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
16501	2024-09-19	Deep Learning-Based COVID-19 Detection Using CT and X-Ray Images: Current Analytics and Comparisons 2021-May-01, IT professional IF:2.2Q3 DOI:10.1109/MITP.2020.3036820 PMID:35582037	研究论文	本文利用深度学习方法基于CT和X光图像进行COVID-19检测，并分析其全球传播情况	本文提出了基于深度学习的COVID-19检测方法，并结合数据分析全球传播情况	NA	研究COVID-19的检测方法及其全球传播情况	COVID-19病毒及其传播	计算机视觉	COVID-19	深度学习	NA	图像	NA
16502	2024-09-19	A Novel Method for COVID-19 Diagnosis Using Artificial Intelligence in Chest X-ray Images 2021-Apr-29, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare9050522 PMID:33946809	研究论文	提出了一种利用人工智能和胸部X光图像自动诊断COVID-19的新方法	提出了CoVIRNet模型，结合了深度学习和机器学习技术，通过多尺度特征提取和分类，实现了95.7%的准确率，特征提取器与随机森林分类器结合达到了97.29%的准确率	由于COVID-19数据集较小，存在过拟合的风险	开发一种非侵入性技术，利用人工智能自动检测疑似COVID-19患者	COVID-19患者的胸部X光图像	计算机视觉	传染病	深度学习	Inception-ResNet	图像	有限数量的COVID-19患者胸部X光图像
16503	2024-09-19	Transfer learning for establishment of recognition of COVID-19 on CT imaging using small-sized training datasets 2021-Apr-22, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2021.106849 PMID:33584016	研究论文	本文利用迁移学习技术，基于小规模训练数据集，建立了用于CT影像识别COVID-19的方法	本文首次采用迁移学习结合DensNet-121模型，利用CheXNet预训练网络在小规模数据集上进行微调，实现了COVID-19的高精度识别	本文方法依赖于预训练网络的性能，且仅在COVID-19-CT数据集上进行了验证	开发一种基于CT影像的高效COVID-19识别方法，以减轻临床和放射科医生的负担	COVID-19的CT影像识别	计算机视觉	COVID-19	迁移学习	DensNet-121	CT影像	小规模数据集
16504	2024-09-19	Deep Learning-Driven Automated Detection of COVID-19 from Radiography Images: a Comparative Analysis 2021-Mar-02, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-020-09779-5 PMID:33680209	研究论文	本文详细研究了基于深度学习的COVID-19自动检测方法，并进行了模型性能的基准测试	首次对315种深度学习模型在COVID-19检测中的性能进行了基准测试，并发现DenseNet201模型结合Quadratic SVM分类器表现最佳	研究主要集中在X射线图像上，未涵盖其他类型的医学影像数据	评估和比较不同深度学习模型在COVID-19检测中的性能	COVID-19、正常和肺炎的X射线图像	计算机视觉	COVID-19	深度学习	DenseNet201	图像	来自四个数据集的X射线图像，共315个模型
16505	2024-09-19	Machine and Deep Learning towards COVID-19 Diagnosis and Treatment: Survey, Challenges, and Future Directions 2021-01-27, International journal of environmental research and public health DOI:10.3390/ijerph18031117 PMID:33513984	综述	本文综述了基于人工智能的机器学习和深度学习方法在COVID-19诊断和治疗中的应用	总结了现有的最先进方法及其在COVID-19中的应用，并提供了未来研究方向	NA	探讨人工智能技术在COVID-19诊断和治疗中的应用及其未来发展方向	COVID-19的诊断和治疗	机器学习	COVID-19	机器学习 (ML) 和深度学习 (DL)	NA	NA	NA
