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
22721	2024-08-05	Multi-level structural damage characterization using sparse acoustic sensor networks and knowledge transferred deep learning 2024-Aug, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107390 PMID:38945018	研究论文	本研究展示了一种基于机器学习的多级损伤特征描述方法，利用稀疏传感器网络和知识转移的深度学习	提出了一种新颖的网络空间辅助和自适应卷积技术，以实现深度学习算法中的知识高效转移	未提及具体的限制	探索在复杂结构中基于机器学习的结构健康监测方法	在铝板上进行实验，铝板上人为诱导了缺陷	机器学习	NA	深度学习	NA	实验数据	使用的样本包括铝板上多种损伤特征的实验
22722	2024-08-05	Utilizing improved YOLOv8 based on SPD-BRSA-AFPN for ultrasonic phased array non-destructive testing 2024-Aug, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107382 PMID:38943732	研究论文	本研究提出了一种基于改进YOLOv8的智能缺陷检测算法，以提高超声相控阵检测中的缺陷识别效率和准确性	引入空间到深度卷积（SPD-Conv）和双层路由与空间注意模块（BRSA），并用渐近特征金字塔网络（AFPN）替换了原有结构，以改进低分辨率图像的检测性能	对高分辨率且良好标注的训练数据的需求较高，这在无损检测中难以获得	提高超声相控阵检测中缺陷检测的准确性和效率	在超声相控阵检测中检测缺陷，如平底孔（FBH）和侧钻孔（SDH）	图像处理	NA	超声相控阵检测	YOLOv8	图像	在模拟数据集和实验数据集上进行了测试，具体样本量未明示
22723	2024-08-05	Fingerprint authentication based on deep convolutional descent inversion tomography 2024-Aug, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107350 PMID:38823150	研究论文	提出了一种新的基于深度卷积反演层析的指纹认证方法。	结合深度学习和多尺度融合，提高了指纹反演和认证的精准度与速度。	未提及具体的适用范围或其他数据集的测试。	研究新的指纹认证方法以提高识别精度和速度。	指纹及其特征，特别是湿指纹和假细节的识别。	计算机视觉	NA	深快反演层析（DeepFIT）及Mask R-CNN	卷积神经网络（CNN）	图像	NA
22724	2024-08-05	Shear wave trajectory detection in ultra-fast M-mode images for liver fibrosis assessment: A deep learning-based line detection approach 2024-Aug, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107358 PMID:38901149	研究论文	本文首次尝试使用深度学习方法在波传播图上检测剪切波轨迹以评估肝纤维化。	创新之处在于提出了一种基于Transformer和霍夫变换的端到端框架TEHT，能够从波传播图中直接输出剪切波轨迹的斜率。	由于样本量相对较小且仅限于68名患者，可能影响结果的广泛适用性。	研究目标在于探索深度学习在肝纤维化评估中的应用。	研究对象为68名患者的波传播图。	数字病理学	肝癌	超声弹性成像	Transformer	图像	68份患者的波传播图
22725	2024-08-05	A Multimorbidity Analysis of Hospitalized Patients With COVID-19 in Northwest Italy: Longitudinal Study Using Evolutionary Machine Learning and Health Administrative Data 2024-Jul-18, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/52353 PMID:39024001	研究论文	该研究分析了在意大利西北部住院的COVID-19患者的多重合并症情况	提出了一种进化机器学习模型，以处理数据稀疏性并识别与COVID-19严重性密切相关的多重合并症特征组合	由于多重合并症的稀有性，临床数据管理面临重大挑战，具体表现为数据的稀疏性和组合多重合并症特征的复杂排列问题	评估多重合并症患者的COVID-19严重性，并识别与之相关的最优特征组合	研究对象为12793名在2020年2月至5月之间确诊为COVID-19的45至74岁患者	机器学习	NA	进化机器学习	深度学习分类器	医疗历史数据	12793个患者样本
