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
81	2024-08-07	Multi-class deep learning segmentation and automated measurements in periodontal sonograms of a porcine model 2022-Mar-01, Dento maxillo facial radiology DOI:10.1259/dmfr.20210363 PMID:34762512	研究论文	本研究利用深度学习技术对牙周超声图像进行多类别分割和软组织高度自动测量	本研究首次将深度学习应用于牙周超声图像的自动分割和软组织高度测量，提高了识别牙周结构的准确性	研究样本仅限于猪模型，且测试集包括不同品种的猪，未来需在更多物种和品种中验证模型效果	探索深度学习在牙周超声图像识别和测量中的应用潜力	牙周超声图像中的软组织、骨和牙冠	机器学习	NA	深度学习	多类别分割模型	图像	627帧图像来自111个独立的电影循环，涉及8头猪的样本
82	2024-08-07	Use of the deep learning approach to measure alveolar bone level 2022-03, Journal of clinical periodontology IF:5.8Q1 DOI:10.1111/jcpe.13574 PMID:34879437	研究论文	本文使用深度卷积神经网络测量放射线图像中的牙槽骨水平，以辅助牙周病的诊断	开发了一种深度学习模型，通过整合三个分割网络（骨区域、牙齿、牙釉质牙骨质界）和图像分析来测量放射线骨水平并分配放射线骨丢失（RBL）阶段	该模型需要进一步优化并通过更多图像进行验证，以促进其应用	利用深度学习技术测量放射线牙槽骨水平，辅助牙周病诊断	放射线图像中的牙槽骨水平	机器学习	牙周病	深度学习	CNN	图像	NA
83	2024-08-07	Performance comparison of deep learning and machine learning methods in determining wetland water areas using EuroSAT dataset 2022-Mar, Environmental science and pollution research international DOI:10.1007/s11356-021-17177-z PMID:34746985	研究论文	本研究比较了基于深度学习和传统机器学习方法在利用EuroSAT数据集确定湿地水域方面的性能	提出使用1D卷积神经网络（CNN）在处理复杂和独特特征空间数据方面的优势，以及在图像预处理和标准化工具集成、抗噪声能力和图像局部变换方面的改进	NA	比较深度学习和机器学习方法在湿地水域分类中的性能	土耳其五个不同湿地的Sentinel-2图像中的水域	计算机视觉	NA	遥感	CNN	图像	使用EuroSAT数据集进行验证
84	2024-08-07	A Deep Learning Model for Inferring Elevated Pulmonary Capillary Wedge Pressures From the 12-Lead Electrocardiogram 2022-Mar, JACC. Advances DOI:10.1016/j.jacadv.2022.100003 PMID:38939079	研究论文	本研究开发了一种深度学习模型，用于从12导联心电图推断肺毛细血管楔压升高的情况	提出了一种非侵入性方法来识别升高的平均肺毛细血管楔压，并开发了一个相关的不可靠性评分，用于识别模型预测可能不可信的情况	模型性能在不可靠性高的患者子集中表现较差	开发一种非侵入性方法来识别升高的平均肺毛细血管楔压	从12导联心电图推断肺毛细血管楔压升高的情况	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	248,955份临床记录，其中6,739份包含直接测量值
85	2024-08-07	Deep Learning in Medicine 2022-Mar, JACC. Advances DOI:10.1016/j.jacadv.2022.100017 PMID:38939084	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
86	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
87	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
88	2024-08-07	Identifying symptomatic trigeminal nerves from MRI in a cohort of trigeminal neuralgia patients using radiomics 2022-Mar, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-022-02900-5 PMID:35043225	研究论文	本研究通过放射组学特征从MRI图像中识别三叉神经痛患者的三叉神经，以区分受影响和未受影响的神经	使用放射组学特征和深度学习网络（U-net）从MRI图像中提取和分析三叉神经的特征，以区分三叉神经痛患者和无痛神经	NA	测试从三叉神经的MRI图像中提取的放射组学特征是否能区分受三叉神经痛影响和无痛的神经	三叉神经痛患者的三叉神经	计算机视觉	三叉神经痛	MRI	U-net	图像	134名患者（即268条神经）
89	2024-08-07	A deep learning MRI approach outperforms other biomarkers of prodromal Alzheimer's disease 2022-03-29, Alzheimer's research & therapy DOI:10.1186/s13195-022-00985-x PMID:35351193	研究论文	本文研究了一种基于深度学习的MRI方法，用于早期阿尔茨海默病的诊断，并与其他生物标志物进行比较	提出了一种基于结构MRI的体素级深度学习方法，该方法在早期阿尔茨海默病的诊断中表现优于其他神经影像学方法	NA	验证基于MRI的深度学习模型在早期阿尔茨海默病诊断中的有效性和优势	早期阿尔茨海默病及其相关生物标志物	机器学习	阿尔茨海默病	MRI	深度学习模型	图像	NA