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	Multiplexed high-throughput localized electroporation workflow with deep learning-based analysis for cell engineering 2022-07-22, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abn7637 PMID:35867793	研究论文	本文介绍了一种高吞吐量的多孔板局部电穿孔设备（LEPD），结合深度学习图像分析，用于细胞工程中的快速实验因素优化	开发了一种高吞吐量的多孔板局部电穿孔设备，并结合深度学习图像分析，实现了快速优化实验因素和高效递送生物分子	NA	优化细胞内递送协议，实现高效的基因操作	不同类型的贴壁细胞和悬浮细胞，以及人类诱导多能干细胞	机器学习	NA	局部电穿孔	深度学习	图像	不同类型的贴壁细胞和悬浮细胞，以及人类诱导多能干细胞
22	2024-09-23	Deep learning for survival analysis in breast cancer with whole slide image data 2022-07-11, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac381 PMID:35674341	研究论文	本文提出并实验评估了一种用于乳腺癌生存分析的多分辨率深度学习方法	该方法整合了多分辨率图像数据和深度学习模型的肿瘤、淋巴细胞及核分割结果，显著提高了深度学习模型的性能	由于全切片图像数据的规模和复杂性以及机器学习方法训练数据的相对有限性，该分析具有挑战性	旨在通过全切片组织图像数据中的定量分析，发现新的生物标志物，以改善癌症诊断和预后，并增进对癌症机制的理解	乳腺癌的生存分析	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	NA
23	2024-09-23	Dental anomaly detection using intraoral photos via deep learning 2022-07-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-15788-1 PMID:35804050	研究论文	本文研究了使用深度神经网络（DNNs）通过口腔内照片自动检测牙科异常	提出了一种使用深度神经网络自动检测牙科异常的方法，比传统的人工检测更高效且可靠	模型在某些异常检测上的F1分数略低于有8年临床经验的牙医	提高牙科异常检测的效率和可靠性，加速研究发现	非综合征性口腔颌面裂（OFC）儿童的牙科异常	计算机视觉	NA	深度神经网络（DNNs）	卷积神经网络（CNN）	图像	来自非综合征性口腔颌面裂儿童和对照组的最大国际队列（OFC1）的口腔内照片
24	2024-09-23	A streamable large-scale clinical EEG dataset for Deep Learning 2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC48229.2022.9871708 PMID:36085766	研究论文	本文发布了一个大规模的临床脑电图（EEG）数据集，旨在简化深度学习模型的数据访问和管理	本文首次发布了一个大规模的临床EEG数据集，为深度学习在神经科学领域的应用提供了重要的数据资源	NA	本文旨在为神经科学领域的研究人员提供一个大规模的临床EEG数据集，以支持深度学习模型的实验和应用	本文的研究对象是1,574名青少年参与者的闭眼EEG数据	生物医学研究	NA	深度学习	NA	脑电图（EEG）数据	1,574名青少年参与者
25	2024-09-23	External COVID-19 Deep Learning Model Validation on ACR AI-LAB: It's a Brave New World 2022-07, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2022.03.013 PMID:35483438	研究论文	本研究使用ACR AI-LAB平台在独立学术医学中心测试了外部开发的COVID-19胸部X光片深度学习模型，评估其肺部疾病严重程度	首次在ACR AI-LAB平台上验证外部开发的COVID-19胸部X光片深度学习模型，展示了PXS评分模型的可推广性	样本量较小，仅包含141名患者的数据	评估外部开发的COVID-19胸部X光片深度学习模型在本地数据上的表现，并探讨其在临床应用中的潜力	COVID-19患者的胸部X光片及其肺部疾病严重程度	计算机视觉	COVID-19	深度学习	深度学习模型	图像	141名COVID-19患者
26	2024-09-23	Deep learning-based integration of genetics with registry data for stratification of schizophrenia and depression 2022-07, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abi7293 PMID:35767618	研究论文	本文基于深度学习方法，整合遗传数据与注册数据，对抑郁症和精神分裂症患者进行分层	本文创新性地将深度学习应用于精神疾病的分层，并整合了多种数据类型进行分析	本文的样本主要来自iPSYCH2012病例队列，可能存在样本偏倚	旨在通过数据驱动的分层方法改进精神疾病的诊断和治疗	抑郁症和精神分裂症患者及其对照组	机器学习	精神疾病	深度学习	NA	遗传数据、注册数据	19,636名抑郁症和/或精神分裂症患者，22,467名对照组
