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
41	2024-09-04	Multi-Scale Hybrid Network for Polyp Detection in Wireless Capsule Endoscopy and Colonoscopy Images 2022-Aug-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12082030 PMID:36010380	research paper	本文提出了一种基于inception v4架构的单次多框检测器（Hyb-SSDNet）混合网络，用于在无线胶囊内窥镜（WCE）和结肠镜图像中检测小息肉区域	采用inception块缓解卷积操作的固有限制，结合上下文特征和语义信息，并通过多尺度编码和特征图融合增强检测性能	NA	解决无线胶囊内窥镜图像中速度与精度之间的权衡问题，提高小息肉区域的检测效率	无线胶囊内窥镜和结肠镜图像中的小息肉区域	computer vision	NA	deep transfer learning	Hyb-SSDNet	image	扩大了训练数据集
42	2024-09-04	Using DeepLabCut as a Real-Time and Markerless Tool for Cardiac Physiology Assessment in Zebrafish 2022-Aug-21, Biology DOI:10.3390/biology11081243 PMID:36009871	研究论文	本研究探索了使用DeepLabCut（DLC）这一基于深度学习的工具进行无标记斑马鱼心脏生理评估的可能性	成功使用DeepLabCut工具进行实时无标记心脏室追踪，并验证了其在检测心脏异常方面的准确性	NA	探索DeepLabCut在斑马鱼心脏生理评估中的应用	斑马鱼心脏生理	机器学习	NA	深度学习	卷积神经网络	视频	20个不同个体的视频
43	2024-09-04	Subject-Based Model for Reconstructing Arterial Blood Pressure from Photoplethysmogram 2022-Aug-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9080402 PMID:36004927	研究论文	本文提出了一种基于W-Net深度学习模型的方法，用于从光电容积脉搏波（PPG）重建动脉血压（ABP）信号	该模型通过两个串联的U-Net架构，能够评估ABP信号的全局相似性，而不仅仅是收缩压、舒张压和平均动脉压的相似性	NA	开发一种非侵入性方法，用于连续预测动脉血压波形，以预防和治疗心血管疾病	从PPG信号重建ABP信号	机器学习	心血管疾病	NA	W-Net	信号	500条不同长度的记录用于训练和测试
44	2024-09-04	Detection and Characterization of Gastric Cancer Using Cascade Deep Learning Model in Endoscopic Images 2022-Aug-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081996 PMID:36010346	研究论文	本文提出了一种级联深度学习模型，用于在内镜图像中检测和分类胃癌，并识别侵袭区域	该研究通过级联深度学习模型，先对内镜图像进行分类，然后使用两个独立的U-Net模型对癌症图像进行分割，提高了检测的准确性和效率	该方法在健康图像上应用分割可能导致假阳性结果和计算成本增加	旨在解决内镜检查中胃癌检测的假阳性和计算成本问题	内镜图像中的胃癌检测和侵袭区域识别	计算机视觉	胃癌	NA	CNN, U-Net	图像	共使用了2378张内镜图像，包括1208张健康受试者图像，533张早期胃癌患者图像和637张晚期胃癌患者图像
45	2024-09-04	Decoding Task-Based fMRI Data with Graph Neural Networks, Considering Individual Differences 2022-Aug-17, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci12081094 PMID:36009157	研究论文	本文提出了一种基于图卷积网络（GCN）的端到端框架，用于分类人类连接组项目数据集中的任务fMRI数据	首次采用图卷积网络处理任务fMRI数据，并比较了四种节点嵌入算法在提取功能图节点结构属性方面的性能	实验结果显示模型在性别分类上表现显著，但在高/低流体智力fMRI数据分类上没有显著差异	探索图神经网络在任务fMRI数据解码中的应用，并评估个体差异的影响	任务fMRI数据及其在性别和流体智力上的分类表现	计算机视觉	NA	fMRI	图卷积网络（GCN）	图像	人类连接组项目数据集中的任务fMRI数据
