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
15641	2024-09-27	Erratum to "A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification" 2023, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0011 PMID:37849679	correction	对文章《一种低成本高性能的深度学习皮肤病变分类数据增强方法》的勘误	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15642	2024-09-27	A dynamic graph convolutional neural network framework reveals new insights into connectome dysfunctions in ADHD 2022-02-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118774 PMID:34861391	研究论文	提出了一种动态图卷积神经网络框架，用于揭示注意力缺陷多动障碍（ADHD）中的连接组功能障碍	引入了一种新的动态图卷积网络（dGCN），并开发了一种新的卷积读出层以改进图表示，显著提高了ADHD诊断的性能	NA	设计一种能够捕捉大脑功能连接组拓扑信息的新方法，以提高ADHD的精确诊断	注意力缺陷多动障碍（ADHD）患者的大脑功能连接组	机器学习	精神疾病	功能磁共振成像（fMRI）	动态图卷积神经网络（dGCN）	图结构	NA
15643	2024-09-27	Learning to Localize Cross-Anatomy Landmarks in X-Ray Images with a Universal Model 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9765095 PMID:37850187	研究论文	本文开发了一种通用的解剖标志检测模型，该模型可以从多个对应不同解剖区域的X射线图像数据集中学习	首次尝试在多个数据集上训练单一网络进行解剖标志检测，相比传统单数据集训练模型，该模型更轻量且训练更简单，同时提高了解剖标志定位的准确性	NA	开发一种能够在不同解剖区域X射线图像中准确自动定位解剖标志的通用模型	X射线图像中的解剖标志	计算机视觉	NA	深度学习	全卷积网络	图像	1710张X射线图像，包含72个解剖标志，涉及四个解剖区域
15644	2024-09-27	Virtual Staining, Segmentation, and Classification of Blood Smears for Label-Free Hematology Analysis 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9853606 PMID:37850166	研究论文	本文提出了一种基于单通道、无标记深紫外显微镜的全自动血液分析框架，用于无标记血液分析	利用深紫外显微镜的独特能力，开发了一种基于深度学习的管道，实现了虚拟染色、分割、分类和白细胞计数	NA	简化并改进当前的全血计数和血涂片分析，开发一种简单、快速、低成本的即时血液分析仪	白细胞的虚拟染色、分割、分类和计数	数字病理学	NA	深紫外显微镜	深度学习网络	图像	NA
15645	2024-09-27	Label-Free Virtual HER2 Immunohistochemical Staining of Breast Tissue using Deep Learning 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9786242 PMID:37850170	研究论文	本文介绍了一种基于深度学习的无标签虚拟HER2免疫组化染色方法	提出了一种基于条件生成对抗网络的虚拟HER2免疫组化染色方法，能够快速将未标记的乳腺组织切片的自发荧光显微图像转换为与标准化学染色相匹配的明场显微图像	需要进一步验证该方法在其他生物标志物上的适用性	开发一种无需化学处理的虚拟HER2免疫组化染色方法，以加速生物医学工作流程	乳腺组织中的HER2生物标志物	数字病理学	乳腺癌	深度学习	条件生成对抗网络	图像	NA
15646	2024-09-27	A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9765307 PMID:37850173	研究论文	提出了一种低成本高性能的数据增强策略，用于基于深度学习的皮肤病变分类	该策略不仅提高了皮肤病变的分类性能，还突出了临床医生关注的潜在区域，并且可以在低资源环境下广泛应用于多种疾病的早期筛查和自动诊断	NA	开发高性能且低成本的数据增强策略，用于智能皮肤癌筛查设备	皮肤病变分类	机器学习	皮肤癌	数据增强	EfficientNets	图像	HAM10000数据集
15647	2024-09-27	Connectivity-based Cortical Parcellation via Contrastive Learning on Spatial-Graph Convolution 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9814824 PMID:37850179	研究论文	本文提出了一种基于结构连接的皮质分割框架，利用空间图卷积网络进行对比学习	提出了空间图卷积分割（SGCP）框架，通过两阶段深度学习模型进行图表示脑成像数据的分割	NA	开发和评估基于结构连接的皮质分割框架	脑皮质分割	计算机视觉	NA	空间图卷积网络	深度学习模型	图像	15个受试者的DWI数据集，用于5个脑区域的分割任务
