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
19181	2024-08-25	LIM Tracker: a software package for cell tracking and analysis with advanced interactivity 2022-02-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06269-6 PMID:35177675	研究论文	本文介绍了一种名为LIM Tracker的细胞追踪软件，该软件具有传统追踪功能、基于模式匹配的序列搜索型追踪功能和手动追踪功能，并支持深度学习识别功能	LIM Tracker软件集成了高度交互和联锁的数据可视化方法，实时显示分析结果，并支持深度学习识别功能，适用于多种目标追踪	NA	开发一种用户友好且具有高度通用性的细胞追踪软件	细胞追踪和分析	计算机视觉	NA	深度学习	DL	图像	NRK-52E/EKAREV-NLS细胞、MCF-10A/H2B-iRFP-P2A-mScarlet-I-hGem-P2A-PIP-NLS-mNeonGreen细胞、Glioblastoma-astrocytoma U373细胞
19182	2024-08-25	Artificial intelligence enabled automated diagnosis and grading of ulcerative colitis endoscopy images 2022-02-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06726-2 PMID:35177717	研究论文	本文研究了使用深度学习卷积神经网络（CNN）对溃疡性结肠炎（UC）内镜图像进行自动诊断和分级	首次比较了多种CNN架构在8000张标记内镜图像上的表现，并使用Gradient-weighted Class Activation Maps（Grad-CAM）提高了模型的可视化解释性	NA	旨在提高溃疡性结肠炎内镜评估的客观性和可重复性	溃疡性结肠炎的内镜图像	计算机视觉	溃疡性结肠炎	深度学习	CNN	图像	8000张标记内镜图像
19183	2024-08-25	Automatic Colorectal Cancer Screening Using Deep Learning in Spatial Light Interference Microscopy Data 2022-02-17, Cells IF:5.1Q2 DOI:10.3390/cells11040716 PMID:35203365	研究论文	本文利用空间光干涉显微镜（SLIM）和深度学习算法mask R-CNN，实现了结直肠癌的自动筛查	采用无标记的空间光干涉显微镜技术，减少了人为偏差，并使成像数据在不同仪器和诊所间具有可比性	NA	开发一种自动化的结直肠癌筛查方法，以提高病理诊断的准确性和效率	结直肠癌组织样本	数字病理学	结直肠癌	空间光干涉显微镜（SLIM）	mask R-CNN	图像	132名患者的组织微阵列样本
19184	2024-08-25	Localization and Edge-Based Segmentation of Lumbar Spine Vertebrae to Identify the Deformities Using Deep Learning Models 2022-Feb-17, Sensors (Basel, Switzerland) DOI:10.3390/s22041547 PMID:35214448	研究论文	本文介绍了使用深度学习模型进行腰椎定位和基于边缘的分割，以识别脊柱畸形	采用YOLOv5进行快速轻量级的物体检测，结合HED U-Net进行分割和边缘检测，提高了诊断的准确性和效率	NA	开发自动化方法帮助临床医生评估疾病的严重程度，减少手动诊断的差异和变异性	腰椎定位和分割，以及脊柱畸形的诊断	计算机视觉	脊柱疾病	YOLOv5, HED U-Net, Harris corner detector	YOLOv5, HED U-Net	图像	NA
19185	2024-08-25	A Graph Neural Network with Spatio-Temporal Attention for Multi-Sources Time Series Data: An Application to Frost Forecast 2022-Feb-15, Sensors (Basel, Switzerland) DOI:10.3390/s22041486 PMID:35214389	research paper	本研究提出了一种具有时空架构的图神经网络GRAST-Frost，用于预测最低温度和霜冻发生情况	该模型在处理多源时间序列数据时考虑了空间和时间关系，并在预测性能上超越了传统的时序预测方法	NA	提高霜冻预测的准确性	最低温度和霜冻发生情况	machine learning	NA	graph neural network (GNN)	GNN with spatio-temporal architecture	time series	10个临近的气象站数据
