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
18601	2024-08-27	Deep learning-based convolutional neural network for intramodality brain MRI synthesis 2022-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.13530 PMID:35044073	research paper	本研究开发了一种基于深度学习的卷积神经网络（CNN），用于脑部MRI不同对比度图像之间的转换	使用U-Net模型学习源图像对比度到目标图像对比度的非线性映射，能够在脑部MRI对比度间进行准确的图像到图像转换	生成的合成FLAIR图像质量稍低，细节有所丢失	提高脑癌患者的临床决策和诊断质量，通过提供多对比度MRI	脑癌患者的多对比度MRI图像	computer vision	脑癌	卷积神经网络（CNN）	U-Net	image	477名临床诊断为胶质瘤脑癌的患者
18602	2024-08-27	Artificial Intelligence to Improve Risk Prediction with Nuclear Cardiac Studies 2022-04, Current cardiology reports IF:3.1Q2 DOI:10.1007/s11886-022-01649-w PMID:35171443	综述	本文综述了机器学习为基础的人工智能在核心脏学中的应用，以及其在心血管疾病风险预测中的表现和贡献	探讨了机器学习为基础的人工智能在核心脏学研究中的应用，特别是SPECT和PET技术，以改善疾病风险分类和不良事件预测	目前研究在方法上存在差异，包括使用统计机器学习方法或深度学习与不同架构、数据集大小和性能	总结和讨论核心脏学技术和人工智能的原则，以及当前关于其在心血管疾病风险预测中性能和贡献的证据	核心脏学研究和心血管疾病风险预测	机器学习	心血管疾病	机器学习	深度学习	影像	NA
18603	2024-08-27	Association of Selective Serotonin Reuptake Inhibitor Use With Abnormal Physical Movement Patterns as Detected Using a Piezoelectric Accelerometer and Deep Learning in a Nationally Representative Sample of Noninstitutionalized Persons in the US 2022-04-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2022.5403 PMID:35389502	研究论文	本研究使用压电加速度计和深度学习技术，在一项全国代表性的非机构化人群样本中，评估选择性血清素再摄取抑制剂（SSRI）使用与异常身体运动模式之间的关系	首次使用自然主义、纵向、客观数据的大规模研究来验证SSRI使用者的身体活动发现	本研究为横断面研究，可能存在指示性混杂因素，且模型性能仅为中等	评估SSRI使用者与对照组之间是否存在身体运动差异，并识别SSRI使用者运动的独特特征	选择性血清素再摄取抑制剂（SSRI）使用者与非使用者的身体运动模式	机器学习	NA	压电加速度计	深度学习模型	运动数据	7162名参与者
18604	2024-08-27	A New Deep Hybrid Boosted and Ensemble Learning-Based Brain Tumor Analysis Using MRI 2022-Apr-01, Sensors (Basel, Switzerland) DOI:10.3390/s22072726 PMID:35408340	研究论文	本文提出了一种新的两阶段深度学习框架，用于在磁共振图像（MRI）中检测和分类脑肿瘤	提出了一个新颖的深度增强特征空间和集成分类器（DBFS-EC）方案，以及一种基于混合特征融合的脑肿瘤分类方法	未提及	旨在通过深度学习技术提高脑肿瘤分析的准确性和效率	脑肿瘤的检测和分类	计算机视觉	脑肿瘤	深度学习	CNN	图像	使用了来自Kaggle和Figshare的两个标准基准数据集，包含不同类型的肿瘤图像，如胶质瘤、脑膜瘤、垂体瘤和正常图像
18605	2024-08-27	Deep learning -- promises for 3D nuclear imaging: a guide for biologists 2022-04-01, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.258986 PMID:35420128	综述	本文综述了深度学习在3D核成像中的应用，特别强调了其在细胞生物学中的潜力和可用性	介绍了深度学习方法在生物医学图像分析中的应用，特别是卷积神经网络在3D核成像中的应用	文中指出目前可供生物学家使用的深度学习方法较少，仅有不到12种	推广深度学习方法在细胞生物学中的应用，并提供最佳实践	3D核成像技术及其在细胞生物学中的应用	计算机视觉	NA	深度学习	卷积神经网络	图像	使用大型数据集进行训练
