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	2024-08-27	Deep Learning-Based Next-Generation Waveform for Multiuser VLC Systems 2022-Apr-04, Sensors (Basel, Switzerland) DOI:10.3390/s22072771 PMID:35408385	research paper	本文比较了基于深度学习的系统和传统最大似然解码器系统在多用户可见光通信系统中使用非正交多址接入技术和连续干扰消除技术的性能	提出了一种基于深度学习的下一代波形技术，用于多用户可见光通信系统，显示出比传统最大似然解码器系统更好的性能	NA	研究并比较不同检测技术在多用户可见光通信系统中的性能	多用户可见光通信系统中的非正交多址接入技术和连续干扰消除技术	machine learning	NA	深度学习	NA	信号	四用户
62	2024-08-27	Explainable AI for CNN-based prostate tumor segmentation in multi-parametric MRI correlated to whole mount histopathology 2022-Apr-02, Radiation oncology (London, England) DOI:10.1186/s13014-022-02035-0 PMID:35366918	研究论文	本研究使用可解释的深度学习模型来解释基于卷积神经网络（CNN）的前列腺肿瘤在多参数MRI中的分割预测	采用Gradient Weighted Class Activation Map（Grad-CAM）方法生成热图，以解释CNN的分割结果	CNN在前列腺肿瘤分割上的Dice Sorensen Coefficient较低，且与手动分割结果无显著差异	提高前列腺肿瘤在多参数MRI中的自动分割准确性并提供解释	前列腺肿瘤的自动分割及其解释	计算机视觉	前列腺癌	多参数MRI	CNN	图像	122名患者的多参数MRI数据用于训练，15名患者的全切片组织病理学图像用于测试
63	2024-08-27	A Hybrid Deep Learning Approach for ECG-Based Arrhythmia Classification 2022-Apr-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9040152 PMID:35447712	研究论文	本文提出了一种基于心电图（ECG）的混合深度学习方法，用于自动化心律失常的检测和分类	将1D ECG信号转换为2D Scalogram图像以自动化噪声过滤和特征提取，并结合2D卷积神经网络（CNN）和长短期记忆（LSTM）网络，提出了一种名为2D-CNN-LSTM的混合模型	未来工作可以应用于实时ECG信号，并考虑使用Bi-LSTM替代LSTM	设计一个高效的自动化系统来分析ECG所包含的大量数据，以检测和分类心律失常	心电图（ECG）信号及其所包含的心律失常信息	机器学习	心血管疾病	深度学习	2D-CNN-LSTM	图像	使用了广泛采用的MIT-BIH心律失常数据库进行实验
64	2024-08-27	Deep learning-based convolutional neural network for intramodality brain MRI synthesis 2022-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.13530 PMID:35044073	research paper	本研究开发了一种基于深度学习的卷积神经网络（CNN），用于脑部MRI不同对比度图像之间的转换	使用U-Net模型学习源图像对比度到目标图像对比度的非线性映射，能够在脑部MRI对比度间进行准确的图像到图像转换	生成的合成FLAIR图像质量稍低，细节有所丢失	提高脑癌患者的临床决策和诊断质量，通过提供多对比度MRI	脑癌患者的多对比度MRI图像	computer vision	脑癌	卷积神经网络（CNN）	U-Net	image	477名临床诊断为胶质瘤脑癌的患者
65	2024-08-27	Artificial Intelligence to Improve Risk Prediction with Nuclear Cardiac Studies 2022-04, Current cardiology reports IF:3.1Q2 DOI:10.1007/s11886-022-01649-w PMID:35171443	综述	本文综述了机器学习为基础的人工智能在核心脏学中的应用，以及其在心血管疾病风险预测中的表现和贡献	探讨了机器学习为基础的人工智能在核心脏学研究中的应用，特别是SPECT和PET技术，以改善疾病风险分类和不良事件预测	目前研究在方法上存在差异，包括使用统计机器学习方法或深度学习与不同架构、数据集大小和性能	总结和讨论核心脏学技术和人工智能的原则，以及当前关于其在心血管疾病风险预测中性能和贡献的证据	核心脏学研究和心血管疾病风险预测	机器学习	心血管疾病	机器学习	深度学习	影像	NA
