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
16281	2024-09-20	Using EfficientNet-B7 (CNN), Variational Auto Encoder (VAE) and Siamese Twins' Networks to Evaluate Human Exercises as Super Objects in a TSSCI Images 2023-May-22, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm13050874 PMID:37241044	研究论文	本文介绍了一种将人体运动定义为静态超对象的新方法，通过单个二维图像表示运动，适用于远程医疗应用	提出了一种将人体运动定义为静态超对象的新方法，使用EfficientNet-B7、变分自编码器和孪生网络来评估和生成类似运动	未提及具体局限性	开发一种新的方法来评估和生成人体运动，适用于远程医疗应用	人体运动，特别是健身和物理治疗中的运动	计算机视觉	NA	EfficientNet-B7, 变分自编码器, 孪生网络	CNN, VAE, 孪生网络	图像	未提及具体样本数量
16282	2024-09-20	Augmented Reality Surgical Navigation System Integrated with Deep Learning 2023-May-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10050617 PMID:37237687	研究论文	本文提出了一种基于图像定位的增强现实手术导航系统，结合深度学习技术，提供直观的外科手术指导	该系统通过增强现实技术提供直观的手术指导，并结合深度学习U-Net分割网络实现自动识别脑积水位置，显著提高了识别准确性、敏感性和特异性	临床试验仅限于EVD手术，未来需在更多手术类型中验证其有效性	开发一种低成本、高稳定性、高精度的增强现实手术导航系统，提供直观的外科手术指导	增强现实手术导航系统及其在EVD手术中的应用	计算机视觉	NA	增强现实技术	U-Net	图像	临床试验涉及EVD手术
16283	2024-09-20	Histopathological Gastric Cancer Detection on GasHisSDB Dataset Using Deep Ensemble Learning 2023-May-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101793 PMID:37238277	研究论文	本文提出了一种基于深度集成学习的胃癌病理图像检测方法，并在公开的胃癌数据集上进行了验证	本文的创新点在于使用集成模型结合多个深度学习模型的决策，以提高分类性能	本文的局限性在于仅在特定数据集上进行了验证，尚未在其他数据集上进行广泛测试	本文的研究目的是开发一种计算机辅助诊断工具，以帮助病理学家进行胃癌的早期检测	本文的研究对象是胃癌的病理图像	数字病理学	胃癌	深度学习	集成模型	图像	本文使用了公开的胃癌数据集，包含不同子数据库的图像
16284	2024-09-20	Person Recognition Based on Deep Gait: A Survey 2023-May-18, Sensors (Basel, Switzerland) DOI:10.3390/s23104875 PMID:37430786	综述	本文综述了基于深度步态识别的研究进展、挑战和局限性	本文通过分类法组织了深度学习方法在步态识别领域的研究现状，并指出了当前方法的基本局限性	本文主要关注深度学习方法在步态识别中的局限性，如环境因素、复杂性和人体表现的可变性	综述基于深度学习的步态识别领域的进展，分析现有技术的性能，并提出未来研究方向	步态识别技术及其在深度学习方法中的应用	计算机视觉	NA	深度学习	NA	步态数据集	NA
16285	2024-09-20	Detection of Monkeypox Disease from Human Skin Images with a Hybrid Deep Learning Model 2023-May-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101772 PMID:37238256	研究论文	本文开发了一种混合深度学习模型，用于从人类皮肤图像中检测猴痘疾病	本文提出了一种独特的混合深度学习模型，结合了两种表现最佳的深度学习模型和长短期记忆（LSTM）模型，以提高分类结果	NA	开发一种能够从皮肤图像中检测猴痘疾病的混合人工智能系统	猴痘疾病的皮肤图像	计算机视觉	猴痘	深度学习	混合模型（CSPDarkNet, InceptionV4, MnasNet, MobileNetV3, RepVGG, SE-ResNet, Xception, LSTM）	图像	包含水痘、麻疹、猴痘和正常类别的多类结构数据集，数据分布不平衡，经过数据增强和预处理后使用
