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
18561	2024-09-20	A radiograph-based deep learning model improves radiologists' performance for classification of histological types of primary bone tumors: A multicenter study 2024-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111496 PMID:38733705	研究论文	本文开发了一种基于深度学习的模型，用于分类原发性骨肿瘤的组织学类型，并评估了其在辅助放射科医生中的临床效用	本文创新性地结合了放射图像和临床特征，基于EfficientNet-B3模型进行五分类，显著提高了放射科医生的分类准确性和诊断信心	研究为回顾性研究，样本主要来自两个中心，可能存在一定的偏倚	开发和评估一种深度学习模型，用于辅助放射科医生分类原发性骨肿瘤的组织学类型	原发性骨肿瘤的组织学类型分类	计算机视觉	骨肿瘤	深度学习	EfficientNet-B3	图像	878名病理确诊的原发性骨肿瘤患者，分为训练集638例，验证集77例，内部测试集80例，外部测试集83例
18562	2024-09-20	Recovering speech intelligibility with deep learning and multiple microphones in noisy-reverberant situations for people using cochlear implants 2024-06-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0026218 PMID:38884525	研究论文	研究通过深度学习和多麦克风系统在噪声和混响环境中提高人工耳蜗使用者的语音可懂度	提出了一种结合深度学习和多麦克风系统的方法，通过去除噪声和混响来恢复语音信号，显著提高了语音接收阈值	研究仅限于模拟和实际人工耳蜗使用者的测试，未涵盖所有可能的听觉环境	旨在通过深度学习算法和多麦克风系统提高人工耳蜗使用者在噪声和混响环境中的语音可懂度	研究对象包括15名典型听力听众和12名人工耳蜗使用者	机器学习	NA	深度学习算法	NA	语音信号	15名典型听力听众和12名人工耳蜗使用者
18563	2024-09-20	ChildAugment: Data augmentation methods for zero-resource children's speaker verification 2024-03-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0025178 PMID:38530014	研究论文	本文提出了一种名为ChildAugment的数据增强方法，用于零资源儿童说话人验证，通过调整成人语音的共振峰频率和带宽来模拟儿童语音	创新点在于通过儿童特定的数据增强方法，将成人语音数据转化为儿童语音数据，以提高儿童说话人验证系统的准确性	NA	研究目的是探索更有效的方法来利用成人语音数据，以提高儿童说话人验证系统的准确性	研究对象是儿童说话人验证系统及其数据增强方法	机器学习	NA	数据增强	时间延迟神经网络识别器	语音	使用了CSLU kids语料库进行评估
18564	2024-09-20	Development and testing of a deep learning algorithm to detect lung consolidation among children with pneumonia using hand-held ultrasound 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309109 PMID:39190686	研究论文	开发并测试了一种深度学习算法，用于通过手持超声检测患有肺炎的儿童的肺实变	首次开发并测试了一种用于检测儿童肺炎肺实变的深度学习算法，并展示了其在手持超声设备上的高准确性	研究仅限于特定年龄段的儿童，且数据集主要来自学术急诊科和儿科住院或重症监护单元	开发和测试一种人工智能算法，用于在住院儿童的床旁肺超声中检测肺实变特征	患有肺炎的18个月至17岁儿童	计算机视觉	肺炎	深度学习	深度学习算法	视频	107名儿童参与者，产生了117次独立检查，共604个阳性视频和589个阴性视频
18565	2024-09-20	Automated segmentation and classification of supraspinatus fatty infiltration in shoulder magnetic resonance image using a convolutional neural network 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1416169 PMID:39290391	研究论文	本文开发并评估了一种用于检测肩部磁共振图像中冈上肌脂肪浸润的两步深度学习模型	本文提出了一种无监督训练的混合框架，结合分割和分类来检测冈上肌脂肪浸润，相较于传统的手动分割和标记方法，提供了更高效的解决方案	本文未提及具体的局限性	开发和评估一种用于检测肩部磁共振图像中冈上肌脂肪浸润的深度学习模型	肩部磁共振图像中的冈上肌脂肪浸润	计算机视觉	肩部疾病	深度学习	U-Net 和 VGG-19	图像	606 张肩部磁共振图像
18566	2024-09-20	Deep learning infused SIRVD model for COVID-19 prediction: XGBoost-SIRVD-LSTM approach 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1427239 PMID:39290396	研究论文	本文提出了一种结合机器学习和数学模型的深度学习模型，用于预测COVID-19的传播动态和未来趋势	本文创新性地将SIRVD数学模型与XGBoost-LSTM深度学习模型结合，提高了COVID-19预测的准确性	NA	研究目的是开发一种准确预测COVID-19传播动态和未来趋势的模型，以支持公共卫生决策	研究对象是COVID-19的传播动态和未来趋势	机器学习	COVID-19	XGBoost, LSTM	深度学习模型	时间序列数据	NA
