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
19021	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
19022	2024-08-27	Advanced brain aging in multiple system atrophy compared to Parkinson's disease 2022, NeuroImage. Clinical DOI:10.1016/j.nicl.2022.102997 PMID:35397330	研究论文	本研究通过深度学习方法评估了多系统萎缩（MSA）和帕金森病（PD）患者的脑部预测年龄差异（PAD），并比较了两种疾病在灰质和白质中的脑老化模式。	本研究首次使用深度学习方法分析了MSA和PD患者的脑部影像特征，揭示了两种疾病在脑老化模式上的显著差异。	研究样本量较小，可能影响结果的普遍性；未考虑其他可能影响脑老化的因素。	旨在开发一种基于影像的生物标志物，以早期区分多系统萎缩和帕金森病。	多系统萎缩（MSA）患者、帕金森病（PD）患者和健康对照组（HC）。	神经影像学	神经退行性疾病	磁共振成像（MRI）	深度学习	影像	MSA患者23例，PD患者33例，健康对照组34例
19023	2024-08-27	Computational and Mathematical Methods in Medicine Prediction of COVID-19 in BRICS Countries: An Integrated Deep Learning Model of CEEMDAN-R-ILSTM-Elman 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/1566727 PMID:35419081	研究论文	本文针对COVID-19在BRICS国家的传播情况，构建了一个基于CEEMDAN-R-ILSTM-Elman的集成深度学习预测模型	提出了一个集成深度学习预测模型，结合CEEMDAN、ILSTM和Elman神经网络，通过分解-重构-预测-集成的方法提高预测准确性	文章未明确提及模型的局限性	预测COVID-19在BRICS国家的新增确诊病例数，并分析疫情传播的影响因素	COVID-19在BRICS国家的传播数据	机器学习	COVID-19	CEEMDAN, ILSTM, Elman神经网络	集成深度学习模型	时间序列数据	未明确提及具体样本数量
19024	2024-08-27	Combination of Radiological and Clinical Baseline Data for Outcome Prediction of Patients With an Acute Ischemic Stroke 2022, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2022.809343 PMID:35432171	研究论文	本研究旨在开发结合影像和临床基线数据的预测模型，用于急性缺血性中风患者的治疗结果预测	本研究创新地结合了影像学和深度学习图像特征与临床数据，显著改善了良好再灌注的预测	尽管结合影像和临床数据在预测再灌注方面有所改善，但在预测mRS评分方面并未显示出显著优势	开发结合影像和临床基线数据的预测模型，以提高急性缺血性中风患者治疗结果的预测准确性	急性缺血性中风患者	数字病理学	中风	深度学习	CNN	影像和临床数据	3,279名患者
19025	2024-08-27	A Real-Time Medical Ventilation on Heart Failure Analysis Based on Sleep Apnea Snore and Meta-Analysis 2022, Journal of healthcare engineering DOI:10.1155/2022/9979413 PMID:35444776	研究论文	本文通过使用基于LeNet-100 CNN的深度学习技术，对睡眠呼吸暂停打鼾进行实时医疗通气分析，以改善心脏衰竭的诊断和治疗	本文采用了LeNet-100 CNN模型进行深度学习，提高了分类准确性，并进行了心脏衰竭的元分析	NA	研究旨在通过改进分类准确性来优化睡眠呼吸暂停（OSA）的治疗方法	心脏衰竭患者及其睡眠呼吸暂停症状	机器学习	心血管疾病	深度学习	CNN	数据集	心脏衰竭数据集来自Kaggle网站
19026	2024-08-27	A Survey of Dental Caries Segmentation and Detection Techniques 2022, TheScientificWorldJournal DOI:10.1155/2022/8415705 PMID:35450417	综述	本文深入探讨了深度学习在牙科龋齿分割和检测中的应用	本文综述了多种基于深度学习的牙科图像分割和检测方法，并根据龋齿类型和X射线图像类型进行了分类	本文讨论了现有方法的局限性，并提出了未来改进的方向	分析和比较深度学习在牙科龋齿分割和检测中的应用	牙科龋齿的分割和检测	计算机视觉	牙科疾病	深度学习	CNN	图像	NA
19027	2024-08-27	ADC-Net: An Open-Source Deep Learning Network for Automated Dispersion Compensation in Optical Coherence Tomography 2022, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2022.864879 PMID:35463032	研究论文	本研究开发了一种用于光学相干断层扫描（OCT）中自动色散补偿的深度学习网络（ADC-Net）	ADC-Net基于改进的UNet架构，采用编码器-解码器流水线，能够对OCT B-扫描进行部分补偿并优化所有视网膜层	NA	开发一种深度学习网络用于OCT中的自动色散补偿	光学相干断层扫描（OCT）中的色散问题	计算机视觉	NA	深度学习	UNet	图像	五输入通道模型被观察为ADC-Net训练的最佳选择