19186	2024-08-25	Quantitative Analysis of Radiation-Associated Parenchymal Lung Change 2022-Feb-14, Cancers IF:4.5Q1 DOI:10.3390/cancers14040946 PMID:35205693	研究论文	本文提出了一种新的辐射诱导肺损伤（RILD）的实质特征分类系统，并开发了一个深度学习网络来自动划分五种类型的实质纹理，量化放射治疗后各类实质体积的变化	本文创新地使用深度学习网络自动划分肺实质纹理，并量化放射治疗后实质体积的变化，以详细描述肺实质在放射治疗后24个月内的演变	NA	研究放射治疗后肺实质的形态和功能演变	放射治疗后的肺实质变化	计算机视觉	肺癌	深度学习	深度学习网络	CT扫描图像	46名接受化学放射治疗非小细胞肺癌的临床试验参与者
19187	2024-08-25	A Comprehensive Analysis of Recent Deep and Federated-Learning-Based Methodologies for Brain Tumor Diagnosis 2022-Feb-13, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12020275 PMID:35207763	review	本文综述了使用联邦学习和深度学习方法进行脑瘤诊断的最新研究	探讨了深度学习和联邦学习方法在脑瘤诊断中的性能和准确性	讨论了该领域的开放问题和挑战	评估深度学习和联邦学习方法在脑瘤诊断过程中的准确性	脑瘤诊断	machine learning	脑瘤	NA	深度学习, 联邦学习	NA	NA
19188	2024-08-25	fMRI Brain Decoding and Its Applications in Brain-Computer Interface: A Survey 2022-Feb-07, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci12020228 PMID:35203991	综述	本文综述了基于机器学习和深度学习算法的脑活动解码模型及其在脑-机接口（BCI）中的应用	介绍了变分自编码器（VAE）、生成对抗网络（GAN）和图卷积网络（GCN）等高关注度的脑活动解码模型	讨论了现有挑战和未来研究方向	探讨脑神经活动解码技术及其在BCI中的应用	脑活动解码模型及其在心理和精神疾病治疗中的应用	神经科学	心理和精神疾病	功能磁共振成像（fMRI）	变分自编码器（VAE）、生成对抗网络（GAN）、图卷积网络（GCN）	图像	NA
19189	2024-08-25	Predicting neuropsychiatric symptoms of persons with dementia in a day care center using a facial expression recognition system 2022-02-03, Aging DOI:10.18632/aging.203869 PMID:35113806	研究论文	研究利用人工智能面部表情识别系统预测痴呆症患者的神经精神症状	首次探索了基于人工智能的面部表情识别系统在预测痴呆症患者行为和心理症状中的应用	样本量较小，仅包括23名痴呆症患者	探索人工智能面部表情识别系统在预测痴呆症患者行为和心理症状中的潜力	痴呆症患者的行为和心理症状	机器学习	痴呆症	面部表情识别系统	深度学习模型	面部表情数据	23名痴呆症患者
19190	2024-08-25	ProALIGN: Directly Learning Alignments for Protein Structure Prediction via Exploiting Context-Specific Alignment Motifs 2022-02, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2021.0430 PMID:35073170	研究论文	本文介绍了一种名为ProALIGN的新型深度学习方法，用于预测蛋白质序列与模板之间更准确的比对	ProALIGN通过利用上下文特定的比对基序，使用深度卷积神经网络直接从查询蛋白质及其模板预测最佳比对，有效减少了传统手工评分函数中的不准确性	NA	提高蛋白质结构预测中序列与模板比对的准确性	蛋白质序列与模板之间的比对	机器学习	NA	深度卷积神经网络	CNN	序列数据	6688个蛋白质比对目标和80个CASP13 TBM目标
