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
881	2024-09-05	Deep Learning for Diabetic Retinopathy Analysis: A Review, Research Challenges, and Future Directions 2022-Sep-08, Sensors (Basel, Switzerland) DOI:10.3390/s22186780 PMID:36146130	综述	本文综述了深度学习在糖尿病视网膜病变（DR）分析领域的最新进展，包括筛查、分割、预测、分类和验证	深度学习在医疗健康领域的多个方面，如腹部、心脏、病理学和视网膜，通过改进筛查、识别、分割、预测和分类应用，产生了显著的积极影响	文章指出了当前研究中的空白和未来挑战，以促进研究社区开发更高效、稳健和准确的深度学习模型	综述深度学习在糖尿病视网膜病变分析中的应用，并探讨未来的研究方向和挑战	糖尿病视网膜病变（DR）的监测和诊断	机器学习	糖尿病视网膜病变	深度学习（DL）	NA	图像	NA
882	2024-09-05	Semi-Supervised Deep Learning Model for Efficient Computation of Optical Properties of Suspended-Core Fibers 2022-Sep-07, Sensors (Basel, Switzerland) DOI:10.3390/s22186751 PMID:36146101	研究论文	本文提出了一种半监督深度学习模型，用于高效计算悬浮芯光纤的光学特性	引入半监督学习策略以减轻数据获取负担，并能在小规模训练数据基础上获得满意的计算结果	依赖于深度学习模型的优势需要大规模先验数据集	提高悬浮芯光纤结构设计的效率和准确性	悬浮芯光纤的光学特性，包括有效模式面积、非线性系数和色散	机器学习	NA	深度学习	半监督学习模型	光学特性数据	小规模训练数据
883	2024-09-05	Multi-Class Cancer Subtyping in Salivary Gland Carcinomas with MALDI Imaging and Deep Learning 2022-Sep-05, Cancers IF:4.5Q1 DOI:10.3390/cancers14174342 PMID:36077876	研究论文	本文利用MALDI成像技术和深度学习模型对唾液腺癌进行多类别亚型分类	提出了一个深度学习模型，能够处理高分辨率MALDI成像数据并实现超过80%的分类准确率	NA	实现唾液腺癌的准确亚型分类	唾液腺癌及其亚型	机器学习	唾液腺癌	MALDI成像	深度学习模型	图像	25名患者（包括六种不同的唾液腺癌亚型和六名健康对照组）
884	2024-09-05	Challenges and Opportunities of Deep Learning for Cough-Based COVID-19 Diagnosis: A Scoping Review 2022-Sep-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12092142 PMID:36140543	综述	本文综述了利用深度学习模型通过咳嗽声音诊断COVID-19的研究现状，旨在创建一种成本效益高且易于获取的测试工具。	本文探讨了咳嗽作为生物标志物的潜力，并发现卷积神经网络在特征提取和分类方面特别适用。	本文指出在利用大规模和多样化数据集进行研究方面存在文献缺口。	开发神经网络模型，通过咳嗽声音诊断COVID-19，作为抗击疫情的有效工具。	COVID-19的诊断	机器学习	COVID-19	深度学习	卷积神经网络	音频	数据集大小从16到超过30,000个咳嗽音频样本
885	2024-09-05	Advancement of deep learning in pneumonia/Covid-19 classification and localization: A systematic review with qualitative and quantitative analysis 2022-Sep, Chronic diseases and translational medicine DOI:10.1002/cdt3.17 PMID:35572951	综述	本文系统地回顾和分析了深度学习在肺炎和COVID-19分类与定位中的进展	提供了对不同深度学习模型架构的详细解释，包括它们的设计原因、克服的挑战和权衡	某些权衡无法量化，仅在定性分析中提及	旨在提取、解释和定量评估用于从胸部X射线和CT扫描图像中检测社区获得性肺炎、病毒性肺炎和COVID-19的深度学习方法的所有进展	社区获得性肺炎、病毒性肺炎和COVID-19的检测	计算机视觉	肺部疾病	深度学习	CNN	图像	涉及约4.5亿肺炎患者和1.81亿COVID-19患者
