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
15201	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
15202	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
15203	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
15204	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
15205	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
15206	2024-10-06	Quantum algorithm for quicker clinical prognostic analysis: an application and experimental study using CT scan images of COVID-19 patients 2021-07-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-021-01588-6 PMID:34330278	研究论文	本文提出了一种基于量子机器学习算法的图像分类和分割方法，用于COVID-19患者的CT扫描图像分析	引入了量子机器学习（QML）在医学实践中的应用，并展示了量子神经网络（QNN）在COVID-19特征分类任务中优于传统深度学习模型的性能	需要进一步研究以评估在医疗设备中集成该模型的实施场景	开发一种更快速和准确的临床预测分析方法，以提高COVID-19患者的诊断效率	COVID-19患者的CT扫描图像	计算机视觉	COVID-19	量子机器学习（QML）	量子神经网络（QNN）	图像	NA
15207	2024-10-06	Deeply Supervised UNet for Semantic Segmentation to Assist Dermatopathological Assessment of Basal Cell Carcinoma 2021-Apr-13, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7040071 PMID:34460521	研究论文	本文开发了一种深度学习方法，通过语义分割标记高概率显示病理特征的区域，以协助皮肤病理学家评估基底细胞癌	本文引入了深度监督和解码器输出的线性组合两种训练策略，并分析了不同编码器对UNet网络性能的影响	NA	开发一种深度学习方法，协助皮肤病理学家快速准确地评估基底细胞癌的切除边缘	基底细胞癌的病理特征区域	计算机视觉	皮肤癌	深度学习	UNet	图像	650张全切片图像，包含3443个组织切片
15208	2024-10-06	An Integrated Deep Network for Cancer Survival Prediction Using Omics Data 2021, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2021.568352 PMID:34337396	研究论文	本文使用集成深度信念网络对癌症患者的生存率进行预测，并进行风险分层	提出了一种集成深度信念网络，能够从不同组学数据中提取信息特征，并在中等规模的数据集上表现优异	NA	开发一种新的方法来预测癌症患者的生存率并进行风险分层	癌症患者的RNA、miRNA和甲基化分子数据	机器学习	NA	深度学习	深度信念网络	组学数据	836名患者
15209	2024-10-06	Osteolysis: A Literature Review of Basic Science and Potential Computer-Based Image Processing Detection Methods 2021, Computational intelligence and neuroscience DOI:10.1155/2021/4196241 PMID:34646317	综述	本文综述了骨溶解的基本科学原理及其潜在的基于计算机图像处理的检测方法	介绍了使用深度学习算法（如CNN、U-Net和Seg-UNet）进行医学图像处理，特别是在骨溶解检测和分割方面的应用	NA	探讨骨溶解的潜在计算机辅助检测方法	骨溶解的成因、机制和治疗方法，以及计算机图像处理技术在骨溶解检测中的应用	计算机视觉	骨科疾病	深度学习算法	CNN, U-Net, Seg-UNet	图像	NA
15210	2024-10-06	Intelligent Solutions in Chest Abnormality Detection Based on YOLOv5 and ResNet50 2021, Journal of healthcare engineering DOI:10.1155/2021/2267635 PMID:34691373	研究论文	本文提出了一种基于YOLOv5和ResNet50的胸部异常检测智能解决方案	本文创新性地结合了YOLOv5和ResNet50模型，以提高胸部异常检测的准确性和效率	NA	提高计算机辅助诊断系统在胸部异常检测中的准确性和效率	胸部异常检测和常见肺部疾病的分类	计算机视觉	肺部疾病	深度学习	YOLOv5, ResNet50	图像	数据集来自VinBigData的VinLab平台
15211	2024-10-06	The Longest Month: Analyzing COVID-19 Vaccination Opinions Dynamics From Tweets in the Month Following the First Vaccine Announcement 2021, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2021.3059821 PMID:34786309	研究论文	分析在首个疫苗宣布后的一个月内，推特上关于COVID-19疫苗接种意见的动态变化	比较了经典机器学习与深度学习算法，选择表现最佳的分类器	NA	分析社交媒体上关于COVID-19疫苗接种的公众意见动态	推特上的COVID-19疫苗接种相关推文	自然语言处理	NA	机器学习	NA	文本	2,349,659条推文
15212	2024-10-06	COVID-19 Multi-Targeted Drug Repurposing Using Few-Shot Learning 2021, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2021.693177 PMID:36303751	研究论文	本文介绍了一种新的深度学习模型，用于分子属性预测，并应用于COVID-19多靶点药物再利用	该模型采用图神经网络进行化学分子嵌入的计算学习，相比依赖大量标记实验数据的最先进方法，在预训练阶段无需手动标记，且在小样本数据上表现优异	NA	探索COVID-19多靶点药物再利用的新方法	COVID-19治疗药物的多靶点分子筛选	机器学习	COVID-19	图神经网络	深度学习模型	分子数据	小样本数据