15648	2024-09-27	Deep Learning Algorithm to Detect Cardiac Sarcoidosis From Echocardiographic Movies 2021-12-24, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-21-0265 PMID:34176867	研究论文	开发了一种深度学习算法，用于从超声心动图电影中检测心脏肉瘤病	使用3D卷积神经网络（3D-CNN）结合迁移学习方法来区分心脏肉瘤病患者和健康受试者	研究样本量较小，且仅限于特定时间段内的患者	开发一种新的方法来早期诊断亚临床心脏肉瘤病	心脏肉瘤病患者和健康受试者	计算机视觉	心血管疾病	3D卷积神经网络（3D-CNN）	3D-CNN	视频	212个超声心动图电影，包括50名心脏肉瘤病患者和149名健康受试者
15649	2024-09-27	Deep Learning Brings New Era in Echocardiography 2021-12-24, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-21-0663 PMID:34471070	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15650	2024-09-27	Artificial intelligence to deep learning: machine intelligence approach for drug discovery 2021-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-021-10217-3 PMID:33844136	研究论文	本文探讨了人工智能和深度学习在药物发现和开发中的应用	介绍了深度学习和机器学习算法在药物发现过程中的多种应用，如肽合成、虚拟筛选、毒性预测等	未具体提及	探讨人工智能和深度学习在药物设计和开发中的应用和潜力	药物设计和开发过程中的各种挑战和障碍	机器学习	NA	深度学习	人工神经网络、深度神经网络、支持向量机、生成对抗网络等	基因组数据、蛋白质组数据、微阵列数据、临床试验数据等	NA
15651	2024-09-27	A review of deep learning in medical imaging: Imaging traits, technology trends, case studies with progress highlights, and future promises 2021-May, Proceedings of the IEEE. Institute of Electrical and Electronics Engineers DOI:10.1109/JPROC.2021.3054390 PMID:37786449	综述	本文综述了深度学习在医学影像中的应用，涵盖了影像特征、技术趋势、案例研究及未来展望	本文总结了深度学习在医学影像中的最新进展，并探讨了未来的发展方向	本文未提供详尽的文献综述，而是重点介绍了几个突出的研究亮点	探讨深度学习在医学影像中的应用及其未来发展	医学影像中的网络架构、稀疏和噪声标签、联邦学习、可解释性和不确定性量化等问题	计算机视觉	NA	深度学习	NA	影像	NA
15652	2024-09-27	Efficient few-shot machine learning for classification of EBSD patterns 2021-04-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87557-5 PMID:33854109	研究论文	本文研究了在电子背散射衍射（EBSD）图案分类中使用少样本迁移学习方法的有效性	本文首次将少样本迁移学习应用于EBSD图案分类，并使用可视化技术解释模型操作	本文未详细讨论迁移学习在其他材料科学问题中的应用	验证少样本迁移学习在EBSD图案分类中的有效性	电子背散射衍射（EBSD）图案	计算机视觉	NA	迁移学习	卷积神经网络（CNN）	图像	六种空间群的EBSD图案
15653	2024-09-27	Deep learning approaches for natural product discovery from plant endophytic microbiomes 2021, Environmental microbiome IF:6.2Q1 DOI:10.1186/s40793-021-00375-0 PMID:33758794	综述	本文综述了利用深度学习方法从植物内生微生物组中发现天然产物的新方法	强调了深度学习在预测内生菌生物化学新奇性和调控控制方面的潜力	NA	探讨从植物微生物组中发现天然产物的新突破方法	植物内生微生物组的次级代谢产物	机器学习	NA	深度学习	NA	基因组、代谢组、调控组和化学数据	NA
15654	2024-09-27	Review of deep learning: concepts, CNN architectures, challenges, applications, future directions 2021, Journal of big data IF:8.6Q1 DOI:10.1186/s40537-021-00444-8 PMID:33816053	综述	本文综述了深度学习的概念、CNN架构、挑战、应用和未来方向	本文采用更全面的方法，提供了一个更合适的起点，以便全面理解深度学习	尽管本文试图全面综述深度学习，但仍可能存在某些方面的遗漏	旨在提供一个全面的深度学习综述，涵盖其概念、技术、架构、挑战和应用	深度学习及其在多个领域的应用	机器学习	NA	深度学习	CNN	NA	NA
