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
1341	2024-08-27	A novel wavelet decomposition and transformation convolutional neural network with data augmentation for breast cancer detection using digital mammogram 2022-04-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-09905-3 PMID:35396565	研究论文	本文提出了一种新的基于小波分解和变换的卷积神经网络结合数据增强方法，用于通过数字乳腺X线摄影检测乳腺癌	本研究通过小波-CNN-小波架构，结合缝雕刻和小波分解算法进行图像预处理，并提出了一种新的小波变换函数，以改进CNN架构，提高数字乳腺摄影中判别特征的检测和分类准确性	目前尚无机制用于区分应增强和应消除的特征以进行特征增强	旨在解决现有方法在特征增强方面的不完整性，并提高乳腺癌检测的分类准确性	乳腺癌的检测	数字病理学	乳腺癌	小波变换	CNN	图像	使用了DDSM + CBIS和MIAS数据集进行实验
1342	2024-08-27	An Automated Glowworm Swarm Optimization with an Inception-Based Deep Convolutional Neural Network for COVID-19 Diagnosis and Classification 2022-Apr-08, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare10040697 PMID:35455876	研究论文	本文提出了一种基于自动萤火虫群优化（GSO）和基于Inception的深度卷积神经网络（IDCNN）的COVID-19诊断和分类模型，称为GSO-IDCNN模型	该模型采用高斯平滑滤波器（GSF）去除放射图像中的噪声，并使用基于Inception v4模型的IDCNN特征提取器，通过GSO算法优化超参数，最后使用自适应神经模糊分类器（ANFC）进行COVID-19分类	NA	开发一种结合深度学习模型和放射图像的COVID-19诊断和分类方法	COVID-19的诊断和分类	机器学习	COVID-19	深度学习	CNN	图像	使用基准放射图像数据库进行了一系列模拟实验
1343	2024-08-27	Artificial intelligence-assisted drug repurposing via "chemical-induced gene expression ranking" 2022-Apr-08, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100470 PMID:35465226	研究论文	本文介绍了使用人工智能算法进行药物再利用的方法，特别是通过化学诱导基因表达排序（CIGER）框架来克服数据不可靠性，并发现针对胰腺癌的再利用药物	开发了CIGER深度学习框架，用于处理数据不可靠性问题，并成功应用于胰腺癌的药物再利用	NA	利用人工智能算法进行药物再利用，特别是针对胰腺癌的治疗	药物再利用和胰腺癌治疗	机器学习	胰腺癌	深度学习	深度学习框架	基因表达数据	NA
1344	2024-08-27	QUCoughScope: An Intelligent Application to Detect COVID-19 Patients Using Cough and Breath Sounds 2022-Apr-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12040920 PMID:35453968	研究论文	本文介绍了一种名为QUCoughScope的智能应用，该应用利用咳嗽和呼吸声音来检测COVID-19患者	开发了一种创新的堆叠CNN模型，该模型使用三种基础学习器从八种最先进的深度学习CNN算法中构建，用于检测COVID-19患者	NA	利用机器学习方法在家中检测COVID-19患者，以减轻医疗系统的负担并防止病毒的不知情传播	COVID-19患者（包括有症状和无症状）	机器学习	COVID-19	深度学习	堆叠CNN模型	声音数据（咳嗽和呼吸声）	582名健康个体和141名COVID-19患者，其中87名无症状，54名有症状
1345	2024-08-27	Security Risk Level Prediction of Carbofuran Pesticide Residues in Chinese Vegetables Based on Deep Learning 2022-Apr-06, Foods (Basel, Switzerland) DOI:10.3390/foods11071061 PMID:35407150	研究论文	本文构建了一个基于深度学习的安全风险评估模型，结合k-means++算法，用于预测中国蔬菜中克百威农药残留的安全风险等级	提出的CNN-AOA-LSTM模型结合了卷积神经网络、算术优化算法和长短期记忆网络，其预测准确率比常用的深度神经网络模型高出6.12%至18.99%	实验仅在一个小样本数据集上进行，可能影响模型的泛化能力	预测蔬菜中克百威农药残留的安全风险等级，为政府提供前瞻性监管	中国蔬菜中的克百威农药残留	机器学习	NA	深度学习	CNN-AOA-LSTM	数据集	小样本数据集
