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
1	2024-12-12	AVT: Multicenter aortic vessel tree CTA dataset collection with ground truth segmentation masks 2022-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2022.107801 PMID:35059483	研究论文	本文介绍了一个多中心主动脉血管树数据库，包含56个主动脉及其分支的CTA扫描数据和相应的半自动分割掩码	首次提供了多中心主动脉血管树的CTA数据集，并附带半自动生成的分割掩码，有助于研究不同地理位置的主动脉及其分支的几何形状变异性	NA	构建一个稳健的统计模型，用于开发全自动的主动脉血管树分割算法	主动脉及其分支的几何形状和变异性	计算机视觉	NA	CTA扫描	深度学习	图像	56个主动脉及其分支
2	2024-10-26	Quantification of muscle, bones, and fat on single slice thigh CT 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2611664 PMID:36303572	研究论文	本文提出了一种两阶段深度学习管道，用于在有限的人工标注数据下进行大腿CT切片中的肌肉、骨骼和脂肪分割	通过迁移学习的方法，利用伪标签进行初步训练，然后使用有限的人工标注数据进行微调，提高了模型在有限数据下的性能	需要大量的计算资源和时间来生成伪标签和训练模型	开发一种在有限人工标注数据下进行大腿CT切片中肌肉、骨骼和脂肪分割的方法	大腿CT切片中的肌肉、骨骼和脂肪	计算机视觉	NA	深度学习	深度神经网络	图像	研究包括2836张来自Baltimore Longitudinal Study of Aging (BLSA)的切片和121张来自Genetic and Epigenetic Signatures of Translational Aging Laboratory Testing (GESTALT)的切片，共计56个大腿CT扫描
3	2024-10-26	Efficient Quality Control with Mixed CT and CTA Datasets 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2607406 PMID:36303574	研究论文	本文提出了一种自动质量控制方法，通过将3D CT扫描转换为2D轴向切片蒙太奇，并使用多头卷积神经网络来检测CT与CTA以及有无伪影，以提高深度学习模型在创伤性脑损伤数据集上的训练效果	本文的创新点在于提出了一种自动化的质量控制方法，通过多头卷积神经网络来区分CT与CTA以及检测伪影，从而减少手动检查的时间和成本	伪影检测性能可能因伪影的异质性和训练数据中伪影扫描数量不足而受到影响	提高深度学习模型在创伤性脑损伤数据集上的训练效果	创伤性脑损伤患者的CT和CTA数据集	计算机视觉	创伤性脑损伤	卷积神经网络	多头卷积神经网络	图像	848个扫描样本，其中698个用于交叉验证，150个用于外部验证
4	2024-10-25	Effectiveness of cascading time series models based on meteorological factors in improving health risk prediction 2022-Feb, Environmental science and pollution research international DOI:10.1007/s11356-021-16372-2 PMID:34510340	研究论文	研究基于气象因素的时间序列模型在改善健康风险预测中的有效性	提出了一种新的混合模型CGCLM，结合了广义加性模型、CEEMDAN和LSTM网络，用于预测每日LRTI患者的入院情况	研究仅限于LRTI疾病，未涵盖其他类型的健康风险预测	探讨基于气象因素的时间序列预处理算法和深度学习方法在医院入院预测模型中的应用	研究对象为2003年至2019年间Panyu中央医院的46,089名LRTI患者及其相关的气象数据	机器学习	呼吸道感染	时间序列分析	LSTM	时间序列数据	46,089名LRTI患者和四项气象因素
5	2024-10-14	Deep learning identified pathological abnormalities predictive of graft loss in kidney transplant biopsies 2022-02, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2021.09.028 PMID:34757124	研究论文	本文开发了一种基于深度学习的管道，用于识别和量化肾移植活检中的病理异常，以预测移植失败	本文提出的深度学习模型能够更敏感地检测Banff评分阈值以下的细微病理变化，并且在预测移植失败方面优于传统的Banff评分和临床预测因子	NA	开发一种客观、定量的病理评估方法，以提高对肾移植失败预测的准确性	肾移植活检中的间质纤维化、肾小管萎缩和炎症等病理异常	数字病理学	肾移植	深度学习	深度学习模型	图像	789例肾移植活检样本（478例基线样本和311例移植后12个月的协议活检样本）