66	2024-08-27	Association of Selective Serotonin Reuptake Inhibitor Use With Abnormal Physical Movement Patterns as Detected Using a Piezoelectric Accelerometer and Deep Learning in a Nationally Representative Sample of Noninstitutionalized Persons in the US 2022-04-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2022.5403 PMID:35389502	研究论文	本研究使用压电加速度计和深度学习技术，在一项全国代表性的非机构化人群样本中，评估选择性血清素再摄取抑制剂（SSRI）使用与异常身体运动模式之间的关系	首次使用自然主义、纵向、客观数据的大规模研究来验证SSRI使用者的身体活动发现	本研究为横断面研究，可能存在指示性混杂因素，且模型性能仅为中等	评估SSRI使用者与对照组之间是否存在身体运动差异，并识别SSRI使用者运动的独特特征	选择性血清素再摄取抑制剂（SSRI）使用者与非使用者的身体运动模式	机器学习	NA	压电加速度计	深度学习模型	运动数据	7162名参与者
67	2024-08-27	A New Deep Hybrid Boosted and Ensemble Learning-Based Brain Tumor Analysis Using MRI 2022-Apr-01, Sensors (Basel, Switzerland) DOI:10.3390/s22072726 PMID:35408340	研究论文	本文提出了一种新的两阶段深度学习框架，用于在磁共振图像（MRI）中检测和分类脑肿瘤	提出了一个新颖的深度增强特征空间和集成分类器（DBFS-EC）方案，以及一种基于混合特征融合的脑肿瘤分类方法	未提及	旨在通过深度学习技术提高脑肿瘤分析的准确性和效率	脑肿瘤的检测和分类	计算机视觉	脑肿瘤	深度学习	CNN	图像	使用了来自Kaggle和Figshare的两个标准基准数据集，包含不同类型的肿瘤图像，如胶质瘤、脑膜瘤、垂体瘤和正常图像
68	2024-08-27	Deep learning -- promises for 3D nuclear imaging: a guide for biologists 2022-04-01, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.258986 PMID:35420128	综述	本文综述了深度学习在3D核成像中的应用，特别强调了其在细胞生物学中的潜力和可用性	介绍了深度学习方法在生物医学图像分析中的应用，特别是卷积神经网络在3D核成像中的应用	文中指出目前可供生物学家使用的深度学习方法较少，仅有不到12种	推广深度学习方法在细胞生物学中的应用，并提供最佳实践	3D核成像技术及其在细胞生物学中的应用	计算机视觉	NA	深度学习	卷积神经网络	图像	使用大型数据集进行训练
69	2024-08-27	Impact of coronary plaque morphology on the precision of computational fractional flow reserve derived from optical coherence tomography imaging 2022-Apr, Cardiovascular diagnosis and therapy IF:2.1Q3 DOI:10.21037/cdt-21-505 PMID:35433350	研究论文	本研究探讨了冠状动脉斑块形态对基于光学相干断层扫描（OCT）图像计算的分数流储备（FFR）精度的影响	本研究首次分析了斑块组成对计算FFR数值精度的影响，并使用深度学习算法分析了OCT图像中的冠状动脉斑块形态	研究为回顾性、横断面观察性研究，且样本量相对较小	评估冠状动脉斑块形态对计算FFR精度的影响	冠状动脉斑块形态及其对计算FFR精度的影响	数字病理学	心血管疾病	光学相干断层扫描（OCT）	深度学习算法	图像	共分析了193名患者的230个具有中度冠状动脉狭窄的血管
70	2024-08-27	Live-cell fluorescence spectral imaging as a data science challenge 2022-Apr, Biophysical reviews IF:4.9Q1 DOI:10.1007/s12551-022-00941-x PMID:35528031	综述	本文综述了活细胞荧光光谱成像技术的发展及其在数据分析方面的挑战	介绍了从线性方程系统到矩阵分解、聚类和深度学习方法的演进	NA	旨在为实验科学家和数据分析师提供关于荧光活细胞成像光谱解混算法发展的直接描述	活细胞荧光光谱成像数据分析	计算机视觉	NA	荧光光谱成像	深度学习	图像	NA
