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
17381	2024-10-06	Design of image segmentation model based on residual connection and feature fusion 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309434 PMID:39361568	研究论文	提出了一种基于残差连接和特征融合的图像分割模型，通过实验验证了其在复杂场景中的有效性	利用残差连接的深度特征提取能力和特征融合的多尺度特征整合能力，解决了传统图像分割中的背景复杂性和信息丢失问题	NA	改进图像分割技术，使其在复杂场景和多尺度目标图像中表现更好	图像分割模型在复杂场景中的应用	计算机视觉	NA	卷积神经网络	残差连接和特征融合模型	图像	在ISPRS Vaihingen数据集和Caltech UCSD Birds200数据集上进行了实验
17382	2024-10-06	Video-audio neural network ensemble for comprehensive screening of autism spectrum disorder in young children 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308388 PMID:39361665	研究论文	本文利用视频和音频特征的神经网络集成模型，对1至5岁儿童进行自闭症谱系障碍的全面筛查	本文采用多模态方法，结合视频和音频特征的神经网络，提高了自闭症谱系障碍筛查的准确性和特异性	本文样本量较小，仅涉及160名儿童	本文旨在开发一种早期自动化筛查自闭症谱系障碍的方法	本文的研究对象是1至5岁的儿童	机器学习	自闭症谱系障碍	神经网络	神经网络集成模型	视频和音频	160名1至5岁儿童
17383	2024-10-06	Hyperspectral imaging and artificial intelligence enhance remote phenotyping of grapevine rootstock influence on whole vine photosynthesis 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1409821 PMID:39363918	研究论文	研究利用高光谱成像和人工智能技术预测葡萄根系对整株植物光合作用的影响	结合高光谱成像和人工智能技术，首次在冠层水平上预测光合作用关键参数，提高了筛选效率	研究仅限于特定品种和根系组合，未涵盖所有可能的葡萄品种和根系类型	克服传统测量光合作用参数的时间和成本限制，提高筛选效率	葡萄根系对整株植物光合作用的影响	机器学习	NA	高光谱成像	1D-卷积神经网络 (CNN)	光谱数据	两个生长季的数据，包括'Marquette'嫁接到五个商业根系和'Marquette'嫁接到'Marquette'的样本
17384	2024-10-06	Deep learning-based multimodal image analysis predicts bone cement leakage during percutaneous kyphoplasty: protocol for model development, and validation by prospective and external datasets 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1479187 PMID:39364028	研究论文	本文开发并验证了一种基于深度学习的多模态图像分析模型，用于预测经皮椎体成形术中的骨水泥渗漏	本文创新性地使用深度学习模型直接分析术前CT和MRI图像，以准确预测骨水泥渗漏的发生和分类	本文的局限性在于使用了回顾性数据进行模型训练和验证，未来需要更多前瞻性和跨中心的外部数据进行进一步验证	研究目的是开发一种智能方法，通过分析术前影像预测经皮椎体成形术中的骨水泥渗漏，以改善临床结果	研究对象是患有骨质疏松性椎体压缩性骨折的患者	计算机视觉	骨骼疾病	深度学习	深度学习模型	图像	包括回顾性内部数据集、前瞻性内部数据集和跨中心外部数据集
17385	2024-10-06	Data-driven classification and explainable-AI in the field of lung imaging 2024, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2024.1393758 PMID:39364222	综述	本文综述了在肺部影像领域中使用数据驱动分类和可解释人工智能（XAI）的最新研究进展	本文强调了基于迁移学习的卷积神经网络（CNN）和集成模型/特征在肺部疾病分类中的优越性能，并探讨了XAI技术在机器和深度学习模型中的重要性	NA	探讨和比较不同机器学习技术在肺部疾病分类中的应用，特别是肺炎分析	肺部疾病，特别是肺炎的分类	计算机视觉	肺部疾病	卷积神经网络（CNN）、集成方法、迁移学习	卷积神经网络（CNN）	图像	NA
17386	2024-10-06	Target-based deep learning network surveillance of non-contrast computed tomography for small infarct core of acute ischemic stroke 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1477811 PMID:39364421	研究论文	本研究旨在构建一个基于非增强CT图像自动识别急性缺血性卒中（AIS）小梗死核心的模型	开发了一种改进的基于目标的深度学习模型YOLOv5，用于在CT图像上检测梗死，特别是在小梗死核心的识别上表现更好	研究为回顾性研究，样本量有限，且仅限于特定时间段内的AIS患者	快速诊断急性缺血性卒中，以实现积极的治疗效果和预后	急性缺血性卒中患者的小梗死核心	计算机视觉	脑血管疾病	深度学习	YOLOv5	图像	共纳入584例AIS患者，最终275例符合条件
