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
41	2024-08-07	Automated detection of cerebral microbleeds in MR images: A two-stage deep learning approach 2020, NeuroImage. Clinical DOI:10.1016/j.nicl.2020.102464 PMID:33395960	研究论文	本文提出了一种两阶段深度学习方法，用于在磁共振图像中自动检测脑微出血	该方法结合了基于区域的YOLO阶段用于潜在脑微出血候选检测和三维卷积神经网络（3D-CNN）阶段用于减少假阳性	研究仅使用了高和低平面分辨率的数据进行训练和评估	开发一种有效的自动检测脑微出血的方法	脑微出血的自动检测	计算机视觉	脑血管疾病	深度学习	YOLO, 3D-CNN	图像	72名受试者包含188个脑微出血和107名受试者包含572个脑微出血
42	2024-08-07	Current Status and Future Perspectives of Artificial Intelligence in Magnetic Resonance Breast Imaging 2020, Contrast media & molecular imaging DOI:10.1155/2020/6805710 PMID:32934610	综述	本文综述了人工智能（AI）和深度学习（DL）在乳腺磁共振成像（MRI）中的当前状态和未来展望	强调了开发用于精准医学的定量影像生物标志物的重要性，以及乳腺MRI和DL在此方面的潜力	讨论了DL在乳腺MRI应用中的未来挑战	提供AI在乳腺MRI中当前状态和未来展望的全面图景	乳腺MRI中的AI和DL应用	计算机视觉	NA	深度学习	DL	影像	NA
43	2024-08-07	A Deep Network Model on Dynamic Functional Connectivity With Applications to Gender Classification and Intelligence Prediction 2020, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2020.00881 PMID:33013292	研究论文	本文提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的端到端深度学习模型，用于捕捉功能连接序列的时空特征，并应用于性别分类和智力预测任务	该模型能够同时捕捉功能连接序列的时空特征，并在性别分类和智力预测任务中显著优于先前报告的模型	NA	研究动态功能脑网络的动态特性与个体行为和认知特征之间的关系	功能脑网络的动态特性	机器学习	NA	fMRI	CNN 和 LSTM	功能连接序列	1,050 名参与者（人类连接组计划）
44	2024-08-07	A promising approach for screening pulmonary hypertension based on frontal chest radiographs using deep learning: A retrospective study 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0236378 PMID:32706807	研究论文	本研究利用深度学习技术，通过前胸放射图像快速检测疑似肺动脉高压（PH）患者的异常情况，以进行疾病筛查	本研究开发了一种基于深度学习的方法，用于从前胸放射图像中快速检测可能提示肺动脉高压的异常情况，提供了一种非侵入性和易于使用的筛查方法	本研究为回顾性研究，需要在前瞻性临床环境中进一步验证	开发一种快速、简单且有效的深度学习方法，用于筛查疑似肺动脉高压患者	762名患者的前胸放射图像和通过多普勒经胸超声心动图测量的肺动脉收缩压（PASP）值	计算机视觉	肺动脉高压	深度学习算法	Resnet50, Xception, Inception V3	图像	762名患者（357名健康对照和405名肺动脉高压患者），共762张图像（641张用于训练，80张用于内部测试，41张用于外部测试）
45	2024-08-07	Comparison and validation of seven white matter hyperintensities segmentation software in elderly patients 2020, NeuroImage. Clinical DOI:10.1016/j.nicl.2020.102357 PMID:32739882	研究论文	本文比较并验证了七种用于老年患者白质高信号（WMH）分割的软件	使用深度学习方法NicMSlesion在研究数据集上表现最佳，但在临床数据集上性能显著下降	深度学习方法在含有伪影的数据上性能严重下降	比较自动方法分割老年患者白质高信号（WMH），以帮助放射科医生和研究人员选择最合适的方法	147名患者的数据集，包括97名来自ADNI 2数据库的患者和50名来自ADNI 3的患者，以及60名因认知障碍转诊的患者	计算机视觉	NA	MRI	NA	图像	147名患者
46	2024-08-07	Efficient GAN-based Chest Radiographs (CXR) augmentation to diagnose coronavirus disease pneumonia 2020, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.46684 PMID:32624700	研究论文	本文利用基于GAN的胸部X光片增强技术来诊断冠状病毒疾病肺炎	本文提出了基于GAN的合成数据和四种不同类型的深度学习模型，这些模型提供了与现有技术相当的结果	本文未提及具体的局限性	旨在通过CT图像中的COVID-19放射学变化来检测患者是否可能患有COVID-19	研究对象为胸部X光片和CT图像中的COVID-19放射学变化	计算机视觉	冠状病毒疾病	GAN	深度神经网络	图像	未提及具体样本数量
