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
19061	2024-09-10	Active deep learning from a noisy teacher for semi-supervised 3D image segmentation: Application to COVID-19 pneumonia infection in CT 2022-12, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2022.102127 PMID:36257092	研究论文	本文提出了一种基于噪声教师模型的主动学习方法，用于半监督3D图像分割，并应用于COVID-19肺炎感染的CT图像分割	本文的创新点在于提出了一种基于梯度方向和梯度幅度的样本重加权策略，以提高机器生成标注的可靠性，从而改进半监督学习的效果	NA	本文的研究目的是改进半监督学习方法，以解决医学图像分割任务中标注数据不足的问题	本文的研究对象是COVID-19肺炎感染的CT图像	计算机视觉	呼吸系统疾病	深度学习	NA	图像	NA
19062	2024-09-10	Integrative Serum Metabolic Fingerprints Based Multi-Modal Platforms for Lung Adenocarcinoma Early Detection and Pulmonary Nodule Classification 2022-12, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202203786 PMID:36257825	研究论文	开发了一种基于纳米颗粒的激光解吸/电离质谱平台，用于检测血清代谢指纹，并构建多模态平台用于早期肺癌检测和肺结节分类	提出了基于血清代谢指纹和蛋白质肿瘤标志物的多模态模型，显著提高了肺腺癌早期检测和肺结节分类的性能	NA	开发新型非侵入性生物标志物，用于肺腺癌的早期诊断和肺结节的准确分类	血清代谢指纹和肺结节	数字病理学	肺癌	激光解吸/电离质谱	神经网络	代谢指纹和图像	NA
19063	2024-09-10	Deep learning modeling of public's sentiments towards temporal evolution of COVID-19 transmission 2022-Dec, Applied soft computing IF:7.2Q1 DOI:10.1016/j.asoc.2022.109728 PMID:36281433	研究论文	本研究开发了一个模块化的深度学习框架，用于量化公众对COVID-19的情感，并利用这些情感预测全球每日确诊COVID-19病例的增长率	本研究首次使用情感维度指标而非离散模式来建模公众情感，并将其分类为四种主要情感类别	本研究仅分析了2020年1月22日至5月10日期间的推文数据，可能无法全面反映整个疫情时期的公众情感变化	研究公众对COVID-19传播的情感变化，并利用这些情感预测疫情的发展趋势	公众对COVID-19的情感及其对疫情传播的影响	机器学习	NA	深度学习	深度神经网络 (DNN)	文本	数百万条与COVID-19相关的推文
19064	2024-09-10	CerebNet: A fast and reliable deep-learning pipeline for detailed cerebellum sub-segmentation 2022-12-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2022.119703 PMID:36349595	研究论文	介绍了一种名为CerebNet的深度学习方法，用于小脑的详细亚分割，包括灰质和白质的分离	CerebNet结合了FastSurferCNN和广泛的数据增强技术，无需额外的预处理步骤，如空间归一化或偏置场校正，展示了高精度和高测试重测可靠性	NA	开发一种自动化的深度学习方法，用于小脑的详细亚分割，以量化小脑及其叶的体积，特别是在神经退行性和获得性疾病中的应用	小脑及其叶的体积量化，特别是在脊髓小脑性共济失调（SCA）中的应用	计算机视觉	神经退行性疾病	深度学习	UNet	图像	30名参与者的T1加权图像
19065	2024-09-10	Evaluation of roadside air quality using deep learning models after the application of the diesel vehicle policy (Euro 6) 2022-12-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24886-z PMID:36456800	研究论文	本研究评估了在实施Euro 6柴油车政策后，使用深度学习模型对路边空气质量的影响	本研究首次使用循环神经网络（RNN）和随机森林（RF）算法来建模空气质量，并发现RNN在空气质量建模中表现更优	本研究仅基于2002-2015年的数据进行建模，未考虑其他可能影响空气质量的因素	评估Euro 6柴油车政策对路边空气质量的影响	路边空气质量中的CO、NO和PM污染物浓度	机器学习	NA	NA	循环神经网络（RNN）和随机森林（RF）	空气质量数据和环境因素数据	2002-2019年的数据
19066	2024-09-10	Using deep-learning predictions of inter-residue distances for model validation 2022-Dec-01, Acta crystallographica. Section D, Structural biology DOI:10.1107/S2059798322010415 PMID:36458613	研究论文	本文介绍了一种基于深度学习预测的残基间距离进行模型验证的新方法	利用深度学习技术准确预测残基间距离，并将其应用于蛋白质模型的验证	主要关注物理化学方面的模型验证，未涉及其他可能的验证方法	开发新的蛋白质结构模型验证方法	蛋白质结构模型及其验证	机器学习	NA	深度学习	NA	蛋白质模型数据	NA
19067	2024-09-10	Giant panda age recognition based on a facial image deep learning system 2022-Dec, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.9507 PMID:36479031	研究论文	本文开发了一种基于面部图像的深度学习系统，用于识别圈养大熊猫的年龄组	首次提出使用面部图像进行大熊猫年龄组分类的深度学习方法	仅限于圈养大熊猫的面部图像，未涉及野生大熊猫	研究大熊猫年龄分布及其对保护措施有效性的验证	圈养大熊猫的年龄组分类	计算机视觉	NA	深度学习	EfficientNet	图像	NA
