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
101	2024-08-30	ETL-YOLO v4: A face mask detection algorithm in era of COVID-19 pandemic 2022-Jun, Optik DOI:10.1016/j.ijleo.2022.169051 PMID:35411120	研究论文	本文提出了一种改进的ETL-YOLO v4算法，用于在COVID-19大流行期间进行口罩检测	ETL-YOLO v4通过改进的特征提取和预测网络，以及添加修改后的密集SPP网络和额外的检测层，提高了检测精度	NA	提高口罩检测算法的准确性	口罩检测	计算机视觉	NA	深度学习	CNN	图像	使用了Mosaic和CutMix数据增强技术，未具体说明样本数量
102	2024-08-30	Machine learning to navigate fitness landscapes for protein engineering 2022-06, Current opinion in biotechnology IF:7.1Q1 DOI:10.1016/j.copbio.2022.102713 PMID:35413604	综述	本文综述了机器学习在蛋白质工程中的应用，特别是如何利用机器学习方法来理解和预测蛋白质序列、结构和功能之间的关系	介绍了新的序列表示策略以提高数据效率建模，并描述了机器学习在蛋白质工程流程中的多种应用方式	NA	探讨机器学习在蛋白质工程中的最新进展	蛋白质序列、结构和功能之间的关系	机器学习	NA	机器学习	监督学习方法、生成模型	实验数据	NA
103	2024-08-30	Brain tumor image generation using an aggregation of GAN models with style transfer 2022-06-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-12646-y PMID:35650252	研究论文	本文提出了一种结合多种生成对抗网络（GAN）模型与风格迁移技术的脑肿瘤图像生成方法	通过聚合三种基础GAN模型（两种深度卷积生成对抗网络DCGAN和一种Wasserstein GAN）并应用风格迁移技术，提高了合成MRI脑肿瘤图像的质量	文章未明确提及具体限制	旨在解决医学图像分析领域中原始数据稀缺和类别不平衡问题	脑肿瘤的合成MRI图像	计算机视觉	脑肿瘤	生成对抗网络（GAN）	DCGAN, WGAN	图像	使用了两个公开数据集：脑肿瘤数据集和多模态脑肿瘤分割挑战（BraTS）2020数据集
104	2024-08-28	Predicting cognitive scores with graph neural networks through sample selection learning 2022-Jun, Brain imaging and behavior IF:2.4Q2 DOI:10.1007/s11682-021-00585-7 PMID:34757563	研究论文	本文设计了一种新的回归图神经网络模型（RegGNN），用于从脑连接性预测智商分数，并引入了一种全新的模块化样本选择方法，以选择最佳样本进行目标预测任务的学习	本文提出的RegGNN模型能够利用脑连接图的拓扑属性，避免了现有方法通过向量化脑连接图而忽略其拓扑特性的问题。此外，引入的样本选择方法能够学习如何选择具有最高预期预测能力的训练样本	深度学习架构在训练过程中计算成本较高	分析智力与神经活动之间的关系，以理解健康和疾病状态下人脑的工作原理	智商分数的预测	机器学习	自闭症谱系障碍	图神经网络（GNN）	图神经网络（GNN）	脑连接图	未明确提及具体样本数量
105	2024-08-26	Semantic segmentation of multispectral photoacoustic images using deep learning 2022-Jun, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2022.100341 PMID:35371919	研究论文	本文提出了一种基于深度学习的语义分割方法，用于多光谱光声图像的分析	利用手动标注的光声和超声图像数据训练深度学习分割算法，实现自动组织分割	NA	促进光声成像技术的临床转化	多光谱光声图像	计算机视觉	NA	深度学习	NA	图像	16名健康志愿者
106	2024-08-07	Real-time vessel segmentation and reconstruction for virtual fixtures for an active handheld microneurosurgical instrument 2022-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-022-02584-5 PMID:35296950	研究论文	本文设计了一种实时血管分割和重建策略，用于手持式神经外科手术机器人Micron，以避免在岩枕部脑膜瘤手术中发生血管损伤	本文创新地整合了深度学习实时血管分割与3D重建算法，并实现了基于虚拟固定器的策略，防止手术工具进入血管周围的禁止区域	NA	提高患者在神经外科手术中的安全性，避免血管损伤	手持式神经外科手术机器人Micron在岩枕部脑膜瘤手术中的应用	计算机视觉	脑膜瘤	深度学习	CNN	图像	使用了模拟血管、岩静脉、颈内动脉和浅表血管的数据集进行测试
