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	2024-12-15	Shared computational principles for language processing in humans and deep language models 2022-03, Nature neuroscience IF:21.2Q1 DOI:10.1038/s41593-022-01026-4 PMID:35260860	研究论文	本文探讨了人类大脑与自回归深度语言模型在处理语言时共享的计算原则	本文首次提供了人类大脑与自回归深度语言模型在处理自然叙事时共享三个基本计算原则的实证证据	NA	研究人类大脑与自回归深度语言模型在语言处理中的计算原则	人类大脑和自回归深度语言模型	自然语言处理	NA	ECoG	自回归深度语言模型	文本	9名参与者
2	2024-10-09	Predictive Diagnostic Approach to Dementia and Dementia Subtypes Using Wireless and Mobile Electroencephalography: A Pilot Study 2022-Mar, Bioelectricity IF:1.6Q4 DOI:10.1089/bioe.2021.0030 PMID:39372226	研究论文	本研究探讨了使用无线和移动脑电图（wmEEG）对痴呆及其亚型进行预测性诊断的可行性	首次使用无线和移动脑电图技术对痴呆及其亚型进行预测性诊断，并展示了其在不同任务下的分类准确性	本研究为初步研究，样本量较小，需要进一步验证和扩大样本以提高结果的普适性	开发一种用于老年人群轻度认知障碍筛查的方法，并基于此方法早期干预痴呆的进展	痴呆患者及其亚型与非痴呆对照组	神经科学	老年疾病	无线和移动脑电图（wmEEG）	深度学习	脑电图数据	101名痴呆患者和非痴呆对照组
3	2024-10-01	Convex optimization algorithms in medical image reconstruction-in the age of AI 2022-03-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac3842 PMID:34757943	综述	本文回顾了基于模型的图像重建（MBIR）算法在医学图像重建中的应用，特别是凸优化算法的发展及其与深度学习的结合	探讨了深度学习与基于模型的图像重建方法之间的协同作用，并强调了凸优化算法在网络架构中的基础作用	未提及具体限制	回顾和讨论医学图像重建中凸优化算法的发展及其与深度学习的结合	医学图像重建算法及其与深度学习的结合	计算机视觉	NA	凸优化算法	深度学习网络	图像	NA
4	2024-09-30	BEMD-3DCNN-based method for COVID-19 detection 2022-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.105188 PMID:34998222	研究论文	提出了一种基于BEMD-3DCNN的方法用于COVID-19检测	使用3D表示的数据作为输入，结合BEMD技术分解图像并构建视频，通过3DCNN模型进行分类和检测，利用CAA模块处理上下文信息以提高检测性能	未提及具体限制	开发一种快速诊断和检测系统以阻止COVID-19的传播	COVID-19病毒的检测	计算机视觉	COVID-19	Bi-dimensional Empirical Mode Decomposition (BEMD)	3DCNN	图像	6484张X光图像，包括1802例COVID-19阳性病例，1910例正常病例和2772例肺炎病例
5	2024-09-25	Emerging Vaccine-Breakthrough SARS-CoV-2 Variants 2022-03-11, ACS infectious diseases IF:4.0Q1 DOI:10.1021/acsinfecdis.1c00557 PMID:35133792	研究论文	研究揭示了SARS-CoV-2变种的分子机制及其对疫苗的突破性，并预测了未来可能出现的变种	整合了大量基因组数据、抗体库、突变数据、拓扑数据分析和深度学习，揭示了SARS-CoV-2的进化机制并预测了疫苗突破性变种	NA	理解SARS-CoV-2的传播和进化机制，预测疫苗突破性变种，并为设计抗突变疫苗和单克隆抗体提供依据	SARS-CoV-2变种及其对疫苗的突破性	NA	COVID-19	深度学习	NA	基因组数据	1,489,884个SARS-CoV-2基因组，130个人类抗体，数万个突变数据
6	2024-09-10	Automatic detection of multiple types of pneumonia: Open dataset and a multi-scale attention network 2022-Mar, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.103415 PMID:34909050	研究论文	本文提出了一种基于多尺度注意力网络（MSANet）的自动分类方法，用于胸部CT图像中多种类型肺炎的检测	本文创新性地提出了多尺度注意力网络（MSANet），能够自动关注肺炎病变的判别信息和多尺度特征，从而提高分类效果	NA	快速准确地识别COVID-19肺炎、非COVID-19病毒性肺炎、细菌性肺炎、支原体肺炎和正常肺部	胸部CT图像中的多种类型肺炎	计算机视觉	肺炎	深度学习	多尺度注意力网络（MSANet）	图像	NA
7	2024-09-10	Fast quantitative bone marrow lesion measurement on knee MRI for the assessment of osteoarthritis 2022-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2022.100234 PMID:36474467	研究论文	本文开发并验证了一种基于深度学习的快速量化膝关节MRI中骨髓病变体积的方法	本文提出了一种基于补丁的卷积神经网络（CNN），用于自动分割骨髓病变，减少了手动描绘的繁琐过程	本文未详细讨论该方法在不同MRI设备或不同患者群体中的适用性	开发一种更高效的方法来量化膝关节MRI扫描中的骨髓病变体积	膝关节MRI扫描中的骨髓病变	计算机视觉	骨关节炎	MRI	CNN	图像	673个MRI数据集
