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	2024-09-23	Annotating functional effects of non-coding variants in neuropsychiatric cell types by deep transfer learning 2022-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010011 PMID:35576194	研究论文	本文开发了一种基于深度迁移学习的模型MetaChrom，用于注释神经精神细胞类型中非编码变异的功能效应	MetaChrom模型通过迁移学习利用公共表观基因组数据集的信息，提高了对神经发育相关细胞/组织类型中染色质可及性变异的预测准确性	NA	开发一种新的计算方法，用于优先考虑和解释与神经精神性状相关的非编码变异的分子机制	神经精神性状相关的非编码变异及其功能效应	机器学习	神经精神疾病	深度学习	卷积神经网络（ResNet）	DNA序列	大量神经发育相关的细胞/组织类型
22	2024-09-23	Framework for denoising Monte Carlo photon transport simulations using deep learning 2022-05, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.27.8.083019 PMID:35614533	研究论文	本文提出了一种利用深度学习技术去噪蒙特卡罗光子传输模拟的框架	开发了一种结合DnCNN和UNet的级联网络，并扩展了多种图像去噪神经网络架构，用于处理三维蒙特卡罗数据	NA	开发一种有效的图像去噪技术，以显著提高低光子蒙特卡罗模拟结果的质量，从而加速蒙特卡罗方法	蒙特卡罗光子传输模拟中的噪声问题	计算机视觉	NA	深度学习	级联网络（DnCNN和UNet的结合）	三维蒙特卡罗数据	NA
23	2024-09-15	Polarization multiplexed diffractive computing: all-optical implementation of a group of linear transformations through a polarization-encoded diffractive network 2022-May-26, Light, science & applications DOI:10.1038/s41377-022-00849-x PMID:35614046	研究论文	本文介绍了一种极化复用衍射处理器，通过单一衍射网络实现多个任意选择的线性变换的全光学实现	本文的创新点在于引入极化复用技术，通过单一衍射网络实现多个线性变换的全光学实现	本文的局限性在于需要大量的训练样本和复杂的深度学习优化过程	研究目的是开发一种全光学实现多个线性变换的方法	研究对象是极化复用衍射网络及其在光学计算中的应用	机器学习	NA	衍射光学网络	深度学习	光学数据	数千个输入/输出场对应于每个复值线性变换的样本
24	2024-09-11	FastSurferVINN: Building resolution-independence into deep learning segmentation methods-A solution for HighRes brain MRI 2022-05-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2022.118933 PMID:35122967	研究论文	本文介绍了一种名为FastSurferVINN的神经网络模型，用于在高分辨率脑部MRI图像上进行分辨率无关的分割任务	首次提出了一种支持0.7-1.0毫米全脑分割的分辨率无关神经网络（VINN），并显著优于现有方法	NA	开发一种能够在不同分辨率下进行脑部MRI图像分割的深度学习方法	高分辨率脑部MRI图像的分割	计算机视觉	NA	深度学习	神经网络（VINN）	图像	NA
25	2024-09-11	INASNET: Automatic identification of coronavirus disease (COVID-19) based on chest X-ray using deep neural network 2022-May, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2022.02.033 PMID:35300854	研究论文	本文提出了一种基于深度神经网络的系统，用于通过胸部X光片自动识别COVID-19感染	本文提出了一种名为INASNET的新模型，结合了InceptionNet和神经网络架构搜索，以实现更高的预测速度和准确性	NA	开发一种经济实惠且高效的COVID-19检测方法，帮助医生和医疗工作者快速识别感染者	COVID-19感染的胸部X光片图像	计算机视觉	COVID-19	深度学习	卷积神经网络	图像	NA
