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
1141	2024-09-20	DeepCOVID-Fuse: A Multi-Modality Deep Learning Model Fusing Chest X-rays and Clinical Variables to Predict COVID-19 Risk Levels 2023-May-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10050556 PMID:37237626	研究论文	本文介绍了一种名为DeepCOVID-Fuse的多模态深度学习模型，该模型通过融合胸部X光片和临床变量来预测COVID-19患者的风险等级	DeepCOVID-Fuse模型通过结合胸部X光片和临床变量，显著提高了COVID-19风险预测的准确性	研究数据仅来自特定时间段和特定医院，可能限制了模型的普适性	开发一种能够准确预测COVID-19患者风险等级的多模态深度学习模型	COVID-19患者的胸部X光片和临床变量	机器学习	COVID-19	深度学习	多模态深度学习模型	图像和临床数据	训练集1657例，验证集428例，测试集439例
1142	2024-09-20	Automated Retrieval of Heterogeneous Proteomic Data for Machine Learning 2023-May-02, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm13050790 PMID:37240960	研究论文	本文提出了一种自动化方法，用于从公开的蛋白质组学数据库中检索异构蛋白质组数据，以供机器学习应用	本文的创新点在于将不同来源和条件的蛋白质组学数据整合成一个大型数据库，便于应用新兴的生物信息学工具和深度学习算法	本文的局限性在于数据收集过程中可能涉及的伦理和法律问题，以及确保数据质量和准确性的挑战	本文的研究目的是为机器学习应用提供一个整合的蛋白质组学数据集，以促进对蛋白质表达和功能的深入理解	本文的研究对象是心脏相关的蛋白质组学数据	机器学习	心血管疾病	质谱分析（MS/MS）	NA	蛋白质组学数据	NA
1143	2024-09-20	Computerized Diagnosis of Liver Tumors From CT Scans Using a Deep Neural Network Approach 2023-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3248489 PMID:37027632	研究论文	本文研究了使用深度神经网络从CT扫描中自动分类肝肿瘤的方法	提出了一种基于改进的Inception v3网络的分类模型，能够客观地提取肉眼不可见的鉴别特征	NA	旨在通过深度学习方法自动分类CT扫描中的肝肿瘤	肝肿瘤，包括肝细胞癌（HCC）、肝内胆管癌（ICC）、结直肠肝转移（CRLM）和良性肿瘤	计算机视觉	肝癌	深度学习	Inception v3	图像	814名患者的多机构数据集
1144	2024-09-20	Generative adversarial network based digital stain conversion for generating RGB EVG stained image from hyperspectral H&E stained image 2023-05, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.28.5.056501 PMID:37265876	研究论文	本文提出了一种基于生成对抗网络（GAN）的深度学习方法，用于从高光谱H&E染色图像生成RGB EVG染色图像	本文创新性地使用CycleGAN模型进行数字染色转换，并引入一组三个基函数来计算损失，保留了EVG染色图像的相关特征	NA	提出一种基于深度学习的计算机化方法，用于生成RGB EVG染色组织图像，以节省传统EVG染色过程的时间和成本	高光谱H&E染色图像和EVG染色的RGB全切片图像	数字病理学	NA	生成对抗网络（GAN）	CycleGAN	图像	人类胰腺组织的高光谱H&E染色图像和EVG染色的RGB全切片图像
1145	2024-09-20	Astronomia ex machina: a history, primer and outlook on neural networks in astronomy 2023-May, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.221454 PMID:37266039	综述	本文回顾了人工智能和深度学习在天文学中的历史发展及未来前景	提出了采用类似GPT的基础模型进行天文应用的微调，以利用高质量的多模态天文数据服务于最先进的下游任务	NA	探讨人工智能和深度学习在天文学中的应用及其未来发展	天文学中的连接主义发展及其在人工智能和深度学习中的应用	机器学习	NA	深度学习	多层感知器、卷积神经网络、循环神经网络、生成对抗网络	多模态数据	NA