886	2024-09-05	Label efficient segmentation of single slice thigh CT with two-stage pseudo labels 2022-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.5.052405 PMID:35607409	研究论文	本文提出了一种两阶段深度学习方法，用于高效分割大腿CT图像中的肌肉、骨骼和脂肪	通过使用伪标签和两阶段训练方法，减少了深度学习模型对大量标注数据的需求	NA	提高医学图像分割的效率和准确性	大腿和下肢的CT图像	计算机视觉	NA	深度学习	深度神经网络	图像	3022张大腿切片和8939张下肢切片来自BLSA数据集，121张大腿切片来自GESTALT研究
887	2024-09-05	Inferring structural and dynamical properties of gene networks from data with deep learning 2022-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqac068 PMID:36110897	研究论文	本文利用深度神经网络（DNNs）从数据中推断基因调控网络（GRNs）的结构和动力学特性	本文展示了深度神经网络在网络推断方面优于现有的布尔网络、随机森林和部分交叉映射方法，并提出了一种结合深度神经网络和部分自洽平均场近似（PSCA）的数据驱动方法来量化基因调控系统的能量景观	NA	从数据中重建基因调控网络，并推断其因果关系	基因调控网络的结构和动力学特性	系统生物学	NA	深度神经网络（DNNs）	深度神经网络（DNNs）	单细胞数据	NA
888	2024-09-05	Comparison of Convolutional Neural Networks and Transformers for the Classification of Images of COVID-19, Pneumonia and Healthy Individuals as Observed with Computed Tomography 2022-Sep-01, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8090237 PMID:36135403	研究论文	本研究评估了五种深度学习架构在多类别设置中分类COVID-19的表现	比较了卷积神经网络和Transformer在COVID-19、肺炎和健康个体CT图像分类中的性能	NA	评估不同深度学习模型在COVID-19分类中的性能	COVID-19、肺炎和健康个体的CT图像	计算机视觉	COVID-19	深度学习	CNN, Transformer	图像	NA
889	2024-09-05	MF-AV-Net: an open-source deep learning network with multimodal fusion options for artery-vein segmentation in OCT angiography 2022-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.468483 PMID:36187235	研究论文	本研究旨在展示多模态融合对深度学习在光学相干断层扫描（OCT）和OCT血管造影（OCTA）中动脉静脉分割性能的影响，并探索用于深度学习AV分割的OCT/OCTA特性	提出了一个开放源代码的深度学习网络MF-AV-Net，该网络具有多模态融合选项，用于OCTA中的动脉静脉分割	NA	探索多模态融合在OCT和OCTA中动脉静脉分割的性能	OCT和OCTA图像中的动脉静脉分割	计算机视觉	NA	深度学习	CNN	图像	6 mm×6 mm和3 mm×3 mm的OCTA图像数据集
890	2024-09-05	MobileSkin: Classification of Skin Lesion Images Acquired Using Mobile Phone-Attached Hand-Held Dermoscopes 2022-Aug-30, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm11175102 PMID:36079042	研究论文	本文介绍了一种使用手机附加手持皮肤镜拍摄的皮肤病变图像分类方法	开发了基于MobileNetV1、MobileNetV2、NASNetMobile和Xception架构的四种深度学习模型，用于分类八种不同的病变类型	NA	提高皮肤病变图像分类的准确性	使用手机附加手持皮肤镜拍摄的皮肤病变图像	计算机视觉	NA	深度学习	MobileNetV1, MobileNetV2, NASNetMobile, Xception	图像	包含多种数据增强方法增加的图像数量
