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
19361	2024-08-21	BFNet: a full-encoder skip connect way for medical image segmentation 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1412985 PMID:39156824	研究论文	本文提出了一种新的BFNet模型，通过全编码器跳跃连接方式改进医学图像分割	BFNet模型能够利用编码器层的所有特征图，并通过重新连接当前层的编码器，使解码器更好地学习分割目标的位置信息和边界信息	文章未明确提及现有模型的具体限制	改进医学图像分割的准确性和减少网络参数	医学图像分割	计算机视觉	NA	卷积神经网络(CNN)	U-Net	图像	文章未提供具体样本数量
19362	2024-08-21	A deep learning approach to dysphagia-aspiration detecting algorithm through pre- and post-swallowing voice changes 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1433087 PMID:39157445	研究论文	本研究旨在通过深度学习模型识别吞咽困难-吸入患者与健康个体之间的声音特征差异，特别是关注吞咽前后的声音变化	本研究首次使用深度学习模型分析吞咽困难患者吞咽前后的声音变化，并提出了一种新的声音分析程序	研究样本中女性参与者较少，可能影响模型的性别平衡	评估基于声音分析的程序，以检测吞咽困难患者吞咽前后的变化，并提供实时监测	吞咽困难-吸入患者与健康个体的声音特征	机器学习	吞咽困难	深度学习	EfficientAT模型	声音数据	198名年龄大于40岁的参与者
19363	2024-08-21	Assessment of inspiration and technical quality in anteroposterior thoracic radiographs using machine learning 2024-01, Radiography (London, England : 1995) DOI:10.1016/j.radi.2023.10.014 PMID:37918335	研究论文	本研究开发了一种深度学习模型，用于评估前后胸片的吸气和技术质量	首次使用卷积神经网络评估前后胸片的吸气和技术质量	模型在技术质量不足的图像上表现最差	探索机器学习算法在评估前后胸片吸气和技术质量方面的性能	前后胸片的吸气和技术质量	计算机视觉	NA	卷积神经网络	CNN	图像	2375张成人前后胸片
19364	2024-08-21	Investigation of machine learning algorithms for taxonomic classification of marine metagenomes 2023-Oct-17, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.05237-22 PMID:37695074	研究论文	本研究从公开的海洋宏基因组数据构建训练/测试数据集，并评估机器学习方法在基于读取的海洋宏基因组分类中的性能	本研究提供了关于深度学习在海洋微生物宏基因组数据集上的方法、结果和挑战的见解	未来的机器学习方法可以通过纠正训练数据集中的基因组覆盖和类别不平衡、开发替代模型以及增加模型训练和改进的计算资源可访问性来改进	开发和评估机器学习方法在海洋宏基因组分类中的应用	海洋宏基因组数据集	机器学习	NA	机器学习	深度学习模型	宏基因组数据	公开的海洋宏基因组数据
19365	2024-08-21	Deep learning-based algorithm for lung cancer detection on chest radiographs using the segmentation method 2022-01-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-04667-w PMID:35031654	研究论文	开发并验证了一种基于深度学习（DL）的分割方法模型，用于在胸部X光片上检测肺癌	使用深度学习模型结合分割方法进行肺癌检测，具有较低的每张图像平均误报指示（mFPI）	模型在肺部盲点区域如肺尖、肺门、胸壁、心脏和膈下空间的敏感性较低	评估深度学习模型在胸部X光片上检测肺癌的能力	胸部X光片上的肺癌检测	计算机视觉	肺癌	深度学习	DL-based model	图像	训练数据集包含629张X光片，652个结节/肿块；测试数据集包含151张X光片，159个结节/肿块
19366	2024-08-21	A digital twin auxiliary approach based on adaptive sparse attention network for diesel engine fault diagnosis 2022-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-04545-5 PMID:35027591	研究论文	本文提出了一种基于自适应稀疏注意力网络的数字孪生辅助方法，用于柴油发动机故障诊断	设计了一种新的软阈值滤波器，以动态实时地关注多分散局部故障信息，提高了故障信息的可视化和解释性	NA	提高柴油发动机故障诊断的效率和解释性	柴油发动机	机器学习	NA	自适应稀疏注意力网络	注意力机制模型	信号	柴油发动机测试台上的阀门故障实验
19367	2024-08-21	Is Protein Folding a Thermodynamically Unfavorable, Active, Energy-Dependent Process? 2022-Jan-04, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23010521 PMID:35008947	研究论文	本文质疑蛋白质折叠的现有热力学假说，并提出蛋白质折叠可能是一个非平衡、主动、能量依赖的过程	提出了一种新的蛋白质折叠观点，认为蛋白质的天然状态可能并不占据全局自由能最小值，而是局部最小值，并且折叠过程需要细胞内的能量依赖分子机器的参与	文章主要讨论了理论和观点，缺乏实验数据支持	探讨蛋白质折叠的机制和路径，挑战现有的热力学假说	蛋白质折叠过程及其机制	生物物理学	NA	NA	NA	NA	NA