15655	2024-09-27	Application of Machine Learning in Diagnosis of COVID-19 Through X-Ray and CT Images: A Scoping Review 2021, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2021.638011 PMID:33842563	综述	本文综述了使用机器学习和深度学习方法通过X射线和CT图像诊断COVID-19的研究	本文通过比较不同机器学习和深度学习方法在COVID-19诊断中的表现，展示了这些方法在临床诊断中的应用潜力	本文为综述性研究，未提供新的实验数据或模型	探讨机器学习和深度学习方法在COVID-19诊断中的应用	COVID-19的诊断	机器学习	COVID-19	NA	NA	图像	NA
15656	2024-09-27	Analysis of the role and robustness of artificial intelligence in commodity image recognition under deep learning neural network 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0235783 PMID:32634167	研究论文	研究基于多阶段卷积神经网络（MS-CNN）的图像识别模型在商品图像智能识别中的应用及其识别性能	提出了一种基于MS-CNN模型的商品图像识别方法，并通过实验验证了其在不同噪声和标签错误条件下的鲁棒性	未提及具体的局限性	探索基于MS-CNN模型的商品图像识别方法的应用及其在不同条件下的识别性能	商品图像的颜色、形状和纹理特征，以及MS-CNN模型的识别效果	计算机视觉	NA	卷积神经网络（CNN）	多阶段卷积神经网络（MS-CNN）	图像	50,000张包含不同商品的图片
15657	2024-09-27	Anatomical Modeling of Brain Vasculature in Two-Photon Microscopy by Generalizable Deep Learning 2020, BME frontiers IF:5.0Q1 DOI:10.34133/2020/8620932 PMID:37849965	研究论文	本文开发了一种可泛化的深度学习技术，用于从多个双光子显微镜系统获取的小鼠大脑图像中进行血管分割	该方法能够泛化到不同成像系统，并能高效处理大规模血管图像，计算速度比现有技术快10倍，深度大3倍	NA	开发一种可泛化且计算高效的深度学习框架，用于大脑血管的解剖建模	小鼠大脑的双光子显微镜血管图像	计算机视觉	NA	深度学习	深度学习框架	图像	多个小鼠大脑的血管图像
15658	2024-09-27	Chief complaint classification with recurrent neural networks 2019-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2019.103158 PMID:30926471	研究论文	本文研究了使用循环神经网络对急诊部门记录中的主诉进行分类	本文首次将长短期记忆网络（LSTM）和门控循环单元（GRU）应用于主诉分类，并展示了其在性能上优于传统的词袋分类器	研究仅基于单一美国管辖区的360万条去识别化急诊部门记录，可能存在地域和数据量的局限性	提高疫情检测速度和诊断准确性	急诊部门记录中的主诉和出院诊断	机器学习	NA	循环神经网络（RNN）	长短期记忆网络（LSTM）和门控循环单元（GRU）	文本	360万条去识别化的急诊部门记录
15659	2024-09-27	A picture tells a thousand…exposures: Opportunities and challenges of deep learning image analyses in exposure science and environmental epidemiology 2019-01, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2018.11.042 PMID:30473381	研究论文	本文讨论了在暴露科学和环境流行病学领域应用人工智能（特别是深度卷积神经网络）的潜力、挑战和所需的数据来源	提出使用图像和其他补充数据源（如手机移动性和社交媒体信息）来估计环境暴露，并探讨了在低收入和中等收入国家中使用图像分析的成本效益	需要合适的训练和评估模型的大型数据库，并且新方法应与传统暴露指标相结合	探讨人工智能在暴露科学和环境健康领域的应用潜力	环境暴露的估计和环境健康的影响	机器学习	NA	深度卷积神经网络	CNN	图像	NA
15660	2024-09-26	Cold threat and moisture deficit induced individual tree mortality via 25-year monitoring in seminatural mixed forests, northeastern China 2024-Nov-25, The Science of the total environment DOI:10.1016/j.scitotenv.2024.176048 PMID:39244065	研究论文	研究通过25年的监测数据，利用机器学习和深度学习算法预测中国东北部半自然混交林中的个体树木死亡率	利用先进的机器学习和深度学习算法，通过筛选相关的气候和环境因素，提高了个体树木死亡率预测的准确性	研究仅限于半自然混交针叶林，未涵盖其他类型的森林生态系统	验证个体树木死亡率对区域气候的敏感性，并开发高精度的预测模型	中国东北部半自然混交针叶林中的个体树木	机器学习	NA	支持向量机、多层感知器、随机森林	随机森林	树木生长数据、地形数据、竞争数据、林分结构数据、区域气候数据	25年的监测数据