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
16901	2024-09-14	Correlative Fluorescence and Raman Microscopy to Define Mitotic Stages at the Single-Cell Level: Opportunities and Limitations in the AI Era 2023-Jan-26, Biosensors DOI:10.3390/bios13020187 PMID:36831953	综述	本文综述了在人工智能时代，结合荧光显微镜和拉曼显微光谱技术在单细胞水平上定义有丝分裂阶段的机会和局限性	提出了基于神经网络的新方法，并讨论了人工智能，特别是深度学习，在分析拉曼光谱数据以分类有丝分裂细胞阶段方面的机会和局限性	亚细胞光谱图复杂且难以解释	探讨荧光显微镜和拉曼显微光谱技术结合在单细胞水平上定义有丝分裂阶段的应用及其在人工智能时代的潜力	单细胞水平上的有丝分裂阶段	生物学	NA	荧光显微镜和拉曼显微光谱技术	神经网络	光谱图	NA
16902	2024-09-14	Jointly Learning Non-Cartesian k-Space Trajectories and Reconstruction Networks for 2D and 3D MR Imaging through Projection 2023-Jan-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10020158 PMID:36829652	研究论文	本文提出了一种联合学习非笛卡尔k空间轨迹和重建网络的方法，用于2D和3D磁共振成像	通过投影步骤强制执行硬件约束，而不是在训练损失中添加额外的惩罚项，从而使k空间轨迹在投影方案下更加灵活，提高了重建图像的质量	NA	改进磁共振成像中的压缩感知方法，特别是在非笛卡尔采集设置下	非笛卡尔k空间轨迹和图像重建网络	计算机视觉	NA	磁共振成像	NA	图像	在fastMRI数据集上的2D研究中，使用了20倍加速因子，3D研究中使用了数据驱动的联合学习方法
16903	2024-09-14	Detection of Colorectal Polyps from Colonoscopy Using Machine Learning: A Survey on Modern Techniques 2023-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s23031225 PMID:36772263	综述	本文综述了利用机器学习技术从结肠镜检查中检测结直肠息肉的现代方法	本文总结了最新的研究成果，并分析了现有方法的差距和趋势，为未来的研究提供了方向	现有方法面临的主要问题包括训练数据不足、白光反射和模糊等问题	探讨利用人工智能辅助工具在医疗领域中的应用，特别是结直肠息肉的检测和分类	结直肠息肉的检测和分类	机器学习	结直肠癌	深度学习	NA	图像	NA
16904	2024-09-14	Deep Learning-Based Segmentation and Volume Calculation of Pediatric Lymphoma on Contrast-Enhanced Computed Tomographies 2023-Jan-20, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm13020184 PMID:36836418	研究论文	本文提出了一种基于深度学习的自动分割方法，用于儿童淋巴瘤在增强CT上的分割和体积计算	本文首次提出了一种基于nnU-Net的自动分割方法，用于儿童胸腔淋巴瘤的分割	该方法在测试集上的Dice分数为0.81，但需要在大规模数据集上进行外部验证	开发一种自动化的分割方法，用于儿童淋巴瘤的诊断和监测	儿童胸腔淋巴瘤	计算机视觉	淋巴瘤	深度学习	nnU-Net	图像	30个CT扫描
16905	2024-09-14	[Comparison of prediction ability of two extended Cox models in nonlinear survival data analysis] 2023-Jan-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2023.01.10 PMID:36856213	研究论文	比较两种扩展Cox模型在非线性生存数据分析中的预测能力	通过蒙特卡罗模拟和实证研究，比较了限制性立方样条Cox模型和DeepSurv神经网络Cox模型在非线性生存数据分析中的预测能力	研究结果表明，在某些条件下，传统的生存分析方法并不逊色于机器学习或深度学习方法	比较两种扩展Cox模型在非线性生存数据分析中的预测能力	限制性立方样条Cox模型和DeepSurv神经网络Cox模型	机器学习	NA	蒙特卡罗模拟	Cox模型	生存数据	样本量≥500，删除率<40%
