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
17761	2024-08-30	Fully automated segmentation and radiomics feature extraction of hypopharyngeal cancer on MRI using deep learning 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09827-2 PMID:37338554	研究论文	本文使用卷积神经网络实现喉下癌（HPC）在MRI上的全自动分割和放射组学特征提取	DeepLab V3+模型在自动分割和放射组学特征提取方面优于U-Net模型，特别是在小肿瘤体积的分割上表现更佳	NA	研究目的是利用深度学习技术实现喉下癌肿瘤在MRI上的自动分割和放射组学特征提取	研究对象为222名喉下癌患者，其中178名用于训练，44名用于测试	计算机视觉	喉下癌	MRI	CNN	图像	222名喉下癌患者
17762	2024-08-30	Neural network combining with clinical ultrasonography: A new approach for classification of salivary gland tumors 2023-08, Head & neck DOI:10.1002/hed.27396 PMID:37222027	研究论文	本文探讨了深度学习方法在唾液腺肿瘤超声图像分类中的应用	首次比较了超声训练模型与计算机断层扫描或磁共振成像训练模型的准确性	研究为回顾性，样本量有限	比较不同成像技术训练模型在唾液腺肿瘤分类中的准确性	唾液腺肿瘤的超声图像	机器学习	NA	深度学习	神经网络	图像	638名患者，包括558例良性肿瘤和80例恶性肿瘤
17763	2024-08-30	COVID-19 mortality prediction in the intensive care unit with deep learning based on longitudinal chest X-rays and clinical data 2022-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-022-08588-8 PMID:35184218	研究论文	本研究旨在利用基于纵向胸部X光片和临床数据的深度学习模型预测重症监护室（ICU）中COVID-19患者的院内死亡率	本研究的创新点在于结合纵向胸部X光片和临床数据，通过深度学习模型显著提高了COVID-19患者在ICU中的死亡率预测准确性	NA	开发深度学习模型，预测ICU中COVID-19患者的院内死亡率	COVID-19患者在ICU中的院内死亡率	机器学习	COVID-19	深度学习	Transformer网络	图像和文本	654名患者（212名死亡，442名存活，共5645张胸部X光片）
17764	2024-08-30	Recent advances and clinical applications of deep learning in medical image analysis 2022-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102444 PMID:35472844	review	本文综述了深度学习在医学图像分析中的最新进展和临床应用	强调了最先进的无监督和半监督深度学习在医学图像分析中的最新进展和贡献	深度学习模型在医学图像分析中的进一步改进主要受限于缺乏大型且标注良好的数据集	提供深度学习方法在各种医学图像分析任务中应用的全面概述	医学图像分析任务，包括分类、分割、检测和图像配准	computer vision	NA	deep learning	CNN	image	NA
17765	2024-08-30	A deep learning model identifies emphasis on hard work as an important predictor of income inequality 2022-06-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-13902-x PMID:35701456	研究论文	本文通过重新训练一个现有的深度学习模型，分析了世界价值观调查受访者对收入不平等必要性的看法，并发现强调努力工作是预测收入不平等的重要心理因素	本文首次使用机器学习模型来识别和验证强调努力工作作为收入不平等的心理预测因素，并提出了新假设	研究主要基于相关性和实验数据，未来研究需进一步验证因果关系	探讨和验证心理因素在解释社会收入不平等中的作用	世界价值观调查受访者对收入不平等的看法	机器学习	NA	深度学习模型	深度学习模型	调查数据	世界价值观调查受访者
17766	2024-08-30	Retro Drug Design: From Target Properties to Molecular Structures 2022-06-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.2c00123 PMID:35653613	研究论文	本文介绍了一种新的策略——逆向药物设计（RDD），用于从头创建满足多个预定义要求的新型小分子药物	RDD利用人工智能和其他计算方法，通过蒙特卡洛采样算法和深度学习模型生成具有目标属性的分子结构，显示出高度的创新性	NA	旨在通过逆向药物设计策略加速和优化药物发现过程	新型小分子药物的生成和其生物活性及ADMET属性的优化	药物发现	NA	人工智能（AI）、蒙特卡洛采样算法、深度学习	深度学习模型	分子结构	3,040个结构中筛选出20个进行合成和实验测量，其中15个为有效化合物，8个为强效化合物
17767	2024-08-30	Deep learning enables reference-free isotropic super-resolution for volumetric fluorescence microscopy 2022-06-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-30949-6 PMID:35676288	研究论文	本文提出了一种基于深度学习的无监督超分辨率技术，用于提升体积荧光显微镜中的各向异性图像分辨率	该方法无需高分辨率目标图像匹配，仅通过单一3D图像堆栈进行网络训练，简化了实施过程	NA	解决体积荧光显微镜中各向异性空间分辨率的限制问题	体积荧光显微镜中的各向异性图像	计算机视觉	NA	深度学习	生成对抗网络	图像	单一3D图像堆栈