19368	2024-08-21	Vector mosquito image classification using novel RIFS feature selection and machine learning models for disease epidemiology 2022-Jan, Saudi journal of biological sciences DOI:10.1016/j.sjbs.2021.09.021 PMID:35002454	研究论文	本研究提出了一种基于机器学习和深度学习系统的蚊子图像分类方法，用于检测传播疾病的关键蚊子种类，如Aedes和Culex	引入了新的RIFS特征选择技术，结合ROI图像过滤和基于包装器的FFS技术	NA	开发一种有效的蚊子分类方法，以支持流行病学研究和制定基于证据的政策决策	研究对象为传播疾病的蚊子种类Aedes和Culex	机器学习	NA	机器学习模型和卷积神经网络（CNN）	CNN	图像	NA
19369	2024-08-21	Application of Deep Learning in Lung Cancer Imaging Diagnosis 2022, Journal of healthcare engineering DOI:10.1155/2022/6107940 PMID:35028122	研究论文	本文研究了基于深度学习的模型在肺癌CT影像诊断中的应用	提出了结合U-Net和RPN的检测网络结构Noudule-Net，用于提高肺结节检测的准确性	未提及具体限制	探索深度学习在肺癌影像诊断中的应用，提高诊断的及时性和准确性	肺癌CT影像中的肺结节检测、假阳性减少及良恶性分类	计算机视觉	肺癌	深度学习	CNN	影像	未提及具体样本数量
19370	2024-08-21	Initial application of deep learning to borescope detection of endoscope working channel damage and residue 2022-Jan, Endoscopy international open IF:2.2Q2 DOI:10.1055/a-1591-0258 PMID:35047341	研究论文	本文探讨了深度学习在内窥镜工作通道损伤和残留物检测中的初步应用	利用人工智能（AI）深度学习方法，提高了内窥镜工作通道检查的效率和价值	文章未提及具体的局限性	研究人工智能在内窥镜工作通道检查中的应用，以提高检查效率和准确性	内窥镜工作通道的损伤和残留物	计算机视觉	NA	深度学习	NA	视频	20个内窥镜
19371	2024-08-21	Classification of Clinically Significant Prostate Cancer on Multi-Parametric MRI: A Validation Study Comparing Deep Learning and Radiomics 2021-Dec-21, Cancers IF:4.5Q1 DOI:10.3390/cancers14010012 PMID:35008177	研究论文	本研究旨在通过多参数磁共振成像（mpMRI）比较深度学习和放射组学模型在临床显著性前列腺癌（PCa）分类中的性能	本研究首次在不同中心和不同扫描仪的数据集上比较了深度学习和放射组学模型的性能	研究仅限于四个数据集，可能需要更多数据集以进一步验证模型的泛化能力	比较深度学习和放射组学模型在临床显著性前列腺癌诊断中的性能	临床显著性前列腺癌的分类	机器学习	前列腺癌	多参数磁共振成像（mpMRI）	深度学习模型和放射组学模型	医学影像	共包含371名患者的数据集，以及两个外部数据集（195名患者和79名患者）
19372	2024-08-21	A Deep Learning Ensemble Approach for Automated COVID-19 Detection from Chest CT Images 2021-Dec-20, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10245982 PMID:34945278	研究论文	本研究旨在评估基于迁移学习技术的自动化COVID-19检测方法，该方法利用胸部CT图像进行检测	采用卷积神经网络（CNN）作为特征提取器，并结合信息增益过滤器选择特征，最终通过多数投票方法进行分类	NA	评估自动化COVID-19检测方法的性能	胸部CT图像	计算机视觉	COVID-19	迁移学习	CNN	图像	4171张CT扫描图像，来自210名不同患者
19373	2024-08-21	Moving beyond the Slit-Lamp Gonioscopy: Challenges and Future Opportunities 2021-Dec-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11122279 PMID:34943516	综述	本文综述了裂隙灯前房角镜检查的局限性以及新型数字前房角镜GS-1的优势和潜在应用	介绍了新型数字前房角镜GS-1，该设备允许半自动的环形记录前房角的真实彩色照片，并探讨了其在远程医疗、虚拟诊所和深度学习自动分类中的潜在应用	裂隙灯前房角镜检查存在学习曲线陡峭、检查者间一致性差和记录不良的缺点	探讨裂隙灯前房角镜检查的挑战和未来机遇	前房角及其在青光眼诊断和治疗中的应用	NA	青光眼	NA	NA	图像	NA
19374	2024-08-21	Unseen Artificial Intelligence-Deep Learning Paradigm for Segmentation of Low Atherosclerotic Plaque in Carotid Ultrasound: A Multicenter Cardiovascular Study 2021-Dec-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11122257 PMID:34943494	研究论文	本文研究了一种新的深度学习方法，用于在多中心心血管研究中分割颈动脉超声中的低斑块，该方法在不同种族群体中进行训练和测试。	首次采用“未见人工智能”范式，即在不同种族群体中进行训练和测试，以验证深度学习模型的通用性。	研究仅限于颈动脉超声图像的分割，且样本来自两个特定的种族群体。	验证深度学习模型在不同种族群体中分割低斑块的能力，并评估其与“已见人工智能”模型的性能接近程度。	颈动脉超声图像中的低斑块分割。	机器学习	心血管疾病	深度学习	UNet	图像	630个样本，包括330个日本人和300个香港人
