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
721	2024-09-06	A review on the application of deep learning for CT reconstruction, bone segmentation and surgical planning in oral and maxillofacial surgery 2022-Sep-01, Dento maxillo facial radiology DOI:10.1259/dmfr.20210437 PMID:35532946	综述	本文综述了深度学习在口腔颌面外科中的CT重建、骨骼分割和手术规划中的应用	本文总结了大量关于神经网络在CT图像重建、骨骼分割和手术规划中的应用，并讨论了当前方法的不足和有前景的研究方向	本文主要综述了现有方法，未提出新的技术或模型	总结和回顾应用于CT图像重建、骨骼分割和手术规划的神经网络方法	CT图像重建、骨骼分割和手术规划	计算机视觉	NA	神经网络	卷积神经网络	图像	76篇相关文献，其中32篇关注CT图像重建，33篇关注骨骼分割，11篇关注手术规划
722	2024-09-06	Evaluating molecular representations in machine learning models for drug response prediction and interpretability 2022-Sep-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2022-0006 PMID:36017668	研究论文	研究评估了不同分子表示方法在药物反应预测和解释性方面的适用性	提出了端到端深度学习方法作为传统分子指纹的替代方案，并展示了其在药物敏感性预测中的优越性	NA	评估不同分子表示方法在药物敏感性预测中的适用性	癌症细胞系中的药物敏感性预测	机器学习	NA	深度学习	深度学习模型	化合物数据	5个化合物筛选数据集
723	2024-09-06	CLTS-GAN: Color-Lighting-Texture-Specular Reflection Augmentation for Colonoscopy 2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-16449-1_49 PMID:36178456	研究论文	本文介绍了一种名为CLTS-GAN的新深度学习模型，用于结肠镜检查视频帧的颜色、光照、纹理和镜面反射的合成增强	提出了CLTS-GAN模型，能够精细控制结肠镜检查视频帧的颜色、光照、纹理和镜面反射的合成，从而提高现有息肉检测和分割方法的性能	未提及	开发一种新的深度学习模型，用于增强结肠镜检查视频帧的分析，以辅助内镜医生	结肠镜检查视频帧的颜色、光照、纹理和镜面反射	计算机视觉	NA	深度学习	GAN	视频	未提及
724	2024-09-06	Classification of clinically relevant intravascular volume status using point of care ultrasound and machine learning 2022-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.5.054502 PMID:36186002	研究论文	研究使用床旁超声和机器学习对临床相关的血管内容量状态进行分类	提出了一种结合心脏和下腔静脉数据的两流三维深度学习方法，用于二分类判断是否需要使用利尿剂	研究使用了小规模的回顾性数据集，未来工作将集中在人工智能在床边的应用和患者中心结果及医生工作流程的改善	研究目的是使用多器官系统的床旁超声和机器学习来模拟医生对功能性血管内容量状态和利尿剂治疗需求的决策	研究对象是血管内容量状态和利尿剂治疗需求	机器学习	NA	床旁超声	两流三维深度神经网络	视频	1039个床旁超声视频片段
725	2024-09-06	Mitigating Bias in Radiology Machine Learning: 2. Model Development 2022-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.220010 PMID:36204532	研究论文	本文探讨了在放射学机器学习模型开发过程中减轻偏差的方法	本文强调了在模型开发过程中考虑和实践适当的方法以减轻偏差的重要性	NA	研究如何在放射学机器学习模型开发过程中减轻偏差	数据增强、模型和损失函数、优化器以及迁移学习	机器学习	NA	深度学习	NA	NA	NA
726	2024-09-06	Improved CT-based Osteoporosis Assessment with a Fully Automated Deep Learning Tool 2022-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.220042 PMID:36204542	研究论文	开发并验证了一种基于深度学习的工具，用于改进基于CT图像的骨密度评估，并与手动参考标准进行比较	新的深度学习工具在异质性患者群体中的成功率显著高于旧的基于特征的图像处理骨密度算法	在骨质疏松评估中，单切片方法与多切片方法之间存在敏感性和特异性的权衡	开发和验证一种改进的基于CT图像的骨密度评估工具	基于CT图像的骨密度评估工具的性能	计算机视觉	NA	深度学习	深度学习工具	图像	11035名患者（平均年龄58岁，标准差12岁；6311名女性）
727	2024-09-06	Mitigating Bias in Radiology Machine Learning: 1. Data Handling 2022-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.210290 PMID:36204544	研究论文	本文探讨了在放射学机器学习中数据处理阶段的偏差问题，并提出了12种次优实践及其潜在的偏差来源	本文提出了一个简化的框架，将机器学习数据处理分为四个步骤，并提供了代码示例来展示如何避免次优实践	本文使用了一个任意的简化框架，可能无法涵盖所有复杂的数据处理情况	减少机器学习在临床实践中应用时的偏差	放射学机器学习中的数据处理偏差	计算机视觉	NA	机器学习	卷积神经网络 (CNN)	图像	NA