15213	2024-10-06	Introducing the GEV Activation Function for Highly Unbalanced Data to Develop COVID-19 Diagnostic Models 2020-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2020.3012383 PMID:32750973	研究论文	本文提出了一种基于广义极值分布（GEV）的新激活函数，用于处理高度不平衡数据，并开发COVID-19诊断模型	本文创新性地提出了基于广义极值分布（GEV）的激活函数，相较于传统的sigmoid激活函数，在处理高度不平衡数据时表现更优	本文未详细讨论GEV激活函数在其他类型数据或疾病诊断中的适用性	开发一种新的激活函数，以提高在高度不平衡数据情况下COVID-19诊断模型的性能	COVID-19诊断模型	机器学习	COVID-19	深度学习	NA	图像	1909例健康胸部X光片和84例COVID-19 X光片
15214	2024-10-05	DeepMesh: Differentiable Iso-Surface Extraction 2024-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3392291 PMID:38648137	研究论文	本文提出了一种从深度隐式场中提取显式表面网格表示的可微分方法	本文的创新点在于引入了一种可微分的等值面提取方法，使得从隐式场到显式网格表示的转换过程可以进行端到端的训练	NA	研究目的是解决现有方法在从隐式场转换为显式网格表示时无法进行微分的问题	研究对象是深度隐式场和显式表面网格表示	计算机视觉	NA	深度学习	深度隐式场	3D网格	NA
15215	2024-10-05	Learning With Style: Continual Semantic Segmentation Across Tasks and Domains 2024-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3397461 PMID:38713563	研究论文	本文提出了一种在任务和领域之间进行持续语义分割的方法，通过风格迁移技术和鲁棒的蒸馏框架来解决领域和任务变化的问题	本文创新性地将领域适应和类增量学习结合起来，提出了一种统一的解决方案，并使用风格迁移技术和鲁棒的蒸馏框架来增强模型的适应性和记忆能力	NA	解决深度学习模型在不同任务和领域之间进行持续语义分割的问题	深度学习模型在不同任务和领域之间的适应性和记忆能力	计算机视觉	NA	风格迁移技术	蒸馏框架	图像	多个自动驾驶数据集
15216	2024-10-05	Deep Learning Methods for Calibrated Photometric Stereo and Beyond 2024-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3388150 PMID:38607717	综述	本文综述了利用正交相机和方向光源的深度学习校准光度立体方法	展示了深度学习在非朗伯表面光度立体中的强大能力	指出了现有模型的局限性并提出了未来研究趋势	综述现有深度学习校准光度立体方法并提出未来研究方向	光度立体方法及其在非朗伯表面上的应用	计算机视觉	NA	深度学习	深度学习模型	图像	使用了最广泛使用的基准数据集
15217	2024-10-05	Towards a fully automatic workflow for investigating the dynamics of lung cancer cachexia during radiotherapy using cone beam computed tomography 2024-Oct-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad7d5b PMID:39299273	研究论文	本文提出了一种基于人工智能的全自动工作流程，用于在放射治疗期间通过锥束计算机断层扫描（CBCT）监测肺癌恶病质患者的胸大肌面积变化	本文首次提出了一种基于CBCT图像的全自动人工智能工作流程，用于监测肺癌恶病质患者的胸大肌面积变化，并开发了一种基于蒙特卡罗退火的不确定性度量（UM）来评估组织分割性能	本文仅展示了概念验证，尚未在临床环境中验证该工作流程的实际应用效果	开发一种全自动的人工智能工作流程，用于在放射治疗期间监测肺癌恶病质患者的胸大肌面积变化，以实现早期干预	III期非小细胞肺癌患者	计算机视觉	肺癌	锥束计算机断层扫描（CBCT）	生成对抗网络（GAN）、U-Net	图像	140名III期非小细胞肺癌患者
15218	2024-10-05	Sentiment analysis of letters of recommendation for a U.S. pain medicine fellowship from 2020 to 2023 2024-Oct-04, Pain practice : the official journal of World Institute of Pain IF:2.5Q2 DOI:10.1111/papr.13416 PMID:39364730	研究论文	研究评估了2020年至2023年美国疼痛医学奖学金申请推荐信中的偏见和差异	使用自然语言处理和深度学习工具分析推荐信中的情感和偏见	仅限于一个机构的数据，可能无法代表所有申请者	评估推荐信中的偏见和差异	推荐信中的情感和偏见	自然语言处理	NA	自然语言处理	深度学习	文本	964份申请
15219	2024-10-05	Deep learning ResNet34 model-assisted diagnosis of sickle cell disease via microcolumn isoelectric focusing 2024-Oct-03, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01005a PMID:39248285	研究论文	本文提出了一种利用ResNet34深度学习模型辅助通过微柱等电聚焦技术诊断镰状细胞病的新方法	本文创新性地将ResNet34深度学习模型与微柱等电聚焦技术结合，实现了对镰状细胞病的自动化和标准化诊断	NA	开发一种更有效、自动化且成本较低的镰状细胞病诊断方法	镰状细胞病及其相关血红蛋白变异体的诊断	计算机视觉	血液疾病	微柱等电聚焦	ResNet34	图像	镰状细胞病血液样本
15220	2024-10-05	Uncertainty-aware probabilistic graph neural networks for road-level traffic crash prediction 2024-Oct-02, Accident; analysis and prevention DOI:10.1016/j.aap.2024.107801 PMID:39362109	研究论文	本文介绍了一种用于道路级交通碰撞预测的不确定性感知概率图神经网络模型	首次引入时空零膨胀Tweedie图神经网络（STZITD-GNN），结合统计Tweedie家族的可解释性和图神经网络的预测能力，能够全面预测各种碰撞风险	NA	开发一种可靠且负责任的交通碰撞预测模型，以应对日益增长的公共安全问题并提高城市移动系统的安全性	道路级交通碰撞预测	计算机视觉	NA	图神经网络	STZITD-GNN	交通数据	使用来自英国伦敦的真实世界交通数据进行实证测试