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
1421	2024-08-26	Unsupervised Image Registration towards Enhancing Performance and Explainability in Cardiac and Brain Image Analysis 2022-Mar-09, Sensors (Basel, Switzerland) DOI:10.3390/s22062125 PMID:35336295	研究论文	本文提出了一种无监督深度学习图像配准方法，能够同时准确建模仿射和非刚性变换，并解决逆一致性问题，以提高医学图像分析中的性能和可解释性。	本文引入了双向跨模态图像合成和逆一致性损失，以学习模态不变的潜在表示和保持拓扑结构的人体解剖变换。	NA	提高医学图像分析中的图像配准性能和可解释性。	心脏和脑部图像的多模态和单模态MRI数据。	计算机视觉	NA	MRI	深度学习模型	图像	多模态脑部2D和3D MRI数据，单模态心脏4D MRI数据
1422	2024-08-26	Towards Cognitive Authentication for Smart Healthcare Applications 2022-Mar-09, Sensors (Basel, Switzerland) DOI:10.3390/s22062101 PMID:35336276	研究论文	本文探讨了在智能医疗应用中使用认知认证技术，特别是通过脑电图（EEG）进行生物识别认证的方法	本文引入了通过脑电图（EEG）进行认知认证的新方法，这种方法因其可靠、灵活和独特的特性而难以被未授权实体模仿	实验仅基于20名受试者的EEG数据，可能限制了研究结果的普遍性	研究旨在提高智能医疗应用中的安全性和能源效率	研究对象包括EEG数据分析和脑机接口（BCI）的解释	机器学习	NA	脑电图（EEG）	随机森林（RF）分类器	EEG数据	20名受试者
1423	2024-08-26	Artificial Intelligence-Enhanced Smartwatch ECG for Heart Failure-Reduced Ejection Fraction Detection by Generating 12-Lead ECG 2022-Mar-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12030654 PMID:35328207	研究论文	研究开发并验证了一种人工智能（AI）增强的智能手表心电图（ECG），用于检测心衰-射血分数降低（HFrEF）	通过AI模型ECGT2T从非同步的2导联ECG合成十导联ECG，并使用基于卷积神经网络的AI模型检测HFrEF	NA	开发和验证一种AI增强的智能手表ECG，用于检测HFrEF	成人患者的心电图和射血分数	机器学习	心血管疾病	生成对抗网络	卷积神经网络	心电图	137,673名患者用于开发ECGT2T模型，38,643名患者用于开发HFrEF检测模型，755名患者用于验证
1424	2024-08-26	An Improved 3D Deep Learning-Based Segmentation of Left Ventricular Myocardial Diseases from Delayed-Enhancement MRI with Inclusion and Classification Prior Information U-Net (ICPIU-Net) 2022-Mar-08, Sensors (Basel, Switzerland) DOI:10.3390/s22062084 PMID:35336258	研究论文	本文提出了一种改进的3D深度学习分割方法ICPIU-Net，用于从延迟增强MRI图像中分割左心室心肌疾病，并结合分类先验信息	ICPIU-Net通过两个级联子网首先分割左心室腔和心肌，然后使用包含和分类约束网络改进病变区域的分割，结合LGE-MRI的包含和分类信息以保持病理区域的拓扑约束	NA	提高左心室心肌疾病从延迟增强MRI图像中的分割准确性	左心室心肌、心肌梗死和微血管阻塞组织	计算机视觉	心血管疾病	延迟增强磁共振成像(LGE-MR)	U-Net	图像	50张LGE-MR图像
1425	2024-08-26	Computer-Assisted Pterygium Screening System: A Review 2022-Mar-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12030639 PMID:35328192	综述	本文综述了计算机辅助翼状胬肉筛查系统的类型、严重性、风险因素及现有最先进技术	介绍了深度学习网络在翼状胬肉筛查中的应用，包括分类、病变组织定位和像素级语义分割	NA	探讨计算机辅助翼状胬肉筛查系统的发展及其对全球人群的益处	翼状胬肉筛查系统的技术及其应用	计算机视觉	眼科疾病	深度学习	CNN	图像	NA