17768	2024-08-30	A streamlined platform for analyzing tera-scale DDA and DIA mass spectrometry data enables highly sensitive immunopeptidomics 2022-06-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-30867-7 PMID:35672356	研究论文	本文介绍了一种集成数据依赖采集（DDA）和数据独立采集（DIA）方法的流线型平台，用于分析大规模质谱数据，特别是在免疫肽组学应用中提高灵敏度	该平台整合了基于深度学习的谱库搜索、数据库搜索和从头测序解决方案，不仅提高了灵敏度，还能准确控制肽鉴定的特异性	NA	开发一种能够分析大规模质谱数据的平台，以提高免疫肽组学的灵敏度	DDA和DIA质谱数据分析	生物信息学	COVID-19	质谱分析	深度学习	质谱数据	数千个样本
17769	2024-08-30	BrainGAN: Brain MRI Image Generation and Classification Framework Using GAN Architectures and CNN Models 2022-Jun-06, Sensors (Basel, Switzerland) DOI:10.3390/s22114297 PMID:35684918	研究论文	本文提出了一种名为BrainGAN的框架，用于生成和分类脑部MRI图像，该框架使用GAN架构和深度学习模型	本文通过应用生成对抗网络（GAN）的增强技术解决了脑部MRI图像缺乏的问题，并提出了一个自动检查生成图像满意度的方法	NA	开发一种在医学影像领域应用深度学习模型的有效框架	脑部MRI图像的生成和分类	计算机视觉	NA	生成对抗网络（GAN）	CNN, MobileNetV2, ResNet152V2	图像	测试集由真实的脑部MRI图像组成
17770	2024-08-30	Automated soccer head impact exposure tracking using video and deep learning 2022-06-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-13220-2 PMID:35661123	研究论文	本文开发并应用了一种名为DeepImpact的计算机视觉算法，用于自动检测足球比赛视频中的头球事件	DeepImpact算法通过使用深度学习网络自动检测和分类足球视频中的头球事件，提供了一种低成本且高效的替代传统穿戴式传感器和手动视频分析的方法	算法在独立测试中的精确度较低，需要通过额外的人工视频验证来减少误报	研究头球暴露与脑损伤风险之间的潜在联系	足球比赛视频中的头球事件	计算机视觉	NA	深度学习	CNN	视频	使用了包含五个职业足球比赛视频的独立测试数据集
17771	2024-08-30	Deep Learning Based Real-Time Semantic Segmentation of Cerebral Vessels and Cranial Nerves in Microvascular Decompression Scenes 2022-06-02, Cells IF:5.1Q2 DOI:10.3390/cells11111830 PMID:35681525	研究论文	本文提出了一种轻量级的快速语义分割网络MVDNet，用于微血管减压场景中的脑部血管和颅神经的实时分割	设计了轻量级非对称瓶颈模块（LAB）和特征融合模块（FFM），实现了分割精度和速度的良好平衡	NA	实现微血管减压手术中脑部血管和颅神经的自动提取	脑部血管和颅神经	计算机视觉	NA	深度学习	CNN	图像	MVD测试集
17772	2024-08-30	Semi-automated validation and quantification of CTLA-4 in 90 different tumor entities using multiple antibodies and artificial intelligence 2022-06, Laboratory investigation; a journal of technical methods and pathology DOI:10.1038/s41374-022-00728-4 PMID:35091676	研究论文	本研究通过免疫组织化学方法和深度学习框架，对90种不同肿瘤实体中的CTLA-4细胞进行半自动化验证和定量分析	本研究采用深度学习框架自动排除非特异性免疫染色，提高了CTLA-4细胞定量的准确性	研究中发现了特定肿瘤类型中抗体依赖性的非特异性染色模式，需要进一步优化抗体选择	比较不同肿瘤实体间CTLA-4细胞的差异	90种不同肿瘤实体和76种正常组织类型的CTLA-4细胞	数字病理学	NA	免疫组织化学	深度学习	组织微阵列	4582个肿瘤样本和608个正常组织样本
17773	2024-08-30	A Multilevel Transfer Learning Technique and LSTM Framework for Generating Medical Captions for Limited CT and DBT Images 2022-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-021-00567-7 PMID:35217942	研究论文	本文提出了一种基于多层次迁移学习（MLTL）框架和长短期记忆网络（LSTM）的医学图像字幕生成模型	结合了多层次迁移学习和LSTM模型，以及增强的多输入卷积神经网络（CNN）模型和特征提取技术，以提高医学图像字幕的准确性和详细性	仅在有限的CT和DBT图像数据集上进行了实验，可能需要进一步验证其在更广泛医学图像数据集上的性能	开发一种能够为稀缺和有限的医学图像生成字幕的模型	医学图像字幕生成	计算机视觉	NA	多层次迁移学习（MLTL）	LSTM	图像	非常有限的数据集