728	2024-09-06	A deep learning-based diagnostic pattern for ultrasound breast imaging: can it reduce unnecessary biopsy? 2022-Sep, Gland surgery IF:1.5Q3 DOI:10.21037/gs-22-473 PMID:36221270	研究论文	本文研究了基于深度学习的超声乳腺影像诊断模式，旨在减少不必要的活检	本文首次探讨了深度学习模型在超声乳腺影像中的应用，特别是通过VGG-16和VGG-19模型来区分恶性与良性乳腺病变，并评估其减少不必要活检的效果	研究样本量相对较小，且仅限于超声影像数据，未涵盖其他类型的乳腺影像	探讨深度学习模型在超声乳腺影像诊断中的应用，评估其减少不必要活检的效果	恶性与良性乳腺病变	计算机视觉	乳腺疾病	深度学习	卷积神经网络（VGG-16和VGG-19）	图像	共纳入1063例乳腺病变，其中训练集843例，验证集220例
729	2024-09-06	Early Glaucoma Detection by Using Style Transfer to Predict Retinal Nerve Fiber Layer Thickness Distribution on the Fundus Photograph 2022-Sep, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100180 PMID:36245759	研究论文	本文开发了一种基于深度学习的算法，用于从彩色眼底照片中预测视网膜神经纤维层厚度分布，以实现早期青光眼的检测	本文创新性地使用变分自编码器网络架构，通过深度神经网络确定眼底照片与视网膜神经纤维层厚度分布之间的相关性，从而生成相应的合成OCT扫描图像	本文未详细讨论算法的泛化能力和在不同人群中的适用性	开发一种基于深度学习的算法，用于早期青光眼的检测	彩色眼底照片和视网膜神经纤维层厚度分布	计算机视觉	青光眼	变分自编码器网络	变分自编码器	图像	189名健康参与者和371名早期青光眼患者
730	2024-09-06	Non-Linear Dimensionality Reduction With a Variational Encoder Decoder to Understand Convective Processes in Climate Models 2022-Aug, Journal of advances in modeling earth systems IF:4.4Q1 DOI:10.1029/2022MS003130 PMID:36245669	研究论文	本文使用变分编码器-解码器结构（VED）来理解和学习气候模型中的对流过程	VED能够将原始信息压缩到仅五个潜在节点，从而提高模型的可解释性	NA	研究如何通过非线性降维技术来理解和表示气候模型中的对流过程	气候模型中的对流过程	机器学习	NA	变分编码器-解码器结构（VED）	变分编码器-解码器	模拟数据	NA
731	2024-09-06	TL-med: A Two-stage transfer learning recognition model for medical images of COVID-19 2022 Jul-Sep, Biocybernetics and biomedical engineering IF:5.3Q1 DOI:10.1016/j.bbe.2022.04.005 PMID:35506115	研究论文	本文提出了一种两阶段迁移学习识别模型TL-Med，用于COVID-19医学图像的识别	提出了基于Vision Transformer的两阶段迁移学习模型，解决了COVID-19数据不足的问题	NA	开发一种高效的COVID-19医学图像识别模型，以应对数据稀缺的问题	COVID-19医学图像	计算机视觉	COVID-19	迁移学习	Vision Transformer (ViT)	图像	使用了一个COVID-19数据集，具体样本数量未明确说明
732	2024-09-06	The state of the art for artificial intelligence in lung digital pathology 2022-07, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.5966 PMID:35579955	综述	本文综述了人工智能在肺部数字病理学中的最新进展和应用	探讨了人工智能工具在肺部疾病中的应用，包括肺癌、结核病、特发性肺纤维化和COVID-19等，并介绍了新兴应用如多模态数据分析和3D病理学	讨论了基于数字病理学的人工智能工具面临的挑战，如监管批准、开发报销模型、临床部署和解决AI偏见	探讨人工智能在肺部数字病理学中的应用和未来发展	肺部疾病，包括肺癌、结核病、特发性肺纤维化和COVID-19等	数字病理学	肺部疾病	人工智能	深度学习	图像	NA
733	2024-09-06	A Deep Learning Approach for Quantifying Vocal Fold Dynamics During Connected Speech Using Laryngeal High-Speed Videoendoscopy 2022-06-08, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2022_JSLHR-21-00540 PMID:35605603	研究论文	本文提出了一种基于深度学习的方案，用于在连接语音期间使用喉部高速视频内窥镜量化声带动力学，并自动分割声门区域	本文引入了一种自动化的深度学习方案，用于在连接语音期间准确分割声门区域，即使在复杂的非平稳发声事件和声带不振动的情况下也能克服先前混合方法的局限性	NA	开发一种自动化的深度学习方法，用于在连接语音期间准确分割声门区域，以评估声带振动特性	声带动力学和声门区域分割	计算机视觉	NA	深度学习	深度神经网络	视频	一名语音健康的参与者
