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
18941	2024-08-31	Deep Learning to Measure the Intensity of Indocyanine Green in Endometriosis Surgeries with Intestinal Resection 2022-Jun-16, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12060982 PMID:35743768	研究论文	本研究提出了一种基于深度学习算法的方法，用于量化肠吻合术中吲哚菁绿（ICG）的血液灌注水平	首次使用基于U-Net的深度学习算法自动分割手术视频中的肠道，并量化已分割视频帧中的血液灌注水平	NA	开发一种新的方法来量化肠吻合术中ICG的血液灌注水平，以预测术后并发症	肠吻合术中ICG的血液灌注水平	计算机视觉	妇科疾病	深度学习算法	U-Net	视频	NA
18942	2024-08-31	A Review of Image Processing Techniques for Deepfakes 2022-Jun-16, Sensors (Basel, Switzerland) DOI:10.3390/s22124556 PMID:35746333	综述	本文综述了用于深度伪造图像检测的图像处理技术	探讨了如何通过适当的政策、法规、个人行动、培训和教育来对抗深度伪造技术，并强调了技术在深度伪造识别、内容认证和预防方面的发展	NA	旨在强调近期在深度伪造图像和视频检测方面的研究	深度伪造图像和视频的检测算法	计算机视觉	NA	深度学习	卷积神经网络、长短期记忆网络等	图像、视频	使用自建数据集和现有基准数据集进行研究
18943	2024-08-31	EEG Classification of Normal and Alcoholic by Deep Learning 2022-Jun-14, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci12060778 PMID:35741663	研究论文	本文提出了一种新的深度学习方法，用于自动提取和分类EEG信号特征，以诊断酒精依赖症	采用多层离散小波变换进行数据去噪，并结合卷积神经网络和双向长短期记忆网络进行特征提取	NA	开发一种有效的深度学习方法，用于自动诊断酒精依赖症	酒精依赖症患者的EEG信号	机器学习	精神疾病	深度学习	CNN和双向LSTM	EEG信号	NA
18944	2024-08-31	A Bayesian Approach to Unsupervised, Non-Intrusive Load Disaggregation 2022-Jun-14, Sensors (Basel, Switzerland) DOI:10.3390/s22124481 PMID:35746263	研究论文	本文提出了一种基于贝叶斯方法的无监督、非侵入式负荷分解新方法，用于从低频电能消耗测量和环境信息中分解家庭用电负荷	该方法通过利用实际电负荷信息更新用户消费习惯的先验估计，实现了对两个与环境条件和居住者习惯相关的负荷成分的概率预测，具有较高的准确性	NA	旨在估计家庭能源使用模式和用户消费习惯，为需求响应项目的管理和控制技术提供基础	家庭用电负荷的分解	机器学习	NA	贝叶斯方法	NA	时间序列数据	使用了一个基准数据集进行验证
18945	2024-08-31	New Deep Learning Model to Estimate Ozone Concentrations Found Worrying Exposure Level over Eastern China 2022-06-11, International journal of environmental research and public health DOI:10.3390/ijerph19127186 PMID:35742435	研究论文	本文开发了一种基于长短期记忆网络（LSTM）的深度学习模型，用于估计中国东部地区的臭氧（O3）浓度，并发现该地区存在令人担忧的臭氧暴露水平	提出的模型结合了LSTM与注意力机制和残差连接结构，表现优于传统的随机森林模型和深度神经网络	NA	研究目的是准确估计中国东部地区的臭氧浓度，以评估人类暴露风险	研究对象为中国东部地区的臭氧浓度及其对人类健康的影响	机器学习	NA	深度学习	LSTM	气象数据	研究涵盖了中国东部地区2020年的臭氧浓度数据，约81%的人口暴露于高浓度臭氧中超过150天
18946	2024-08-31	DeepDRiD: Diabetic Retinopathy-Grading and Image Quality Estimation Challenge 2022-Jun-10, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100512 PMID:35755875	research paper	本文描述了与ISBI 2020联合举办的名为“糖尿病视网膜病变（DR）分级和图像质量评估挑战”的活动，旨在开发用于DR图像评估和分级的深度学习模型。	提供了包含2,000张常规DR图像和256张超广角图像的DeepDRiD数据集，并讨论了各子挑战中排名前三的算法。	NA	开发和评估用于糖尿病视网膜病变图像分级和质量评估的深度学习模型。	糖尿病视网膜病变图像的分级和质量评估。	computer vision	糖尿病视网膜病变	深度学习	NA	image	2,000张常规DR图像（500名患者）和256张超广角图像（128名患者）
