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
19641	2024-08-10	Use of deep learning for structural analysis of computer tomography images of soil samples 2021-Mar-31, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.201275 PMID:33959314	研究论文	本文使用深度学习方法对来自多个欧洲国家的土壤样本的计算机断层扫描（CT）图像进行结构分析	引入了新的自动化标注方法'surrogate'学习，并使用VGG16网络进行训练	NA	研究深度学习在土壤样本CT图像结构分析中的应用	欧洲多个国家的土壤样本	计算机视觉	NA	深度学习	VGG16	图像	多个土壤样本
19642	2024-08-10	Novel Transfer Learning Approach for Medical Imaging with Limited Labeled Data 2021-Mar-30, Cancers IF:4.5Q1 DOI:10.3390/cancers13071590 PMID:33808207	研究论文	本文提出了一种新的迁移学习方法，通过在大规模未标记医学图像数据集上训练深度学习模型，然后将知识迁移到少量标记医学图像上，以提高医学图像分类的性能	提出了一种新的迁移学习方法，通过在大规模未标记医学图像数据集上训练模型，并将知识迁移到少量标记医学图像上，以及引入了一种新的深度卷积神经网络（DCNN）模型	NA	克服传统迁移学习方法在医学图像分类中的无效性，提高医学图像分类的性能	皮肤癌和乳腺癌的分类任务	计算机视觉	皮肤癌, 乳腺癌	迁移学习	深度卷积神经网络（DCNN）	图像	少量标记医学图像和大量未标记医学图像
19643	2024-08-10	An Improved UNet++ Model for Congestive Heart Failure Diagnosis Using Short-Term RR Intervals 2021-Mar-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11030534 PMID:33809773	研究论文	本文提出了一种基于心率变异性信号的端到端编码器-解码器模型，用于诊断充血性心力衰竭	改进的UNet++模型结合挤压激励（SE）残差块，用于层次化提取深层特征并区分充血性心力衰竭患者与正常对象	NA	开发一种新的深度学习模型，用于早期检测充血性心力衰竭	充血性心力衰竭的早期诊断	机器学习	心血管疾病	NA	UNet++	信号	使用了两个开源数据库，分别使用了500、1000和2000个RR间期进行评估
19644	2024-08-10	Differential Deep Convolutional Neural Network Model for Brain Tumor Classification 2021-Mar-10, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci11030352 PMID:33801994	研究论文	本文提出了一种差分深度卷积神经网络模型（differential deep-CNN）用于脑肿瘤分类	使用差分算子在原始CNN特征图中导出额外的差分特征图，提高了模型的性能	NA	改进脑肿瘤分类算法，帮助放射科医生在没有手术干预的情况下诊断肿瘤	不同类型的脑肿瘤，包括异常和正常的磁共振（MR）图像	计算机视觉	脑肿瘤	磁共振成像（MRI）	CNN	图像	25,000张脑磁共振成像（MRI）图像
19645	2024-08-10	CT-less Direct Correction of Attenuation and Scatter in the Image Space Using Deep Learning for Whole-Body FDG PET: Potential Benefits and Pitfalls 2021-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.2020200137 PMID:33937860	研究论文	本研究展示了使用深度学习在图像空间中进行无CT的全身PET衰减和散射校正（ASC）的可行性，并探讨了其潜在优势和缺陷	开发了一种基于U-Net的网络，用于直接将未校正的PET（PETNC）转换为衰减和散射校正的PET（PETASC），并进行了定量和定性评估	潜在的缺陷包括由于模糊或遗漏病变导致的假阴性结果，以及由于伪低摄取模式导致的假阳性结果	展示无CT的全身PET衰减和散射校正的可行性，并探讨其潜在优势和缺陷	110例全身氟脱氧葡萄糖（FDG）PET/CT研究，涉及107名患者	计算机视觉	NA	深度学习	U-Net	图像	110例全身PET/CT研究，涉及107名患者，其中72名女性，年龄范围11-92岁