16286	2024-09-20	Predicting structures of large protein assemblies using combinatorial assembly algorithm and AlphaFold2 2023-May-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.16.541003 PMID:37293053	研究论文	本文介绍了一种名为CombFold的组合和层次化装配算法，用于预测大型蛋白质复合物的结构，利用AlphaFold2预测的亚基间相互作用	CombFold算法能够准确预测大型蛋白质复合物的结构，相比现有方法提高了20%的结构覆盖率	NA	开发一种新的算法来提高大型蛋白质复合物结构的预测准确性	大型蛋白质复合物的结构	计算机视觉	NA	AlphaFold2	NA	蛋白质结构数据	60个大型不对称复合物数据集中的72%的复合物
16287	2024-09-20	Detection of Gallbladder Disease Types Using Deep Learning: An Informative Medical Method 2023-May-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101744 PMID:37238227	研究论文	本文利用深度学习技术，通过超声图像检测胆囊疾病的类型	本文成功应用深度神经网络模型，能够同时检测九种胆囊疾病	NA	开发一种能够早期诊断胆囊疾病的工具	胆囊疾病的类型	计算机视觉	胆囊疾病	深度学习	深度神经网络	图像	10,692张胆囊超声图像，来自1782名患者
16288	2024-09-20	Detection of Paroxysmal Atrial Fibrillation from Dynamic ECG Recordings Based on a Deep Learning Model 2023-May-12, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm13050820 PMID:37240990	研究论文	本文提出了一种基于深度学习模型的动态心电图记录中阵发性心房颤动的检测方法	该方法不仅区分了心房颤动与正常心律，还能检测其发作和终止，并引入了残差块和Transformer编码器	未区分心房颤动与心房扑动，且在噪声环境下进行了压力测试，但未详细说明其在极端噪声条件下的表现	开发一种能够准确检测心房颤动及其发作和终止的深度学习模型	心房颤动的检测及其发作和终止的识别	机器学习	心血管疾病	深度学习	Transformer	心电图	训练数据来自CPSC2021挑战赛，测试数据包括四个公共数据集
16289	2024-09-20	Deep versus Handcrafted Tensor Radiomics Features: Prediction of Survival in Head and Neck Cancer Using Machine Learning and Fusion Techniques 2023-May-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101696 PMID:37238180	研究论文	本文比较了深度学习和手工特征在头颈癌生存预测中的表现	本文引入了张量放射组学范式，通过生成和探索不同版本的特征来提供额外价值	本文未详细讨论模型的可解释性和泛化能力	比较深度特征和手工特征在头颈癌生存预测中的表现	头颈癌患者的生存预测	机器学习	头颈癌	深度学习算法	卷积神经网络 (CNN)	图像	408名头颈癌患者
16290	2024-09-20	The Effect of Coupled Electroencephalography Signals in Electrooculography Signals on Sleep Staging Based on Deep Learning Methods 2023-May-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10050573 PMID:37237643	研究论文	研究了耦合脑电图信号对基于眼电图信号的自动睡眠分期的影响	首次探讨了耦合脑电图信号在眼电图信号中对自动睡眠分期的影响，并证明了适当耦合的脑电图信号可以提高睡眠分期的准确性	仅使用了三个数据集进行验证，未来需要更多数据集来进一步验证结果	探讨耦合脑电图信号在眼电图信号中对自动睡眠分期的影响	耦合脑电图信号在眼电图信号中的影响	机器学习	NA	盲源分离算法	卷积神经网络和循环神经网络	信号	使用了两个公开数据集和一个临床数据集
