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
921	2024-09-02	Differentiating False Positive Lesions from Clinically Significant Cancer and Normal Prostate Tissue Using VERDICT MRI and Other Diffusion Models 2022-Jul-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12071631 PMID:35885536	研究论文	本研究探讨了定量扩散MRI技术在区分假阳性、真阳性和正常前列腺组织中的应用	利用VERDICT MRI和其他扩散模型，通过深度学习方法，显著区分了真阳性、假阳性病变和正常组织	研究样本量较小，仅包括38名患者	旨在通过定量扩散MRI技术减少因假阳性前列腺病变导致的非必要活检	假阳性病变、真阳性病变和正常前列腺组织	数字病理学	前列腺癌	VERDICT MRI, 多参数MRI	深度学习	MRI图像	38名患者
922	2024-09-02	Forecasting COVID-19 Epidemic Trends by Combining a Neural Network with Rt Estimation 2022-Jul-04, Entropy (Basel, Switzerland) DOI:10.3390/e24070929 PMID:35885152	研究论文	本文通过结合神经网络与Rt估计，提出了一种用于分析和预测SARS-CoV-2（COVID-19）新增病例流行趋势的深度学习解决方案	该解决方案通过调整神经网络输出层产生的数据与Rt估计相结合，显著降低了平均绝对百分比误差（MAPE）和其他误差指标	NA	旨在分析和预测COVID-19的流行趋势	SARS-CoV-2（COVID-19）的新增病例	机器学习	COVID-19	深度学习	神经网络	数据集	数据集涉及意大利、美国、法国、英国和瑞典，时间范围为2020年2月24日至2022年1月11日
923	2024-09-02	Frailty Identification Using Heart Rate Dynamics: A Deep Learning Approach 2022-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3152538 PMID:35196247	研究论文	本研究使用深度学习方法，通过分析心率对体力活动的反应（心率动态）来识别老年人的虚弱状态	本研究首次使用长短期记忆模型对心率动态进行分类，无需特征工程即可提供准确的虚弱筛查标记	NA	通过心率动态分类来识别老年人的虚弱状态	88名65岁以上的老年人，分为非虚弱和前虚弱/虚弱两组	机器学习	老年病	NA	LSTM	心率时间序列	88名老年人，其中27名非虚弱，61名前虚弱/虚弱
924	2024-09-02	Reduced Chest Computed Tomography Scan Length for Patients Positive for Coronavirus Disease 2019: Dose Reduction and Impact on Diagnostic Utility 2022 Jul-Aug 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001312 PMID:35405727	研究论文	本研究使用个性化快速剂量估算工具（PREDICT）评估了缩短胸部CT扫描长度对COVID-19阳性患者辐射剂量和诊断效用的影响	本研究首次使用PREDICT工具结合线性玻尔兹曼传输方程求解器和深度学习算法进行器官轮廓描绘，评估了缩短CT扫描长度对辐射剂量的影响	研究仅限于COVID-19阳性患者的胸部CT扫描，未涉及其他疾病或扫描类型	探讨缩短胸部CT扫描长度对COVID-19阳性患者辐射剂量和诊断效用的影响	COVID-19阳性患者的胸部CT扫描	医学影像	COVID-19	CT	深度学习算法	图像	74名COVID-19阳性成年患者的胸部CT图像
925	2024-09-02	Multiple mechanisms underlie reduced potassium conductance in the p.T1019PfsX38 variant of hERG 2022-07, Physiological reports IF:2.2Q3 DOI:10.14814/phy2.15341 PMID:35854468	研究论文	本文研究了hERG K通道的p.T1019PfsX38变异体，该变异体导致长QT综合征类型II（LQT2），并探讨了其对通道表达、渗透和门控的影响。	本文首次详细描述了p.T1019PfsX38变异体对hERG通道门控动力学的影响，并使用膜片钳技术研究了其电生理特性。	研究仅限于体外实验，未涉及临床患者，因此可能无法完全反映该变异体在人体内的真实影响。	确定p.T1019PfsX38变异体对hERG通道功能的影响，并探讨其与LQT2病理生理学的关系。	hERG K通道的p.T1019PfsX38变异体及其对通道功能的影响。	NA	心血管疾病	膜片钳技术	NA	电生理数据	使用了人胚胎肾293（HEK293）细胞进行实验。