19028	2024-08-27	Dual-Branch Convolutional Neural Network Based on Ultrasound Imaging in the Early Prediction of Neoadjuvant Chemotherapy Response in Patients With Locally Advanced Breast Cancer 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.812463 PMID:35463368	研究论文	本研究开发了一种基于深度学习的新方法——双分支卷积神经网络（DBNN），利用超声图像早期预测局部晚期乳腺癌患者对新辅助化疗（NAC）的反应	提出了一种双分支卷积神经网络（DBNN），通过特征共享和调整不同分支的权重，强调了不同阶段数据的重要性，并结合NAC前后的超声图像信息，提高了预测病理完全反应（pCR）的诊断性能	本研究为回顾性研究，样本量相对较小，且仅限于局部晚期乳腺癌患者	开发一种新的方法，利用超声图像早期预测乳腺癌患者对新辅助化疗的反应，以指导治疗决策	局部晚期乳腺癌患者对新辅助化疗的早期反应	机器学习	乳腺癌	超声成像	双分支卷积神经网络（DBNN）	图像	114名女性患者
19029	2024-08-27	Non-Invasive Measurement Using Deep Learning Algorithm Based on Multi-Source Features Fusion to Predict PD-L1 Expression and Survival in NSCLC 2022, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2022.828560 PMID:35464416	研究论文	本文开发了一种基于深度学习算法的非侵入性测量系统，用于预测非小细胞肺癌（NSCLC）中的PD-L1表达和生存结果	本研究首次提出了一种结合深度学习、影像组学和临床特征的AI系统，用于非侵入性地评估PD-L1表达和生存结果	NA	开发一种非侵入性的AI系统，用于测量PD-L1表达特征（ES）并评估NSCLC患者的生存结果	非小细胞肺癌（NSCLC）患者的PD-L1表达和生存结果	机器学习	肺癌	深度学习	3D ResNet	CT图像	1135名非小细胞肺癌（NSCLC）患者
19030	2024-08-27	Robot Learning From Randomized Simulations: A Review 2022, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2022.799893 PMID:35494543	综述	本文综述了机器人从随机化模拟中学习的方法，特别是关注于一种名为“域随机化”的技术	介绍了通过域随机化技术来克服模拟与现实之间的差异，即“现实差距”	所有模拟器都是基于模型构建的，因此不可避免地存在不完美之处	探讨如何修改模拟器以促进机器人控制策略的学习，并克服模拟与现实之间的不匹配	机器人学习方法及其在模拟到现实环境中的应用	机器人学	NA	域随机化	深度学习	模拟数据	NA
19031	2024-08-27	Social media text analytics of Malayalam-English code-mixed using deep learning 2022, Journal of big data IF:8.6Q1 DOI:10.1186/s40537-022-00594-3 PMID:35495077	研究论文	本文研究了马拉雅拉姆语-英语混合文本的社交媒体文本分析，重点是识别攻击性语言和情感分析	提出了一个框架，结合了嵌入方法（Word2Vec和FastText）和深度学习算法（单/双向模型、混合模型和转换器方法），并进行了超参数优化	未明确提及	旨在提高马拉雅拉姆语-英语混合文本在社交媒体中的处理能力	马拉雅拉姆语-英语混合数据集	自然语言处理	NA	深度学习	单/双向模型、混合模型、转换器	文本	FIRE 2020数据集和EACL 2021数据集
19032	2024-08-27	Research on Intelligent Target Tracking Algorithm Based on MDNet under Artificial Intelligence 2022, Computational intelligence and neuroscience DOI:10.1155/2022/1550543 PMID:35498174	研究论文	本文介绍了一种基于MDNet的目标跟踪方法，通过引入两种注意力机制来提取和整合更好的特征，并使用案例分区减少跟踪模块的投入和最小化网络大小，以防止结果恶化	引入了两种注意力机制来提取和整合更好的特征，并使用案例分区技术来优化网络结构	未提及具体的局限性	研究基于MDNet的智能目标跟踪算法	目标跟踪技术	计算机视觉	NA	深度学习	MDNet	图像	未提及具体样本数量
19033	2024-08-27	A deep learning-based segmentation pipeline for profiling cellular morphodynamics using multiple types of live cell microscopy 2021-11-22, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2021.100105 PMID:34888542	研究论文	本文介绍了一种基于深度学习的分割流程MARS-Net，用于使用多种活细胞显微镜技术对细胞形态动力学进行定量分析	MARS-Net利用迁移学习和多种显微镜数据，实现了对细胞边缘的高精度定位，相较于仅使用单一显微镜数据集训练的神经网络模型，其边缘定位更为准确	NA	开发一种能够从活细胞成像数据中准确分割细胞边缘并量化细胞形态动力学的方法	细胞边缘的定位和细胞形态动力学的定量分析	计算机视觉	NA	深度学习	U-Net	图像	使用了来自相衬、旋转盘共聚焦和全内反射荧光显微镜的电影数据进行训练
