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	2024-09-05	Optimal Facial Feature Based Emotional Recognition Using Deep Learning Algorithm 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8379202 PMID:36177319	研究论文	本研究通过改进卷积神经网络技术，识别七种基本情绪，并评估多种预处理技术对CNN性能的影响	提出了一种基于深度学习的卷积神经网络技术，用于优化面部特征的情感识别	未使用优化技术	提高基于面部特征的情感识别准确性	七种基本情绪的识别	计算机视觉	NA	卷积神经网络	CNN	图像	约32,298张图片用于测试和训练
17042	2024-09-05	Construction of Intelligent Nursing System Based on Visual Action Recognition Algorithm 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8311371 PMID:36177321	研究论文	本文构建了一个基于视觉动作识别算法的智能护理系统，旨在通过视频监控识别老年人的生活状态，提供实时高效的护理服务	利用深度学习算法进行视觉动作识别，以满足老年人多样化的需求，并提供更高质量的生活和人文关怀	NA	开发一种智能护理系统，通过视觉动作识别算法提高老年人的生活质量和护理效率	老年人的日常生活状态，特别是正常生活状态和跌倒状态	计算机视觉	NA	深度学习算法	DL	视频	未具体说明
17043	2024-09-05	Deep learning applications in myocardial perfusion imaging, a systematic review and meta-analysis 2022, Informatics in medicine unlocked DOI:10.1016/j.imu.2022.101055 PMID:36187893	综述	本文对深度学习在心肌灌注成像中的应用进行了系统回顾和荟萃分析	深度学习在提高心肌灌注成像诊断准确性、预测患者事件和安全性方面显示出潜力	需要更多临床应用研究以实现对已知或疑似冠状动脉疾病患者的更好护理	总结深度学习在心肌灌注成像中的应用证据	深度学习在心肌灌注成像中的应用	机器学习	心血管疾病	NA	CNN	图像	46项研究
17044	2024-09-05	EasyDAM_V2: Efficient Data Labeling Method for Multishape, Cross-Species Fruit Detection 2022, Plant phenomics (Washington, D.C.) DOI:10.34133/2022/9761674 PMID:36204392	研究论文	本文提出了一种改进的数据标注方法EasyDAM_V2，用于多形状和跨物种水果检测	引入了Across-CycleGAN图像转换网络和伪标签自适应阈值选择策略，以提高数据标注的准确性	NA	旨在降低基于深度学习的水果检测模型的应用成本	多形状和跨物种水果的检测	计算机视觉	NA	GANs	CycleGAN	图像	使用了一个有标签的橙子数据集作为源域，火龙果和芒果数据集作为目标域
17045	2024-09-05	Deep learning-based amyloid PET positivity classification model in the Alzheimer's disease continuum by using 2-[18F]FDG PET 2021-Jun-10, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-021-00798-3 PMID:34114091	研究论文	本文提出了一种基于深度学习（DL）的模型，用于从2-脱氧-2-[氟-18]氟-D-葡萄糖（2-[18F]FDG）PET图像中分类阿尔茨海默病连续体中的淀粉样PET阳性情况	该模型能够在不进行有限可及性的淀粉样PET的情况下，成功分类临床实践中的淀粉样PET阳性情况	NA	开发一种基于2-[18F]FDG PET图像的深度学习模型，用于早期诊断和预测阿尔茨海默病	阿尔茨海默病患者	机器学习	阿尔茨海默病	2-[18F]FDG PET	2.5-D深度学习架构	图像	训练和内部验证数据集包含1433名参与者，外部验证数据集包含100名参与者