22726	2024-08-05	Cross-attention enables deep learning on limited omics-imaging-clinical data of 130 lung cancer patients 2024-Jul-15, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100817 PMID:38981473	研究论文	本文提出了两种深度学习模型用于非小细胞肺癌患者的生存预后预测	通过引入交叉注意力机制，显著提升了模型在小样本数据上的表现，并突出了肿瘤区域和相关基因	仅使用了130名患者的数据，样本量较小	开发能够在数据有限的情况下进行生存预测的深度学习模型	非小细胞肺癌患者	数字病理学	肺癌	深度学习	稀疏自编码器	图像和基因表达数据	130名肺癌患者
22727	2024-08-05	Fatecode enables cell fate regulator prediction using classification-supervised autoencoder perturbation 2024-Jul-15, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100819 PMID:38986613	研究论文	本研究提出了一种名为Fatecode的计算方法，用于基于单细胞RNA测序数据预测细胞命运调控因子。	Fatecode利用深度学习的分类监督自编码器学习单细胞RNA测序数据的潜在表示，并通过对这一表示的扰动实验来预测基因。	未提及具体的局限性	加速细胞重编程技术的发展，以促进组织修复和再生。	研究对象为细胞命运调控因子。	数字病理学	NA	单细胞RNA测序	深度学习自编码器	RNA测序数据	使用了来自不同生物体的血液和大脑发育的单细胞RNA-seq数据
22728	2024-08-05	Future Perspectives of Artificial Intelligence in Bone Marrow Dosimetry and Individualized Radioligand Therapy 2024-Jul, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2024.06.003 PMID:39013673	review	这篇综述提供了人工智能在骨髓剂量测定和个性化放射配体治疗中的未来前景	文章创新性在于提出了将人工智能方法集成到核医学剂量测定中的机会	NA	探讨人工智能在改善骨髓和血液剂量测定准确性中的应用	主要关注于放射配体治疗相关的血液学副作用	NA	NA	机器学习和深度学习算法	NA	NA	NA
22729	2024-08-07	InstaCovNet-19: A deep learning classification model for the detection of COVID-19 patients using Chest X-ray 2021-Feb, Applied soft computing IF:7.2Q1 DOI:10.1016/j.asoc.2020.106859 PMID:33162872	研究论文	提出了一种名为InstaCovNet-19的深度学习模型，用于通过胸部X光图像检测COVID-19患者	使用多种预训练模型如ResNet101、Xception、InceptionV3、MobileNet和NASNet，以弥补训练数据量相对较小的不足	未提及具体限制	开发一种高精度的深度学习模型，用于自动检测COVID-19	COVID-19、肺炎和正常胸部X光图像的分类	计算机视觉	COVID-19	深度学习	深度卷积网络	图像	用于三类分类的3个类别（COVID-19、肺炎、正常）和用于二类分类的2个类别（COVID、非COVID）
22730	2024-08-07	Epicardial adipose tissue is associated with extent of pneumonia and adverse outcomes in patients with COVID-19 2021-02, Metabolism: clinical and experimental DOI:10.1016/j.metabol.2020.154436 PMID:33221381	研究论文	本研究旨在探讨心包脂肪组织（EAT）在胸部计算机断层扫描（CT）中的量化与COVID-19患者肺炎程度及不良预后的关联	首次研究了EAT在COVID-19患者中的量化与肺炎程度及不良预后的独立关联	本研究为回顾性分析，样本量相对较小，可能影响结果的普遍性	探究EAT与COVID-19患者肺炎程度及不良预后的关联	COVID-19患者的心包脂肪组织（EAT）及其与肺炎程度和不良预后的关系	数字病理学	COVID-19	胸部计算机断层扫描（CT）	深度学习软件	图像	109名实验室确诊的COVID-19患者