19034	2024-08-27	A weakly supervised deep learning approach for label-free imaging flow-cytometry-based blood diagnostics 2021-10-25, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2021.100094 PMID:35474892	研究论文	本文介绍了一种弱监督深度学习方法iCellCnn，用于无需标签的基于成像流式细胞术的血液诊断	iCellCnn能够基于明场成像流式细胞术图像实现Sézary综合征的诊断，且不限于特定疾病的诊断	研究样本量较小，仅包括四名健康捐赠者和五名Sézary综合征患者	开发一种无需手动标记单细胞图像的弱监督深度学习方法，以促进成像流式细胞术在血液疾病诊断中的应用	Sézary综合征的诊断	机器学习	血液疾病	成像流式细胞术	CNN	图像	四名健康捐赠者和五名Sézary综合征患者
19035	2024-08-27	End-to-end robust joint unsupervised image alignment and clustering 2021-Oct, Proceedings. IEEE International Conference on Computer Vision DOI:10.1109/iccv48922.2021.00383 PMID:35392630	研究论文	提出了一种名为Jim-Net的多任务模型，能够无监督地同时进行图像对齐和聚类	Jim-Net是首个能够同时进行图像对齐和聚类的端到端模型，显著提高了单独执行每个任务的性能	NA	开发一种能够直接学习图像聚类和对齐的多任务模型	图像对齐和聚类	计算机视觉	NA	NA	Jim-Net	图像	在七个数据集上进行了广泛评估
19036	2024-08-27	Convolutional neural networks for high throughput screening of catalyst layer inks for polymer electrolyte fuel cells 2021-Sep-27, RSC advances IF:3.9Q2 DOI:10.1039/d1ra05324h PMID:35495497	研究论文	本文首次应用深度卷积神经网络（ConvNets）于透射电子显微镜图像的高通量筛选催化剂层墨水阶段	首次将深度卷积神经网络应用于催化剂层墨水阶段的透射电子显微镜图像高通量筛选	NA	加速催化剂层设计和制造的进一步进展	聚合物电解质燃料电池的催化剂层墨水	机器学习	NA	深度学习算法	CNN	图像	NA
19037	2024-08-27	Transmol: repurposing a language model for molecular generation 2021-Jul-27, RSC advances IF:3.9Q2 DOI:10.1039/d1ra03086h PMID:35479483	研究论文	本文利用自然语言处理中的transformer架构变体Transmol模型，应用于分子生成任务，并展示了其在生成分子库方面的有效性	首次将注意力机制应用于分子生成问题，并开发了一种新的双种子方法，以探索化学空间的未开发区域	NA	探索和改进机器学习在分子生成领域的应用	分子生成和分子库的构建	机器学习	NA	transformer	transformer	分子数据	NA
19038	2024-08-27	Deep learning quantified mucus-tumor ratio predicting survival of patients with colorectal cancer using whole-slide images 2021-Mar, Precision clinical medicine IF:5.1Q1 DOI:10.1093/pcmedi/pbab002 PMID:35693123	研究论文	本文利用深度学习技术量化结直肠癌患者的粘液-肿瘤比例，并研究其对患者生存率的预测价值	首次使用深度学习技术量化粘液比例，并探讨其在结直肠癌中的预后价值	NA	量化粘液比例并研究其在结直肠癌患者中的预后价值	结直肠癌患者的粘液-肿瘤比例及其预后影响	数字病理	结直肠癌	深度学习	NA	图像	训练集419例，验证集315例
19039	2024-08-26	An XAI-enhanced efficientNetB0 framework for precision brain tumor detection in MRI imaging 2024-Oct, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110227 PMID:39038716	研究论文	本文提出了一种结合可解释AI技术的EfficientNetB0框架，用于提高MRI图像中脑肿瘤检测的精确度和可解释性	本文创新地将可解释AI技术与EfficientNetB0架构结合，提高了脑肿瘤分类的准确性和决策过程的透明度	NA	提高MRI图像中脑肿瘤诊断的准确性和可解释性	脑肿瘤的分类	计算机视觉	脑肿瘤	CNN	EfficientNetB0	图像	涉及四种脑肿瘤类别（胶质瘤、脑膜瘤、无肿瘤、垂体瘤）
19040	2024-08-26	Neuro-XAI: Explainable deep learning framework based on deeplabV3+ and bayesian optimization for segmentation and classification of brain tumor in MRI scans 2024-Oct, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110247 PMID:39128599	研究论文	本文提出了一种基于DeeplabV3+和贝叶斯优化的可解释深度学习框架，用于MRI扫描中脑肿瘤的分割和分类	引入贝叶斯优化来调整CNN的超参数，并使用可解释人工智能（XAI）工具提供对CNN评估的实际解释，以及量化预测中的不确定性	实时诊断中基于深度学习的系统的实施仍然罕见，部分原因是这些方法没有量化预测中的不确定性	开发一种能够辅助放射科医生进行脑肿瘤诊断的机器学习系统	脑肿瘤的分割和分类	机器学习	脑肿瘤	贝叶斯优化	CNN, SVM	图像	未明确提及具体样本数量