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
17161	2024-09-04	Subject-Based Model for Reconstructing Arterial Blood Pressure from Photoplethysmogram 2022-Aug-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9080402 PMID:36004927	研究论文	本文提出了一种基于W-Net深度学习模型的方法，用于从光电容积脉搏波（PPG）重建动脉血压（ABP）信号	该模型通过两个串联的U-Net架构，能够评估ABP信号的全局相似性，而不仅仅是收缩压、舒张压和平均动脉压的相似性	NA	开发一种非侵入性方法，用于连续预测动脉血压波形，以预防和治疗心血管疾病	从PPG信号重建ABP信号	机器学习	心血管疾病	NA	W-Net	信号	500条不同长度的记录用于训练和测试
17162	2024-09-04	Detection and Characterization of Gastric Cancer Using Cascade Deep Learning Model in Endoscopic Images 2022-Aug-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081996 PMID:36010346	研究论文	本文提出了一种级联深度学习模型，用于在内镜图像中检测和分类胃癌，并识别侵袭区域	该研究通过级联深度学习模型，先对内镜图像进行分类，然后使用两个独立的U-Net模型对癌症图像进行分割，提高了检测的准确性和效率	该方法在健康图像上应用分割可能导致假阳性结果和计算成本增加	旨在解决内镜检查中胃癌检测的假阳性和计算成本问题	内镜图像中的胃癌检测和侵袭区域识别	计算机视觉	胃癌	NA	CNN, U-Net	图像	共使用了2378张内镜图像，包括1208张健康受试者图像，533张早期胃癌患者图像和637张晚期胃癌患者图像
17163	2024-09-04	Decoding Task-Based fMRI Data with Graph Neural Networks, Considering Individual Differences 2022-Aug-17, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci12081094 PMID:36009157	研究论文	本文提出了一种基于图卷积网络（GCN）的端到端框架，用于分类人类连接组项目数据集中的任务fMRI数据	首次采用图卷积网络处理任务fMRI数据，并比较了四种节点嵌入算法在提取功能图节点结构属性方面的性能	实验结果显示模型在性别分类上表现显著，但在高/低流体智力fMRI数据分类上没有显著差异	探索图神经网络在任务fMRI数据解码中的应用，并评估个体差异的影响	任务fMRI数据及其在性别和流体智力上的分类表现	计算机视觉	NA	fMRI	图卷积网络（GCN）	图像	人类连接组项目数据集中的任务fMRI数据
17164	2024-09-04	Artificial Intelligence Analysis of Celiac Disease Using an Autoimmune Discovery Transcriptomic Panel Highlighted Pathogenic Genes including BTLA 2022-Aug-16, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare10081550 PMID:36011206	研究论文	本研究利用人工智能和自身免疫发现基因面板预测并建模乳糜泻	首次使用人工智能技术结合自身免疫发现基因面板高精度预测乳糜泻，并验证了BTLA等致病基因	研究基于公开数据集，需进一步在更广泛的样本中验证	验证人工智能技术在乳糜泻预测和建模中的应用	乳糜泻及相关致病基因	机器学习	乳糜泻	基因集富集分析（GSEA）	随机森林、神经网络（多层感知器）	基因表达数据	公开数据集GSE164883
17165	2024-09-04	An Entropy-Based Measure of Complexity: An Application in Lung-Damage 2022-Aug-14, Entropy (Basel, Switzerland) DOI:10.3390/e24081119 PMID:36010783	研究论文	本文介绍了一种基于熵的复杂度度量（EMC）及其在肺损伤评估中的应用，即肺损伤度量（LDM）	引入了一种新的基于熵的复杂度度量（EMC）和肺损伤度量（LDM），用于分析肺部CT图像	NA	开发一种新的度量方法来评估肺部CT图像中的肺损伤	健康受试者、COVID-19患者和肺炎患者的肺部CT图像	数字病理学	肺部疾病	CT扫描	基于熵的度量	图像	486名健康受试者，263名COVID-19患者，329名肺炎患者