16506	2024-09-18	EGDP based feature extraction and deep convolutional belief network for brain tumor detection using MRI image 2024-Sep-16, Network (Bristol, England) DOI:10.1080/0954898X.2024.2389248 PMID:39285629	研究论文	本文提出了一种基于MRI图像的脑肿瘤检测的深度学习框架	提出了EGDP特征提取方法和深度卷积信念网络（DCvB-Net）用于脑肿瘤检测	未提及具体局限性	开发一种新的深度学习方法用于MRI图像的脑肿瘤检测	MRI图像中的脑肿瘤	计算机视觉	脑肿瘤	深度学习	深度卷积信念网络（DCvB-Net）	图像	未提及具体样本数量
16507	2024-09-17	NeuroPred-ResSE: Predicting neuropeptides by integrating residual block and squeeze-excitation attention mechanism 2024-Dec, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115648 PMID:39154878	研究论文	本文提出了一种基于残差块和挤压激励注意力机制的NeuroPred-ResSE模型，用于预测神经肽	整合了残差块和挤压激励注意力机制，提高了神经肽预测的准确性	未提及	开发一种快速且准确的神经肽预测模型	神经肽及其在神经疾病治疗中的应用	机器学习	神经疾病	深度学习	残差块和挤压激励注意力机制	序列数据	未提及具体样本数量
16508	2024-09-17	The development of machine learning approaches in two-dimensional NMR data interpretation for metabolomics applications 2024-Dec, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115654 PMID:39187053	研究论文	本文开发了一种基于机器学习的二维核磁共振（2D NMR）数据处理方法，用于代谢组学中的定量分析	提出了结合部分最小二乘判别分析（PLS-DA）、人工神经网络分类（ANN-DA）、梯度提升树分类（XGBoost-DA）和人工深度学习神经网络分类（ANNDL-DA）的自动化峰值选择方法，显著提高了2D NMR数据处理的准确性	PLS-DA和XGBoost-DA在数据变化或过拟合方面存在局限性	开发一种自动化方法，将二维核磁共振（2D NMR）数据应用于代谢组学中的常规定量分析	标准混合物、海葵提取物和小鼠粪便样本	代谢组学	NA	二维核磁共振（2D NMR）	人工神经网络（ANN）、深度学习神经网络（ANNDL）、部分最小二乘判别分析（PLS-DA）、梯度提升树（XGBoost）	核磁共振数据	标准混合物、海葵提取物和小鼠粪便样本
16509	2024-09-17	Using machine learning to predict carotid artery symptoms from CT angiography: A radiomics and deep learning approach 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100594 PMID:39280120	研究论文	评估放射组学和深度学习方法在从颈动脉CT血管造影图像中识别有症状的颈动脉疾病中的应用	本文引入了放射组学和深度学习方法，并与传统的钙评分进行了性能比较	需要进一步的工作来验证这些新技术的临床应用	评估放射组学和深度学习方法在识别有症状的颈动脉疾病中的有效性	颈动脉CT血管造影图像	计算机视觉	心血管疾病	放射组学、深度学习	卷积神经网络（CNN）	图像	132条颈动脉（41条有症状、41条无症状、50条无症状）
16510	2024-09-17	The impact of deep learning image reconstruction of spectral CTU virtual non contrast images for patients with renal stones 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100599 PMID:39280122	研究论文	比较深度学习图像重建（DLIR）和自适应统计迭代重建-Veo（ASIR-V）重建的虚拟非对比（VNC）图像与真实非对比（TNC）图像在肾结石检测中的图像质量和准确性	深度学习图像重建（DLIR）在光谱CT尿路造影（CTU）中重建的虚拟非对比（VNC）图像提供了比传统真实非对比（TNC）图像更好的图像质量，同时保持了相似的肾结石检测准确性	研究为回顾性分析，样本量有限，未涉及临床剂量节省的具体应用	评估深度学习图像重建（DLIR）在光谱CT尿路造影（CTU）中重建的虚拟非对比（VNC）图像与传统真实非对比（TNC）图像在肾结石检测中的图像质量和准确性	肾结石检测的图像质量和准确性	计算机视觉	泌尿系统疾病	深度学习图像重建（DLIR）	深度学习模型	图像	70名接受腹部-骨盆CTU检查的患者