16906	2024-09-14	Deep Learning-Based Medical Images Segmentation of Musculoskeletal Anatomical Structures: A Survey of Bottlenecks and Strategies 2023-Jan-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10020137 PMID:36829631	综述	本文综述了基于深度学习的肌肉骨骼解剖结构医学图像分割的瓶颈和策略	本文系统地总结了肌肉骨骼结构分析中的常见瓶颈和相关策略	不同方法需要根据具体案例进行比较和讨论	旨在介绍肌肉骨骼结构分析中的常见瓶颈和相关策略	肌肉骨骼系统的解剖结构	计算机视觉	NA	深度学习	NA	图像	140篇文章
16907	2024-09-14	Elucidating the functional roles of prokaryotic proteins using big data and artificial intelligence 2023-01-16, FEMS microbiology reviews IF:10.1Q1 DOI:10.1093/femsre/fuad003 PMID:36725215	综述	本文综述了利用大数据和人工智能技术阐明原核生物蛋白质功能的方法	本文介绍了利用人工智能技术处理大规模'组学'数据以填补假设蛋白质（HPs）功能知识空白的创新方法	NA	帮助生物学家应用AI工具进行全面的基因组注释，并协助计算机科学家参与这一前沿生物学研究	原核生物蛋白质的功能注释	生物信息学	NA	下一代测序技术	机器学习与深度学习算法	蛋白质序列数据	NA
16908	2024-09-14	Dual-branch collaborative learning network for crop disease identification 2023, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2023.1117478 PMID:36844059	研究论文	提出了一种用于作物病害识别的双分支协作学习网络DBCLNet	采用双分支协作模块提取图像的全局和局部特征，并嵌入通道注意力机制进行特征细化，设计了特征级联模块以进一步学习更抽象的特征	NA	提高作物病害识别的效率和准确性	38种作物病害的识别	计算机视觉	NA	卷积神经网络	CNN	图像	Plant Village数据集中的811个样本
16909	2024-09-14	A lightweight attention deep learning method for human-vehicle recognition based on wireless sensing technology 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1135986 PMID:36845434	研究论文	提出了一种基于无线传感技术的轻量级注意力深度学习方法用于人车识别	提出了轻量级无线传感注意力深度学习模型（LW-WADL），结合深度可分离卷积和卷积块注意力机制（CBAM），显著提高了人车分类任务的性能并减少了模型大小	未提及	解决现有无线传感技术在人车识别任务中性能有限和执行时间慢的问题	人车识别任务	计算机视觉	NA	深度学习	深度可分离卷积和卷积块注意力机制（CBAM）	通道状态信息（CSI）	未提及具体样本数量
16910	2024-09-14	Knowledge graph analysis and visualization of artificial intelligence applied in electrocardiogram 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1118360 PMID:36846320	研究论文	本研究通过文献计量和可视化知识图谱方法，分析了人工智能在心电图研究中的应用发展过程	采用CiteSpace和VOSviewer平台进行综合计量和可视化分析，探索了人工智能在心电图应用中的合作、共现和共引情况	主要依赖于Web of Science Core Collection数据库中的文献，可能存在数据偏差	分析人工智能在心电图研究中的应用发展过程及其研究热点	2021年之前Web of Science Core Collection数据库中的2,229篇相关文献	机器学习	NA	知识图谱分析	NA	文本	2,229篇文献