71	2024-08-26	A practical evaluation of machine learning for classification of ultrasound images of ovarian development in channel catfish (Ictalurus punctatus) 2022-Apr-15, Aquaculture (Amsterdam, Netherlands) DOI:10.1016/j.aquaculture.2022.738039 PMID:35296028	研究论文	本研究评估了多种机器学习方法在分类超声图像中的卵巢发育情况的应用，特别是在鲶鱼养殖中的应用	首次系统评估了多种机器学习方法在鲶鱼卵巢发育超声图像分类中的应用	深度学习方法在某些分类问题上的表现不如传统机器学习方法	评估机器学习方法在鲶鱼卵巢发育超声图像分类中的可行性	鲶鱼卵巢发育的超声图像	机器学习	NA	深度学习方法，传统机器学习方法	CNN	图像	931张超声图像
72	2024-08-26	Identification of antibiotic resistance and virulence-encoding factors in Klebsiella pneumoniae by Raman spectroscopy and deep learning 2022-04, Microbial biotechnology IF:4.8Q1 DOI:10.1111/1751-7915.13960 PMID:34843635	研究论文	本研究利用拉曼光谱和深度学习技术，开发了一种卷积神经网络（CNN）模型，用于快速识别肺炎克雷伯菌中的抗生素抗性和毒力编码因子	本研究首次将拉曼光谱与深度学习结合，用于快速识别肺炎克雷伯菌的抗生素抗性和毒力编码因子，相比传统的支持向量机（SVM）和逻辑回归（LR）模型，提供了更高的准确性	NA	开发一种快速识别肺炎克雷伯菌抗生素抗性和毒力编码因子的方法，以制定合理的治疗计划	肺炎克雷伯菌的抗生素抗性和毒力编码因子	机器学习	NA	拉曼光谱	CNN	光谱数据	71株肺炎克雷伯菌
73	2024-08-26	Deep learning versus iterative image reconstruction algorithm for head CT in trauma 2022-Apr, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-021-02012-2 PMID:34984574	研究论文	比较深度学习图像重建算法（DLIR）与自适应统计迭代重建算法（ASiR-V）在非对比创伤头部CT中的图像质量	DLIR算法在图像噪声、信噪比和对比噪声比方面表现出显著优势，尤其是DLIR-M和DLIR-H	阅读者之间的评分一致性在不同经验水平的阅读者之间表现不一，从较差到良好不等	评估和比较DLIR与ASiR-V在创伤头部CT图像重建中的效果	94名连续创伤患者的头部CT扫描图像	计算机视觉	NA	深度学习图像重建算法（DLIR），自适应统计迭代重建算法（ASiR-V）	CNN	图像	94名创伤患者
74	2024-08-26	Novel-view X-ray projection synthesis through geometry-integrated deep learning 2022-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102372 PMID:35131701	研究论文	本文提出了一种基于深度学习的几何集成投影合成框架（DL-GIPS），用于从特定视角的X射线投影图像生成新视角的X射线投影图像	本文提出的DL-GIPS模型能够从源视角投影中提取几何和纹理特征，并通过几何变换适应视角变化，最终合成目标视角的X射线投影	NA	研究如何通过深度学习技术从特定视角的X射线投影图像生成新视角的X射线投影图像，以减少实际投影测量的需求	X射线投影图像	计算机视觉	NA	深度学习	DL-GIPS	图像	使用肺部成像案例进行验证
75	2024-08-26	Brain Tumor Imaging: Applications of Artificial Intelligence 2022-Apr, Seminars in ultrasound, CT, and MR DOI:10.1053/j.sult.2022.02.005 PMID:35339256	综述	本文综述了人工智能在脑肿瘤影像学中的应用，特别是机器学习和深度学习在神经肿瘤学中的潜在用途	人工智能在脑肿瘤影像学中的应用，包括分子分类、鉴别和治疗反应评估	需要更多多中心规模的研究和标准化的图像处理流程，才能在常规临床决策中引入人工智能	探讨人工智能在神经肿瘤学中的应用，特别是脑肿瘤的分子分类、鉴别和治疗反应评估	脑肿瘤的影像学特征和人工智能模型的应用	计算机视觉	脑肿瘤	机器学习, 深度学习	NA	影像	NA
