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
61	2024-09-06	Verbal Autopsy as a Tool for Defining Causes of Death in Specific Healthcare Contexts: Study of Applicability through a Traditional Literature Review 2022-09-17, International journal of environmental research and public health DOI:10.3390/ijerph191811749 PMID:36142022	综述	本文通过传统文献综述研究了在特定医疗环境中使用口头尸检作为确定死亡原因工具的适用性	本文探讨了口头尸检在健康和人口监测领域的巨大潜力，特别是结合人工智能和深度学习的应用	目前缺乏足够的数据支持口头尸检在确定死亡原因方面的可靠性和有效性	通过与传统尸检结果的严格比较，评估口头尸检的效度	口头尸检在特定医疗环境中确定死亡原因的适用性	NA	NA	NA	NA	NA	从256篇文章中筛选出2篇进行最终审查
62	2024-09-06	A review on the application of deep learning for CT reconstruction, bone segmentation and surgical planning in oral and maxillofacial surgery 2022-Sep-01, Dento maxillo facial radiology DOI:10.1259/dmfr.20210437 PMID:35532946	综述	本文综述了深度学习在口腔颌面外科中的CT重建、骨骼分割和手术规划中的应用	本文总结了大量关于神经网络在CT图像重建、骨骼分割和手术规划中的应用，并讨论了当前方法的不足和有前景的研究方向	本文主要综述了现有方法，未提出新的技术或模型	总结和回顾应用于CT图像重建、骨骼分割和手术规划的神经网络方法	CT图像重建、骨骼分割和手术规划	计算机视觉	NA	神经网络	卷积神经网络	图像	76篇相关文献，其中32篇关注CT图像重建，33篇关注骨骼分割，11篇关注手术规划
63	2024-09-06	Evaluating molecular representations in machine learning models for drug response prediction and interpretability 2022-Sep-01, Journal of integrative bioinformatics IF:1.5Q3 DOI:10.1515/jib-2022-0006 PMID:36017668	研究论文	研究评估了不同分子表示方法在药物反应预测和解释性方面的适用性	提出了端到端深度学习方法作为传统分子指纹的替代方案，并展示了其在药物敏感性预测中的优越性	NA	评估不同分子表示方法在药物敏感性预测中的适用性	癌症细胞系中的药物敏感性预测	机器学习	NA	深度学习	深度学习模型	化合物数据	5个化合物筛选数据集
64	2024-09-06	CLTS-GAN: Color-Lighting-Texture-Specular Reflection Augmentation for Colonoscopy 2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-16449-1_49 PMID:36178456	研究论文	本文介绍了一种名为CLTS-GAN的新深度学习模型，用于结肠镜检查视频帧的颜色、光照、纹理和镜面反射的合成增强	提出了CLTS-GAN模型，能够精细控制结肠镜检查视频帧的颜色、光照、纹理和镜面反射的合成，从而提高现有息肉检测和分割方法的性能	未提及	开发一种新的深度学习模型，用于增强结肠镜检查视频帧的分析，以辅助内镜医生	结肠镜检查视频帧的颜色、光照、纹理和镜面反射	计算机视觉	NA	深度学习	GAN	视频	未提及
65	2024-09-06	Classification of clinically relevant intravascular volume status using point of care ultrasound and machine learning 2022-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.5.054502 PMID:36186002	研究论文	研究使用床旁超声和机器学习对临床相关的血管内容量状态进行分类	提出了一种结合心脏和下腔静脉数据的两流三维深度学习方法，用于二分类判断是否需要使用利尿剂	研究使用了小规模的回顾性数据集，未来工作将集中在人工智能在床边的应用和患者中心结果及医生工作流程的改善	研究目的是使用多器官系统的床旁超声和机器学习来模拟医生对功能性血管内容量状态和利尿剂治疗需求的决策	研究对象是血管内容量状态和利尿剂治疗需求	机器学习	NA	床旁超声	两流三维深度神经网络	视频	1039个床旁超声视频片段
66	2024-09-06	Mitigating Bias in Radiology Machine Learning: 2. Model Development 2022-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.220010 PMID:36204532	研究论文	本文探讨了在放射学机器学习模型开发过程中减轻偏差的方法	本文强调了在模型开发过程中考虑和实践适当的方法以减轻偏差的重要性	NA	研究如何在放射学机器学习模型开发过程中减轻偏差	数据增强、模型和损失函数、优化器以及迁移学习	机器学习	NA	深度学习	NA	NA	NA