18947	2024-08-31	Validation Study on Automated Sleep Stage Scoring Using a Deep Learning Algorithm 2022-Jun-09, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina58060779 PMID:35744042	研究论文	本文验证了一种基于深度学习算法的自动睡眠阶段评分系统的准确性	提出了一种基于深度学习算法的自动睡眠阶段评分模型，该模型在多个睡眠阶段与手动评分显示出高一致性	NA	验证自动睡眠阶段评分系统的准确性	602个多导睡眠图数据集	机器学习	NA	深度学习算法	深度学习模型	多导睡眠图数据	602个样本，年龄范围19至65岁，男性397人，女性205人
18948	2024-08-31	Computational Detection of Extraprostatic Extension of Prostate Cancer on Multiparametric MRI Using Deep Learning 2022-Jun-07, Cancers IF:4.5Q1 DOI:10.3390/cancers14122821 PMID:35740487	研究论文	本文提出了一种利用深度学习在多参数磁共振成像（MRI）上计算检测前列腺癌超出前列腺包膜边界（EPE）的方法	开发了一种名为EPENet的端到端模型，基于CorrSigNIA癌症检测模型，用于检测具有EPE的癌症，并在患者和六分区水平上展示了较高的敏感性和特异性	需要进一步的研究来验证和优化模型，特别是在更大的样本集上	提高前列腺癌EPE检测的准确性，辅助风险分层和手术规划	前列腺癌的EPE检测	数字病理学	前列腺癌	深度学习	UNet, CorrSigNIA, EPENet	MRI	123名患者，其中38名有EPE
18949	2024-08-31	Cardiovascular Disease Diagnosis from DXA Scan and Retinal Images Using Deep Learning 2022-Jun-07, Sensors (Basel, Switzerland) DOI:10.3390/s22124310 PMID:35746092	研究论文	本研究旨在通过结合视网膜图像和双能X线吸收法（DXA）数据，利用深度学习技术诊断心血管疾病（CVD）	本研究首次结合视网膜图像和DXA数据进行CVD诊断，并设计了一种多模态深度学习模型，提高了诊断准确性	本研究仅在卡塔尔生物库（QBB）的500名成人参与者中进行，样本量有限，可能影响结果的普遍性	开发一种新的非侵入性方法，通过深度学习技术结合视网膜图像和DXA数据来诊断心血管疾病	研究对象为来自卡塔尔生物库的500名成人参与者，包括心血管疾病患者和对照组	机器学习	心血管疾病	深度学习	多模态模型	图像	500名成人参与者
18950	2024-08-31	Uncertainty Quantification in Segmenting Tuberculosis-Consistent Findings in Frontal Chest X-rays 2022-Jun-04, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines10061323 PMID:35740345	研究论文	本研究探讨了在分割肺结核一致性发现的前胸X光片中，选择合适的损失函数和量化预测不确定性的益处	使用基于VGG16的U-Net模型结合蒙特卡洛（MCD）Dropout方法量化预测不确定性，并确定最佳不确定性阈值	NA	研究在医学图像分割任务中选择合适损失函数和量化预测不确定性的益处	肺结核一致性发现的前胸X光片	计算机视觉	肺结核	NA	VGG16-based-U-Net	图像	NA
18951	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
18952	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
18953	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
18954	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
18955	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
18956	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
18957	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
18958	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
18959	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
18960	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