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	2024-09-07	Omics Data and Data Representations for Deep Learning-Based Predictive Modeling 2022-Oct-14, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms232012272 PMID:36293133	综述	本文综述了用于深度学习预测建模的组学数据及其数据表示方法	本文旨在弥合计算机科学与生命科学之间的鸿沟，帮助计算机科学家将其专业知识应用于生命科学领域	本文主要关注数据类型和数据表示方法，未深入探讨具体的深度学习模型和算法细节	帮助计算机科学家了解生物数据类型及其表示方法，以便参与基于深度学习的生物医学、生物技术和药物发现研究	组学数据及其数据表示方法	机器学习	NA	深度学习	NA	组学数据	NA
62	2024-09-07	Cervical Cell/Clumps Detection in Cytology Images Using Transfer Learning 2022-Oct-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12102477 PMID:36292166	研究论文	本文研究了使用迁移学习方法在细胞学图像中检测宫颈细胞/细胞团块，以提高宫颈癌筛查的准确性	本文提出在宫颈细胞/细胞团块检测任务中使用COCO预训练模型，并进行了多尺度训练以提高模型性能	本文未详细讨论模型在不同数据集上的泛化能力	提高宫颈癌筛查的自动化程度和准确性	宫颈细胞/细胞团块的检测	计算机视觉	宫颈癌	迁移学习	卷积神经网络 (CNN)	图像	具体样本数量未在摘要中提及
63	2024-09-07	Deep Convolutional Neural Network for Nasopharyngeal Carcinoma Discrimination on MRI by Comparison of Hierarchical and Simple Layered Convolutional Neural Networks 2022-Oct-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12102478 PMID:36292167	研究论文	本文比较了分层和简单层卷积神经网络在鼻咽癌MRI图像分类中的表现	通过微调ResNet50模型，实现了鼻咽癌肿瘤诊断的高预测性能	NA	寻找用于鼻咽癌MRI图像分类的最佳卷积神经网络模型	鼻咽癌患者的MRI图像	计算机视觉	鼻咽癌	卷积神经网络	CNN	图像	NA
64	2024-09-07	The federated tumor segmentation (FeTS) tool: an open-source solution to further solid tumor research 2022-10-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac9449 PMID:36137534	研究论文	本文介绍了联邦肿瘤分割（FeTS）工具的软件架构和功能，旨在促进脑部磁共振图像肿瘤子区域的统一处理和金标准标签生成，并支持全球多个站点间的联邦学习模型训练	FeTS工具利用现有的开源工具（如Insight Toolkit和Qt），设计用于在集中式或联邦式设置中训练深度学习模型，以实现肿瘤区域的划分	NA	开发一个开源工具，支持在医疗领域中进行去中心化的数据分析和肿瘤子区域的联邦学习模型训练	脑部磁共振图像中的肿瘤子区域	计算机视觉	NA	联邦学习	深度学习模型	图像	NA
65	2024-09-07	Sparse Optical Flow Implementation Using a Neural Network for Low-Resolution Thermal Aerial Imaging 2022-Oct-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8100279 PMID:36286373	研究论文	本文提出了一种基于神经网络的稀疏光流实现方法，用于低分辨率热成像空中图像	本文创新性地将稀疏Lucas-Kanade算法应用于光流神经网络，通过特征提取器减少计算需求，提高了在小型多旋翼无人机上的实时处理能力	本文未详细讨论在不同环境条件下的性能表现	研究如何在小型无人机平台上实现高效的光流计算	低分辨率热成像空中图像	计算机视觉	NA	稀疏Lucas-Kanade算法	RAFT-s模型	图像	未明确提及样本数量
