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
19621	2024-08-13	A Parkinson's Auxiliary Diagnosis Algorithm Based on a Hyperparameter Optimization Method of Deep Learning 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3246961 PMID:37027659	研究论文	本文提出了一种基于深度学习超参数优化方法的帕金森病辅助诊断算法	采用了改进的人工蜂群算法（GDABC）和提出的'范围修剪策略'及'维度调整策略'来优化ResNet50的超参数	未提及具体限制	提高帕金森病的诊断准确性	帕金森病的辅助诊断	机器学习	帕金森病	深度学习	ResNet50	语音信号	使用King's College London的Mobile Device Voice Recordings (MDVR-CKL)数据集进行验证
19622	2024-08-13	Medical Tumor Image Classification Based on Few-Shot Learning 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3282226 PMID:37294647	research paper	本文提出了一种改进的小样本学习方法用于医学肿瘤图像分类，并引入特征融合策略以充分利用有限样本的特征信息	本文提出的改进小样本学习方法和特征融合策略在仅使用少量标记样本的情况下，实现了优于现有先进方法的分类准确率	NA	提高医学肿瘤图像分类的准确性	医学肿瘤图像	computer vision	NA	few-shot learning	NA	image	仅使用10个标记样本进行实验
19623	2024-08-13	Minimal data requirement for realistic endoscopic image generation with Stable Diffusion 2024-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-023-03030-w PMID:37934401	研究论文	本文提出了一种基于Stable Diffusion模型的图像到图像翻译方法，用于生成逼真的内窥镜图像	该方法通过引入不同的支持控制网络，实现了对细节生成的更精细控制，并且所需输入数据量较小，更适合临床应用	NA	旨在改善计算机辅助手术系统，通过生成逼真的合成数据来优化深度学习模型的训练	内窥镜图像的生成和翻译	计算机视觉	NA	Stable Diffusion模型	Stable Diffusion	图像	使用了来自公共数据集的合成和真实数据
19624	2024-08-13	MAIRNet: weakly supervised anatomy-aware multimodal articulated image registration network 2024-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-023-03056-0 PMID:38236477	研究论文	提出了一种新的弱监督解剖学意识多模态关节图像配准网络MAIRNet，以解决多模态关节图像配准的挑战性问题	MAIRNet包含两个分支：一个非可学习的多刚体配准分支用于估计初始速度场，和一个可学习的可变形配准分支用于学习增量，这两个分支共同工作以生成最终的位移场	NA	开发一种新的多模态关节图像配准方法	多模态关节图像配准问题	计算机视觉	NA	深度学习	CNN	图像	在三个数据集上进行了综合实验，包括髋部数据集、腰椎脊柱数据集和胸椎脊柱数据集
19625	2024-08-13	Unsupervised deep learning framework for temperature-compensated damage assessment using ultrasonic guided waves on edge device 2024-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-54418-w PMID:38355983	研究论文	本文提出了一种利用超声导波在边缘设备上进行温度补偿损伤评估的无监督深度学习框架	利用TinyML框架开发轻量级机器学习模型，可直接部署在嵌入式边缘设备上，实现高效的结构健康监测	尽管模型轻量，但在有限特征下仍需提高准确性以更好地检测小尺寸缺陷	开发一种适用于边缘设备的轻量级机器学习模型，用于结构健康监测	蜂窝复合材料夹层结构中的脱粘和分层损伤	机器学习	NA	超声导波	无监督学习	数据	在0-90°C温度范围内进行的有限元模拟和实验数据
19626	2024-08-13	Early transcriptomic signatures and biomarkers of renal damage due to prolonged exposure to embedded metal 2023-12, Cell biology and toxicology IF:5.3Q1 DOI:10.1007/s10565-023-09806-9 PMID:37058270	研究论文	研究通过高吞吐量转录组学和深度学习方法，探讨了长期暴露于嵌入金属导致的早期肾损伤的转录组特征和生物标志物	结合高吞吐量转录组学和深度学习技术，有效识别受金属暴露影响的肾细胞，并发现miRNA-423作为潜在的早期肾损伤血清生物标志物	NA	识别和检测长期暴露于嵌入金属导致的早期肾损伤	肾组织和血清样本中的RNA序列	数字病理学	肾损伤	RNA测序	深度学习	RNA序列数据	使用大鼠模型进行实验
19627	2024-08-13	Small whole heart volume predicts cardiovascular events in patients with stable chest pain: insights from the PROMISE trial 2021-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-021-07695-2 PMID:33501599	研究论文	本研究评估了从非对比心脏计算机断层扫描（CT）中提取的三维全心脏体积（WHV）在稳定胸痛患者中预测主要心血管事件（MACE）的预后价值	小全心脏体积可能是一个新的影像学标志物，用于稳定胸痛患者中预测主要心血管事件	NA	评估三维全心脏体积在稳定胸痛患者中预测主要心血管事件的预后价值	稳定胸痛患者	数字病理学	心血管疾病	计算机断层扫描（CT）	深度学习	影像	3798名患者