17046	2024-09-05	Improving the performance of deep learning models using statistical features: The case study of COVID-19 forecasting 2021-May-22, Mathematical methods in the applied sciences IF:2.1Q1 DOI:10.1002/mma.7500 PMID:34226777	研究论文	本研究提出两种结合统计特征的混合深度学习方法，用于改进COVID-19预测模型的性能	提出了一种结合统计特征的混合深度学习方法，包括多头注意力机制与统计特征的结合（ATT_FE）和卷积神经网络与统计特征的结合（CNN_FE）	NA	改进COVID-19预测模型的性能，帮助当局做出准确决策以控制疫情	COVID-19疫情数据	机器学习	COVID-19	深度学习	CNN, LSTM, 多头注意力机制	数据	10个确诊病例最多的国家
17047	2024-09-05	Generating High-Quality Lymph Node Clinical Target Volumes for Head and Neck Cancer Radiation Therapy Using a Fully Automated Deep Learning-Based Approach 2021-03-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2020.10.005 PMID:33068690	研究论文	本文开发了一种基于深度学习的全自动方法，用于生成头颈部癌症放疗的高质量淋巴结临床目标体积（CTV）轮廓。	该研究首次实现了全自动的深度学习方法来描绘头颈部癌症患者的淋巴结CTV，提高了放疗计划的自动化程度。	研究中使用的模型需要进一步优化，以减少对医生编辑的依赖，并提高不同医生间的评分一致性。	开发一种全自动的深度学习模型，用于生成头颈部癌症放疗的高质量淋巴结CTV轮廓。	头颈部癌症患者的淋巴结CTV轮廓。	计算机视觉	头颈部癌症	计算机断层扫描（CT）	U-Net	图像	71名头颈部癌症患者的CT扫描数据，其中51名用于训练，10名用于交叉验证，10名用于测试，另外32名用于最终模型验证。
17048	2024-09-05	Improving Diagnostic Accuracy in Low-Dose SPECT Myocardial Perfusion Imaging With Convolutional Denoising Networks 2020-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2020.2979940 PMID:32167887	研究论文	本研究探讨了深度学习方法在低剂量SPECT心肌灌注成像中减少图像噪声并提高诊断准确性的潜力	提出了一种深度学习方法，能够在低剂量SPECT-MPI中实现显著的噪声减少，并提高诊断准确性	NA	研究深度学习在低剂量SPECT心肌灌注成像中的应用，以提高诊断准确性	低剂量SPECT心肌灌注成像的图像噪声和诊断准确性	计算机视觉	心血管疾病	深度学习	卷积去噪网络	图像	1,052名受试者
17049	2024-09-05	Early Detection of Alzheimer's Disease Using Magnetic Resonance Imaging: A Novel Approach Combining Convolutional Neural Networks and Ensemble Learning 2020, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2020.00259 PMID:32477040	研究论文	本文提出了一种结合卷积神经网络（CNN）和集成学习（EL）的新方法，用于通过磁共振成像（MRI）早期检测阿尔茨海默病（AD）	该研究创新性地结合了CNN和EL，通过数据驱动的方法定位最具辨别性的脑区，并最大化集成模型的泛化能力，以早期捕捉AD相关的脑部变化	需要进一步研究以检验该方法的临床意义及其在检测其他脑部疾病中的通用性	开发一种新的方法用于早期检测阿尔茨海默病	使用MRI对MCI患者和AD患者进行分类	机器学习	阿尔茨海默病	磁共振成像（MRI）	卷积神经网络（CNN）	图像	未明确提及具体样本数量
17050	2024-09-05	Model-Based Learning for Accelerated, Limited-View 3-D Photoacoustic Tomography 2018-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2018.2820382 PMID:29870367	研究论文	本文提出了一种专门设计用于从有限光声测量中提供高分辨率3D图像的深度神经网络	网络设计为迭代方案，并结合了数据拟合的梯度信息以补偿有限视图伪影	NA	加速有限视图3D光声断层成像	光声测量数据	计算机视觉	NA	深度学习	深度神经网络	图像	一组来自肺部CT扫描的分段血管及体内光声测量数据
