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
17041	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
17042	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
17043	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
17044	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
17045	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
17046	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
17047	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
17048	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
17049	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
17050	2024-09-14	A systematic review on recent trends in transmission, diagnosis, prevention and imaging features of COVID-19 2020-Nov, Process biochemistry (Barking, London, England) DOI:10.1016/j.procbio.2020.08.016 PMID:32843849	综述	本文综述了COVID-19的传播方式、诊断方法、预防措施以及影像学特征的最新趋势	介绍了人工智能和深度学习算法在COVID-19诊断中的应用潜力，并提出了无人机热成像筛查等新技术的发展方向	未详细讨论新技术在实际应用中的可行性和局限性	探讨COVID-19的传播、诊断、预防和影像学特征的最新进展	COVID-19的传播方式、诊断方法、预防措施以及影像学特征	NA	传染病	计算机断层扫描(CT)、反转录聚合酶链反应(RT-PCR)、免疫荧光色谱法	深度学习算法	NA	NA
17051	2024-09-14	Cone-beam CT-derived relative stopping power map generation via deep learning for proton radiotherapy 2020-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.14347 PMID:32579710	研究论文	本文提出了一种基于深度学习的方法，用于从锥形束CT图像中生成相对停止功率图，以实现质子放射治疗中的在线剂量计算	本文创新性地使用基于cycle-GAN架构的深度学习网络，通过设计复合损失函数来生成高质量的相对停止功率图，从而实现在线剂量计算	本文仅在23名头颈部癌症患者中进行了验证，未来需要在更多患者和不同类型的癌症中进行进一步验证	旨在提高质子放射治疗中剂量分布的准确性，减少对正常组织的过度照射	头颈部癌症患者	计算机视觉	头颈部癌症	深度学习	cycle-GAN	图像	23名头颈部癌症患者
17052	2024-09-14	High quality proton portal imaging using deep learning for proton radiation therapy: a phantom study 2020-04-27, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ab8a74 PMID:33438674	研究论文	本文提出了一种基于深度学习的方法，利用kV数字化重建放射图（DRR）来提高质子门户成像（PPI）的质量	本文创新性地使用残差生成对抗网络（GAN）框架来学习PPI和DRR之间的非线性映射，并通过残差块来强调两者之间的结构差异	本文仅在模拟数据上进行了验证，尚未在临床环境中进行测试	提高质子放射治疗中的质子门户成像质量，以便在治疗过程中验证肿瘤位置	质子门户成像（PPI）和数字化重建放射图（DRR）	计算机视觉	NA	深度学习	生成对抗网络（GAN）	图像	训练集包含149张图像，测试集包含30张图像
17053	2024-09-14	[Research and application of orthotopic DR chest radiograph quality control system based on artificial intelligence] 2020-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.201904017 PMID:32096390	研究论文	本文研究并应用了基于人工智能的正位DR胸部X光片质量控制系统	本文展示了深度学习算法在医学图像大数据有效训练中比传统图像处理算法更准确和高效，并开发了一套智能质量控制系统	NA	研究并实现计算机辅助的医学图像质量控制	正位DR胸部X光片的质量控制	计算机视觉	NA	深度学习算法	图像分割模型和图像分类模型	图像	涉及大量医学图像数据
17054	2024-09-14	[Deep residual convolutional neural network for recognition of electrocardiogram signal arrhythmias] 2019-Apr-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.201712031 PMID:31016934	研究论文	提出了一种结合小波自适应阈值去噪和深度残差卷积神经网络的算法，用于多类心律失常信号的识别	设计了一个包含多个残差块的20层卷积神经网络，解决了传统CNN在网络深度增加时的退化问题，并通过批量归一化提高了收敛性	NA	提高心电图信号中心律失常的识别准确率，并将其应用于家庭和养老院等非医院场景	心电图信号中的多类心律失常	机器学习	心血管疾病	小波自适应阈值去噪	深度残差卷积神经网络 (DR-CNN)	信号	94,091个2导联心搏数据
