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
1701	2024-08-05	Predicting microbiome compositions from species assemblages through deep learning 2022-Mar, iMeta IF:23.7Q1 DOI:10.1002/imt2.3 PMID:35757098	研究论文	本文提出了一种通过深度学习预测微生物群落组成的方法	开发了一种深度学习框架，能够在没有任何物理、生化或生态过程知识的情况下，从物种组合中自动学习群落组成的映射	虽然在合成数据和真实微生物群落数据上进行了验证，但未提及实际操作中的潜在限制	改善对不同物种组合如何影响微生物群落最终组成的预测能力	聚焦于海洋和土壤微生物群落、肠道微生物群落以及人类肠道和口腔微生物群落	计算机视觉	NA	深度学习	NA	合成数据和真实微生物群落数据	小数量的训练样本
1702	2024-08-05	MR image reconstruction from undersampled data for image-guided radiation therapy using a patient-specific deep manifold image prior 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.1013783 PMID:36479074	研究论文	本研究提出了一种利用患者特定图像先验进行高质量MR图像重建的方法	该研究创新地利用患者特定的图像先验，结合深度自编码器来提高重建的MR图像质量	该研究的局限性在于仅针对特定患者数据进行测试，可能无法普遍适用	本研究旨在提高利用欠采样数据进行MR图像重建的质量，以用于图像引导放射治疗	研究对象包括一名患者案例和三名肝癌患者的真实病例研究	数字病理学	肝癌	MRI	深度自编码器	图像	4个患者案例（包括1个患者案例和3个肝癌患者案例）
1703	2024-08-05	Using deep learning to automatically generate design starting points for free-form imaging optical systems 2022-Jul-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.460977 PMID:36256238	研究论文	本文提出了一种使用深度神经网络自动生成自由形状三镜成像系统设计起始点的方法	创新点在于使用深度神经网络结合双种子扩展曲线算法和编码优化自动生成设计起始点	该方法的局限性在于目前仅针对具有不同折叠配置的自由形状三镜系统进行验证	研究旨在减少自由形状成像系统的设计时间和精力	研究对象为自由形状三镜成像系统	光学设计	NA	深度学习	深度神经网络	数据集	多个数据集由双种子扩展曲线算法自动生成
1704	2024-08-05	Analysis of psychological characteristics and emotional expression based on deep learning in higher vocational music education 2022, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2022.981738 PMID:36211911	研究论文	本文探讨了基于深度学习的文本情感分析问题，提出了一种新的模型	提出了一种基于深度双向长短期记忆网络和自注意机制的自定义分类器模型	算法的准确性比传统算法低约5%	研究文本情感分析的方法和模型	用户信息和产品信息	自然语言处理	NA	深度学习	深度双向长短期记忆网络	文本	公共数据集
1705	2024-08-05	Barnacles Mating Optimizer with Deep Transfer Learning Enabled Biomedical Malaria Parasite Detection and Classification 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7776319 PMID:35694571	研究论文	该文章提出了一种新的模型用于检测和分类疟疾寄生虫。	引入了Barnacles Mating Optimizer与深度迁移学习相结合的模型，提升了疟疾寄生虫的检测和分类准确性。	NA	研究旨在通过自动化工具提高疟疾的诊断准确性。	研究对象为病血涂片图像中的疟疾寄生虫。	计算机视觉	疟疾	深度学习	极限学习机	图像	使用基准数据集进行广泛的实验分析
1706	2024-08-05	A Novel Hybrid Deep Learning Model for Metastatic Cancer Detection 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8141530 PMID:35785076	研究论文	本文提出了一种新的混合深度学习模型用于转移性癌症的检测	推出了混合的AlexNet-门控递归单元模型（AlexNet-GRU），并在乳腺癌淋巴结检测中表现出色	研究未提及模型在实际临床环境中的应用效果	旨在提高癌症的检测效率并减少病理学家在诊断过程中的错误	乳腺癌淋巴结样本	机器学习	乳腺癌	深度学习	AlexNet-GRU	图像	使用了Kaggle（PCam）数据集中的淋巴结癌症样本
1707	2024-08-05	Design and implementation of real-time object detection system based on single-shoot detector and OpenCV 2022, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2022.1039645 PMID:36405169	研究论文	本研究设计并实施了一种实时目标检测和识别系统，使用单次检测器(SSD)算法和深度学习技术	提出了一种高准确率和高效率的实时目标检测系统，并研究了多种预训练模型在不同数据集上的表现	系统需在合理的设备上运行，且对数据集的选择和模型的准确性依赖较大	开发并调查一种基于深度学习和神经网络的实时目标检测和识别系统	使用开放数据集评估SSD算法的性能及准确性	计算机视觉	NA	深度学习	SSD	图像	使用MS Common Objects in Context (COCO)、PASCAL VOC和Kitti等开放数据集进行评估