27	2024-09-13	Neural Transformers for Intraductal Papillary Mucosal Neoplasms (IPMN) Classification in MRI images 2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC48229.2022.9871547 PMID:36085787	研究论文	本文提出了一种基于Transformer网络的AI模型，用于MRI图像中胰腺导管内乳头状黏液性肿瘤（IPMN）的分类	本文利用Transformer网络在视觉任务中的通用性，提出了一种新的AI模型，相比传统的卷积神经网络，该模型在预训练方面表现更好，并能更好地解释结果	NA	开发一种能够准确分类胰腺导管内乳头状黏液性肿瘤（IPMN）的AI模型，以支持医疗决策	胰腺导管内乳头状黏液性肿瘤（IPMN）的分类	计算机视觉	胰腺癌	Transformer网络	Transformer	图像	NA
28	2024-09-11	ViDMASK dataset for face mask detection with social distance measurement 2022-Jul, Displays IF:3.7Q2 DOI:10.1016/j.displa.2022.102235 PMID:35574253	研究论文	本文提出了一种基于深度学习的口罩检测和社交距离测量模型，并引入了一个新的视频口罩检测数据集ViDMASK	提出了一个新的视频口罩检测数据集ViDMASK，该数据集在姿态、环境、图像质量和多样化的主体特征方面具有多样性	由于ViDMASK数据集的复杂性和场景中人数的增加，大多数模型的性能在ViDMASK数据集上表现不佳	开发一种能够监测口罩佩戴和社交距离的AI系统，以应对COVID-19疫情	口罩检测和社交距离测量	计算机视觉	NA	深度学习	Mask RCNN, YOLOv4, YOLOv5, YOLOR	视频	NA
29	2024-09-10	Leveraging data analytics to understand the relationship between restaurants' safety violations and COVID-19 transmission 2022-Jul, International journal of hospitality management IF:9.9Q1 DOI:10.1016/j.ijhm.2022.103241 PMID:35571509	研究论文	本文利用自然语言处理、空间分析和统计分析来研究餐厅安全违规与COVID-19传播之间的关系	开发了一种基于神经网络的深度学习模型进行主题建模，并进行了消费者投诉的地理分布空间建模	仅基于佛罗里达州的数据，可能不适用于其他地区	研究餐厅安全违规与COVID-19传播之间的关系	餐厅安全违规与COVID-19病例之间的关系	自然语言处理	NA	自然语言处理、空间分析、统计分析	神经网络	文本、地理数据	佛罗里达州重新开业初期的基于位置的消费者投诉数据
30	2024-09-07	Incorporating causality in energy consumption forecasting using deep neural networks 2022-Jul-30, Annals of operations research IF:4.4Q1 DOI:10.1007/s10479-022-04857-3 PMID:35967838	研究论文	本文提出了一种结合因果关系的长短期记忆网络用于能源消耗预测	引入了因果关系信息到深度学习架构中，称为纠缠长短期记忆网络，并展示了其在能源消耗预测中的优越性	NA	改进能源消耗预测方法，提高预测准确性	能源消耗和天气数据	机器学习	NA	深度学习	纠缠长短期记忆网络	数据集	三个数据集
31	2024-09-06	TL-med: A Two-stage transfer learning recognition model for medical images of COVID-19 2022 Jul-Sep, Biocybernetics and biomedical engineering IF:5.3Q1 DOI:10.1016/j.bbe.2022.04.005 PMID:35506115	研究论文	本文提出了一种两阶段迁移学习识别模型TL-Med，用于COVID-19医学图像的识别	提出了基于Vision Transformer的两阶段迁移学习模型，解决了COVID-19数据不足的问题	NA	开发一种高效的COVID-19医学图像识别模型，以应对数据稀缺的问题	COVID-19医学图像	计算机视觉	COVID-19	迁移学习	Vision Transformer (ViT)	图像	使用了一个COVID-19数据集，具体样本数量未明确说明
32	2024-09-06	The state of the art for artificial intelligence in lung digital pathology 2022-07, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.5966 PMID:35579955	综述	本文综述了人工智能在肺部数字病理学中的最新进展和应用	探讨了人工智能工具在肺部疾病中的应用，包括肺癌、结核病、特发性肺纤维化和COVID-19等，并介绍了新兴应用如多模态数据分析和3D病理学	讨论了基于数字病理学的人工智能工具面临的挑战，如监管批准、开发报销模型、临床部署和解决AI偏见	探讨人工智能在肺部数字病理学中的应用和未来发展	肺部疾病，包括肺癌、结核病、特发性肺纤维化和COVID-19等	数字病理学	肺部疾病	人工智能	深度学习	图像	NA
33	2024-09-05	Learning-based three-dimensional registration with weak bounding box supervision 2022-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.4.044001 PMID:35847178	研究论文	本文提出了一种基于弱边界框监督的学习方案，用于可变形图像配准，通过仅使用边界框标签计算损失函数，训练图像配准网络处理大位移变形	本文创新地使用弱边界框监督学习方案，减少了详细标注的需求，提高了图像配准的性能	NA	提高医学图像分析中图像配准方法的性能	三维腹部CT和MRI图像的配准	计算机视觉	NA	深度学习	CNN	图像	NA
