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
19241	2024-08-31	SparNet: A Convolutional Neural Network for EEG Space-Frequency Feature Learning and Depression Discrimination 2022, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2022.914823 PMID:35722169	研究论文	本文提出了一种名为SparNet的卷积神经网络，用于学习EEG的空间-频率特征并区分抑郁症与正常对照	SparNet模型结合了五个并行的卷积滤波器和SENet，专门设计用于学习不同脑区的空间和频率域特征	NA	提高抑郁症识别的分类准确性	抑郁症与正常对照的区分	机器学习	抑郁症	卷积神经网络	CNN	EEG信号	NA
19242	2024-08-31	Deep Learning in Neuroimaging: Overcoming Challenges With Emerging Approaches 2022, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2022.912600 PMID:35722548	研究论文	本文介绍了三种新兴的深度学习方法，旨在克服神经影像学中的挑战，加速其在精神病学研究中的应用	提出了两种减少训练数据需求的方法：深度学习者跨数据源的知识迁移能力和自监督学习技术，以及可解释人工智能工具，以揭示深度学习决策的特征组合	NA	探索深度学习在精神病学中的应用，特别是利用多维数据集如fMRI数据预测临床结果	深度学习方法在神经影像学中的应用	机器学习	精神疾病	深度学习	DL	fMRI数据	NA
19243	2024-08-31	Accuracy of two deep learning-based reconstruction methods compared with an adaptive statistical iterative reconstruction method for solid and ground-glass nodule volumetry on low-dose and ultra-low-dose chest computed tomography: A phantom study 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0270122 PMID:35737734	研究论文	本研究评估了两种基于深度学习的重建方法与自适应统计迭代重建方法在低剂量和高剂量胸部CT上对实性和磨玻璃结节体积测量的准确性。	首次评估了基于深度学习的算法在低剂量和高剂量胸部CT上对实性和磨玻璃结节体积测量的准确性。	研究仅限于使用模拟器进行的实验，未涉及临床患者数据。	研究旨在比较两种基于深度学习的图像重建算法与迭代重建方法在低剂量和高剂量设置下对实性和磨玻璃结节体积测量的准确性。	实性和磨玻璃结节在低剂量和高剂量胸部CT上的体积测量。	计算机视觉	肺部疾病	CT扫描	深度学习算法	图像	不同直径的实性和磨玻璃结节放置在模拟器中，进行了四种辐射剂量的CT扫描。
19244	2024-08-31	FetalGAN: Automated Segmentation of Fetal Functional Brain MRI Using Deep Generative Adversarial Learning and Multi-Scale 3D U-Net 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.887634 PMID:35747213	研究论文	本文提出了一种基于深度生成对抗网络和多尺度3D U-Net的自动化胎儿功能性脑部MRI分割方法，称为FetalGAN	FetalGAN首次成功实现了在胎儿fMRI脑图像上应用3D CNN与GAN的结合，显著推进了rs-MRI图像处理的自动化	NA	旨在提高胎儿功能性脑部MRI图像预处理中脑部分割的自动化程度	胎儿功能性脑部MRI图像	计算机视觉	NA	深度学习	GAN	图像	NA
19245	2024-08-31	Automatic Segmentation of MRI of Brain Tumor Using Deep Convolutional Network 2022, BioMed research international IF:2.6Q3 DOI:10.1155/2022/4247631 PMID:35757482	研究论文	本文研究了基于深度卷积网络的脑肿瘤MRI自动分割方法	提出了一种基于全卷积神经网络的级联网络模型，并引入了Dice损失函数和并行Dice损失来改善类别不平衡问题和子结构分割效果	未提及具体局限性	开发适用于脑肿瘤分割任务的网络模型，提高分割准确性	多模态磁共振成像（MRI）脑肿瘤图像	医学图像处理	脑肿瘤	MRI	全卷积神经网络	图像	使用BraTS 2017数据集