46	2024-09-04	Artificial Intelligence Analysis of Celiac Disease Using an Autoimmune Discovery Transcriptomic Panel Highlighted Pathogenic Genes including BTLA 2022-Aug-16, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare10081550 PMID:36011206	研究论文	本研究利用人工智能和自身免疫发现基因面板预测并建模乳糜泻	首次使用人工智能技术结合自身免疫发现基因面板高精度预测乳糜泻，并验证了BTLA等致病基因	研究基于公开数据集，需进一步在更广泛的样本中验证	验证人工智能技术在乳糜泻预测和建模中的应用	乳糜泻及相关致病基因	机器学习	乳糜泻	基因集富集分析（GSEA）	随机森林、神经网络（多层感知器）	基因表达数据	公开数据集GSE164883
47	2024-09-04	An Entropy-Based Measure of Complexity: An Application in Lung-Damage 2022-Aug-14, Entropy (Basel, Switzerland) DOI:10.3390/e24081119 PMID:36010783	研究论文	本文介绍了一种基于熵的复杂度度量（EMC）及其在肺损伤评估中的应用，即肺损伤度量（LDM）	引入了一种新的基于熵的复杂度度量（EMC）和肺损伤度量（LDM），用于分析肺部CT图像	NA	开发一种新的度量方法来评估肺部CT图像中的肺损伤	健康受试者、COVID-19患者和肺炎患者的肺部CT图像	数字病理学	肺部疾病	CT扫描	基于熵的度量	图像	486名健康受试者，263名COVID-19患者，329名肺炎患者
48	2024-09-04	The Prediction of Consumer Behavior from Social Media Activities 2022-Aug-12, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs12080284 PMID:36004855	研究论文	本文提出了一种新的深度学习模型，用于分类消费者行为变体，该模型采用集成架构并结合了两个预训练的学习算法	提出的集成模型在消费者行为分类上实现了98.78%的准确率，超过了现有文献中的大多数机器学习模型	NA	开发一种新的深度学习模型，以更有效地检测和分类复杂的消费者行为变体	消费者行为变体	机器学习	NA	深度学习	集成模型	文本	使用了Facemg BIG-D15和TwitD数据库进行测试
49	2024-09-04	An Improved Temporal Fusion Transformers Model for Predicting Supply Air Temperature in High-Speed Railway Carriages 2022-Aug-12, Entropy (Basel, Switzerland) DOI:10.3390/e24081111 PMID:36010775	研究论文	本文提出了一种改进的时间融合变换器（TFT）模型，用于预测高速列车车厢内的供气温度	引入了基于扩张因果卷积的双卷积残差编码器结构和基于门控线性单元的时空双重门控结构，并设计了适用于长序列时间序列预测任务的损失函数	NA	提高高速列车车厢内供气温度的预测准确性，以优化空调系统的控制效果	高速列车车厢内的供气温度	机器学习	NA	时间融合变换器（TFT）	TFT	时间序列	使用了中国某特定地点的高速铁路空调运行数据集
50	2024-09-04	Multimodal MRI-Based Whole-Brain Assessment in Patients In Anoxoischemic Coma by Using 3D Convolutional Neural Networks 2022-08, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-022-01525-z PMID:35876960	研究论文	本研究开发并验证了一种深度学习模型，利用多模态3D MRI全脑时间序列数据，对缺氧缺血性昏迷相关的脑损伤进行早期评估	首次成功使用3D卷积神经网络（CNN）对缺氧后昏迷患者与对照组进行区分，利用全脑结构和功能MRI数据	NA	开发并验证一种深度学习模型，以自动捕捉、分析、组织和合并结构与功能脑MRI数据，提取有助于医疗决策的相关信号	缺氧缺血性昏迷患者及健康志愿者	机器学习	NA	MRI	3D CNN	MRI数据	29名缺氧后昏迷患者和34名健康志愿者