66	2024-09-07	Fast and Efficient Image Novelty Detection Based on Mean-Shifts 2022-Oct-10, Sensors (Basel, Switzerland) DOI:10.3390/s22197674 PMID:36236774	研究论文	本文提出了一种基于均值漂移的快速高效图像新颖性检测方法	本文通过将训练和测试图像转换为补丁集合，评估正常数据和异常数据之间的均值漂移，并使用Hotelling T2检验进行均值漂移估计，从而实现新颖性检测	补丁大小的选择需要额外的领域知识，且模型选择和特征空间的选择受卷积神经网络或视觉图像变换器的感受野大小影响	开发一种快速高效的图像新颖性检测方法	图像新颖性检测	计算机视觉	NA	均值漂移估计	卷积神经网络	图像	使用CIFAR-10和MVTec数据集进行验证
67	2024-09-07	nn-TransUNet: An Automatic Deep Learning Pipeline for Heart MRI Segmentation 2022-Oct-09, Life (Basel, Switzerland) DOI:10.3390/life12101570 PMID:36295005	研究论文	本文提出了一种名为nn-TransUNet的自动深度学习管道，用于心脏MRI分割任务	结合了nnU-net的实验规划和TransUNet的网络架构，使用视觉变换器和卷积层设计编码器，并采用卷积层作为解码器，实现了自动化的预处理和网络训练计划	NA	开发一种自动化的深度学习方法，用于心脏MRI分割，以提高诊断心血管疾病的效率	心脏MRI图像的分割	计算机视觉	心血管疾病	深度学习	nn-TransUNet	图像	在Automatic Cardiac Diagnosis Challenge (ACDC) Dataset上进行了验证
68	2024-09-07	Application of Deep Learning for Automated Detection of Polypoidal Choroidal Vasculopathy in Spectral Domain Optical Coherence Tomography 2022-10-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.11.10.16 PMID:36219163	研究论文	本文开发了一种用于自动检测多形性脉络膜血管病变的深度学习模型，以区分多形性脉络膜血管病变与湿性年龄相关性黄斑变性	提出了一种基于深度学习的算法来自动区分多形性脉络膜血管病变与湿性年龄相关性黄斑变性	多形性脉络膜血管病变在光谱域光学相干断层扫描图像中的不可见性是该模型的主要限制	开发一种自动筛查多形性脉络膜血管病变的模型，以区分多形性脉络膜血管病变与湿性年龄相关性黄斑变性	多形性脉络膜血管病变与湿性年龄相关性黄斑变性	计算机视觉	眼科疾病	深度学习	ResNet attention模型	图像	训练集包含2334张光谱域光学相干断层扫描图像，外部验证集包含1171张图像
69	2024-09-07	The Applications of Metaheuristics for Human Activity Recognition and Fall Detection Using Wearable Sensors: A Comprehensive Analysis 2022-Oct-03, Biosensors DOI:10.3390/bios12100821 PMID:36290958	研究论文	本文研究了元启发式优化算法在基于传感器数据的人类活动识别和跌倒检测中的应用	本文使用了九种元启发式算法进行特征选择，以提高人类活动识别和跌倒检测的分类准确性	NA	研究元启发式优化算法在人类活动识别和跌倒检测中的应用	人类活动识别和跌倒检测	机器学习	NA	元启发式优化算法	ResRNN	传感器数据	使用了七个不同的复杂数据集进行多分类，以及一个数据集进行二分类
70	2024-09-07	An exploration of error-driven learning in simple two-layer networks from a discriminative learning perspective 2022-10, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-021-01711-5 PMID:35032022	研究论文	本文从判别学习的角度探讨了简单两层网络中的错误驱动学习机制	本文强调了错误驱动模型中学习的判别性质，并讨论了这对学习概念化的影响	本文主要关注错误驱动学习的最简单形式，未涉及更复杂的深度学习模型	探讨错误驱动学习的基本工作原理，并将其与认知科学中错误驱动学习模型的发展历史联系起来	简单两层网络中的错误驱动学习机制	机器学习	NA	NA	两层网络	NA	NA