17774	2024-08-30	Design and Evaluation of a Handheld Robotic Device for Peripheral Catheterization 2022-Jun-01, Journal of medical devices DOI:10.1115/1.4053688 PMID:35284032	研究论文	本文介绍了一种手持式机器人设备VeniBot，用于高精度重复执行外周导管插入	该设备结合了超声成像、微型机器人技术和机器学习，以安全高效地将导管鞘引入外周血管	NA	验证手持式机器人设备在半自动外周导管插入中的可行性	手持式机器人设备VeniBot及其在组织模拟模型上的性能	机器人技术	NA	超声成像、机器学习	深度学习算法	图像	240个组织模拟模型
17775	2024-08-30	ETL-YOLO v4: A face mask detection algorithm in era of COVID-19 pandemic 2022-Jun, Optik DOI:10.1016/j.ijleo.2022.169051 PMID:35411120	研究论文	本文提出了一种改进的ETL-YOLO v4算法，用于在COVID-19大流行期间进行口罩检测	ETL-YOLO v4通过改进的特征提取和预测网络，以及添加修改后的密集SPP网络和额外的检测层，提高了检测精度	NA	提高口罩检测算法的准确性	口罩检测	计算机视觉	NA	深度学习	CNN	图像	使用了Mosaic和CutMix数据增强技术，未具体说明样本数量
17776	2024-08-30	Machine learning to navigate fitness landscapes for protein engineering 2022-06, Current opinion in biotechnology IF:7.1Q1 DOI:10.1016/j.copbio.2022.102713 PMID:35413604	综述	本文综述了机器学习在蛋白质工程中的应用，特别是如何利用机器学习方法来理解和预测蛋白质序列、结构和功能之间的关系	介绍了新的序列表示策略以提高数据效率建模，并描述了机器学习在蛋白质工程流程中的多种应用方式	NA	探讨机器学习在蛋白质工程中的最新进展	蛋白质序列、结构和功能之间的关系	机器学习	NA	机器学习	监督学习方法、生成模型	实验数据	NA
17777	2024-08-30	Brain tumor image generation using an aggregation of GAN models with style transfer 2022-06-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-12646-y PMID:35650252	研究论文	本文提出了一种结合多种生成对抗网络（GAN）模型与风格迁移技术的脑肿瘤图像生成方法	通过聚合三种基础GAN模型（两种深度卷积生成对抗网络DCGAN和一种Wasserstein GAN）并应用风格迁移技术，提高了合成MRI脑肿瘤图像的质量	文章未明确提及具体限制	旨在解决医学图像分析领域中原始数据稀缺和类别不平衡问题	脑肿瘤的合成MRI图像	计算机视觉	脑肿瘤	生成对抗网络（GAN）	DCGAN, WGAN	图像	使用了两个公开数据集：脑肿瘤数据集和多模态脑肿瘤分割挑战（BraTS）2020数据集
17778	2024-08-30	Efficient Adversarial Generation of Thermally Activated Delayed Fluorescence Molecules 2022-May-31, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.2c02253 PMID:35664624	研究论文	本文介绍了一种集成框架，通过结合算法合成、深度预测、对抗生成和精细筛选模块，有效设计用于有机发光二极管设备的TADF分子	引入了对抗生成模型来探索所需的化学空间，并通过深度学习辅助高效生成新的D-A分子	NA	开发一种有效的设计方法，用于生成适用于有机发光二极管设备的TADF分子	TADF分子及其在有机发光二极管设备中的应用	机器学习	NA	对抗生成模型	对抗自编码器	分子结构	NA
17779	2024-08-30	Age Estimation of Faces in Videos Using Head Pose Estimation and Convolutional Neural Networks 2022-May-31, Sensors (Basel, Switzerland) DOI:10.3390/s22114171 PMID:35684792	研究论文	本文提出了一种结合年龄估计和头部姿态估计的系统，以提高从视频中人脸的年龄估计性能	使用深度回归森林（DRFs）进行年龄估计，并利用多损失卷积神经网络进行头部姿态估计，通过设定头部姿态阈值来细化年龄估计值	仅在Cross-Age Celebrity Dataset（CACD）和Asian Face Age Dataset（AFAD）上进行了实验验证	提高视频中人脸年龄估计的准确性和可靠性	视频中的人脸年龄估计	计算机视觉	NA	深度回归森林（DRFs），卷积神经网络	卷积神经网络	图像	使用了Cross-Age Celebrity Dataset（CACD）和Asian Face Age Dataset（AFAD）中的图像数据
17780	2024-08-30	Hybrid and Deep Learning Approach for Early Diagnosis of Lower Gastrointestinal Diseases 2022-May-27, Sensors (Basel, Switzerland) DOI:10.3390/s22114079 PMID:35684696	研究论文	本文提出了一种混合和深度学习方法，用于早期诊断下消化道疾病	研究中开发了多种多方法学系统，每个系统包含多种诊断方法，如使用人工神经网络（ANN）、前馈神经网络（FFNN）、局部二值模式（LBP）、灰度共生矩阵（GLCM）、模糊颜色直方图（FCH）算法以及预训练的CNN模型（GoogLeNet和AlexNet）进行特征提取和分类	NA	旨在通过早期检测肿瘤类型来提高患者的生存率	下消化道疾病，包括出血、溃疡、息肉和恶性肿瘤	机器学习	消化系统疾病	人工神经网络（ANN）、前馈神经网络（FFNN）、局部二值模式（LBP）、灰度共生矩阵（GLCM）、模糊颜色直方图（FCH）、卷积神经网络（CNN）	CNN、ANN、FFNN	图像	5000帧视频帧