8	2024-09-01	Review on COVID-19 diagnosis models based on machine learning and deep learning approaches 2022-Mar, Expert systems IF:3.0Q2 DOI:10.1111/exsy.12759 PMID:34511689	综述	本文对基于机器学习和深度学习方法的COVID-19诊断模型进行了全面的综述	总结了从2019年12月至2021年4月间发表的超过200项研究，涵盖了DL和ML两大类技术，并分析了评估诊断方法的常用指标	NA	旨在指导研究社区未来在COVID-19的机器学习和深度学习领域的发展	COVID-19的诊断模型	机器学习	COVID-19	机器学习 (ML) 和深度学习 (DL)	支持向量机 (SVM) 和卷积神经网络 (CNN)	数据集	超过200项研究
9	2024-08-30	Using a Convolutional Neural Network and Convolutional Long Short-term Memory to Automatically Detect Aneurysms on 2D Digital Subtraction Angiography Images: Framework Development and Validation 2022-Mar-16, JMIR medical informatics IF:3.1Q2 DOI:10.2196/28880 PMID:35294371	研究论文	本研究开发并验证了一种使用卷积神经网络和卷积长短期记忆网络自动检测2D数字减影血管造影图像中动脉瘤的深度学习诊断系统	提出了一个两阶段的检测系统，包括区域定位阶段和颅内动脉瘤检测阶段，并构建了一个双输入+RetinaNet+卷积长短期记忆网络框架，该框架在动脉瘤检测性能上优于其他现有框架	NA	构建一个深度学习诊断系统以提高2D数字减影血管造影图像中后交通动脉动脉瘤的检测能力，并验证该系统的效率	2D数字减影血管造影图像中的后交通动脉动脉瘤	计算机视觉	NA	卷积神经网络，卷积长短期记忆网络	CNN，LSTM	图像	255名患有后交通动脉动脉瘤的患者和20名无动脉瘤的患者
10	2024-08-30	Risk assessment of COVID-19 pandemic using deep learning model for J&K in India: a district level analysis 2022-Mar, Environmental science and pollution research international DOI:10.1007/s11356-021-17046-9 PMID:34687416	研究论文	本研究使用深度学习模型对印度J&K地区的COVID-19疫情进行风险评估，并进行地区级别的分析	采用深度学习基础的增量学习技术模型当前COVID-19传播趋势并预测未来趋势，使用GIS系统存储、分析和展示COVID-19的传播情况	NA	评估COVID-19疫情的演变并预测未来趋势	印度J&K地区各区的COVID-19疫情数据	机器学习	COVID-19	深度学习	深度学习模型	数据	228天的每日COVID-19病例数据
11	2024-08-30	Automated COVID-19 diagnosis and prognosis with medical imaging and who is publishing: a systematic review 2022-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-021-01093-0 PMID:34919204	综述	对使用医学影像进行COVID-19自动诊断和预后的已发表技术进行系统性调查，评估报告性能的有效性并研究提出的临床应用案例。同时对发表此类工作的作者进行范围审查。	研究了深度学习技术在COVID-19诊断和预后中的应用，发现其报告的AUC和准确性较高。	研究领域存在高偏倚性，71%的研究因偏倚被排除，平均每项研究有8.3次CLAIM失败。	评估使用医学影像进行COVID-19自动诊断和预后技术的有效性，并研究其临床应用。	使用医学影像进行COVID-19自动诊断和预后的技术。	计算机视觉	COVID-19	深度学习	CNN	医学影像	1002项研究中，390项通过筛选，81项通过相关性和偏倚排除。
12	2024-08-28	EMT-NET: EFFICIENT MULTITASK NETWORK FOR COMPUTER-AIDED DIAGNOSIS OF BREAST CANCER 2022-Mar, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi52829.2022.9761438 PMID:35530971	研究论文	本文提出了一种高效的轻量级多任务学习架构EMT-NET，用于乳腺癌的计算机辅助诊断，能够同时进行肿瘤分类和分割	本文引入了一个新的数值稳定的损失函数，以平衡癌症检测的敏感性和特异性，并使骨干网络学习专注于肿瘤区域的表示	NA	提高乳腺癌检测的效率和性能	乳腺癌肿瘤的分类和分割	计算机视觉	乳腺癌	深度学习	多任务网络	图像	1511张乳腺超声图像
13	2024-08-28	Automatic skin disease diagnosis using deep learning from clinical image and patient information 2022-Mar, Skin health and disease DOI:10.1002/ski2.81 PMID:35665205	研究论文	本研究提出了一种利用深度学习预训练的mobilenet-v2模型，通过临床图像和患者信息自动诊断五种常见皮肤病的自动化系统	本研究开发了一个智能手机应用程序，能够在资源有限的地区作为决策支持系统使用	NA	开发一个自动化系统，用于通过临床图像和患者信息诊断五种常见皮肤病	五种常见皮肤病	机器学习	NA	深度学习	mobilenet-v2	图像和文本	NA