76	2024-08-26	AF2Complex predicts direct physical interactions in multimeric proteins with deep learning 2022-04-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-29394-2 PMID:35365655	research paper	本文展示了利用AlphaFold2的神经网络模型预测多聚体蛋白质复合物结构的方法，无需重新训练	AF2Complex方法不依赖于配对的多序列比对，且在预测蛋白质-蛋白质相互作用的准确性上优于一些复杂的对接策略和AF-Multimer方法	NA	开发一种新的方法来预测多聚体蛋白质复合物的结构，并评估其在实际生物系统中的应用	多聚体蛋白质复合物的结构及其相互作用	machine learning	NA	deep learning	neural network	protein sequences	包括一些具有挑战性的基准集和E. coli的整个蛋白质组，以及细胞色素c生物合成系统I中的八个成员
77	2024-08-26	Deep-learning based identification, tracking, pose estimation, and behavior classification of interacting primates and mice in complex environments 2022-Apr, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-022-00477-5 PMID:35465076	研究论文	本文提出了一种基于深度学习的架构，用于在复杂环境中识别、跟踪、姿态估计和分类交互的灵长类动物和小鼠的行为	该架构能够直接从原始视频帧中分析个体和社交动物行为，无需后续人工干预，并嵌入了一个名为SIPEC的流程，该流程在分割、识别、姿态估计和复杂行为分类方面超越了现有技术	NA	研究脑功能、药物干预效果和遗传改变对行为的影响	交互的灵长类动物和小鼠的行为	计算机视觉	NA	深度学习	深度学习架构	视频	多个自由移动的个体小鼠以及社交互动的非人类灵长类动物
78	2024-08-25	Automated Deep Transfer Learning-Based Approach for Detection of COVID-19 Infection in Chest X-rays 2022-Apr, Ingenierie et recherche biomedicale : IRBM = Biomedical engineering and research DOI:10.1016/j.irbm.2020.07.001 PMID:32837679	研究论文	本文提出了一种基于深度迁移学习的自动化方法，用于通过胸部X光片检测COVID-19感染	使用极端版本的Inception（Xception）模型进行深度迁移学习，显著提高了检测性能	目前仅在胸部X光片上应用了该方法，尚未在其他类型的影像数据上进行验证	开发一种自动化的深度迁移学习方法，以加速COVID-19感染的检测	COVID-19感染的胸部X光片	计算机视觉	COVID-19	深度迁移学习	Xception	图像	NA
79	2024-08-25	Synthetic feature pairs dataset and siamese convolutional model for image matching 2022-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2022.107965 PMID:35242945	研究论文	本文通过使用相同的特征块创建一个新的合成特征对大型数据集，利用孪生卷积模型进行特征描述和匹配，完善了整个匹配流程	本文提出的数据集避免了使用其他算法提取特征块时的错误检测或手动标记的不准确性，并且可以控制合成特征块的内容和几何及光度参数，从而控制模型的不变性	NA	旨在通过合成特征对数据集和孪生卷积模型改进图像匹配技术	合成特征对数据集和孪生卷积模型	计算机视觉	NA	孪生卷积模型	CNN	图像	大型合成特征对数据集
80	2024-08-23	Historical-crack18-19: A dataset of annotated images for non-invasive surface crack detection in historical buildings 2022-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2022.107865 PMID:35146090	研究论文	本文介绍了Historical-crack18-19数据集，包含约3886张历史建筑混凝土表面的注释图像	该数据集专门用于训练和验证基于机器学习和深度学习模型的自动化非侵入性裂缝检测和裂缝严重程度识别方法	在历史建筑表面图像中，裂缝检测/分割系统面临多种挑战，如光照、类似裂缝的图案、分隔符、灰尘、模糊和深层纹理等	旨在为自动化非侵入性裂缝检测和裂缝严重程度识别提供数据支持	历史建筑混凝土表面的裂缝检测	计算机视觉	NA	机器学习 (ML) 和深度学习 (DL)	NA	图像	约3886张注释图像，包括757张裂缝图像和3139张非裂缝图像