19646	2024-08-10	DL-MRI: A Unified Framework of Deep Learning-Based MRI Super Resolution 2021, Journal of healthcare engineering DOI:10.1155/2021/5594649 PMID:33897991	研究论文	本文提出了一种基于深度学习的MRI超分辨率统一框架，将先进的深度学习方法应用于MRI超分辨率	该框架整合了五种具有最佳超分辨率效果的深度学习方法，并构建了一个包含×2、×3和×4尺度的高低分辨率MR图像数据集	NA	旨在提高MRI图像的分辨率，以帮助医生更准确地定位病变和诊断疾病	MRI图像的超分辨率处理	计算机视觉	NA	深度学习	深度学习方法	图像	包含颅骨、膝盖、乳房和头颈部的MR图像数据集
19647	2024-08-10	Determinants of Tourism Stocks During the COVID-19: Evidence From the Deep Learning Models 2021, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2021.675801 PMID:33898386	研究论文	本文研究了2018年10月25日至2020年10月21日期间，包括COVID-19时期中国旅游股票回报的决定因素，并提出了基于反向传播神经网络（BPNN）的四种深度学习预测模型	提出了基于量子群智能算法（QSIA）、量子步长果蝇优化算法（QSFOA）、量子粒子群优化算法（QPSO）和量子遗传算法（QGA）的深度学习预测模型	NA	研究旅游股票回报的决定因素，并评估不同深度学习模型的预测准确性	中国旅游股票回报	机器学习	NA	深度学习	反向传播神经网络（BPNN）	股票回报数据	2018年10月25日至2020年10月21日的数据
19648	2024-08-10	A Multisite Study of a Breast Density Deep Learning Model for Full-Field Digital Mammography and Synthetic Mammography 2021-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.2020200015 PMID:33937850	研究论文	本研究开发了一个用于全数字化乳腺X线摄影和合成乳腺摄影的BI-RADS乳腺密度深度学习模型，并在多中心环境中进行了评估。	该模型在没有使用合成乳腺摄影图像进行训练的情况下，在两个机构的全数字化乳腺X线摄影和合成乳腺摄影图像上展示了强大的性能，并通过使用少量合成乳腺摄影图像进一步改进。	NA	开发和评估一个用于合成二维乳腺摄影图像的BI-RADS乳腺密度深度学习模型。	全数字化乳腺X线摄影图像和合成乳腺摄影图像。	机器学习	乳腺疾病	深度学习	深度学习模型	图像	57,492名患者，187,627次检查，750,752张图像（站点1，全数字化乳腺X线摄影）；3,842名患者，3,866次检查，14,472张图像（站点1，合成乳腺摄影）；7,557名患者，16,283次检查，63,973张图像（站点2，合成乳腺摄影）。
19649	2024-08-10	Using supervised machine learning classifiers to estimate likelihood of participating in clinical trials of a de-identified version of ResearchMatch 2020-Sep-04, Journal of clinical and translational science IF:2.1Q3 DOI:10.1017/cts.2020.535 PMID:33948264	研究论文	本文利用监督机器学习分类器和深度学习方法分析ResearchMatch数据库，以发现更有可能参与临床试验的个体特征	使用深度学习模型（CNN）和六种监督机器学习分类器来预测个体参与临床试验的兴趣	NA	探索影响个体参与临床试验的因素	ResearchMatch数据库中的个体特征	机器学习	NA	监督机器学习	CNN	数据	841,377个实例，20个特征
19650	2024-08-09	Synthetic data generation methods in healthcare: A review on open-source tools and methods 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.07.005 PMID:39108677	综述	本文综述了医疗领域中合成数据生成方法的应用及其效果，重点关注开源工具和方法	探讨了合成数据在解决数据稀缺和隐私问题方面的潜力，以及在训练人工智能算法时提供无偏见数据和足够样本量的需求	NA	评估合成数据方法在医疗领域的应用及其效果	医疗数据，包括表格数据、影像数据、放射组学数据、时间序列数据和组学数据	机器学习	NA	合成数据生成技术，包括统计方法、概率方法、机器学习和深度学习	深度学习	多模态数据	NA