17166	2024-09-04	The Prediction of Consumer Behavior from Social Media Activities 2022-Aug-12, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs12080284 PMID:36004855	研究论文	本文提出了一种新的深度学习模型，用于分类消费者行为变体，该模型采用集成架构并结合了两个预训练的学习算法	提出的集成模型在消费者行为分类上实现了98.78%的准确率，超过了现有文献中的大多数机器学习模型	NA	开发一种新的深度学习模型，以更有效地检测和分类复杂的消费者行为变体	消费者行为变体	机器学习	NA	深度学习	集成模型	文本	使用了Facemg BIG-D15和TwitD数据库进行测试
17167	2024-09-04	An Improved Temporal Fusion Transformers Model for Predicting Supply Air Temperature in High-Speed Railway Carriages 2022-Aug-12, Entropy (Basel, Switzerland) DOI:10.3390/e24081111 PMID:36010775	研究论文	本文提出了一种改进的时间融合变换器（TFT）模型，用于预测高速列车车厢内的供气温度	引入了基于扩张因果卷积的双卷积残差编码器结构和基于门控线性单元的时空双重门控结构，并设计了适用于长序列时间序列预测任务的损失函数	NA	提高高速列车车厢内供气温度的预测准确性，以优化空调系统的控制效果	高速列车车厢内的供气温度	机器学习	NA	时间融合变换器（TFT）	TFT	时间序列	使用了中国某特定地点的高速铁路空调运行数据集
17168	2024-09-04	Multimodal MRI-Based Whole-Brain Assessment in Patients In Anoxoischemic Coma by Using 3D Convolutional Neural Networks 2022-08, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-022-01525-z PMID:35876960	研究论文	本研究开发并验证了一种深度学习模型，利用多模态3D MRI全脑时间序列数据，对缺氧缺血性昏迷相关的脑损伤进行早期评估	首次成功使用3D卷积神经网络（CNN）对缺氧后昏迷患者与对照组进行区分，利用全脑结构和功能MRI数据	NA	开发并验证一种深度学习模型，以自动捕捉、分析、组织和合并结构与功能脑MRI数据，提取有助于医疗决策的相关信号	缺氧缺血性昏迷患者及健康志愿者	机器学习	NA	MRI	3D CNN	MRI数据	29名缺氧后昏迷患者和34名健康志愿者
17169	2024-09-04	Depth-extended acoustic-resolution photoacoustic microscopy based on a two-stage deep learning network 2022-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.461183 PMID:36032586	研究论文	本文提出了一种基于两阶段深度学习网络的声分辨率光声显微镜深度扩展方法	采用两阶段深度学习重建策略，能够在不同离焦深度下自适应恢复高分辨率光声图像	目前仅在实验阶段验证了该方法的有效性，尚未广泛应用于实际生物医学研究中	旨在扩展声分辨率光声显微镜的成像深度，提高离焦区域的成像质量	声分辨率光声显微镜的成像深度和图像质量	计算机视觉	NA	深度学习	残差U-Net结合注意力门	图像	实验中使用了幻影和生物组织样本
17170	2024-09-04	Diagnostic accuracy of deep learning for evaluation of C-spine injury from lateral neck radiographs 2022-Aug, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2022.e10372 PMID:36061007	研究论文	本研究使用深度学习技术评估侧位颈部X光片中颈椎损伤的诊断准确性	本研究采用YOLO网络模型，特别是V4版本，以提高颈椎损伤检测的准确性	研究样本量相对较小，且仅限于侧位颈部X光片	旨在通过深度学习技术提高颈椎损伤的诊断准确性，减少不必要的CT扫描	侧位颈部X光片中的颈椎损伤	机器学习	颈椎损伤	深度学习	YOLO网络模型	图像	229张X光片（129张阴性，100张阳性）来自625名患者
