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
21361	2024-08-30	PSegNet: Simultaneous Semantic and Instance Segmentation for Point Clouds of Plants 2022, Plant phenomics (Washington, D.C.) DOI:10.34133/2022/9787643 PMID:35693119	研究论文	本文提出了一种名为PSegNet的深度学习网络，用于植物点云的语义和实例分割	引入了Voxelized Farthest Point Sampling (VFPS)点云下采样策略和三个新模块：Double-Neighborhood Feature Extraction Block (DNFEB)、Double-Granularity Feature Fusion Module (DGFFM)和Attention Module (AM)	未提及	提高植物表型分析中对植物生长监测的自动化水平	植物的叶子和茎的3D点云	计算机视觉	NA	深度学习	PSegNet	点云	涉及三种植物物种的数据集
21362	2024-08-30	Development and Validation of a Deep Learning Based Automated Minirhizotron Image Analysis Pipeline 2022, Plant phenomics (Washington, D.C.) DOI:10.34133/2022/9758532 PMID:35693120	研究论文	开发并验证了一种基于深度学习的自动化微根窗图像分析流程	结合了先进的软件工具，使用深度神经网络和自动特征提取，显著减少了微根窗图像的处理时间	NA	开发一种用于高通量图像分析的客观方法，为田间根系表型分析提供数据	作物根系及其在农业生态系统中的作用	计算机视觉	NA	深度神经网络	神经网络模型	图像	超过36,500张图像
21363	2024-08-30	Deep Learning-Based Automated Detection of Arterial Vessel Wall and Plaque on Magnetic Resonance Vessel Wall Images 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.888814 PMID:35720719	研究论文	本文开发并评估了一种基于深度学习的动脉血管壁和斑块自动分割方法，该方法有助于在磁共振血管壁成像中进行动脉形态学定量分析	提出的自动分割方法在分割动脉血管壁和斑块方面与手动方法具有良好的一致性，并且比传统U-Net、Attention U-Net和Inception U-Net在相同测试集上表现更好	NA	开发和评估一种自动分割动脉血管壁和斑块的方法，以促进动脉形态学在磁共振血管壁成像中的定量分析	动脉血管壁和斑块的自动分割	计算机视觉	心血管疾病	磁共振血管壁成像	卷积神经网络	图像	124名患有动脉粥样硬化斑块的患者
21364	2024-08-30	A novel and efficient deep learning approach for COVID-19 detection using X-ray imaging modality 2021-Dec, International journal of imaging systems and technology IF:3.0Q2 DOI:10.1002/ima.22627 PMID:34518739	研究论文	本文提出了一种基于深度学习的卷积神经网络（CNN）集成模型，用于通过X射线影像快速准确地检测COVID-19	采用对比度增强和图像归一化预处理方法，以及数据增强技术，提高了检测准确性	NA	开发一种高效且准确的自动化COVID-19检测方法，以减少计算需求并防止病毒传播	COVID-19、肺炎和正常胸部X射线图像	计算机视觉	COVID-19	深度学习	CNN	图像	2161张COVID-19图像，2022张肺炎图像，5863张正常胸部X射线图像
21365	2024-08-30	Multilevel depth-wise context attention network with atrous mechanism for segmentation of COVID19 affected regions 2021-Oct-26, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-021-06636-w PMID:34720443	研究论文	本文提出了一种带有膨胀机制的多层次深度上下文注意力网络，用于COVID-19受影响区域的精确分割	引入了3D深度卷积和3D残差挤压激励块，以及不同膨胀率的膨胀机制，以捕获多尺度上下文特征	未提及	开发一种高效的深度学习解决方案，用于COVID-19及其变种的快速准确诊断	COVID-19受影响区域的分割和病变定位	计算机视觉	COVID-19	深度学习	CNN	CT图像	基准CT数据集
