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
61	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
62	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
63	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
64	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
65	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
66	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
67	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。
68	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
69	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
70	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
71	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
72	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
73	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。
74	2024-08-25	Improved image classification explainability with high-accuracy heatmaps 2022-Mar-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2022.103933 PMID:35252819	研究论文	本文提出了一种名为金字塔定位网络（PYLON）的深度学习模型，用于提高类激活图（CAM）产生的热图分辨率，从而在图像分类中提供更精确的位置解释	PYLON模型能够显著提高CAM热图的质量，并能精确地定位小物体的位置，且不需要专家对物体位置进行标注，仅使用图像级别的标签进行训练	NA	旨在提高深度学习模型在图像分类中的可解释性，特别是在医疗影像等关键应用中	深度学习模型在图像分类中的可解释性和热图的精确性	计算机视觉	NA	深度学习	PYLON	图像	NA
75	2024-08-25	Application of machine learning in understanding plant virus pathogenesis: trends and perspectives on emergence, diagnosis, host-virus interplay and management 2022-03-09, Virology journal IF:4.0Q2 DOI:10.1186/s12985-022-01767-5 PMID:35264189	综述	本文综述了机器学习在植物病毒发病机制、诊断、宿主-病毒相互作用及管理方面的应用趋势和前景。	机器学习方法能够处理高维大数据，提高植物病毒疾病的早期诊断准确性，并有助于更好地理解宿主-病毒相互作用。	NA	探讨机器学习在植物病毒学领域的应用，特别是在病毒疾病的诊断、宿主-病毒相互作用和病毒出现方面的应用。	植物病毒及其在农业中的影响。	机器学习	NA	机器学习	深度学习算法	大数据	NA
76	2024-08-25	Personalized wearable electrodermal sensing-based human skin hydration level detection for sports, health and wellbeing 2022-03-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07754-8 PMID:35260675	研究论文	本文提出了一种基于机器学习和深度学习的个性化穿戴式电皮肤传感系统，用于非侵入性地监测人体皮肤的水分水平	本文引入了混合（ML+DL）模型，特别是混合Bi-LSTM算法，以提高水分水平估计的准确性	NA	开发一种有效的非侵入性水分监测系统，以避免潜在的健康并发症和死亡风险	人体皮肤的水分水平	机器学习	NA	电皮肤反应（GSR）	Bi-LSTM	数据	数据收集包括三种不同的水分状态（水分充足、轻度脱水和极度轻度脱水）和三种不同的身体姿势（坐、站和走）
77	2024-08-25	A deep learning-driven low-power, accurate, and portable platform for rapid detection of COVID-19 using reverse-transcription loop-mediated isothermal amplification 2022-03-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07954-2 PMID:35260715	研究论文	本文介绍了一种基于深度学习的便携式、准确、低成本设备，用于通过逆转录环介导等温扩增（RT-LAMP）快速检测COVID-19	该设备采用3D打印技术，仅需5伏交流-直流适配器供电，可同时进行16次RT-LAMP反应，并可重复使用。实验方案设计消除了对单独昂贵RNA提取设备的需求，并防止样品蒸发	NA	开发一种快速、准确、便携的COVID-19检测设备	COVID-19的快速检测	机器学习	COVID-19	RT-LAMP	深度学习系统	颜色数据	250个RT-LAMP临床样本
78	2024-08-25	Pretrained transformer framework on pediatric claims data for population specific tasks 2022-03-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07545-1 PMID:35256645	研究论文	本文介绍了一种名为Claim Pre-Training (Claim-PT)的预训练框架，该框架首先在整个儿科索赔数据集上进行训练，然后针对每个特定人群任务进行区分性微调，以解决特定人群任务数据稀缺的问题	提出了Claim-PT框架，通过预训练和任务感知微调实现了有效的知识转移，并能在小规模患者群体中充分训练深度学习模型	NA	开发一种能够在特定人群任务中有效利用儿科索赔数据的预训练框架	儿科索赔数据和特定人群的医疗任务	机器学习	NA	预训练和微调技术	Transformer	电子健康记录(EHR)数据	超过一百万患者记录
79	2024-08-25	A Hybrid Model for Driver Emotion Detection Using Feature Fusion Approach 2022-03-06, International journal of environmental research and public health DOI:10.3390/ijerph19053085 PMID:35270777	研究论文	本文提出了一种混合模型，用于在不同姿态、遮挡和光照条件下检测驾驶员的六到七种情绪，通过融合Gabor和LBP特征并结合支持向量机和卷积神经网络进行分类	开发了一种新颖的混合网络架构，结合深度神经网络和支持向量机，以提高情绪检测的准确性	NA	旨在通过监测驾驶员的情绪来预测其行为，从而避免交通事故	驾驶员的情绪	机器学习	NA	特征融合	混合模型（深度神经网络和支持向量机）	图像	使用了FER 2013、CK+、KDEF和KMU-FED数据集
80	2024-08-25	Federated learning for multi-center imaging diagnostics: a simulation study in cardiovascular disease 2022-03-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07186-4 PMID:35241683	研究论文	本文通过模拟研究探讨了联邦学习在多中心心血管疾病影像诊断中的应用	首次在心血管磁共振成像领域进行联邦学习的模拟研究，并探索了两种不同的形状先验信息整合方法和四种数据增强设置	研究样本量较小，仅包含180个来自四个中心的研究对象	验证联邦学习在多中心影像诊断中的有效性和优势	心血管疾病中的肥厚型心肌病诊断	机器学习	心血管疾病	联邦学习	3D-CNN	影像	180个研究对象