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
17021	2024-09-14	Deep-Learning-Based Automatic Segmentation of Parotid Gland on Computed Tomography Images 2023-Feb-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13040581 PMID:36832069	研究论文	本研究开发了一种基于U-Net架构的算法，用于在头部和颈部CT图像上自动分割腮腺，并评估模型的性能	首次使用U-Net架构在CT图像上自动分割腮腺	研究样本量较小，仅为30个CT体积	开发和评估一种自动分割腮腺的算法	腮腺的自动分割	计算机视觉	NA	NA	U-Net	图像	30个头部和颈部CT体积，共931张轴向图像
17022	2024-09-14	Blockchain-Federated and Deep-Learning-Based Ensembling of Capsule Network with Incremental Extreme Learning Machines for Classification of COVID-19 Using CT Scans 2023-Feb-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10020203 PMID:36829697	研究论文	本文提出了一种基于区块链和联邦学习的深度学习模型，结合胶囊网络和增量极限学习机，用于通过CT扫描图像分类COVID-19患者	创新点包括使用区块链技术确保数据隐私，通过联邦学习训练全局模型，以及结合胶囊网络和增量极限学习机进行分类	NA	开发一种有效且隐私保护的COVID-19分类方法	COVID-19患者的CT扫描图像	计算机视觉	COVID-19	区块链技术，联邦学习	胶囊网络，增量极限学习机	图像	五个不同数据库（多家医院）的数据
17023	2024-09-14	Learning Pathways and Students Performance: A Dynamic Complex System 2023-Feb-03, Entropy (Basel, Switzerland) DOI:10.3390/e25020291 PMID:36832657	研究论文	本研究通过学生与学习管理系统（LMS）交互的日志数据构建网络模型，分析学生的学习路径及其对学习表现的影响	本研究首次通过分形方法提取相关学习活动节点，并使用深度学习网络对学生的学习路径进行分类，以预测学习表现	研究样本仅限于422名参与混合课程的学生，可能限制了结果的普适性	探讨学生学习路径的宏观涌现性和非加和性特征，以及微观层面的等终性	422名参与混合课程的学生的学习路径及其学习表现	机器学习	NA	深度学习网络	深度学习网络	网络数据	422名学生
17024	2024-09-14	Two-Stage CNN Whole Heart Segmentation Combining Image Enhanced Attention Mechanism and Metric Classification 2023-02, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00708-6 PMID:36175600	研究论文	提出了一种结合图像增强注意力机制和度量分类的两阶段CNN全心脏分割方法	采用Log-Gabor滤波器注意力机制和度量分类网络，增强了纹理和轮廓信息，并优化了难以分割的边界	未提及	提高心脏医学影像中多种组织和器官的分割精度	心脏MRI切片中的多种组织和器官	计算机视觉	心血管疾病	Log-Gabor滤波器	CNN	图像	7种心脏组织
17025	2024-09-14	Using pose estimation to identify regions and points on natural history specimens 2023-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010933 PMID:36812227	研究论文	本文测试了一种基于深度学习的姿态估计方法，用于在自然历史标本图像上准确标注关键位置点	提出了一种基于深度学习的姿态估计方法，能够高效地从数字化生物标本图像中提取表型测量数据	NA	探索如何利用高吞吐量方法从数字化生物标本数据中提取表型测量数据	鸟类标本和Littorina蜗牛壳的图像	计算机视觉	NA	深度学习	姿态估计	图像	鸟类数据集95%的图像被正确标注，Littorina数据集超过95%的标志点被准确放置
17026	2024-09-14	Advances in Diagnosis, Therapy, and Prognosis of Coronary Artery Disease Powered by Deep Learning Algorithms 2023-Feb, JACC. Asia DOI:10.1016/j.jacasi.2022.12.005 PMID:36873752	综述	本文综述了深度学习算法在冠状动脉疾病诊断、治疗和预后中的应用	深度学习算法提高了介入解决方案的效率和客观性，实现了高自动化、低辐射和增强的风险分层	泛化性、可解释性和监管问题仍是需要解决的挑战	探讨深度学习算法的发展及其在临床应用中的评估指标	冠状动脉疾病患者的诊断、治疗和预后	机器学习	心血管疾病	深度学习	深度学习算法	图像	NA
17027	2024-09-14	ChromDL: A Next-Generation Regulatory DNA Classifier 2023-Jan-29, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.27.525971 PMID:36789431	研究论文	本文介绍了一种名为ChromDL的神经网络架构，结合了双向门控循环单元（BiGRU）、卷积神经网络（CNN）和双向长短期记忆单元（BiLSTM），用于预测非编码DNA的调控功能	ChromDL在转录因子结合位点（TFBS）、组蛋白修饰（HM）和DNase-I超敏感位点（DHS）检测方面显著优于其前身，并能更准确地检测弱转录因子（TF）结合	NA	开发一种新的神经网络架构，用于预测非编码DNA的调控功能	非编码DNA的调控功能	机器学习	NA	深度学习	混合神经网络（BiGRU、CNN、BiLSTM）	DNA序列	数千种深度学习架构的性能比较
17028	2024-09-14	Myocardial Segmentation of Tagged Magnetic Resonance Images with Transfer Learning Using Generative Cine-To-Tagged Dataset Transformation 2023-Jan-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10020166 PMID:36829660	研究论文	本文开发并比较了两种用于标记磁共振图像心肌分割的深度学习模型，并展示了预训练模型在性能和收敛速度上的优势	提出了两种将心脏图像转换为标记图像的方法，并利用生成对抗网络进行风格迁移，从而利用大规模公开注释数据集	初始心肌参考点的选择仍需领域专家手动输入	提高心肌分割模型的性能，减少测量心肌应变所需的时间	标记磁共振图像中的心肌	计算机视觉	心血管疾病	深度学习	生成对抗网络 (GAN)	图像	NA
17029	2024-09-14	Design and Prediction of Aptamers Assisted by In Silico Methods 2023-Jan-26, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines11020356 PMID:36830893	综述	本文介绍了通过计算机方法辅助设计与预测适配体的过程	本文探讨了通过构象结构预测、分子对接和分子动力学模拟等计算机方法来估计适配体与目标分子的结合，并介绍了机器学习和深度学习技术在预测目标与配体结合中的应用	NA	探讨通过计算机方法辅助适配体的设计与预测，以减少筛选和优化适配体的繁琐工作	适配体与目标分子的结合	生物信息学	NA	分子对接、分子动力学模拟	机器学习、深度学习	NA	NA
17030	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
17031	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
17032	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
17033	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
17034	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%
17035	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
17036	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
17037	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
17038	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
17039	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
17040	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