19375	2024-08-21	Stent detection with very thick tissue coverage in intravascular OCT 2021-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.444336 PMID:35003848	研究论文	本文开发了一种深度学习方法，用于自动分析具有薄和非常厚组织覆盖的支架，并提出了一种算法来准确分析植入多个支架的血管区域	本文首次提出了一种能够处理非常厚组织覆盖的支架分析的深度学习方法，并能够有效分析植入多个支架的血管区域	NA	开发一种自动分析具有不同组织覆盖厚度的支架的方法，以提高评估支架植入和支架后组织覆盖的效率	冠状动脉支架及其组织覆盖情况	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	25203张图像来自56次OCT回拉和41名患者
19376	2024-08-21	An empirical study of using radiology reports and images to improve ICU-mortality prediction 2021-Aug, Proceedings. IEEE International Conference on Healthcare Informatics DOI:10.1109/ichi52183.2021.00088 PMID:35531070	研究论文	本研究构建了一个基于深度学习的生存预测模型，利用多模态数据预测ICU死亡率	本研究首次结合生理测量数据、预定义的胸部疾病标签、基于BERT的文本表示和胸部X光图像特征，通过深度学习方法显著提高了ICU死亡率的预测准确性	NA	提高ICU死亡率的预测准确性	ICU患者的死亡率	机器学习	NA	深度学习	深度学习模型	多模态数据	使用了Medical Information Mart for Intensive Care IV (MIMIC-IV)数据集
19377	2024-08-21	Novel loss functions for ensemble-based medical image classification 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0261307 PMID:34968393	研究论文	本文研究了基于集成学习的医学图像分类中损失函数的优化	提出了改进的损失函数用于多类别分类任务，并通过集成学习提高了分类性能	未提及	分析并选择适合当前分类任务的损失函数	儿科胸片数据集，包括正常图像及细菌性和病毒性肺炎的图像	计算机视觉	NA	深度神经网络	集成模型	图像	未明确提及具体数量
19378	2024-08-20	Mechanical strength recognition and classification of thermal protective fabric images after thermal aging based on deep learning 2024-Sep, International journal of occupational safety and ergonomics : JOSE IF:1.6Q3 DOI:10.1080/10803548.2024.2345511 PMID:38741556	研究论文	本研究提出了一种基于迁移学习的图像识别策略，用于区分经过热老化的热防护织物的机械强度	采用数据增强技术克服了训练样本不足的问题，并利用四种预训练模型在三种样本分类模式下探索其性能	对于处于强度下降中间阶段的织物样本，三分类模式优于四分类和六分类模式	评估热老化后热防护服装的安全使用寿命，降低职业人员的风险	热防护织物的热老化后机械强度	计算机视觉	NA	迁移学习	VGG-19	图像	实验中使用了四种预训练模型在三种样本分类模式下进行探索
19379	2024-08-20	Explicit Abnormality Extraction for Unsupervised Motion Artifact Reduction in Magnetic Resonance Imaging 2024-Aug-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3444771 PMID:39150812	研究论文	本文提出了一种新的无监督异常提取网络（UNAEN），用于减少磁共振成像（MRI）中的运动伪影	UNAEN能够处理未配对的MA-corrupted和MA-free图像，通过提取器从MA-corrupted图像中提取异常，并使用重建器恢复原始输入，从而减少运动伪影	NA	解决磁共振成像中运动伪影的问题，提高诊断准确性和图像引导疗法的效果	磁共振成像中的运动伪影	计算机视觉	NA	深度学习	UNAEN	图像	使用了多种公开可用的MRI数据集
19380	2024-08-20	Deep learning improves quality of intracranial vessel wall MRI for better characterization of potentially culprit plaques 2024-08-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69750-4 PMID:39152167	研究论文	本研究通过深度学习技术提高颅内血管壁磁共振成像的质量，以更好地识别潜在的罪魁祸首斑块	深度学习技术显著提高了颅内血管壁成像的图像质量，包括信号噪声比和对比噪声比，并增强了斑块和内斑块出血的检测能力	研究为回顾性分析，样本量相对较小	提高颅内血管壁成像的质量，以便更准确地识别和评估潜在的罪魁祸首斑块	颅内血管壁成像的质量和深度学习技术的应用	计算机视觉	心血管疾病	磁共振成像	深度学习	图像	117名患者