51	2024-09-04	Depth-extended acoustic-resolution photoacoustic microscopy based on a two-stage deep learning network 2022-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.461183 PMID:36032586	研究论文	本文提出了一种基于两阶段深度学习网络的声分辨率光声显微镜深度扩展方法	采用两阶段深度学习重建策略，能够在不同离焦深度下自适应恢复高分辨率光声图像	目前仅在实验阶段验证了该方法的有效性，尚未广泛应用于实际生物医学研究中	旨在扩展声分辨率光声显微镜的成像深度，提高离焦区域的成像质量	声分辨率光声显微镜的成像深度和图像质量	计算机视觉	NA	深度学习	残差U-Net结合注意力门	图像	实验中使用了幻影和生物组织样本
52	2024-09-04	Diagnostic accuracy of deep learning for evaluation of C-spine injury from lateral neck radiographs 2022-Aug, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2022.e10372 PMID:36061007	研究论文	本研究使用深度学习技术评估侧位颈部X光片中颈椎损伤的诊断准确性	本研究采用YOLO网络模型，特别是V4版本，以提高颈椎损伤检测的准确性	研究样本量相对较小，且仅限于侧位颈部X光片	旨在通过深度学习技术提高颈椎损伤的诊断准确性，减少不必要的CT扫描	侧位颈部X光片中的颈椎损伤	机器学习	颈椎损伤	深度学习	YOLO网络模型	图像	229张X光片（129张阴性，100张阳性）来自625名患者
53	2024-09-02	Automated detection of retinal exudates and drusen in ultra-widefield fundus images based on deep learning 2022-08, Eye (London, England) DOI:10.1038/s41433-021-01715-7 PMID:34345030	研究论文	本文开发并评估了一种基于深度学习的系统，用于在超广角眼底图像中自动检测视网膜渗出物和玻璃膜疣	使用超广角眼底图像和深度学习技术自动检测视网膜渗出物和玻璃膜疣，提高了检测效率和准确性	NA	开发和评估一种深度学习系统，用于自动检测超广角眼底图像中的视网膜渗出物和玻璃膜疣	视网膜渗出物和玻璃膜疣的自动检测	计算机视觉	眼科疾病	深度学习	NA	图像	26,409张超广角眼底图像，来自14,994名受试者
54	2024-09-02	Outcome Prediction in Patients with Severe Traumatic Brain Injury Using Deep Learning from Head CT Scans 2022-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.212181 PMID:35471108	研究论文	本文开发并评估了一种结合头部CT扫描深度学习和临床信息的预测模型，用于预测严重创伤性脑损伤（sTBI）后的长期预后	采用迁移学习和课程学习应用于卷积神经网络，结合临床信息形成综合融合模型，提高了预测性能	在外部TRACK-TBI测试中，影像模型和融合模型在预测不良预后方面表现不如IMPACT模型	开发和评估一种预测严重创伤性脑损伤后长期预后的模型	严重创伤性脑损伤患者	机器学习	创伤性脑损伤	深度学习	卷积神经网络	图像	内部测试集537名患者，外部TRACK-TBI研究220名患者
55	2024-09-02	Real-time echocardiography image analysis and quantification of cardiac indices 2022-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102438 PMID:35868819	研究论文	本文提出了一种基于深度学习的实时超声心动图图像分析和心脏指数量化系统	使用自监督的特定模态表示和一种新颖的三边注意力网络（TaNet）进行实时心脏区域分割	NA	旨在通过深度学习技术改善临床实践中超声心动图的实时分析和量化	超声心动图图像的质量评估、视图分类、心脏区域分割及诊断指数的量化	计算机视觉	NA	深度学习	三边注意力网络（TaNet）	图像	使用了四个超声心动图数据集进行评估
