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
121	2024-09-08	SelfCoLearn: Self-Supervised Collaborative Learning for Accelerating Dynamic MR Imaging 2022-Nov-04, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9110650 PMID:36354561	研究论文	本文提出了一种自监督协同学习框架（SelfCoLearn），用于从欠采样的k空间数据中直接重建动态磁共振图像	引入了双网络协同学习、重新采样数据增强和特殊设计的协同训练损失，以提高动态磁共振图像重建的准确性	NA	解决现有方法在缺乏完全采样参考数据的情况下，恢复细节或结构能力有限的问题	动态磁共振图像的重建	计算机视觉	NA	深度学习	双网络协同学习框架	图像	NA
122	2024-09-08	DeepFake knee osteoarthritis X-rays from generative adversarial neural networks deceive medical experts and offer augmentation potential to automatic classification 2022-11-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-23081-4 PMID:36329253	研究论文	研究使用生成对抗神经网络生成逼真的膝关节X光片，以欺骗医学专家并增强自动分类	提出了一种生成对抗神经网络，能够生成具有不同骨关节炎严重程度的膝关节X光片，这些生成的图像能够欺骗医学专家，并在骨关节炎严重程度分类任务中提高分类准确性	研究仅限于膝关节X光片和骨关节炎分类任务，未涉及其他类型的医学图像或疾病	探讨生成对抗神经网络在医学图像生成和增强深度学习模型中的应用	膝关节X光片和骨关节炎严重程度分类	计算机视觉	骨关节炎	生成对抗神经网络	生成对抗网络	图像	训练使用了5,556张真实图像，生成了320,000张合成图像，并进行了15位医学专家的验证
123	2024-09-08	Generalization of Deep Learning in Digital Pathology: Experience in Breast Cancer Metastasis Detection 2022-Nov-03, Cancers IF:4.5Q1 DOI:10.3390/cancers14215424 PMID:36358842	研究论文	本研究测试了预训练深度学习模型在新的诊断环境和手术指征变化下的泛化能力	本研究展示了多中心训练模型在不同数据集上的泛化挑战，并强调了手术指征变化对模型性能的显著影响	本研究仅限于乳腺癌转移检测，且样本量较小	测试预训练深度学习模型在不同诊断环境和手术指征变化下的泛化能力	乳腺癌转移检测	数字病理学	乳腺癌	深度学习	深度学习模型	图像	使用了CAMELYON多中心数据和本地数据，样本量未具体说明
124	2024-09-08	New Generation Federated Learning 2022-Nov-03, Sensors (Basel, Switzerland) DOI:10.3390/s22218475 PMID:36366172	研究论文	本文介绍了一种新的联邦学习框架，称为新一代联邦学习（NGFL），旨在适应现实世界中的动态任务序列和严格的存储限制	本文将增量学习引入联邦学习，提出了一种新的联邦学习框架，能够处理客户端不断出现的新任务和存储限制问题	本文未详细讨论实际应用中可能遇到的技术实现细节和性能评估	开发一种能够适应现实世界动态任务序列和存储限制的联邦学习框架	联邦学习框架在动态任务和存储限制下的表现	机器学习	NA	联邦学习	增量学习	NA	NA
125	2024-09-08	Three-Stage Pavement Crack Localization and Segmentation Algorithm Based on Digital Image Processing and Deep Learning Techniques 2022-Nov-03, Sensors (Basel, Switzerland) DOI:10.3390/s22218459 PMID:36366156	研究论文	提出了一种基于数字图像处理和深度学习技术的三阶段沥青路面裂缝定位与分割方法	采用了引导滤波和Retinex方法进行图像预处理，提出了YOLO-SAMT目标检测模型进行裂缝定位，并改进了k-means聚类算法进行裂缝提取	未提及具体局限性	提高沥青路面裂缝检测的准确性和效率	高速公路沥青路面裂缝	计算机视觉	NA	数字图像处理、深度学习	YOLO-SAMT	图像	未提及具体样本数量