22731	2024-08-07	Deep learning networks reflect cytoarchitectonic features used in brain mapping 2020-12-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-78638-y PMID:33328511	研究论文	研究深度卷积神经网络在皮质细胞构筑脑图中的应用，并分析其与传统细胞构筑特征的相似性	提出深度学习方法作为现有细胞构筑映射方法的替代方案，并验证其在高吞吐量细胞构筑映射工作流程中的有效性	缺乏对深度学习网络遵循细胞构筑原则程度的深入理解	探究深度卷积神经网络的内部结构如何反映传统的细胞构筑特征	深度卷积神经网络的过滤器激活与传统细胞构筑特征的相似性	计算机视觉	NA	深度学习	CNN	图像	涉及初级和次级视觉皮质的分割
22732	2024-08-07	A deep learning approach for identifying cancer survivors living with post-traumatic stress disorder on Twitter 2020-12-14, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-020-01272-1 PMID:33317508	研究论文	本文提出了一种使用深度学习方法在Twitter上识别患有创伤后应激障碍（PTSD）的癌症幸存者	利用卷积神经网络（CNN）自动识别Twitter上癌症幸存者发布的与PTSD相关的推文，提高了识别效率	Twitter上的推文可能包含噪音和真实信息，手动识别真实推文成本高且耗时	开发一种有效的方法来识别社交媒体上表达PTSD情绪的癌症幸存者	癌症幸存者及其在Twitter上表达的PTSD情绪	机器学习	NA	卷积神经网络（CNN）	CNN	文本	使用癌症相关关键词过滤的推文
22733	2024-08-07	Identification of Sleep Apnea Severity Based on Deep Learning from a Short-term Normal ECG 2020-Dec-07, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2020.35.e399 PMID:33289367	研究论文	本文提出了一种基于深度学习从短期正常心电图信号自动识别睡眠呼吸暂停（SA）严重程度的新方法	利用卷积神经网络（CNN）从短期正常心电图信号中精确识别睡眠呼吸暂停的严重程度	NA	自动识别睡眠呼吸暂停的严重程度	睡眠呼吸暂停的严重程度	机器学习	睡眠呼吸暂停	卷积神经网络（CNN）	CNN	心电图信号	共研究了144名受试者，训练集包含82,952个30秒的片段，测试集包含20,738个片段
22734	2024-08-07	Deep convolutional neural networks: Outperforming established algorithms in the evaluation of industrial optical coherence tomography (OCT) images of pharmaceutical coatings 2020-Dec, International journal of pharmaceutics: X DOI:10.1016/j.ijpx.2020.100058 PMID:33294841	研究论文	本文提出了一种基于深度卷积神经网络（CNN）的药物固体剂型光学相干断层扫描（OCT）图像分析新方法	该方法在性能基准上优于现有的静态算法，并代表了实时评估工业OCT图像数据的下一个级别	NA	验证深度卷积神经网络在药物涂层OCT图像评估中的有效性	药物涂层片剂和单层及多层颗粒的OCT图像	计算机视觉	NA	光学相干断层扫描（OCT）	CNN	图像	涉及药物涂层片剂和单层及多层颗粒的图像数据
22735	2024-08-07	Delimiting cryptic morphological variation among human malaria vector species using convolutional neural networks 2020-12, PLoS neglected tropical diseases IF:3.4Q1 DOI:10.1371/journal.pntd.0008904 PMID:33332415	研究论文	本文利用卷积神经网络（CNN）对来自五个地理区域的16个蚊子品系和物种的1,709张成年蚊子图像进行自动分类，以证明其可行性	本文首次应用CNN技术于蚊子图像分类，成功区分了形态上难以区分的隐秘物种	NA	探索使用深度学习方法区分图像类别，特别是在蚊子物种识别中的应用	蚊子物种及其品系的自动分类	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	1,709张成年蚊子图像，来自16个蚊子品系和物种，源自五个地理区域