47	2024-08-07	Detection of Diabetic Retinopathy Using Bichannel Convolutional Neural Network 2020, Journal of ophthalmology IF:1.8Q3 DOI:10.1155/2020/9139713 PMID:32655944	research paper	本文提出了一种使用双通道卷积神经网络检测糖尿病视网膜病变的方法	提出了通过计算眼底照片的绿色成分的熵图像，并结合未锐化掩蔽（UM）进行图像增强，以提高基于卷积神经网络的糖尿病视网膜病变检测性能	NA	提高糖尿病视网膜病变的自动筛查和诊断性能	糖尿病视网膜病变	computer vision	糖尿病视网膜病变	卷积神经网络（CNN）	双通道CNN	图像	NA
48	2024-08-07	Assessment of vector-host-pathogen relationships using data mining and machine learning 2020, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2020.06.031 PMID:32670510	综述	本文综述了利用数据挖掘和机器学习技术系统评估微生物病原体、节肢动物媒介和哺乳动物宿主之间关系的方法和进展	本文展示了过去十年中数据挖掘和机器学习任务与技术的日益增多，包括预测、分类、聚类、关联规则挖掘和深度学习等	在应用于不同系统生物学水平的媒介-宿主-病原体相互作用研究中，存在一些关键挑战	探讨数据挖掘和机器学习在理解媒介-宿主-病原体关系基本方面的潜力及未来方向	微生物病原体、节肢动物媒介和哺乳动物宿主之间的关系	机器学习	NA	数据挖掘, 机器学习	深度学习	数据集	32篇关键论文
49	2024-08-07	Deep learning-enabled point-of-care sensing using multiplexed paper-based sensors 2020, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-020-0274-y PMID:32411827	研究论文	本文介绍了一种基于深度学习的框架，用于设计和量化点-of-care传感器，并以高灵敏度C-反应蛋白测试为例，展示了低成本和快速的纸基垂直流试剂盒	本文提出了一种机器学习框架，用于确定免疫反应点的最佳配置和条件，并在传感膜上进行空间多路复用，以准确推断目标分析物浓度	NA	开发一种成本效益高且便携的点-of-care传感器设计框架	高灵敏度C-反应蛋白测试，用于评估心血管疾病风险	机器学习	心血管疾病	深度学习	机器学习框架	纸基垂直流试剂盒	85个人类样本
50	2024-08-07	Skin lesion classification using ensembles of multi-resolution EfficientNets with meta data 2020, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2020.100864 PMID:32292713	研究论文	本文描述了在ISIC 2019皮肤病变分类挑战中使用多分辨率EfficientNets集成方法的方法	采用数据驱动方法处理测试集中的未知类别，通过损失平衡处理严重的类别不平衡，以及使用两种裁剪策略和多裁剪评估处理不同分辨率的图像	NA	参与并赢得ISIC 2019皮肤病变分类挑战	皮肤病变分类	计算机视觉	皮肤病变	深度学习	EfficientNets, SENet, ResNeXt WSL	图像	涉及不同分辨率的皮肤镜图像和患者元数据
51	2024-08-07	Deep Learning-Based Concurrent Brain Registration and Tumor Segmentation 2020, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2020.00017 PMID:32265680	研究论文	本文提出了一种新颖、高效且多任务的算法，联合解决医学图像分析中的图像配准和脑肿瘤分割问题	该方法通过在推理过程中自然耦合任务间的相互依赖性，利用高效的简单公式放松肿瘤区域的相似性约束	NA	旨在开发一种联合图像配准和脑肿瘤分割的深度学习算法	图像配准和脑肿瘤分割	计算机视觉	脑肿瘤	深度学习	NA	图像	两个公开数据集（BraTS 2018 和 OASIS 3）
52	2024-08-07	Scale and translation-invariance for novel objects in human vision 2020-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-57261-6 PMID:31996698	研究论文	本研究通过测量非韩语使用者在一次闪现学习中对韩文字母的识别准确率，探讨了人类视觉对新物体识别的尺度不变性和位置不变性	研究发现人类在单次暴露于新物体后具有显著的尺度不变性，并提出了神经网络模型应内置尺度不变性以解释人类对物体的恒定识别	位置不变性的范围有限，取决于呈现物体的大小和位置	探究人类视觉对新物体识别的尺度不变性和位置不变性	人类视觉对新物体识别的不变性	计算机视觉	NA	NA	神经网络模型	图像	非韩语使用者