734	2024-09-06	A Deep Learning Network for Classifying Arteries and Veins in Montaged Widefield OCT Angiograms 2022-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100149 PMID:36278031	研究论文	提出了一种基于深度学习的方法，用于在拼接的广域OCT血管造影中区分动脉和静脉	提出了一个卷积神经网络（CAVnet）来分类视网膜血管，并能够识别动脉和静脉的交点	NA	开发一种能够准确区分动脉和静脉的深度学习方法	视网膜血管的分类和测量	计算机视觉	糖尿病视网膜病变	卷积神经网络	CNN	图像	232名参与者，包括88只眼睛用于训练，144只眼睛用于测试
735	2024-09-06	Stable Deep Neural Network Architectures for Mitochondria Segmentation on Electron Microscopy Volumes 2022-04, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-021-09556-1 PMID:34855126	研究论文	本文研究了用于电子显微镜体积中线粒体分割的稳定深度神经网络架构	本文遵循领域内的最佳实践，对最先进的架构进行了广泛研究，并与不同变体的U-Net模型进行了比较	NA	旨在解决线粒体分割任务中的可重复性和模型比较问题	电子显微镜体积中的线粒体	计算机视觉	NA	深度学习	U-Net	图像	使用了EPFL海马线粒体分割数据集、Lucchi++和Kasthuri++数据集
736	2024-09-06	Implementation of artificial intelligence in upper gastrointestinal endoscopy 2022-Apr, DEN open IF:1.4Q4 DOI:10.1002/deo2.72 PMID:35873509	综述	本文综述了人工智能在食管胃内镜中的应用现状，并提出了临床实践和未来研究的方向	本文展示了人工智能在早期胃癌和食管癌检测中的应用，并展示了其在临床实践中减轻医生负担的潜力	NA	总结人工智能在食管胃内镜中的应用现状，并提出临床实践和未来研究的方向	人工智能在食管胃内镜中的应用，包括早期胃癌和食管癌的检测	计算机视觉	胃癌	深度学习	NA	图像	NA
737	2024-09-06	Survey of Supervised Learning for Medical Image Processing 2022, SN computer science DOI:10.1007/s42979-022-01166-1 PMID:35602289	综述	本文综述了监督学习在医学图像处理中的关键概念和算法	本文总结了现有的医学数据集，并研究了最先进的监督学习架构，包括卷积神经网络（CNN）及其变体	监督学习需要大量标注数据集才能学习和取得良好性能，数据增强、迁移学习和dropout技术被广泛用于克服数据集不足的问题	帮助医学图像分析的研究人员和从业者理解监督学习技术的核心概念和算法	医学图像的分类、检测和分割	计算机视觉	NA	监督学习	卷积神经网络（CNN）、全卷积网络（FCN）、U-Net架构	图像	NA
738	2024-09-06	An intelligent cyber security phishing detection system using deep learning techniques 2022, Cluster computing DOI:10.1007/s10586-022-03604-4 PMID:35602317	研究论文	本文提出了一种基于深度学习技术的智能网络安全钓鱼检测系统	本文通过使用机器学习算法和数据集分割方法，提高了钓鱼邮件检测的准确性和效率	本文未详细讨论数据集的来源和质量，以及模型在实际应用中的泛化能力	开发一种更有效的钓鱼邮件检测技术，以应对日益增长的钓鱼威胁	钓鱼邮件及其检测技术	机器学习	NA	机器学习	决策树	文本	使用了三个不同的数据集进行训练和验证
739	2024-09-06	Bike sharing usage prediction with deep learning: a survey 2022, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-07380-5 PMID:35702665	综述	本文综述了使用深度学习技术进行共享单车使用预测的最新研究	本文是首个专注于使用深度学习技术进行共享单车使用预测的综合性综述	NA	探讨共享单车使用预测的重要性及其在系统运营和管理中的应用	共享单车使用预测问题及其相关模型	机器学习	NA	深度学习	RNN, CNN, 图神经网络	时间序列数据, 空间数据	NA
740	2024-09-06	Explainable artificial intelligence approach in combating real-time surveillance of COVID19 pandemic from CT scan and X-ray images using ensemble model 2022, The Journal of supercomputing IF:2.5Q2 DOI:10.1007/s11227-022-04631-z PMID:35754515	研究论文	本文提出了一种基于深度学习和机器学习集成模型的可解释人工智能方法，用于从CT扫描和X光图像中实时监测COVID-19疫情	本文结合了深度学习和机器学习算法，开发了一种集成模型，用于从CT扫描和X光图像中自动检测COVID-19，并通过Grad-CAM和t-SNE解释模型的决策过程	NA	开发一种自动检测COVID-19的方法，以提高检测的准确性和稳定性，降低死亡率	COVID-19患者的CT扫描和X光图像	计算机视觉	COVID-19	深度学习和机器学习	集成模型（包括CNN、GNB、SVM、DT、LR、KNN、RF）	图像	1646和2481张CT扫描图像