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
1041	2024-09-04	Clinical and Biological Significances of a Ferroptosis-Related Gene Signature in Lung Cancer Based on Deep Learning 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/6495301 PMID:36060648	研究论文	本研究探讨了长链酰基辅酶A合成酶4（ACSL4）在非小细胞肺癌（NSCLC）中的表达及其与铁死亡的关系，并利用深度学习技术进行分析	首次揭示了ACSL4在NSCLC中的表达水平及其作为诊断和预后生物标志物的潜力，并探讨了其在铁死亡中的作用机制	研究仅限于NSCLC，且依赖于数据库和样本分析，未涉及临床试验	探究ACSL4在NSCLC中的临床和生物学意义及其作为潜在治疗靶点的可能性	ACSL4在NSCLC中的表达及其与铁死亡的关系	数字病理学	肺癌	深度学习	NA	mRNA表达数据	人类NSCLC样本
1042	2024-09-04	Synthetic Epileptic Brain Activities with TripleGAN 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/2841228 PMID:36065378	research paper	本研究提出了一种利用三重生成对抗网络（TripleGAN）实现脑电图（EEG）癫痫识别的方法	使用TripleGAN在时间域、频率域和时频域分别处理EEG数据，提高了癫痫分类的准确性、敏感性和特异性	NA	实现基于脑电图的癫痫自动检测	癫痫患者的脑电图数据	machine learning	癫痫	TripleGAN	GAN	EEG	使用了CHB-MIT数据集
1043	2024-09-04	Hybrid of deep learning and exponential smoothing for enhancing crime forecasting accuracy 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0274172 PMID:36070317	研究论文	本研究提出了一种结合双向长短期记忆网络（Bi-LSTM）和指数平滑（ES）的混合模型，用于提高犯罪预测的准确性	该研究首次将Bi-LSTM与ES结合，用于犯罪预测，并显示出比传统季节性自回归积分移动平均模型（SARIMA）更高的预测准确性	研究使用的数据仅限于2010-2017年纽约市的犯罪数据，可能限制了模型的泛化能力	提高犯罪预测的准确性，帮助执法机构预防和控制犯罪	犯罪预测	机器学习	NA	双向长短期记忆网络（Bi-LSTM），指数平滑（ES）	Bi-LSTM	时间序列数据	2010-2017年纽约市的犯罪数据
1044	2024-09-04	Generative Adversarial Network Combined with SE-ResNet and Dilated Inception Block for Segmenting Retinal Vessels 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3585506 PMID:36072751	研究论文	本研究开发了一种基于生成对抗网络（GAN）的准确方法，针对视网膜分割图像中微血管分割的当前不连续性问题	提出了一种改进的GAN，结合SE-ResNet和扩张的inception块，用于视网膜血管分割（SAD-GAN），改进了生成器和判别器，引入了注意力机制	NA	提高视网膜血管分割的准确性	视网膜血管	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	在DRIVE和CHASE_DB1数据集上进行了测试
1045	2024-09-04	Geometric deep learning reveals a structuro-temporal understanding of healthy and pathologic brain aging 2022, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2022.895535 PMID:36081894	研究论文	本文通过几何深度学习方法，探索健康和病理性大脑老化在结构和时间上的理解	本文首次将深度学习与表面分析结合，研究个体结构层面的大脑老化过程，并假设病理性老化不会均匀影响个体结构的老化过程	NA	探索不同大脑结构在健康和病理性老化中的动态和相互关系	大脑结构的老化过程	计算机视觉	神经退行性疾病	MRI	深度学习网络	图像	共收集了来自17,440名独特受试者的26,276个T1加权MRI数据
1046	2024-09-04	Exploration of the Application Effect of the Darongtong Course Model Based on Deep Learning Enhancement in Nursing 2022, Contrast media & molecular imaging DOI:10.1155/2022/5484423 PMID:36082057	研究论文	本研究探讨了基于深度学习增强的大融通课程模型在护理教学中的应用效果	采用基于深度学习增强的大融通教学模式，不仅加深学生对理论知识的理解，还提高了临床技能和沟通能力	NA	探索基于深度学习增强的大融通课程模型在护理教学中的应用效果	学校中的500名学生	NA	NA	深度学习	NA	NA	500名学生
1047	2024-09-04	Define and visualize pathological architectures of human tissues from spatially resolved transcriptomics using deep learning 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.08.029 PMID:36090815	研究论文	本文介绍了一种名为RESEPT的深度学习框架，用于从空间转录组学数据中表征和可视化组织结构	RESEPT能够通过空间保留的图神经网络学习三维嵌入，并将嵌入映射到RGB图像中进行可视化，从而准确推断和可视化组织结构	NA	开发一种新的计算框架，用于从空间转录组学数据中定义和可视化人类组织病理结构	人类和鼠类皮质组织，以及阿尔茨海默病和胶质母细胞瘤样本	机器学习	NA	空间转录组学	图神经网络和卷积神经网络	基因表达数据	基于10x Genomics Visium空间转录组学数据集的人类和鼠类皮质组织样本，以及内部AD样本和胶质母细胞瘤样本