19246	2024-08-31	Emerging artificial intelligence applications in Spatial Transcriptomics analysis 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.05.056 PMID:35765645	综述	本文综述了当前用于空间转录组学分析的人工智能方法	介绍了多种利用机器学习和深度学习技术进行空间转录组学数据分析的人工智能方法	NA	综述空间转录组学分析中的人工智能应用	空间转录组学数据分析	自然语言处理	NA	机器学习, 深度学习	NA	转录组数据	NA
19247	2024-08-31	Novel extreme regression-voting classifier to predict death risk in vaccinated people using VAERS data 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0270327 PMID:35767542	研究论文	本研究利用机器学习模型预测接种疫苗人群的死亡风险，并引入了一种新的极端回归投票分类器（ER-VC）来提高预测准确性	本研究引入了新的极端回归投票分类器（ER-VC），结合了额外树分类器和逻辑回归，使用软投票准则，并通过合成少数过采样（SMOTE）和自适应合成采样（ADASYN）技术避免模型过拟合	NA	预测接种疫苗人群的死亡风险，以减少公众对疫苗的恐惧并促进疫苗接种	接种COVID-19疫苗后的人群	机器学习	NA	机器学习模型，包括极端回归投票分类器（ER-VC）	极端回归投票分类器（ER-VC）	文本	使用了COVID-19 VAERS数据集，该数据集记录了接种COVID-19疫苗后的不良事件
19248	2024-08-31	AlphaFold Models of Small Proteins Rival the Accuracy of Solution NMR Structures 2022, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2022.877000 PMID:35769913	研究论文	本研究评估了AlphaFold模型在小而相对刚性的蛋白质上的准确性，与实验溶液NMR结构的比较	首次展示了AlphaFold模型在小蛋白质上的准确性可与实验溶液NMR结构相媲美，挑战了普遍认为AlphaFold无法准确模拟溶液NMR结构的误解	研究仅限于小而相对刚性的蛋白质，未涵盖所有类型的蛋白质结构	评估AlphaFold模型在小蛋白质上的准确性，并比较其与实验NMR和X射线晶体结构的匹配程度	六种代表性的小蛋白质，其结构已通过NMR和X射线晶体学确定	结构生物学	NA	AlphaFold	深度学习模型	蛋白质结构数据	六种小蛋白质
19249	2024-08-31	Magnetic Resonance Imaging Data Features to Evaluate the Efficacy of Compound Skin Graft for Diabetic Foot 2022, Contrast media & molecular imaging DOI:10.1155/2022/5707231 PMID:35815055	研究论文	本研究旨在分析基于深度学习算法的磁共振成像（MRI）数据特征在评估复合皮肤移植治疗糖尿病足（DF）中的作用	研究利用深度学习算法分析MRI图像数据，以辅助评估复合皮肤移植治疗糖尿病足的疗效	NA	评估复合皮肤移植治疗糖尿病足的疗效	糖尿病足患者	数字病理学	糖尿病足	磁共振成像（MRI）	深度学习算法	图像	78名糖尿病足患者，分为实验组（复合皮肤移植）和对照组（自体皮肤移植）各39名
19250	2024-08-31	Motion Extraction of the Right Ventricle from 4D Cardiac Cine MRI Using A Deep Learning-Based Deformable Registration Framework 2021-11, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC46164.2021.9630586 PMID:34892062	研究论文	本文描述了一种基于深度学习的可变形配准框架，用于从4D心脏电影MRI中提取右心室的动态模型，并评估其功能。	提出了一种结合CondenseUNet和深度学习可变形网络的方法，用于生成右心室的动态模型。	仅在ACDC数据集上进行了训练和测试，可能需要进一步验证其在其他数据集上的性能。	开发动态的、特定于患者的右心室模型，用于评估右心室功能。	正常受试者和异常右心室患者的右心室模型。	数字病理学	心血管疾病	MRI	CondenseUNet	图像	150例心脏MRI患者数据