19068	2024-09-10	Detection and localization of hyperfunctioning parathyroid glands on [18F]fluorocholine PET/ CT using deep learning - model performance and comparison to human experts 2022-Dec-01, Radiology and oncology IF:2.1Q2 DOI:10.2478/raon-2022-0037 PMID:36503715	研究论文	本文探讨了使用深度学习方法在[18F]氟胆碱PET/CT图像中检测和定位原发性甲状旁腺功能亢进症中的功能亢进甲状旁腺组织	首次报道了使用深度学习分析[18F]氟胆碱PET在原发性甲状旁腺功能亢进症中的应用	深度学习方法在检测和定位功能亢进甲状旁腺组织方面的表现不如人类专家，且研究样本量较小	评估深度学习方法在[18F]氟胆碱PET/CT图像中检测和定位功能亢进甲状旁腺组织的性能	原发性甲状旁腺功能亢进症患者的功能亢进甲状旁腺组织	计算机视觉	内分泌疾病	深度学习	Resnet10, mPETResnet10	图像	93名原发性甲状旁腺功能亢进症患者和19名对照组
19069	2024-09-10	Field-based adipose tissue quantification in sea turtles using bioelectrical impedance spectroscopy validated with CT scans and deep learning 2022-Dec, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.9610 PMID:36523527	研究论文	本文通过生物电阻抗谱（BIS）和深度学习技术，提出了一种用于评估海龟脂肪组织质量的新方法，并通过CT扫描进行验证	本文首次将生物电阻抗谱（BIS）与深度学习结合，用于量化海龟的脂肪组织，并提出了一种新的校准协议	本文的模型预测性能基于2/3的样本构建，并在1/3的样本上进行测试，可能存在样本量不足的问题	开发一种新的方法来量化野生动物的脂肪组织，以改善生态研究中的营养状态评估	海龟	计算机视觉	NA	生物电阻抗谱（BIS），计算机断层扫描（CT）	深度学习模型	图像	2/3的样本用于模型构建，1/3的样本用于测试
19070	2024-09-10	Overview of deep learning based pedestrian attribute recognition and re-identification 2022-Dec, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2022.e12086 PMID:36561663	综述	本文综述了基于深度学习的行人属性识别和重识别技术	总结了属性辅助重识别的主要思想，并分析了PAR与ReID之间的关联	未提及具体的技术局限性	旨在组织基于深度学习的ReID综述，并分析PAR与ReID之间的关联	行人属性识别和重识别技术	计算机视觉	NA	深度学习	NA	图像	未提及具体样本数量
19071	2024-09-10	Skin Cancer Detection Based on Deep Learning 2022-Dec, Journal of biomedical physics & engineering DOI:10.31661/jbpe.v0i0.2207-1517 PMID:36569567	研究论文	本文提出了一种基于深度学习的皮肤癌检测方法，结合患者元数据和病变图像进行分类	本文创新性地将患者的元数据（如病变部位、年龄和性别）与病变图像结合，作为深度学习模型的输入，以提高分类准确性	NA	提出一种可行的基于深度学习的皮肤癌检测方法，以辅助医生诊断	皮肤癌病变图像及患者的元数据	计算机视觉	皮肤癌	深度卷积神经网络 (CNN)	Inception-ResNet-v2	图像	57536张皮肤镜图像
19072	2024-09-10	Reduced order modeling for flow and transport problems with Barlow Twins self-supervised learning 2022-Nov-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24545-3 PMID:36450820	研究论文	本文提出了一种统一的数据驱动降阶模型（ROM），结合了自编码器（AE）和Barlow Twins（BT）自监督学习，用于流体和传输问题的建模	该模型通过结合自编码器和Barlow Twins自监督学习，成功填补了线性和非线性降阶模型之间的性能差距，并在非结构化网格上表现出色	文中提到的相对误差在2%到12%之间，表明在某些情况下模型的精度仍有提升空间	旨在开发一种能够有效处理线性和非线性降阶模型的统一数据驱动方法	流体和传输问题，特别是多孔介质中的自然对流问题	计算机视觉	NA	自监督学习	自编码器（AE）	数值数据	文中未明确提及具体的样本数量
19073	2024-09-10	Surgical Gesture Recognition in Laparoscopic Tasks Based on the Transformer Network and Self-Supervised Learning 2022-Nov-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9120737 PMID:36550943	研究论文	本文提出了一种基于Transformer网络和自监督学习的视频手术动作识别深度学习框架	提出了基于Transformer网络和自监督学习的手术动作识别框架，并设计了两种模型：C3DTrans（监督学习）和SSC3DTrans（自监督学习）	仅在两个基本的腹腔镜任务（peg transfer和knot tying）上进行了验证，且样本量较小	开发一种能够识别视频中手术动作的深度学习框架	腹腔镜手术中的peg transfer和knot tying任务	计算机视觉	NA	3D卷积网络和Transformer网络	Transformer	视频	80个视频样本，来自两个基本腹腔镜任务