1708	2024-08-05	Deep learning automates detection of wall motion abnormalities via measurement of longitudinal strain from ECG-gated CT images 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.1009445 PMID:36588550	研究论文	本文展示了一种深度学习框架能够自动和准确地测量纵向应变，以检测心壁运动异常	提出了一种新的自动化方法，通过深度学习进行左心室血池分割和纵向成像平面的描绘	样本数量有限且仅在训练和测试队列中评估	研究使用深度学习框架自动测量纵向应变以检测心壁运动异常的能力	分析了100个临床cineCT研究中心脏的AHA段是否存在运动异常	数字病理学	心血管疾病	深度学习	卷积神经网络	CT图像	100个临床cineCT研究
1709	2024-08-05	Detection of left ventricular wall motion abnormalities from volume rendering of 4DCT cardiac angiograms using deep learning 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.919751 PMID:35966529	研究论文	本研究开发并评估了利用深度学习从动态体积渲染的4DCT心脏血管造影中检测左心室壁运动异常的能力	提出了一种基于深度学习的方案，通过动态体积渲染视频提高左心室壁运动异常的检测准确性	研究仅依赖于回顾性评估，样本来源于单一中心，可能存在一定的选择偏倚	研究旨在提高心血管疾病患者左心室壁运动异常的检测准确性	研究对象为343个ECG门控的心脏4DCT研究	计算机视觉	心血管疾病	4DCT	深度学习 (DL)，包括Inception网络和长短期记忆网络 (LSTM)	视频	343个心脏4DCT研究
1710	2024-08-05	Deep learning applications in coronary anatomy imaging: a systematic review and meta-analysis 2022-Dec, Journal of medical artificial intelligence DOI:10.21037/jmai-22-36 PMID:36861064	系统评价和Meta分析	本文章系统评估深度学习在冠状动脉解剖成像中的应用及其准确性.	本文提供了对深度学习在冠状动脉解剖成像中应用的全面分析，并展示了CNN模型在此领域的强大性能.	大多数研究的外部验证尚未进行，临床应用准备不足.	评估深度学习应用于冠状动脉解剖成像的准确性.	应用深度学习技术进行冠状动脉解剖成像的相关研究.	医学成像	冠状动脉疾病	深度学习, 具体为卷积神经网络(CNN)	CNN	医学影像	81项研究符合纳入标准
1711	2024-08-05	A deep learning framework for inference of single-trial neural population dynamics from calcium imaging with subframe temporal resolution 2022-12, Nature neuroscience IF:21.2Q1 DOI:10.1038/s41593-022-01189-0 PMID:36424431	研究论文	这篇文章提出了一种深度学习框架，用于从具有亚帧时间分辨率的钙成像中推断单次试验神经群体动态	该研究开发了RADICaL方法，以解决利用钙信号推断网络动态中的噪声和时间分辨率限制	研究主要集中在合成测试上，实际应用可能面临的挑战未完全探讨	研究旨在提高从钙成像中推断神经网络状态的精度	使用进行前肢到达任务的小鼠的2p钙成像数据	神经科学	NA	钙成像	递归自编码器	钙成像数据	小鼠的2p记录数据，样本量未具体描述
1712	2024-08-05	Tagged-MRI Sequence to Audio Synthesis via Self Residual Attention Guided Heterogeneous Translator 2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-16446-0_36 PMID:36820764	研究论文	该文章提出了一种基于自残差注意力的异构翻译器，从带标记的MRI序列生成音频波形	创新点在于采用全卷积不对称翻译器和自残差注意力策略，以处理语音中的肌肉运动结构	该研究的局限性在于使用的数据集规模有限	研究目标是理解带标记的MRI与可懂语音之间的关系	研究对象为带标记的MRI序列和其对应的音频波形	计算机视觉	言语相关疾病	深度学习	生成对抗网络	图像和音频	63个带标记的MRI序列
1713	2024-08-05	Residue-wise local quality estimation for protein models from cryo-EM maps 2022-09, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01574-4 PMID:35953671	研究论文	本文开发了一种方法，用于评估蛋白质模型中基于冷冻电镜图的残基局部质量。	创新点在于提出了一种名为DAQ的评分方法，能够识别蛋白质残基在冷冻电镜图中的潜在错误分配。	未提及具体限制	研究旨在提高冷冻电镜图中蛋白质残基的分配准确性。	研究对象为从冷冻电镜图构建的蛋白质结构模型。	数字病理学	NA	深度学习	NA	冷冻电镜图	多个核酸数据库中基于相同密度图构建的蛋白质结构模型
1714	2024-08-05	Multi-scale Multi-structure Siamese Network (MMSNet) for Primary Open-Angle Glaucoma Prediction 2022-Sep, Machine learning in medical imaging. MLMI (Workshop) DOI:10.1007/978-3-031-21014-3_45 PMID:36656619	研究论文	本文提出了一种多尺度多结构的Siamese网络（MMSNet），用于预测原发性开角型青光眼。	创新点在于MMSNet网络模拟青光眼专家通过比较跟踪的视神经图像和基线图像来进行的预测，且利用多幅图像和深度监督进行预测。	本研究可能受到数据集选择的限制，且未考虑更复杂的临床变量。	研究旨在提高原发性开角型青光眼的早期预测能力。	研究对象为眼压升高治疗研究中的1636名参与者的视网膜照片。	数字病理学	青光眼	深度学习	Siamese网络	图像	37339幅视网膜照片