19251	2024-08-31	Towards Real-time pose estimation of the Mitral Valve Robot under C-arm X-ray Fluoroscopy 2021-Nov, IEEE transactions on medical robotics and bionics IF:3.4Q2 DOI:10.1109/tmrb.2021.3122351 PMID:35756715	research paper	本文讨论了使用C臂荧光透视下实时跟踪夹子位置和方向的算法，以实现二尖瓣机器人的精确定位	提出了一种深度学习语义分割框架来定位夹子的位置，并通过等效椭圆算法和SVM分类器计算其弯曲和旋转角度	弯曲角度计算的平均误差为7.7°，旋转角度分类的准确率为76%	开发一种用于治疗二尖瓣反流（MR）的机器人，实现夹子对瓣叶的精确导航	二尖瓣机器人的定位和导航	computer vision	心血管疾病	C-arm fluoroscopy	CNN	image	NA
19252	2024-08-31	A Coarse-to-Fine Framework for Automated Knee Bone and Cartilage Segmentation Data from the Osteoarthritis Initiative 2021-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-021-00464-z PMID:34031789	研究论文	本文开发了一种基于深度学习的粗到细方法，用于自动分割膝关节骨、软骨和半月板，具有高计算效率	提出了一个基于深度学习的粗到细框架，用于自动分割膝关节骨和软骨，提高了分割的准确性和效率	NA	开发一种自动化的方法来分割膝关节骨和软骨，以便于量化分析OA图像	膝关节骨、软骨和半月板的自动分割	计算机视觉	骨关节炎	深度学习	NA	图像	507个MR体积（81,120个切片）
19253	2024-08-31	Abnormal lung quantification in chest CT images of COVID-19 patients with deep learning and its application to severity prediction 2021-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.14609 PMID:33225476	研究论文	本研究开发了一种基于深度学习的方法，用于自动分割和量化COVID-19患者的胸部CT扫描中的感染区域，并应用于病情严重程度预测	首次开发了一种基于深度学习的系统，能够自动分割和量化COVID-19患者的胸部CT扫描中的感染区域，并用于病情严重程度预测	需要进一步验证该系统在更大规模数据集上的性能，并考虑其在不同医疗环境中的适用性	开发一种自动化的工具，用于在临床实践中对COVID-19患者的胸部CT扫描进行定量评估，特别是用于病情严重程度预测	COVID-19患者的胸部CT扫描图像	计算机视觉	COVID-19	深度学习	VB-Net神经网络	CT扫描图像	训练集包含249名COVID-19患者的CT扫描，验证集包含300名COVID-19患者的CT扫描
19254	2024-08-31	Shallow Convolutional Neural Network for COVID-19 Outbreak Screening Using Chest X-rays 2021-Feb-05, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-020-09775-9 PMID:33564340	研究论文	本文提出了一种轻量级的浅层卷积神经网络（CNN）架构，用于通过胸部X光片自动检测COVID-19阳性病例	该浅层CNN架构设计参数较少，相比其他深度学习模型更高效，且在实验中达到了99.69%的最高准确率和1.0的敏感度	NA	开发一种计算效率高的AI工具，用于通过胸部X光片大规模筛查COVID-19阳性病例	COVID-19阳性病例和非COVID-19病例的胸部X光片	计算机视觉	COVID-19	卷积神经网络（CNN）	CNN	图像	321张COVID-19阳性胸部X光片和5856张非COVID-19病例胸部X光片
19255	2024-08-31	Automatic Screening of COVID-19 Using an Optimized Generative Adversarial Network 2021-Jan-25, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-020-09785-7 PMID:33520007	研究论文	本文提出了一种使用优化生成对抗网络（GAN）进行COVID-19自动筛查的方法	采用鲸鱼优化算法（WOA）优化GAN生成器的超参数，提高了模型的性能	NA	开发一种自动筛查COVID-19的方法，减轻医疗系统的负担	COVID-19和非COVID-19的CT图像	计算机视觉	COVID-19	生成对抗网络（GAN）	GAN	图像	使用了包含COVID-19和非COVID-19图像的SARS-CoV-2 CT-Scan数据集