17387	2024-10-06	Visual Enhancement and Semantic Segmentation of Murine Tissue Scans with Pulsed THz Spectroscopy 2023-Feb, Proceedings. IEEE International Conference on Semantic Computing DOI:10.1109/ICSC56153.2023.00018 PMID:39360127	研究论文	本文探讨了使用脉冲太赫兹光谱技术对小鼠组织扫描进行视觉增强和语义分割的应用	引入了两阶段管道，使用无监督图像到图像翻译网络和监督分割网络，以解决传统深度学习方法在太赫兹成像中的低分辨率和缺乏专家标记图像的问题	依赖于合成太赫兹扫描，可能存在与实际数据的差异	提高太赫兹成像技术在医学图像中的应用效果，特别是对切除的乳腺癌组织的分割和分类	小鼠切除的乳腺癌组织	计算机视觉	乳腺癌	脉冲太赫兹光谱技术	无监督图像到图像翻译网络和监督分割网络	图像	NA
17388	2024-10-06	Transformer-based deep learning for predicting protein properties in the life sciences 2023-01-18, eLife IF:6.4Q1 DOI:10.7554/eLife.82819 PMID:36651724	综述	本文综述了基于Transformer模型的深度学习在生命科学中预测蛋白质特性的应用	Transformer模型在蛋白质特性预测中的应用带来了新的计算革命，显著改进了旧的预测结果	NA	探讨Transformer模型在蛋白质特性预测中的应用及其潜力	蛋白质特性预测，特别是后翻译修饰的预测	自然语言处理	NA	深度学习	Transformer	蛋白质序列	NA
17389	2024-10-06	From sequence to function through structure: Deep learning for protein design 2023, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.11.014 PMID:36544476	研究论文	本文综述了深度学习在蛋白质设计中的最新进展，并提出了一种从生成序列到预测属性和网络可视化的实用流程	利用自然语言处理和计算机视觉技术，结合计算硬件的进步，从生物数据库中学习模式，用于蛋白质设计	蛋白质设计工具的实际应用复杂，需要进一步简化	探讨深度学习在蛋白质设计中的应用，提出实用流程并讨论挑战和机遇	蛋白质设计工具和流程	计算机视觉	NA	深度学习	NA	生物数据库	NA
17390	2024-10-06	Machine learning and deep learning approach for medical image analysis: diagnosis to detection 2022-Dec-24, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-14305-w PMID:36588765	review	本文综述了机器学习和深度学习在医学图像分析中的应用，特别是从诊断到检测的过程	深度学习被认为是机器学习的增强技术，能够更高效地处理大量数据，并使用多层神经网络获取更多信息	机器学习在处理当前模态的大量数据时存在局限性	旨在系统综述机器学习和深度学习在多种疾病检测和分类中的应用	医学图像分析中的机器学习和深度学习方法	computer vision	NA	深度学习 (DL) 和机器学习 (ML)	多层神经网络	图像	40项主要研究，使用MRI数据集进行实验
17391	2024-10-06	PAN-cODE: COVID-19 forecasting using conditional latent ODEs 2022-11-14, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocac160 PMID:36047844	研究论文	本文介绍了一种名为PAN-cODE的深度学习方法，用于预测COVID-19的每日感染和死亡人数	PAN-cODE使用深度条件潜在变量模型，能够基于不同的非药物干预措施生成不同的病例轨迹，并允许对训练期间未见过的地区进行病例估计	尽管使用了较少详细数据且训练过程完全自动化，PAN-cODE的性能与最先进的方法相当，但未提及具体的局限性	开发一种数据驱动的模型来预测COVID-19的传播，以支持政策决策	COVID-19的每日感染和死亡人数	机器学习	COVID-19	深度学习	条件潜在ODE模型	时间序列数据	未明确提及具体样本数量
17392	2024-10-06	A Systematic Evaluation of Ensemble Learning Methods for Fine-Grained Semantic Segmentation of Tuberculosis-Consistent Lesions in Chest Radiographs 2022-Aug-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9090413 PMID:36134959	研究论文	本文系统评估了集成学习方法在胸部X光片中结核病一致性病变细粒度语义分割中的应用	首次将集成学习应用于提高结核病一致性病变细粒度分割性能	NA	评估使用细粒度标注训练U-Net模型及其集成方法在结核病一致性病变语义分割中的效果	结核病一致性病变在胸部X光片中的细粒度语义分割	计算机视觉	肺结核	深度学习	U-Net	图像	NA
17393	2024-10-06	COVID-19 Diagnosis and Classification Using Radiological Imaging and Deep Learning Techniques: A Comparative Study 2022-Aug-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081880 PMID:36010231	研究论文	本文比较了使用放射影像和深度学习技术进行COVID-19诊断和分类的不同方法	利用胸部X光和CT扫描图像，结合人工智能和深度学习技术，开发自动化诊断系统	COVID图像数据有限，深度学习预测患者严重程度的准确性高于PCR检测等传统方法	研究如何利用放射影像和深度学习技术进行COVID-19的自动化诊断和分类	胸部X光和CT扫描图像，以及各种CNN模型	计算机视觉	COVID-19	深度学习	CNN	图像	多个数据集，具体样本数量未提及