17051	2024-09-04	Performance and Clinical Impact of Radiomics and 3D-CNN Models for the Diagnosis of Neurodegenerative Parkinsonian Syndromes on 18 F-FDOPA PET 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005392 PMID:39104036	研究论文	本研究比较了半自动化放射组学模型和自动化3D卷积神经网络（3D-CNN）模型在18 F-FDOPA PET图像上诊断神经退行性帕金森综合征的性能和临床价值	开发的3D-CNN模型能够自动诊断神经退行性帕金森综合征，并在经验较少的医院中减少6%的诊断错误	NA	比较半自动化放射组学模型和自动化3D-CNN模型在诊断神经退行性帕金森综合征的性能和临床价值	687名运动症状符合帕金森综合征的患者	计算机视觉	神经退行性疾病	放射组学, 3D卷积神经网络	3D-CNN	图像	417名患者用于训练模型，100名患者用于内部测试，170名患者用于外部测试
17052	2024-09-04	Organomics: A Concept Reflecting the Importance of PET/CT Healthy Organ Radiomics in Non-Small Cell Lung Cancer Prognosis Prediction Using Machine Learning 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005400 PMID:39192505	研究论文	本研究探讨了在非小细胞肺癌预后预测中，使用机器学习算法从健康器官中提取的信息的关联性和附加价值。	本研究首次探索了从健康器官中提取的信息对非小细胞肺癌预后预测的附加价值，并展示了其在机器学习性能上的改进。	研究样本量相对较小，且依赖于公开数据库中的PET/CT图像。	探索健康器官的放射组学信息在非小细胞肺癌预后预测中的作用。	非小细胞肺癌患者的PET/CT图像及其健康器官的放射组学信息。	机器学习	肺癌	PET/CT	nnU-Net	图像	154名患者
17053	2024-09-04	Label-free spatiotemporal decoding of single-cell fate via acoustic driven 3D tomography 2024-Oct, Materials today. Bio DOI:10.1016/j.mtbio.2024.101201 PMID:39221213	研究论文	本文介绍了一种无标记、成本效益高且易于制造的非接触式声学诱导振动系统，用于实现细胞的多自由度旋转，并结合深度学习技术进行细胞的3D重建和形态分析	该方法通过声学诱导振动系统实现了细胞的全角度旋转控制，结合深度学习技术进行高精度的细胞识别和3D重建	NA	开发一种新的无标记3D成像技术，以揭示细胞功能和相互作用的复杂性	多种细胞类型及其在药物诱导凋亡中的特征	生物医学研究	NA	声学诱导振动系统	深度学习	图像	多种细胞类型
17054	2024-09-04	Quickly diagnosing Bietti crystalline dystrophy with deep learning 2024-Sep-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110579 PMID:39220263	研究论文	本研究利用深度学习技术，通过超广角彩色眼底照片对Bietti结晶样视网膜病变（BCD）进行诊断和临床阶段分类	本研究建立了中国人群中最大的BCD数据库，并开发了一种快速诊断BCD的方法	NA	旨在通过深度学习技术对BCD进行早期精确诊断和临床阶段分类	Bietti结晶样视网膜病变（BCD）患者	机器学习	视网膜疾病	深度学习	ResNeXt, Wide ResNet, ResNeSt	图像	包括BCD、视网膜色素变性（RP）和正常眼底照片，BCD患者进一步分为三个阶段
17055	2024-09-04	Streamlined Intraoperative Brain Tumor Classification and Molecular Subtyping in Stereotactic Biopsies Using Stimulated Raman Histology and Deep Learning 2024-Sep-03, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-23-3842 PMID:38976016	研究论文	本研究评估了深度学习算法在立体定向脑活检中通过受激拉曼组织学（SRH）图像进行快速术中诊断的能力，并定义了确保诊断准确性的最小组织样本大小阈值。	使用基于人工智能的SRH图像分析在检测和亚分类脑肿瘤方面不劣于冷冻切片分析，并能进行有效的分子胶质瘤亚分类，有助于未来更快地做出治疗决策。	需要进一步改进以适应长期应用。	评估深度学习算法在立体定向脑活检中通过SRH图像进行快速术中诊断的能力，并定义最小组织样本大小阈值。	121张SRH图像来自84名患有不明确颅内病变的患者，这些患者正在接受立体定向脑活检。	机器学习	脑肿瘤	受激拉曼组织学（SRH）	深度学习模型	图像	121张SRH图像来自84名患者