1715	2024-08-05	QU-BraTS: MICCAI BraTS 2020 Challenge on Quantifying Uncertainty in Brain Tumor Segmentation - Analysis of Ranking Scores and Benchmarking Results 2022-Aug, The journal of machine learning for biomedical imaging PMID:36998700	研究论文	本文探讨了脑肿瘤多区段分割中的不确定性量化评分的评估与排名	提出了一种新的评分方法用于评估和排名脑肿瘤分割的不确定性估计	研究中可能没有完全考虑各种不确定性估计方法的适用性	量化深度学习模型预测的不确定性，以促进临床转化	针对参与BRAST 2019和2020任务的多个团队的脑肿瘤分割不确定性	数字病理学	脑肿瘤	深度学习	NA	医学影像	14个独立参与团队
1716	2024-08-05	A deep learning-based method for the diagnosis of vertebral fractures on spine MRI: retrospective training and validation of ResNet 2022-08, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-022-07121-1 PMID:35089420	研究论文	该文章提出了一种基于深度学习的方法来诊断脊椎MRI上的脊椎骨折	应用ResNet50算法开发了决策支持系统，以提高临床医生对脊椎骨折的诊断能力	需要考虑脊椎体以外的其他发现，以改善模型，进一步的研究是必要的以将结果推广到实际应用中	提高临床医生在MRI上对良性和恶性脊椎骨折的诊断性能	190名患者，其中50名有恶性骨折，140名有良性骨折	数字病理学	脊椎骨折	深度学习	ResNet50	MRI图像	190名患者
1717	2024-08-05	Patient-specific synthetic magnetic resonance imaging generation from cone beam computed tomography for image guidance in liver stereotactic body radiation therapy 2022-Jun, Precision radiation oncology DOI:10.1002/pro6.1163 PMID:37064765	研究论文	本文提出了一种患者特异性的深度学习模型，旨在从锥形束计算机断层扫描（CBCT）生成合成磁共振成像（MRI）以改善肝肿瘤定位	创新点在于利用患者特异性的CBCT-MRI图像对来训练深度学习模型以生成合成MRI	由于该研究基于特定患者的数据，模型的泛化能力可能受到限制	研究旨在提高肝肿瘤定位的准确性	研究对象为肝肿瘤患者的CBCT和MRI图像	医学影像处理	肝癌	深度学习	U-Net	影像	3名患者的CBCT-Ground Truth MRI图像
1718	2024-08-05	Generalizing deep learning brain segmentation for skull removal and intracranial measurements 2022-05, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2022.01.004 PMID:34999162	研究论文	本文提出了一种用于脑部分割的深度学习方法，以实现颅骨去除和颅内测量	引入了迁移学习方法来估计额外的TICV和PFV标签，并采用U-Net模型进行颅骨去除的全脑分割	手动标注全脑体积的可用数据集有限，影响了方法的普适性	研究如何实现深度学习脑部分割以进行颅骨去除和颅内测量	关注于采用MRI成像技术进行脑体积测量的神经影像数据	数字病理学	NA	MRI	U-Net	图像	使用有限的BrainCOLOR数据集进行训练
1719	2024-08-05	A Deep Learning Approach for Meter-Scale Air Quality Estimation in Urban Environments Using Very High-Spatial-Resolution Satellite Imagery 2022-Apr-27, Atmosphere IF:2.5Q3 DOI:10.3390/atmos13050696 PMID:37724306	研究论文	本研究主要关注在城市环境中利用超高分辨率卫星影像生成百米尺度的空气质量图。	提出了一种新的基于图像的物体检测分析方法，能够以显著更小的尺度估计空气质量，为城市环境AQ监测提供了新的视角。	目前的模型依赖于卫星影像，可能在缺乏地面监测数据的地区难以推广应用。	研究目标是开发一种能够在发达城市生成百米尺度空气质量图的模型。	研究对象包括伦敦、温哥华、洛杉矶和纽约市的空气质量数据。	数字病理学	NA	深度神经网络（DNN）	NA	卫星影像	使用了地面监测观察和土地利用回归建模的PM与NO浓度数据
1720	2024-08-05	Rule-Enhanced Active Learning for Semi-Automated Weak Supervision 2022-Mar, Artificial intelligence IF:5.1Q1 DOI:10.3390/ai3010013 PMID:35845102	研究论文	本文提出了一种改进的弱监督文本分类框架REGAL，通过对标签函数进行主动学习，降低人工标注负担	REGAL通过从原始文本中交互式地创建高质量标签模式，允许单个注释者在初始化时只需三个关键词即可准确标注整个数据集，显著提高了标签函数的提取效率	NA	提高弱监督文本分类中的主动学习效率，减少人力标注需求	文本数据集的标注	自然语言处理	NA	弱监督学习	NA	文本	六个常用的自然语言处理基准数据集