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
14481	2024-10-06	SMANet: multi-region ensemble of convolutional neural network model for skeletal maturity assessment 2022-Jul, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-21-1158 PMID:35782257	研究论文	提出了一种基于多区域卷积神经网络集合的自动骨骼成熟度评估方法	该方法结合了临床可解释的方法，避免了种族和地理差异的影响	NA	开发一种自动化的骨骼成熟度评估方法	儿童骨骼成熟度评估	计算机视觉	NA	卷积神经网络	CNN	图像	4861张左手X光片
14482	2024-10-06	An All-In-One Multifunctional Touch Sensor with Carbon-Based Gradient Resistance Elements 2022-Jun-14, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-022-00875-9 PMID:35699779	研究论文	提出了一种基于碳基梯度电阻元件的多功能触觉传感器，用于促进多种机械刺激的广泛检测和识别范围	开发了一种具有梯度电阻元件和两个电极的多功能触觉传感器，消除了信号串扰并防止了人机交互中的位置感应干扰	NA	研究虚拟现实、增强现实和元宇宙中人机交互的重要性和挑战	多功能触觉传感器及其在人机交互中的应用	NA	NA	深度学习	NA	NA	NA
14483	2024-10-06	Deep Learning for Basal Cell Carcinoma Detection for Reflectance Confocal Microscopy 2022-01, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2021.06.015 PMID:34265329	研究论文	研究开发了一种基于深度学习的人工智能模型，用于自动检测反射共聚焦显微镜图像中的基底细胞癌	提出了一个深度学习模型，能够自动检测反射共聚焦显微镜图像中的基底细胞癌，性能与专家相当	未提及具体局限性	开发和评估一种自动检测基底细胞癌的深度学习模型	基底细胞癌的检测	计算机视觉	皮肤癌	反射共聚焦显微镜	深度学习模型	图像	未提及具体样本数量
14484	2024-10-06	COVID-19: A Comprehensive Review of Learning Models 2022, Archives of computational methods in engineering : state of the art reviews IF:9.7Q1 DOI:10.1007/s11831-021-09641-3 PMID:34566404	综述	本文对COVID-19相关研究进行了全面的综述，重点关注症状早期识别、疫情结束预测和用户生成对话分析	本文综述了多种机器学习和深度学习模型在COVID-19研究中的应用	本文主要综述了现有研究的结果和局限性，未提出新的模型或方法	综述COVID-19相关研究，探讨机器学习和深度学习模型在疫情监测中的应用	COVID-19症状早期识别、疫情结束预测和用户生成对话分析	机器学习	COVID-19	机器学习、深度学习	K-means聚类、随机森林、卷积神经网络、长短期记忆网络、自编码器、回归模型	图像、文本	NA
14485	2024-10-06	DeepLN: A Multi-Task AI Tool to Predict the Imaging Characteristics, Malignancy and Pathological Subtypes in CT-Detected Pulmonary Nodules 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.683792 PMID:35646699	研究论文	本文介绍了一种名为DeepLN的多任务AI工具，用于预测CT检测到的肺结节的影像特征、恶性程度和病理亚型	提出了一种基于深度卷积神经网络的DeepLN工具，能够准确预测肺结节的影像特征、恶性程度和病理亚型	研究是回顾性的，且样本主要来自单一来源	提高基于CT图像的肺结节恶性风险预测的准确性	8950个具有完整病理结果的肺结节	计算机视觉	肺癌	深度卷积神经网络	CNN	图像	8950个肺结节
14486	2024-10-06	CVD-HNet: Classifying Pneumonia and COVID-19 in Chest X-ray Images Using Deep Network 2022, Wireless personal communications IF:1.9Q3 DOI:10.1007/s11277-022-09864-y PMID:35756172	研究论文	本文提出了一种基于新型深度卷积神经网络（CNN）的COVID-19感染胸部X光图像分类方法	设计了两种新的定制CNN架构CVD-HNet1和CVD-HNet2，并提出了一种基于边界和区域操作以及卷积过程的系统方法	在有限的数据集上取得了显著的分类准确率，但需要更多训练样本以获得更好的结果	提高COVID-19和肺炎在胸部X光图像中的分类准确性	COVID-19和肺炎的胸部X光图像	计算机视觉	肺部疾病	深度学习（DL）	卷积神经网络（CNN）	图像	有限的数据集
14487	2024-10-06	Identification of the ubiquitin-proteasome pathway domain by hyperparameter optimization based on a 2D convolutional neural network 2022, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2022.851688 PMID:35937990	研究论文	本文开发了一种基于2D卷积神经网络的超参数优化算法，用于识别泛素-蛋白酶体途径域	提出了名为2DCNN-UPP的新型深度学习预测器，通过遗传算法选择最优特征，避免了过拟合问题	NA	开发一种快速准确的计算方法来识别泛素-蛋白酶体途径	泛素-蛋白酶体途径及其在细胞过程中的作用	机器学习	NA	下一代测序	2D卷积神经网络	蛋白质序列	使用10折交叉验证方法进行训练和评估