1048	2024-09-04	Automated deep learning-based segmentation of COVID-19 lesions from chest computed tomography images 2022, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr.2022.119027 PMID:36091652	研究论文	本文提出了一种基于深度学习的自动化工具，用于从胸部CT图像中分割COVID-19病变区域，并评估其性能	使用U-Net、U-Net++和Res-Unet三种深度学习网络进行COVID-19病变区域的自动分割	需要进一步研究以评估所提出模型在COVID-19语义分割中的临床性能和鲁棒性	开发一种高效的工具，用于从胸部CT图像中自动分割COVID-19病变区域	COVID-19病变区域	计算机视觉	COVID-19	深度学习	U-Net, U-Net++, Res-Unet	图像	2112张COVID-19胸部CT图像
1049	2024-09-02	Automated detection of retinal exudates and drusen in ultra-widefield fundus images based on deep learning 2022-08, Eye (London, England) DOI:10.1038/s41433-021-01715-7 PMID:34345030	研究论文	本文开发并评估了一种基于深度学习的系统，用于在超广角眼底图像中自动检测视网膜渗出物和玻璃膜疣	使用超广角眼底图像和深度学习技术自动检测视网膜渗出物和玻璃膜疣，提高了检测效率和准确性	NA	开发和评估一种深度学习系统，用于自动检测超广角眼底图像中的视网膜渗出物和玻璃膜疣	视网膜渗出物和玻璃膜疣的自动检测	计算机视觉	眼科疾病	深度学习	NA	图像	26,409张超广角眼底图像，来自14,994名受试者
1050	2024-09-02	Outcome Prediction in Patients with Severe Traumatic Brain Injury Using Deep Learning from Head CT Scans 2022-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.212181 PMID:35471108	研究论文	本文开发并评估了一种结合头部CT扫描深度学习和临床信息的预测模型，用于预测严重创伤性脑损伤（sTBI）后的长期预后	采用迁移学习和课程学习应用于卷积神经网络，结合临床信息形成综合融合模型，提高了预测性能	在外部TRACK-TBI测试中，影像模型和融合模型在预测不良预后方面表现不如IMPACT模型	开发和评估一种预测严重创伤性脑损伤后长期预后的模型	严重创伤性脑损伤患者	机器学习	创伤性脑损伤	深度学习	卷积神经网络	图像	内部测试集537名患者，外部TRACK-TBI研究220名患者
1051	2024-09-02	Real-time echocardiography image analysis and quantification of cardiac indices 2022-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102438 PMID:35868819	研究论文	本文提出了一种基于深度学习的实时超声心动图图像分析和心脏指数量化系统	使用自监督的特定模态表示和一种新颖的三边注意力网络（TaNet）进行实时心脏区域分割	NA	旨在通过深度学习技术改善临床实践中超声心动图的实时分析和量化	超声心动图图像的质量评估、视图分类、心脏区域分割及诊断指数的量化	计算机视觉	NA	深度学习	三边注意力网络（TaNet）	图像	使用了四个超声心动图数据集进行评估
1052	2024-09-02	Deep learning-based defects detection of certain aero-engine blades and vanes with DDSC-YOLOv5s 2022-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-17340-7 PMID:35906368	研究论文	本文通过引入可变形卷积网络和深度可分离卷积优化YOLOv5s结构，提高航空发动机叶片和导叶缺陷检测的准确性和效率	采用可变形卷积网络增强特征图对形状差异的适应性，使用深度可分离卷积提高特征提取效率，并通过k-means聚类优化锚框大小	研究强调了DDSC-YOLOv5s在扩大规模发动机缺陷检测中的应用潜力，但未来仍需进一步增强	实现航空发动机缺陷的智能检测，提高飞行安全性和降低维护成本	航空发动机叶片和导叶的缺陷检测	计算机视觉	NA	可变形卷积网络，深度可分离卷积	YOLOv5s	图像	未具体说明样本数量
1053	2024-09-02	Automatic scoring of COVID-19 severity in X-ray imaging based on a novel deep learning workflow 2022-07-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-15013-z PMID:35896761	研究论文	本研究提出了一种用于肺部疾病分割和评分的新型深度学习工作流程，该流程继承了放射科医生和临床医生对X光图像上肺部疾病的定量、定性和视觉评估	提出的算法在平均绝对误差（MAE）方面显著优于现有的COVID-19算法，且计算效率更高	NA	开发一种准确、高效且多功能的肺部疾病分割和评分方法，特别适用于COVID-19，并具有更广泛的潜在应用	COVID-19患者的X光图像以及无肺部病理患者的X光图像	计算机视觉	COVID-19	深度学习	DeepLabV3+, MA-Net	图像	580名COVID-19患者和784名无肺部病理患者