1146	2024-09-20	Efficient labelling for efficient deep learning: the benefit of a multiple-image-ranking method to generate high volume training data applied to ventricular slice level classification in cardiac MRI 2023-Apr, Journal of medical artificial intelligence DOI:10.21037/jmai-22-55 PMID:37346802	研究论文	本文介绍了一种利用多位临床专家对心脏磁共振成像（CMR）图像进行排序的新方法，以生成高质量的训练数据，并应用于左心室切片级别的分类	提出了一种基于多图像排序的标注方法，相比传统的单图像标注方法，能够更高效地生成高质量的训练数据	研究样本量较小，仅涉及300个随机扫描的图像，未来需要在大规模数据集上验证方法的有效性	探讨如何通过高效的标注方法提高深度学习模型在心脏磁共振成像中的分类性能	心脏磁共振成像（CMR）图像的左心室切片分类	计算机视觉	心血管疾病	深度学习	卷积神经网络（CNN）	图像	300个随机扫描的图像，共3552张个体图像
1147	2024-09-20	Deep learning analysis of endometrial histology as a promising tool to predict the chance of pregnancy after frozen embryo transfers 2023-Apr, Journal of assisted reproduction and genetics IF:3.2Q2 DOI:10.1007/s10815-023-02745-8 PMID:36862259	研究论文	本研究利用深度学习算法分析子宫内膜组织学，以预测冷冻胚胎移植后的妊娠机会	本研究通过深度学习算法分析子宫内膜组织学，克服了传统Noyes法的主观性和与生育状态或妊娠结果相关性差的局限	本研究仅在特定人群中进行了初步验证，需要进一步在大规模和多样化的样本中验证其有效性	本研究旨在通过深度学习算法分析子宫内膜组织学，以预测冷冻胚胎移植后的妊娠机会	本研究的对象是自然月经周期中的健康志愿者和接受模拟人工周期的不孕患者	机器学习	NA	深度学习	二分类器	图像	自然月经周期中的健康志愿者24例，接受模拟人工周期的不孕患者37例
1148	2024-09-20	Peanut leaf disease identification with deep learning algorithms 2023-Apr, Molecular breeding : new strategies in plant improvement IF:2.6Q2 DOI:10.1007/s11032-023-01370-8 PMID:37313521	研究论文	本文提出了一种新的深度学习模型用于花生叶病害识别	提出的模型结合了改进的Xception、部分激活特征融合模块和两个注意力增强分支，显著提高了识别准确率	NA	提高花生叶病害识别的准确性和泛化能力	花生叶病害	计算机视觉	NA	深度学习	Xception	图像	应用于黄瓜、苹果、水稻、玉米和小麦叶病害识别，平均准确率为99.61%
1149	2024-09-20	DynamicSleepNet: a multi-exit neural network with adaptive inference time for sleep stage classification 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1171467 PMID:37250117	研究论文	提出了一种名为DynamicSleepNet的多出口神经网络，用于动态调整睡眠阶段分类的精度和效率	DynamicSleepNet通过多出口结构和动态推理时间调整，减少了多模态电生理信号处理中的冗余计算，提高了效率	NA	提高睡眠阶段分类的自动化程度和效率	睡眠阶段的分类	机器学习	NA	多模态电生理信号	多出口神经网络	电生理信号	四个数据集
1150	2024-09-20	A Lightweight convolutional neural network for nicotine prediction in tobacco by near-infrared spectroscopy 2023, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2023.1138693 PMID:37251760	研究论文	本文提出了一种轻量级一维卷积神经网络（1D-CNN）用于通过近红外光谱预测烟草中的尼古丁含量	本文的创新点在于提出了一种轻量级的一维卷积神经网络模型，用于通过近红外光谱数据预测烟草中的尼古丁含量，并采用了批量归一化技术来减少过拟合并提高模型的泛化性能	本文的局限性在于仅使用了Savitzky-Golay平滑预处理方法，未探讨其他预处理方法对模型性能的影响	本研究的目的是开发一种高效、准确的模型，用于通过近红外光谱技术快速预测烟草中的尼古丁含量	本研究的对象是烟草中的尼古丁含量	机器学习	NA	近红外光谱	一维卷积神经网络（1D-CNN）	光谱数据	随机生成的训练和测试数据集