1426	2024-08-26	Deep Learning for Smart Healthcare-A Survey on Brain Tumor Detection from Medical Imaging 2022-Mar-02, Sensors (Basel, Switzerland) DOI:10.3390/s22051960 PMID:35271115	综述	本文综述了利用深度学习方法从医学影像中检测脑肿瘤的研究进展	探讨了不同类型的深度学习方法在MRI数据上的应用，并评估了现有的挑战和未来的发展方向	NA	旨在解决脑肿瘤高死亡率问题，通过技术辅助提高诊断效率	脑肿瘤的检测	计算机视觉	脑肿瘤	磁共振成像（MRI）	卷积神经网络（CNN）	图像	每年约700,000人患有原发性脑肿瘤，每年新增约85,000人
1427	2024-08-26	Deep-dLAMP: Deep Learning-Enabled Polydisperse Emulsion-Based Digital Loop-Mediated Isothermal Amplification 2022-03, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202105450 PMID:35072353	研究论文	本文报道了一种基于深度学习的聚分散乳液数字环介导等温扩增技术（deep-dLAMP），用于无标记、低成本的核酸定量	deep-dLAMP利用深度学习算法分割图像并确定每个乳液的占据状态，通过乳液的体积和占据数据基于泊松分布推断核酸浓度，显著降低了仪器成本	NA	开发一种新型的数字核酸扩增测试技术，以降低成本并提高广泛应用的可能性	聚分散乳液中的数字环介导等温扩增反应及其通过深度学习进行的图像分析	生物技术	NA	数字环介导等温扩增（LAMP）	深度学习模型	图像	检测限为5.6拷贝/µl，动态范围为37.2至11000拷贝/µl
1428	2024-08-26	General and custom deep learning autosegmentation models for organs in head and neck, abdomen, and male pelvis 2022-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.15507 PMID:35094390	研究论文	本文开发并评估了用于头部和颈部、腹部及男性骨盆器官自动分割的通用和定制深度学习模型，使用深度卷积神经网络（DCNN）进行计算机断层扫描（CT）图像处理。	采用了适应性空间分辨率方法和伪扫描扩展方法来提高小或狭窄器官的分割准确性，并展示了多解剖深度学习自动分割模型在临床放射治疗规划中的实用性。	对于26%的器官风险区域（OARs），模型的准确性仅达到可接受水平。	减少放射治疗规划中器官分割的工作量和一致性问题。	头部和颈部、腹部及男性骨盆的42个器官风险区域（OARs）。	计算机视觉	NA	深度卷积神经网络（DCNN）	DCNN	CT图像	使用多机构数据集和单机构数据集分别训练了两种深度学习模型。
1429	2024-08-26	Current Only-Based Fault Diagnosis Method for Industrial Robot Control Cables 2022-Mar-01, Sensors (Basel, Switzerland) DOI:10.3390/s22051917 PMID:35271064	研究论文	本研究提出了一种基于电流的新颖检测方法，用于诊断工业机器人控制电缆的软故障	采用自动编码器架构和移动平均滤波器来检测新颖性并计算异常分数，以在环境干扰下准确诊断软故障	NA	开发一种有效的软故障诊断方法，适用于工业机器人控制电缆	工业机器人控制电缆的软故障	机器学习	NA	新颖检测	自动编码器	电流数据	11种故障场景下的数据集
1430	2024-08-26	Analyzing Classification Performance of fNIRS-BCI for Gait Rehabilitation Using Deep Neural Networks 2022-Mar-01, Sensors (Basel, Switzerland) DOI:10.3390/s22051932 PMID:35271077	研究论文	本研究提出了一种基于深度学习和机器学习方法的脑机接口框架，用于功能性近红外光谱（fNIRS）信号的脑信号分类	本研究展示了使用深度学习方法相比传统机器学习方法在分类准确性上的显著提升	NA	探讨深度学习在fNIRS-BCI系统中对步态康复的分类性能	fNIRS信号的分类性能	机器学习	NA	功能性近红外光谱（fNIRS）	卷积神经网络（CNN）、长短期记忆（LSTM）、双向LSTM（Bi-LSTM）	信号	九名受试者的左脑初级运动皮层的fNIRS信号