1346	2024-08-27	Deep Tower Networks for Efficient Temperature Forecasting from Multiple Data Sources 2022-Apr-06, Sensors (Basel, Switzerland) DOI:10.3390/s22072802 PMID:35408416	研究论文	本文开发并研究了一种名为塔网络的新型深度学习方法，用于从多个数据源进行短期温度预测	塔网络能够同时从多个输入数据源学习，并在天气预报性能、内存使用和训练时间方面表现出色	NA	解决处理多类型数据流问题的复杂性和挑战	短期温度预测	机器学习	NA	深度学习	塔网络	多源数据	NA
1347	2024-08-27	The INDEPTH (Impact of Nuclear Domains on Gene Expression and Plant Traits) Academy: a community resource for plant science 2022-04-05, Journal of experimental botany IF:5.6Q1 DOI:10.1093/jxb/erac005 PMID:35090020	research paper	本文介绍了INDEPTH（核域对基因表达和植物性状的影响）COST行动开发的通过INDEPTH学院提供的各种材料	INDEPTH学院提供了包括大师班教程、标准化协议和教学网络研讨会在内的资源，以及支持核成像和空间分析以及深度学习自动化分析的快速发展存储库	NA	旨在提供共享的高质量资源、协议标准化和开放访问数据存储库，以支持植物和作物科学中的表观遗传控制研究	植物和作物科学中的表观遗传控制	NA	NA	深度学习	NA	图像	约200名研究人员，来自32个国家的80个实验室
1348	2024-08-27	fastMRI+, Clinical pathology annotations for knee and brain fully sampled magnetic resonance imaging data 2022-04-05, Scientific data IF:5.8Q1 DOI:10.1038/s41597-022-01255-z PMID:35383186	research paper	本文介绍了fastMRI+数据集，该数据集包含了对fastMRI膝关节和脑部数据集的临床病理学注释	fastMRI+数据集提供了专家病理学注释，这对于开发临床相关的重建框架和探索新型方法在特定病理呈现中的应用至关重要	NA	旨在支持医学影像在MRI重建及其他领域的进一步研究和进展	fastMRI膝关节和脑部数据集的临床病理学注释	digital pathology	NA	Magnetic Resonance Imaging (MRI)	NA	image	膝关节数据集包含16154个专家边界框注释和13个研究级别标签，脑部数据集包含7570个专家边界框注释和643个研究级别标签
1349	2024-08-27	MSAL-Net: improve accurate segmentation of nuclei in histopathology images by multiscale attention learning network 2022-04-04, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-022-01826-5 PMID:35379228	研究论文	本文提出了一种多尺度注意力学习网络（MSAL-Net），用于在组织病理学图像中精确分割细胞核	MSAL-Net通过密集扩张卷积块捕获更全面的细胞核上下文信息，并引入改进的解码器部分，集成高效通道注意力和边界细化模块，有效学习空间信息以更好地预测和细化细胞核边界	NA	提高组织病理学图像中细胞核分割的准确性	组织病理学图像中的细胞核	数字病理学	NA	卷积神经网络	U-net	图像	使用公开可用的MoNuseg数据集进行实验
1350	2024-08-27	Deep Learning-Based Next-Generation Waveform for Multiuser VLC Systems 2022-Apr-04, Sensors (Basel, Switzerland) DOI:10.3390/s22072771 PMID:35408385	research paper	本文比较了基于深度学习的系统和传统最大似然解码器系统在多用户可见光通信系统中使用非正交多址接入技术和连续干扰消除技术的性能	提出了一种基于深度学习的下一代波形技术，用于多用户可见光通信系统，显示出比传统最大似然解码器系统更好的性能	NA	研究并比较不同检测技术在多用户可见光通信系统中的性能	多用户可见光通信系统中的非正交多址接入技术和连续干扰消除技术	machine learning	NA	深度学习	NA	信号	四用户