18606	2024-08-27	Impact of coronary plaque morphology on the precision of computational fractional flow reserve derived from optical coherence tomography imaging 2022-Apr, Cardiovascular diagnosis and therapy IF:2.1Q3 DOI:10.21037/cdt-21-505 PMID:35433350	研究论文	本研究探讨了冠状动脉斑块形态对基于光学相干断层扫描（OCT）图像计算的分数流储备（FFR）精度的影响	本研究首次分析了斑块组成对计算FFR数值精度的影响，并使用深度学习算法分析了OCT图像中的冠状动脉斑块形态	研究为回顾性、横断面观察性研究，且样本量相对较小	评估冠状动脉斑块形态对计算FFR精度的影响	冠状动脉斑块形态及其对计算FFR精度的影响	数字病理学	心血管疾病	光学相干断层扫描（OCT）	深度学习算法	图像	共分析了193名患者的230个具有中度冠状动脉狭窄的血管
18607	2024-08-27	Live-cell fluorescence spectral imaging as a data science challenge 2022-Apr, Biophysical reviews IF:4.9Q1 DOI:10.1007/s12551-022-00941-x PMID:35528031	综述	本文综述了活细胞荧光光谱成像技术的发展及其在数据分析方面的挑战	介绍了从线性方程系统到矩阵分解、聚类和深度学习方法的演进	NA	旨在为实验科学家和数据分析师提供关于荧光活细胞成像光谱解混算法发展的直接描述	活细胞荧光光谱成像数据分析	计算机视觉	NA	荧光光谱成像	深度学习	图像	NA
18608	2024-08-27	Deep Learning-Based Monocular 3D Object Detection with Refinement of Depth Information 2022-Mar-28, Sensors (Basel, Switzerland) DOI:10.3390/s22072576 PMID:35408191	研究论文	本文提出了一种基于深度学习的单目3D物体检测方法，通过改进深度信息来提高检测性能	提出了两种创新解决方案：一是基于联合图像分割和几何约束的方法，用于预测目标深度并提供深度预测置信度；二是利用目标尺度与高斯函数归一化作为先验信息，减少深度分布的不确定性	主要限制是由于目标位置的不准确和前景目标深度分布的不确定性，这些问题源于深度估计的不准确	提高基于伪激光雷达数据的单目3D目标检测的鲁棒性	单目3D目标检测中的深度信息	计算机视觉	NA	深度学习	CNN	图像	在具有挑战性的KITTI数据集上进行了大量实验
18609	2024-08-27	Determination of the Severity and Percentage of COVID-19 Infection through a Hierarchical Deep Learning System 2022-Mar-28, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12040535 PMID:35455654	研究论文	本文介绍了一种基于层次智能系统的新方法，利用深度学习模型通过X射线和胸部CT扫描检测和分类COVID-19患者，并评估感染程度和严重性	提出了一种新的分层智能系统，使用深度学习模型和新的直方图数据库来定义COVID-19患者在不同CT切片中的感染情况	NA	开发一种自动系统，通过机器学习在医学图像上对COVID-19患者进行严重性分级，以辅助医疗专家的决策	COVID-19患者的感染检测、感染百分比评估和严重性分类	机器学习	COVID-19	深度学习	CNN Densenet-161, SVM with LDA	医学图像（X射线和CT扫描）	NA
18610	2024-08-27	Deep Learning Based SWIR Object Detection in Long-Range Surveillance Systems: An Automated Cross-Spectral Approach 2022-Mar-27, Sensors (Basel, Switzerland) DOI:10.3390/s22072562 PMID:35408177	研究论文	本文提出了一种基于深度学习的近红外（SWIR）图像目标检测方法，通过跨光谱自动数据标注技术提高长距离监控系统的性能	提出了一种新的跨光谱自动数据标注方法，用于创建SWIR通道的训练数据集，并详细解释了数学图像变换方法以克服SWIR和彩色通道之间的差异	缺乏用于SWIR通道的深度学习目标检测模型的训练数据集限制了其性能	提高在具有挑战性的户外场景中捕获的SWIR图像中的目标检测能力	SWIR图像中的车辆和行人	计算机视觉	NA	深度学习	YOLOX	图像	涉及两种目标类型（车辆和行人）的实验测试
