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
81	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
82	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
83	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
84	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
85	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
86	2024-09-06	DENSEN: a convolutional neural network for estimating chronological ages from panoramic radiographs 2022-Oct-14, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04935-0 PMID:36241969	研究论文	本文介绍了一种基于卷积神经网络的深度学习方法DENSEN，用于从全景X光片中估计个体的年龄	首次提出了一种基于深度学习的方法DENSEN，用于从全景X光片中估计年龄，适用于不同年龄段，并且相比现有方法减少了实验室工作量	NA	开发一种新的方法来从全景X光片中估计个体的年龄	从全景X光片中估计个体的年龄	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	1903张临床全景X光片，年龄范围为3至85岁
87	2024-09-06	Resolving subcellular pH with a quantitative fluorescent lifetime biosensor 2022-10-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-33348-z PMID:36224168	研究论文	本文介绍了一种结合pH依赖性荧光寿命成像显微镜（pHLIM）和深度学习技术，用于准确量化单个囊泡的亚细胞pH值的方法	本文的创新点在于结合了pHLIM和深度学习技术，以提高亚细胞pH测量的准确性，并解决了传统方法中依赖于荧光强度变化的高不确定性问题	NA	本文的研究目的是开发一种准确测量亚细胞pH值的方法，以帮助理解药物作用和疾病进展	本文的研究对象是亚细胞pH值，特别是细胞质、内体和溶酶体中的pH变化	生物医学工程	NA	pH依赖性荧光寿命成像显微镜（pHLIM）	深度学习	图像	涉及的样本包括细胞质、内体和溶酶体中的pH变化，以及药物如bafilomycin A1和氯喹引起的pH变化
88	2024-09-06	Dual sensing signal decoupling based on tellurium anisotropy for VR interaction and neuro-reflex system application 2022-10-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-33716-9 PMID:36216925	研究论文	本文展示了利用碲纳米线的内在各向异性来调节电子结构和压电极化，从而解耦压力和温度差异信号，实现VR交互和神经反射应用	利用碲纳米线的各向异性实现压力和温度信号的解耦，并应用于VR交互和神经反射系统	NA	开发一种基于碲各向异性的双模传感器，用于VR交互和神经反射应用	碲纳米线、VR交互、神经反射系统	电子医学	NA	深度学习	NA	传感器信号	兔子坐骨神经模型
89	2024-09-06	TNTdetect.AI: A Deep Learning Model for Automated Detection and Counting of Tunneling Nanotubes in Microscopy Images 2022-Oct-10, Cancers IF:4.5Q1 DOI:10.3390/cancers14194958 PMID:36230881	研究论文	本文介绍了一种基于深度学习的自动化方法，用于在显微镜图像中检测和计数隧道纳米管（TNTs）	开发了一种新的预处理方法，用于在像素级别上标记TNTs，并使用两个顺序模型进行TNTs的检测	算法的精确度、召回率和F1分数仍有待提高	开发一种自动化的方法，用于定量分析TNTs，以替代人工识别和计数	隧道纳米管（TNTs）在显微镜图像中的检测和计数	计算机视觉	NA	卷积神经网络（U-Net）	U-Net	图像	涉及癌症和非癌症细胞的显微镜图像
90	2024-09-06	Deep Learning for Encrypted Traffic Classification and Unknown Data Detection 2022-Oct-09, Sensors (Basel, Switzerland) DOI:10.3390/s22197643 PMID:36236739	研究论文	提出了一种基于深度神经网络的用户活动检测框架，用于从加密的互联网流量中识别移动应用程序中的细粒度用户活动	利用深度神经网络输出层的概率分布来过滤模型训练期间未考虑的应用程序数据（即未知数据）	无法收集和训练所有可能的应用程序数据，导致对未知数据的识别准确率有限	开发一种能够从加密流量中识别细粒度用户活动的方法，以提高移动设备用户的隐私和安全性	移动应用程序中的用户活动和未知数据	机器学习	NA	深度神经网络	深度神经网络 (DNN)	加密互联网流量	NA