926	2024-09-02	Deep learning analysis of single-cell data in empowering clinical implementation 2022-07, Clinical and translational medicine IF:7.9Q1 DOI:10.1002/ctm2.950 PMID:35858171	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
927	2024-09-02	Remaining Useful Life Prediction Model for Rolling Bearings Based on MFPE-MACNN 2022-Jun-30, Entropy (Basel, Switzerland) DOI:10.3390/e24070905 PMID:35885128	研究论文	提出了一种基于多尺度融合排列熵（MFPE）和多尺度卷积注意力神经网络（MACNN）的滚动轴承剩余使用寿命预测模型	该模型通过共振稀疏分解提取滚动轴承的原始信号，使用多尺度排列熵和局部线性嵌入算法去除冗余信息，并利用多尺度卷积模块和注意力模块学习不同时间尺度的特征信息，提高了剩余使用寿命预测的准确性	NA	解决滚动轴承退化特征信息冗余问题，并克服卷积深度学习模型在复杂时间序列中学习特征信息的困难	滚动轴承的剩余使用寿命预测	机器学习	NA	共振稀疏分解	多尺度卷积注意力神经网络（MACNN）	信号	NA
928	2024-09-02	Improved Variational Mode Decomposition and CNN for Intelligent Rotating Machinery Fault Diagnosis 2022-Jun-30, Entropy (Basel, Switzerland) DOI:10.3390/e24070908 PMID:35885131	研究论文	本文提出了一种基于改进变分模式分解（IVMD）和卷积神经网络（CNN）的旋转机械故障智能诊断方法，用于处理旋转机械非平稳信号	本文提出了一种改进的变分模式分解方法，该方法通过自动优化模式数量，克服了传统VMD方法中参数设置依赖经验且受主观经验影响大的问题	NA	开发一种适用于复杂环境下旋转机械故障的智能诊断方法	旋转机械故障信号	机器学习	NA	变分模式分解（VMD），连续小波变换（CWT）	卷积神经网络（CNN）	时间-频率域特征图	NA
929	2024-09-02	Are We There Yet? The Value of Deep Learning in a Multicenter Setting for Response Prediction of Locally Advanced Rectal Cancer to Neoadjuvant Chemoradiotherapy 2022-Jun-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12071601 PMID:35885506	研究论文	本研究旨在评估一种先进的深度学习模型在多中心环境中预测局部晚期直肠癌对新辅助放化疗反应的泛化能力	使用Siamese网络结合U-Net模型，利用多中心数据进行训练和验证，以提高模型的泛化能力	在多中心设置中，尽管进行了专门的数据预处理，模型的预测性能仍显著下降	评估深度学习模型在多中心环境中预测局部晚期直肠癌对新辅助放化疗反应的泛化能力	局部晚期直肠癌患者及其对新辅助放化疗的反应	机器学习	直肠癌	深度学习	Siamese网络结合U-Net	T2加权图像、扩散加权图像和表观扩散系数图	83名局部晚期直肠癌患者的多中心数据集和46名患者的临床常规数据集
930	2024-09-02	A Depression Diagnosis Method Based on the Hybrid Neural Network and Attention Mechanism 2022-Jun-26, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci12070834 PMID:35884641	研究论文	本文提出了一种结合深度学习技术的高性能混合神经网络抑郁症检测方法，通过使用一维卷积神经网络（1D-CNN）和门控循环单元（GRU）提取脑电图（EEG）信号的局部和全局特征，并引入注意力机制以提高诊断准确性。	本文创新性地结合了1D-CNN和GRU提取EEG信号特征，并引入了注意力机制以筛选更具代表性的特征，从而提高模型性能。	NA	提高抑郁症诊断的准确性	抑郁症的诊断	机器学习	抑郁症	深度学习	混合神经网络（1D-CNN-GRU-ATTN）	脑电图（EEG）	使用了公共数据集和私有数据集进行实验验证
