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
101	2024-09-05	PRDECT-ID: Indonesian product reviews dataset for emotions classification tasks 2022-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2022.108554 PMID:36091473	research paper	本文介绍了名为PRDECT-ID的印度尼西亚产品评论情感分类数据集	本研究贡献了5400条印度尼西亚语产品评论的数据集，这些评论来自29个不同的产品类别，并由临床心理学专家标注了五种情感	NA	旨在为产品评论中的情感识别提供数据支持	印度尼西亚语产品评论中的情感	自然语言处理	NA	机器学习或深度学习算法	NA	文本	5400条产品评论
102	2024-09-05	A deep learning-based post-processing method for automated pulmonary lobe and airway trees segmentation using chest CT images in PET/CT 2022-Oct, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-21-1116 PMID:36185049	研究论文	本文提出了一种基于深度学习的后处理方法，用于在PET/CT扫描中使用胸部CT图像自动分割肺叶和气道树	结合深度学习和后处理算法，提高了肺叶和气道树分割的性能	NA	开发和验证一种自动化的深度学习模型，结合后处理算法，用于在胸部CT图像中分割六个肺部解剖区域	肺部的五个肺叶和气道树	计算机视觉	NA	卷积神经网络（CNN）	DenseVNet	图像	共640例
103	2024-09-05	A hybrid generative adversarial network for weakly-supervised cloud detection in multispectral images 2022-Oct, Remote sensing of environment IF:11.1Q1 DOI:10.1016/j.rse.2022.113197 PMID:36193118	研究论文	本文提出了一种基于生成对抗网络（GAN）和物理基础云扭曲模型（CDM）的混合方法，用于多光谱图像中的弱监督云检测	该方法结合了GAN和CDM，仅需要块级标签进行训练，能够在训练和测试阶段生成像素级的云掩膜	NA	提高光学卫星图像处理中云检测的准确性	多光谱图像中的云检测	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	使用了新的全球分布的Landsat 8数据集（WHUL8-CDb），包括图像块和相应的块级标签
104	2024-09-05	Emotion recognition using effective connectivity and pre-trained convolutional neural networks in EEG signals 2022-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-021-09756-0 PMID:36237402	研究论文	本文提出了一种基于有效连接和微调卷积神经网络的多通道脑电图信号情感识别系统	利用直接定向传递函数方法计算脑电图信号间的信息流，并使用预训练的卷积神经网络模型进行情感状态分类	NA	开发一种有效的情感识别系统，用于情感脑机接口	多通道脑电图信号的情感状态	计算机视觉	NA	卷积神经网络	CNN	图像	使用了MAHNOB-HCI和DEAP数据库中的数据
105	2024-08-07	High-Throughput Mass Spectrometry Imaging with Dynamic Sparse Sampling 2022-Oct-19, ACS measurement science au IF:4.6Q1 DOI:10.1021/acsmeasuresciau.2c00031 PMID:36281292	研究论文	本文介绍了一种使用动态稀疏采样的高通量质谱成像技术	采用深度学习动态采样方法（DLADS）减少所需测量次数，提高质谱成像实验的通量	NA	提高质谱成像技术的数据采集速度，适用于需要快速分析的应用	生物样本中的分子分布	NA	NA	质谱成像（MSI）	深度学习模型	分子图像	NA
106	2024-08-07	Benchmarking Deep Learning Models for Tooth Structure Segmentation 2022-10, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345221100169 PMID:35686357	研究论文	本文通过系统比较多种深度学习架构在牙齿结构分割任务上的表现，为模型开发提供指导	首次在牙科领域进行全面的深度学习模型基准测试，并发现使用预训练权重初始化的模型在牙科放射图像分析中表现更优	研究仅限于牙齿结构分割任务，未涵盖牙科领域的其他任务	旨在通过基准测试为牙科领域的深度学习模型开发提供指导	牙齿结构（牙釉质、牙本质、牙髓、填充物、牙冠）的分割	计算机视觉	NA	深度学习	U-Net, U-Net++, Feature Pyramid Networks, LinkNet, Pyramid Scene Parsing Network, Mask Attention Network	图像	1,625张人工标注的牙科咬翼放射图像
107	2024-08-07	BIONIC: biological network integration using convolutions 2022-10, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01616-x PMID:36192463	研究论文	本文介绍了一种基于深度学习的生物网络集成算法BIONIC，该算法利用图卷积网络框架，通过结合和自动加权输入信息，以获得更准确和全面的生物学表示	BIONIC算法能够学习包含更多功能信息的特征，相比现有方法有显著改进	NA	开发一种新的生物网络集成算法，以提高对生物学功能的理解和预测	生物网络的集成和功能信息的学习	机器学习	NA	图卷积网络	CNN	网络数据	适用于大规模的人类基因组网络集成