16291	2024-09-20	An Ensembled Framework for Human Breast Cancer Survivability Prediction Using Deep Learning 2023-May-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101688 PMID:37238173	研究论文	本文提出了一种用于预测乳腺癌生存率的集成模型，利用多模态数据和多个神经网络的输出进行预测	本文的创新点在于提出了一个集成模型，结合了卷积神经网络、深度神经网络和长短期记忆网络，以处理多维数据并提高预测准确性	NA	研究目的是设计一个高效且快速的计算模型，用于乳腺癌的预后预测	研究对象是乳腺癌患者的生存率预测	机器学习	乳腺癌	NA	CNN, DNN, LSTM	多模态数据	NA
16292	2024-09-20	Segmentation of Anatomical Structures of the Left Heart from Echocardiographic Images Using Deep Learning 2023-May-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101683 PMID:37238168	研究论文	本文介绍了一种基于深度学习的工具，用于从超声心动图图像中自动分割左心房和左心室的心脏解剖结构	本文提出了一种结合YOLOv7算法和U-Net的卷积神经网络模型，用于自动分割超声心动图中的左心房和左心室结构	NA	支持临床实践，提高心脏功能评估的效率	左心房和左心室的心脏解剖结构	计算机视觉	NA	深度学习	卷积神经网络	图像	450名患者的超声心动图图像，包含心尖两腔和四腔视图在收缩末期和舒张末期的图像
16293	2024-09-20	Empowering Hand Rehabilitation with AI-Powered Gesture Recognition: A Study of an sEMG-Based System 2023-May-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10050557 PMID:37237627	研究论文	本文介绍了一种基于sEMG信号和深度学习算法的智能手部康复手套，旨在帮助中风患者进行有效的手部康复训练	该手套集成了四个sEMG传感器和深度学习算法，能够通过非受影响手部的手势识别来驱动受影响手部的运动，从而实现镜像疗法和任务导向疗法	NA	开发一种智能手部康复设备，帮助中风患者恢复手部功能	中风患者的手部康复	机器学习	中风	sEMG信号	1D-CNN算法和InceptionTime算法	sEMG信号	NA
16294	2024-09-20	DeepCOVID-Fuse: A Multi-Modality Deep Learning Model Fusing Chest X-rays and Clinical Variables to Predict COVID-19 Risk Levels 2023-May-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10050556 PMID:37237626	研究论文	本文介绍了一种名为DeepCOVID-Fuse的多模态深度学习模型，该模型通过融合胸部X光片和临床变量来预测COVID-19患者的风险等级	DeepCOVID-Fuse模型通过结合胸部X光片和临床变量，显著提高了COVID-19风险预测的准确性	研究数据仅来自特定时间段和特定医院，可能限制了模型的普适性	开发一种能够准确预测COVID-19患者风险等级的多模态深度学习模型	COVID-19患者的胸部X光片和临床变量	机器学习	COVID-19	深度学习	多模态深度学习模型	图像和临床数据	训练集1657例，验证集428例，测试集439例
16295	2024-09-20	Automated Retrieval of Heterogeneous Proteomic Data for Machine Learning 2023-May-02, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm13050790 PMID:37240960	研究论文	本文提出了一种自动化方法，用于从公开的蛋白质组学数据库中检索异构蛋白质组数据，以供机器学习应用	本文的创新点在于将不同来源和条件的蛋白质组学数据整合成一个大型数据库，便于应用新兴的生物信息学工具和深度学习算法	本文的局限性在于数据收集过程中可能涉及的伦理和法律问题，以及确保数据质量和准确性的挑战	本文的研究目的是为机器学习应用提供一个整合的蛋白质组学数据集，以促进对蛋白质表达和功能的深入理解	本文的研究对象是心脏相关的蛋白质组学数据	机器学习	心血管疾病	质谱分析（MS/MS）	NA	蛋白质组学数据	NA
