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	2024-09-07	Transfer Learning-Based Model for Diabetic Retinopathy Diagnosis Using Retinal Images 2022-Apr-22, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci12050535 PMID:35624922	研究论文	本文提出了一种基于迁移学习的糖尿病视网膜病变诊断模型，使用眼底图像进行分类	利用预训练的VGGNet网络结合迁移学习方法，通过数据增强操作处理数据不足和不平衡问题，提高了分类性能	未提及具体限制	开发一种自动化的糖尿病视网膜病变诊断方法，以早期检测和分类减少视觉障碍	糖尿病视网膜病变及其在眼底图像中的分类	计算机视觉	糖尿病	迁移学习	VGGNet	图像	使用基准数据集进行评估，未提及具体样本数量
22	2024-09-06	Stable Deep Neural Network Architectures for Mitochondria Segmentation on Electron Microscopy Volumes 2022-04, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-021-09556-1 PMID:34855126	研究论文	本文研究了用于电子显微镜体积中线粒体分割的稳定深度神经网络架构	本文遵循领域内的最佳实践，对最先进的架构进行了广泛研究，并与不同变体的U-Net模型进行了比较	NA	旨在解决线粒体分割任务中的可重复性和模型比较问题	电子显微镜体积中的线粒体	计算机视觉	NA	深度学习	U-Net	图像	使用了EPFL海马线粒体分割数据集、Lucchi++和Kasthuri++数据集
23	2024-09-06	Implementation of artificial intelligence in upper gastrointestinal endoscopy 2022-Apr, DEN open IF:1.4Q4 DOI:10.1002/deo2.72 PMID:35873509	综述	本文综述了人工智能在食管胃内镜中的应用现状，并提出了临床实践和未来研究的方向	本文展示了人工智能在早期胃癌和食管癌检测中的应用，并展示了其在临床实践中减轻医生负担的潜力	NA	总结人工智能在食管胃内镜中的应用现状，并提出临床实践和未来研究的方向	人工智能在食管胃内镜中的应用，包括早期胃癌和食管癌的检测	计算机视觉	胃癌	深度学习	NA	图像	NA
24	2024-09-05	Deep Learning-Inferred Multiplex ImmunoFluorescence for Immunohistochemical Image Quantification 2022-Apr, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-022-00471-x PMID:36118303	研究论文	本文介绍了一种名为DeepLIIF的多任务深度学习框架，用于免疫组化图像的定量分析	提出了一种单步解决方案，用于染料解卷积/分离、细胞分割和定量单细胞免疫组化评分	NA	开发一种能够将免疫组化图像转换为多重免疫荧光图像的深度学习框架	免疫组化（IHC）和多重免疫荧光（mpIF）染色技术	计算机视觉	NA	深度学习	CNN	图像	使用了共注册的IHC和mpIF染色的组织切片数据集
25	2024-09-04	A deep learning based system for handwashing procedure evaluation 2022-Apr-21, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-07194-5 PMID:35474686	研究论文	本文提出了一种基于深度学习的嵌入式系统，用于实时分析深度相机捕获的图像序列，以评估洗手程序的质量	采用卷积神经网络和多数投票方案来分类工人的动作，根据世界卫生组织定义的十个手势进行评估	NA	开发一种自动评估洗手程序质量的系统，以减少手术部位污染和感染风险	洗手程序的质量评估	计算机视觉	NA	卷积神经网络	CNN	视频	74个不同的视频序列
26	2024-09-01	Software system to predict the infection in COVID-19 patients using deep learning and web of things 2022-Apr, Software: practice & experience DOI:10.1002/spe.3011 PMID:34538962	研究论文	本文提出了一种使用深度学习和物联网的软件系统，用于预测COVID-19患者的感染情况，并通过数据增强技术提高了模型的性能	本文采用了数据增强技术生成合成数据，并结合物联网和传统U-Net模型，提高了COVID-19图像分割的准确性	公开可用的COVID-19图像数据有限，可能导致传统方法的过拟合	开发一种自动化的图像分割系统，以辅助临床决策和疾病监测	COVID-19患者的CT图像	计算机视觉	COVID-19	深度学习	U-Net with EfficientNet B0	图像	使用了COVID Radiopedia和Medseg数据集
27	2024-08-31	Retinopathy grading with deep learning and wavelet hyper-analytic activations 2022-Apr-25, The Visual computer DOI:10.1007/s00371-022-02489-z PMID:35493724	研究论文	本文通过结合多分辨率分析（MRA）和卷积神经网络（CNN）框架，利用超分析小波激活函数增强输入图像的特征，提高了糖尿病视网膜病变（DR）分级的准确性	提出了一种新颖的超分析小波激活函数，该函数能够转换负系数以保留重要的边缘特征图，并通过选择合适的激活函数超参数，产生单调且有效的激活	NA	提高糖尿病视网膜病变分级的准确性	糖尿病视网膜病变（DR）的图像分级	计算机视觉	糖尿病视网膜病变	卷积神经网络（CNN）	CNN	图像	未明确提及具体样本数量