16911	2024-09-14	Tree-level almond yield estimation from high resolution aerial imagery with convolutional neural network 2023, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2023.1070699 PMID:36875622	研究论文	本文研究了利用高分辨率航空影像和卷积神经网络（CNN）进行树级杏仁产量的估算	本文展示了深度学习在树级产量估算方面相对于传统线性回归和机器学习方法的显著改进	NA	研究树级杏仁产量的估算方法，以支持精准农业资源管理	加州'Independence'品种的杏仁果园	计算机视觉	NA	卷积神经网络（CNN）	CNN	多光谱影像	约2000棵树
16912	2024-09-14	Sentiment analysis and emotion detection of post-COVID educational Tweets: Jordan case 2023, Social network analysis and mining IF:2.3Q3 DOI:10.1007/s13278-023-01041-8 PMID:36880094	研究论文	研究分析了约旦社区在新冠疫情后对混合教育模式的情感和观点	利用自然语言处理和深度学习模型分析推特数据，探讨了约旦社区对混合教育模式的情感反应	研究仅基于推特数据，可能无法全面反映所有社区成员的观点	探讨新冠疫情后约旦社区对混合教育模式的情感和观点	约旦社区在新冠疫情后对混合教育模式的情感和观点	自然语言处理	NA	自然语言处理	深度学习模型	文本	分析了约旦社区的推特数据，样本量为100%的社区成员
16913	2024-09-14	Deep learning in breast imaging 2022, BJR open DOI:10.1259/bjro.20210060 PMID:36105427	review	本文综述了深度学习在乳腺癌影像中的应用，包括癌症检测和风险预测，并讨论了人工智能系统在该领域的挑战和未来方向	深度学习在医学影像任务中展现出超越人类水平的潜力，可能用于自动化乳腺癌筛查过程，提高癌症检测率，减少不必要的召回和活检，优化患者风险评估，并为疾病预后开辟新途径	需要前瞻性试验来验证这些工具，并开发新的监管框架以解决深度学习算法带来的独特伦理、医疗法律和质量控制问题	探讨深度学习在乳腺癌影像中的应用及其未来发展方向	乳腺癌影像的解读和处理	计算机视觉	乳腺癌	深度学习	NA	影像	NA
16914	2024-09-14	An Overview of Organs-on-Chips Based on Deep Learning 2022, Research (Washington, D.C.) DOI:10.34133/2022/9869518 PMID:35136860	综述	本文综述了基于深度学习的器官芯片技术及其在生物医学和化学研究中的应用	探讨了深度学习与器官芯片技术的结合，展示了其在药物开发、疾病建模和个性化医学中的巨大潜力	讨论了当前应用中面临的问题，并提出了未来发展的展望和建议	探讨深度学习与器官芯片技术的结合及其在生物医学领域的应用	器官芯片技术和深度学习	生物医学工程	NA	微流控技术	深度学习	图像	NA
16915	2024-09-14	Challenges of deep learning methods for COVID-19 detection using public datasets 2022, Informatics in medicine unlocked DOI:10.1016/j.imu.2022.100945 PMID:35434261	研究论文	本文探讨了使用公开数据集进行COVID-19检测的深度学习方法所面临的挑战	提出了一个名为CVR-Net的多尺度多编码器集成模型，用于验证深度学习模型在不同数据源下的表现	现有公开数据集缺乏独立测试集，导致模型容易过拟合训练数据分布	评估现有深度学习方法和数据集在COVID-19检测中的潜力，并指出其面临的挑战	COVID-19检测的深度学习模型及其在不同数据源下的表现	计算机视觉	COVID-19	深度学习	卷积神经网络	图像	使用了来自单一、多个和独立数据源的训练和测试数据集，具体样本数量未明确提及
16916	2024-09-14	Automatic delineation of cardiac substructures using a region-based fully convolutional network 2021-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.14810 PMID:33655548	研究论文	本文提出了一种基于区域的全卷积网络用于自动描绘心脏亚结构	使用了一种基于深度学习的算法，通过区域卷积神经网络（RCNN）自动生成心脏亚结构的轮廓，以帮助回顾性或前瞻性剂量学研究	该方法在冠状动脉和心脏瓣膜的分割上表现较差，平均表面距离（MSD）较大	研究放射剂量与心脏亚结构毒性之间的关系	心脏亚结构，如心房和心室	计算机视觉	NA	区域卷积神经网络（RCNN）	全卷积网络	CT图像	55个患者CT数据集，其中22个有对比扫描，45个用于三折交叉验证，10个用于保留评估