126	2024-09-08	Transformer-based multitask learning for reaction prediction under low-resource circumstances 2022-Nov-03, RSC advances IF:3.9Q2 DOI:10.1039/d2ra05349g PMID:36380947	研究论文	本文介绍了一种基于Transformer的多任务学习模型，用于在低资源情况下预测化学反应	提出了两种多任务模型：retro-forward反应预测Transformer（RFRPT）和multiforward反应预测Transformer（MFRPT），通过多任务学习显著提高了预测准确性	NA	解决低资源化学数据集下反应预测的准确性问题	化学反应预测	机器学习	NA	Transformer	Transformer	化学反应数据	NA
127	2024-09-08	Uncertainty-informed deep learning models enable high-confidence predictions for digital histopathology 2022-11-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-34025-x PMID:36323656	研究论文	本文介绍了一种在癌症数字病理学中用于全切片图像的不确定性量化方法，通过使用dropout估计不确定性，并在训练数据上计算阈值以建立低和高置信度预测的截止点	本文提出了在数字病理学中使用不确定性信息进行深度学习模型训练的方法，并展示了其在跨验证和外部数据集测试中的优越性	NA	提高计算生物标志物在实际临床应用中的用户置信度	肺腺癌与鳞状细胞癌的鉴别	数字病理学	肺癌	dropout	深度学习模型	图像	涉及多个机构的大规模外部数据集
128	2024-09-08	Comparative Analysis of Deep Learning Models Used in Impact Analysis of Coronavirus Chest X-ray Imaging 2022-Nov-02, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines10112791 PMID:36359310	研究论文	本文比较了用于分析新冠病毒胸片影响的深度学习模型	本文通过实验分析了多种深度学习模型在新冠病毒胸片图像上的表现，并提供了性能提升的解决方案	本文主要集中在模型性能的比较和分析，未深入探讨模型在实际临床应用中的效果	比较不同深度学习模型在新冠病毒胸片图像分析中的表现	新冠病毒感染的胸片图像	计算机视觉	NA	深度学习	CNN, Resnet, VGG16, Inception V3, Xception	图像	训练集包含超过1500张胸片图像，测试集包含约132张胸片图像
129	2024-09-08	An AI based digital-twin for prioritising pneumonia patient treatment 2022-Nov, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine DOI:10.1177/09544119221123431 PMID:36121054	研究论文	本文提出了一种基于数字孪生的三层系统，用于优先处理重症肺炎患者的治疗	利用深度学习方法构建患者特定的数字孪生模型，以识别和优先处理重症肺炎患者中的危重病例	当前模型主要基于肺炎患者数据，应用于COVID-19患者时需要进行迁移学习以提高预测准确性	开发一种能够优先处理重症肺炎患者并优化机械通气和重症监护使用的系统	重症肺炎患者及其治疗优先级	机器学习	肺炎	深度学习	深度学习模型	患者数据	超过1895名肺炎患者
130	2024-09-08	Incorporating the image formation process into deep learning improves network performance 2022-11, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01652-7 PMID:36316563	研究论文	本文介绍了一种结合图像形成过程的深度学习方法，即Richardson-Lucy网络（RLN），用于三维荧光显微镜去卷积	RLN将传统的Richardson-Lucy迭代与全卷积网络结构结合，建立了与图像形成过程的联系，从而提高了网络性能	NA	提高三维荧光显微镜去卷积的性能	细胞、组织和胚胎的显微镜图像	计算机视觉	NA	深度学习	全卷积网络	图像	细胞、组织和胚胎的显微镜图像数据集