19651	2024-08-09	A machine learning algorithm improves the diagnostic accuracy of the histologic component of antibody mediated rejection (AMR-H) in cardiac transplant endomyocardial biopsies 2024 Sep-Oct, Cardiovascular pathology : the official journal of the Society for Cardiovascular Pathology IF:2.3Q2 DOI:10.1016/j.carpath.2024.107646 PMID:38677634	研究论文	本文研究了一种机器学习算法，用于提高心脏移植患者心肌内膜活检中抗体介导排斥反应（AMR-H）组织学成分的诊断准确性	首次确定机器学习算法能否区分pAMR-H与正常心肌、愈合损伤和急性细胞排斥反应（ACR）	需要多机构验证测试以确保算法的普遍适用性	研究机器学习算法在心脏移植病理学中区分抗体介导排斥反应组织学成分的能力	心脏移植患者的心肌内膜活检样本	数字病理学	心脏移植	数字全玻片扫描	卷积神经网络	图像	4,212个标注（1,053个正常区域，1,053个pAMR-H，1,053个愈合损伤和1,053个ACR）来自300个苏木精和伊红染色切片
19652	2024-08-09	Enhancing resolution and contrast in fibre bundle-based fluorescence microscopy using generative adversarial network 2024-Sep, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13296 PMID:38563195	研究论文	本研究通过使用生成对抗网络（GANs）提高了基于光纤束的荧光显微镜的分辨率和对比度	利用高数值孔径（NA）光纤束和生成对抗网络（GANs），通过图像到图像的转换技术，有效提升了宽场图像的分辨率和对比度，无需额外光学硬件	NA	提升基于光纤束的荧光显微镜的分辨率和对比度	基于光纤束的荧光显微镜的图像	计算机视觉	NA	生成对抗网络（GANs）	GAN	图像	NA
19653	2024-08-09	High temporal resolution prediction of mortality risk for single AML patient via deep learning 2024-Aug-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110458 PMID:39108717	研究论文	本研究通过深度学习模型预测单个急性髓系白血病（AML）患者的5年连续时间生存概率，并将其转换为死亡风险曲线，以实现高时间分辨率的疾病进展动态捕捉。	本研究开发了一种深度学习模型，能够预测AML患者的连续时间生存概率，并通过死亡风险曲线识别出具有不同风险峰值时间的七个患者群体。	NA	研究旨在为急性髓系白血病患者提供个性化预后预测和治疗策略。	研究对象为急性髓系白血病患者。	机器学习	白血病	深度学习	深度学习模型	分子特征数据	NA
19654	2024-08-09	Phenotype identification and genome-wide association study of ear-internode vascular bundles in maize (Zea mays) 2024-Aug-07, Journal of plant research IF:2.7Q2 DOI:10.1007/s10265-024-01565-w PMID:39112806	研究论文	本研究利用微型计算机断层扫描（Micro-CT）技术和基于深度学习的表型获取方法，对495个玉米自交系的47个表型特征进行了提取和分析，特别是对玉米穗节间维管束的微观表型和遗传机制进行了全面系统的研究	首次采用Micro-CT扫描技术和深度学习方法对玉米穗节间维管束的微观表型进行全面系统的研究，并进行了全基因组关联分析（GWAS）	研究主要集中在玉米穗节间维管束的表型特征和遗传机制，未涉及其他植物或更广泛的遗传背景	旨在深入了解玉米穗节间维管束的表型特征，并为揭示其遗传机制提供参考	玉米穗节间维管束的表型特征和遗传机制	NA	NA	微型计算机断层扫描（Micro-CT）	深度学习	图像	495个玉米自交系
19655	2024-08-09	A benchmarked comparison of software packages for time-lapse image processing of monolayer bacterial population dynamics 2024-Aug-06, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.00032-24 PMID:38980028	研究论文	本文比较了四种用于分析二维时间流逝图像的软件包在单层细菌群体动态中的表现	发现基于深度学习的对象分割方法优于传统方法，但在帧间对象跟踪方面则相反	每种软件包在分析的至少一个方面优于其他软件包，表明没有一种软件包在所有方面都是最佳的	比较不同软件包在时间流逝图像处理中的性能，为研究人员选择合适的图像处理解决方案提供指导	四种软件包：CellProfiler, SuperSegger-Omnipose, DeLTA, 和 FAST	计算机视觉	NA	深度学习	NA	图像	NA