14488	2024-10-06	Deep learning approaches for conformational flexibility and switching properties in protein design 2022, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2022.928534 PMID:36032687	综述	本文综述了深度学习在蛋白质设计中处理构象灵活性和开关特性的方法	探讨了前沿深度学习设计方法如何适应蛋白质的灵活性，并展望了该领域的未来发展	NA	探讨深度学习在蛋白质设计中的应用，特别是如何处理蛋白质的构象灵活性和开关特性	蛋白质设计方法及其在处理蛋白质灵活性方面的应用	机器学习	NA	深度学习	生成模型	NA	NA
14489	2024-10-06	Artificial Intelligence and Deep Learning Assisted Rapid Diagnosis of COVID-19 from Chest Radiographical Images: A Survey 2022, Contrast media & molecular imaging DOI:10.1155/2022/1306664 PMID:36304775	综述	本文综述了利用人工智能和深度学习技术从胸部影像图像中快速诊断COVID-19的研究进展	本文系统地总结了超过110篇来自多个知名来源的论文，涵盖了使用深度学习模型从胸部X光和CT扫描图像中检测和分类COVID-19的研究	本文主要基于已有文献的综述，未提出新的研究方法或模型	探讨人工智能和深度学习在COVID-19快速诊断中的应用	COVID-19的胸部影像图像	计算机视觉	COVID-19	深度学习	深度学习模型	图像	超过110篇论文
14490	2024-10-06	A review of deep learning-based deformable medical image registration 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.1047215 PMID:36568171	综述	本文综述了基于深度学习的可变形医学图像配准方法	本文分类并详细讨论了五种基于深度学习的可变形医学图像配准方法，并提供了统计分析和公开数据集的总结	本文未提及具体的实验结果或模型性能比较	综述基于深度学习的可变形医学图像配准方法的最新进展	可变形医学图像配准方法	计算机视觉	NA	深度学习	NA	图像	33个公开数据集
14491	2024-10-06	COVID-19 infection localization and severity grading from chest X-ray images 2021-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.105002 PMID:34749094	研究论文	本文提出了一种从胸部X光图像中定位COVID-19感染并进行严重程度分级的方法	构建了包含33,920张胸部X光图像的最大基准数据集，并采用人机协作方法进行肺部分割掩码的标注；使用U-Net、U-Net++和特征金字塔网络（FPN）进行实验，实现了高精度的肺部分割和感染定位	数据集主要集中在COVID-19样本上，可能限制了模型的泛化能力	开发一种自动化的方法来定位COVID-19感染并评估其严重程度	COVID-19感染的定位和严重程度分级	计算机视觉	COVID-19	深度学习	U-Net, U-Net++, 特征金字塔网络 (FPN)	图像	33,920张胸部X光图像，其中11,956张为COVID-19样本
14492	2024-10-06	A review of deep learning-based three-dimensional medical image registration methods 2021-Dec, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-21-175 PMID:34888197	综述	本文综述了过去五年基于深度学习的三维医学图像配准方法的进展，并指出了现有挑战和未来研究方向	总结了深度学习在三维医学图像配准中的应用进展，并分类讨论了不同方法的优缺点	未提供具体的技术细节或实验结果，仅进行了文献综述	回顾和总结基于深度学习的三维医学图像配准方法，并探讨未来的研究方向	三维医学图像配准方法及其在不同医学程序中的应用	计算机视觉	NA	深度学习	NA	图像	NA
14493	2024-10-06	Deep Learning for the Industrial Internet of Things (IIoT): A Comprehensive Survey of Techniques, Implementation Frameworks, Potential Applications, and Future Directions 2021-Nov-12, Sensors (Basel, Switzerland) DOI:10.3390/s21227518 PMID:34833594	综述	本文综述了深度学习在工业物联网（IIoT）中的应用，包括技术、实现框架、潜在应用和未来方向	本文系统地评估了深度学习在IIoT应用中的潜力，并讨论了多种深度学习算法及其在IIoT中的实现框架	本文主要集中在现有技术的综述和讨论，未涉及具体的实验验证或案例研究	探讨深度学习在工业物联网中的应用潜力和未来研究方向	工业物联网中的智能传感器、执行器、通信协议和网络安全机制	机器学习	NA	深度学习	NA	大数据	NA