108	2024-08-07	Disentangling Normal Aging From Severity of Disease via Weak Supervision on Longitudinal MRI 2022-10, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3166131 PMID:35404811	研究论文	本文提出了一种通过弱监督学习方法，从纵向MRI数据中分离正常衰老与疾病严重程度的研究	通过弱监督学习，明确分离疾病效应与正常衰老，并能增强训练数据的多样性	需要进一步验证在不同数据集上的泛化能力	研究如何通过深度学习算法将纵向MRI数据映射到连续的疾病严重程度尺度上	纵向MRI数据中的正常衰老与疾病严重程度	机器学习	神经退行性疾病	深度学习算法	NA	MRI图像	632个样本来自阿尔茨海默病神经成像倡议(ADNI)
109	2024-08-07	Enhancing convolutional neural network predictions of electrocardiograms with left ventricular dysfunction using a novel sub-waveform representation 2022-Oct, Cardiovascular digital health journal IF:2.6Q2 DOI:10.1016/j.cvdhj.2022.07.074 PMID:36310683	研究论文	本文介绍了一种新的子波形表示方法，用于增强卷积神经网络对心电图预测左心室功能障碍的性能	引入了基于数据中心的子波形表示方法，而不是改变模型中心的CNN架构	NA	提高心电图深度学习在心血管异常患者中的预测准确性	左心室功能障碍的识别	机器学习	心血管疾病	卷积神经网络 (CNN)	CNN	心电图 (ECG) 波形	92,446名患者
110	2024-08-07	Two fully automated data-driven 3D whole-breast segmentation strategies in MRI for MR-based breast density using image registration and U-Net with a focus on reproducibility 2022-Oct-11, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-022-00121-4 PMID:36219359	研究论文	本研究开发了两种基于图像配准和3D U-Net的全自动数据驱动3D全乳房分割策略，用于MRI中的乳腺密度测量，重点关注可重复性	提出的图像配准和深度学习全乳房分割方法在乳腺密度测量中表现出高度的准确性和可靠性，优于先前开发的算法和手动分割方法	NA	开发一种高度可重复且准确的乳腺密度测量算法	乳腺MRI图像的全乳房分割	数字病理学	乳腺癌	图像配准，3D U-Net	U-Net	图像	三个来自两个临床试验的志愿者数据集
111	2024-08-07	Automated clinical coding: what, why, and where we are? 2022-Oct-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00705-7 PMID:36273236	研究论文	本文介绍了自动化临床编码的概念，并从人工智能和自然语言处理的角度总结了其挑战	提出了将基于知识的解释性方法与深度学习方法结合以提高临床编码的解释性和一致性	当前基于深度学习的方法在实际应用中需要更好的解释性和一致性	探讨自动化临床编码的技术和组织挑战，并提出未来发展方向	临床编码过程的自动化	自然语言处理	NA	深度学习	NA	文本	涉及苏格兰和英国的临床编码专家讨论
112	2024-08-07	U-net Models Based on Computed Tomography Perfusion Predict Tissue Outcome in Patients with Different Reperfusion Patterns 2022-10, Translational stroke research IF:3.8Q2 DOI:10.1007/s12975-022-00986-w PMID:35043358	研究论文	本文开发了一种基于计算机断层扫描灌注（CTP）图像的U-net深度学习模型，用于更准确地评估急性大血管闭塞（LVO）患者的缺血核心和风险组织	U-net模型在识别梗死核心和风险组织方面优于固定阈值方法，提供了针对不同再灌注模式的患者的个性化预测	NA	评估脑灌注对于急性大血管闭塞患者治疗选择的重要性，并开发一种新的深度学习模型以更准确地评估缺血核心和风险组织	急性缺血性卒中接受血管内治疗的患者，分为主要再灌注组和最小再灌注组	机器学习	脑血管疾病	CTP	U-net	图像	110名急性缺血性卒中患者
113	2024-08-07	SVision: a deep learning approach to resolve complex structural variants 2022-10, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01609-w PMID:36109679	研究论文	本文开发了一种基于深度学习的多目标识别框架SVision，用于自动检测和表征长读长测序数据中的复杂结构变异	SVision能够识别复杂事件的内部结构，并能敏感地检测常见和先前未表征的复杂重排	NA	开发一种新的方法来解析复杂结构变异	复杂结构变异	机器学习	NA	深度学习	多目标识别框架	长读长测序数据	从单个基因组中揭示了80个高质量的复杂结构变异，具有25种不同的结构