19074	2024-09-10	Breast Cancer Dataset, Classification and Detection Using Deep Learning 2022-Nov-29, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare10122395 PMID:36553919	review	本文综述了利用深度学习进行乳腺癌诊断的计算和数字病理学方法	NA	NA	综述现有的计算和数字病理学方法，特别是深度学习方法，用于乳腺癌诊断	乳腺癌诊断的计算和数字病理学方法	digital pathology	breast cancer	deep learning	NA	image	NA
19075	2024-09-10	Characterisation of urban environment and activity across space and time using street images and deep learning in Accra 2022-11-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24474-1 PMID:36443345	研究论文	本文利用街景图像和深度学习技术，分析了加纳阿克拉市的城市环境和活动在空间和时间上的特征	本文收集了210万张时间流逝的日间和夜间图像，并使用迁移学习和数据增强技术重新训练卷积神经网络，以检测与健康、宜居性、安全性和可持续性相关的城市环境特征	NA	利用智能感知和分析技术，研究城市环境特征的空间模式和时间动态，以指导城市规划和政策制定	加纳阿克拉市的城市环境和活动	计算机视觉	NA	深度学习	卷积神经网络	图像	210万张图像，其中1250张手动标注
19076	2024-09-10	On Detecting Cryptojacking on Websites: Revisiting the Use of Classifiers 2022-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s22239219 PMID:36501921	研究论文	本文探讨了使用多种机器学习分类模型检测网站上的加密劫持行为	本文通过使用多种特征选择方法和机器学习模型，展示了简单模型在检测加密劫持方面的有效性	本文未详细讨论数据集的来源和特征选择的局限性	研究如何有效检测网站上的加密劫持行为	网站上的加密劫持行为	机器学习	NA	机器学习	逻辑回归、决策树、随机森林、梯度提升分类器、K近邻、XGBoost	网络和主机特征样本	使用了一个包含网络和主机特征样本的数据集
19077	2024-09-10	Convolutional Neural Network Classification of Rest EEG Signals among People with Epilepsy, Psychogenic Non Epileptic Seizures and Control Subjects 2022-11-26, International journal of environmental research and public health DOI:10.3390/ijerph192315733 PMID:36497808	研究论文	本文提出了一种基于深度学习的自动诊断方法，用于区分癫痫发作、非癫痫性心因性发作和健康对照组的静息脑电信号	本文创新性地使用卷积神经网络（CNN）对脑电信号进行分类，并结合经验模态分解（EMD）提取增强特征	研究样本量较小，且未考虑药物治疗对脑电信号的影响	开发一种自动化的方法来区分癫痫发作、非癫痫性心因性发作和健康对照组的脑电信号	癫痫发作患者、非癫痫性心因性发作患者和健康对照组的脑电信号	机器学习	癫痫	经验模态分解（EMD）	卷积神经网络（CNN）	脑电信号	42名新发癫痫患者、42名非癫痫性心因性发作患者和19名健康对照组
19078	2024-09-10	Lung_PAYNet: a pyramidal attention based deep learning network for lung nodule segmentation 2022-11-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24900-4 PMID:36434060	研究论文	本文提出了一种基于金字塔注意力机制的深度学习网络Lung_PAYNet，用于肺结节分割	本文创新性地设计了Lung_PAYNet模型，采用金字塔注意力机制和倒残差块结构，显著提高了肺结节分割的准确性	NA	提高低剂量CT图像中肺结节分割的准确性和可靠性	肺结节	计算机视觉	肺癌	深度学习	CNN	图像	使用了公开的LIDC-IDRI数据集进行训练和验证
19079	2024-09-10	Risk of Mortality Prediction Involving Time-Varying Covariates for Patients with Heart Failure Using Deep Learning 2022-Nov-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12122947 PMID:36552953	研究论文	本研究开发并验证了一种基于深度学习的预测心力衰竭患者全因死亡风险的新型预后模型	提出了一个基于时间变化协变量的递归神经网络模型（RNNSurv），该模型在区分度、校准度和风险分层能力上优于传统的深度前馈神经网络模型和多变量Cox比例风险模型	NA	预测心力衰竭患者的全因死亡风险	心力衰竭患者	机器学习	心血管疾病	深度学习	递归神经网络（RNN）	时间序列数据	730名心力衰竭住院患者
19080	2024-09-10	AlphaPeptDeep: a modular deep learning framework to predict peptide properties for proteomics 2022-11-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-34904-3 PMID:36433986	研究论文	介绍了一个名为AlphaPeptDeep的模块化深度学习框架，用于预测蛋白质组学中的肽性质	AlphaPeptDeep框架允许非专业人士通过几行代码创建模型，并广泛使用迁移学习，无需大量数据集即可优化特定实验条件的模型	NA	开发一个模块化的深度学习框架，用于预测蛋白质组学中的肽性质	肽的保留时间、碰撞截面和片段强度等性质	机器学习	NA	深度学习	神经网络	序列	NA