18567	2024-09-20	PNNGS, a multi-convolutional parallel neural network for genomic selection 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1410596 PMID:39290743	研究论文	本文介绍了一种用于基因组选择的并行卷积神经网络PNNGS，通过并行卷积和残差连接提高了预测精度和稳定性	引入并行卷积到深度学习中用于基因组选择，提出了一种新的并行神经网络PNNGS	当训练样本在小集群中减少时，PNNGS的预测精度显著下降	提高基因组选择的预测精度和稳定性	水稻、向日葵、小麦和玉米的基因组选择	机器学习	NA	深度学习	并行神经网络	基因组数据	24个案例，不同集群的样本数量差异很大
18568	2024-09-20	DSEception: a noval neural networks architecture for enhancing pneumonia and tuberculosis diagnosis 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1454652 PMID:39291256	研究论文	本文提出了一种新的神经网络架构DSEception，用于增强肺炎和肺结核的诊断	本文提出了一种基于InceptionV3架构的混合模型，通过引入深度可分离卷积和挤压激励机制，提高了特征提取能力，同时减少了参数数量和计算负担	NA	开发一种高精度的自动诊断和分类方法，用于区分正常、肺炎和肺结核	肺炎和肺结核的诊断	计算机视觉	肺部疾病	深度学习	混合模型	图像	NA
18569	2024-09-20	Deep learning based hybrid prediction model for predicting the spread of COVID-19 in the world's most populous countries 2023-Nov-30, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.120769 PMID:37334273	研究论文	本文开发了一种基于深度学习的混合预测模型，用于预测全球人口最多的国家中COVID-19的传播	本研究首次尝试预测和分析全球人口最多的国家之间的COVID-19跨国家传播	NA	预测COVID-19的传播，以帮助制定健康管理计划和社会经济行动计划	全球人口最多的国家中COVID-19的传播	机器学习	COVID-19	深度学习	CNN-GRU混合模型	NA	全球人口最多的国家
18570	2024-09-20	MRI-based T1rho and T2 cartilage compositional imaging in osteoarthritis: what have we learned and what is needed to apply it clinically and in a trial setting? 2023-Nov, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-023-04310-x PMID:37000230	研究论文	本文探讨了基于MRI的T1rho和T2关节软骨成分成像在骨关节炎中的应用，分析了其在临床和试验设置中的现状和需求	开发了基于深度学习的自动软骨分割和更快的成像方法，推动了T1rho和T2成像在临床和科学试验中的可行性	软骨分割的挑战、图像采集时间长、成像标准化不足以及缺乏参考数据库和异常阈值定义	研究T1rho和T2关节软骨成分成像在骨关节炎早期诊断和治疗中的应用	骨关节炎患者的关节软骨	数字病理学	骨关节炎	MRI	深度学习	图像	NA
18571	2024-09-20	ADU-Net: An Attention Dense U-Net based deep supervised DNN for automated lesion segmentation of COVID-19 from chest CT images 2023-Aug, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2023.104974 PMID:37122956	研究论文	提出了一种基于注意力密集U-Net的深度监督DNN模型，用于从胸部CT图像中自动分割COVID-19病变	引入了注意力机制和深度监督机制，使用5×5卷积核代替3×3卷积核，并在编码器级别引入密集连接网络	未提及具体限制	开发一种自动化的COVID-19预测框架，用于胸部CT图像的定性和定量评估	COVID-19患者的胸部CT图像中的肺部病变	计算机视觉	COVID-19	深度学习	注意力密集U-Net	图像	MedSeg COVID-19胸部CT分割数据集
18572	2024-09-20	Coronary X-ray angiography segmentation using Artificial Intelligence: a multicentric validation study of a deep learning model 2023-Jul, The international journal of cardiovascular imaging DOI:10.1007/s10554-023-02839-5 PMID:37027105	研究论文	本文验证了一种基于深度学习的人工智能模型在冠状动脉造影图像分割中的应用	首次在多中心数据集上验证了该深度学习模型在冠状动脉造影图像分割中的准确性	研究仅限于一个月内的患者数据，且样本量相对较小	验证人工智能模型在冠状动脉造影图像分割中的准确性	冠状动脉造影图像的自动分割	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	90名患者，117张图像，123个感兴趣区域
18573	2024-09-20	Deep learning framework for rapid and accurate respiratory COVID-19 prediction using chest X-ray images 2023-Jul, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2023.101596 PMID:37275558	研究论文	本文提出了一种基于深度特征拼接和多头自注意力网络的端到端深度学习框架，用于通过胸部X光图像快速准确地预测COVID-19	该研究采用了深度特征拼接和多头自注意力网络，结合了DenseNet、VGG-16和InceptionV3的预训练模型，并在COVID-19_Radiography_Dataset上进行了端到端训练和评估	NA	开发一种快速准确的深度学习框架，用于通过胸部X光图像预测COVID-19	COVID-19感染的胸部X光图像	计算机视觉	呼吸系统疾病	深度学习	多头自注意力网络	图像	使用了COVID-19_Radiography_Dataset进行训练和评估
