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
1	2024-12-01	JSE: Joint Semantic Encoder for zero-shot gesture learning 2022-Aug, Pattern analysis and applications : PAA IF:3.7Q2 DOI:10.1007/s10044-021-00992-y PMID:39588314	研究论文	本文研究了三种不同的特征提取技术对零样本手势学习性能的影响，并提出了一种名为联合语义编码器（JSE）的双线性自编码器方法	本文首次研究了特征选择对零样本手势学习的影响，并提出了联合语义编码器（JSE）方法，该方法在零样本手势识别中表现优异	本文未详细讨论JSE方法在其他领域的适用性及其泛化能力	研究特征提取技术对零样本手势学习性能的影响，并提出一种新的方法来提高零样本手势识别的准确性	零样本手势学习中的特征提取技术和识别性能	机器学习	NA	深度学习	自编码器	图像	未明确提及具体样本数量
2	2024-12-01	Federated Learning for Multicenter Collaboration in Ophthalmology: Improving Classification Performance in Retinopathy of Prematurity 2022-08, Ophthalmology. Retina DOI:10.1016/j.oret.2022.02.015 PMID:35296449	研究论文	比较了使用集中数据和联邦学习（FL）两种方法在多机构数据集上训练的深度学习分类器在早产儿视网膜病变（ROP）诊断中的表现	证明了联邦学习模型在多机构协作中的有效性，特别是在资源较少的机构中	NA	比较集中数据和联邦学习两种方法在多机构数据集上训练的深度学习分类器在早产儿视网膜病变诊断中的表现	早产儿视网膜病变（ROP）的诊断	计算机视觉	眼科疾病	联邦学习（FL）	深度学习分类器	图像	5255张广角视网膜图像，来自7个机构的儿科重症监护室
3	2024-11-19	DeePVP: Identification and classification of phage virion proteins using deep learning 2022-08-11, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giac076 PMID:35950840	研究论文	本文介绍了一种基于深度学习的噬菌体病毒颗粒蛋白（PVPs）识别与分类工具DeePVP	DeePVP在PVP识别任务中的F1分数比现有最先进工具高出9.05%，在PVP分类任务中的整体准确率比PhANNs高出约3.72%	NA	开发一种能够有效识别和分类噬菌体病毒颗粒蛋白的工具	噬菌体病毒颗粒蛋白（PVPs）	机器学习	NA	深度学习	NA	序列	NA
4	2024-10-18	Radiation Dose Reduction for 80-kVp Pediatric CT Using Deep Learning-Based Reconstruction: A Clinical and Phantom Study 2022-08, AJR. American journal of roentgenology DOI:10.2214/AJR.21.27255 PMID:35195431	研究论文	本研究评估了基于深度学习的重建（DLR）在降低低管电压儿童CT辐射剂量同时保持诊断图像质量方面的效果	首次比较了低剂量DLR图像与标准剂量迭代重建（IR）图像，并探索了DLR在低管电压扫描中的应用	本研究为回顾性研究，样本量有限，且仅限于6岁及以下的儿童	评估DLR在降低低管电压儿童CT辐射剂量同时保持图像质量方面的效果	6岁及以下的儿童	计算机视觉	NA	基于深度学习的重建（DLR）	深度学习模型	图像	65名儿童（平均年龄25.0 ± 25.2个月）
5	2024-10-18	Defining Normal Ranges of Skeletal Muscle Area and Skeletal Muscle Index in Children on CT Using an Automated Deep Learning Pipeline: Implications for Sarcopenia Diagnosis 2022-08, AJR. American journal of roentgenology DOI:10.2214/AJR.21.27239 PMID:35234481	研究论文	使用自动化深度学习管道在儿童腹部CT图像上定义骨骼肌面积和骨骼肌指数的正常范围，以辅助诊断儿童肌肉减少症	首次使用自动化深度学习管道在儿童群体中定义骨骼肌面积和骨骼肌指数的正常范围	研究仅限于特定医院的数据，样本选择标准严格，可能影响结果的普适性	确定儿童骨骼肌面积和骨骼肌指数的正常范围，以辅助诊断儿童肌肉减少症	儿童的骨骼肌面积和骨骼肌指数	计算机视觉	NA	深度学习	DL	图像	2168名儿童，年龄范围2.00-18.99岁，包括1125名女性和1043名男性