28	2024-08-31	Fully Automated Wound Tissue Segmentation Using Deep Learning on Mobile Devices: Cohort Study 2022-04-22, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/36977 PMID:35451982	研究论文	本研究利用深度学习技术在移动设备上实现全自动伤口组织分割，以减少临床评估中的主观性。	开发了两种深度卷积神经网络架构用于伤口和组织分割，并在大量多样化的图像数据集上进行训练，模型在多种成像条件下表现稳健，且对肤色无偏见。	研究中报告了临床医生在识别组织类型时的中等到较差的一致性，以及在识别上皮化时的非常低的Krippendorff α值。	旨在测量伤口护理临床医生在手动组织分割和量化中的相互和内部评分者变异性，并确定是否可以使用深度神经网络实现对组织类型的客观评估。	研究对象包括58张不同类型的慢性伤口图像，以及4种不同的伤口床组织类型（上皮、肉芽、腐肉和焦痂）。	计算机视觉	NA	深度学习	深度卷积神经网络	图像	465,187和17,000对图像标签用于训练模型，58张伤口图像用于评估。
29	2024-08-31	Research and Application of Artificial Intelligence Based on Electronic Health Records of Patients With Cancer: Systematic Review 2022-Apr-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/33799 PMID:35442195	综述	本文系统回顾了基于电子健康记录的人工智能在癌症患者护理中的应用现状和局限性	首次系统分析了基于电子健康记录的人工智能在癌症护理中的应用及其意义	现有研究主要使用英文电子病历数据，且数据来源多为私人机构数据库	旨在介绍基于电子健康记录的人工智能在癌症患者护理中的当前状态、局限性及其对癌症护理的影响	癌症患者的电子健康记录及其在癌症护理中的应用	机器学习	癌症	NA	集成方法和深度学习	文本	148篇符合条件的论文
30	2024-08-30	Computational Saturation Mutagenesis to Investigate the Effects of Neurexin-1 Mutations on AlphaFold Structure 2022-04-28, Genes IF:2.8Q2 DOI:10.3390/genes13050789 PMID:35627176	研究论文	本研究使用计算饱和诱变方法分析了AlphaFold预测的人类NRXN1结构中错义突变对蛋白质功能的影响	首次应用AlphaFold模型进行NRXN1蛋白质的结构预测，并结合实验结构进行比较分析，揭示了突变对蛋白质稳定性的影响	研究依赖于AlphaFold的预测结构，可能存在与实际结构的差异	探究NRXN1错义突变对蛋白质结构和功能的影响，以及这些突变与精神疾病（如精神分裂症和自闭症谱系障碍）的关联	NRXN1蛋白质及其错义突变	生物信息学	精神疾病	AlphaFold	深度学习	蛋白质结构	29,540个突变
31	2024-08-30	Predicting Breast Tumor Malignancy Using Deep ConvNeXt Radiomics and Quality-Based Score Pooling in Ultrasound Sequences 2022-Apr-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12051053 PMID:35626208	研究论文	本文提出了一种基于深度学习的放射组学方法，使用超声序列图像预测乳腺肿瘤的恶性程度	引入了一种基于ConvNeXt网络的放射组学特征提取方法，并提出了一种基于图像质量统计的恶性评分池化机制	现有CAD系统由于肿瘤大小和形状变化、边界不规则和模糊以及超声图像的低信噪比而导致准确性受限	提高乳腺肿瘤恶性程度预测的准确性	乳腺肿瘤的恶性程度	计算机视觉	乳腺癌	ConvNeXt	CNN	图像	NA
32	2024-08-29	Significance and stability of deep learning-based identification of subtypes within major psychiatric disorders 2022-04, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-022-01482-1 PMID:35228675	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
33	2024-08-29	The next step in deep learning-guided clinical trials 2022-Apr, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-022-00044-6 PMID:39196129	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
34	2024-08-28	Research on the Coordinate Attention Mechanism Fuse in a YOLOv5 Deep Learning Detector for the SAR Ship Detection Task 2022-Apr-28, Sensors (Basel, Switzerland) DOI:10.3390/s22093370 PMID:35591063	研究论文	研究了将坐标注意力（CA）机制模块与YOLOv5检测器融合的问题，提出了一种新的轻量级端到端目标检测框架YOLO-CASS，用于SAR船舶目标检测任务	提出了一种新的轻量级端到端目标检测框架YOLO-CASS，该框架在YOLOv5的主干网络中合适位置融合了CA模块，显著提高了效率和性能	NA	优化轻量级模型，为SAR图像在轨处理提供解决方案	SAR船舶目标检测任务	机器学习	NA	深度学习	YOLOv5	图像	使用了SSDD合成孔径雷达（SAR）遥感图像进行实验