22736	2024-08-07	Deep learning toolbox for automated enhancement, segmentation, and graphing of cortical optical coherence tomography microangiograms 2020-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.405763 PMID:33409000	研究论文	本文提出了一套基于卷积神经网络（CNN）的深度学习方法，用于自动增强、分割和填补光学相干断层扫描血管造影（OCTA）图像中的空隙，特别是来自啮齿动物皮层的图像，并提供了一种骨架化分割OCTA和提取底层血管图的策略	本文的创新点在于开发了一套深度学习工具，能够自动处理OCTA图像中的增强、分割和空隙填补问题，并提取血管图，从而实现对血管结构属性的定量评估	NA	旨在解决从3D OCTA图像中客观量化血管结构属性的挑战	OCTA图像，特别是来自啮齿动物皮层的图像	计算机视觉	NA	光学相干断层扫描血管造影（OCTA）	卷积神经网络（CNN）	图像	NA
22737	2024-08-07	Classification and Detection of Breathing Patterns with Wearable Sensors and Deep Learning 2020-Nov-13, Sensors (Basel, Switzerland) DOI:10.3390/s20226481 PMID:33202857	研究论文	本研究开发了一种非侵入式呼吸模式分析系统，利用可穿戴传感器和深度学习技术自动检测临床上有意义的呼吸模式	本研究通过构建合成数据集并使用一维卷积神经网络，实现了对不同呼吸事件的高精度检测和分类	本研究仅在模拟的正常志愿者中进行了测试，实际应用中可能需要进一步验证	开发一种能够快速评估呼吸模式的技术，以应对紧急医疗情况	研究对象为100名模拟各种呼吸事件的正常志愿者	机器学习	NA	一维卷积神经网络	CNN	加速度计和陀螺仪数据	100名正常志愿者
22738	2024-08-07	AK-Score: Accurate Protein-Ligand Binding Affinity Prediction Using an Ensemble of 3D-Convolutional Neural Networks 2020-Nov-10, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms21228424 PMID:33182567	研究论文	本文开发了一种新的神经网络模型AK-Score，用于预测蛋白质-配体复合物的结合亲和力，该模型使用多个独立训练的3D卷积神经网络的集成	AK-Score模型的Pearson相关系数为0.827，高于现有最先进的结合亲和力预测评分函数	NA	提高蛋白质-配体结合亲和力的预测准确性，以促进理性药物设计	蛋白质-配体复合物的结合亲和力	机器学习	NA	3D卷积神经网络	CNN	结构数据	训练集包含3772个蛋白质-配体复合物，测试集包含285个复合物
22739	2024-08-07	Reimagining T Staging Through Artificial Intelligence and Machine Learning Image Processing Approaches in Digital Pathology 2020-11, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.20.00110 PMID:33166198	研究论文	本文讨论了人工智能和机器学习在数字病理学中用于疾病预后、肿瘤基因组和分子改变预测以及治疗反应预测的应用	人工智能方法有望克服传统TNM分期和肿瘤分级方法的局限性，提供独立于肿瘤阶段和级别的直接预后预测	文章提到了验证、解释性和报销等方面的潜在挑战，这些需要在广泛临床部署之前得到解决	探讨人工智能在数字病理学和肿瘤学中的应用及其未来机会	数字病理学中的疾病预后、肿瘤基因组和分子改变预测以及治疗反应预测	数字病理学	NA	人工智能 (AI), 机器学习 (ML)	深度学习 (DL)	图像	NA
22740	2024-08-07	Rapid tissue oxygenation mapping from snapshot structured-light images with adversarial deep learning 2020-11, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.25.11.112907 PMID:33251783	research paper	本文介绍了一种名为OxyGAN的数据驱动、内容感知方法，用于直接从单个结构光图像估计组织氧合情况	OxyGAN使用监督生成对抗网络，能够从单个结构光图像中快速且准确地估计组织氧合情况，且处理速度比以往工作快约10倍	NA	开发一种快速且准确的方法来估计组织氧合情况，以支持多种临床应用	人体食道、手、脚以及猪结肠的组织氧合情况	machine learning	NA	空间频率域成像(SFDI)	生成对抗网络(GAN)	图像	包括人体食道、手、脚以及猪结肠的样本