16917	2024-09-14	Evaluation of deep learning approaches for identification of different corona-virus species and time series prediction 2021-06, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2021.101921 PMID:33930734	研究论文	本文评估了多种深度学习模型在新冠病毒物种识别和时间序列预测中的应用	本文首次将多种卷积神经网络模型（如VGG、LetNet-5、AlexNet和Resnet-50）应用于新冠病毒和SARS_MERS感染患者的肺部X光扫描分类，并使用LSTM模型进行新冠病毒病例的时间序列预测	由于不同冠状病毒类型的特征重叠，肺部X光扫描的分类任务具有挑战性	开发一种自动化系统，用于区分新冠病毒阳性患者和阴性患者，并预测未来10天内的新冠病毒病例	新冠病毒和SARS_MERS感染患者的肺部X光扫描图像，以及意大利未来10天内的新冠病毒病例	计算机视觉	NA	卷积神经网络（CNN）和长短期记忆网络（LSTM）	CNN和LSTM	图像	NA
16918	2024-09-14	Echocardiographic image multi-structure segmentation using Cardiac-SegNet 2021-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.14818 PMID:33655564	研究论文	本文提出了一种基于深度学习的超声心动图多结构分割方法，使用Cardiac-SegNet网络进行自动分割	本文提出了一种无锚点的掩码卷积神经网络Cardiac-SegNet，相比传统的Mask R-CNN方法，该网络能够更好地建模目标的空间关系，并采用空间注意力策略突出显著特征	NA	开发一种基于深度学习的自动多结构分割方法，用于超声心动图的心脏边界分割，以评估心脏功能和疾病诊断	超声心动图中的左心室心内膜、左心室心外膜和左心房	计算机视觉	心血管疾病	卷积神经网络	CNN	图像	450个患者数据集，采用五折交叉验证和保留测试
16919	2024-09-14	Synthetic dual-energy CT for MRI-only based proton therapy treatment planning using label-GAN 2021-03-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abe736 PMID:33596558	研究论文	本文提出了一种基于深度学习的方法，利用label-GAN从MRI生成合成双能CT（sDECT），以计算质子治疗中的停止功率比（SPR）	本文提出了一种新的基于标签生成对抗网络（label-GAN）的模型，能够区分高能CT（HECT）和低能CT（LECT），并显著提高了sDECT的准确性	本文仅在57例头颈部癌症患者的数据集上验证了方法的有效性，未来需要在更大和更多样化的数据集上进行验证	开发一种从MRI生成合成双能CT的方法，以支持无CT的质子治疗计划	头颈部癌症患者的MRI和双能CT图像	计算机视觉	头颈部癌症	深度学习	生成对抗网络（GAN）	图像	57例头颈部癌症患者
16920	2024-09-14	Breast tumor segmentation in 3D automatic breast ultrasound using Mask scoring R-CNN 2021-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.14569 PMID:33128230	研究论文	本文开发了一种基于深度学习的方法，使用Mask scoring R-CNN进行3D自动乳腺超声中的乳腺肿瘤自动分割	本文提出了一种新颖的Mask scoring R-CNN方法，用于自动分割3D自动乳腺超声图像中的乳腺肿瘤	NA	开发一种基于深度学习的方法，用于3D自动乳腺超声中的乳腺肿瘤自动分割	3D自动乳腺超声图像中的乳腺肿瘤	计算机视觉	乳腺癌	Mask scoring R-CNN	R-CNN	图像	70名经针刺活检确诊的乳腺癌患者，其中40名用于五折交叉验证，30名用于保留测试