71	2024-09-07	Nested U-Net for Segmentation of Red Lesions in Retinal Fundus Images and Sub-image Classification for Removal of False Positives 2022-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00629-4 PMID:35474556	研究论文	本文提出了一种用于视网膜眼底图像中红色病灶分割的嵌套U-Net模型，并结合子图像分类方法去除假阳性	本文创新性地使用了嵌套U-Net模型进行红色病灶分割，并通过子图像分类方法有效减少了假阳性	NA	开发一种自动筛查工具，用于早期检测和治疗糖尿病视网膜病变患者	视网膜眼底图像中的红色病灶	计算机视觉	糖尿病视网膜病变	NA	嵌套U-Net	图像	DIARETDB1数据集
72	2024-09-07	Skin Lesion Area Segmentation Using Attention Squeeze U-Net for Embedded Devices 2022-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00634-7 PMID:35505265	研究论文	本文提出了一种名为Attention Squeeze U-Net的深度学习架构，用于嵌入式设备上的皮肤病变区域分割	设计了一种专为嵌入式设备优化的Attention Squeeze U-Net架构，能够在智能手机或低成本嵌入式设备上运行	NA	通过在智能手机或低成本嵌入式设备上运行深度学习算法，提高患者自主权	皮肤病变区域分割	计算机视觉	皮肤癌	深度学习	U-Net	图像	公开数据集
73	2024-09-07	Deep Reinforcement Learning with Automated Label Extraction from Clinical Reports Accurately Classifies 3D MRI Brain Volumes 2022-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00644-5 PMID:35562633	研究论文	本文提出了一种利用临床报告自动提取标签并结合深度强化学习对3D MRI脑部体积进行分类的方法	本文的创新点在于使用自动标签提取技术从放射学报告中获取标签，并结合强化学习进行分类，相较于传统的监督深度学习方法，在数据量较小的情况下表现更优	本文的局限性在于仅在一个小规模的数据集上进行了验证，未来需要在更大规模的数据集上进行验证	本文的研究目的是减少获取和标注数据集的负担，并探索强化学习在放射学图像分类中的应用	本文的研究对象是3D MRI脑部体积的分类	计算机视觉	NA	深度强化学习	强化学习分类器	图像	训练集包含1000张图像，测试集包含1000张图像
74	2024-09-07	Generation of synthetic megavoltage CT for MRI-only radiotherapy treatment planning using a 3D deep convolutional neural network 2022-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.15876 PMID:35870154	研究论文	本文探讨了使用3D深度卷积神经网络从磁共振成像（MRI）生成合成兆伏特CT（sMVCT）以实现仅MRI放射治疗计划的可行性	首次使用3D深度卷积神经网络从MRI生成sMVCT，以支持仅MRI的放射治疗计划	合成sMVCT与实际MVCT在骨骼和空气区域的一致性较差，且回顾性数据集存在由于扫描间差异导致的偏差	验证从MRI生成sMVCT以支持仅MRI放射治疗计划的可行性	头颈部癌症患者的MVCT和T1加权MRI数据	计算机视觉	头颈部癌症	深度学习	3D U-Net	图像	120名头颈部癌症患者的数据
75	2024-09-07	Improving reproducibility and performance of radiomics in low-dose CT using cycle GANs 2022-Oct, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.13739 PMID:35906893	研究论文	本文研究了使用循环生成对抗网络（Cycle GANs）对低剂量CT图像进行去噪，以提高放射组学的可重复性和性能	本文首次探索了使用未配对数据训练的循环生成对抗网络（Cycle GANs）来提高低剂量CT图像的放射组学可重复性和性能	本文主要基于模拟数据和真实数据进行研究，未涉及其他类型的数据集	研究如何通过使用循环生成对抗网络（Cycle GANs）对低剂量CT图像进行去噪，以提高放射组学的可重复性和性能	低剂量CT图像的去噪和放射组学的可重复性与性能	计算机视觉	NA	循环生成对抗网络（Cycle GANs）	生成对抗网络（GAN）	图像	使用了模拟低剂量CT图像和RIDER数据集中的真实低剂量CT图像
