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
17661	2024-08-31	MPMABP: A CNN and Bi-LSTM-Based Method for Predicting Multi-Activities of Bioactive Peptides 2022-Jun-03, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph15060707 PMID:35745625	研究论文	提出了一种基于卷积神经网络（CNN）和双向长短期记忆网络（Bi-LSTM）的深度学习方法（MPMABP），用于识别生物活性肽的多重活性	MPMABP方法通过堆叠五个不同尺度的CNN并使用残差网络来保留信息损失，显著优于现有最先进的方法	NA	开发一种新的深度学习方法，以准确检测生物活性肽的所有功能	生物活性肽的多重活性	机器学习	NA	CNN, Bi-LSTM	CNN, Bi-LSTM	序列数据	NA
17662	2024-08-31	Quality Management of Pulmonary Nodule Radiology Reports Based on Natural Language Processing 2022-Jun-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9060244 PMID:35735487	研究论文	本研究提出了一种基于自然语言处理的肺结节影像报告模型，用于自动生成随访建议	利用深度学习和条件随机场算法从影像报告中提取信息实体，并结合规则模板自动生成随访建议	NA	探讨基于影像报告发现自动生成随访建议的可行性	48,091份肺结节影像报告中的非结构化发现	自然语言处理	肺结节	自然语言处理	深度学习模型与条件随机场算法	文本	48,091份影像报告
17663	2024-08-31	Automated identification of chicken distress vocalizations using deep learning models 2022-06, Journal of the Royal Society, Interface DOI:10.1098/rsif.2021.0921 PMID:35765806	研究论文	开发了一种基于卷积神经网络的轻量级VGG11模型，用于自动识别鸡的痛苦叫声	提出了一个参数更少且检测速度更快的轻量级VGG11模型，用于自动识别鸡的痛苦叫声	NA	旨在开发一种自动识别鸡痛苦叫声的方法，以提高鸡福利监测的效率	鸡的痛苦叫声和自然鸡舍声音	机器学习	NA	卷积神经网络	CNN	音频	3363个痛苦叫声和1973个自然鸡舍声音
17664	2024-08-31	Multi-perspective label based deep learning framework for cerebral vasculature segmentation in whole-brain fluorescence images 2022-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.458111 PMID:35781963	研究论文	本文提出了一种基于多视角标签的深度学习框架，用于在全脑荧光图像中分割脑部血管	该框架通过使用两种不同的标签分别训练两个子网络，然后通过第三个子网络融合前两个子网络的预分割结果，以提高血管分割的准确性	NA	旨在提高全脑荧光图像中脑部血管分割的准确性	脑部血管的分割	计算机视觉	NA	荧光标记和显微光学成像技术	3D卷积神经网络	图像	两个小鼠脑部血管数据集
17665	2024-08-31	FCE-Net: a fast image contrast enhancement method based on deep learning for biomedical optical images 2022-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.459347 PMID:35781947	研究论文	提出了一种基于深度学习的快速图像对比度增强方法FCE-Net，用于生物医学光学图像	FCE-Net通过双路径同时获取空间信息和大感受野，并引入空间注意力机制增强空间关系	NA	提高生物医学光学图像的对比度，以便于后续图像分析和信息提取	生物医学光学图像	计算机视觉	NA	深度学习	CNN	图像	处理图像大小为1024×1024像素，帧率为37fps