26	2024-09-10	Forecasting COVID-19 new cases using deep learning methods 2022-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105342 PMID:35247764	研究论文	本文使用三种深度学习模型（CNN、LSTM和CNN-LSTM）预测巴西、印度和俄罗斯的COVID-19新增病例，并与现有模型进行性能比较	本文开发的LSTM模型在预测准确性上有所提高，相比现有模型表现更好	模型仅应用于巴西、印度和俄罗斯的数据，但可扩展到其他国家的数据集	预测COVID-19新增病例，支持全球抗击疫情	巴西、印度和俄罗斯的COVID-19新增病例	机器学习	传染病	深度学习	CNN、LSTM、CNN-LSTM	时间序列数据	巴西、印度和俄罗斯的数据
27	2024-09-10	MultiR-Net: A Novel Joint Learning Network for COVID-19 segmentation and classification 2022-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105340 PMID:35305504	研究论文	本文提出了一种名为MultiR-Net的3D深度学习模型，用于COVID-19的分类和病变分割，以实现实时且可解释的胸部CT诊断	本文创新性地提出了MultiR-Net模型，结合了病变分割和疾病分类两个任务，并通过反向注意力机制和迭代训练策略增强了两个子网之间的特征融合	本文未详细讨论模型的计算资源需求和训练时间，且未提及模型在不同数据集上的泛化能力	开发一种能够同时进行COVID-19分类和病变分割的深度学习模型，以提高胸部CT诊断的准确性和效率	COVID-19、社区获得性肺炎（CAP）和健康人群的胸部CT扫描图像	计算机视觉	COVID-19	深度学习	3D深度学习模型	CT扫描图像	275个3D CT扫描图像，用于COVID-19、CAP和健康人群的分类以及肺炎患者的病变分割
28	2024-09-08	Digital breast tomosynthesis-based peritumoral radiomics approaches in the differentiation of benign and malignant breast lesions 2022-May, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.5152/dir.2022.20664 PMID:35748203	研究论文	评估基于数字乳腺断层合成（DBT）的放射组学方法在区分良性与恶性乳腺病变中的应用	开发了一种结合DBT影像特征和临床因素（年龄和月经状态）的放射组学列线图，用于辅助乳腺癌的临床诊断	研究样本量较小，且仅限于特定时间段内的患者	评估基于DBT的放射组学在区分良性与恶性乳腺病变中的有效性	良性与恶性乳腺病变	数字病理学	乳腺癌	放射组学	列线图	影像	185名接受DBT扫描的患者
29	2024-09-07	Estimating muscle activation from EMG using deep learning-based dynamical systems models 2022-05-19, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ac6369 PMID:35366649	研究论文	本文提出了一种基于深度学习动态系统模型的方法，用于从肌电图（EMG）信号中估计肌肉激活	本文采用了AutoLFADS，一种大规模无监督深度学习方法，最初设计用于去噪皮层尖峰数据，以估计多肌肉EMG信号中的肌肉激活	NA	研究运动神经控制，估计在各种行为条件下肌肉的激活情况	肌肉激活的潜在神经命令信号	机器学习	NA	深度学习	循环神经网络	肌电图信号	涉及大鼠后肢和猴子前臂肌肉活动
30	2024-09-04	Unveiling two-dimensional magnesium hydride as a hydrogen storage material via a generative adversarial network 2022-May-17, Nanoscale advances IF:4.6Q2 DOI:10.1039/d1na00862e PMID:36133700	研究论文	本研究利用基于人工智能的晶体逆设计方法探索二维纯净氢化镁（MgH）的新相，并验证其作为氢储存介质的可能性	揭示了一种新的二维MgH相，具有4̄2空间群，并通过密度泛函理论计算验证了其电子和动态特性	NA	探索二维MgH作为氢储存材料的新相及其电子和动态特性	二维MgH晶体结构及其作为氢储存介质的可行性	机器学习	NA	密度泛函理论（DFT）计算	生成对抗网络（GAN）	图像	NA
