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	2024-09-11	Exome-wide association analysis of CT imaging-derived hepatic fat in a medical biobank 2022-12-20, Cell reports. Medicine DOI:10.1016/j.xcrm.2022.100855 PMID:36513072	研究论文	本文通过深度学习方法从临床CT扫描中量化肝脂肪，并进行全外显子关联分析，以研究非酒精性脂肪肝病的遗传因素	本文首次在医疗生物库中使用深度学习方法从CT图像中量化肝脂肪，并结合全外显子序列进行关联分析，同时考虑了非欧洲人群和罕见变异	本文主要基于特定医疗生物库的数据，结果的普适性可能受限	研究非酒精性脂肪肝病的遗传因素，特别是肝脂肪的遗传关联	肝脂肪的遗传变异及其与非酒精性脂肪肝病的关系	数字病理学	非酒精性脂肪肝病	深度学习	NA	图像	10,283名参与者
62	2024-09-11	Automated Detection of Rice Bakanae Disease via Drone Imagery 2022-Dec-20, Sensors (Basel, Switzerland) DOI:10.3390/s23010032 PMID:36616630	研究论文	本文提出了一种通过无人机图像预测和自动检测水稻恶苗病感染率的系统	该系统结合了相机校准和面积计算，使用YOLOv3和RestNETV2 101模型进行感染检测和分类	系统在检测感染稻穗和分类感染稻秆数量方面仍有改进空间	开发一种自动化的水稻恶苗病检测系统，以提高稻田检查的效率和准确性	水稻恶苗病及其感染率	计算机视觉	NA	深度学习	YOLOv3, RestNETV2 101	图像	NA
63	2024-09-11	DeepST: identifying spatial domains in spatial transcriptomics by deep learning 2022-12-09, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkac901 PMID:36250636	研究论文	本文介绍了一种名为DeepST的深度学习框架，用于在空间转录组学中识别空间域	DeepST在基准数据集上表现优于现有的最先进方法，并能有效整合来自多个批次或不同技术的空间转录组数据	NA	开发一种能够准确识别空间转录组学中空间域的深度学习框架	人类背外侧前额叶皮层和乳腺癌组织的空间转录组数据	机器学习	乳腺癌	深度学习	深度学习框架	空间转录组数据	涉及人类背外侧前额叶皮层和乳腺癌组织的基准数据集
64	2024-09-11	Differentiable Learning of Sequence-Specific Minimizer Schemes with DeepMinimizer 2022-12, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2022.0275 PMID:36095142	研究论文	本文介绍了一种名为DeepMinimizer的新方法，用于学习序列特异性最小化方案，通过深度学习架构实现密度最小化目标的连续松弛	首次提出了一种连续松弛的密度最小化目标，并使用深度学习双架构确保最小化方案的有效性和性能	NA	解决在生物序列中选择代表性-mers位置的优化问题，以减少计算和内存成本	生物序列中的最小化方案	机器学习	NA	深度学习	深度学习双架构	序列	人类基因组序列
65	2024-09-11	ETCNN: Extra Tree and Convolutional Neural Network-based Ensemble Model for COVID-19 Tweets Sentiment Classification 2022-Dec, Pattern recognition letters IF:3.9Q2 DOI:10.1016/j.patrec.2022.11.012 PMID:36407854	研究论文	本文提出了一种基于Extra Tree和卷积神经网络的集成模型，用于COVID-19推文情感分类	结合了手工特征和自动特征提取的优势，通过机器学习和深度学习模型进行集成	NA	分析公众对COVID-19的情感，以制定相应政策缓解负面情绪	COVID-19推文的情感分类	自然语言处理	NA	机器学习、深度学习	Extra Tree、卷积神经网络	文本	NA
66	2024-09-10	A novel deep neural network model based Xception and genetic algorithm for detection of COVID-19 from X-ray images 2022-Dec-25, Annals of operations research IF:4.4Q1 DOI:10.1007/s10479-022-05151-y PMID:36591406	研究论文	本文提出了一种基于Xception和遗传算法的新型深度神经网络模型，用于从X射线图像中检测COVID-19	本文的创新点在于结合了Xception模型和遗传算法，通过迭代优化网络结构和参数，提高了COVID-19检测的准确性	NA	开发一种高效的深度学习模型，用于从X射线图像中检测COVID-19	COVID-19的X射线图像	计算机视觉	COVID-19	遗传算法	Xception	图像	使用了COVID-19的X射线图像数据集，包括两类、三类和四类数据集
67	2024-09-10	Convolutional neural network for automated segmentation of the liver and its vessels on non-contrast T1 vibe Dixon acquisitions 2022-12-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26328-2 PMID:36543852	研究论文	评估了在非对比T1 vibe Dixon采集上使用卷积神经网络自动分割肝脏及其血管的有效性	使用单模态的同相重建输入在肝脏实质、门静脉和肝静脉的分割中取得了最佳性能	未观察到使用多模态输入的益处	研究深度学习在非对比T1 vibe Dixon图像上自动分割肝脏及其血管的效果	肝脏及其血管的自动分割	计算机视觉	NA	卷积神经网络	3D U-Net	图像	使用了非对比T1 vibe Dixon肝脏磁共振图像的数据集，由专家逐层标注了肝脏外边界、门静脉和肝静脉