891	2024-09-05	Development and Evaluation of a Novel Deep-Learning-Based Framework for the Classification of Renal Histopathology Images 2022-Aug-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9090423 PMID:36134972	研究论文	本文开发并评估了一种基于深度学习的新型框架，用于分类肾组织病理图像	提出了一种多尺度弱监督深度学习方法，用于肾细胞癌（RCC）亚型分类，并采用了RGB直方图规范染色标准化和多尺度卷积神经网络（CNN）进行决策融合	NA	旨在区分良性组织和恶性RCC肿瘤，并识别肿瘤亚型以支持医疗治疗管理	肾组织病理图像	数字病理	肾细胞癌	深度学习	CNN	图像	包含四类肾组织的RCC活检样本
892	2024-09-05	Adaptation to CT Reconstruction Kernels by Enforcing Cross-Domain Feature Maps Consistency 2022-Aug-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8090234 PMID:36135401	研究论文	本文探讨了在胸部CT图像中分析COVID-19时，由于重建核差异导致的域偏移问题，并提出了一种无监督适应方法F-Consistency来提高模型在未见核上的分割质量	提出了一种名为F-Consistency的无监督适应方法，通过最小化成对特征图之间的均方误差来强制网络隐藏表示的相似性，显著提高了模型在未见核上的分割性能	未提及具体的局限性	构建一个适用于临床的鲁棒算法，处理由于重建核差异导致的域偏移问题	COVID-19在胸部CT图像中的识别、严重程度评估和分割	计算机视觉	COVID-19	深度学习	CNN	图像	使用了一组未标记的CT图像对，每对图像仅在重建核上有所不同
893	2024-09-05	A New Approach for Detecting Fundus Lesions Using Image Processing and Deep Neural Network Architecture Based on YOLO Model 2022-Aug-26, Sensors (Basel, Switzerland) DOI:10.3390/s22176441 PMID:36080898	研究论文	本文提出了一种基于YOLO模型的新方法，用于通过图像处理和深度神经网络架构检测眼底病变	该方法结合了图像处理技术、数据增强、迁移学习和深度神经网络，以克服现有数据集中的图像噪声、对比度问题以及深度学习算法在小物体检测上的困难	该方法在DDR数据集上的mAP和F1-score仍有提升空间	旨在通过计算机辅助诊断系统早期发现糖尿病视网膜病变，预防更严重的病变形式	糖尿病视网膜病变中的眼底病变，如微动脉瘤、硬性渗出物、出血和软性渗出物	计算机视觉	糖尿病视网膜病变	图像处理、数据增强、迁移学习	YOLOv5	图像	使用了公共的DDR和IDRiD糖尿病视网膜病变数据集
894	2024-09-05	AI in Breast Cancer Imaging: A Survey of Different Applications 2022-Aug-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8090228 PMID:36135394	综述	本文综述了人工智能在乳腺癌影像学中的不同应用	探讨了自监督学习在缺乏大型标注数据集情况下的应用	讨论了人工智能在乳腺癌影像学领域面临的挑战	旨在探讨人工智能在乳腺癌影像学中的应用及其潜力	乳腺癌影像学中的不同应用	计算机视觉	乳腺癌	机器学习, 深度学习	CNN, 自监督学习模型	影像	NA
895	2024-09-05	ResSUMO: A Deep Learning Architecture Based on Residual Structure for Prediction of Lysine SUMOylation Sites 2022-08-25, Cells IF:5.1Q2 DOI:10.3390/cells11172646 PMID:36078053	研究论文	本文构建了一种基于残差结构的深度学习架构ResSUMO，用于预测赖氨酸SUMO化位点	ResSUMO模型在交叉验证和独立测试中表现优于传统机器学习和CNN模型，且残差结构能优化神经网络并提高性能	增加CNN模型中神经网络的深度并未提高预测性能，存在退化问题	探索SUMO化修饰的特性并构建基于扩大数据集的高性能预测模型	赖氨酸SUMO化位点	机器学习	NA	NA	CNN	序列	扩大数据集