31	2024-09-04	A Generic Deep Learning Based Cough Analysis System From Clinically Validated Samples for Point-of-Need Covid-19 Test and Severity Levels 2022-May, IEEE transactions on services computing IF:5.5Q1 DOI:10.1109/TSC.2021.3061402 PMID:35936760	研究论文	本文提出了一种基于深度学习的咳嗽分析系统，用于从临床验证的样本中进行即时Covid-19检测和严重程度分级。	该研究采用了基于经验模态分解（EMD）的算法进行咳嗽声音检测，并使用深度人工神经网络分类器进行分类，创新性地开发了DeepCough2D和DeepCough3D两种版本。	研究依赖于临床实验室的qRT-PCR结果和淋巴细胞计数来标记样本，可能存在实验室误差。	旨在开发一种经济、易获取的即时Covid-19诊断测试工具，以帮助快速识别病毒携带者并减少感染率。	研究对象为Covid-19阳性及阴性患者的咳嗽声音样本。	机器学习	Covid-19	qRT-PCR	CNN	音频	所有收集的样本均经过临床标记，包括Covid-19阳性或阴性，以及基于qRT-PCR阈值循环（Ct）和淋巴细胞计数的疾病严重程度。
32	2024-09-01	Risk assessment of ICU patients through deep learning technique: A big data approach 2022-May-30, Journal of global health IF:4.5Q1 DOI:10.7189/jogh.12.04044 PMID:35788091	研究论文	本文通过深度学习技术对ICU患者的治疗反应进行风险评估，采用大数据方法分析患者对镇静剂治疗的连续反应，并提出使用LSTM-RNN模型来预测患者结果。	本文提出使用LSTM-RNN模型结合异构药物事件来预测患者结果，并引入正则语言处理和高斯周期来处理患者处方记录中的噪声、缺失和不均匀测试问题。	文章指出，患者的治疗可能被延长，而RNN可能无法在这种方式下展示。	评估ICU患者通过深度学习技术的风险，并改进治疗计划以避免严重情况。	ICU患者及其对镇静剂治疗的反应。	机器学习	NA	深度学习	LSTM-RNN	文本	未明确提及具体样本数量
33	2024-09-01	Blockchain-based rumor detection approach for COVID-19 2022-May-20, Journal of ambient intelligence and humanized computing DOI:10.1007/s12652-022-03900-2 PMID:35611303	研究论文	本文提出了一种基于区块链技术的COVID-19谣言检测方法，通过设计一个包含网络层、区块链层、机器层和设备层的四层框架，结合双向长短期记忆（Bi-LSTM）模型，有效防止网络中谣言的传播。	本文创新性地结合区块链技术与Bi-LSTM模型，不仅提高了谣言检测的准确性，还显著降低了误报率。	NA	旨在开发一种高效的谣言检测与预防模型，以应对社交媒体中大量未经验证的信息。	研究对象为社交媒体中的谣言信息及其传播机制。	机器学习	NA	区块链技术	Bi-LSTM	文本	未具体说明样本数量
34	2024-08-29	Author Correction: Arrhythmic sudden death survival prediction using deep learning analysis of scarring in the heart 2022-May, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-022-00075-z PMID:39195951	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
35	2024-08-31	Automatic lesion segmentation using atrous convolutional deep neural networks in dermoscopic skin cancer images 2022-05-29, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00829-y PMID:35644612	研究论文	本文提出了一种基于空洞卷积的深度神经网络框架，用于自动分割皮肤镜下皮肤癌图像中的病变区域	采用空洞/扩张卷积的概念，设计了一种新的卷积神经网络架构，有效提高了病变分割的性能	NA	开发一种计算机辅助系统，用于准确和及时地检测皮肤癌病变	皮肤镜下皮肤癌图像中的病变区域	计算机视觉	皮肤癌	空洞卷积	CNN	图像	使用了三个基准数据集，分别是ISIC 2016、ISIC 2017和ISIC 2018
