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	2024-09-10	Comparative study of machine learning methods for COVID-19 transmission forecasting 2021-06, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2021.103791 PMID:33915272	研究论文	本文比较了多种机器学习方法在COVID-19传播预测中的表现	本文引入了混合模型（如LSTM-CNN和GAN-GRU）来提高COVID-19未来趋势的预测准确性	NA	研究如何利用机器学习方法提高COVID-19传播的短期预测准确性	COVID-19传播的短期预测	机器学习	COVID-19	机器学习	混合模型（LSTM-CNN、GAN-GRU）、GAN、CNN、LSTM、RBM、LR、SVR	时间序列数据	来自七个受影响国家的COVID-19确诊病例和康复病例数据
19182	2024-09-10	Artificial intelligence to diagnose paroxysmal supraventricular tachycardia using electrocardiography during normal sinus rhythm 2021-Jun, European heart journal. Digital health DOI:10.1093/ehjdh/ztab025 PMID:36712389	研究论文	开发并验证了一种深度学习模型，用于在正常窦性心律期间通过心电图诊断阵发性室上性心动过速	首次开发并验证了一种基于残差神经网络的深度学习模型，用于在正常窦性心律期间通过心电图识别阵发性室上性心动过速患者	研究为多中心回顾性研究，数据来自两家医院，可能存在数据偏倚	开发并验证一种深度学习模型，用于在正常窦性心律期间通过心电图诊断阵发性室上性心动过速	阵发性室上性心动过速患者	机器学习	心血管疾病	深度学习	残差神经网络	心电图	12955名正常窦性心律患者，31147份心电图
19183	2024-09-10	Automatic detection of COVID-19 disease using U-Net architecture based fully convolutional network 2021-May, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.102518 PMID:33643425	研究论文	本文提出了一种基于U-Net架构的全卷积网络，用于自动检测COVID-19疾病	使用U-Net架构进行胸部CT图像分析，以提高COVID-19检测的准确性	仅使用了1000张CT图像进行评估，样本量相对较小	开发一种自动化的COVID-19检测系统，作为现有RT-PCR检测方法的补充	COVID-19患者的胸部CT图像	计算机视觉	COVID-19	深度学习	U-Net	图像	1000张胸部CT图像，其中552张来自正常人，448张来自COVID-19患者
19184	2024-09-10	Forecasting of COVID-19 using deep layer Recurrent Neural Networks (RNNs) with Gated Recurrent Units (GRUs) and Long Short-Term Memory (LSTM) cells 2021-May, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2021.110861 PMID:33746373	研究论文	本文使用深度循环神经网络（RNN）模型，包括门控循环单元（GRU）和长短期记忆（LSTM）细胞，来预测COVID-19的全球影响	本文提出了使用深度学习RNN模型来预测COVID-19的未来趋势，并强调了年龄、预防措施、医疗设施和人口密度等因素的重要性	NA	预测COVID-19的全球影响，帮助各国更好地准备和控制疫情	COVID-19的累计确诊病例、累计康复病例和累计死亡病例	机器学习	传染病	深度学习	RNN、GRU、LSTM	数据	使用约翰霍普金斯大学COVID-19数据库的公开数据
19185	2024-09-10	Deep-chest: Multi-classification deep learning model for diagnosing COVID-19, pneumonia, and lung cancer chest diseases 2021-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104348 PMID:33774272	研究论文	本文提出了一种用于诊断COVID-19、肺炎和肺癌的多分类深度学习模型，基于胸部X光和CT图像	本文首次提出了一种结合胸部X光和CT图像的多分类深度学习模型，用于诊断COVID-19、肺炎和肺癌	本文仅评估了四种深度学习架构的性能，未探讨其他可能的模型	开发一种能够准确诊断COVID-19、肺炎和肺癌的深度学习模型	COVID-19、肺炎和肺癌的胸部疾病	计算机视觉	肺部疾病	深度学习	CNN	图像	使用了包含正常、COVID-19、肺炎和肺癌四个类别的公共胸部X光和CT数据集
19186	2024-09-10	Deep learning for diagnosis of COVID-19 using 3D CT scans 2021-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104306 PMID:33780867	研究论文	本文提出了一种基于深度学习的人工智能方法，用于通过3D CT扫描诊断COVID-19	本文创新性地使用ResNet-50深度学习模型对3D CT扫描中的每张CT图像进行COVID-19预测，并通过融合图像级预测来诊断COVID-19	未提及具体限制	开发一种快速准确的人工智能方法，用于通过3D CT扫描诊断COVID-19	COVID-19感染的3D CT扫描图像	计算机视觉	COVID-19	深度学习	ResNet-50	3D CT扫描图像	未提及具体样本数量