35	2024-08-28	LM-GVP: an extensible sequence and structure informed deep learning framework for protein property prediction 2022-04-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-10775-y PMID:35477726	研究论文	本研究开发了一种名为LM-GVP的新型深度学习框架，结合蛋白质语言模型和图神经网络，用于基于蛋白质的序列和结构预测其性质	LM-GVP框架能够利用蛋白质的1D氨基酸序列和3D结构信息，在多种性质预测任务中超越了现有技术	NA	开发一种能够利用蛋白质序列和结构信息预测其性质的深度学习框架	蛋白质的性质预测，包括荧光性、蛋白酶稳定性和基因本体论中的蛋白质功能	机器学习	NA	深度学习	图神经网络	序列和结构数据	NA
36	2024-08-28	Predicting perinatal health outcomes using smartphone-based digital phenotyping and machine learning in a prospective Swedish cohort (Mom2B): study protocol 2022-04-27, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2021-059033 PMID:35477874	研究论文	本研究旨在利用Mom2B智能手机应用中的数字表型数据，通过机器学习技术预测高风险孕妇的心理和身体并发症	利用智能手机应用收集的主动和被动数据来建立参与者的数字表型，并应用先进的机器学习和深度学习技术预测围产期抑郁症和早产	NA	预测高风险孕妇的心理和身体并发症，以便早期干预	瑞典语的孕妇或产后三个月内的女性	机器学习	NA	机器学习和深度学习	算法	多模态数据	至少5000名参与者
37	2024-08-28	Machine learning to predict pregnancy outcomes: a systematic review, synthesizing framework and future research agenda 2022-Apr-22, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-022-04594-2 PMID:35546393	综述	本文综述了利用机器学习技术预测分娩方式和识别孕期潜在母体风险的研究进展	提出了一个概念框架，用于推进基于机器学习的母体健康护理系统，并探讨了未来研究方向，如利用无监督和深度学习算法进行预测，开发基于机器学习的临床决策支持系统等	NA	探索利用机器学习技术预测最佳分娩方式和检测分娩并发症的研究和发展视角	孕期结果和分娩并发症	机器学习	NA	机器学习	NA	NA	26篇文章
38	2024-08-28	CTT: CNN Meets Transformer for Tracking 2022-Apr-22, Sensors (Basel, Switzerland) DOI:10.3390/s22093210 PMID:35590900	研究论文	本文提出了一种结合CNN和Transformer的跟踪器CTT，通过引入残差Transformer结构和自注意力机制，增强了目标跟踪中的全局和上下文依赖性	引入了包含自注意力机制的编码器-解码器结构的残差Transformer，替代传统的交叉相关性，增强了全局注意力信息的传递	NA	改进基于深度学习的目标跟踪算法，提高跟踪的准确性和鲁棒性	目标跟踪中的特征融合和特征匹配	计算机视觉	NA	CNN, Transformer	CNN, Transformer	图像	在GOT-10k, VOT2019, OTB-100, LaSOT, NfS, UAV123和TrackingNet等多个基准上进行了评估
39	2024-08-28	Deep-Learning-Assisted Focused Ion Beam Nanofabrication 2022-04-13, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.1c04604 PMID:35324209	研究论文	本文展示了利用深度学习从以往制造经验中预测聚焦离子束（FIB）铣削制造结构的后制造外观，准确率超过96%	提出了一种利用深度学习技术预测FIB铣削制造结构后制造外观的方法，显著提高了优化过程的速度和可重复性	NA	探索深度学习在聚焦离子束纳米制造中的应用，以加速优化过程并提高可重复性	聚焦离子束铣削制造的结构及其后制造外观	机器学习	NA	聚焦离子束（FIB）铣削	深度学习模型	图像	NA
40	2024-08-28	Harnessing Deep Learning for Optimization of Lennard-Jones Parameters for the Polarizable Classical Drude Oscillator Force Field 2022-Apr-12, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.2c00115 PMID:35362975	研究论文	本研究开发了一种基于深度学习的参数化框架，用于优化极化经典Drude振子力场中的Lennard-Jones参数，以提高分子模拟的准确性	利用深度学习技术优化Lennard-Jones参数，以更好地模拟实验凝聚相热力学性质，并提高分子模拟的准确性	NA	优化分子模拟中的Lennard-Jones参数，以提高计算化学和生物学研究的准确性	涉及四种不同组别的10种原子类型的Lennard-Jones参数	计算化学	NA	深度学习	NA	实验凝聚相热力学性质数据	涉及10种原子类型