21366	2024-08-30	Characterizing Swallows From People With Neurodegenerative Diseases Using High-Resolution Cervical Auscultation Signals and Temporal and Spatial Swallow Kinematic Measurements 2021-09-14, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2021_JSLHR-21-00134 PMID:34428093	研究论文	本研究通过高分辨率颈听诊信号和时空吞咽运动学测量，比较了神经退行性疾病患者与健康成年人的吞咽功能差异，并探讨了高分辨率颈听诊在标记神经退行性疾病患者吞咽运动学事件中的能力	本研究首次使用高分辨率颈听诊（HRCA）结合深度学习机器学习算法，对神经退行性疾病患者的吞咽运动学事件进行精确标注	研究样本量相对较小，且仅限于神经退行性疾病患者与健康成年人之间的比较	比较神经退行性疾病患者与健康成年人的吞咽运动学测量，并评估高分辨率颈听诊在标记这些事件中的准确性	神经退行性疾病患者和健康成年人的吞咽功能	数字病理学	神经退行性疾病	高分辨率颈听诊（HRCA）	深度学习机器学习算法	信号	170名神经退行性疾病患者和171名健康成年人的吞咽样本
21367	2024-08-30	Examining embedded apparatuses of AI in Facebook and TikTok 2021-Sep-12, AI & society IF:2.9Q2 DOI:10.1007/s00146-021-01270-5 PMID:34539095	研究论文	本文通过分析Facebook和TikTok的透明度倡议和官方声明，探讨了AI在这些社交平台中的嵌入方式及其功能，特别是AI内容审核作为解决问题材料和错误信息传播的解决方案。	文章创新地分析了AI作为物质-话语机制的复杂性，强调了其在特定时间段内可见、可说、可知的论述技巧以及算法、数据集、用户、平台、基础设施、审核员等物质安排。	文章主要依赖于Facebook和TikTok的透明度倡议和官方声明，可能未能全面揭示AI在这些平台中运作的所有细节。	研究目的是探讨AI在社交平台中的嵌入方式及其对内容推荐、广告个性化、新闻聚合和问题材料审核的影响。	研究对象包括Facebook和TikTok这两个社交平台中的AI嵌入机制。	自然语言处理	NA	机器学习 (ML), 深度学习 (DL)	NA	文本	NA
21368	2024-08-30	Machine learning for medical imaging-based COVID-19 detection and diagnosis 2021-Sep, International journal of intelligent systems IF:5.0Q1 DOI:10.1002/int.22504 PMID:38607786	综述	本文综述了机器学习在基于医学影像的COVID-19检测与诊断中的最新进展，特别关注使用CT和X射线图像的机器学习模型	利用深度学习算法，特别是卷积神经网络，进行图像分割和分类，以识别COVID-19患者	许多机器学习模块在样本量有限的数据集上取得了显著的预测结果	探讨机器学习在COVID-19检测与诊断中的应用，以控制疫情传播和降低死亡率	COVID-19的检测与诊断	机器学习	COVID-19	NA	卷积神经网络	图像	有限样本量
21369	2024-08-30	CondenseNet with exclusive lasso regularization 2021, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-021-06222-0 PMID:34219978	研究论文	本文开发了CondenseNet-elasso，通过应用exclusive lasso正则化来消除不同卷积组之间的特征相关性，从而缓解神经网络的过拟合问题	引入exclusive lasso正则化，鼓励不同卷积组使用不同的输入通道子集，学习更多样化的特征	NA	提高计算效率并缓解神经网络的过拟合问题	CondenseNet-elasso模型及其在图像分类任务中的性能	机器学习	NA	group convolution	CNN	image	CIFAR10, CIFAR100和Tiny ImageNet数据集
21370	2024-08-30	Deep neural networks for COVID-19 detection and diagnosis using images and acoustic-based techniques: a recent review 2021, Soft computing IF:3.1Q2 DOI:10.1007/s00500-021-06137-x PMID:34456618	综述	本文综述了使用图像和声学技术基于深度学习算法进行COVID-19检测和诊断的方法	讨论了不同方法的优势和劣势，并介绍了基于深度学习的COVID-19检测的数据库和主要未来挑战	未具体提及	探讨基于深度学习的COVID-19早期诊断和检测方法，以加快治疗过程并防止病毒传播	COVID-19的早期检测和诊断	计算机视觉	COVID-19	深度学习算法	深度神经网络	图像	未具体提及
