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	2024-09-10	Deep-learning-augmented computational miniature mesoscope 2022-Sep-20, Optica IF:8.4Q1 DOI:10.1364/optica.464700 PMID:36506462	研究论文	本文介绍了一种计算微型显微镜（CM）的改进版本CM V2，通过硬件和计算的改进，实现了在微型平台上进行单次拍摄、3D高分辨率成像	引入了混合发射滤光片和3D打印自由形式准直器，改进了成像对比度和激发效率；开发了3D线性移变（LSV）模型和多模块深度学习模型CMNet，用于高分辨率重建	仅在模拟和实验中验证了CMNet的性能，尚未在实际应用中广泛测试	开发一种能够在微型平台上实现大视场和高分辨率3D成像的计算显微镜	生物结构和动态的3D高分辨率成像	计算机视觉	NA	深度学习	CMNet	图像	模拟和实验中使用了不同条件下的荧光发射器
42	2024-09-10	Convolutional neural network based CT scan classification method for COVID-19 test validation 2022-Sep, Smart health (Amsterdam, Netherlands) DOI:10.1016/j.smhl.2022.100296 PMID:35722028	研究论文	本文提出了一种基于卷积神经网络的CT扫描分类方法，用于COVID-19检测的验证	使用条件生成对抗网络增强数据以减少过拟合风险，并提出了一种基于BIN残差块的方法改进U-Net网络进行图像分割和分类预测	依赖于有限的COVID-19 CT数据集，尽管使用了数据增强技术，但数据量仍然可能不足	开发一种有效的CT扫描分类方法，帮助放射科医生更准确地诊断COVID-19	COVID-19的CT图像分类	计算机视觉	传染病	条件生成对抗网络 (CGAN)	卷积神经网络 (CNN)	图像	有限的COVID-19 CT数据集，通过数据增强技术增加样本数量
43	2024-09-10	SplitAVG: A Heterogeneity-Aware Federated Deep Learning Method for Medical Imaging 2022-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3185956 PMID:35749336	研究论文	提出了一种名为SplitAVG的异质性感知的联邦深度学习方法，用于医疗影像分析	SplitAVG通过简单的网络分割和特征图拼接策略，克服了联邦学习中数据异质性导致的性能下降问题	未提及具体的局限性	旨在解决联邦学习中数据异质性导致的模型性能下降问题	医疗影像数据	计算机视觉	NA	联邦学习	CNN	图像	使用了合成和真实世界的联邦数据集进行实验
44	2024-09-10	Detection of COVID-19 using deep learning techniques and classification methods 2022-Sep, Information processing & management IF:7.4Q1 DOI:10.1016/j.ipm.2022.103025 PMID:35821878	研究论文	本研究旨在通过使用深度学习技术和分类方法，利用CT图像快速诊断COVID-19患者，减少疾病传播时间	本研究结合了多种深度学习模型和分类方法，通过CT图像实现了高精度的COVID-19检测	研究样本仅来自Siirt教育与研究医院的1345张CT图像，可能存在样本偏差	缩短COVID-19诊断时间，减少疾病传播，并为放射科医生提供决策支持系统	COVID-19患者的CT图像	计算机视觉	COVID-19	深度学习	ResNet-50, ResNet-101, AlexNet, Vgg-16, Vgg-19, GoogLeNet, SqueezeNet, Xception	图像	1345张CT图像
45	2024-09-10	VOC-DL: Deep learning prediction model for COVID-19 based on VOC virus variants 2022-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2022.106981 PMID:35863125	研究论文	本文提出了一种基于VOC病毒变异的深度学习预测模型VOC-DL，用于预测COVID-19的疫情趋势	本文创新性地结合了VOC病毒变异信息，提出了一种新的深度学习预测框架VOC-DL，并验证了其在不同国家的疫情预测中的有效性	本文的实验数据仅涵盖了五个国家的疫情数据，未来需要进一步验证该模型在更多国家和地区的适用性	开发一种能够结合病毒变异信息进行合理预测的COVID-19疫情预测模型	COVID-19疫情趋势及其在不同国家的传播情况	机器学习	COVID-19	深度学习	LSTM	时间序列数据	五个国家的每日新增确诊病例数据，时间跨度为2021年4月14日至2021年7月3日
46	2024-09-10	Automatic femoral articular cartilage segmentation using deep learning in three-dimensional ultrasound images of the knee 2022-Sep, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2022.100290 PMID:36474947	研究论文	本研究开发了一种基于深度学习的自动分割方法，用于在膝关节的三维超声图像中分割股骨关节软骨	本研究创新性地使用了一种改进的U-Net算法来自动分割股骨关节软骨，提高了分割效率和减少了评估者间的变异性	算法在三维重建后的性能有所下降，但差异不显著	开发一种基于深度学习的自动分割方法，以提高膝关节三维超声图像中股骨关节软骨分割的时间效率和减少评估者间的变异性	膝关节的三维超声图像中的股骨关节软骨	计算机视觉	NA	深度学习	U-Net	图像	200张2DUS图像（来自20张3DUS图像）用于训练，50张2DUS图像（来自5张3DUS图像）用于评估