1151	2024-09-20	Enhancing Disease Classification in Abdominal CT Scans through RGB Superposition Methods and 2D Convolutional Neural Networks: A Study of Appendicitis and Diverticulitis 2023, Computational and mathematical methods in medicine DOI:10.1155/2023/7714483 PMID:37284168	研究论文	本文提出了一种利用RGB叠加方法和2D卷积神经网络增强腹部CT扫描中疾病分类的方法，主要研究了阑尾炎和憩室炎的诊断	本文创新性地使用RGB通道叠加图像作为模型输入，相比传统的3D CNN方法，减少了数据需求和计算资源，提高了分类性能	本文未详细讨论模型在其他疾病或不同数据集上的泛化能力	提高腹部CT扫描中阑尾炎和憩室炎的分类准确性	阑尾炎和憩室炎	计算机视觉	NA	2D卷积神经网络	EfficientNet	图像	未明确提及具体样本数量
1152	2024-09-20	Hematologic Cancer Detection Using White Blood Cancerous Cells Empowered with Transfer Learning and Image Processing 2023, Journal of healthcare engineering DOI:10.1155/2023/1406545 PMID:37284488	研究论文	本文提出了一种利用迁移学习和图像处理技术增强的深度学习模型，用于检测血液癌症	本文的创新点在于结合了迁移学习和图像处理技术，提高了血液癌症检测的准确性	本文的局限性在于仅使用了AlexNet、MobileNet和ResNet模型，未探索其他可能更优的模型	本文的研究目的是提高血液癌症的早期预测和治疗效果	本文的研究对象是血液癌症中的淋巴瘤和白血病	计算机视觉	血液癌症	迁移学习、图像处理	深度学习模型（AlexNet、MobileNet、ResNet）	图像	使用了大量的白血癌细胞图像进行训练和测试
1153	2024-09-20	Do poverty and wealth look the same the world over? A comparative study of 12 cities from five high-income countries using street images 2023, EPJ data science IF:3.0Q1 DOI:10.1140/epjds/s13688-023-00394-6 PMID:37293269	研究论文	本文通过分析来自五个高收入国家的12个城市的720万张街道图像，使用计算机视觉和深度学习方法，比较了不同城市中贫困和富裕社区的视觉相似性	本文首次在多个国家和城市之间进行街道图像的比较分析，揭示了贫困和富裕社区在视觉特征上的差异，并探讨了这些差异的历史、政策和地理因素	研究结果表明，基于图像的不平等测量方法在不同城市之间存在误差，尤其是在贫困地区，需要进一步改进以捕捉全球城市间的异质性	研究不同城市和国家中贫困和富裕社区的视觉相似性，并探讨这些差异的影响因素	来自五个高收入国家的12个城市的街道图像	计算机视觉	NA	深度学习	NA	图像	720万张街道图像，来自12个城市的超过8500万人
1154	2024-09-20	The current state of artificial intelligence in endoscopic diagnosis of early esophageal squamous cell carcinoma 2023, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2023.1198941 PMID:37293591	综述	本文综述了人工智能在早期食管鳞状细胞癌内镜诊断中的现状	人工智能通过深度学习模型中的卷积神经网络（CNN）提取图像数据的关键特征，并进行图像分类，显著提高了内镜图像分类的准确性	人工智能系统的训练数据集存在选择性偏差，影响其通用性	探讨人工智能在早期食管鳞状细胞癌内镜诊断和侵袭深度预测中的应用	早期食管鳞状细胞癌	计算机视觉	食管癌	深度学习	卷积神经网络（CNN）	图像	NA
1155	2024-09-19	Automatic segmentation of white matter hyperintensities in T2-FLAIR with AQUA: A comparative validation study against conventional methods 2023-12, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2023.110825 PMID:38000477	研究论文	本文提出了一种名为AQUA的深度学习模型，用于自动分割T2-FLAIR扫描中的白质高信号（WMH），并与其他五种自动分割方法进行了比较验证	AQUA模型在U-Net架构的基础上进行了改进，引入了Bottleneck Attention Module，显著提高了对小尺寸WMH的检测性能	尽管AQUA在大多数指标上表现优异，但在召回率和F1分数上仍有改进空间，特别是在排除小病变后	开发一种高效且客观的自动分割方法，用于检测和监测与认知衰退和痴呆风险相关的白质高信号	T2-FLAIR扫描中的白质高信号（WMH）	计算机视觉	神经退行性疾病	深度学习	U-Net	图像	170名老年参与者