19256	2024-08-31	DRISTI: a hybrid deep neural network for diabetic retinopathy diagnosis 2021, Signal, image and video processing DOI:10.1007/s11760-021-01904-7 PMID:33897905	研究论文	本文提出了一种名为DRISTI的混合深度神经网络模型，用于糖尿病视网膜病变（DR）的诊断和分类	DRISTI模型结合了VGG16和胶囊网络，相较于现有技术，在性能上有了显著提升	NA	旨在通过深度学习技术提高糖尿病视网膜病变的诊断准确性	糖尿病视网膜病变（DR）的诊断和分类	计算机视觉	糖尿病视网膜病变	深度学习	混合深度神经网络（VGG16和胶囊网络）	图像	使用了扩增的APTOS数据集进行训练和验证
19257	2024-08-31	Convolutional neural networks for the classification of chest X-rays in the IoT era 2021, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-021-10907-y PMID:34155434	研究论文	本文提出两种基于深度学习的方法，用于快速自动分类胸片图像，以检测胸部疾病	引入了基于AlexNet和VGGNet16的支持向量机方法，这些方法在胸片图像分类任务中表现优于传统的AlexNet和VGG16深度学习方法	NA	开发自动化的人工智能系统，帮助放射科医生更准确和快速地检测肺部疾病	胸片图像	计算机视觉	肺部疾病	深度学习	CNN	图像	十二种胸片疾病
19258	2024-08-31	Rapid Identification of Potential Inhibitors of SARS-CoV-2 Main Protease by Deep Docking of 1.3 Billion Compounds 2020-08, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202000028 PMID:32162456	研究论文	本文利用深度对接技术（Deep Docking）对13亿化合物进行虚拟筛选，以快速识别SARS-CoV-2主蛋白酶的潜在抑制剂	开发了一种新的深度学习平台——深度对接（Deep Docking），能够快速预测对接分数，实现对大量化合物的结构基础虚拟筛选	NA	开发针对SARS-CoV-2的小分子治疗药物	SARS-CoV-2主蛋白酶的潜在抑制剂	机器学习	COVID-19	深度对接（Deep Docking）	深度学习平台	化合物	13亿化合物
19259	2024-08-31	MOXA: A Deep Learning Based Unmanned Approach For Real-Time Monitoring of People Wearing Medical Masks 2020, Transactions of the Indian National Academy of Engineering : an international journal of engineering and technology DOI:10.1007/s41403-020-00157-z PMID:38624452	研究论文	本文提出了一种基于深度学习的无人值守方法，用于实时监控佩戴医疗口罩的人群	使用多种流行的物体检测算法（如YOLOv3、YOLOv3Tiny、SSD和Faster R-CNN）在Moxa3K基准数据集上进行评估，以确定更适合实时物体检测的方法	由于嵌入式设备的内存和计算能力有限，实时场景解析通过物体检测在边缘设备上运行非常具有挑战性	开发一种高效、快速的实时监控系统，用于检测人们是否佩戴口罩	佩戴医疗口罩的人群	计算机视觉	NA	深度学习	物体检测算法（YOLOv3、YOLOv3Tiny、SSD、Faster R-CNN）	图像	Moxa3K基准数据集
19260	2024-08-31	Facial expression recognition for monitoring neurological disorders based on convolutional neural network 2019-Nov, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-019-07959-6 PMID:35693322	研究论文	本研究开发了一种基于卷积神经网络的自动化面部表情识别系统，用于监测神经障碍患者	该系统采用了一种新颖的深度学习方法，通过四阶段网络结构，结合整体面部信息和局部特征，提高了面部表情识别的准确性	NA	开发一种低成本、无创的自动化面部表情识别系统，帮助专家检测神经障碍	面部表情识别在神经障碍患者中的应用	计算机视觉	神经障碍	卷积神经网络	CNN	图像	在RaFD数据库上进行了实验，实现了94.44%的准确率