21371	2024-08-30	Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray images using fine-tuned deep neural networks 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-020-01900-3 PMID:34764554	研究论文	本文提出了一种使用后前位胸X光图像和微调深度神经网络来自动诊断COVID-19的方法	采用随机过采样和加权类别损失函数方法，以实现无偏微调学习，并应用于多种先进的深度学习模型	研究使用的数据集样本有限，主要关注COVID-19阳性病例	开发一种更稳健和替代的COVID-19诊断技术	COVID-19的自动诊断和肺部感染的识别	机器学习	呼吸系统疾病	深度学习	NASNetLarge, ResNet, Inception-v3, Inception ResNet-v2, DenseNet169	图像	公开数据集中包含的COVID-19阳性患者的后前位胸X光图像有限
21372	2024-08-30	A deep learning approach to characterize 2019 coronavirus disease (COVID-19) pneumonia in chest CT images 2020-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-020-07044-9 PMID:32617690	研究论文	利用深度学习模型自动检测COVID-19患者的胸部CT图像中的异常，并与放射科住院医师的定量判断性能进行比较	深度学习模型在检测COVID-19肺炎方面表现出比放射科住院医师更高的敏感性和诊断效率	NA	开发和验证一种深度学习算法，用于自动检测COVID-19患者的胸部CT图像中的肺炎病变	COVID-19患者的胸部CT图像	计算机视觉	COVID-19	深度学习	深度学习算法	图像	14,435名参与者的胸部CT图像用于训练和验证，96名确诊COVID-19患者的非重叠数据集用于测试
21373	2024-08-29	A transformer-based unified multimodal framework for Alzheimer's disease assessment 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108979 PMID:39098237	研究论文	提出了一种基于transformer的统一多模态框架AD-Transformer，用于阿尔茨海默病评估	AD-Transformer通过整合结构磁共振成像、临床和遗传数据，创新性地使用transformer块学习输入数据的综合表示，捕捉各模态间的复杂交互	NA	提高阿尔茨海默病诊断和轻度认知障碍转换预测的准确性	阿尔茨海默病患者和轻度认知障碍患者	机器学习	阿尔茨海默病	NA	Transformer	图像和非图像数据	1651名受试者
21374	2024-08-29	Action tremor features discovery for essential tremor and Parkinson's disease with explainable multilayer BiLSTM 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108957 PMID:39098236	研究论文	本文通过引入具有可解释性的人工智能（XAI）的多层双向长短期记忆网络（BiLSTM），旨在更好地解释震颤特征并量化震颤区分中的重要区域，以区分帕金森病（PD）和原发性震颤（ET）。	本文提出的XAI-BiLSTM模型能够揭示PD和ET震颤的独特时间模式和频率范围，有助于减少误诊率并提高治疗效果。	NA	克服深度学习模型在临床应用中的不透明性，提高震颤分类的准确性。	帕金森病（PD）、原发性震颤（ET）及正常震颤的分类。	机器学习	神经退行性疾病	多层双向长短期记忆网络（BiLSTM）	BiLSTM	时间序列数据	NA
21375	2024-08-29	Visceral Adiposity and Progression of ADPKD: A Cohort Study of Patients From the TEMPO 3:4 Trial 2024-Sep, American journal of kidney diseases : the official journal of the National Kidney Foundation IF:9.4Q1 DOI:10.1053/j.ajkd.2024.02.014 PMID:38608748	研究论文	本研究通过回顾性队列研究探讨了内脏脂肪与常染色体显性多囊肾病（ADPKD）进展之间的关系，并评估了托伐普坦的疗效受内脏脂肪影响的情况。	使用深度学习从磁共振成像（MRI）中提取内脏脂肪数据，并分析其与ADPKD患者肾脏体积年变化率的关系，以及对托伐普坦疗效的影响。	回顾性研究；快速进展者；深度学习的计算需求。	探讨内脏脂肪与ADPKD患者肾脏疾病进展的关系及对托伐普坦疗效的影响。	ADPKD患者及托伐普坦治疗效果。	NA	多囊肾病	磁共振成像（MRI），深度学习	深度学习分割模型	图像	1053名ADPKD患者