19191	2024-08-25	Identifying the Retinal Layers Linked to Human Contrast Sensitivity Via Deep Learning 2022-02-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.63.2.27 PMID:35179554	研究论文	本研究通过深度学习方法识别与人类对比敏感度相关的视网膜层	首次通过深度学习模型确定视网膜层中与对比敏感度相关的关键特征，特别是神经节细胞层和内丛状层的厚度	NA	旨在通过深度学习识别与人类对比敏感度相关的视网膜层及其特征	视网膜层与人类对比敏感度的关系	计算机视觉	NA	光学相干断层扫描	卷积神经网络	图像	225名受试者，包括青光眼、年龄相关性黄斑变性或正常视力的个体
19192	2024-08-25	Anatomically informed deep learning on contrast-enhanced cardiac magnetic resonance imaging for scar segmentation and clinical feature extraction 2022-Feb, Cardiovascular digital health journal IF:2.6Q2 DOI:10.1016/j.cvdhj.2021.11.007 PMID:35265930	研究论文	本文开发并验证了一种深度神经网络，用于自动且解剖学上准确的专家级对比增强心脏磁共振成像（LGE-CMR）的心肌和瘢痕/纤维化分割，允许直接计算临床指标	使用了一种新颖的三阶段神经网络，能够识别左心室（LV）感兴趣区域（ROI），并将ROI分割为存活心肌和增强区域，并通过后处理分割结果来强制符合解剖学约束	NA	开发一种新颖的深度学习解决方案，用于分析对比增强的心脏磁共振成像（CMR）图像，生成解剖学上准确的心肌和瘢痕/纤维化分割，并利用这些分割计算临床感兴趣的特征	对比增强心脏磁共振成像（LGE-CMR）图像的心肌和瘢痕/纤维化分割	计算机视觉	心血管疾病	深度学习	神经网络	图像	155例2维LGE-CMR患者扫描（1124切片）和246例合成“LGE样”扫描（1360切片）
19193	2024-08-25	Content aware multi-focus image fusion for high-magnification blood film microscopy 2022-Feb-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.448280 PMID:35284186	研究论文	本文介绍了一种基于深度学习的内容感知多焦点图像融合方法，用于扩展高倍放大显微镜的景深	提出了一种新的内容感知多焦点图像融合方法，基于深度学习技术，有效扩展了高倍放大显微镜的景深	NA	加速生物学研究和改善病理临床流程	高倍放大血液涂片显微镜图像	计算机视觉	NA	深度学习	NA	图像	三个示例
19194	2024-08-25	A Comparison of Infectious Disease Forecasting Methods across Locations, Diseases, and Time 2022-Jan-29, Pathogens (Basel, Switzerland) DOI:10.3390/pathogens11020185 PMID:35215129	研究论文	本研究比较了统计学、机器学习和深度学习方法在不同国家和时间段内预测三种传染病（弯曲杆菌病、伤寒和Q热）的性能	本研究展示了机器学习方法在整合广泛因素方面比传统统计方法更准确地预测各种传染病的能力	研究中提到某些情况下统计学或深度学习模型在特定子集（如病例数非常低的伤寒）的误差指标略小	比较不同预测方法在传染病预测中的性能	三种传染病（弯曲杆菌病、伤寒和Q热）	机器学习	NA	机器学习（ML）和深度学习（DL）	极端梯度提升树（XGB）、随机森林（RF）、多层感知器和编码器-解码器模型	公共数据集（景观、气候和社会经济因素）	七个不同国家的地区级数据（2009-2017年）
19195	2024-08-25	Automatic Identification of Bioprostheses on X-ray Angiographic Sequences of Transcatheter Aortic Valve Implantation Procedures Using Deep Learning 2022-Jan-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12020334 PMID:35204425	研究论文	本文提出使用U-Net架构自动分割血管造影图像中的经导管心脏瓣膜（THV），并研究其超参数对分割质量的影响	引入了两个新的评价指标，更适当地评估了数据集类别不平衡情况下的结果质量	NA	研究自动分割血管造影图像中THV的方法及其超参数对分割质量的影响	经导管心脏瓣膜（THV）的自动分割	计算机视觉	心血管疾病	深度学习	U-Net	图像	不同类型的血管造影图像帧