131	2024-09-08	Artificial intelligence and machine learning in pain research: a data scientometric analysis 2022 Nov-Dec, Pain reports IF:3.4Q2 DOI:10.1097/PR9.0000000000001044 PMID:36348668	研究论文	本文对人工智能和机器学习在疼痛研究中的应用进行了数据科学计量分析	本文通过自动搜索和手动筛选，评估了机器学习方法和疼痛研究中的常见设置，并分析了研究样本的大小和技术细节	本文指出，尽管人工智能和机器学习能够处理复杂数据，但有时需要大量数据，并且可能存在黑箱决策的问题	研究人工智能和机器学习在疼痛研究中的应用及其优势和局限性	疼痛研究中的机器学习方法、疼痛设置、研究样本大小和技术细节	机器学习	NA	机器学习	随机森林、支持向量机、深度学习	数据	样本大小从11到2,164,872不等，模式为n=100
132	2024-09-07	Wide-Bandwidth Nanocomposite-Sensor Integrated Smart Mask for Tracking Multiphase Respiratory Activities 2022-11, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202203565 PMID:35999427	研究论文	本文介绍了一种集成超薄纳米复合海绵结构声波传感器的智能口罩，用于跟踪多相呼吸活动	该智能口罩能够高灵敏度地检测呼吸、说话和咳嗽等多种呼吸声音，并使用机器/深度学习方法识别这些活动	NA	开发一种智能口罩，用于监测人体生理信号，以促进个人和公共健康	智能口罩及其在多相呼吸活动监测中的应用	NA	NA	NA	支持向量机和卷积神经网络	声音	31名受试者
133	2024-09-07	Exploring Physics of Ferroelectric Domain Walls in Real Time: Deep Learning Enabled Scanning Probe Microscopy 2022-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202203957 PMID:36065001	研究论文	本文通过在扫描探针显微镜（SPM）实验中实时实施计算机视觉算法，探索铁电材料中铁弹性畴壁的功能	本文引入了基于深度残差学习框架和整体嵌套边缘检测的深度卷积神经网络（DCNN），并将其集成以最小化分布外漂移效应，实现了实时操作	NA	探索铁电材料中铁弹性畴壁的功能，并建立实时DCNN分析数据流的框架	铁电材料中的铁弹性畴壁	计算机视觉	NA	扫描探针显微镜（SPM）	深度卷积神经网络（DCNN）	图像	涉及PbTiO（PTO）薄膜和锆钛酸铅（PZT）薄膜中的铁弹性畴壁
134	2024-09-07	Deep-TOF-PET: Deep learning-guided generation of time-of-flight from non-TOF brain PET images in the image and projection domains 2022-11, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26068 PMID:36087092	研究论文	本文提出了一种基于深度学习的方法，用于从非TOF脑PET图像生成TOF图像和投影数据，以提高信噪比和对比度，并减少示踪剂摄取量评估中的偏差	本文创新性地使用CycleGAN模型，在图像空间和投影空间中生成TOF PET图像，显著提高了图像质量和对比度	本文未详细讨论模型的泛化能力和在不同数据集上的表现	研究目的是通过深度学习技术生成TOF PET图像，以提高图像质量和对比度，并减少示踪剂摄取量评估中的偏差	研究对象是脑部F-FDG PET/CT扫描图像	计算机视觉	NA	CycleGAN	CycleGAN	图像	140例临床脑部F-FDG PET/CT扫描图像
135	2024-09-07	Novel 3D Printed Modular Tablets Containing Multiple Anti-Viral Drugs: a Case of High Precision Drop-on-Demand Drug Deposition 2022-Nov, Pharmaceutical research IF:3.5Q2 DOI:10.1007/s11095-022-03378-9 PMID:36109460	研究论文	本文介绍了一种新型3D打印模块化药片，通过按需滴液技术精确沉积多种抗病毒药物	采用按需滴液技术在基于粘合剂喷射的3D打印多隔间药片中精确沉积药物溶液，展示了定制化设计和个性化给药的潜力	NA	展示3D打印药物输送系统的潜力，特别是通过按需滴液技术实现定制化设计和个性化给药	研究3D打印药片中药物的分布和释放特性	制药研究	NA	3D打印技术，按需滴液技术	深度学习模型	图像	包含三种模型抗病毒药物（羟氯喹硫酸盐、利托那韦和法匹拉韦）的多隔间药片