17666	2024-08-31	Multi-class classification of breast tissue using optical coherence tomography and attenuation imaging combined via deep learning 2022-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.455110 PMID:35781967	研究论文	本文展示了一种使用光学相干断层扫描（OCT）和衰减图像进行多类别乳腺组织分类的卷积神经网络（CNN），并引入了一种基于Matthews相关系数（MCC）的损失函数。	本文创新性地使用了多通道OCT和衰减图像，并引入了一种新的基于MCC的损失函数，该函数与性能指标的相关性比常用的交叉熵损失更强。	NA	研究目的是提高肿瘤检测性能，特别是通过使用多通道图像来区分良性致密组织和恶性组织。	研究对象是乳腺组织，包括脂肪组织、良性致密组织和恶性组织。	机器学习	乳腺癌	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	5,804张图像来自29名患者
17667	2024-08-31	Automatic detection and voxel-wise mapping of lumbar spine Modic changes with deep learning 2022-Jun, JOR spine IF:3.4Q1 DOI:10.1002/jsp2.1204 PMID:35783915	研究论文	本研究开发了一种基于深度学习的工具，用于自动检测和体素级映射腰椎Modic变化	首次使用深度学习方法进行腰椎Modic变化的体素级映射，提高了检测的准确性和可解释性	研究为回顾性，样本量有限，需要进一步的前瞻性研究和更大样本量的验证	开发一种新的量化和标准化方法，用于描述腰椎Modic变化，特别是过渡性或混合性病变	腰椎Modic变化	计算机视觉	NA	深度学习	卷积神经网络	图像	75例腰椎MRI检查
17668	2024-08-31	Artificial intelligence to detect abnormal heart rhythm from scanned electrocardiogram tracings 2022-Jun, Journal of arrhythmia IF:2.2Q2 DOI:10.1002/joa3.12707 PMID:35785392	研究论文	本文开发了一种利用人工智能快速、廉价地从扫描的ECG打印件中检测异常心律的方法	使用基于InceptionV3的卷积神经网络和GEV激活的全连接层构建深度学习模型，实现了对ECG扫描图的自动分类	文章未提及具体的局限性	开发一种快速、廉价且准确的方法，利用人工智能检测异常ECG	1172份12导联ECG扫描图，来自广州某社区的1172名个体	机器学习	心血管疾病	深度学习	CNN	图像	1172份ECG扫描图，其中878份诊断为窦性心律，294份为异常心律
17669	2024-08-31	Automatic lesion segmentation using atrous convolutional deep neural networks in dermoscopic skin cancer images 2022-05-29, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00829-y PMID:35644612	研究论文	本文提出了一种基于空洞卷积的深度神经网络框架，用于自动分割皮肤镜下皮肤癌图像中的病变区域	采用空洞/扩张卷积的概念，设计了一种新的卷积神经网络架构，有效提高了病变分割的性能	NA	开发一种计算机辅助系统，用于准确和及时地检测皮肤癌病变	皮肤镜下皮肤癌图像中的病变区域	计算机视觉	皮肤癌	空洞卷积	CNN	图像	使用了三个基准数据集，分别是ISIC 2016、ISIC 2017和ISIC 2018
17670	2024-08-31	Automatic Segmentation of Retinal Fluid and Photoreceptor Layer from Optical Coherence Tomography Images of Diabetic Macular Edema Patients Using Deep Learning and Associations with Visual Acuity 2022-May-29, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines10061269 PMID:35740291	研究论文	本文提出了一种改进的U-net深度学习算法，用于自动分割糖尿病黄斑水肿患者的视网膜OCT图像中的视网膜液和光感受层，并分析其与最佳矫正视力的关联	本文首次将视网膜特征的分割与视觉视力相关联，并使用改进的U-net模型进行自动分割	NA	研究如何通过深度学习技术自动分割视网膜OCT图像中的关键特征，并分析这些特征与视觉视力的关系	糖尿病黄斑水肿患者的视网膜OCT图像中的视网膜液和光感受层	计算机视觉	糖尿病	深度学习	U-net	图像	视网膜OCT图像被手动标记并由医生检查