17171	2024-09-04	A Comprehensive Review of Machine Learning Used to Combat COVID-19 2022-Jul-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081853 PMID:36010204	综述	本文综述了机器学习和深度学习在COVID-19诊断和治疗中的应用	系统总结了AI在COVID-19中的多种应用方法和模型	未提及具体的研究局限性	探讨AI在COVID-19中的应用及其未来发展方向	COVID-19的诊断、治疗及患者健康结果预测	机器学习	COVID-19	机器学习, 深度学习	CNN, LSTM, GAN	医学图像, 患者数据	超过5.39亿确诊病例和630万死亡病例
17172	2024-09-04	GraphSite: Ligand Binding Site Classification with Deep Graph Learning 2022-07-29, Biomolecules IF:4.8Q1 DOI:10.3390/biom12081053 PMID:36008947	研究论文	本文介绍了一种基于深度学习的图表示方法GraphSite，用于蛋白质中配体结合位点的分类	GraphSite利用图神经网络和神经加权消息传递层，有效捕捉结合口袋的结构、物化及进化特征，提高了分类准确性	NA	开发一种高效检测和分类蛋白质中配体结合位点的方法，以促进基于结构的药物发现	蛋白质中的配体结合位点	机器学习	NA	深度学习	图神经网络	图	14种不同功能类别的结合口袋数据集
17173	2024-09-04	Breast Cancer Detection in Mammography Images Using Deep Convolutional Neural Networks and Fuzzy Ensemble Modeling Techniques 2022-Jul-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081812 PMID:36010164	研究论文	本文利用深度卷积神经网络和模糊集成建模技术在乳腺X线图像上进行乳腺癌检测	提出了一种基于Gompertz函数的模糊排名集成方法，该方法结合了多个深度学习模型的决策分数，提高了预测准确性	NA	开发一种高效的乳腺癌检测工具，以降低死亡率并提高完全康复的机会	乳腺X线图像中的正常、良性及恶性图像	计算机视觉	乳腺癌	深度卷积神经网络	CNN	图像	1145张乳腺X线图像
17174	2024-09-04	Strategies for tackling the class imbalance problem of oropharyngeal primary tumor segmentation on magnetic resonance imaging 2022-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2022.08.005 PMID:36035088	研究论文	本文探讨了在磁共振成像中分割口咽部原发肿瘤时处理类别不平衡问题的不同策略	提出了两种策略：使用不同的损失函数和实施两阶段方法，以改善分割性能	不同损失函数在训练中未显示出显著差异	研究解决口咽部原发肿瘤自动轮廓化中类别不平衡问题的策略	口咽部癌症患者的磁共振成像数据	计算机视觉	口咽癌	磁共振成像 (MRI)	3D U-Net	图像	230名口咽癌患者
17175	2024-09-04	Unveiling two-dimensional magnesium hydride as a hydrogen storage material via a generative adversarial network 2022-May-17, Nanoscale advances IF:4.6Q2 DOI:10.1039/d1na00862e PMID:36133700	研究论文	本研究利用基于人工智能的晶体逆设计方法探索二维纯净氢化镁（MgH）的新相，并验证其作为氢储存介质的可能性	揭示了一种新的二维MgH相，具有4̄2空间群，并通过密度泛函理论计算验证了其电子和动态特性	NA	探索二维MgH作为氢储存材料的新相及其电子和动态特性	二维MgH晶体结构及其作为氢储存介质的可行性	机器学习	NA	密度泛函理论（DFT）计算	生成对抗网络（GAN）	图像	NA