6	2024-10-18	Editorial Comment: Doing More With Less-Deep Learning Iterative Reconstruction Can Improve Diagnostic Image Quality in Pediatric Low-Dose Body CT 2022-Aug, AJR. American journal of roentgenology DOI:10.2214/AJR.22.27613 PMID:35261283	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7	2024-10-06	A Systematic Evaluation of Ensemble Learning Methods for Fine-Grained Semantic Segmentation of Tuberculosis-Consistent Lesions in Chest Radiographs 2022-Aug-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9090413 PMID:36134959	研究论文	本文系统评估了集成学习方法在胸部X光片中结核病一致性病变细粒度语义分割中的应用	首次将集成学习应用于提高结核病一致性病变细粒度分割性能	NA	评估使用细粒度标注训练U-Net模型及其集成方法在结核病一致性病变语义分割中的效果	结核病一致性病变在胸部X光片中的细粒度语义分割	计算机视觉	肺结核	深度学习	U-Net	图像	NA
8	2024-10-06	COVID-19 Diagnosis and Classification Using Radiological Imaging and Deep Learning Techniques: A Comparative Study 2022-Aug-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081880 PMID:36010231	研究论文	本文比较了使用放射影像和深度学习技术进行COVID-19诊断和分类的不同方法	利用胸部X光和CT扫描图像，结合人工智能和深度学习技术，开发自动化诊断系统	COVID图像数据有限，深度学习预测患者严重程度的准确性高于PCR检测等传统方法	研究如何利用放射影像和深度学习技术进行COVID-19的自动化诊断和分类	胸部X光和CT扫描图像，以及各种CNN模型	计算机视觉	COVID-19	深度学习	CNN	图像	多个数据集，具体样本数量未提及
9	2024-10-02	Can Generative Adversarial Networks help to overcome the limited data problem in segmentation? 2022-Aug, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2021.11.006 PMID:34930685	研究论文	研究探讨了在分割任务中使用生成对抗网络（GAN）是否能克服小数据集的问题	研究了在分割任务中使用GAN架构与传统U-Net网络的性能对比	实验结果显示，在分割任务中引入GAN并未显著提升性能	探讨GAN在分割任务中是否能提升小数据集的性能	男性骨盆的CT数据分割	计算机视觉	NA	生成对抗网络（GAN）	U-Net	图像	1到100名患者的数据集
10	2024-09-29	Vascular Implications of COVID-19: Role of Radiological Imaging, Artificial Intelligence, and Tissue Characterization: A Special Report 2022-Aug-15, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd9080268 PMID:36005433	研究论文	本文探讨了COVID-19对血管系统的深层次损害，并分析了放射影像学、人工智能和组织特征化在其中的作用	本文提出了四种假设来解释COVID-19在放射影像中引起的血管损伤，并使用了三种AI模型（机器学习、深度学习和迁移学习）进行组织特征化	本文主要基于文献回顾和理论分析，缺乏大规模的临床实验数据支持	研究COVID-19对血管系统的病理生理影响，并探讨放射影像学和人工智能在诊断和治疗中的应用	COVID-19引起的肺部、肾脏、冠状动脉和颈动脉的血管损伤	计算机视觉	传染病	MRI、CT、超声	机器学习、深度学习、迁移学习	影像	296项研究