19196	2024-08-25	A Computer Vision-Based Approach for Tick Identification Using Deep Learning Models 2022-Jan-22, Insects IF:2.7Q1 DOI:10.3390/insects13020116 PMID:35206690	研究论文	本文介绍了一种基于计算机视觉和深度学习模型的蜱虫识别工具	使用改进的卷积神经网络（CNN）模型，通过大规模分子验证数据集训练，实现了高精度的蜱虫物种识别	NA	开发一种高效、准确的蜱虫识别工具，以辅助疾病风险评估和早期诊断	蜱虫物种识别	计算机视觉	NA	深度学习算法	CNN	图像	大规模分子验证数据集
19197	2024-08-25	Brain Tumor Classification Using a Combination of Variational Autoencoders and Generative Adversarial Networks 2022-Jan-21, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines10020223 PMID:35203433	研究论文	本文提出了一种结合变分自编码器（VAEs）和生成对抗网络（GANs）的框架，用于脑肿瘤分类，并通过生成的人工脑肿瘤图像来增强数据集	通过结合VAEs和GANs，避免了GAN的模式崩溃问题，并生成逼真的脑肿瘤MRI图像，从而解决了小规模医学数据集的限制	需要大量的数据来训练深度学习模型以获得良好结果，而医学领域中大型公共数据集较为罕见	开发一种能够帮助神经学家加速诊断过程并减轻医疗系统负担的自动化计算机辅助工具	脑肿瘤的分类	计算机视觉	脑肿瘤	变分自编码器（VAEs），生成对抗网络（GANs）	ResNet50	图像	使用了可用的MR图像训练集，并通过生成的人工图像进行数据增强
19198	2024-08-25	Design of a Diagnostic System for Patient Recovery Based on Deep Learning Image Processing: For the Prevention of Bedsores and Leg Rehabilitation 2022-Jan-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12020273 PMID:35204364	研究论文	本文提出了一种基于深度学习图像处理的诊断系统，用于预防褥疮和腿部康复，以改善韩国康复医疗领域的需求。	结合人工智能技术与康复医学领域，开发了一个不需要高度专业知识的系统。	文章未明确提及具体的局限性。	开发一个结合人工智能技术的系统，以改善韩国康复医疗领域的需求。	预防褥疮和腿部康复方法。	机器学习	NA	深度学习图像处理	深度学习模型	图像	未明确提及样本数量
19199	2024-08-25	Literature Review on Artificial Intelligence Methods for Glaucoma Screening, Segmentation, and Classification 2022-Jan-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8020019 PMID:35200722	综述	本文综述了基于深度学习技术在青光眼筛查、分割和分类方面的最新研究进展	利用深度学习技术进行青光眼筛查，具有高灵敏度和特异性	NA	验证深度学习技术在青光眼相关准确且低成本测量中的应用潜力	青光眼的筛查、分割和分类	计算机视觉	青光眼	深度学习	NA	图像	NA
19200	2024-08-25	Prospectively-validated deep learning model for segmenting swallowing and chewing structures in CT 2022-01-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac4000 PMID:34874302	研究论文	本文开发了一种基于深度学习的自动分割模型，用于在CT图像中分割吞咽和咀嚼结构，以辅助放射治疗（RT）的规划。	本文是首个经过前瞻性验证的基于深度学习的CT图像吞咽和咀嚼结构分割模型。	NA	开发一种准确且高效的方法来自动化吞咽和咀嚼结构的分割，以辅助放射治疗规划。	吞咽和咀嚼结构，包括咬肌、内侧翼状肌、喉和咽缩肌。	数字病理学	头颈癌	DeepLabV3+	深度学习模型	CT扫描图像	242名头颈癌患者的历史CT扫描数据，以及91名患者的近期CT扫描数据用于前瞻性评估。