat技术及其变体、基于图像质量指标的调整、规范建模、生成对抗网络	生成对抗网络	影像	NA
674	2024-09-08	Enhancing short-term crime prediction with human mobility flows and deep learning architectures 2022, EPJ data science IF:3.0Q1 DOI:10.1140/epjds/s13688-022-00366-2 PMID:36406335	研究论文	本文探讨了在短期犯罪预测中结合人流数据和深度学习架构的效果	本文首次使用公开的细粒度人流数据集，并展示了人流特征对短期犯罪预测的改进效果	研究仅限于多个城市和不同类型的犯罪，未涵盖所有可能的情况	提高短期犯罪预测的准确性	短期犯罪预测模型	机器学习	NA	深度学习	神经网络	人流数据	多个具有不同人口特征的城市和多种犯罪类型
675	2024-09-08	Mental Disorder Diagnosis from EEG Signals Employing Automated Leaning Procedures Based on Radial Basis Functions 2022, Journal of medical and biological engineering IF:1.6Q4 DOI:10.1007/s40846-022-00758-9 PMID:36407571	研究论文	本文提出了一种基于深度学习方法的自动化程序，用于精神分裂症的诊断	本文提出了一种基于径向基函数和模糊均值算法的新型神经网络分类方法，用于精神分裂症的诊断	NA	开发一种高精度的自动化诊断工具，用于精神分裂症的早期诊断和治疗	精神分裂症患者和健康志愿者的脑电信号	机器学习	精神疾病	径向基函数	神经网络	脑电信号	使用32通道头盔采集的脑电信号数据
676	2024-09-08	Predicting the tissue outcome of acute ischemic stroke from acute 4D computed tomography perfusion imaging using temporal features and deep learning 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.1009654 PMID:36408399	研究论文	本文提出了一种基于深度学习的模块化UNet网络，用于从急性缺血性卒中患者的急性4D CT灌注成像中预测组织结果	本文创新性地将时间特征提取与组织结果预测分离，允许使用灌注参数图进行模型验证，并从时空CTP数据中进行端到端学习	本文未正式调查将深度学习应用于源或反卷积CTP数据与灌注参数图相比的益处	研究目的是预测急性缺血性卒中患者的随访病变，以辅助临床决策	研究对象为接受静脉溶栓或动脉机械取栓治疗的急性缺血性卒中患者	计算机视觉	脑血管疾病	CT灌注成像	深度卷积网络（DCN）	图像	145例回顾性数据集，包括基线CT灌注成像、灌注参数图和随访非对比CT
677	2024-09-08	Real-time noise cancellation with deep learning 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0277974 PMID:36409690	研究论文	本文介绍了一种新的实时深度学习算法，用于生物测量中的噪声消除	提出了一种自适应的深度学习算法，能够产生与噪声相反的信号，实现破坏性干扰	仅在电生理学测量中进行了验证，尚未在其他领域广泛应用	开发一种有效的噪声消除技术，以提高生物测量信号的质量	电生理学信号，特别是脑电图（EEG）中的肌电噪声	机器学习	NA	深度学习	NA	信号	使用了定制的3D打印复合电极进行实验
678	2024-09-08	Applications of Computer Vision on Automatic Potato Plant Disease Detection: A Systematic Literature Review 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7186687 PMID:36419507	综述	本文综述了计算机视觉技术在自动检测马铃薯病害中的应用	发现深度学习算法在检测作物病害方面比传统机器学习算法更常用	NA	综述计算机视觉技术在马铃薯病害检测中的应用	马铃薯病害检测	计算机视觉	NA	计算机视觉	深度学习	图像	39项主要研究
679	2024-09-08	Deep Learning in Ischemic Stroke Imaging Analysis: A Comprehensive Review 2022, BioMed research international IF:2.6Q3 DOI:10.1155/2022/2456550 PMID:36420096	综述	本文综述了深度学习在缺血性脑卒中影像分析中的应用现状	深度学习模型被认为是急性干预和指导缺血性脑卒中预后的有力辅助工具	当前研究存在问题和展望	探讨深度学习技术在缺血性脑卒中影像分析中的应用，以促进临床实践和改善患者临床结果	缺血性脑卒中的影像诊断和多模态预后	计算机视觉	脑血管疾病	深度学习	NA	影像	NA
680	2024-09-08	Deep-learning-based generation of synthetic 6-minute MRI from 2-minute MRI for use in head and neck cancer radiotherapy 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.975902 PMID:36425548	研究论文	研究利用深度学习技术从2分钟MRI生成高质量的合成6分钟MRI，用于头颈部癌症的放射治疗	首次利用深度学习生成高质量的合成MRI图像，以替代传统的6分钟MRI扫描	合成图像与真实图像之间仍存在一定差异，需要进一步改进	探索深度学习在生成高质量MRI图像中的应用，以提高放射治疗的准确性	头颈部癌症患者的MRI图像	计算机视觉	头颈部癌症	深度学习	生成对抗网络（GAN）	图像	108组头颈部MRI图像，包括2分钟和6分钟T2加权扫描