136	2024-09-07	Microplankton life histories revealed by holographic microscopy and deep learning 2022-11-01, eLife IF:6.4Q1 DOI:10.7554/eLife.79760 PMID:36317499	研究论文	本文通过结合全息显微镜和深度学习技术，展示了如何跟踪微浮游生物的整个生命周期，并连续测量其三维位置和干重	本文创新性地利用深度学习算法处理全息数据，实现了对微浮游生物生长率和捕食事件的快速测量	NA	本文旨在通过高分辨率的方法，深入理解海洋微生物食物网中的有机物质转移过程	本文研究对象为海洋中的微浮游生物及其在食物网中的相互作用	计算机视觉	NA	全息显微镜	深度学习	图像	NA
137	2024-09-07	Differential diagnoses of gallbladder tumors using CT-based deep learning 2022-Nov, Annals of gastroenterological surgery IF:2.9Q2 DOI:10.1002/ags3.12589 PMID:36338581	研究论文	本研究利用基于CT图像的深度学习模型来区分胆囊癌和黄色肉芽肿性胆囊炎	提出了结合CT图像和深度学习来区分胆囊癌和黄色肉芽肿性胆囊炎的新方法	对于接受新辅助化疗的胆囊癌患者的区分准确性较低	通过CT图像和深度学习模型来区分胆囊癌和黄色肉芽肿性胆囊炎，以提高手术治疗的成功率	胆囊癌和黄色肉芽肿性胆囊炎	计算机视觉	胆囊癌	深度学习	残差卷积神经网络	CT图像	49例患者，包括28例胆囊癌和21例黄色肉芽肿性胆囊炎
138	2024-09-05	Tackling the class imbalance problem of deep learning-based head and neck organ segmentation 2022-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-022-02649-5 PMID:35578086	研究论文	本文针对深度学习在头颈部器官分割中面临的类别不平衡问题，优化了nnU-Net框架的补丁大小，并引入了类别自适应Dice损失函数，以提高分割性能。	本文通过优化补丁大小和引入类别自适应Dice损失函数，有效解决了头颈部器官分割中的类别不平衡问题。	NA	提高深度学习在头颈部器官分割任务中的性能，特别是在处理类别不平衡问题方面。	头颈部区域的七个器官的分割。	计算机视觉	NA	深度学习	nnU-Net	图像	七个头颈部器官
139	2024-09-05	Automated segmentation of head CT scans for computer-assisted craniomaxillofacial surgery applying a hierarchical patch-based stack of convolutional neural networks 2022-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-022-02673-5 PMID:35665881	研究论文	本研究旨在通过深度学习方法，利用分层基于补丁的3D卷积神经网络堆栈，实现头部CT扫描的自动分割，以辅助颅颌面外科手术。	本研究采用基于补丁工具箱的多尺度3D卷积神经网络堆栈，实现了对多种颅颌面结构的自动分割，具有高精度和灵活性。	本研究使用的训练数据量较小，可能影响模型的泛化能力。	研究自动分割头部CT扫描的深度学习方法，以辅助颅颌面外科手术。	头部CT扫描中的18种颅颌面结构。	计算机视觉	NA	3D卷积神经网络	CNN	图像	20个CT扫描，其中15个用于训练，5个用于验证。
140	2024-09-05	DMs-MAFM+EfficientNet: a hybrid model for predicting dysthyroid optic neuropathy 2022-Nov, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-022-02663-4 PMID:36129645	研究论文	本研究提出了一种混合深度学习模型，用于通过计算机断层扫描（CT）准确识别疑似甲状腺眼病性视神经病变（DON）患者	该模型主要由双多尺度多注意力融合模块（DMs-MAFM）和深度卷积神经网络组成，包含多尺度特征融合算法和改进的通道注意力和空间注意力，能够捕捉图像中微小物体的特征	NA	开发一种高效准确的模型以辅助医生识别DON	甲状腺眼病性视神经病变（DON）患者	计算机视觉	甲状腺疾病	深度学习	混合模型	图像	NA