17056	2024-09-04	Noise-imitation learning: unpaired speckle noise reduction for optical coherence tomography 2024-Sep-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad708c PMID:39151463	研究论文	本文提出了一种名为噪声模仿学习（NIL）的新型非配对方法，用于光学相干断层扫描（OCT）图像的去噪	NIL方法通过三个主要模块（噪声提取模块、噪声模仿模块和对抗学习模块）实现了更简化的网络结构，仅使用一个生成器和一个判别器进行训练	NA	开发一种有效的非配对方法，用于降低OCT图像中的斑点噪声，提高图像质量和诊断准确性	OCT图像中的斑点噪声	计算机视觉	NA	对抗学习	生成对抗网络（GAN）	图像	在PKU37数据集上进行了实验
17057	2024-09-04	Determination of Trace Organic Contaminant Concentration via Machine Classification of Surface-Enhanced Raman Spectra 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c06447 PMID:38272008	研究论文	本文通过机器学习方法，利用表面增强拉曼光谱（SERS）预测样品中污染物的浓度	采用频率域变换方法（如傅里叶变换和沃尔什-阿达玛变换）处理SERS光谱数据，并结合机器学习模型提高浓度预测的准确性	SERS光谱的强度受多种因素影响，如基底参数、分析物方向和样品制备技术	开发一种利用机器学习从SERS光谱中预测污染物浓度的方法	三种分析物（罗丹明6G、毒死蜱和三氯生）的SERS光谱数据	机器学习	NA	表面增强拉曼光谱（SERS）	机器学习模型和深度学习模型	光谱数据	中等规模数据集约100个光谱，小规模数据集约50个光谱
17058	2024-09-04	An Intelligent Early Warning System for Harmful Algal Blooms: Harnessing the Power of Big Data and Deep Learning 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c03906 PMID:38436579	research paper	本研究利用大数据和深度学习模型开发了一种智能有害藻类水华早期预警系统	采用DeepDPM-Spectral Clustering方法分析和分层垂直水层，显著减少了预测模型的数量并增强了系统的适应性；开发了Bloomformer-2模型进行单步和多步预测	未提及具体限制	开发智能有害藻类水华早期预警系统	有害藻类水华	machine learning	NA	深度学习	Bloomformer-2	数据	在太湖的案例研究中，2018年冬季水柱分为四个集群（W1-W4），2019年夏季分为五个集群（S1-S5）
17059	2024-09-04	Substantial Underestimation of Fine-Mode Aerosol Loading from Wildfires and Its Radiative Effects in Current Satellite-Based Retrievals over the United States 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c02498 PMID:39163486	研究论文	本文开发了一种创新的角依赖深度学习模型（ADLM），用于从双角度观测中推断细模态气溶胶光学深度（fAOD），并评估其对美国地区野火产生的气溶胶负荷及其辐射效应的影响	ADLM模型利用多角度卫星数据，能够更准确地捕捉气溶胶特性，特别是在野火事件中，相比现有卫星产品有显著改进	NA	评估和改进现有卫星产品在测量野火产生的细模态气溶胶光学深度（fAOD）及其辐射效应方面的准确性	细模态气溶胶光学深度（fAOD）及其对地球能量平衡的影响	机器学习	NA	深度学习	ADLM	卫星数据	覆盖美国连续地区的双角度观测数据
17060	2024-09-04	Early identification of patients at risk for iron-deficiency anemia using deep learning techniques 2024-Sep-03, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqae031 PMID:38642073	研究论文	本文利用深度学习技术开发模型，提前3至6个月预测铁缺乏性贫血的风险	首次使用深度学习技术在门诊环境中基于实验室数据序列早期预测铁缺乏性贫血	NA	开发模型提前预测铁缺乏性贫血的风险，以便及早干预	铁缺乏性贫血患者	机器学习	NA	深度学习技术	人工神经网络、长短期记忆单元和门控循环单元	实验室数据	30,603名患者