16296	2024-09-20	Computerized Diagnosis of Liver Tumors From CT Scans Using a Deep Neural Network Approach 2023-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3248489 PMID:37027632	研究论文	本文研究了使用深度神经网络从CT扫描中自动分类肝肿瘤的方法	提出了一种基于改进的Inception v3网络的分类模型，能够客观地提取肉眼不可见的鉴别特征	NA	旨在通过深度学习方法自动分类CT扫描中的肝肿瘤	肝肿瘤，包括肝细胞癌（HCC）、肝内胆管癌（ICC）、结直肠肝转移（CRLM）和良性肿瘤	计算机视觉	肝癌	深度学习	Inception v3	图像	814名患者的多机构数据集
16297	2024-09-20	Generative adversarial network based digital stain conversion for generating RGB EVG stained image from hyperspectral H&E stained image 2023-05, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.28.5.056501 PMID:37265876	研究论文	本文提出了一种基于生成对抗网络（GAN）的深度学习方法，用于从高光谱H&E染色图像生成RGB EVG染色图像	本文创新性地使用CycleGAN模型进行数字染色转换，并引入一组三个基函数来计算损失，保留了EVG染色图像的相关特征	NA	提出一种基于深度学习的计算机化方法，用于生成RGB EVG染色组织图像，以节省传统EVG染色过程的时间和成本	高光谱H&E染色图像和EVG染色的RGB全切片图像	数字病理学	NA	生成对抗网络（GAN）	CycleGAN	图像	人类胰腺组织的高光谱H&E染色图像和EVG染色的RGB全切片图像
16298	2024-09-20	Astronomia ex machina: a history, primer and outlook on neural networks in astronomy 2023-May, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.221454 PMID:37266039	综述	本文回顾了人工智能和深度学习在天文学中的历史发展及未来前景	提出了采用类似GPT的基础模型进行天文应用的微调，以利用高质量的多模态天文数据服务于最先进的下游任务	NA	探讨人工智能和深度学习在天文学中的应用及其未来发展	天文学中的连接主义发展及其在人工智能和深度学习中的应用	机器学习	NA	深度学习	多层感知器、卷积神经网络、循环神经网络、生成对抗网络	多模态数据	NA
16299	2024-09-20	Efficient labelling for efficient deep learning: the benefit of a multiple-image-ranking method to generate high volume training data applied to ventricular slice level classification in cardiac MRI 2023-Apr, Journal of medical artificial intelligence DOI:10.21037/jmai-22-55 PMID:37346802	研究论文	本文介绍了一种利用多位临床专家对心脏磁共振成像（CMR）图像进行排序的新方法，以生成高质量的训练数据，并应用于左心室切片级别的分类	提出了一种基于多图像排序的标注方法，相比传统的单图像标注方法，能够更高效地生成高质量的训练数据	研究样本量较小，仅涉及300个随机扫描的图像，未来需要在大规模数据集上验证方法的有效性	探讨如何通过高效的标注方法提高深度学习模型在心脏磁共振成像中的分类性能	心脏磁共振成像（CMR）图像的左心室切片分类	计算机视觉	心血管疾病	深度学习	卷积神经网络（CNN）	图像	300个随机扫描的图像，共3552张个体图像
16300	2024-09-20	Deep learning analysis of endometrial histology as a promising tool to predict the chance of pregnancy after frozen embryo transfers 2023-Apr, Journal of assisted reproduction and genetics IF:3.2Q2 DOI:10.1007/s10815-023-02745-8 PMID:36862259	研究论文	本研究利用深度学习算法分析子宫内膜组织学，以预测冷冻胚胎移植后的妊娠机会	本研究通过深度学习算法分析子宫内膜组织学，克服了传统Noyes法的主观性和与生育状态或妊娠结果相关性差的局限	本研究仅在特定人群中进行了初步验证，需要进一步在大规模和多样化的样本中验证其有效性	本研究旨在通过深度学习算法分析子宫内膜组织学，以预测冷冻胚胎移植后的妊娠机会	本研究的对象是自然月经周期中的健康志愿者和接受模拟人工周期的不孕患者	机器学习	NA	深度学习	二分类器	图像	自然月经周期中的健康志愿者24例，接受模拟人工周期的不孕患者37例