14494	2024-10-06	Automation of Lung Ultrasound Interpretation via Deep Learning for the Classification of Normal versus Abnormal Lung Parenchyma: A Multicenter Study 2021-Nov-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11112049 PMID:34829396	研究论文	本文通过深度学习技术自动化肺部超声图像的解读，以区分正常和异常肺实质	利用深度学习技术实现肺部超声图像的自动化解读，提高了诊断的准确性和非专家用户的可用性	NA	开发一种基于深度学习的肺部超声图像自动解读系统，以区分正常和异常肺实质	肺部超声图像中的A线和B线	计算机视觉	NA	深度学习	神经网络	图像	272,891张标记的肺部超声图像用于训练，23,393帧用于外部验证，1162个视频用于临床应用
14495	2024-10-06	Deep learning reveals disease-specific signatures of white matter pathology in tauopathies 2021-10-21, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-021-01271-x PMID:34674762	研究论文	本文利用机器学习方法识别了三种tauopathy（阿尔茨海默病、进行性核上性麻痹和皮质基底节变性）中白质病理的疾病特异性形态特征	发现了阿尔茨海默病、皮质基底节变性和进行性核上性麻痹中先前未被识别的tau形态，这些形态可能在疾病分类中具有重要意义	研究样本量较小，仅包括49个尸检脑样本	通过机器学习方法揭示tauopathy中白质病理的疾病特异性特征	tauopathy中的白质病理	数字病理	神经退行性疾病	机器学习	NA	图像	49个尸检脑样本（16个阿尔茨海默病，13个皮质基底节变性，20个进行性核上性麻痹）
14496	2024-10-06	An Unsupervised Learning-Based Multi-Organ Registration Method for 3D Abdominal CT Images 2021-Sep-18, Sensors (Basel, Switzerland) DOI:10.3390/s21186254 PMID:34577461	研究论文	本文提出了一种基于无监督学习的3D腹部CT图像多器官配准方法	引入了一种改进的无监督学习框架，通过嵌入粗到细递归级联网络（RCN）模块和拓扑保持损失函数，提高了多器官配准的准确性	未提及具体限制	开发一种能够满足实时和高精度临床需求的3D腹部CT图像多器官配准方法	3D腹部CT图像的多器官配准	计算机视觉	NA	无监督学习	U-net	图像	使用了四个公开数据库进行验证
14497	2024-10-06	Artificial intelligence-driven assessment of radiological images for COVID-19 2021-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104665 PMID:34343890	综述	本文综述了人工智能（AI）在COVID-19放射影像评估中的应用及其相关挑战	探讨了AI在COVID-19诊断和预后中的潜力，特别是通过胸部X光（CXR）和计算机断层扫描（CT）影像	样本量不足、非标准化影像协议、分割问题、公开COVID-19数据库的可用性、影像与临床信息的结合以及全面的临床验证是主要限制和挑战	旨在概述COVID-19 AI分析的工作流程，并讨论现有AI分析的局限性及其潜在改进	COVID-19的放射影像评估	计算机视觉	COVID-19	深度学习	混合模型（结合深度学习和显式放射组学）	影像	NA
14498	2024-10-06	Deep learning for improving non-destructive grain mapping in 3D 2021-Sep-01, IUCrJ IF:2.9Q3 DOI:10.1107/S2052252521005480 PMID:34584734	研究论文	本文提出了一种利用深度学习神经网络改进实验室X射线衍射对比断层扫描（LabDCT）图像中晶粒结构三维无损表征的方法	本文创新性地使用深度学习神经网络来有效去除背景噪声，从而简化衍射点的分割过程	NA	改进实验室X射线衍射对比断层扫描图像中晶粒结构的三维无损表征	实验室X射线衍射对比断层扫描图像中的晶粒结构	计算机视觉	NA	深度学习	神经网络	图像	不同几何条件下测量的不同样本的实验图像
14499	2024-10-06	Low-count whole-body PET with deep learning in a multicenter and externally validated study 2021-Aug-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00497-2 PMID:34426629	研究论文	本文评估了深度学习算法在多中心、多供应商环境下对四倍减少计数的全身PET图像质量增强的性能和通用性	首次在多中心、多供应商的真实临床环境中评估了深度学习算法对低计数全身PET图像质量的增强效果	未提及	评估深度学习算法在多中心、多供应商环境下对低计数全身PET图像质量的增强效果	低计数全身PET图像	计算机视觉	NA	深度学习	NA	图像	多中心、多供应商的真实临床环境中的患者数据
14500	2024-10-06	COVID-19 diagnosis on CT scan images using a generative adversarial network and concatenated feature pyramid network with an attention mechanism 2021-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.15044 PMID:34117783	研究论文	本文提出了一种基于生成对抗网络和注意力机制的特征金字塔网络架构，用于在CT扫描图像上准确诊断COVID-19	本文创新性地结合了生成对抗网络和注意力机制的特征金字塔网络，显著提高了COVID-19诊断的准确性和召回率	本文未详细讨论模型的计算复杂度和训练时间，且未在更大规模的数据集上验证其泛化能力	开发和评估一种基于CT扫描图像实时准确诊断COVID-19的方法	COVID-19的CT扫描图像	计算机视觉	COVID-19	生成对抗网络 (GAN)	特征金字塔网络 (FPN)	图像	3个不同数量级的COVID-19 CT数据集