17671	2024-08-31	Modeling physician's preference in treatment plan approval of stereotactic body radiation therapy of prostate cancer 2022-05-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac6d9e PMID:35523171	研究论文	本研究开发了一种基于深度学习的虚拟医生网络（VPN），用于模拟医生对前列腺癌立体定向体部放疗（SBRT）治疗计划批准的偏好	使用对抗框架训练VPN，以解决数据库中缺乏未批准计划的问题，并能对未批准计划提出剂量改进建议	研究样本量较小，仅包括68名前列腺癌患者	开发一种能够模拟医生偏好并提供剂量改进建议的虚拟医生网络	前列腺癌患者的立体定向体部放疗治疗计划	机器学习	前列腺癌	深度学习	VPN	图像	68名前列腺癌患者，其中60名用于训练和交叉验证，8名用于独立测试
17672	2024-08-31	Pneumonia Transfer Learning Deep Learning Model from Segmented X-rays 2022-May-26, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare10060987 PMID:35742039	研究论文	本文研究了利用图像分割和机器学习模型从X光图像中可靠地预测肺炎疾病	提出了改进的BoxENet模型，通过结合ImgNet和SqueezeNet的迁移学习，使用多数融合模型，提高了分类性能和速度	NA	开发一种快速且精确的深度学习模型来诊断肺炎疾病	肺炎疾病的X光图像	计算机视觉	肺炎	迁移学习	BoxENet	图像	4000张肺炎疾病X光图像和4000张健康X光图像
17673	2024-08-31	Partial Differential Equation-Constrained Diffeomorphic Registration from Sum of Squared Differences to Normalized Cross-Correlation, Normalized Gradient Fields, and Mutual Information: A Unifying Framework 2022-May-13, Sensors (Basel, Switzerland) DOI:10.3390/s22103735 PMID:35632143	研究论文	本文提出了一种统一的框架，将基于偏微分方程约束的大变形微分度量映射（PDE-LDDMM）从平方差和（SSD）扩展到使用归一化交叉相关（NCC）、局部归一化交叉相关（lNCC）、归一化梯度场（NGFs）和互信息（MI）等不同图像相似性度量的PDE-LDDMM。	本文通过引入新的图像相似性度量，扩展了PDE-LDDMM的应用范围，并在多个基准测试中展示了其优越性能。	对于归一化梯度场（NGFs）和互信息（MI），高斯-牛顿-克雷洛夫（GNK）优化未能超越梯度下降法，且MI的GNK优化涉及大量密集矩阵的乘积，导致内存需求过高。	旨在通过引入新的图像相似性度量，提高基于偏微分方程约束的大变形微分度量映射（PDE-LDDMM）的注册准确性。	研究对象包括不同图像相似性度量在PDE-LDDMM中的应用及其优化方法。	计算机视觉	NA	PDE-LDDMM	NA	图像	NA
17674	2024-08-31	Global User-Level Perception of COVID-19 Contact Tracing Applications: Data-Driven Approach Using Natural Language Processing 2022-May-11, JMIR formative research IF:2.0Q4 DOI:10.2196/36238 PMID:35389357	研究论文	本文通过自然语言处理技术，自动分析用户对COVID-19接触追踪应用的评论，提取并分类用户情感极性	提出了一种自动分析用户评论并提取情感的解决方案，结合用户友好的界面，可作为快速监控工具	NA	分析AI和NLP技术在自动提取和分类用户情感极性方面的有效性	COVID-19接触追踪移动应用的用户评论	自然语言处理	NA	自然语言处理	AI模型	文本	34,534条手动标注的评论
17675	2024-08-31	Evolution of Brains and Computers: The Roads Not Taken 2022-May-09, Entropy (Basel, Switzerland) DOI:10.3390/e24050665 PMID:35626550	研究论文	本文探讨了大脑和计算机发展过程中的相似性和差异性，以及这些发展如何影响人工智能的设计	文章提出了大脑和计算机在进化过程中的相似性和差异性，并讨论了这些相似性和差异性如何影响人工智能的设计	文章主要集中在理论探讨，未涉及具体的实验或数据分析	探讨大脑和计算机在进化过程中的相似性和差异性，以及这些相似性和差异性如何影响人工智能的设计	大脑和计算机的进化过程及其对人工智能设计的影响	机器学习	NA	深度学习	人工神经网络	NA	NA
