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
21	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。
22	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
23	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
24	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
25	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
26	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
27	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
28	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
29	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
30	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
31	2024-08-27	Detection and diagnosis of COVID-19 infection in lungs images using deep learning techniques 2022-Mar, International journal of imaging systems and technology IF:3.0Q2 DOI:10.1002/ima.22697 PMID:35465214	研究论文	本文利用深度学习技术，特别是卷积神经网络（CNN）和深度神经网络（DNN），开发了一种系统来识别COVID-19患者	本文提出了两种模型，一种是基于图像的分形特征设计DNN，另一种是使用肺部X光图像设计CNN，并通过分割过程使用CNN架构来识别肺部图像中的感染区域	本文的DNN方法在准确性和敏感性上低于CNN方法	开发一种新的方法来快速准确地检测和诊断COVID-19感染	COVID-19感染的肺部图像	计算机视觉	COVID-19	深度学习	CNN, DNN	图像	未明确提及具体样本数量
32	2024-08-26	PIGNet: a physics-informed deep learning model toward generalized drug-target interaction predictions 2022-Mar-30, Chemical science IF:7.6Q1 DOI:10.1039/d1sc06946b PMID:35432900	研究论文	本文提出了一种基于物理信息深度学习的药物-靶点相互作用预测模型PIGNet	通过物理信息方程参数化的神经网络预测原子间的相互作用，并提供蛋白质-配体复合物的总结合亲和力，增强了模型的泛化能力	NA	提高药物-靶点相互作用模型的泛化能力	药物-靶点相互作用	机器学习	NA	深度神经网络(DNN)	物理信息深度学习模型	蛋白质-配体复合物数据	NA
33	2024-08-26	Model agnostic generation of counterfactual explanations for molecules 2022-Mar-30, Chemical science IF:7.6Q1 DOI:10.1039/d1sc05259d PMID:35432902	研究论文	本文提出了一种通用的模型不可知方法，用于生成分子预测的反事实解释	该方法不限于特定的模型架构，也不需要强化学习作为单独的过程，能够解释任何黑盒模型的预测	NA	解决深度学习在化学领域缺乏可解释性的问题	神经网络模型在化学预测中的应用	机器学习	NA	NA	随机森林模型、序列模型、图神经网络	NA	NA
34	2024-08-26	Real-time reconstruction of high energy, ultrafast laser pulses using deep learning 2022-03-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-09041-y PMID:35351923	研究论文	本文报道了一种基于深度学习自相位调制引起的非线性光谱变化的超短激光脉冲相位重建方法	该方法能够对具有随机初始相位和光谱的模拟脉冲进行相位重建，且适用于中等光谱分辨率和噪声环境	NA	开发一种适用于高能量、大口径光束系统的实时相位重建技术	超短激光脉冲的相位重建	机器学习	NA	深度学习	神经网络	光谱数据	脉冲持续时间在8.5至65飞秒之间的模拟脉冲
35	2024-08-26	Neural relational inference to learn long-range allosteric interactions in proteins from molecular dynamics simulations 2022-03-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-29331-3 PMID:35351887	研究论文	本文利用基于图神经网络的神经关系推理模型，从分子动力学模拟轨迹中学习蛋白质中的长程变构相互作用	本文首次应用神经关系推理模型来探测蛋白质变构过程，并能更早地发现与变构相关的相互作用，更准确地预测突变后的相对自由能变化	NA	研究蛋白质中的长程变构相互作用	Pin1、SOD1和MEK1系统中的蛋白质	机器学习	NA	分子动力学模拟	图神经网络	分子动力学轨迹	Pin1、SOD1和MEK1系统