1054	2024-09-02	A process mining- deep learning approach to predict survival in a cohort of hospitalized COVID-19 patients 2022-07-25, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-022-01934-2 PMID:35879715	研究论文	本文开发了一种结合过程挖掘和深度学习的方法，用于预测住院COVID-19患者的生存率，并在入院后的前72小时内每6小时更新一次预测。	首次将过程挖掘技术应用于COVID-19患者的预测，并结合深度学习模型，利用时间信息提高预测准确性。	NA	开发一种新的模型，通过结合过程挖掘和深度学习技术，提高对住院COVID-19患者生存率的预测准确性。	住院COVID-19患者的生存率预测	机器学习	COVID-19	过程挖掘/深度学习	深度学习模型	临床数据	NA
1055	2024-09-02	Thermal fluid fields reconstruction for nanofluids convection based on physics-informed deep learning 2022-Jul-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-16463-1 PMID:35869129	研究论文	本文提出了一种基于物理信息深度学习的深度学习模型，用于纳米流体对流的温度流体场重建	该方法通过全连接层建立从设计变量和空间坐标到感兴趣物理场的映射函数，并在损失函数中引入守恒定律，提高了物理可解释性	NA	验证基于物理信息深度学习的温度流体场重建方法的有效性	水-AlO纳米流体的强制对流	机器学习	NA	深度学习	全连接层	物理场数据	未具体说明
1056	2024-09-02	Age estimation from sleep studies using deep learning predicts life expectancy 2022-Jul-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00630-9 PMID:35869169	研究论文	本文通过深度神经网络从多导睡眠图（PSG）中估计年龄和死亡风险，预测寿命	使用深度学习技术从多导睡眠图中估计年龄和死亡风险，相较于传统的睡眠评分方法，具有更高的准确性	研究主要基于多导睡眠图数据，可能受限于数据质量和采集条件	探索通过睡眠研究数据预测寿命的可能性	年龄在20至90岁之间的男性和女性	机器学习	NA	深度学习	深度神经网络	多导睡眠图	2500个用于建模的PSG和10,699个用于测试的PSG
1057	2024-09-02	Surrogate- and invariance-boosted contrastive learning for data-scarce applications in science 2022-Jul-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-31915-y PMID:35864122	研究论文	本文介绍了一种名为代理和不变性增强对比学习（SIB-CL）的深度学习框架，该框架利用三种易于获取的辅助信息源来解决数据稀缺问题	SIB-CL框架通过整合丰富的未标记数据、先验的对称性或不变性知识以及近乎零成本获得的代理数据，显著减少了训练模型所需的数据标签数量	NA	旨在解决自然科学领域中数据稀缺问题，通过引入新的深度学习框架来提高数据利用效率	2D光子晶体的态密度预测和3D时间无关薛定谔方程的求解等科学问题	机器学习	NA	对比学习	深度学习框架	未标记数据、代理数据	未明确提及具体样本数量
1058	2024-09-02	The Association between Muscle Quantity and Overall Survival Depends on Muscle Radiodensity: A Cohort Study in Non-Small-Cell Lung Cancer Patients 2022-Jul-21, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12071191 PMID:35887688	研究论文	本研究探讨了非小细胞肺癌患者中肌肉量与总体生存率之间的关系，并发现肌肉的放射密度是影响这一关系的关键因素	首次揭示了肌肉放射密度在非小细胞肺癌患者中对肌肉量与总体生存率关系的影响	研究仅限于接受放射治疗的非小细胞肺癌患者，结果的普遍性可能受限	探究肌肉量与非小细胞肺癌患者总体生存率之间的关系及其影响因素	非小细胞肺癌患者	NA	肺癌	计算机断层扫描	深度学习算法	图像	2840名患者，其中1975名患者死亡，观察时间为5903患者年
1059	2024-09-02	Gaze Estimation Approach Using Deep Differential Residual Network 2022-Jul-21, Sensors (Basel, Switzerland) DOI:10.3390/s22145462 PMID:35891141	研究论文	本文提出了一种使用深度差分残差网络（DRNet）的视线估计方法，结合新的损失函数利用双眼图像的差异信息	提出的DRNet模型能够更有效地利用双眼图像的差异信息，提高了视线估计的准确性和鲁棒性	仅使用单一推理图像时，该方法可能导致准确性损失	改进视线估计技术，提高其在计算机视觉领域的应用性能	视线估计中的差分信息和双眼图像	计算机视觉	NA	深度学习（DL）	差分残差网络（DRNet）	图像	主要使用两个公共数据集：MpiiGaze和Eyediap
1060	2024-09-02	Deep-Learning-Based Estimation of the Spatial QRS-T Angle from Reduced-Lead ECGs 2022-Jul-20, Sensors (Basel, Switzerland) DOI:10.3390/s22145414 PMID:35891094	研究论文	本文开发了一种基于深度学习的方法，用于从减少导联的心电图（ECG）中估计空间QRS-T角度	设计了一种新的损失函数，引导模型在三维空间中搜索每个向量的坐标，以提高估计的准确性	NA	开发一种方法，用于从减少导联的心电图中估计空间QRS-T角度，以促进日常监测	空间QRS-T角度	机器学习	心血管疾病	深度学习	深度学习模型	心电图	使用最大的公开临床12导联心电图记录数据集进行训练和验证