931	2024-09-02	Semantic Segmentation of Extraocular Muscles on Computed Tomography Images Using Convolutional Neural Networks 2022-Jun-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12071553 PMID:35885459	研究论文	本研究评估了深度学习算法在从CT图像中分割眼外肌和测量肌肉尺寸的有效性	提出了基于U-net算法的深度学习方法，能够高效准确地分割眼外肌并测量其尺寸	研究仅使用了32个测试样本进行验证，样本量相对较小	评估深度学习算法在CT图像中分割眼外肌和测量肌肉尺寸的效果	眼外肌的分割和尺寸测量	计算机视觉	NA	NA	CNN	图像	210名患者的连续CT扫描图像，其中32个用于测试
932	2024-09-02	Deep Learning Paradigm for Cardiovascular Disease/Stroke Risk Stratification in Parkinson's Disease Affected by COVID-19: A Narrative Review 2022-Jun-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12071543 PMID:35885449	综述	本文探讨了深度学习在受COVID-19影响的帕金森病患者中预测心血管疾病/中风风险的应用	提出了结合COVID-19病灶、帕金森病症状、动脉粥样硬化图像生物标志物和药物使用等因素的深度学习模型，用于心血管疾病/中风风险的分层	由于共病、样本量限制和科学临床验证技术不足，目前缺乏完善的机器学习范式	研究深度学习解决方案在受COVID-19影响的帕金森病患者中预测心血管疾病/中风风险的可行性	受COVID-19影响的帕金森病患者	机器学习	帕金森病	深度学习	LSTM, RNN	CT扫描图像, 生物标志物数据	292项研究
933	2024-09-02	A Light Deep Learning Algorithm for CT Diagnosis of COVID-19 Pneumonia 2022-Jun-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12071527 PMID:35885433	研究论文	本文介绍了一种基于VGG16架构的轻量级3D卷积神经网络Cimatec-CovNet-19，用于从胸部CT扫描中识别COVID-19肺炎	提出了一种新的预处理方法，仅基于肺部CT掩模和经验选择的阈值进行切片选择，仅需16个切片即可识别COVID-19	仅在414个样本的测试集上进行了验证，可能需要更多数据来验证其泛化能力	开发一种轻量级的深度学习算法，用于从胸部CT扫描中快速准确地诊断COVID-19肺炎	COVID-19肺炎的胸部CT扫描图像	计算机视觉	COVID-19	3D卷积神经网络	CNN	图像	训练集包含3000个CT扫描图像（其中1500个为COVID-19阳性），测试集包含414个样本（其中207个为COVID-19阳性）
934	2024-09-02	Improving the Accuracy of Diagnosis for Multiple-System Atrophy Using Deep Learning-Based Method 2022-Jun-22, Biology DOI:10.3390/biology11070951 PMID:36101332	研究论文	本研究使用基于深度学习的点线性模型来提高多系统萎缩症（MSA）的诊断准确性	采用深度学习方法分析MSA的诊断特征，提高了诊断的准确性	大多数人工智能程序仅限于评估诊断影像，本研究扩展到特征识别和可视化	通过深度学习识别与疾病区分相关的重要特征	多系统萎缩症（MSA）及其亚型	机器学习	神经退行性疾病	深度学习	点线性模型	病例数据	3377例MSA病例
935	2024-09-02	Applications of Neural Networks in Biomedical Data Analysis 2022-Jun-21, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines10071469 PMID:35884772	综述	本文综述了神经网络在生物医学数据分析中的应用，特别是生物图像数据中的生物标志物分析	介绍了最新的神经网络及其工作原理，并提供了关于激活函数和框架等技术方面的总结	NA	探讨神经网络在生物医学数据分析中的应用	生物医学数据，特别是生物图像数据中的生物标志物	机器学习	NA	神经网络	人工神经网络	图像	NA