19628	2024-08-13	Automatic opportunistic osteoporosis screening in routine CT: improved prediction of patients with prevalent vertebral fractures compared to DXA 2021-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-020-07655-2 PMID:33507353	研究论文	本文比较了从常规CT中自动和手动评估的脊柱骨测量与双能X线吸收法（DXA）在关联现有骨质疏松性椎体骨折方面的表现，使用完全自动化的框架评估临床CT中的各种骨测量。	本文引入了用于骨质疏松症和低骨量的整体体积骨密度（vBMD）的诊断阈值，并展示了CT基础测量在识别经历过椎体骨折的骨量减少个体方面优于DXA。	NA	比较常规CT和DXA在预测现有骨质疏松性椎体骨折方面的效果。	192名患者（141名女性，51名男性；年龄70.2 ± 9.7岁）的脊柱骨测量。	数字病理学	骨质疏松症	卷积神经网络（CNN）	CNN	图像	192名患者
19629	2024-08-13	A clinical deep learning framework for continually learning from cardiac signals across diseases, time, modalities, and institutions 2021-07-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-24483-0 PMID:34244504	研究论文	本文提出了一种名为CLOPS的持续学习策略，用于解决临床环境中深度学习算法在处理非独立同分布数据时性能下降的问题	CLOPS策略通过使用回放缓冲区和基于不确定性的获取函数，有效减轻了破坏性干扰，并在多种临床场景中表现优于现有方法	NA	旨在开发一种能够持续学习并保持性能稳定的临床深度学习框架	心脏信号数据，涉及不同疾病、时间、数据模态和医疗机构	机器学习	心血管疾病	深度学习	深度学习系统	信号	NA
19630	2024-08-13	Super-compression of large electron microscopy time series by deep compressive sensing learning 2021-Jul-09, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2021.100292 PMID:34286306	研究论文	本文提出了一种结合深度学习和时间压缩感知（TCS）的电子显微镜（EM）大数据压缩策略	利用端到端深度学习网络和TCS技术，实现了高压缩比（最高达30倍）且高质量的图像重建	NA	解决电子显微镜高速检测带来的大数据处理和存储挑战	电子显微镜图像序列的压缩与重建	计算机视觉	NA	深度学习, 时间压缩感知（TCS）	深度学习网络	图像	NA
19631	2024-08-13	A Deep Learning Approach for Segmentation, Classification, and Visualization of 3-D High-Frequency Ultrasound Images of Mouse Embryos 2021-07, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2021.3068156 PMID:33755564	研究论文	本文提出了一种用于自动分割和分类小鼠胚胎高频超声图像的深度学习流程	采用两阶段框架进行分割，显著减少了推理时间并保持高精度；通过梯度反向传播，训练的分类器能够聚焦于已知遗传突变表型的区域	NA	开发一种准确、高效且可解释的深度学习方法，用于小鼠胚胎脑室和身体的自动分割与分类	小鼠胚胎的高频超声图像	计算机视觉	NA	高频超声（HFU）	卷积神经网络（CNN）	图像	NA
19632	2024-08-13	A comparison of the fusion model of deep learning neural networks with human observation for lung nodule detection and classification 2021-Jul-01, The British journal of radiology DOI:10.1259/bjr.20210222 PMID:34111976	研究论文	本研究比较了深度学习神经网络融合模型与人类观察者在肺结节检测和分类中的诊断性能	提出了一种使用四种先进对象检测器的融合模型，用于肺结节的检测和鉴别	融合AI算法在估计恶性风险方面的表现略低于观察者	比较新开发的人工智能算法与人类观察者在肺结节恶性风险估计中的诊断性能	158个来自158名患者的肺结节	机器学习	肺癌	卷积神经网络（CNN）	融合模型	图像	158个结节（81个良性，77个恶性）
19633	2024-08-13	Early prediction of diagnostic-related groups and estimation of hospital cost by processing clinical notes 2021-Jul-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00474-9 PMID:34211109	研究论文	本文研究使用深度学习自然语言处理模型在患者入院早期预测诊断相关分组（DRG）和估计医院成本	提出了一种基于深度学习的自然语言处理模型，能够在患者入院早期自动预测DRG和相应的成本反映权重，无需人工编码	模型在模拟患者群体中的准确性随时间增加，但具体的临床应用效果和泛化能力需要进一步验证	旨在通过早期预测DRG和估计医院成本，支持医院更好的运营决策	研究对象为接受Medicare Severity DRG或All Patient Refined DRG支付的两个队列	自然语言处理	NA	深度学习	自然语言处理模型	文本	两个队列的数据，具体样本量未详细说明
19634	2024-08-13	Deep learning techniques have significantly impacted protein structure prediction and protein design 2021-06, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2021.01.007 PMID:33639355	研究论文	本文探讨了深度学习技术在蛋白质结构预测和蛋白质设计中的应用及其显著影响	文章介绍了深度神经网络在空间约束预测和端到端模型训练中的应用，显著提高了蛋白质结构预测的准确性，并在蛋白质设计领域取得了显著进步	NA	研究深度学习技术如何影响蛋白质结构预测和蛋白质设计	蛋白质结构预测和蛋白质设计	机器学习	NA	深度神经网络	深度神经网络	NA	NA