67	2024-09-06	Improved CT-based Osteoporosis Assessment with a Fully Automated Deep Learning Tool 2022-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.220042 PMID:36204542	研究论文	开发并验证了一种基于深度学习的工具，用于改进基于CT图像的骨密度评估，并与手动参考标准进行比较	新的深度学习工具在异质性患者群体中的成功率显著高于旧的基于特征的图像处理骨密度算法	在骨质疏松评估中，单切片方法与多切片方法之间存在敏感性和特异性的权衡	开发和验证一种改进的基于CT图像的骨密度评估工具	基于CT图像的骨密度评估工具的性能	计算机视觉	NA	深度学习	深度学习工具	图像	11035名患者（平均年龄58岁，标准差12岁；6311名女性）
68	2024-09-06	Mitigating Bias in Radiology Machine Learning: 1. Data Handling 2022-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.210290 PMID:36204544	研究论文	本文探讨了在放射学机器学习中数据处理阶段的偏差问题，并提出了12种次优实践及其潜在的偏差来源	本文提出了一个简化的框架，将机器学习数据处理分为四个步骤，并提供了代码示例来展示如何避免次优实践	本文使用了一个任意的简化框架，可能无法涵盖所有复杂的数据处理情况	减少机器学习在临床实践中应用时的偏差	放射学机器学习中的数据处理偏差	计算机视觉	NA	机器学习	卷积神经网络 (CNN)	图像	NA
69	2024-09-06	A deep learning-based diagnostic pattern for ultrasound breast imaging: can it reduce unnecessary biopsy? 2022-Sep, Gland surgery IF:1.5Q3 DOI:10.21037/gs-22-473 PMID:36221270	研究论文	本文研究了基于深度学习的超声乳腺影像诊断模式，旨在减少不必要的活检	本文首次探讨了深度学习模型在超声乳腺影像中的应用，特别是通过VGG-16和VGG-19模型来区分恶性与良性乳腺病变，并评估其减少不必要活检的效果	研究样本量相对较小，且仅限于超声影像数据，未涵盖其他类型的乳腺影像	探讨深度学习模型在超声乳腺影像诊断中的应用，评估其减少不必要活检的效果	恶性与良性乳腺病变	计算机视觉	乳腺疾病	深度学习	卷积神经网络（VGG-16和VGG-19）	图像	共纳入1063例乳腺病变，其中训练集843例，验证集220例
70	2024-09-06	Early Glaucoma Detection by Using Style Transfer to Predict Retinal Nerve Fiber Layer Thickness Distribution on the Fundus Photograph 2022-Sep, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100180 PMID:36245759	研究论文	本文开发了一种基于深度学习的算法，用于从彩色眼底照片中预测视网膜神经纤维层厚度分布，以实现早期青光眼的检测	本文创新性地使用变分自编码器网络架构，通过深度神经网络确定眼底照片与视网膜神经纤维层厚度分布之间的相关性，从而生成相应的合成OCT扫描图像	本文未详细讨论算法的泛化能力和在不同人群中的适用性	开发一种基于深度学习的算法，用于早期青光眼的检测	彩色眼底照片和视网膜神经纤维层厚度分布	计算机视觉	青光眼	变分自编码器网络	变分自编码器	图像	189名健康参与者和371名早期青光眼患者
71	2024-09-05	Limb, joint and pelvic kinematic control in the quail coping with steps upwards and downwards 2022-09-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-20247-y PMID:36151454	研究论文	本文分析了普通鹌鹑在应对上下台阶时使用的骨盆和腿部运动学策略	首次详细描述了鹌鹑在不同高度台阶上的运动学适应性变化	研究仅限于特定高度的台阶，未涵盖所有可能的复杂地形	探究小型奔跑鸟类在复杂地形中的神经力学控制策略	普通鹌鹑在上下台阶时的运动学策略	NA	NA	双平面荧光透视法，深度学习	NA	图像	普通鹌鹑
72	2024-09-05	A pipeline for automated deep learning liver segmentation (PADLLS) from contrast enhanced CT exams 2022-09-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-20108-8 PMID:36138084	研究论文	本文介绍了一种自动化深度学习肝脏分割流水线（PADLLS），通过结合不同深度卷积神经网络（DCNN）架构的优势，实现了全自动肝脏分割。	PADLLS通过级联多个DCNN模型，显著提高了肝脏分割的准确性，优于现有的H-DenseUnet和V-net模型。	NA	开发一种能够自动进行肝脏分割的深度学习流水线，以提高分割准确性并解决过度分割问题。	肝脏分割	计算机视觉	NA	深度卷积神经网络（DCNN）	V-net, H-DenseUnet	CT扫描图像	超过200个CT扫描
73	2024-09-05	Beyond deep learning 2022-Sep-20, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2214148119 PMID:36074815	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