936	2024-09-02	Selfee, self-supervised features extraction of animal behaviors 2022-06-16, eLife IF:6.4Q1 DOI:10.7554/eLife.76218 PMID:35708244	research paper	本文介绍了一种自监督特征提取（Selfee）卷积神经网络，用于从动物行为视频帧中直接提取全面且具有区分性的特征，并展示了其在多种下游应用中的潜力	首次实现了使用端到端的自监督神经网络直接从社交行为视频帧中提取综合且具有区分性的特征	NA	开发一种能够快速且准确地表征动物行为的自监督学习方法	动物行为视频帧	机器学习	NA	卷积神经网络	CNN	视频	NA
937	2024-09-02	Edge-enhancement densenet for X-ray fluoroscopy image denoising in cardiac electrophysiology procedures 2022-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.15426 PMID:34954836	研究论文	本文提出了一种名为边缘增强密集网络（EEDN）的新型深度学习去噪框架，用于提高心脏电生理手术中低剂量X射线荧光图像的质量	EEDN框架设计了一个注意力感知边缘增强模块，以提高边缘锐度，同时保留临床重要细节	NA	旨在减少心脏电生理手术中的X射线剂量，同时提高图像质量并保留关键细节	低剂量X射线荧光图像的去噪和边缘增强	计算机视觉	心血管疾病	卷积神经网络（CNN）	边缘增强密集网络（EEDN）	图像	3262张临床图像来自20名患者的100个低剂量X射线序列
938	2024-09-02	AI-Driven Image Analysis in Central Nervous System Tumors-Traditional Machine Learning, Deep Learning and Hybrid Models 2022, Journal of biotechnology and biomedicine DOI:10.26502/jbb.2642-91280046 PMID:35106480	综述	本文综述了人工智能在中枢神经系统肿瘤影像分析中的应用，包括传统机器学习、深度学习和混合模型	探讨了机器学习、深度学习和混合模型在AI驱动影像分析中的结合使用，可能产生更优结果	面临数据集有限、影像变化随时间变异及分析方法多样性的挑战	标准化报告、减少偏差、加速管理并改善治疗结果	中枢神经系统肿瘤的影像分析	机器学习	中枢神经系统肿瘤	NA	机器学习（ML）、深度学习（DL）、混合模型	影像	NA
939	2024-09-02	A statistical and deep learning-based daily infected count prediction system for the coronavirus pandemic 2022, Evolutionary intelligence IF:2.3Q3 DOI:10.1007/s12065-021-00600-2 PMID:33841583	研究论文	本文提出了一种基于数据分析的预测系统，用于预测新冠病毒大流行期间的每日感染人数	使用易感感染恢复（SIR）模型，实现了99.82%的预测准确率，并预测了印度每日新增COVID病例的四种最可能情况	传统的统计方法在特定国家有限人口的情况下效率不高	帮助政府规划未来行动，并帮助医疗服务更好地准备应对未来情况	新冠病毒大流行期间的每日感染人数	机器学习	NA	数据分析	SIR模型	NA	NA
940	2024-09-02	Deep learning and evolutionary intelligence with fusion-based feature extraction for detection of COVID-19 from chest X-ray images 2022, Multimedia systems IF:3.5Q1 DOI:10.1007/s00530-021-00800-x PMID:34075280	研究论文	本文提出了一种基于融合特征提取的深度学习和进化智能模型，用于从胸部X光图像中检测COVID-19感染	该模型结合了灰度共生矩阵(GLCM)、灰度游程长度矩阵(GLRM)和局部二值模式(LBP)进行特征提取，并使用海豚群算法(SSA)选择最优特征子集，最后通过人工神经网络(ANN)进行分类	NA	开发一种高效准确的COVID-19诊断模型	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	灰度共生矩阵(GLCM)、灰度游程长度矩阵(GLRM)、局部二值模式(LBP)	人工神经网络(ANN)	图像	使用胸部X光图像数据集进行评估