1351	2024-08-27	Explainable AI for CNN-based prostate tumor segmentation in multi-parametric MRI correlated to whole mount histopathology 2022-Apr-02, Radiation oncology (London, England) DOI:10.1186/s13014-022-02035-0 PMID:35366918	研究论文	本研究使用可解释的深度学习模型来解释基于卷积神经网络（CNN）的前列腺肿瘤在多参数MRI中的分割预测	采用Gradient Weighted Class Activation Map（Grad-CAM）方法生成热图，以解释CNN的分割结果	CNN在前列腺肿瘤分割上的Dice Sorensen Coefficient较低，且与手动分割结果无显著差异	提高前列腺肿瘤在多参数MRI中的自动分割准确性并提供解释	前列腺肿瘤的自动分割及其解释	计算机视觉	前列腺癌	多参数MRI	CNN	图像	122名患者的多参数MRI数据用于训练，15名患者的全切片组织病理学图像用于测试
1352	2024-08-27	A Hybrid Deep Learning Approach for ECG-Based Arrhythmia Classification 2022-Apr-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9040152 PMID:35447712	研究论文	本文提出了一种基于心电图（ECG）的混合深度学习方法，用于自动化心律失常的检测和分类	将1D ECG信号转换为2D Scalogram图像以自动化噪声过滤和特征提取，并结合2D卷积神经网络（CNN）和长短期记忆（LSTM）网络，提出了一种名为2D-CNN-LSTM的混合模型	未来工作可以应用于实时ECG信号，并考虑使用Bi-LSTM替代LSTM	设计一个高效的自动化系统来分析ECG所包含的大量数据，以检测和分类心律失常	心电图（ECG）信号及其所包含的心律失常信息	机器学习	心血管疾病	深度学习	2D-CNN-LSTM	图像	使用了广泛采用的MIT-BIH心律失常数据库进行实验
1353	2024-08-27	Deep learning-based convolutional neural network for intramodality brain MRI synthesis 2022-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.13530 PMID:35044073	research paper	本研究开发了一种基于深度学习的卷积神经网络（CNN），用于脑部MRI不同对比度图像之间的转换	使用U-Net模型学习源图像对比度到目标图像对比度的非线性映射，能够在脑部MRI对比度间进行准确的图像到图像转换	生成的合成FLAIR图像质量稍低，细节有所丢失	提高脑癌患者的临床决策和诊断质量，通过提供多对比度MRI	脑癌患者的多对比度MRI图像	computer vision	脑癌	卷积神经网络（CNN）	U-Net	image	477名临床诊断为胶质瘤脑癌的患者
1354	2024-08-27	Artificial Intelligence to Improve Risk Prediction with Nuclear Cardiac Studies 2022-04, Current cardiology reports IF:3.1Q2 DOI:10.1007/s11886-022-01649-w PMID:35171443	综述	本文综述了机器学习为基础的人工智能在核心脏学中的应用，以及其在心血管疾病风险预测中的表现和贡献	探讨了机器学习为基础的人工智能在核心脏学研究中的应用，特别是SPECT和PET技术，以改善疾病风险分类和不良事件预测	目前研究在方法上存在差异，包括使用统计机器学习方法或深度学习与不同架构、数据集大小和性能	总结和讨论核心脏学技术和人工智能的原则，以及当前关于其在心血管疾病风险预测中性能和贡献的证据	核心脏学研究和心血管疾病风险预测	机器学习	心血管疾病	机器学习	深度学习	影像	NA
1355	2024-08-27	Association of Selective Serotonin Reuptake Inhibitor Use With Abnormal Physical Movement Patterns as Detected Using a Piezoelectric Accelerometer and Deep Learning in a Nationally Representative Sample of Noninstitutionalized Persons in the US 2022-04-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2022.5403 PMID:35389502	研究论文	本研究使用压电加速度计和深度学习技术，在一项全国代表性的非机构化人群样本中，评估选择性血清素再摄取抑制剂（SSRI）使用与异常身体运动模式之间的关系	首次使用自然主义、纵向、客观数据的大规模研究来验证SSRI使用者的身体活动发现	本研究为横断面研究，可能存在指示性混杂因素，且模型性能仅为中等	评估SSRI使用者与对照组之间是否存在身体运动差异，并识别SSRI使用者运动的独特特征	选择性血清素再摄取抑制剂（SSRI）使用者与非使用者的身体运动模式	机器学习	NA	压电加速度计	深度学习模型	运动数据	7162名参与者