1431	2024-08-26	Automatic wound detection and size estimation using deep learning algorithms 2022-03, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1009852 PMID:35275923	研究论文	本文开发了一种基于深度学习的图像分析流程，用于自动检测和估计伤口大小	提出了一种利用深度学习算法自动检测和估计伤口大小的方法，特别是在图像中利用环形支架来预测伤口大小	数据集相对较小，仅包含256张图像，且并非专为训练深度学习模型设计	开发一种能够高效准确地跟踪伤口大小的高通量方法	实验室小鼠的伤口图像	计算机视觉	NA	深度学习	CNN	图像	256张图像
1432	2024-08-26	Use of machine learning in osteoarthritis research: a systematic literature review 2022-03, RMD open IF:5.1Q1 DOI:10.1136/rmdopen-2021-001998 PMID:35296530	综述	本综述旨在全面概述机器学习在骨关节炎临床护理中的应用	提供了机器学习在骨关节炎临床研究中应用的最新概述	大多数研究未进行外部验证，且未涉及手部骨关节炎的研究	全面了解机器学习在骨关节炎临床护理中的应用情况	骨关节炎的诊断、预测、表型分析、严重程度和进展	机器学习	骨关节炎	机器学习算法	深度学习	影像分析	涉及的患者数量从18到5749不等，主要涉及膝关节骨关节炎和髋关节骨关节炎
1433	2024-08-26	Bee Tracker-an open-source machine learning-based video analysis software for the assessment of nesting and foraging performance of cavity-nesting solitary bees 2022-Mar, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.8575 PMID:35342575	研究论文	本文介绍了一种基于机器学习的视频分析软件Bee Tracker，用于自动跟踪和分析洞巢独居蜂的觅食和筑巢行为	该软件通过四个训练好的深度学习网络，能够检测蜜蜂进出巢穴的行为，并识别蜜蜂胸部的个体ID和巢穴ID，实现了对大量洞巢独居蜂个体行为的同步跟踪和分析	NA	开发一种高效的方法来收集洞巢独居蜂的行为数据，以评估环境压力对其健康的影响	洞巢独居蜂的觅食和筑巢行为	机器学习	NA	深度学习网络	CNN	视频	8个视频，每个视频记录24只筑巢雌蜂
1434	2024-08-26	BOVIDS: A deep learning-based software package for pose estimation to evaluate nightly behavior and its application to common elands (Tragelaphus oryx) in zoos 2022-Mar, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.8701 PMID:35342615	研究论文	本文介绍了一种基于深度学习的软件包BOVIDS，用于姿态估计以评估动物园中普通伊兰羚羊的夜间行为，并分析了年龄、性别对夜间活动的影响。	首次详细描述了普通伊兰羚羊的夜间行为，并开发了一种基于深度学习的软件包BOVIDS用于姿态识别。	研究样本主要集中在动物园中的普通伊兰羚羊，可能不完全代表野生环境中的行为。	扩展对非洲有蹄类动物夜间行为的数据基础，并提供对动物福利和动物园饲养条件的更好理解。	动物园中的普通伊兰羚羊及其夜间行为。	机器学习	NA	深度学习	NA	视频	25只普通伊兰羚羊，来自5个动物园，共822晚的视频材料。
1435	2024-08-26	Study of Different Deep Learning Methods for Coronavirus (COVID-19) Pandemic: Taxonomy, Survey and Insights 2022-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s22051890 PMID:35271037	研究论文	本文综述了利用深度学习技术在医学影像模式（如CT和胸片）中检测和分类COVID-19的应用	提供了关于COVID-19检测和分类的深度学习系统的概述，并总结了最常用的训练数据库	探讨了使用深度学习算法检测COVID-19的挑战	旨在概述深度学习在COVID-19诊断中的应用	COVID-19的检测和分类	机器学习	COVID-19	深度学习	NA	医学影像	NA