68	2024-09-10	Automatic segmentation of prostate zonal anatomy on MRI: a systematic review of the literature 2022-Dec-21, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-022-01340-2 PMID:36543901	综述	本文对当前文献中关于MRI上前列腺分区解剖自动分割的方法进行了系统性回顾和分析	NA	本文发现许多方法存在方法学缺陷和偏倚，导致无法进行定量分析，表明这些方法在临床实践中的鲁棒性和适用性较低	评估和比较已发表的自动分割前列腺分区解剖方法的适用性和效率	MRI上的前列腺分区解剖	计算机视觉	前列腺癌	深度学习	NA	图像	共回顾了33篇文章
69	2024-09-10	Where do we stand in AI for endoscopic image analysis? Deciphering gaps and future directions 2022-Dec-20, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00733-3 PMID:36539473	review	本文综述了人工智能在内窥镜图像分析领域的最新进展，并强调了当前未满足的需求和未来方向	NA	NA	探讨人工智能在内窥镜图像分析中的应用现状及未来发展方向	内窥镜图像分析中的数据异质性、多模态性及罕见或不明显的疾病案例	computer vision	NA	deep learning	NA	image	NA
70	2024-09-10	What makes the unsupervised monocular depth estimation (UMDE) model training better 2022-12-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26613-0 PMID:36539595	研究论文	本文提出了一种合成数据集生成方法，用于无监督单目深度估计模型的训练，并通过实验验证了该方法的有效性	提出了一种合成数据集生成方法，无需大量人工标注，能够扩展数据集，并验证了该数据集在深度估计模型训练中的有效性	仅在飞机导航应用场景中进行了验证，未涵盖其他应用场景	探索无监督单目深度估计模型训练中的关键因素，提升模型性能	无监督单目深度估计模型及其训练数据集	计算机视觉	NA	深度学习	无监督单目深度估计模型	视频	包含飞机第一人称视角视频的MineNavi数据集
71	2024-09-10	Research on an intelligent diagnosis method of mechanical faults for small sample data sets 2022-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26316-6 PMID:36539540	研究论文	提出了一种针对小样本数据集的智能机械故障诊断方法	该方法不仅能够诊断轴承故障和齿轮故障，还具有较强的泛化性能，通过卷积神经网络实现自动特征提取，并使用SVM进行特征分类	NA	解决机械故障诊断领域中特征提取困难和小样本问题	轴承故障和齿轮故障	机器学习	NA	卷积神经网络	CNN	数据集	使用了来自Case Western Reserve University、西安交通大学和康涅狄格大学的轴承和齿轮故障数据集
72	2024-09-10	Automatic lesion detection and segmentation in 18F-flutemetamol positron emission tomography images using deep learning 2022-Dec-20, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-022-01058-8 PMID:36539779	研究论文	本研究利用深度学习技术，通过2D U-Net卷积神经网络自动检测和分割18F-flutemetamol PET图像中的病变区域	首次使用2D U-Net卷积神经网络进行18F-flutemetamol PET图像的自动病变检测和分割	研究仅限于特定脑区的病变检测和分割，未涵盖全脑范围	提高阿尔茨海默病患者脑部PET图像病变检测和分割的准确性	18F-flutemetamol PET图像中的病变区域	计算机视觉	阿尔茨海默病	深度学习	U-Net	图像	NA
73	2024-09-10	Recent advances in Predictive Learning Analytics: A decade systematic review (2012-2022) 2022-Dec-20, Education and information technologies IF:4.8Q1 DOI:10.1007/s10639-022-11536-0 PMID:36571084	综述	本文综述了2012年至2022年间高等教育领域预测学习分析的最新研究进展	系统回顾了过去十年中预测分析在高等教育中的应用，分析了预测模型的过程及其关键性能指标	主要基于文献综述，未进行实证研究	回顾和分析高等教育领域预测学习分析的最新研究	预测学术成果的机器学习和深度学习模型及其应用	机器学习	NA	机器学习和深度学习模型	机器学习模型	学生相关数据	NA
74	2024-09-10	Deep Learning Model for Computer-Aided Diagnosis of Urolithiasis Detection from Kidney-Ureter-Bladder Images 2022-Dec-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9120811 PMID:36551017	研究论文	本文提出了一种基于深度学习模型的计算机辅助诊断系统，用于从肾脏-输尿管-膀胱图像中检测尿路结石	本文提出的深度学习模型在检测尿路结石方面表现优异，优于现有的基于卷积神经网络的方法	本文仅使用了来自一家医院的355张KUB图像进行训练和测试，样本量较小	开发一种帮助急诊室临床医生准确诊断尿路结石的计算机辅助诊断系统	肾脏-输尿管-膀胱图像中的尿路结石	计算机视觉	泌尿系统疾病	深度学习	ResNet	图像	355张KUB图像，来自104名确诊尿路结石的患者