6	2024-10-05	[Deep learning-assisted construction of three-demensional facial midsagittal plane] 2022-Feb-18, Beijing da xue xue bao. Yi xue ban = Journal of Peking University. Health sciences PMID:35165480	研究论文	研究利用深度学习算法和加权Procrustes分析算法，自动构建三维面部正中矢状面	首次结合深度学习算法和Procrustes分析算法，实现了三维面部正中矢状面的全自动化构建	样本量较小，仅包含100名无明显面部畸形的受试者	开发一种能够准确确定三维面部解剖标志并自动构建三维面部正中矢状面的深度学习算法	三维面部数据及其解剖标志	计算机视觉	NA	多视图堆叠沙漏卷积神经网络（MSH-CNN）	卷积神经网络（CNN）	三维面部数据	100名无明显面部畸形的受试者
7	2024-10-05	Detection of COVID-19 Based on Chest X-rays Using Deep Learning 2022-Feb-10, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare10020343 PMID:35206957	研究论文	本文提出了一种基于深度学习的胸部X光图像检测COVID-19的方法	本文提出了两种基于ResNet-50的深度学习方法，用于COVID-19的检测，并在多个指标上表现优于现有的方法	NA	开发一种可靠且易于使用的深度学习方法，用于早期诊断和隔离COVID-19患者	COVID-19的胸部X光图像	计算机视觉	COVID-19	深度学习	ResNet-50	图像	使用了两个公开的基准数据集：COVID-19图像数据集和胸部X光图像数据集
8	2024-10-01	Inferring RNA-binding protein target preferences using adversarial domain adaptation 2022-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1009863 PMID:35202389	研究论文	本文提出了一种使用对抗性领域自适应技术（ADDA）来推断RNA结合蛋白（RBP）目标偏好性的框架（RBP-ADDA）	采用ADDA技术，能够整合体内和体外数据，提取RBP结合偏好性，相比传统方法具有更好的预测性能	NA	解决不同数据集间存在的“领域偏移”问题，提高对体内RBP结合数据的预测准确性	RNA结合蛋白（RBP）的目标偏好性	机器学习	NA	对抗性领域自适应（ADDA）	神经网络	文本	NA
9	2024-09-27	A dynamic graph convolutional neural network framework reveals new insights into connectome dysfunctions in ADHD 2022-02-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118774 PMID:34861391	研究论文	提出了一种动态图卷积神经网络框架，用于揭示注意力缺陷多动障碍（ADHD）中的连接组功能障碍	引入了一种新的动态图卷积网络（dGCN），并开发了一种新的卷积读出层以改进图表示，显著提高了ADHD诊断的性能	NA	设计一种能够捕捉大脑功能连接组拓扑信息的新方法，以提高ADHD的精确诊断	注意力缺陷多动障碍（ADHD）患者的大脑功能连接组	机器学习	精神疾病	功能磁共振成像（fMRI）	动态图卷积神经网络（dGCN）	图结构	NA
10	2024-09-17	Brains and algorithms partially converge in natural language processing 2022-02-16, Communications biology IF:5.2Q1 DOI:10.1038/s42003-022-03036-1 PMID:35173264	研究论文	系统比较多种深度语言模型，以识别导致其生成类似大脑句子的计算原理	揭示了现代语言算法与大脑在自然语言处理中的部分相似性，并指出了预测上下文单词能力是这种相似性的主要驱动因素	未完全解释这种相似性的具体驱动机制	探讨深度学习算法与人类大脑在自然语言处理中的相似性	多种深度语言模型与大脑对400个孤立句子的反应	自然语言处理	NA	功能磁共振成像 (fMRI) 和脑磁图 (MEG)	深度语言模型	文本	102名受试者，每人记录两小时