107	2024-08-07	Hyperparameter Tuning and Automatic Image Augmentation for Deep Learning-Based Angle Classification on Intraoral Photographs-A Retrospective Study 2022-Jun-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12071526 PMID:35885432	研究论文	本研究评估了超参数调优和自动图像增强对基于深度学习的正畸照片按Angle分类的影响	采用GradCAM提高模型的可解释性，并发现自动图像增强进一步提升了模型性能	误分类主要发生在Angle I类和II类之间	评估超参数调优和自动图像增强对深度学习模型在正畸照片分类中的效果	正畸照片按Angle分类	计算机视觉	NA	深度学习	ResNet	图像	605张Angle I类图像，1038张Angle II类图像，408张Angle III类图像
108	2024-08-07	Deep learning improves implant classification by dental professionals: a multi-center evaluation of accuracy and efficiency 2022-06, Journal of periodontal & implant science DOI:10.5051/jpis.2104080204 PMID:35775697	研究论文	本研究评估并比较了牙科专业人员在使用和不使用深度学习（DL）算法的情况下，对不同类型牙科植入系统（DISs）的分类准确性	使用DL算法显著提高了牙科专业人员对DISs的平均分类准确性	NA	评估和比较牙科专业人员在有和无DL算法辅助下对牙科植入系统分类的准确性	牙科专业人员对不同类型牙科植入系统的分类准确性	机器学习	NA	深度学习	DL算法	图像	包括5名认证牙周病专家、8名牙周病学住院医师和31名未专攻种植学的牙医
109	2024-08-07	Depth resolved pencil beam radiography using AI - a proof of principle study 2022-Jun, Journal of instrumentation : an IOP and SISSA journal IF:1.3Q3 DOI:10.1088/1748-0221/17/06/p06012 PMID:38938475	研究论文	本研究探讨了利用现代辐射源和探测器结合深度学习技术，通过散射光子信息在平面X射线成像中解析叠加衰减器的可能性	首次证明深度学习技术可以分析散射光子模式，从而在传统2D平面设置中推断深度信息	研究受限于简单的测试场景，未涉及复杂性或优化，且临床应用的性能扩展尚未探索	验证深度学习技术在解析平面X射线成像中叠加衰减器深度的原理	使用散射光子信息解析平面X射线成像中的叠加衰减器	计算机视觉	NA	X射线成像	卷积神经网络	图像	10个伪随机堆叠的空气/骨骼/水材料模型
110	2024-08-05	Patient-specific synthetic magnetic resonance imaging generation from cone beam computed tomography for image guidance in liver stereotactic body radiation therapy 2022-Jun, Precision radiation oncology DOI:10.1002/pro6.1163 PMID:37064765	研究论文	本文提出了一种患者特异性的深度学习模型，旨在从锥形束计算机断层扫描（CBCT）生成合成磁共振成像（MRI）以改善肝肿瘤定位	创新点在于利用患者特异性的CBCT-MRI图像对来训练深度学习模型以生成合成MRI	由于该研究基于特定患者的数据，模型的泛化能力可能受到限制	研究旨在提高肝肿瘤定位的准确性	研究对象为肝肿瘤患者的CBCT和MRI图像	医学影像处理	肝癌	深度学习	U-Net	影像	3名患者的CBCT-Ground Truth MRI图像
111	2024-08-07	A Reproducible Deep-Learning-Based Computer-Aided Diagnosis Tool for Frontotemporal Dementia Using MONAI and Clinica Frameworks 2022-Jun-23, Life (Basel, Switzerland) DOI:10.3390/life12070947 PMID:35888037	研究论文	本文介绍了一种基于Clinica和MONAI框架的可重复且可靠的计算机辅助诊断工具的开发，用于检测额颞叶痴呆（FTD）	提出了一个可重复的计算机辅助诊断开发工作流程，并应用了可解释的人工智能方法来理解模型行为	文章未明确提及具体的局限性	开发一种标准化的计算机辅助诊断工具，以促进人工智能产品在医疗系统中的应用	额颞叶痴呆（FTD）的检测	计算机视觉	神经退行性疾病	深度学习（DL）	NA	3D MRI数据	数据来自NIFD数据库