1356	2024-08-27	A New Deep Hybrid Boosted and Ensemble Learning-Based Brain Tumor Analysis Using MRI 2022-Apr-01, Sensors (Basel, Switzerland) DOI:10.3390/s22072726 PMID:35408340	研究论文	本文提出了一种新的两阶段深度学习框架，用于在磁共振图像（MRI）中检测和分类脑肿瘤	提出了一个新颖的深度增强特征空间和集成分类器（DBFS-EC）方案，以及一种基于混合特征融合的脑肿瘤分类方法	未提及	旨在通过深度学习技术提高脑肿瘤分析的准确性和效率	脑肿瘤的检测和分类	计算机视觉	脑肿瘤	深度学习	CNN	图像	使用了来自Kaggle和Figshare的两个标准基准数据集，包含不同类型的肿瘤图像，如胶质瘤、脑膜瘤、垂体瘤和正常图像
1357	2024-08-27	Deep learning -- promises for 3D nuclear imaging: a guide for biologists 2022-04-01, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.258986 PMID:35420128	综述	本文综述了深度学习在3D核成像中的应用，特别强调了其在细胞生物学中的潜力和可用性	介绍了深度学习方法在生物医学图像分析中的应用，特别是卷积神经网络在3D核成像中的应用	文中指出目前可供生物学家使用的深度学习方法较少，仅有不到12种	推广深度学习方法在细胞生物学中的应用，并提供最佳实践	3D核成像技术及其在细胞生物学中的应用	计算机视觉	NA	深度学习	卷积神经网络	图像	使用大型数据集进行训练
1358	2024-08-27	Impact of coronary plaque morphology on the precision of computational fractional flow reserve derived from optical coherence tomography imaging 2022-Apr, Cardiovascular diagnosis and therapy IF:2.1Q3 DOI:10.21037/cdt-21-505 PMID:35433350	研究论文	本研究探讨了冠状动脉斑块形态对基于光学相干断层扫描（OCT）图像计算的分数流储备（FFR）精度的影响	本研究首次分析了斑块组成对计算FFR数值精度的影响，并使用深度学习算法分析了OCT图像中的冠状动脉斑块形态	研究为回顾性、横断面观察性研究，且样本量相对较小	评估冠状动脉斑块形态对计算FFR精度的影响	冠状动脉斑块形态及其对计算FFR精度的影响	数字病理学	心血管疾病	光学相干断层扫描（OCT）	深度学习算法	图像	共分析了193名患者的230个具有中度冠状动脉狭窄的血管
1359	2024-08-27	Live-cell fluorescence spectral imaging as a data science challenge 2022-Apr, Biophysical reviews IF:4.9Q1 DOI:10.1007/s12551-022-00941-x PMID:35528031	综述	本文综述了活细胞荧光光谱成像技术的发展及其在数据分析方面的挑战	介绍了从线性方程系统到矩阵分解、聚类和深度学习方法的演进	NA	旨在为实验科学家和数据分析师提供关于荧光活细胞成像光谱解混算法发展的直接描述	活细胞荧光光谱成像数据分析	计算机视觉	NA	荧光光谱成像	深度学习	图像	NA
1360	2024-08-27	Deep Learning-Based Monocular 3D Object Detection with Refinement of Depth Information 2022-Mar-28, Sensors (Basel, Switzerland) DOI:10.3390/s22072576 PMID:35408191	研究论文	本文提出了一种基于深度学习的单目3D物体检测方法，通过改进深度信息来提高检测性能	提出了两种创新解决方案：一是基于联合图像分割和几何约束的方法，用于预测目标深度并提供深度预测置信度；二是利用目标尺度与高斯函数归一化作为先验信息，减少深度分布的不确定性	主要限制是由于目标位置的不准确和前景目标深度分布的不确定性，这些问题源于深度估计的不准确	提高基于伪激光雷达数据的单目3D目标检测的鲁棒性	单目3D目标检测中的深度信息	计算机视觉	NA	深度学习	CNN	图像	在具有挑战性的KITTI数据集上进行了大量实验