16511	2024-09-17	Human-robot interaction in motor imagery: A system based on the STFCN for unilateral upper limb rehabilitation assistance 2024-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110240 PMID:39111412	研究论文	本文设计了一种基于STFCN的精细级MI-BCI系统，用于单侧上肢康复辅助	提出了空间-时间滤波卷积网络（STFCN）算法，用于提高单个部位的分类精度	仅在四分类在线实验中验证了系统的有效性，样本量较小	开发一种精细级的MI-BCI系统，用于单侧上肢康复辅助	单侧上肢康复辅助	机器学习	NA	空间-时间滤波卷积网络（STFCN）	卷积神经网络（CNN）	脑电信号	6名志愿者参与了四分类在线实验
16512	2024-09-17	Decoding micro-electrocorticographic signals by using explainable 3D convolutional neural network to predict finger movements 2024-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110251 PMID:39151656	研究论文	本研究使用可解释的3D卷积神经网络模型解码微电极皮层电图信号，以预测手指运动	引入3D卷积神经网络模型和可解释的人工智能技术，显著提高了手指运动预测的准确性，并提供了对模型决策过程的清晰解释	NA	提高从电极皮层电图数据中解码手指运动的准确性和可解释性	癫痫患者在清醒开颅手术期间的电极皮层电图信号	机器学习	NA	3D卷积神经网络	3D-CNN	电极皮层电图数据	NA
16513	2024-09-17	A minimalistic approach to classifying Alzheimer's disease using simple and extremely small convolutional neural networks 2024-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110253 PMID:39168252	研究论文	研究使用极简的3D卷积神经网络SFCN对阿尔茨海默病进行分类	提出了一种极简的3D卷积神经网络SFCN，并证明其在阿尔茨海默病分类中与更复杂的架构相比具有竞争力	研究仅限于使用T1加权磁共振成像数据，未探讨其他类型的神经影像数据	探讨现代灵活架构如EfficientNet是否比标准架构在阿尔茨海默病分类中表现更优	阿尔茨海默病和健康对照组的分类	计算机视觉	阿尔茨海默病	T1加权磁共振成像	3D卷积神经网络	图像	数据来自阿尔茨海默病神经影像学倡议(ADNI)
16514	2024-09-17	NeuroQuantify - An image analysis software for detection and quantification of neuron cells and neurite lengths using deep learning 2024-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110273 PMID:39197681	研究论文	开发了一种名为NeuroQuantify的图像分析软件，利用深度学习技术检测和量化神经元细胞及神经突长度	NeuroQuantify软件能够自动检测和量化神经元细胞及神经突长度，并识别神经突方向，相较于现有方法，其在自动和准确分析神经元结构方面有所改进	NA	开发一种能够快速有效地评估神经网络发育的工具	神经元细胞和神经突	计算机视觉	NA	深度学习	NA	图像	NA
16515	2024-09-17	Xerostomia prediction in patients with nasopharyngeal carcinoma during radiotherapy using segmental dose distribution in dosiomics and radiomics models 2024-Nov, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2024.107000 PMID:39226775	研究论文	本研究旨在整合放射组学和剂量组学特征，开发预测鼻咽癌放疗后口干症的模型	首次采用剂量分割策略，将总剂量分布分为四个分段剂量分布，并结合深度学习和手动定义的特征提取方法	本研究为回顾性分析，样本量有限，未来需进一步验证模型的泛化能力	开发预测鼻咽癌放疗后口干症的模型	鼻咽癌患者放疗后的口干症	数字病理学	鼻咽癌	放射组学、剂量组学	随机森林、支持向量机	图像	363名鼻咽癌患者