47	2024-09-08	Deep-SMOLM: deep learning resolves the 3D orientations and 2D positions of overlapping single molecules with optimal nanoscale resolution 2022-Sep-26, Optics express IF:3.2Q2 DOI:10.1364/OE.470146 PMID:36258598	研究论文	本文介绍了一种基于深度学习的估计方法Deep-SMOLM，用于在单分子定位显微镜中测量重叠分子的三维方向和二维位置，具有优于理论极限的分辨率	Deep-SMOLM能够以接近理论极限的精度测量重叠分子的三维方向和二维位置，并且在处理重叠图像时表现出优越的估计性能	NA	开发一种能够精确测量重叠单分子三维方向和二维位置的方法	重叠的单分子	计算机视觉	NA	深度学习	深度学习模型	图像	模拟生物纤维和实验性淀粉样纤维
48	2024-09-07	Attention-Based UNet Deep Learning Model for Plaque Segmentation in Carotid Ultrasound for Stroke Risk Stratification: An Artificial Intelligence Paradigm 2022-Sep-27, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd9100326 PMID:36286278	研究论文	本文提出了一种基于注意力机制的UNet深度学习模型，用于颈动脉超声图像中的斑块分割，以评估中风风险	该研究引入了基于注意力机制的UNet模型，显著提高了斑块分割的准确性，特别是在处理难以诊断的明亮和模糊斑块图像时	研究样本主要来自英国、日本和香港，可能存在地域和种族偏差	开发一种自动化的方法来检测和预测心血管疾病和中风的风险	颈动脉内的斑块	计算机视觉	心血管疾病	深度学习	UNet	图像	970张来自英国的ICA图像，379张来自日本糖尿病患者的CCA图像，以及300张来自香港绝经后女性的CCA图像
49	2024-09-07	Artificial Intelligence Models for Zoonotic Pathogens: A Survey 2022-Sep-27, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms10101911 PMID:36296187	综述	本文综述了人工智能模型在研究人畜共患病原体及其传播因素中的应用	NA	NA	总结和分析机器学习和深度学习方法在研究人畜共患病中的应用，以帮助研究人员识别风险因素并制定缓解策略	人畜共患病原体及其传播因素	机器学习	NA	机器学习深度学习	NA	NA	NA
50	2024-09-07	A Novel Multi-Feature Fusion Method for Classification of Gastrointestinal Diseases Using Endoscopy Images 2022-Sep-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12102316 PMID:36292006	研究论文	本文提出了一种新的多特征融合方法，用于通过内窥镜图像对胃肠道疾病进行分类	本文提出了一种名为Effimix的定制CNN架构，结合了EfficientNet B0和自定义的CNN架构，通过挤压和激励层以及自归一化激活层实现精确的疾病分类	NA	提高内窥镜图像中胃肠道疾病的分类准确性	内窥镜图像中的胃肠道疾病	计算机视觉	胃肠道疾病	卷积神经网络 (CNN)	Effimix	图像	HyperKvasir数据集
51	2024-09-07	Role of Drone Technology Helping in Alleviating the COVID-19 Pandemic 2022-Sep-25, Micromachines IF:3.0Q2 DOI:10.3390/mi13101593 PMID:36295946	研究论文	本文探讨了无人机技术在缓解COVID-19大流行中的作用	本文提出了无人机在运输医疗物资、喷洒消毒剂、广播通信、监控和筛查感染患者等方面的创新应用	本文未详细讨论无人机技术在实际应用中的技术挑战和成本问题	研究无人机技术在应对COVID-19大流行中的潜力	无人机技术在医疗领域的应用及其优缺点	NA	COVID-19	无人机技术	NA	NA	NA
52	2024-09-07	Deep Learning Techniques for the Effective Prediction of Alzheimer's Disease: A Comprehensive Review 2022-Sep-23, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare10101842 PMID:36292289	综述	本文深入探讨了使用深度学习技术进行阿尔茨海默病识别和诊断的各种方法及其应用	本文综述了深度学习技术在阿尔茨海默病识别和诊断中的最新进展和应用	NA	探讨深度学习技术在阿尔茨海默病识别和诊断中的应用	阿尔茨海默病及其诊断方法	机器学习	神经退行性疾病	深度学习	神经网络	脑信号	NA
53	2024-09-07	ACF: An Armed CCTV Footage Dataset for Enhancing Weapon Detection 2022-Sep-21, Sensors (Basel, Switzerland) DOI:10.3390/s22197158 PMID:36236253	研究论文	本文介绍了一种基于图像分块的深度学习方法，用于在CCTV视频中检测小型武器	提出了一个名为ACF的自收集CCTV视频数据集，并使用图像分块方法显著提高了武器检测的mAP	实验仅在公开的Mock Attack数据集上进行评估，未提及在实际场景中的应用效果	提高CCTV视频中武器检测的准确性	CCTV视频中的小型武器	计算机视觉	NA	深度学习	SSD MobileNet V2	视频	自收集的ACF数据集包含行人携带手枪和刀具的模拟CCTV视频，用于不同场景