34	2024-09-04	A Comprehensive Review of Machine Learning Used to Combat COVID-19 2022-Jul-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081853 PMID:36010204	综述	本文综述了机器学习和深度学习在COVID-19诊断和治疗中的应用	系统总结了AI在COVID-19中的多种应用方法和模型	未提及具体的研究局限性	探讨AI在COVID-19中的应用及其未来发展方向	COVID-19的诊断、治疗及患者健康结果预测	机器学习	COVID-19	机器学习, 深度学习	CNN, LSTM, GAN	医学图像, 患者数据	超过5.39亿确诊病例和630万死亡病例
35	2024-09-04	GraphSite: Ligand Binding Site Classification with Deep Graph Learning 2022-07-29, Biomolecules IF:4.8Q1 DOI:10.3390/biom12081053 PMID:36008947	研究论文	本文介绍了一种基于深度学习的图表示方法GraphSite，用于蛋白质中配体结合位点的分类	GraphSite利用图神经网络和神经加权消息传递层，有效捕捉结合口袋的结构、物化及进化特征，提高了分类准确性	NA	开发一种高效检测和分类蛋白质中配体结合位点的方法，以促进基于结构的药物发现	蛋白质中的配体结合位点	机器学习	NA	深度学习	图神经网络	图	14种不同功能类别的结合口袋数据集
36	2024-09-04	Breast Cancer Detection in Mammography Images Using Deep Convolutional Neural Networks and Fuzzy Ensemble Modeling Techniques 2022-Jul-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081812 PMID:36010164	研究论文	本文利用深度卷积神经网络和模糊集成建模技术在乳腺X线图像上进行乳腺癌检测	提出了一种基于Gompertz函数的模糊排名集成方法，该方法结合了多个深度学习模型的决策分数，提高了预测准确性	NA	开发一种高效的乳腺癌检测工具，以降低死亡率并提高完全康复的机会	乳腺X线图像中的正常、良性及恶性图像	计算机视觉	乳腺癌	深度卷积神经网络	CNN	图像	1145张乳腺X线图像
37	2024-09-04	Strategies for tackling the class imbalance problem of oropharyngeal primary tumor segmentation on magnetic resonance imaging 2022-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2022.08.005 PMID:36035088	研究论文	本文探讨了在磁共振成像中分割口咽部原发肿瘤时处理类别不平衡问题的不同策略	提出了两种策略：使用不同的损失函数和实施两阶段方法，以改善分割性能	不同损失函数在训练中未显示出显著差异	研究解决口咽部原发肿瘤自动轮廓化中类别不平衡问题的策略	口咽部癌症患者的磁共振成像数据	计算机视觉	口咽癌	磁共振成像 (MRI)	3D U-Net	图像	230名口咽癌患者
38	2024-09-02	Deep learning-based defects detection of certain aero-engine blades and vanes with DDSC-YOLOv5s 2022-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-17340-7 PMID:35906368	研究论文	本文通过引入可变形卷积网络和深度可分离卷积优化YOLOv5s结构，提高航空发动机叶片和导叶缺陷检测的准确性和效率	采用可变形卷积网络增强特征图对形状差异的适应性，使用深度可分离卷积提高特征提取效率，并通过k-means聚类优化锚框大小	研究强调了DDSC-YOLOv5s在扩大规模发动机缺陷检测中的应用潜力，但未来仍需进一步增强	实现航空发动机缺陷的智能检测，提高飞行安全性和降低维护成本	航空发动机叶片和导叶的缺陷检测	计算机视觉	NA	可变形卷积网络，深度可分离卷积	YOLOv5s	图像	未具体说明样本数量
39	2024-09-02	Automatic scoring of COVID-19 severity in X-ray imaging based on a novel deep learning workflow 2022-07-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-15013-z PMID:35896761	研究论文	本研究提出了一种用于肺部疾病分割和评分的新型深度学习工作流程，该流程继承了放射科医生和临床医生对X光图像上肺部疾病的定量、定性和视觉评估	提出的算法在平均绝对误差（MAE）方面显著优于现有的COVID-19算法，且计算效率更高	NA	开发一种准确、高效且多功能的肺部疾病分割和评分方法，特别适用于COVID-19，并具有更广泛的潜在应用	COVID-19患者的X光图像以及无肺部病理患者的X光图像	计算机视觉	COVID-19	深度学习	DeepLabV3+, MA-Net	图像	580名COVID-19患者和784名无肺部病理患者
40	2024-09-02	A process mining- deep learning approach to predict survival in a cohort of hospitalized COVID-19 patients 2022-07-25, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-022-01934-2 PMID:35879715	研究论文	本文开发了一种结合过程挖掘和深度学习的方法，用于预测住院COVID-19患者的生存率，并在入院后的前72小时内每6小时更新一次预测。	首次将过程挖掘技术应用于COVID-19患者的预测，并结合深度学习模型，利用时间信息提高预测准确性。	NA	开发一种新的模型，通过结合过程挖掘和深度学习技术，提高对住院COVID-19患者生存率的预测准确性。	住院COVID-19患者的生存率预测	机器学习	COVID-19	过程挖掘/深度学习	深度学习模型	临床数据	NA