36	2024-08-31	Automatic Segmentation of Retinal Fluid and Photoreceptor Layer from Optical Coherence Tomography Images of Diabetic Macular Edema Patients Using Deep Learning and Associations with Visual Acuity 2022-May-29, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines10061269 PMID:35740291	研究论文	本文提出了一种改进的U-net深度学习算法，用于自动分割糖尿病黄斑水肿患者的视网膜OCT图像中的视网膜液和光感受层，并分析其与最佳矫正视力的关联	本文首次将视网膜特征的分割与视觉视力相关联，并使用改进的U-net模型进行自动分割	NA	研究如何通过深度学习技术自动分割视网膜OCT图像中的关键特征，并分析这些特征与视觉视力的关系	糖尿病黄斑水肿患者的视网膜OCT图像中的视网膜液和光感受层	计算机视觉	糖尿病	深度学习	U-net	图像	视网膜OCT图像被手动标记并由医生检查
37	2024-08-31	Modeling physician's preference in treatment plan approval of stereotactic body radiation therapy of prostate cancer 2022-05-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac6d9e PMID:35523171	研究论文	本研究开发了一种基于深度学习的虚拟医生网络（VPN），用于模拟医生对前列腺癌立体定向体部放疗（SBRT）治疗计划批准的偏好	使用对抗框架训练VPN，以解决数据库中缺乏未批准计划的问题，并能对未批准计划提出剂量改进建议	研究样本量较小，仅包括68名前列腺癌患者	开发一种能够模拟医生偏好并提供剂量改进建议的虚拟医生网络	前列腺癌患者的立体定向体部放疗治疗计划	机器学习	前列腺癌	深度学习	VPN	图像	68名前列腺癌患者，其中60名用于训练和交叉验证，8名用于独立测试
38	2024-08-31	Pneumonia Transfer Learning Deep Learning Model from Segmented X-rays 2022-May-26, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare10060987 PMID:35742039	研究论文	本文研究了利用图像分割和机器学习模型从X光图像中可靠地预测肺炎疾病	提出了改进的BoxENet模型，通过结合ImgNet和SqueezeNet的迁移学习，使用多数融合模型，提高了分类性能和速度	NA	开发一种快速且精确的深度学习模型来诊断肺炎疾病	肺炎疾病的X光图像	计算机视觉	肺炎	迁移学习	BoxENet	图像	4000张肺炎疾病X光图像和4000张健康X光图像
39	2024-08-31	Partial Differential Equation-Constrained Diffeomorphic Registration from Sum of Squared Differences to Normalized Cross-Correlation, Normalized Gradient Fields, and Mutual Information: A Unifying Framework 2022-May-13, Sensors (Basel, Switzerland) DOI:10.3390/s22103735 PMID:35632143	研究论文	本文提出了一种统一的框架，将基于偏微分方程约束的大变形微分度量映射（PDE-LDDMM）从平方差和（SSD）扩展到使用归一化交叉相关（NCC）、局部归一化交叉相关（lNCC）、归一化梯度场（NGFs）和互信息（MI）等不同图像相似性度量的PDE-LDDMM。	本文通过引入新的图像相似性度量，扩展了PDE-LDDMM的应用范围，并在多个基准测试中展示了其优越性能。	对于归一化梯度场（NGFs）和互信息（MI），高斯-牛顿-克雷洛夫（GNK）优化未能超越梯度下降法，且MI的GNK优化涉及大量密集矩阵的乘积，导致内存需求过高。	旨在通过引入新的图像相似性度量，提高基于偏微分方程约束的大变形微分度量映射（PDE-LDDMM）的注册准确性。	研究对象包括不同图像相似性度量在PDE-LDDMM中的应用及其优化方法。	计算机视觉	NA	PDE-LDDMM	NA	图像	NA
40	2024-08-31	Global User-Level Perception of COVID-19 Contact Tracing Applications: Data-Driven Approach Using Natural Language Processing 2022-May-11, JMIR formative research IF:2.0Q4 DOI:10.2196/36238 PMID:35389357	研究论文	本文通过自然语言处理技术，自动分析用户对COVID-19接触追踪应用的评论，提取并分类用户情感极性	提出了一种自动分析用户评论并提取情感的解决方案，结合用户友好的界面，可作为快速监控工具	NA	分析AI和NLP技术在自动提取和分类用户情感极性方面的有效性	COVID-19接触追踪移动应用的用户评论	自然语言处理	NA	自然语言处理	AI模型	文本	34,534条手动标注的评论