56	2024-09-01	Using artificial intelligence to improve the diagnostic efficiency of pulmonologists in differentiating COVID-19 pneumonia from community-acquired pneumonia 2022-08, Journal of medical virology IF:6.8Q1 DOI:10.1002/jmv.27777 PMID:35419818	研究论文	本研究利用人工智能（AI）提高肺科医生通过CT扫描区分COVID-19肺炎和社区获得性肺炎（CAP）的诊断效率	提出了一种基于深度学习的AI模型，该模型能够从体积CT扫描中提取视觉数据，显著提高了肺科医生的诊断准确性、敏感性和特异性	研究是回顾性的，未来的研究应关注AI在COVID-19感染实时应用中的效果	分析AI对肺科医生区分COVID-19肺炎和CAP诊断性能的贡献	COVID-19肺炎和社区获得性肺炎（CAP）的CT扫描图像	计算机视觉	COVID-19	深度学习	深度学习模型	CT扫描图像	2496次扫描（887名患者），其中1428次来自COVID-19组，1068次来自CAP组
57	2024-09-01	Benchmarking AlphaFold for protein complex modeling reveals accuracy determinants 2022-08, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4379 PMID:35900023	研究论文	本文评估了AlphaFold在蛋白质复合体结构预测中的应用，通过152个异源二聚体蛋白质复合体的基准测试，探讨了其准确性和影响因素。	AlphaFold在许多情况下能生成接近天然结构的模型，显著优于未结合蛋白质-蛋白质对接的表现。	AlphaFold在抗体-抗原复合体的建模中表现不佳，且适应性免疫识别对当前AlphaFold算法和模型构成挑战。	研究AlphaFold在蛋白质复合体结构预测中的准确性和影响因素。	152个异源二聚体蛋白质复合体及抗体-抗原复合体。	机器学习	NA	深度学习	AlphaFold	序列数据	152个异源二聚体蛋白质复合体
58	2024-08-31	Hierarchical deep learning of multiscale differential equation time-steppers 2022-Aug-08, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2021.0200 PMID:35719073	研究论文	本文开发了一种分层的深度神经网络时间步进算法，用于在多时间尺度上近似动态系统的流图	提出的分层时间步进方案在捕捉多时间尺度、提高准确性、长期预测效率和灵活性方面优于现有算法	NA	开发一种高效且准确的数据驱动方法，用于在多时间尺度上近似非线性动态系统的解	非线性动态系统，包括Van der Pol振荡器、Lorenz系统、Kuramoto-Sivashinsky方程和流体通过圆柱体流动；音频和视频信号	机器学习	NA	深度神经网络	深度神经网络	序列数据	涉及多种非线性动态系统和信号类型
59	2024-08-07	Artificial Intelligence in Echocardiography: The Time is Now 2022-Aug, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2308256 PMID:39076632	研究论文	本文探讨了人工智能（AI）在超声心动图领域的应用及其对诊断、治疗和患者护理的潜在革命性影响	AI在超声心动图中的应用展示了在训练、图像获取、解释和分析、诊断、预测和表型开发方面的巨大潜力	AI在超声心动图的实际临床应用和接受度方面仍存在障碍，尤其是缺乏临床结果研究，以及法律和伦理问题	推动AI在临床工作空间的应用，改善超声心动图的临床效用、效率和培训	AI在超声心动图中的应用及其对心血管疾病评估的影响	机器学习	心血管疾病	机器学习（ML）和深度学习（DL）	NA	图像	NA
60	2024-08-07	Improving interobserver agreement and performance of deep learning models for segmenting acute ischemic stroke by combining DWI with optimized ADC thresholds 2022-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-022-08633-6 PMID:35201408	研究论文	研究通过结合弥散加权成像（DWI）与优化表观弥散系数（ADC）阈值，提高急性缺血性卒中（AIS）分割的观察者间一致性和深度学习模型（DLMs）性能	通过结合特定ADC阈值与DWI，显著提高了急性缺血性卒中病变的分割性能和观察者间的一致性	NA	探讨ADC阈值对观察者间一致性和深度学习模型分割急性缺血性卒中性能的影响	急性缺血性卒中（AIS）的分割	机器学习	脑血管疾病	弥散加权成像（DWI）	深度学习模型（DLMs）	图像	训练集包含76名AIS患者，测试集包含145名AIS患者