76	2024-09-07	Fluoroscopic Image-Based 3-D Environment Reconstruction and Automated Path Planning for a Robotically Steerable Guidewire 2022-Oct, IEEE robotics and automation letters IF:4.6Q2 DOI:10.1109/lra.2022.3207568 PMID:36275193	研究论文	本文提出了一种基于荧光图像的3D环境重建和机器人可控导丝自动路径规划方法，用于血管内导航	本文提出了一种新的方法，通过使用形状从轮廓算法和深度学习编码器-解码器网络来重建3D血管模型，并使用改进的混合A-star算法进行路径规划	本文仅在猪主动脉模型上进行了验证，尚未在人体临床试验中应用	提高心血管手术中导丝导航的自动化程度，减少辐射暴露	血管内导丝的自动导航	计算机视觉	心血管疾病	形状从轮廓算法，深度学习	编码器-解码器网络	图像	猪主动脉模型
77	2024-09-07	Colorizing the Past: Deep Learning for the Automatic Colorization of Historical Aerial Images 2022-Oct-01, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8100269 PMID:36286363	研究论文	本文介绍了一种新的神经网络架构Hyper-U-NET，用于自动为历史黑白航拍图像上色	提出了一种结合U-NET架构和HyperConnections的新型神经网络Hyper-U-NET，用于处理历史黑白航拍图像的上色问题	未提及	探索和改进自动为历史黑白航拍图像上色的深度学习技术	历史黑白航拍图像	计算机视觉	NA	深度学习	Hyper-U-NET	图像	约10,000张彩色航拍图像补丁
78	2024-09-06	Computer-aided diagnostic for classifying chest X-ray images using deep ensemble learning 2022-10-15, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00904-4 PMID:36243705	研究论文	本文提出了一种基于深度集成学习的计算机辅助诊断系统，用于分类胸部X光图像	本文提出了一种新的卷积神经网络（CNN）集成架构，用于分类胸部X光图像，并引入了可解释的深度学习方法	本文未详细讨论模型的可解释性方法，且未扩展到其他疾病检测	开发一种更快速和准确的计算机辅助诊断系统，用于胸部X光图像分类	胸部X光图像，包括病毒性肺炎、肺结核、COVID-19和健康状态	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	使用了多个公共数据集混合创建的大规模数据集
79	2024-09-06	Deep learning-based behavioral profiling of rodent stroke recovery 2022-10-15, BMC biology IF:4.4Q1 DOI:10.1186/s12915-022-01434-9 PMID:36243716	研究论文	本文介绍了基于深度学习的软件DeepLabCut在评估小鼠中风后行为恢复中的应用	使用DeepLabCut软件进行高精度的3D运动跟踪，并结合全面的后期分析，揭示了中风后小鼠运动行为的生物学差异	NA	评估小鼠中风后的行为恢复机制	小鼠中风后的行为恢复	机器学习	中风	深度学习	DeepLabCut	3D运动数据	涉及多种小鼠品系，跟踪了10个身体部位
80	2024-09-06	A preliminary study on the application of deep learning methods based on convolutional network to the pathological diagnosis of PJI 2022-Oct-14, Arthroplasty (London, England) DOI:10.1186/s42836-022-00145-4 PMID:36229852	研究论文	本研究旨在建立基于卷积网络的深度学习方法，用于假体关节感染（PJI）的病理诊断初步研究	本研究首次使用卷积神经网络深度学习方法识别关节周围软组织病理切片的高倍镜图像，与急性感染诊断标准对照，实现了高精度和高召回率	需要不断升级扩展训练集以提高卷积网络深度学习的诊断准确性，才能应用于临床实践	建立基于卷积网络的深度学习方法，用于假体关节感染的病理诊断	关节置换术后修订患者的病理切片图像	数字病理学	假体关节感染	卷积神经网络	resNET模型	图像	20名关节置换术后修订患者，其中10名确诊感染，10名未感染