11	2024-09-10	Weakly Supervised Segmentation of COVID19 Infection with Scribble Annotation on CT Images 2022-Feb, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2021.108341 PMID:34565913	研究论文	提出了一种基于CT图像的COVID-19感染弱监督分割方法，仅使用涂鸦注释，并结合不确定性自集成和变换一致性技术	引入不确定性感知均值教师模型和变换一致性策略，以提高弱监督分割的准确性	仅在三个数据集上进行了评估，可能需要更多数据集验证其泛化能力	开发一种高效的弱监督分割方法，以减少COVID-19感染CT图像分割中对全标注数据的依赖	COVID-19感染的CT图像	计算机视觉	COVID-19	卷积神经网络	CNN	图像	两个公开数据集和一个本地数据集
12	2024-09-10	A novel data augmentation based on Gabor filter and convolutional deep learning for improving the classification of COVID-19 chest X-Ray images 2022-Feb, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.103326 PMID:34777557	研究论文	提出了一种基于Gabor滤波器和卷积深度学习的数据增强方法，用于改进COVID-19胸部X光图像的分类	结合传统数据增强技术和生成对抗网络（GANs）解决了数据限制问题，并通过应用不同的滤波器（如Sobel、高斯拉普拉斯（LoG）和Gabor滤波器）实现了更深层次的特征提取	NA	改进COVID-19患者的胸部X光图像筛查和分类	COVID-19胸部X光图像	计算机视觉	COVID-19	Gabor滤波器、生成对抗网络（GANs）	卷积神经网络（CNN）	图像	4560张胸部X光图像，其中360张为COVID-19类别，其余为非COVID-19疾病
13	2024-09-07	A cognitive framework based on deep neural network for classification of coronavirus disease 2022-Feb-13, Journal of ambient intelligence and humanized computing DOI:10.1007/s12652-022-03756-6 PMID:35194472	研究论文	本文提出了一种基于深度神经网络的认知框架，用于冠状病毒疾病的分类	本文提出了一种混合模型，使用胸部X光图像早期识别冠状病毒疑似患者，并采用SQueezeNet模型进行分类，实验结果显示平均准确率达到97.8%	NA	诊断和预防冠状病毒的传播	冠状病毒疾病	计算机视觉	冠状病毒疾病	深度学习	SQueezeNet	图像	NA
14	2024-09-05	Deep learning in macroscopic diffuse optical imaging 2022-02, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.27.2.020901 PMID:35218169	综述	本文全面回顾了深度学习在宏观漫反射光学成像中的应用	深度学习在光学成像中的应用带来了分析时间大幅减少、重建质量提高、对噪声的鲁棒性增强以及学习复杂端到端关系的能力	NA	旨在全面回顾深度学习在宏观漫反射光学成像中的应用	宏观漫反射光学成像中的深度学习应用	计算机视觉	NA	深度学习	DL	图像	NA
15	2024-09-05	Predicting 3D dose distribution with scale attention network for prostate cancer radiotherapy 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2611769 PMID:36147747	研究论文	本研究提出了一种基于新型尺度注意力网络（SA-Net）的框架，用于前列腺癌放疗中的三维剂量分布预测	本研究引入了动态尺度注意力模型，结合不同尺度的特征图中的低级细节和高级语义，提高了剂量预测的准确性	NA	提高前列腺癌放疗治疗计划的准确性	前列腺癌放疗中的三维剂量分布	机器学习	前列腺癌	NA	尺度注意力网络（SA-Net）	距离数据、CT图像	训练集包含120个病例，测试集包含20个病例