21376	2024-08-29	Brain-GCN-Net: Graph-Convolutional Neural Network for brain tumor identification 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108971 PMID:39106672	研究论文	本文提出了一种结合图神经网络和卷积神经网络的深度学习模型，用于提高脑肿瘤检测的准确性	该模型通过整合图神经网络和卷积神经网络，能够更全面地表示脑肿瘤图像并提高分类性能	NA	提高脑肿瘤检测和分类的准确性	脑肿瘤	计算机视觉	脑肿瘤	深度学习	图卷积神经网络	图像	10847张MRI图像
21377	2024-08-29	Contrastive learning based method for X-ray and CT registration under surgical equipment occlusion 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108946 PMID:39106676	研究论文	本文设计了一种基于对比学习的X射线和CT图像配准方法，以解决手术设备遮挡问题	提出了一种对比学习方法，将遮挡和未遮挡的X射线视为正样本，增强模型对遮挡的鲁棒性	未提及具体限制	提高手术导航中3D/2D图像配准的准确性，特别是在存在手术设备遮挡的情况下	X射线和CT图像的配准	计算机视觉	NA	对比学习	Transformer	图像	包含不同手术设备的遮挡X射线
21378	2024-08-29	Discovery of potential antidiabetic peptides using deep learning 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109013 PMID:39137670	研究论文	本研究利用先进的深度学习技术探索发现和预测具有抗糖尿病活性的肽（ADPs）的方法	开发了两种模型：单通道CNN和三通道神经网络（CNN + RNN + Bi-LSTM），并在独立测试集上实现了90.48%的预测准确率，超过了现有的ADP预测工具	NA	解决发现和预测具有抗糖尿病活性的肽（ADPs）的挑战	具有抗糖尿病活性的肽（ADPs）	机器学习	糖尿病	深度学习	CNN, RNN, Bi-LSTM	肽序列数据	主要从BioDADPep数据库收集ADPs，以及从抗肿瘤、抗菌和抗病毒肽数据集中收集数千个非ADPs
21379	2024-08-29	Advancing breast ultrasound diagnostics through hybrid deep learning models 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108962 PMID:39142222	研究论文	本文介绍了一种名为EfficientKNN的新型混合深度学习模型，该模型结合了EfficientNetB3的先进特征提取能力和k-最近邻（k-NN）算法的简单有效性，用于乳腺超声诊断	EfficientKNN模型通过结合EfficientNetB3和k-NN算法，实现了在医疗图像分类中的高准确率和临床适用性	NA	提高乳腺超声诊断的准确性	乳腺超声图像的分类	计算机视觉	乳腺癌	深度学习	混合模型	图像	包含良性、恶性和正常医疗图像的精选数据集
21380	2024-08-29	Improved Dementia Prediction in Cerebral Small Vessel Disease Using Deep Learning-Derived Diffusion Scalar Maps From T1 2024-Sep, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.124.047449 PMID:39145386	research paper	本文开发了一种深度学习模型，用于从T1图像合成FA/MD图，以提高小血管疾病中痴呆预测的准确性	提出了一种快速且可泛化的方法，从T1图像合成FA/MD图，以在没有扩散张量成像数据的情况下提高小血管疾病中痴呆预测的准确性	NA	开发一种方法，从T1图像合成FA/MD图，以提高小血管疾病中痴呆预测的准确性	小血管疾病中的痴呆预测	machine learning	vascular dementia	diffusion tensor imaging	deep learning	image	训练数据集包含4998名参与者，四个外部验证数据集包含753名小血管疾病患者和1000名正常对照