19187	2024-09-10	An automated COVID-19 detection based on fused dynamic exemplar pyramid feature extraction and hybrid feature selection using deep learning 2021-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104356 PMID:33799219	研究论文	本文提出了一种基于融合动态样本金字塔特征提取和混合特征选择的深度学习模型，用于自动检测COVID-19	本文创新性地结合了手工特征生成技术和混合特征选择方法，以提高分类准确性	NA	本文旨在通过使用CT图像的手工特征，实现比卷积神经网络更高的分类准确性	本文的研究对象是COVID-19的自动检测	计算机视觉	COVID-19	深度学习	深度神经网络 (DNN)	图像	256 × 256大小的CT图像
19188	2024-09-10	A social media analytics platform visualising the spread of COVID-19 in Italy via exploitation of automatically geotagged tweets 2021-May, Online social networks and media DOI:10.1016/j.osnem.2021.100134 PMID:36570037	研究论文	本文提出了一种利用自动地理标记的推文来可视化意大利COVID-19传播的社交媒体分析平台	本文提出了一种新的框架来收集、分析和可视化Twitter帖子，特别针对意大利的病毒传播情况进行了定制	NA	利用社交媒体数据加强危机管理	Twitter帖子中的地理信息、图像中的人数以及Twitter用户社区	自然语言处理	COVID-19	深度学习定位技术、人脸检测算法、社区检测方法	深度学习模型	文本、图像	NA
19189	2024-09-10	Does non-COVID-19 lung lesion help? investigating transferability in COVID-19 CT image segmentation 2021-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2021.106004 PMID:33662804	研究论文	研究了非COVID-19肺部病变在COVID-19 CT图像分割中的迁移学习效果	提出了混合编码器学习策略，结合了专用编码器和适应性编码器，以及基于注意力的选择性融合单元，用于动态特征选择和聚合	NA	探讨非COVID-19肺部病变在COVID-19 CT图像分割中的迁移学习效果，并提出一种更有效的深度学习模型训练策略	COVID-19 CT图像分割	计算机视觉	肺部疾病	迁移学习	3D U-Net	CT图像	基于公开的COVID-19 CT数据集和三个公开的非COVID-19数据集
19190	2024-09-10	TLCoV- An automated Covid-19 screening model using Transfer Learning from chest X-ray images 2021-Mar, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2021.110713 PMID:33526961	研究论文	本文设计了一种基于迁移学习的自动化Covid-19筛查模型，通过胸部X光图像识别患者是否感染Covid-19	本文提出的模型使用VGG-16架构，在Covid-19筛查中表现优于现有的CNN和ResNet-50模型	NA	开发一种高精度的自动化Covid-19筛查模型，以减少疾病的快速传播	Covid-19感染患者、其他肺炎感染患者和无感染者	计算机视觉	Covid-19	迁移学习	VGG-16	图像	使用来自Kaggle仓库的标准Covid-19放射影像数据集中的胸部X光图像
19191	2024-09-10	The effect of confounding data features on a deep learning algorithm to predict complete coronary occlusion in a retrospective observational setting 2021-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztab002 PMID:36711180	研究论文	研究了深度学习算法在预测冠状动脉完全闭塞中的效果，并探讨了混杂数据特征的影响	首次探讨了数据泄露对深度学习模型预测冠状动脉闭塞结果的影响	数据集过小导致模型性能不佳，且存在数据泄露问题	评估深度学习算法在检测冠状动脉闭塞中的可行性	冠状动脉闭塞的ECG样本	机器学习	心血管疾病	深度学习	深度卷积神经网络	ECG数据	NA
19192	2024-09-10	Integrative analysis for COVID-19 patient outcome prediction 2021-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2020.101844 PMID:33091743	研究论文	本文提出了一种综合分析方法，结合影像学和非影像学特征来预测COVID-19患者的预后	首次使用包括影像和非影像数据的全面信息进行患者预后预测	NA	提高COVID-19患者预后预测的准确性，以辅助临床决策	COVID-19患者的预后预测	计算机视觉	COVID-19	深度学习	NA	影像和非影像数据	295名COVID-19阳性患者
19193	2024-09-10	Self-supervised learning for medical image analysis using image context restoration 2019-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2019.101539 PMID:31374449	研究论文	本文提出了一种基于图像上下文恢复的自监督学习策略，用于医学图像分析	提出了一种新的自监督学习策略，通过上下文恢复来更好地利用未标记图像，该策略具有学习语义图像特征、适用于不同类型的后续图像分析任务以及实现简单的特点	未明确提及	提高机器学习模型在医学图像分析中的性能，特别是在标记数据不足的情况下	胎儿2D超声图像的扫描平面检测、CT图像中腹部器官的定位以及多模态MR图像中脑肿瘤的分割	计算机视觉	NA	自监督学习	NA	图像	未明确提及