1436	2024-08-26	Kidney Tumor Semantic Segmentation Using Deep Learning: A Survey of State-of-the-Art 2022-Feb-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8030055 PMID:35324610	综述	本文综述了基于深度学习的肾肿瘤语义分割技术的最新进展	NA	NA	探讨肾肿瘤分割系统中深度学习的应用	肾肿瘤的语义分割	计算机视觉	肾癌	深度学习	CNN	图像	NA
1437	2024-08-26	Medical Professional Enhancement Using Explainable Artificial Intelligence in Fetal Cardiac Ultrasound Screening 2022-Feb-25, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines10030551 PMID:35327353	研究论文	本文提出了一种基于深度学习的可解释表示“图表图”，用于支持胎儿心脏超声筛查，旨在提高诊断支持工具的可解释性和医疗专业人员的信心。	首次展示了使用基于深度学习的可解释表示来提高胎儿心脏超声筛查性能的方法。	NA	提高人工智能在医疗领域的可解释性和临床应用的可信度。	胎儿心脏超声筛查和医疗专业人员对AI决策的信任。	机器学习	先天性心脏病	深度学习	深度神经网络	超声图像	NA
1438	2024-08-26	A Comprehensive Evaluation of Metabolomics Data Preprocessing Methods for Deep Learning 2022-Feb-24, Metabolites IF:3.4Q2 DOI:10.3390/metabo12030202 PMID:35323644	研究论文	本文评估了代谢组学数据预处理方法对深度学习性能的影响	本文填补了深度学习在生命科学数据分析中数据预处理方法影响的评估空白	NA	评估代谢组学数据预处理方法对深度学习性能的影响	代谢组学数据预处理方法	机器学习	NA	深度学习	NA	代谢组学数据	NA
1439	2024-08-26	Improving mammography lesion classification by optimal fusion of handcrafted and deep transfer learning features 2022-02-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac5297 PMID:35130517	研究论文	本研究旨在通过融合手工特征和深度迁移学习特征来提高乳腺X线摄影病变分类的性能	本研究首次验证了手工特征和自动化特征的互补性，并通过特征融合显著提高了计算机辅助诊断系统的性能	研究仅使用了单一类型的数据集，且未探讨不同数据预处理方法对结果的影响	测试手工特征和自动化特征的互补性，并通过特征融合提高计算机辅助诊断系统的性能	乳腺X线摄影中的1535个病变区域（740个恶性，795个良性）	数字病理学	乳腺癌	迁移学习	VGG16	图像	1535个病变区域
1440	2024-08-26	A Comparative Study of Deep Learning Classification Methods on a Small Environmental Microorganism Image Dataset (EMDS-6): From Convolutional Neural Networks to Visual Transformers 2022, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2022.792166 PMID:35308350	研究论文	本文对21种深度学习模型在小规模环境微生物图像数据集上进行了一系列比较实验，包括直接分类、不平衡训练和超参数调整实验	发现21种模型之间存在互补性，为特征融合相关实验提供了基础	几何变形的数据增强方法难以提升VT系列模型的性能	为研究人员提供可靠的参考，寻找适合当前设备工作环境的具有良好分类性能的模型	小规模环境微生物图像数据集	计算机视觉	NA	深度学习	CNN, ViT, DeiT, BotNet, T2T-ViT, Xception, ShuffleNet-V2	图像	小规模环境微生物图像数据集（EMDS-6）