11	2024-09-25	Precision Care in Cardiac Arrest: ICECAP (PRECICECAP) Study Protocol and Informatics Approach 2022-08, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-022-01464-9 PMID:35229231	研究论文	本文介绍了PRECICECAP研究的方案和信息学方法，旨在通过机器学习分析高分辨率的多模态数据，发现新的生物标志物特征，以预测治疗性低温的最佳持续时间和90天功能结果	开发了一个免费的开源软件平台，用于标准化重症监护病房数据的整理，并使用自编码器神经网络和监督深度学习神经网络算法进行数据分析	NA	通过机器学习分析高分辨率的多模态数据，发现新的生物标志物特征，以预测治疗性低温的最佳持续时间和90天功能结果	从院外心脏骤停复苏的患者中收集的高分辨率多模态数据	机器学习	心血管疾病	自编码器神经网络、监督深度学习神经网络算法	自编码器神经网络、监督深度学习神经网络	多模态数据（包括病例报告表、详细药物数据、心肺和脑电图波形、DICOM文件）	12个ICECAP站点将收集数据，研究预计在2025年底完成
12	2024-09-23	Deep learning predicts DNA methylation regulatory variants in the human brain and elucidates the genetics of psychiatric disorders 2022-08-23, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2206069119 PMID:35969790	研究论文	本文介绍了一种名为INTERACT的深度学习模型，用于预测人类大脑中DNA甲基化调控变异，并阐明精神疾病的遗传基础	本文提出了INTERACT模型，结合卷积神经网络和transformer，能够有效预测DNA甲基化水平，并识别出不受连锁不平衡影响的调控变异	NA	研究目的是通过深度学习方法识别功能性调控变异，以阐明复杂性状的遗传基础	研究对象是人类大脑中的DNA甲基化调控变异及其在精神疾病中的作用	机器学习	精神疾病	深度学习	卷积神经网络和transformer	DNA甲基化数据	涉及多种祖先样本的多样性数据
13	2024-09-23	Learned iterative segmentation of highly variable anatomy from limited data: Applications to whole heart segmentation for congenital heart disease 2022-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102469 PMID:35640385	研究论文	本文提出了一种用于先天性心脏病患者全心脏分割的迭代分割模型，并展示了该模型可以从一个小数据集中准确学习	本文提出了一种新的损失函数，用于评估输出分割序列，并使用它来学习模型参数	NA	开发一种能够从有限数据中学习并应用于先天性心脏病患者全心脏分割的迭代分割模型	先天性心脏病患者的3D心脏MR扫描图像	计算机视觉	先天性心脏病	NA	递归神经网络	图像	NA
14	2024-09-11	A novel fusion based convolutional neural network approach for classification of COVID-19 from chest X-ray images 2022-Aug, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2022.103778 PMID:35530169	研究论文	本文提出了一种基于融合卷积神经网络的新方法，用于从胸部X光图像中分类COVID-19	本文提出了COVDC-Net，一种基于深度卷积网络的分类方法，通过融合两个预训练模型MobileNetV2和VGG16，实现了更高的分类准确率	NA	开发一种高准确率的深度学习方法，用于从胸部X光图像中分类COVID-19	COVID-19、正常和肺炎患者的胸部X光图像	计算机视觉	呼吸系统疾病	卷积神经网络	CNN	图像	涉及两个公开数据集，用于3类和4类分类任务
15	2024-09-10	PCovNet: A presymptomatic COVID-19 detection framework using deep learning model using wearables data 2022-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105682 PMID:35714504	研究论文	本文提出了一种基于可穿戴设备数据和深度学习模型的无症状COVID-19检测框架	使用LSTM-VAE模型从可穿戴设备的静息心率数据中检测COVID-19感染，特别是在无症状阶段	研究样本量较小，仅包括25名COVID-阳性个体	开发一种在无症状阶段检测COVID-19感染的方法	COVID-19感染的无症状阶段检测	机器学习	COVID-19	NA	LSTM-VAE	可穿戴设备数据	25名COVID-阳性个体