18574	2024-09-20	Predicting the antigenic evolution of SARS-COV-2 with deep learning 2023-06-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-39199-6 PMID:37311849	研究论文	本文介绍了一种基于机器学习的抗原进化预测方法MLAEP，用于预测SARS-CoV-2的抗原进化	结合结构建模、多任务学习和遗传算法，通过计算机模拟定向进化探索抗原进化	NA	预测SARS-CoV-2的抗原进化，以辅助疫苗开发和应对未来变种	SARS-CoV-2的抗原进化及其对免疫逃逸的影响	机器学习	NA	结构建模、多任务学习、遗传算法	NA	序列数据	现有SARS-CoV-2变种及免疫缺陷COVID-19患者样本
18575	2024-09-20	A generalizable deep learning regression model for automated glaucoma screening from fundus images 2023-Jun-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00857-0 PMID:37311940	研究论文	本文提出了一种可推广的深度学习回归模型，用于从眼底图像中自动筛查青光眼	该模型在多种挑战性设置下表现出色，并能有效减少数据偏移问题	需要进一步的前瞻性队列研究进行验证	开发一种可推广的青光眼筛查模型	青光眼筛查	计算机视觉	眼科疾病	深度学习	回归模型	图像	共149,455张眼底图像
18576	2024-09-20	NISNet3D: three-dimensional nuclear synthesis and instance segmentation for fluorescence microscopy images 2023-06-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36243-9 PMID:37308499	研究论文	本文介绍了一种名为NISNet3D的三维核合成与实例分割网络，用于荧光显微镜图像中的细胞核分割	NISNet3D通过使用改进的3D U-Net、3D标记控制的分水岭变换和核实例分割系统，能够直接分割三维体积，并能有效处理具有挑战性的图像体积	NISNet3D的实现依赖于大量手动标注的训练数据，尽管它可以通过合成数据进行训练	开发一种有效的三维核分割方法，以推动组织细胞计量的发展	荧光显微镜图像中的细胞核	计算机视觉	NA	3D U-Net、3D标记控制的分水岭变换	3D U-Net	图像	大量合成核数据，可能来自相对较少的标注体积或无标注体积
18577	2024-09-20	Designing catalysts with deep generative models and computational data. A case study for Suzuki cross coupling reactions 2023-Jun-12, Digital discovery IF:6.2Q1 DOI:10.1039/d2dd00125j PMID:37312682	研究论文	本文介绍了一种基于深度生成模型和计算数据的催化剂设计方法，以Suzuki交叉偶联反应为例	利用变分自编码器（VAE）和前馈神经网络生成新的催化剂-配体候选物，并通过计算结合能进行优化	NA	开发更高效的催化过程设计方法	催化剂和配体的设计	机器学习	NA	密度泛函理论（DFT）	变分自编码器（VAE）	分子表示和结合能数据	NA
18578	2024-09-20	Deep learning-assisted radiomics facilitates multimodal prognostication for personalized treatment strategies in low-grade glioma 2023-06-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36298-8 PMID:37302994	研究论文	本文开发了一种深度学习辅助的放射组学模型，用于评估低级别胶质瘤患者的总生存期、未来恶性转化概率和肿瘤生长速度	首次将深度学习与放射组学结合，用于多模态预测低级别胶质瘤患者的个性化治疗策略	研究样本量有限，且仅限于低级别胶质瘤患者	开发一种综合的深度学习辅助放射组学模型，用于评估低级别胶质瘤患者的预后	低级别胶质瘤患者的总生存期、未来恶性转化概率和肿瘤生长速度	数字病理学	脑肿瘤	放射组学	深度学习模型	影像数据	349名低级别胶质瘤患者
18579	2024-09-20	Preserving privacy in surgical video analysis using a deep learning classifier to identify out-of-body scenes in endoscopic videos 2023-06-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36453-1 PMID:37286660	研究论文	开发并验证了一种深度学习模型，用于识别内窥镜视频中的体外图像，以保护手术视频分析中的隐私	首次开发并验证了一种深度学习模型，能够可靠地识别内窥镜视频中的体外图像，并公开分享该模型	仅限于识别内窥镜视频中的体外图像，未涉及其他类型的隐私保护方法	开发一种能够识别内窥镜视频中体外图像的深度学习模型，以保护患者和手术室工作人员的隐私	内窥镜视频中的体外图像	计算机视觉	NA	深度学习	深度学习分类器	图像	内部数据集包含356,267张图像，来自48个视频；两个多中心测试数据集分别包含54,385和58,349张图像，来自10和20个视频
18580	2024-09-20	A comprehensive review of COVID-19 detection with machine learning and deep learning techniques 2023-Jun-07, Health and technology IF:3.1Q2 DOI:10.1007/s12553-023-00757-z PMID:37363343	综述	本文综述了使用机器学习和深度学习技术进行COVID-19检测的研究进展	本文总结了现有的机器学习和深度学习模型在COVID-19检测中的应用，并探讨了未来的改进方向	本文指出机器学习和深度学习模型在COVID-19检测中存在过拟合问题，可能导致错误预测和模型过载	本文旨在为研究专家提供人工智能在COVID-19检测中的应用概述，帮助他们探索未来的改进方向	本文研究对象为COVID-19患者的健康状况分类	机器学习	COVID-19	机器学习、深度学习	机器学习模型、深度学习模型	图像	本文收集了200篇研究论文，最终筛选出50篇进行分析