74	2024-09-05	Critical Analysis of the Current Medical Image-Based Processing Techniques for Automatic Disease Evaluation: Systematic Literature Review 2022-Sep-18, Sensors (Basel, Switzerland) DOI:10.3390/s22187065 PMID:36146414	综述	本文综述了基于医学图像处理技术在疾病诊断中的应用	提供了对医学图像处理和分析技术的全面回顾，包括机器学习和深度学习方法	NA	评估和总结当前医学图像处理技术在自动疾病评估中的应用	医学图像分析技术及其在疾病诊断中的应用	数字病理学	NA	医学图像处理	机器学习和深度学习	图像	40篇研究文章
75	2024-09-05	Comparing Out-of-Sample Performance of Machine Learning Methods to Forecast U.S. GDP Growth 2022-Sep-16, Computational economics IF:1.9Q2 DOI:10.1007/s10614-022-10312-z PMID:36157276	研究论文	本文通过比较机器学习和深度学习方法在预测美国GDP增长中的样本外表现，评估了不同预测方法的效果	首次系统比较了密度基于的机器学习方法和稀疏基于的方法在不同预测范围下的表现，并强调了高频预测因子在经济预测中的重要性	文章主要关注于预测方法的比较，未深入探讨预测结果的经济意义或政策影响	比较不同机器学习方法在预测美国GDP增长中的效果	美国GDP增长预测	机器学习	NA	机器学习, 深度学习	神经网络, Lasso	宏观经济数据	使用224个宏观经济预测因子，9个强预测因子和包含高频商业条件指数的9个强预测因子
76	2024-09-05	Application of Deep Learning Techniques in Diagnosis of Covid-19 (Coronavirus): A Systematic Review 2022-Sep-16, Neural processing letters IF:2.6Q3 DOI:10.1007/s11063-022-11023-0 PMID:36158520	综述	本文系统回顾了深度学习技术在Covid-19诊断中的应用	使用深度学习方法如CNN和RNN从放射图像中提取关键特征，用于Covid-19的早期预测	样本选择、网络架构、使用少量标注数据库进行训练以及安全问题	探讨深度学习技术在Covid-19检测系统中的应用	Covid-19的诊断和预测	机器学习	Covid-19	深度学习	CNN, RNN	图像	64个预训练和自定义深度学习模型
77	2024-09-05	An Efficient Model for a Vast Number of Bird Species Identification Based on Acoustic Features 2022-Sep-15, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani12182434 PMID:36139299	研究论文	本文提出了一种基于长短期记忆网络（LSTM）和坐标注意力机制的新型深度学习方法，用于识别大量鸟类物种	本文的创新点在于使用LSTM结合坐标注意力机制，有效提高了对大量鸟类物种的识别准确率	NA	旨在提高基于声学特征的大量鸟类物种识别的准确性	264种鸟类物种及其超过70,000个叫声音频片段	机器学习	NA	深度学习	LSTM	音频	70,000个鸟类叫声音频片段，涉及264种鸟类物种
78	2024-09-05	Deep Ensemble Fake News Detection Model Using Sequential Deep Learning Technique 2022-Sep-15, Sensors (Basel, Switzerland) DOI:10.3390/s22186970 PMID:36146319	研究论文	本文提出了一种使用序列深度学习技术的深度集成假新闻检测模型，旨在提高检测准确性	该模型通过提取新闻内容的特征并使用自然语言处理技术进行预处理和丰富，结合深度学习网络进行特征提取，最终通过多层感知器进行分类，相较于现有模型在性能上有所提升	NA	提高假新闻检测的准确性	假新闻检测	自然语言处理	NA	序列深度学习技术	多层感知器 (MLP)	文本	使用了两个流行且知名的数据集（LIAR和ISOT）
79	2024-09-05	Real-Time Learning and Monitoring System in Fighting against SARS-CoV-2 in a Private Indoor Environment 2022-Sep-15, Sensors (Basel, Switzerland) DOI:10.3390/s22187001 PMID:36146346	研究论文	本研究开发了一个实时学习系统，用于在私人室内环境中通过传感器控制SARS-CoV-2的传播，并实时预测用户活动以进行远程监控	开发了一个集成多种机器学习技术的实时学习系统，能够高效地预测用户活动并生成大数据	NA	研究如何在私人室内环境中通过科技手段控制SARS-CoV-2的传播	私人室内环境中的用户活动和SARS-CoV-2传播控制	机器学习	NA	机器学习技术，包括分类学习、回归学习、错误校正输出代码（ECOC）和深度学习模型	神经网络	IoT数据	多个传感器在实验环境中收集的数据
80	2024-09-05	U-Net Based Segmentation and Characterization of Gliomas 2022-Sep-14, Cancers IF:4.5Q1 DOI:10.3390/cancers14184457 PMID:36139616	研究论文	本文开发了一种基于深度学习的框架，用于自动分割和预测胶质瘤患者的生物标志物和预后	使用基于U-Net的深度学习框架进行胶质瘤的自动分割和生物标志物状态及生存预测	NA	开发一个深度学习框架，用于胶质瘤的自动分割和生物标志物及预后预测	胶质瘤患者及其手术病理和术前MRI图像	计算机视觉	脑肿瘤	深度学习	U-Net	图像	208名患者