16516	2024-09-17	Artificial Intelligence vs. Doctors: Diagnosing Necrotizing Enterocolitis on Abdominal Radiographs 2024-Oct, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2024.06.001 PMID:38955625	研究论文	研究使用深度学习模型ResNet-50来诊断新生儿坏死性小肠结肠炎（NEC），并与资深外科住院医师的诊断准确性进行比较	首次将深度学习模型应用于新生儿坏死性小肠结肠炎的放射影像诊断，并展示了其与资深外科住院医师相当的诊断准确性	研究样本仅来自单一机构，且未使用普遍应用的“金标准”进行诊断	评估深度学习模型在诊断新生儿坏死性小肠结肠炎中的准确性，并比较其与资深外科住院医师的诊断能力	新生儿坏死性小肠结肠炎的腹部放射影像	计算机视觉	新生儿疾病	深度学习	ResNet-50	图像	494张新生儿腹部放射影像（214张为NEC，280张为其他）
16517	2024-09-17	Progression or Aging? A Deep Learning Approach for Distinguishing Glaucoma Progression From Age-Related Changes in OCT Scans 2024-Oct, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.04.030 PMID:38703802	研究论文	开发了一种深度学习算法，用于在缺乏参考标准的情况下，通过光学相干断层扫描（OCT）图像检测青光眼进展	提出了噪声正未标记（Noise-PU）深度学习模型，结合卷积神经网络（CNN）和长短期记忆网络（LSTM），用于区分青光眼进展和年龄相关变化	研究基于回顾性队列，且依赖于特定的OCT设备（Spectralis, Heidelberg Engineering）	开发一种深度学习算法，用于在缺乏参考标准的情况下，通过OCT图像检测青光眼进展	青光眼和健康眼的OCT图像序列	机器学习	眼科疾病	光学相干断层扫描（OCT）	卷积神经网络（CNN）和长短期记忆网络（LSTM）结合模型	图像	3253只眼（1859名受试者），共8785个随访序列，平均随访时间为3.5 ± 1.6年
16518	2024-09-17	Automatic diagnosis for adenomyosis in ultrasound images by deep neural networks 2024-Oct, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2024.07.046 PMID:39121648	研究论文	本文介绍了一种基于深度神经网络的自动诊断子宫腺肌症的新技术	提出了一种基于Transformer网络的端到端统一网络框架A2DNet，用于自动诊断子宫腺肌症	NA	开发一种非侵入性的自动诊断子宫腺肌症的新技术	子宫腺肌症的自动诊断	计算机视觉	妇科疾病	深度学习	Transformer网络	图像	1654名患者
16519	2024-09-17	Schizophrenia diagnosis using the GRU-layer's alpha-EEG rhythm's dependability 2024-Oct, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2024.111886 PMID:39217668	研究论文	本文提出了一种基于门控循环单元（GRU）和alpha-EEG节律的深度学习模型，用于精神分裂症（SZ）的诊断	本文创新性地提出了Rudiment Densely-Coupled Convolutional Gated Recurrent Unit（RDCGRU）模型，用于基于EEG节律（gamma, beta, alpha, theta, 和 delta）的精神分裂症诊断	NA	研究目的是验证alpha-EEG节律在基于门控循环单元的深度学习模型中诊断精神分裂症的可靠性	研究对象是精神分裂症患者和alpha-EEG节律	机器学习	精神疾病	深度学习	门控循环单元（GRU）	脑电图（EEG）	NA
16520	2024-09-17	Deep Learning Prediction for Distal Aortic Remodeling After Thoracic Endovascular Aortic Repair in Stanford Type B Aortic Dissection 2024-Oct, Journal of endovascular therapy : an official journal of the International Society of Endovascular Specialists IF:1.7Q2 DOI:10.1177/15266028231160101 PMID:36927177	研究论文	本研究旨在开发一种深度学习模型，用于预测斯坦福B型主动脉夹层患者在接受胸主动脉腔内修复术后远端主动脉的重塑情况	本研究首次使用卷积神经网络（CNN）和点云神经网络（PC-NN）来预测主动脉重塑情况，并发现PC-NN在预测负性主动脉重塑和再干预方面优于CNN	本研究为回顾性研究，样本量相对较小，且仅在一个中心进行	开发一种基于CTA的深度学习算法，用于自动化预测胸主动脉腔内修复术后远端主动脉的重塑情况	斯坦福B型主动脉夹层患者在接受胸主动脉腔内修复术后的远端主动脉重塑情况	计算机视觉	心血管疾病	CTA	CNN, PC-NN	图像	147例急性或亚急性斯坦福B型主动脉夹层患者