1156	2024-09-19	Explainable Convolutional Neural Networks for Brain Cancer Detection and Localisation 2023-Sep-02, Sensors (Basel, Switzerland) DOI:10.3390/s23177614 PMID:37688069	研究论文	本文提出了一种利用卷积神经网络和类激活映射进行脑癌检测和定位的方法	利用深度学习技术，特别是卷积神经网络和类激活映射，提供了解释性，突出显示与脑癌相关的医学图像区域	NA	检测和定位脑癌	脑癌	计算机视觉	脑癌	卷积神经网络	卷积神经网络	图像	3000个磁共振图像
1157	2024-09-19	Deep learning architecture for 3D image super-resolution of late gadolinium enhanced cardiac MRI 2023-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.5.051808 PMID:37235130	研究论文	本文提出了一种基于3D卷积神经网络（CNN）的方法，用于提高晚期钆增强心脏MRI图像的穿透平面分辨率	本文创新性地引入了一个梯度分支，为CNN超分辨率框架提供结构指导，从而提高了图像的穿透平面分辨率和分割效果	NA	提高晚期钆增强心脏MRI图像的穿透平面分辨率，并评估其对心脏腔室3D分割的影响	晚期钆增强心脏MRI图像的穿透平面分辨率和左心房（LA）的3D分割	计算机视觉	心血管疾病	3D卷积神经网络（CNN）	CNN	3D图像	使用了2018年心房分割挑战数据集和2022年左心房和瘢痕量化与分割挑战数据集
1158	2024-09-19	A lightweight CORONA-NET for COVID-19 detection in X-ray images 2023-Sep-01, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.120023 PMID:37063778	研究论文	本文提出了一种轻量级的深度学习方法CORONA-NET，用于从胸部X光图像中诊断COVID-19	结合了卷积神经网络（CNN）、离散小波变换（DWT）和长短期记忆网络（LSTM），实现了高效的COVID-19检测	NA	开发一种自动化的COVID-19检测系统，以快速诊断和阻止病毒传播	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	卷积神经网络（CNN）、离散小波变换（DWT）、长短期记忆网络（LSTM）	CNN、LSTM	图像	3000张X光图像，其中1000张为COVID-19阳性
1159	2024-09-19	DeepBindPPI: Protein-Protein Binding Site Prediction Using Attention Based Graph Convolutional Network 2023-08, The protein journal DOI:10.1007/s10930-023-10121-9 PMID:37198346	研究论文	本文提出了一种基于注意力机制的图卷积网络模型DeepBindPPI，用于预测蛋白质-蛋白质相互作用的结合位点	本文创新性地将图卷积网络与注意力机制结合，提高了蛋白质结合位点预测的精度	本文未详细讨论模型的泛化能力和对不同类型蛋白质结合位点的预测效果	开发一种高精度的蛋白质结合位点预测方法，以支持药物发现任务	蛋白质-蛋白质相互作用的结合位点，特别是抗原-抗体相互作用	机器学习	NA	图卷积网络	注意力机制	蛋白质数据	使用了通用蛋白质数据集，并使用抗原-抗体数据进行微调
1160	2024-09-19	Pacpaint: a histology-based deep learning model uncovers the extensive intratumor molecular heterogeneity of pancreatic adenocarcinoma 2023-06-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-39026-y PMID:37311751	研究论文	开发了一种基于深度学习的模型PACpAInt，用于快速分型胰腺腺癌的分子亚型	PACpAInt模型能够在全切片或瓦片级别预测肿瘤组织和肿瘤细胞的分子亚型，并独立预测生存率	NA	研究胰腺腺癌的分子异质性并开发快速分型工具	胰腺腺癌的肿瘤和基质亚型	数字病理学	胰腺腺癌	深度学习	深度学习模型	转录组数据	202例多中心队列训练，4个独立队列（包括148、97、126例手术队列和25例活检队列）验证，总共598例样本