16	2024-09-10	Infodemic and fake news - A comprehensive overview of its global magnitude during the COVID-19 pandemic in 2021: A scoping review 2022-Aug, International journal of disaster risk reduction : IJDRR IF:4.2Q1 DOI:10.1016/j.ijdrr.2022.103144 PMID:35791376	综述	本文综述了2021年COVID-19疫情期间假新闻的全球影响，重点关注其动机、社会人口统计特征、基于人工智能的工具开发以及与假新闻相关的最热门话题	本文首次全面综述了2021年COVID-19疫情期间假新闻的全球影响，并探讨了基于人工智能的检测工具和相关技术	本文仅限于2021年1月至11月期间发表的文献，可能无法涵盖所有相关研究	旨在综合现有文献，了解2021年COVID-19疫情期间假新闻现象的规模	假新闻的动机、社会人口统计特征、基于人工智能的检测工具以及相关热门话题	自然语言处理	NA	机器学习和深度学习	NA	文本	97篇文献，其中69篇为实证研究，26篇针对普通人群，13篇针对社交媒体用户，27篇涉及基于人工智能的检测工具
17	2024-09-07	Unsupervised Deep Learning for Stroke Lesion Segmentation on Follow-up CT Based on Generative Adversarial Networks 2022-08, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7582 PMID:35902122	研究论文	本文开发并评估了一种基于生成对抗网络的无监督深度学习方法，用于在随访NCCT扫描中分割脑卒中病变	本文首次采用无监督的生成对抗网络进行脑卒中病变分割，无需手动标注病变	对于出血性病变和出血性转化的分割效果较差	开发和评估一种无监督的生成对抗网络，用于自动分割随访NCCT扫描中的脑卒中病变	脑卒中病变（包括梗死和出血性病变）的分割	计算机视觉	脑卒中	生成对抗网络	生成对抗网络	图像	820名急性缺血性脑卒中患者的基础和随访NCCT扫描
18	2024-09-06	Non-Linear Dimensionality Reduction With a Variational Encoder Decoder to Understand Convective Processes in Climate Models 2022-Aug, Journal of advances in modeling earth systems IF:4.4Q1 DOI:10.1029/2022MS003130 PMID:36245669	研究论文	本文使用变分编码器-解码器结构（VED）来理解和学习气候模型中的对流过程	VED能够将原始信息压缩到仅五个潜在节点，从而提高模型的可解释性	NA	研究如何通过非线性降维技术来理解和表示气候模型中的对流过程	气候模型中的对流过程	机器学习	NA	变分编码器-解码器结构（VED）	变分编码器-解码器	模拟数据	NA
19	2024-09-05	MobileSkin: Classification of Skin Lesion Images Acquired Using Mobile Phone-Attached Hand-Held Dermoscopes 2022-Aug-30, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm11175102 PMID:36079042	研究论文	本文介绍了一种使用手机附加手持皮肤镜拍摄的皮肤病变图像分类方法	开发了基于MobileNetV1、MobileNetV2、NASNetMobile和Xception架构的四种深度学习模型，用于分类八种不同的病变类型	NA	提高皮肤病变图像分类的准确性	使用手机附加手持皮肤镜拍摄的皮肤病变图像	计算机视觉	NA	深度学习	MobileNetV1, MobileNetV2, NASNetMobile, Xception	图像	包含多种数据增强方法增加的图像数量
20	2024-09-05	Development and Evaluation of a Novel Deep-Learning-Based Framework for the Classification of Renal Histopathology Images 2022-Aug-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9090423 PMID:36134972	研究论文	本文开发并评估了一种基于深度学习的新型框架，用于分类肾组织病理图像	提出了一种多尺度弱监督深度学习方法，用于肾细胞癌（RCC）亚型分类，并采用了RGB直方图规范染色标准化和多尺度卷积神经网络（CNN）进行决策融合	NA	旨在区分良性组织和恶性RCC肿瘤，并识别肿瘤亚型以支持医疗治疗管理	肾组织病理图像	数字病理	肾细胞癌	深度学习	CNN	图像	包含四类肾组织的RCC活检样本