54	2024-09-07	Stacked dilated convolutions and asymmetric architecture for U-Net-based medical image segmentation 2022-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105891 PMID:35932729	研究论文	本文探讨了基于U-Net的医学图像分割网络的改进方法，提出了堆叠扩张卷积和非对称结构	引入了堆叠扩张卷积操作，输出多尺度感受野特征图，以及非对称结构，减少了解码器路径的通道数	未提及	改进U-Net及其变体的性能，减少模型参数	医学图像分割	计算机视觉	NA	堆叠扩张卷积	U-Net	图像	使用了公开和私有数据集
55	2024-09-07	Clinical validation of deep learning algorithms for radiotherapy targeting of non-small-cell lung cancer: an observational study 2022-09, The Lancet. Digital health DOI:10.1016/S2589-7500(22)00129-7 PMID:36028289	研究论文	本文研究了深度学习算法在非小细胞肺癌放疗靶区勾画中的临床验证	本文提出了一个临床验证策略，并发现模型在几何分割指标上表现良好，但在临床实用性上可能存在差异	本文主要集中在几何分割指标的验证，未充分探讨模型在临床实用性上的表现	验证深度学习模型在非小细胞肺癌放疗靶区勾画中的临床应用	非小细胞肺癌肿瘤和淋巴结的CT图像分割	计算机视觉	肺癌	深度学习	NA	图像	2208名患者，其中787名用于模型发现，1421名用于模型验证，28名用于最终用户测试
56	2024-09-06	A Hybrid Model Based on Improved Transformer and Graph Convolutional Network for COVID-19 Forecasting 2022-09-30, International journal of environmental research and public health DOI:10.3390/ijerph191912528 PMID:36231828	研究论文	本文提出了一种基于改进Transformer和图卷积网络的混合模型，用于COVID-19趋势预测	该模型通过多头注意力机制提取丰富的时间序列信息，并使用图卷积网络进一步聚合时间序列信息的相关性。此外，通过使用余弦函数替代softmax计算，降低了时间复杂度	研究仅集中在美国三个州，可能限制了模型的普适性	提高COVID-19趋势预测的准确性	COVID-19疫情趋势	机器学习	传染病	图卷积网络	混合模型	时间序列	美国三个州的数据
57	2024-09-06	The compliance of head-mounted industrial PPE by using deep learning object detectors 2022-09-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-20282-9 PMID:36175434	研究论文	本文研究了使用深度学习对象检测器来评估工业个人防护设备（PPE）的合规性	提出了一个结合头部ROI估计和PPE检测的管道，减少了误报并加快了数据收集和标注	需要进一步研究以找到特定PPE类型的最佳深度学习架构	自动化评估工业PPE的合规性	工业PPE的合规性	计算机视觉	NA	深度学习	Faster R-CNN, MobileNetV2-SSD, YOLOv5	图像	合并了PictorPPE和Roboflow数据集以及作者收集的图像，包含12种不同类型的PPE
58	2024-09-06	Deciphering microbial gene function using natural language processing 2022-09-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-33397-4 PMID:36175448	研究论文	本文提出了一种利用自然语言处理技术揭示微生物基因功能的方法	将自然语言处理中的深度学习方法应用于微生物基因功能的预测	NA	揭示未表征基因的功能	微生物基因及其功能	自然语言处理	NA	深度学习	语言模型	基因组数据	36000万微生物基因
59	2024-09-06	A deep learning approach for classification of COVID and pneumonia using DenseNet-201 2022-Sep-29, International journal of imaging systems and technology IF:3.0Q2 DOI:10.1002/ima.22812 PMID:36249091	研究论文	本文提出了一种使用DenseNet-201深度学习模型进行COVID和肺炎分类的方法	本文的创新点在于使用DenseNet-201模型进行COVID和肺炎的分类，并开发了一个用户友好的框架，帮助医疗提供者根据历史CXR图像为患者提供最佳的治疗方案	NA	开发一种能够准确分类COVID和肺炎的深度学习模型，并提供一个用户友好的框架以辅助医疗决策	COVID和肺炎的胸部X光图像	计算机视觉	NA	深度学习	DenseNet-201	图像	使用了来自Kaggle的数据集，具体样本数量未明确说明
60	2024-09-06	A deep learning approach for semantic segmentation of unbalanced data in electron tomography of catalytic materials 2022-Sep-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-16429-3 PMID:36171204	研究论文	本文提出了一种基于深度学习的语义分割方法，用于处理电子断层扫描中催化材料的不平衡数据	本文采用了加权焦点损失函数，并将其应用于U-Net的全卷积网络架构，以解决不平衡数据集的分割问题	NA	解决电子断层扫描中催化材料的不平衡数据分割问题	γ-Alumina/Pt催化材料	计算机视觉	NA	电子断层扫描	U-Net	图像	大量高角度环形暗场扫描透射电子显微镜断层重建数据