16	2024-09-04	QdMRI: A system for comprehensive analysis of thoracic dynamics via dynamic MRI 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2612117 PMID:36039169	研究论文	本文介绍了一种名为QdMRI的系统，该系统整合了过去10年关于胸廓发育不全综合征（TIS）的相关算法和模块，用于全面分析胸腔动态通过动态磁共振成像（MRI）	QdMRI系统包括动态MRI采集、4D图像构建、图像分割和分割结果的可视化等模块，能够有效处理自由呼吸条件下的图像采集问题，并提供结构和功能信息的定量评估	NA	开发一种全面的分析系统，用于评估胸廓发育不全综合征（TIS）的治疗效果	胸廓发育不全综合征（TIS）患者和正常儿童的胸腔结构和动态	医学影像	胸廓发育不全综合征	动态磁共振成像（MRI）	深度学习	图像	单个受试者的扫描/图像采集时间为~20分钟，4D图像构建时间为~5分钟，图像分割时间为70秒，测量计算时间为2秒
17	2024-09-02	Edge-enhancement densenet for X-ray fluoroscopy image denoising in cardiac electrophysiology procedures 2022-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.15426 PMID:34954836	研究论文	本文提出了一种名为边缘增强密集网络（EEDN）的新型深度学习去噪框架，用于提高心脏电生理手术中低剂量X射线荧光图像的质量	EEDN框架设计了一个注意力感知边缘增强模块，以提高边缘锐度，同时保留临床重要细节	NA	旨在减少心脏电生理手术中的X射线剂量，同时提高图像质量并保留关键细节	低剂量X射线荧光图像的去噪和边缘增强	计算机视觉	心血管疾病	卷积神经网络（CNN）	边缘增强密集网络（EEDN）	图像	3262张临床图像来自20名患者的100个低剂量X射线序列
18	2024-09-01	Predicting SARS-CoV-2 infection duration at hospital admission:a deep learning solution 2022-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-021-02479-8 PMID:34993693	研究论文	本文提出了一种深度学习模型，用于预测COVID-19患者在医院入院时的感染持续时间	使用深度学习模型结合多种数据类型，包括人口统计学、病史、COVID-19症状、治疗和血液化学测试结果，来预测感染持续时间	需要进一步的外部验证和实际应用测试	开发一种工具，用于预先估计COVID-19患者的预期病程和相关的住院努力	COVID-19患者的感染持续时间	机器学习	NA	深度学习	卷积神经网络	多种数据类型，包括文本和数值数据	222名患者
19	2024-09-01	Project Achoo: A Practical Model and Application for COVID-19 Detection From Recordings of Breath, Voice, and Cough 2022-Feb, IEEE journal of selected topics in signal processing IF:8.7Q1 DOI:10.1109/JSTSP.2022.3142514 PMID:35582703	研究论文	本文提出了一种使用消费者设备录制的音频快速检测COVID-19的机器学习方法	结合信号处理和噪声消除方法与微调的深度学习网络集合，实现了通过咳嗽声检测COVID-19	NA	开发一种实用的COVID-19检测模型和应用	COVID-19的快速检测	机器学习	COVID-19	深度学习	深度学习网络	音频	包括公开数据集和用户测试期间收集的噪声数据
20	2024-09-01	Efficient Evaluation of Low-contrast Detectability of Deep-CNN-based CT Reconstruction Using Channelized Hotelling Observer on the ACR Accreditation Phantom 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2612414 PMID:35813246	研究论文	本文利用优化后的通道化Hotelling观察者模型评估了基于深度学习的CT重建方法在低对比度检测能力上的表现。	开发了一种高效的通道化Hotelling观察者模型，仅需1-3次重复扫描即可准确测量低对比度检测能力。	通道化Hotelling观察者的实际应用受限于对大量重复扫描的需求和缺乏高效且广泛接受的基于幻影的方法。	评估基于深度学习的CT重建方法在低对比度检测能力上的表现，以确保诊断信息的完整性。	基于深度学习的CT重建方法在低对比度检测能力上的表现。	计算机视觉	NA	通道化Hotelling观察者	深度卷积神经网络（Deep-CNN）	CT图像	1-3次重复扫描