19635	2024-08-13	Deep Learning to Predict Cardiac Magnetic Resonance-Derived Left Ventricular Mass and Hypertrophy From 12-Lead ECGs 2021-06, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.120.012281 PMID:34126762	研究论文	本研究利用深度学习模型从12导联心电图预测心脏磁共振成像（CMR）衍生的左心室质量及肥厚情况	本研究提出了一种新的深度学习模型，通过12导联心电图预测CMR衍生的左心室质量，可能改善左心室肥厚的检测	NA	研究目的是通过深度学习模型提高从12导联心电图预测左心室肥厚的准确性	研究对象包括UK Biobank前瞻性队列中的32,239名接受CMR和12导联心电图检查的个体	机器学习	心血管疾病	卷积神经网络	CNN	心电图数据	训练集包含32,239名个体，独立测试集包含UK Biobank的4,903名个体和Mass General Brigham的1,371名个体
19636	2024-08-13	Automatic classification of esophageal disease in gastroscopic images using an efficient channel attention deep dense convolutional neural network 2021-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.420935 PMID:34221645	研究论文	本文提出了一种高效的通道注意力深度密集卷积神经网络（ECA-DDCNN），用于自动分类胃镜图像中的四种主要食管疾病类别	本文的创新点在于提出了一种新的ECA-DDCNN模型，能够分类更多种类的食管疾病，并提高了分类准确性	NA	提高食管疾病的诊断效率和准确性	食管疾病的自动分类	计算机视觉	食管癌	深度学习	ECA-DDCNN	图像	20,965张胃镜图像，来自4,077名患者
19637	2024-08-13	Diagnostic Performance of Artificial Intelligence-Based Models for the Detection of Early Esophageal Cancers in Barret's Esophagus: A Meta-Analysis of Patient-Based Studies 2021-Jun, Cureus DOI:10.7759/cureus.15447 PMID:34258114	meta-分析	本研究旨在通过meta分析评估人工智能模型在实时白光内镜下检测Barret食管中早期食管腺癌的诊断性能	利用人工智能模型提高Barret食管中早期食管腺癌的诊断准确性	研究数量较少，需要进一步的前瞻性研究来验证人工智能模型的患者基础诊断准确性	评估人工智能模型在检测Barret食管中早期食管腺癌的诊断性能	Barret食管患者中的早期食管腺癌	机器学习	食管癌	人工智能	CNN	图像	共纳入3项研究，报告了4个数据集
19638	2024-08-13	Investigating the Impact of the Bit Depth of Fluorescence-Stained Images on the Performance of Deep Learning-Based Nuclei Instance Segmentation 2021-May-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11060967 PMID:34072131	研究论文	研究了荧光染色图像的位深度对基于深度学习的细胞核实例分割性能的影响	首次探讨了图像位深度对基于深度学习的细胞核实例分割性能的影响	NA	评估不同位深度的荧光染色图像对细胞核实例分割性能的影响	细胞核实例分割性能	计算机视觉	NA	深度学习	DL-based methods	图像	来自五个不同小鼠器官的荧光染色组织图像
19639	2024-08-13	Bayesian neural networks for stock price forecasting before and during COVID-19 pandemic 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0253217 PMID:34197473	研究论文	本文研究了在COVID-19大流行前后使用贝叶斯神经网络进行股票价格多步预测的可行性	采用了带有并行回火MCMC的朗之万梯度法，能够在并行计算环境中实施贝叶斯神经网络的推断	由于参数数量多和需要更好的计算资源，传统的MCMC方法存在局限性	探讨在COVID-19大流行期间股票市场波动性增加的情况下，贝叶斯神经网络在股票价格预测中的表现	股票价格预测模型在COVID-19大流行前后的表现	机器学习	NA	贝叶斯神经网络	贝叶斯神经网络	股票市场数据	具体样本数量未明确
19640	2024-08-13	Perceived Teacher Autonomy Support and Students' Deep Learning: The Mediating Role of Self-Efficacy and the Moderating Role of Perceived Peer Support 2021, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2021.652796 PMID:34234709	研究论文	本研究旨在探讨自我效能在大学生感知教师自主支持与深度学习之间的中介作用，以及学生感知到的同伴支持是否能调节感知教师自主支持与深度学习之间的关系	研究首次探讨了自我效能在感知教师自主支持与深度学习之间的中介作用，以及同伴支持的调节作用	研究样本仅来自贵州省一所本科师范大学的1800名大学生，可能限制了结果的普遍性	测试自我效能的中介作用及同伴支持的调节作用	大学生感知教师自主支持、自我效能、同伴支持与深度学习之间的关系	NA	NA	描述性分析、相关分析、探索性因子分析、验证性因子分析、调节效应分析和中介效应分析	NA	调查数据	1800名大学生