36	2024-08-26	Unified Deep Learning Model for Multitask Reaction Predictions with Explanation 2022-03-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.1c01467 PMID:35266390	研究论文	本文开发了一种统一的深度学习模型T5Chem，用于多种化学反应预测任务，基于自然语言处理中的T5框架	首次将T5框架应用于化学反应预测任务，并引入了新的统一多任务反应预测数据集USPTO_500_MT	NA	开发一种能够处理多种化学反应预测任务的统一深度学习模型	化学反应预测任务，包括反应类型分类、正向反应预测、单步逆合成、反应产率预测和试剂建议	机器学习	NA	NA	T5	文本	使用了四个不同的开源数据集，包括USPTO_TPL、USPTO_MIT、USPTO_50k和高效C-N耦合反应数据集
37	2024-08-26	A comparative study of semantic segmentation of omnidirectional images from a motorcycle perspective 2022-03-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-08466-9 PMID:35322055	研究论文	本文对从摩托车视角获取的全方位城市驾驶图像的语义分割进行了深入的比较研究	首次针对摩托车视角的全方位图像进行语义分割研究，并比较了不同深度学习方法在不同表示方式下的表现	研究主要集中在模型在全方位图像上的表现，未涉及实际应用中的实时性能和计算效率	探讨不同深度学习方法在全方位图像语义分割中的应用效果	摩托车视角的全方位城市驾驶图像	计算机视觉	NA	深度学习	CNN	图像	使用了真实视角图像、合成视角、鱼眼和等距柱状图像，以及模拟鱼眼图像和真实鱼眼图像的测试集
38	2024-08-26	Mitigating spread of contamination in meat supply chain management using deep learning 2022-03-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-08993-5 PMID:35322116	研究论文	本文利用深度学习技术在肉类供应链管理中减少污染的传播	采用深度卷积神经网络（DCNN）和粒子群优化（PSO）算法训练了一个分类模型，实现了100%的准确率，能够区分新鲜肉类和变质肉类	NA	自动化肉类供应链管理过程，防止肉类变质，提高肉类货架期，促进可持续消费	肉类供应链中的新鲜和变质肉类	机器学习	NA	深度学习	深度卷积神经网络（DCNN）	图像	NA
39	2024-08-26	SEED: Symptom Extraction from English Social Media Posts using Deep Learning and Transfer Learning 2022-Mar-21, medRxiv : the preprint server for health sciences DOI:10.1101/2021.02.09.21251454 PMID:33594374	研究论文	本文介绍了一种名为SEED的自然语言处理方法，用于从社交媒体数据中检测症状和疾病提及，并将其标准化为UMLS术语	使用多语料库训练和深度学习模型，SEED工具在DailyStrength和平衡的Twitter数据集上分别达到了0.86和0.72的F1分数，显著优于先前的方法	需要持续对新获取的数据进行训练，以适应社交媒体词汇的不断变化	开发一种能够从社交媒体帖子中提取症状信息的方法，以支持疾病监测	社交媒体数据中的症状和疾病提及	自然语言处理	NA	深度学习和迁移学习	深度学习模型	文本	DailyStrength和平衡的Twitter数据集
40	2024-08-26	Deep-learning based image reconstruction for MRI-guided near-infrared spectral tomography 2022-Mar-20, Optica IF:8.4Q1 DOI:10.1364/optica.446576 PMID:35340570	研究论文	本文提出并验证了一种基于深度学习的MRI引导近红外光谱断层成像（NIRST）重建算法，用于乳腺癌特征描述。	该方法利用神经网络同时处理扩散光学信号和MRI图像，通过端到端训练恢复氧合血红蛋白、脱氧血红蛋白和水的浓度，提高了重建图像的质量。	该研究仅基于模拟数据集和真实患者图像数据进行验证，尚未在更广泛的临床环境中进行测试。	旨在改进MRI引导NIRST的图像重建过程，使其更快速且更准确。	研究对象包括扩散光学信号、MRI图像以及乳腺癌患者的肿瘤特征。	计算机视觉	乳腺癌	深度学习	神经网络	图像	20,000组计算机生成的模拟幻影数据