17676	2024-08-31	Rigid motion-resolved B1+ prediction using deep learning for real-time parallel-transmission pulse design 2022-05, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29132 PMID:34958134	研究论文	本文提出了一种深度学习框架，用于预测并实时重新设计并行传输脉冲，以解决7T磁共振成像中头部运动对均匀激发轮廓的影响。	利用条件生成对抗网络预测头部运动后的B1+分布，并用于实时重新设计并行传输脉冲，以减少运动相关误差。	研究基于模拟数据，尚未在实际临床环境中验证。	开发一种能够实时预测并重新设计并行传输脉冲的方法，以减少头部运动对磁共振成像质量的影响。	并行传输脉冲的实时重新设计和头部运动对磁共振成像的影响。	计算机视觉	NA	深度学习	条件生成对抗网络	模拟数据	两个未用于训练的虚拟身体模型
17677	2024-08-31	Automatic evaluation of graft orientation during Descemet membrane endothelial keratoplasty using intraoperative OCT 2022-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.446519 PMID:35774322	研究论文	本文介绍了一种利用内镜下光学相干断层扫描（iOCT）自动评估Descemet膜内皮角膜移植（DMEK）手术中移植物方向的方法	该方法利用移植物的自然滚动行为，通过深度学习模型进行移植物分割，并计算曲率以确定移植物方向	自动方法在独立测试集中的准确性为78%，低于专业人员的识别率	开发一种自动评估DMEK手术中移植物方向的方法，以提高手术成功率	DMEK手术中的移植物方向评估	数字病理学	NA	光学相干断层扫描（OCT）	深度学习模型	图像	100个iOCT帧
17678	2024-08-31	Feasibility of the soft attention-based models for automatic segmentation of OCT kidney images 2022-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.449942 PMID:35774323	研究论文	本文研究了基于软注意力的深度学习模型在OCT肾脏图像自动分割中的可行性	提出并评估了五种方法，包括Residual-Attention-UNET、Attention-UNET等，其中Residual-Attention-UNET在分割准确性和可靠性上表现最佳	未提及具体局限性	开发基于注意力的UNET模型，用于肾脏OCT图像的自动分析、模式识别和分割	肾脏OCT图像中的近端卷曲小管（PCTs）	计算机视觉	NA	光学相干断层扫描（OCT）	CNN	图像	14403张OCT图像来自169个移植肾脏
17679	2024-08-31	Retinopathy grading with deep learning and wavelet hyper-analytic activations 2022-Apr-25, The Visual computer DOI:10.1007/s00371-022-02489-z PMID:35493724	研究论文	本文通过结合多分辨率分析（MRA）和卷积神经网络（CNN）框架，利用超分析小波激活函数增强输入图像的特征，提高了糖尿病视网膜病变（DR）分级的准确性	提出了一种新颖的超分析小波激活函数，该函数能够转换负系数以保留重要的边缘特征图，并通过选择合适的激活函数超参数，产生单调且有效的激活	NA	提高糖尿病视网膜病变分级的准确性	糖尿病视网膜病变（DR）的图像分级	计算机视觉	糖尿病视网膜病变	卷积神经网络（CNN）	CNN	图像	未明确提及具体样本数量
17680	2024-08-31	Fully Automated Wound Tissue Segmentation Using Deep Learning on Mobile Devices: Cohort Study 2022-04-22, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/36977 PMID:35451982	研究论文	本研究利用深度学习技术在移动设备上实现全自动伤口组织分割，以减少临床评估中的主观性。	开发了两种深度卷积神经网络架构用于伤口和组织分割，并在大量多样化的图像数据集上进行训练，模型在多种成像条件下表现稳健，且对肤色无偏见。	研究中报告了临床医生在识别组织类型时的中等到较差的一致性，以及在识别上皮化时的非常低的Krippendorff α值。	旨在测量伤口护理临床医生在手动组织分割和量化中的相互和内部评分者变异性，并确定是否可以使用深度神经网络实现对组织类型的客观评估。	研究对象包括58张不同类型的慢性伤口图像，以及4种不同的伤口床组织类型（上皮、肉芽、腐肉和焦痂）。	计算机视觉	NA	深度学习	深度卷积神经网络	图像	465,187和17,000对图像标签用于训练模型，58张伤口图像用于评估。