19194	2024-09-09	Psychological resilience is positively correlated with Habenula volume 2024-Nov-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.08.012 PMID:39151760	研究论文	研究心理韧性与人脑Habenula体积之间的正相关关系	首次探讨了Habenula体积与心理韧性之间的关系，并发现这种关系在女性中更为显著	由于横断面设计，无法分析Habenula体积在韧性适应过程中的动态变化	探讨心理韧性、Habenula体积与抑郁倾向之间的关系	健康成年人的心理韧性、Habenula体积及抑郁倾向	NA	NA	深度学习技术	NA	图像	110名健康参与者
19195	2024-09-09	Low energy virtual monochromatic CT with deep learning image reconstruction to improve delineation of endoleaks 2024-Oct, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.07.002 PMID:39079807	研究论文	研究低能量虚拟单色CT与深度学习图像重建在增强双能量CT中对内漏轮廓的改进效果	结合40-keV虚拟单色成像与深度学习图像重建，显著提高了内漏的对比噪声比和可视性	研究样本量较小，且仅限于特定类型的内漏	探讨低能量虚拟单色成像与深度学习图像重建在增强双能量CT中对内漏轮廓的改进效果	内漏（EL）在血管内主动脉修复（EVAR）后的轮廓	计算机视觉	心血管疾病	深度学习图像重建（DLIR）	深度学习模型	图像	61名接受血管内主动脉修复并进行增强双能量CT的患者
19196	2024-09-09	A Deep Learning Application of Capsule Endoscopic Gastric Structure Recognition Based on a Transformer Model 2024-Oct-01, Journal of clinical gastroenterology IF:2.8Q2 DOI:10.1097/MCG.0000000000001972 PMID:38457410	研究论文	本文研究了基于Transformer模型的胶囊内窥镜胃结构识别的深度学习应用	首次将Transformer模型应用于胶囊内窥镜胃结构识别，提高了诊断准确性	NA	建立一个胶囊内窥镜胃结构识别模型，以提高深度学习在内窥镜图像识别中的临床适用性	胶囊内窥镜视频中的胃结构	计算机视觉	NA	深度学习	Transformer	视频	3343个胶囊内窥镜视频用于无监督预训练，2433个用于训练，118个用于验证
19197	2024-09-09	AI-based seagrass morphology measurement 2024-Sep-05, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.122246 PMID:39241598	研究论文	本文开发了一种基于人工智能的机器学习模型，用于自动测量海草的形态参数	利用YOLO-v6深度学习模型自动分类和测量海草的形态参数，提高了测量效率和准确性	NA	研究海草的表型可塑性及其对环境压力的形态适应能力，以评估生态系统健康并制定保护策略	海草的形态参数，包括叶片、根茎和根的长度和宽度	计算机视觉	NA	机器学习	YOLO-v6	图像	三种不同类型的海草对象
19198	2024-09-09	Deep learning meets histones at the replication fork 2024-Sep-05, Cell IF:45.5Q1 DOI:10.1016/j.cell.2024.07.055 PMID:39241742	研究论文	本文探讨了在复制叉处，异染色质的表观遗传继承需要将亲代H3-H4四聚体转移到两个子代双链中，并揭示了复制体组件Mrc1/CLASPIN作为H3-H4四聚体伴侣在亲代组蛋白向子代转移中的重要作用	利用酵母遗传学与继承分析以及AlphaFold2-多聚体预测与生物化学相结合的方法，揭示了Mrc1/CLASPIN在组蛋白转移中的新角色	NA	探讨异染色质表观遗传继承的机制	H3-H4四聚体在复制过程中的转移	数字病理学	NA	AlphaFold2-多聚体预测	NA	NA	NA
19199	2024-09-09	Recent trends in AI applications for pelvic MRI: a comprehensive review 2024-Sep, La Radiologia medica DOI:10.1007/s11547-024-01861-4 PMID:39096356	综述	本文综述了人工智能在盆腔MRI中的应用及其在诊断路径各个阶段的发展	重点介绍了多中心研究的趋势，以提高AI的通用性	NA	探讨人工智能在盆腔MRI诊断中的应用及其进展	盆腔MRI在前列腺、膀胱、子宫、卵巢和直肠等器官的诊断	计算机视觉	NA	MRI	机器学习和深度学习算法	图像	NA
19200	2024-09-09	Diabetic retinopathy screening through artificial intelligence algorithms: A systematic review 2024 Sep-Oct, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2024.05.008 PMID:38885761	综述	本文综述了使用人工智能算法进行糖尿病视网膜病变筛查的现状和方法	本文提出了将卷积神经网络和U-Net架构集成以提高诊断和分类准确性的创新点	主要挑战包括高质量标注数据的获取困难、模型复杂性管理以及在实际临床环境中确保模型输出的可靠性	指导未来在自动糖尿病视网膜病变筛查领域的研究方向	糖尿病视网膜病变及其不同阶段的筛查和分类	计算机视觉	糖尿病	深度学习	卷积神经网络、U-Net	图像	IDRiD数据集包含516张彩色眼底图像