19656	2024-08-09	Choroidal vascular changes in early-stage myopic maculopathy from deep learning choroidal analysis: a hospital-based SS-OCT study 2024-Aug-06, Eye and vision (London, England) DOI:10.1186/s40662-024-00398-x PMID:39107859	研究论文	本研究通过深度学习技术分析了早期近视性黄斑病变患者的脉络膜血管变化，并探讨了这些变化与疾病之间的关联	本研究首次使用深度学习算法和Niblack自动局部阈值算法处理SS-OCT图像，分析了早期近视性黄斑病变患者的脉络膜血管变化	NA	阐明早期近视性黄斑病变患者的脉络膜血管变化，并研究这些变化与疾病之间的关联	1418只高度近视眼，来自720名18-60岁的参与者	数字病理学	近视性黄斑病变	SS-OCT	深度学习	图像	1418只高度近视眼，来自720名18-60岁的参与者
19657	2024-08-07	Author Correction: Deep learning with diffusion MRI as in vivo microscope reveals sex-related differences in human white matter microstructure 2024-Aug-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66995-x PMID:39103445	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19658	2024-08-09	Deep learning-based detection and semi-quantitative model for spread through air spaces (STAS) in lung adenocarcinoma 2024-Aug-05, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00664-0 PMID:39103596	研究论文	本研究开发了一种基于深度学习的STAS检测及半定量模型，用于提高肺腺癌中STAS的检测准确性	提出了名为STASNet的深度学习模型，用于计算与STAS密度和距离相关的半定量参数，并在实时病理诊断环境中应用	NA	提高肺腺癌中STAS的检测准确性和定量分析	肺腺癌中的STAS现象	数字病理学	肺腺癌	深度学习	CNN	图像	489张数字全切片图像
19659	2024-08-09	An improved data augmentation approach and its application in medical named entity recognition 2024-Aug-05, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02624-x PMID:39103849	研究论文	本文提出了一种改进的数据增强方法，并将其应用于医学命名实体识别中	提出了两种数据增强方法——基于Word2Vec增强的上下文随机替换（CRR）和目标实体随机替换增强（TER），以解决医学领域数据稀缺和不平衡的问题	NA	提高医学命名实体识别的性能和准确性	医学命名实体识别	自然语言处理	NA	Word2Vec	BERT-BiLSTM-CRF	文本	NA
19660	2024-08-09	DeepB3P: A transformer-based model for identifying blood-brain barrier penetrating peptides with data augmentation using feedback GAN 2024-Aug-05, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.08.002 PMID:39111628	研究论文	本文提出了一种基于transformer的深度学习模型DeepB3P，用于识别血脑屏障穿透肽，并使用反馈生成对抗网络（FBGAN）进行数据增强	DeepB3P模型在血脑屏障穿透肽预测中表现优异，且FBGAN模型能有效生成类似血脑屏障穿透肽，缓解数据不平衡问题	NA	解决血脑屏障穿透肽预测中的数据不平衡问题，并提出一种高效准确的预测模型	血脑屏障穿透肽（BBBPs）	机器学习	NA	transformer, 生成对抗网络（GAN）	transformer, GAN	肽序列	NA