75	2024-09-10	Automated Classification of Idiopathic Pulmonary Fibrosis in Pathological Images Using Convolutional Neural Network and Generative Adversarial Networks 2022-Dec-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12123195 PMID:36553202	研究论文	本文提出了一种使用卷积神经网络和生成对抗网络自动分类特发性肺纤维化的方法	本文创新性地引入了两步训练方法，使用生成对抗网络生成病理图像以弥补罕见疾病数据不足的问题	本文的分类性能在特异性方面仍有提升空间	开发一种能够准确区分特发性肺纤维化与非特发性肺纤维化的自动化分类方法	特发性肺纤维化与非特发性肺纤维化的病理图像	数字病理	肺部疾病	生成对抗网络	卷积神经网络	图像	24例特发性肺纤维化患者的组织样本，生成23,142张IPF图像和7,817张非IPF图像
76	2024-09-10	3D black blood cardiovascular magnetic resonance atlases of congenital aortic arch anomalies and the normal fetal heart: application to automated multi-label segmentation 2022-12-15, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1186/s12968-022-00902-z PMID:36517850	研究论文	本文介绍了首个3D黑血T2加权心血管磁共振成像图谱，用于先天性主动脉弓异常和正常胎儿心脏的自动多标签分割	首次创建了正常和异常胎儿心血管解剖结构的3D黑血T2加权CMR图谱，并展示了使用深度学习进行3D胎儿CMR图像多标签血管分割的可行性	网络在未见过的早期妊娠和低信噪比数据集上的表现有限	开发和评估用于自动3D多标签分割胎儿心脏血管的图谱引导注册和深度学习方法	正常和异常胎儿心血管解剖结构的3D图谱	数字病理学	心血管疾病	心血管磁共振成像 (CMR)	UNETR	图像	86例第三孕期胎儿（孕周范围29-34周），包括28例健康对照、20例新生儿主动脉缩窄和38例血管环
77	2024-09-10	Evaluation of deep learning models in contactless human motion detection system for next generation healthcare 2022-12-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-25403-y PMID:36517511	研究论文	本文评估了基于深度学习的非接触式人体运动检测系统在下一代医疗保健中的应用	提出了一种基于信道状态信息（CSI）和无线电频率（RF）信号的AI驱动的人体运动检测系统，并通过结构修改和数据降维技术改进了深度学习模型的性能	本文未提及具体的局限性	改进非接触式AI人体运动检测系统的深度学习模型性能	人体运动检测系统	机器学习	NA	信道状态信息（CSI）提取	深度学习网络	信道状态信息（CSI）数据	使用了中心频率为5.32 GHz的CSI数据
78	2024-09-10	Deep learning-based speech analysis for Alzheimer's disease detection: a literature review 2022-12-14, Alzheimer's research & therapy DOI:10.1186/s13195-022-01131-3 PMID:36517837	综述	本文综述了基于深度学习的语音分析技术在阿尔茨海默病检测中的应用	本文整合了最新的研究进展，总结了语音数据库、深度学习方法和模型性能	本文指出了当前研究中的主流和局限性，并提供了未来研究的方向	综述基于深度学习的语音分析技术在阿尔茨海默病检测中的应用	阿尔茨海默病检测	机器学习	老年病	深度学习	NA	语音	NA
79	2024-09-10	A Fast Specular Highlight Removal Method for Smooth Liquor Bottle Surface Combined with U2-Net and LaMa Model 2022-Dec-14, Sensors (Basel, Switzerland) DOI:10.3390/s22249834 PMID:36560201	研究论文	提出了一种结合U-Net和LaMa模型的快速高光去除方法，用于光滑酒瓶表面的高光去除	该方法通过两阶段处理，首先使用U-Net网络检测高光区域并生成掩码图，然后利用LaMa网络进行图像修复，从而实现高光去除	该方法在处理小样本高光数据集时可能表现不佳	解决自然场景中光滑酒瓶表面复杂高光现象的去除问题	光滑酒瓶表面的高光现象	计算机视觉	NA	图像修复	U-Net, LaMa	图像	自制的酒瓶表面高光数据集
80	2024-09-10	Retinal OCTA Image Segmentation Based on Global Contrastive Learning 2022-Dec-14, Sensors (Basel, Switzerland) DOI:10.3390/s22249847 PMID:36560216	研究论文	本文提出了一种基于全局对比学习的视网膜OCTA图像分割方法COSNet，通过对比学习模块和特征提取模块，解决了OCTA数据集中的数据不平衡问题	本文创新性地引入了全局对比学习方法，通过混合采样策略构建新的对比损失函数，使网络同时学习局部和全局信息	NA	解决视网膜血管图像分割中的数据不平衡问题	视网膜血管图像	计算机视觉	NA	对比学习	多层感知机 (MLP)	图像	NA