91	2024-09-06	Few-Shot Fine-Grained Image Classification via GNN 2022-Oct-09, Sensors (Basel, Switzerland) DOI:10.3390/s22197640 PMID:36236743	研究论文	本文提出了一种基于图神经网络（GNN）的少样本细粒度图像分类框架	利用GNN的信息传递特性来表示不同图像之间的细微差异，并通过元学习优化特征提取	NA	解决少样本学习在细粒度图像分类中的挑战	细粒度图像分类	计算机视觉	NA	图神经网络（GNN）	图神经网络（GNN）	图像	三个数据集（CIFAR-100, CUB, DOGS）
92	2024-09-06	MetaRNN: differentiating rare pathogenic and rare benign missense SNVs and InDels using deep learning 2022-10-08, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-022-01120-z PMID:36209109	研究论文	本文介绍了使用深度学习方法区分罕见致病性和良性错义SNV和InDels的预测模型MetaRNN和MetaRNN-indel	提出了新的深度学习模型MetaRNN和MetaRNN-indel，这些模型在识别罕见致病性变异方面优于现有技术，并具有更可解释的评分分布	NA	开发能够更好地区分罕见致病性和良性遗传变异的计算方法	罕见非同义单核苷酸变异（nsSNVs）和非移码插入/缺失（nfINDELs）	机器学习	NA	深度学习	RNN	遗传变异数据	使用独立测试集进行验证，具体样本数量未提及
93	2024-09-06	Classification of Center of Mass Acceleration Patterns in Older People with Knee Osteoarthritis and Fear of Falling 2022-10-08, International journal of environmental research and public health DOI:10.3390/ijerph191912890 PMID:36232190	研究论文	研究旨在分类老年膝骨关节炎患者在不同跌倒恐惧水平下的质心加速度模式	使用卷积神经网络对质心加速度信号进行分类，以区分不同跌倒恐惧水平	研究仅限于轻度和中度膝骨关节炎患者，未涵盖其他疾病或更严重的关节炎情况	研究老年膝骨关节炎患者在不同跌倒恐惧水平下的质心加速度模式	老年膝骨关节炎患者在不同跌倒恐惧水平下的质心加速度模式	机器学习	骨关节炎	卷积神经网络	CNN	加速度信号	30米步行测试中的质心加速度模式
94	2024-09-06	A Two-stream Convolutional Network for Musculoskeletal and Neurological Disorders Prediction 2022-Oct-06, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-022-01857-5 PMID:36201114	研究论文	本文提出了一种双流卷积网络用于预测肌肉骨骼和神经系统疾病	本文的创新点在于引入了一个双流框架，分别从关节位置的时间序列和相对关节位移的时间序列中学习特征，并通过中层融合模块结合这两种特征进行诊断	本文的局限性在于仅在一个包含45名患者的3D骨骼运动数据集上进行了验证	本文的研究目的是开发一种自动化的方法，用于早期诊断肌肉骨骼和神经系统疾病	本文的研究对象是肌肉骨骼和神经系统疾病患者的行走运动数据	机器学习	NA	卷积神经网络	双流卷积网络	3D骨骼运动数据	45名患有肌肉骨骼和神经系统疾病的患者
95	2024-09-06	A Robust End-to-End Deep Learning-Based Approach for Effective and Reliable BTD Using MR Images 2022-Oct-06, Sensors (Basel, Switzerland) DOI:10.3390/s22197575 PMID:36236674	研究论文	本文提出了一种基于深度学习的端到端方法，用于从MRI图像中有效且可靠地检测脑肿瘤	本文提出了一个名为TumorResNet的新型深度学习模型，该模型使用20层卷积和Leaky ReLU激活函数来提取特征，并通过三层全连接分类层进行分类	NA	开发一种自动化的脑肿瘤检测方法，以提高早期诊断的准确性和患者的生存率	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	深度学习	CNN	图像	使用了包含脑肿瘤和正常MRI图像的标准Kaggle脑肿瘤MRI数据集