896	2024-09-05	Study on Accuracy Improvement of Slope Failure Region Detection Using Mask R-CNN with Augmentation Method 2022-Aug-25, Sensors (Basel, Switzerland) DOI:10.3390/s22176412 PMID:36080871	研究论文	本文提出了一种使用基于深度学习算法的Mask R-CNN语义分割方法来自动检测斜坡失效区域，以提高斜坡失效灾害后损害评估的效率	本研究采用基于CutMix的数据增强方法来提高检测精度，并比较了多种增强模式下的检测结果	目前关于使用深度学习检测滑坡的研究有限，且训练数据的缺乏是一个重要问题	提高斜坡失效区域检测的准确性	斜坡失效区域的自动检测	计算机视觉	NA	Mask R-CNN	CNN	图像	具体样本数量未在摘要中提及
897	2024-09-05	Analysis of AI-Based Single-View 3D Reconstruction Methods for an Industrial Application 2022-Aug-25, Sensors (Basel, Switzerland) DOI:10.3390/s22176425 PMID:36080884	研究论文	本文研究了基于深度学习的单视角3D重建方法，特别关注了在工业应用中的质量控制方面的应用	首次在3D重建任务中考虑了U-Net，并引入了堆叠膨胀U-Net（SDU-Net），其在计算时间和评估指标上表现最佳	NA	探索和评估不同深度学习方法在从单个2D灰度图像进行3D重建中的应用	激光焊接组件的2D灰度图像	机器学习	NA	深度学习算法	堆叠自动编码器（SAE）、生成对抗网络（GANs）、U-Nets、堆叠膨胀U-Net（SDU-Net）	图像	少量训练数据
898	2024-09-05	FGL-GAN: Global-Local Mask Generative Adversarial Network for Flame Image Composition 2022-Aug-23, Sensors (Basel, Switzerland) DOI:10.3390/s22176332 PMID:36080788	研究论文	本文提出了一种全局-局部掩码生成对抗网络（FGL-GAN），用于提高火焰图像合成的质量	FGL-GAN采用分层的全局-局部生成器结构，结合火焰掩码输入和对比学习方法，提高了火焰光环和反射的渲染质量，并加速了网络拟合	NA	旨在通过计算机合成火焰图像，减少收集火焰图像数据集的危险性	火焰图像的合成质量	计算机视觉	NA	生成对抗网络（GAN）	FGL-GAN	图像	NA
899	2024-09-05	Antenna Excitation Optimization with Deep Learning for Microwave Breast Cancer Hyperthermia 2022-Aug-23, Sensors (Basel, Switzerland) DOI:10.3390/s22176343 PMID:36080800	研究论文	本文提出了一种基于卷积神经网络（CNN）的微波热疗天线激励优化方案，适用于多种配置，并通过实验证明了其有效性	提出了一种基于深度学习的天线激励优化方法，考虑了电场的复杂矢量特性，并适用于多种配置	目前仅在两种配置下进行了测试，未来需要进一步验证其在更多配置下的适用性	优化微波热疗中的天线激励，以更精确地聚焦微波能量于目标区域，减少对周围组织的影响	微波热疗中的天线激励优化	机器学习	乳腺癌	卷积神经网络（CNN）	CNN	数据集	通过叠加单个天线元素的信息收集数据集
900	2024-09-05	Investigation of biases in convolutional neural networks for semantic segmentation using performance sensitivity analysis 2022-Aug, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2021.11.004 PMID:35016819	研究论文	本文研究了卷积神经网络在医学图像分割中的性能敏感性分析，以探索其对图像修改的偏差和鲁棒性	首次系统地研究了深度学习在医学图像分割中对输入数据变化的敏感性，并展示了不同数据增强策略的效果	研究仅限于两个公开的分割框架，且未探讨所有可能的图像修改情况	旨在系统地调查深度学习在医学图像分割中对输入数据变化的敏感性	深度学习在医学图像分割中的性能敏感性	计算机视觉	NA	深度学习	CNN	图像	使用公开的分割框架DeepMedic和TractSeg进行测试