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
1001	2024-09-02	An Integrated Goat Head Detection and Automatic Counting Method Based on Deep Learning 2022-Jul-15, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani12141810 PMID:35883357	研究论文	本文提出了一种基于深度学习的集成山羊头部检测与自动计数方法	使用RandAugment进行数据增强，采用AF-FPN改进网络对多尺度对象的表示能力，以及利用Dynamic Head框架统一注意力机制与检测器头部，显著提高了检测性能	NA	实现山羊养殖的精确化和智能化	山羊头部检测与计数	计算机视觉	NA	深度学习	YOLOv5	视频图像	新构建的山羊视频图像数据集
1002	2024-09-02	A Feasibility Study on Deep Learning Based Brain Tumor Segmentation Using 2D Ellipse Box Areas 2022-Jul-15, Sensors (Basel, Switzerland) DOI:10.3390/s22145292 PMID:35890972	研究论文	本文研究了使用2D椭圆框区域进行基于深度学习的脑肿瘤分割的可行性	提出了一种使用椭圆框区域而非完全标注的肿瘤区域来训练深度网络的方法，减少了医疗人员的工作量	使用椭圆框区域训练的网络在分割性能上略有下降	探索使用椭圆框区域训练深度网络进行脑肿瘤分割的可行性	脑肿瘤的分割	计算机视觉	脑肿瘤	深度学习	U-Net	图像	大量未标注的肿瘤图像和少量（<20）标注的肿瘤图像
1003	2024-09-02	A personalized deep learning denoising strategy for low-count PET images 2022-07-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac783d PMID:35697017	研究论文	本文开发了一种针对低计数正电子发射断层扫描（PET）图像的个性化深度学习去噪策略	提出了一种个性化加权方法，通过线性混合两个在不同噪声水平图像上训练的模型结果，以平衡噪声减少和空间模糊之间的权衡	模型在处理具有广泛噪声水平的测试图像时泛化能力不佳	开发一种适用于不同噪声水平的低计数PET图像个性化去噪策略	低计数PET图像的去噪效果	机器学习	NA	深度学习	3D U-Net	图像	五个不同噪声水平的图像组
1004	2024-09-02	Structural Bioinformatics and Deep Learning of Metalloproteins: Recent Advances and Applications 2022-Jul-12, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23147684 PMID:35887033	综述	本文综述了金属蛋白的结构生物信息学和深度学习的最新进展及应用	介绍了利用3D结构信息和神经网络、机器/深度学习方法在金属蛋白研究中的应用	NA	探讨基于结构的金属蛋白资源开发和可用性的最新进展	金属蛋白及其金属结合位点	结构生物学	NA	深度学习	神经网络	蛋白质结构	涉及Protein Data Bank中约三分之一的蛋白质结构
1005	2024-09-02	Foggy Lane Dataset Synthesized from Monocular Images for Lane Detection Algorithms 2022-Jul-12, Sensors (Basel, Switzerland) DOI:10.3390/s22145210 PMID:35890889	研究论文	本文提出了一种基于单目深度预测和大气散射模型的新方法，用于在晴朗天气收集的CULane数据集上生成雾天车道图像，以提高车道检测算法在雾天条件下的准确性	通过合成雾天车道图像数据集，显著提高了深度学习模型在雾天条件下的车道检测准确性	NA	提高车道检测算法在低光照天气条件下的准确性	车道检测算法在雾天条件下的性能	计算机视觉	NA	深度学习	NA	图像	生成了107,451张标记的雾天车道图像，分为三种不同的雾密度
1006	2024-09-02	Defending against Reconstruction Attacks through Differentially Private Federated Learning for Classification of Heterogeneous Chest X-ray Data 2022-Jul-11, Sensors (Basel, Switzerland) DOI:10.3390/s22145195 PMID:35890875	研究论文	本文评估了使用差分隐私的联邦学习在异构胸部X光数据分类中作为防御数据隐私攻击的可行性	首次直接比较差分隐私训练对两种不同神经网络架构（DenseNet121和ResNet50）的影响	模型性能在差分隐私设置下略有下降，特别是ResNet50的性能不如DenseNet121	研究差分隐私联邦学习在医疗数据分类中的隐私保护效果	异构和不平衡的胸部X光数据分类	机器学习	NA	差分隐私联邦学习	DenseNet121, ResNet50	图像	36个客户端的CheXpert和Mendeley胸部X光数据集
1007	2024-09-02	A Hybrid 3D-2D Image Registration Framework for Pedicle Screw Trajectory Registration between Intraoperative X-ray Image and Preoperative CT Image 2022-Jul-06, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8070185 PMID:35877629	研究论文	本文设计了一种患者特异性的混合3D-2D配准原则框架，用于在术中X射线图像和术前CT图像之间映射椎弓根螺钉轨迹。	该框架结合了基于解剖标志的3D-2D迭代控制点（ICP）配准和深度学习技术，克服了传统图像强度配准导航系统计算密集、捕捉范围小和局部最大值问题，以及深度学习技术缺乏配准泛化性和数据依赖性的限制。	NA	开发一种新的混合3D-2D图像配准框架，以提高椎弓根螺钉插入手术的准确性和安全性。	椎弓根螺钉插入手术中的图像配准问题。	计算机视觉	NA	3D-2D图像配准	迭代控制点（ICP）配准	图像	单个椎骨的术中X射线图像和术前CT图像
1008	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
1009	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
1010	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
1011	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
1012	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。
1013	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
1014	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
1015	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
1016	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
1017	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
1018	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
1019	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
1020	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）