17176	2024-09-04	A Generic Deep Learning Based Cough Analysis System From Clinically Validated Samples for Point-of-Need Covid-19 Test and Severity Levels 2022-May, IEEE transactions on services computing IF:5.5Q1 DOI:10.1109/TSC.2021.3061402 PMID:35936760	研究论文	本文提出了一种基于深度学习的咳嗽分析系统，用于从临床验证的样本中进行即时Covid-19检测和严重程度分级。	该研究采用了基于经验模态分解（EMD）的算法进行咳嗽声音检测，并使用深度人工神经网络分类器进行分类，创新性地开发了DeepCough2D和DeepCough3D两种版本。	研究依赖于临床实验室的qRT-PCR结果和淋巴细胞计数来标记样本，可能存在实验室误差。	旨在开发一种经济、易获取的即时Covid-19诊断测试工具，以帮助快速识别病毒携带者并减少感染率。	研究对象为Covid-19阳性及阴性患者的咳嗽声音样本。	机器学习	Covid-19	qRT-PCR	CNN	音频	所有收集的样本均经过临床标记，包括Covid-19阳性或阴性，以及基于qRT-PCR阈值循环（Ct）和淋巴细胞计数的疾病严重程度。
17177	2024-09-04	A deep learning based system for handwashing procedure evaluation 2022-Apr-21, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-07194-5 PMID:35474686	研究论文	本文提出了一种基于深度学习的嵌入式系统，用于实时分析深度相机捕获的图像序列，以评估洗手程序的质量	采用卷积神经网络和多数投票方案来分类工人的动作，根据世界卫生组织定义的十个手势进行评估	NA	开发一种自动评估洗手程序质量的系统，以减少手术部位污染和感染风险	洗手程序的质量评估	计算机视觉	NA	卷积神经网络	CNN	视频	74个不同的视频序列
17178	2024-09-04	QdMRI: A system for comprehensive analysis of thoracic dynamics via dynamic MRI 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2612117 PMID:36039169	研究论文	本文介绍了一种名为QdMRI的系统，该系统整合了过去10年关于胸廓发育不全综合征（TIS）的相关算法和模块，用于全面分析胸腔动态通过动态磁共振成像（MRI）	QdMRI系统包括动态MRI采集、4D图像构建、图像分割和分割结果的可视化等模块，能够有效处理自由呼吸条件下的图像采集问题，并提供结构和功能信息的定量评估	NA	开发一种全面的分析系统，用于评估胸廓发育不全综合征（TIS）的治疗效果	胸廓发育不全综合征（TIS）患者和正常儿童的胸腔结构和动态	医学影像	胸廓发育不全综合征	动态磁共振成像（MRI）	深度学习	图像	单个受试者的扫描/图像采集时间为~20分钟，4D图像构建时间为~5分钟，图像分割时间为70秒，测量计算时间为2秒
17179	2024-09-04	Training calibration-based counterfactual explainers for deep learning models in medical image analysis 2022-01-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-04529-5 PMID:35022467	研究论文	本文提出了一种基于训练校准的反事实解释器技术（TraCE），用于在医学影像分析中对深度学习模型进行可靠的反事实合成	TraCE技术采用了一种新颖的不确定性基础区间校准策略，以确保反事实解释的可靠性	NA	旨在提高深度学习模型在医学影像分析中的解释性和可靠性	深度学习模型在胸部X光图像中识别异常的应用	计算机视觉	NA	深度学习	深度模型	图像	NA
17180	2024-09-04	Deep Learning for Reliable Classification of COVID-19, MERS, and SARS from Chest X-ray Images 2022, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-021-09955-1 PMID:35035591	研究论文	本文使用深度卷积神经网络对COVID-19、MERS和SARS的胸部X光图像进行分类	首次在文献中探讨了COVID-19、SARS和MERS胸部X光图像的分类方案	分类性能在分割的胸部X光图像上有所下降，但结果更可靠	开发一个可靠的COVID-19识别系统，用于从胸部X光图像中分类COVID-19、MERS和SARS	COVID-19、MERS和SARS的胸部X光图像	计算机视觉	COVID-19	深度卷积神经网络	CNN	图像	423张COVID-19、144张MERS和134张SARS的胸部X光图像