14	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
15	2024-08-27	Determination of the Severity and Percentage of COVID-19 Infection through a Hierarchical Deep Learning System 2022-Mar-28, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12040535 PMID:35455654	研究论文	本文介绍了一种基于层次智能系统的新方法，利用深度学习模型通过X射线和胸部CT扫描检测和分类COVID-19患者，并评估感染程度和严重性	提出了一种新的分层智能系统，使用深度学习模型和新的直方图数据库来定义COVID-19患者在不同CT切片中的感染情况	NA	开发一种自动系统，通过机器学习在医学图像上对COVID-19患者进行严重性分级，以辅助医疗专家的决策	COVID-19患者的感染检测、感染百分比评估和严重性分类	机器学习	COVID-19	深度学习	CNN Densenet-161, SVM with LDA	医学图像（X射线和CT扫描）	NA
16	2024-08-27	Deep Learning Based SWIR Object Detection in Long-Range Surveillance Systems: An Automated Cross-Spectral Approach 2022-Mar-27, Sensors (Basel, Switzerland) DOI:10.3390/s22072562 PMID:35408177	研究论文	本文提出了一种基于深度学习的近红外（SWIR）图像目标检测方法，通过跨光谱自动数据标注技术提高长距离监控系统的性能	提出了一种新的跨光谱自动数据标注方法，用于创建SWIR通道的训练数据集，并详细解释了数学图像变换方法以克服SWIR和彩色通道之间的差异	缺乏用于SWIR通道的深度学习目标检测模型的训练数据集限制了其性能	提高在具有挑战性的户外场景中捕获的SWIR图像中的目标检测能力	SWIR图像中的车辆和行人	计算机视觉	NA	深度学习	YOLOX	图像	涉及两种目标类型（车辆和行人）的实验测试
17	2024-08-27	A Cognitive Sample Consensus Method for the Stitching of Drone-Based Aerial Images Supported by a Generative Adversarial Network for False Positive Reduction 2022-Mar-23, Sensors (Basel, Switzerland) DOI:10.3390/s22072474 PMID:35408091	研究论文	本研究提出了一种基于深度学习的异常值拒绝方案，利用生成对抗网络（GAN）架构减少由随机样本一致性方法（RANSAC）产生的错误估计假设，以改善无人机拍摄的航拍图像的拼接质量	本研究创新性地将生成对抗网络（GAN）应用于无人机航拍图像的拼接过程中，通过GAN的判别器预判RANSAC产生的估计目标假设样本的真伪，并通过生成器确认判别器的推理	NA	提高无人机航拍图像全景生成的质量	无人机航拍图像的拼接	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	涉及无人机航拍图像及一些杂项图像的测试
18	2024-08-27	IoT Based Smart Monitoring of Patients' with Acute Heart Failure 2022-Mar-22, Sensors (Basel, Switzerland) DOI:10.3390/s22072431 PMID:35408045	研究论文	本研究提出了一种基于物联网（IoT）和云计算技术的智能医疗框架，用于改善心力衰竭患者的生存预测，无需手动特征工程	该框架利用IoT传感器实时监测患者数据，并通过深度学习模型进行处理，以提供及时有效的医疗服务	NA	研究目的是提高心力衰竭患者的生存预测准确性	心力衰竭患者	机器学习	心血管疾病	IoT	CNN	临床记录	包含13个特征的数据集
19	2024-08-27	Deep learning for Alzheimer's disease: Mapping large-scale histological tau protein for neuroimaging biomarker validation 2022-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118790 PMID:34933123	研究论文	本文开发了一种计算流程，用于在十亿像素的数字病理图像中识别和分割感兴趣的颗粒，生成定量的3D密度图，以验证PET示踪剂	提出了IHCNet，一种用于免疫组化样本的卷积神经网络，并成功处理了来自两个完整人脑的500多张幻灯片，生成了大规模的3D tau包含密度图	NA	验证PET示踪剂的神经影像生物标志物	阿尔茨海默病中的tau蛋白异常包含	数字病理学	阿尔茨海默病	卷积神经网络	CNN	图像	两个完整人脑的500多张幻灯片
20	2024-08-27	Clinical Assessment of Deep Learning-based Super-Resolution for 3D Volumetric Brain MRI 2022-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.210059 PMID:35391765	研究论文	本研究前瞻性地评估了基于人工智能的图像增强技术在32名连续接受临床脑部MRI检查的患者中的应用效果	AI增强扫描在所有评估指标上均不劣于标准护理扫描，并实际上显示了定性SNR的改善	评分者间的一致性较低至中等	评估基于人工智能的图像增强技术在缩短扫描时间的同时提高信噪比和保持空间分辨率的效果	32名接受临床脑部MRI检查的患者	计算机视觉	NA	基于人工智能的图像增强技术	NA	图像	32名患者