17394	2024-10-06	SMANet: multi-region ensemble of convolutional neural network model for skeletal maturity assessment 2022-Jul, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-21-1158 PMID:35782257	研究论文	提出了一种基于多区域卷积神经网络集合的自动骨骼成熟度评估方法	该方法结合了临床可解释的方法，避免了种族和地理差异的影响	NA	开发一种自动化的骨骼成熟度评估方法	儿童骨骼成熟度评估	计算机视觉	NA	卷积神经网络	CNN	图像	4861张左手X光片
17395	2024-10-06	An All-In-One Multifunctional Touch Sensor with Carbon-Based Gradient Resistance Elements 2022-Jun-14, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-022-00875-9 PMID:35699779	研究论文	提出了一种基于碳基梯度电阻元件的多功能触觉传感器，用于促进多种机械刺激的广泛检测和识别范围	开发了一种具有梯度电阻元件和两个电极的多功能触觉传感器，消除了信号串扰并防止了人机交互中的位置感应干扰	NA	研究虚拟现实、增强现实和元宇宙中人机交互的重要性和挑战	多功能触觉传感器及其在人机交互中的应用	NA	NA	深度学习	NA	NA	NA
17396	2024-10-06	Deep Learning for Basal Cell Carcinoma Detection for Reflectance Confocal Microscopy 2022-01, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2021.06.015 PMID:34265329	研究论文	研究开发了一种基于深度学习的人工智能模型，用于自动检测反射共聚焦显微镜图像中的基底细胞癌	提出了一个深度学习模型，能够自动检测反射共聚焦显微镜图像中的基底细胞癌，性能与专家相当	未提及具体局限性	开发和评估一种自动检测基底细胞癌的深度学习模型	基底细胞癌的检测	计算机视觉	皮肤癌	反射共聚焦显微镜	深度学习模型	图像	未提及具体样本数量
17397	2024-10-06	COVID-19: A Comprehensive Review of Learning Models 2022, Archives of computational methods in engineering : state of the art reviews IF:9.7Q1 DOI:10.1007/s11831-021-09641-3 PMID:34566404	综述	本文对COVID-19相关研究进行了全面的综述，重点关注症状早期识别、疫情结束预测和用户生成对话分析	本文综述了多种机器学习和深度学习模型在COVID-19研究中的应用	本文主要综述了现有研究的结果和局限性，未提出新的模型或方法	综述COVID-19相关研究，探讨机器学习和深度学习模型在疫情监测中的应用	COVID-19症状早期识别、疫情结束预测和用户生成对话分析	机器学习	COVID-19	机器学习、深度学习	K-means聚类、随机森林、卷积神经网络、长短期记忆网络、自编码器、回归模型	图像、文本	NA
17398	2024-10-06	DeepLN: A Multi-Task AI Tool to Predict the Imaging Characteristics, Malignancy and Pathological Subtypes in CT-Detected Pulmonary Nodules 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.683792 PMID:35646699	研究论文	本文介绍了一种名为DeepLN的多任务AI工具，用于预测CT检测到的肺结节的影像特征、恶性程度和病理亚型	提出了一种基于深度卷积神经网络的DeepLN工具，能够准确预测肺结节的影像特征、恶性程度和病理亚型	研究是回顾性的，且样本主要来自单一来源	提高基于CT图像的肺结节恶性风险预测的准确性	8950个具有完整病理结果的肺结节	计算机视觉	肺癌	深度卷积神经网络	CNN	图像	8950个肺结节
17399	2024-10-06	CVD-HNet: Classifying Pneumonia and COVID-19 in Chest X-ray Images Using Deep Network 2022, Wireless personal communications IF:1.9Q3 DOI:10.1007/s11277-022-09864-y PMID:35756172	研究论文	本文提出了一种基于新型深度卷积神经网络（CNN）的COVID-19感染胸部X光图像分类方法	设计了两种新的定制CNN架构CVD-HNet1和CVD-HNet2，并提出了一种基于边界和区域操作以及卷积过程的系统方法	在有限的数据集上取得了显著的分类准确率，但需要更多训练样本以获得更好的结果	提高COVID-19和肺炎在胸部X光图像中的分类准确性	COVID-19和肺炎的胸部X光图像	计算机视觉	肺部疾病	深度学习（DL）	卷积神经网络（CNN）	图像	有限的数据集
17400	2024-10-06	Identification of the ubiquitin-proteasome pathway domain by hyperparameter optimization based on a 2D convolutional neural network 2022, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2022.851688 PMID:35937990	研究论文	本文开发了一种基于2D卷积神经网络的超参数优化算法，用于识别泛素-蛋白酶体途径域	提出了名为2DCNN-UPP的新型深度学习预测器，通过遗传算法选择最优特征，避免了过拟合问题	NA	开发一种快速准确的计算方法来识别泛素-蛋白酶体途径	泛素-蛋白酶体途径及其在细胞过程中的作用	机器学习	NA	下一代测序	2D卷积神经网络	蛋白质序列	使用10折交叉验证方法进行训练和评估