18611	2024-08-27	A Cognitive Sample Consensus Method for the Stitching of Drone-Based Aerial Images Supported by a Generative Adversarial Network for False Positive Reduction 2022-Mar-23, Sensors (Basel, Switzerland) DOI:10.3390/s22072474 PMID:35408091	研究论文	本研究提出了一种基于深度学习的异常值拒绝方案，利用生成对抗网络（GAN）架构减少由随机样本一致性方法（RANSAC）产生的错误估计假设，以改善无人机拍摄的航拍图像的拼接质量	本研究创新性地将生成对抗网络（GAN）应用于无人机航拍图像的拼接过程中，通过GAN的判别器预判RANSAC产生的估计目标假设样本的真伪，并通过生成器确认判别器的推理	NA	提高无人机航拍图像全景生成的质量	无人机航拍图像的拼接	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	涉及无人机航拍图像及一些杂项图像的测试
18612	2024-08-27	IoT Based Smart Monitoring of Patients' with Acute Heart Failure 2022-Mar-22, Sensors (Basel, Switzerland) DOI:10.3390/s22072431 PMID:35408045	研究论文	本研究提出了一种基于物联网（IoT）和云计算技术的智能医疗框架，用于改善心力衰竭患者的生存预测，无需手动特征工程	该框架利用IoT传感器实时监测患者数据，并通过深度学习模型进行处理，以提供及时有效的医疗服务	NA	研究目的是提高心力衰竭患者的生存预测准确性	心力衰竭患者	机器学习	心血管疾病	IoT	CNN	临床记录	包含13个特征的数据集
18613	2024-08-27	Deep learning for Alzheimer's disease: Mapping large-scale histological tau protein for neuroimaging biomarker validation 2022-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118790 PMID:34933123	研究论文	本文开发了一种计算流程，用于在十亿像素的数字病理图像中识别和分割感兴趣的颗粒，生成定量的3D密度图，以验证PET示踪剂	提出了IHCNet，一种用于免疫组化样本的卷积神经网络，并成功处理了来自两个完整人脑的500多张幻灯片，生成了大规模的3D tau包含密度图	NA	验证PET示踪剂的神经影像生物标志物	阿尔茨海默病中的tau蛋白异常包含	数字病理学	阿尔茨海默病	卷积神经网络	CNN	图像	两个完整人脑的500多张幻灯片
18614	2024-08-27	Clinical Assessment of Deep Learning-based Super-Resolution for 3D Volumetric Brain MRI 2022-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.210059 PMID:35391765	研究论文	本研究前瞻性地评估了基于人工智能的图像增强技术在32名连续接受临床脑部MRI检查的患者中的应用效果	AI增强扫描在所有评估指标上均不劣于标准护理扫描，并实际上显示了定性SNR的改善	评分者间的一致性较低至中等	评估基于人工智能的图像增强技术在缩短扫描时间的同时提高信噪比和保持空间分辨率的效果	32名接受临床脑部MRI检查的患者	计算机视觉	NA	基于人工智能的图像增强技术	NA	图像	32名患者
18615	2024-08-27	Detection and diagnosis of COVID-19 infection in lungs images using deep learning techniques 2022-Mar, International journal of imaging systems and technology IF:3.0Q2 DOI:10.1002/ima.22697 PMID:35465214	研究论文	本文利用深度学习技术，特别是卷积神经网络（CNN）和深度神经网络（DNN），开发了一种系统来识别COVID-19患者	本文提出了两种模型，一种是基于图像的分形特征设计DNN，另一种是使用肺部X光图像设计CNN，并通过分割过程使用CNN架构来识别肺部图像中的感染区域	本文的DNN方法在准确性和敏感性上低于CNN方法	开发一种新的方法来快速准确地检测和诊断COVID-19感染	COVID-19感染的肺部图像	计算机视觉	COVID-19	深度学习	CNN, DNN	图像	未明确提及具体样本数量