17055	2024-09-14	[Computer-aided diagnosis of Parkinson's disease based on the stacked deep polynomial networks ensemble learning framework] 2018-12-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.201709030 PMID:30583319	研究论文	本文提出了一种基于堆叠深度多项式网络（SDPN）的集成学习框架，用于帕金森病（PD）的计算机辅助诊断（CAD）	引入了一种新的监督深度学习算法——深度多项式网络（DPN），并在此基础上构建了堆叠DPN（SDPN）集成学习框架，显著提高了小数据集上的诊断准确性	NA	提高基于磁共振成像（MRI）的帕金森病计算机辅助诊断的准确性	帕金森病（PD）的诊断	计算机视觉	神经退行性疾病	深度学习	深度多项式网络（DPN）	图像	使用了Parkinson's Progression Markers Initiative数据集（PPMI）中的MRI图像数据
17056	2024-09-14	[Research of electroencephalography representational emotion recognition based on deep belief networks] 2018-04-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.201706035 PMID:29745522	研究论文	本文利用深度信念网络（DBN）模型处理脑电图（EEG）信号，识别情绪状态（积极、消极和中性），并与支持向量机（SVM）进行比较	本文首次在开源深度学习框架中使用DBN模型进行情绪识别，并发现DBN在分类准确性和稳定性上优于传统的SVM	研究仍需进一步深入，以建立更准确的情绪识别系统	探索深度学习算法在情绪识别中的应用，提高分类器的性能	脑电图（EEG）信号的情绪状态识别	机器学习	NA	深度信念网络（DBN）	深度信念网络（DBN）	脑电图（EEG）信号	不同情绪刺激下的受试者脑电图信号
17057	2024-09-13	Sugarcane disease recognition through visible and near-infrared spectroscopy using deep learning assisted continuous wavelet transform-based spectrogram 2025-Jan-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125001 PMID:39180971	研究论文	本研究利用可见光和近红外光谱结合深度学习辅助的连续小波变换光谱图，提高甘蔗病害识别的准确性	本研究创新性地将卷积神经网络与连续小波变换结合，用于提取可见光和近红外光谱中的特征，以提高甘蔗病害识别的准确性	本研究仅使用了130个甘蔗叶样本，样本量相对较小，可能影响模型的泛化能力	本研究的目的是通过结合深度学习和光谱分析技术，提高甘蔗病害识别的准确性	本研究的对象是甘蔗病害的识别	机器学习	NA	可见光和近红外光谱	卷积神经网络	光谱图	130个甘蔗叶样本
17058	2024-09-13	Unveiling the black box: A systematic review of Explainable Artificial Intelligence in medical image analysis 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.08.005 PMID:39252818	综述	本文系统回顾了应用于医学图像分析的可解释人工智能（XAI）方法，讨论了当前的挑战和未来的研究方向，并探讨了评估XAI方法的指标	本文强调了先进的XAI方法，并指出了它们如何满足ML/DL决策中对透明度和信任的需求	本文指出了XAI方法面临的挑战，并提出了未来研究方向以改进医疗领域的XAI	本文旨在弥合尖端计算技术与其在医疗保健中的实际应用之间的差距，促进AI在医疗环境中更透明、可信和有效的使用	本文研究了应用于医学图像分析的可解释人工智能（XAI）方法	计算机视觉	NA	可解释人工智能（XAI）	NA	图像	NA
17059	2024-09-13	Domain-knowledge enabled ensemble learning of 5-formylcytosine (f5C) modification sites 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.08.004 PMID:39253057	研究论文	本文介绍了一种创新的集成学习方法，用于计算识别5-甲酰胞嘧啶（f5C）修饰位点	通过整合32个新颖的领域衍生基因组特征，显著提高了单个模型的性能，并构建了集成模型以进一步增强准确性和鲁棒性	NA	开发一种计算方法来准确识别f5C修饰位点，以揭示其分子功能和调控机制	5-甲酰胞嘧啶（f5C）修饰位点	机器学习	NA	集成学习	循环神经网络、卷积神经网络和基于Transformer的模型	序列信息	NA
17060	2024-09-13	A deep learning-based model for estimating pollution fluxes from rivers into the sea and its optimization 2024-Nov-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175434 PMID:39128526	研究论文	本文基于流域-河口-近岸水体系统的源汇过程，建立了一个深度学习模型来估算河流向海洋的污染通量，并分析了其时空异质性	提出了一个基于深度学习的模型来简化污染通量的估算，并提出了一种估算不同空间梯度污染通量贡献率的方法	NA	研究过去40年污染通量的变化趋势及其驱动机制，并建立一个简化的深度学习模型来估算污染通量	渤海沿岸流域的污染通量及其时空异质性	机器学习	NA	深度学习	深度学习模型	社会经济数据和气象数据	1980年至2020年间的数据，包括总氮和总磷的污染通量