96	2024-09-06	Data-driven emergence of convolutional structure in neural networks 2022-10-04, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2201854119 PMID:36161906	研究论文	本文探讨了神经网络如何从数据中自发形成卷积结构	展示了全连接神经网络如何从输入数据中学习到卷积结构，并形成局部、空间平铺的感受野	仅在特定视觉场景数据模型下进行了验证，尚未广泛应用于其他感官模式	研究神经网络如何利用输入数据的不变性来发现适当的表示	全连接神经网络在解决分类任务时如何自发形成卷积结构	机器学习	NA	NA	全连接神经网络	图像	NA
97	2024-09-06	A whole-body FDG-PET/CT Dataset with manually annotated Tumor Lesions 2022-10-04, Scientific data IF:5.8Q1 DOI:10.1038/s41597-022-01718-3 PMID:36195599	研究论文	描述了一个公开的带有手动标注肿瘤病变的全身FDG-PET/CT数据集	提供了1014个全身FDG-PET/CT数据集，包括501个恶性淋巴瘤、黑色素瘤和非小细胞肺癌患者的研究，以及513个无PET阳性恶性病变的对照组研究	NA	展示如何使用该数据集进行基于深度学习的PET/CT数据自动分析	全身FDG-PET/CT图像及其对应的肿瘤病变标注	计算机视觉	非小细胞肺癌	PET/CT扫描	深度学习模型	图像	1014个全身FDG-PET/CT数据集，包括501个恶性病例和513个对照组
98	2024-09-06	ADL-CDF: A Deep Learning Framework for COVID-19 Detection from CT Scans Towards an Automated Clinical Decision Support System 2022-Oct-04, Arabian journal for science and engineering IF:2.6Q2 DOI:10.1007/s13369-022-07271-w PMID:36212631	研究论文	提出了一种基于深度学习的COVID-19检测框架ADL-CDF，用于从CT扫描图像中自动检测COVID-19感染	提出的ADL-CDF框架能够自动检测COVID-19感染，无需人类医学专家参与诊断，并且在检测性能上优于现有的ResNet50V2和Xception模型	NA	开发一种能够自动检测COVID-19感染的深度学习框架，以辅助临床决策支持系统	COVID-19患者的CT扫描图像	计算机视觉	COVID-19	深度学习	ADL-CDF	图像	NA
99	2024-09-06	Skin Lesion Classification on Imbalanced Data Using Deep Learning with Soft Attention 2022-Oct-04, Sensors (Basel, Switzerland) DOI:10.3390/s22197530 PMID:36236628	研究论文	本文提出了一种结合深度学习模型和软注意力机制的皮肤病变分类方法，并引入了一种新的损失函数来处理数据不平衡问题	本文的创新点在于结合了软注意力机制和新的损失函数来处理数据不平衡问题，并使用个人特征如年龄和性别来提高分类准确性	本文的局限性在于实验仅在HAM10000数据集上进行，可能需要进一步验证其在其他数据集上的表现	本文的研究目的是开发一种能够快速准确诊断皮肤疾病的工具，以支持医生在诊断过程中的工作	本文的研究对象是皮肤病变，特别是皮肤癌的分类	计算机视觉	皮肤癌	深度学习	DenseNet, InceptionNet, ResNet, InceptionResNetV2, MobileNetV3Large	图像	使用了HAM10000数据集，包含10000个样本
100	2024-09-06	Deep learning-based automatic-bone-destruction-evaluation system using contextual information from other joints 2022-10-03, Arthritis research & therapy IF:4.4Q1 DOI:10.1186/s13075-022-02914-7 PMID:36192761	研究论文	本研究提出了一种基于深度学习的自动骨破坏评估系统，利用其他关节的上下文信息	本研究创新性地利用深度神经网络（DNN）构建了一个自动骨破坏评估系统，并通过比较同侧关节的方法提高了分类模型的性能	本研究仅使用了40名类风湿性关节炎患者的226张手部X光图像，样本量较小	开发一种自动评估类风湿性关节炎骨破坏程度的系统	类风湿性关节炎患者的骨破坏程度	计算机视觉	类风湿性关节炎	深度神经网络（DNN）	DeepLabCut	图像	40名类风湿性关节炎患者的226张手部X光图像