18616	2024-08-27	A comprehensive review of federated learning for COVID-19 detection 2022-Mar, International journal of intelligent systems IF:5.0Q1 DOI:10.1002/int.22777 PMID:37520859	综述	本文综述了使用深度学习和联邦学习技术进行COVID-19检测的最新进展，重点介绍了联邦学习在保护数据隐私方面的应用	重点介绍了联邦学习在保护数据隐私方面的应用，以及其在医疗系统中使用胸部X光图像数据集进行COVID-19检测的实际案例	讨论了联邦学习在医疗领域实施的几个挑战，作为未来工作的潜在方向	综述联邦学习技术在COVID-19检测中的应用及其在医疗领域的挑战	COVID-19检测技术及其在医疗数据隐私保护中的应用	机器学习	COVID-19	联邦学习	NA	图像	使用胸部X光图像数据集
18617	2024-08-27	Predicting cancer outcomes with radiomics and artificial intelligence in radiology 2022-02, Nature reviews. Clinical oncology DOI:10.1038/s41571-021-00560-7 PMID:34663898	research paper	本文讨论了人工智能（AI）工具在放射学图像中解决临床决策中下一代挑战的潜力，如跨多种癌症的预后、治疗反应预测等。	介绍了AI在肿瘤影像学中的应用，特别是手工放射组学方法和深度学习派生表示法，并举例说明了它们在决策支持中的应用。	提到了临床应用中面临的挑战，包括数据管理、可解释性以及监管和报销问题。	探讨AI在放射学中作为癌症管理决策支持工具的潜力和挑战。	AI工具在放射学图像中的应用，特别是预后、治疗反应预测等方面。	computer vision	NA	artificial intelligence (AI)	deep learning	image	NA
18618	2024-08-27	Pesticide detection combining the Wasserstein generative adversarial network and the residual neural network based on terahertz spectroscopy 2022-Jan-05, RSC advances IF:3.9Q2 DOI:10.1039/d1ra06905e PMID:35425184	研究论文	本文提出了一种结合Wasserstein生成对抗网络和残差神经网络的方法，用于基于太赫兹光谱的农药检测	本文首次将Wasserstein生成对抗网络与残差神经网络结合，用于解决太赫兹光谱数据样本不足的问题，并通过预训练模型技术减少训练参数，避免过拟合	深度学习在太赫兹光谱分析中的应用报告较少，主要限制是学习样本不足	探索深度学习在农药残留检测中的应用，扩展太赫兹光谱的应用范围	基于太赫兹光谱的农药检测，特别是多菌灵的检测	机器学习	NA	太赫兹光谱	WGAN-ResNet	光谱数据	具体样本数量未提及
18619	2024-08-27	Deep learning-based breast region extraction of mammographic images combining pre-processing methods and semantic segmentation supported by Deeplab v3 2022, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-228017 PMID:35124595	研究论文	本文提出了一种基于深度学习的乳腺区域提取方法，结合预处理技术和语义分割模型Deeplab v3+，用于从乳腺X线图像中准确提取乳腺区域。	该方法通过中值滤波抑制噪声，CLAHE增强对比度，并使用Deeplab v3+模型进行语义分割，提高了乳腺区域提取的准确性。	NA	旨在提高乳腺X线图像中乳腺区域提取的准确性，为计算机辅助诊断系统的发展提供基础。	乳腺X线图像中的乳腺区域。	计算机视觉	乳腺癌	中值滤波，CLAHE，Deeplab v3+	Deeplab v3+	图像	在mini-MIAS数据集和INbreast数据集上进行了训练和评估。
18620	2024-08-27	Detection of Types of Mental Illness through the Social Network Using Ensembled Deep Learning Model 2022, Computational intelligence and neuroscience DOI:10.1155/2022/9404242 PMID:35378814	研究论文	本文通过集成深度学习模型对Reddit社交网络上的情感进行分类，以预测用户的精神疾病类型	采用集成深度学习模型，结合卷积神经网络和循环神经网络进行多类别分类，提高了预测准确率	NA	通过社交网络分析预测用户的精神疾病类型	社交网络上的用户情感及其对应的精神疾病类型	机器学习	NA	集成深度学习	CNN和RNN	文本	未具体说明