53	2024-08-07	Improved small blob detection in 3D images using jointly constrained deep learning and Hessian analysis 2020-01-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-57223-y PMID:31941994	研究论文	本文提出了一种结合深度学习和Hessian分析的联合约束小斑点检测方法，用于改进3D图像中的小斑点检测	提出的UH-DoG方法在精确度和F分数上优于其他比较方法	NA	开发用于早期诊断和疾病分期的成像生物标志物	小斑点（blobs）在图像中的检测和分割	计算机视觉	NA	深度学习，Hessian分析	U-Net	图像	使用了公开的2D荧光数据集（细胞核检测）和3D肾脏磁共振成像数据集（肾小球检测）
54	2024-08-07	Predicting optical coherence tomography-derived diabetic macular edema grades from fundus photographs using deep learning 2020-01-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-019-13922-8 PMID:31913272	研究论文	本研究利用深度学习模型从眼底照片预测中心性糖尿病性黄斑水肿（ci-DME）的等级	本研究提出的深度学习模型在预测ci-DME时，其特异性高于专业眼科医生，且无需复杂的3D成像设备	NA	提高糖尿病性黄斑水肿的诊断准确性	中心性糖尿病性黄斑水肿（ci-DME）	机器学习	糖尿病性黄斑水肿	深度学习	NA	图像	NA
55	2024-08-07	Photoplethysmography based atrial fibrillation detection: a review 2020, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-019-0207-9 PMID:31934647	综述	本文综述了使用光电容积脉搏波（PPG）技术进行心房颤动（AF）检测的研究进展	介绍了基于PPG的AF检测在可穿戴设备中的应用，以及相关的信号处理、机器学习和深度学习方法	讨论了这些研究在临床应用中的局限性和挑战	旨在早期筛查AF并启动治疗以预防中风	心房颤动（AF）的检测	NA	心血管疾病	光电容积脉搏波（PPG）	机器学习, 深度学习	信号	NA
56	2024-08-05	Time-series cardiovascular risk factors and receipt of screening for breast, cervical, and colon cancer: The Guideline Advantage 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0236836 PMID:32790674	研究论文	本研究探讨了心血管健康指标与癌症筛查之间的关系	首次使用长短期记忆网络（LSTM）预测癌症筛查的接受情况，并量化筛查前后心血管健康的变化	研究依赖于电子健康记录数据，可能存在数据不完整或不准确的问题	理解癌症筛查的风险因素及其对心血管健康的影响	362,533名患者的癌症筛查及心血管健康指标	数字病理学	心血管疾病	LSTM	LSTM	电子健康记录数据	362,533名患者
57	2024-08-05	Target identification among known drugs by deep learning from heterogeneous networks 2020-Jan-13, Chemical science IF:7.6Q1 DOI:10.1039/c9sc04336e PMID:34123272	研究论文	本文开发了一种深度学习方法deepDTnet，用于从异构网络中识别已知药物的新靶点和药物再利用。	deepDTnet在识别已知药物的新分子靶点方面具有高准确性，超过了以往的最新方法。	未提及研究的具体限制。	研究目的是开发一种有效的药物靶点识别和药物再利用的方法。	研究对象为732种FDA批准的小分子药物。	机器学习	NA	深度学习	NA	NA	732种FDA批准的小分子药物
58	2024-08-05	Identification of Bacterial Blight Resistant Rice Seeds Using Terahertz Imaging and Hyperspectral Imaging Combined With Convolutional Neural Network 2020, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2020.00821 PMID:32670316	研究论文	本研究探讨了利用太赫兹成像技术和近红外高光谱成像技术识别抗细菌性褐斑病水稻种子的可行性	结合太赫兹成像与卷积神经网络（CNN）的方法在准确性上超过了传统的近红外高光谱成像	未提到具体的样本种类与数量，因此对结果的普遍性需进一步验证	快速识别出抗细菌性褐斑病的水稻种子	抗细菌性褐斑病水稻种子	数字病理学	NA	太赫兹成像和近红外高光谱成像	卷积神经网络（CNN）	高光谱图像和光谱数据	NA
59	2024-08-05	Deep Magnetic Resonance Image Reconstruction: Inverse Problems Meet Neural Networks 2020-Jan, IEEE signal processing magazine IF:9.4Q1 DOI:10.1109/MSP.2019.2950557 PMID:33746470	研究论文	本文概述了基于深度学习的MRI图像重建方法	探讨了基于深度学习的图像重建方法在快速MRI中的应用潜力	未具体涉及不同算法的比较和实际应用案例	旨在提高快速MRI图像重建的效率	讨论两种类型的基于深度学习的重建方法	计算机视觉	NA	深度学习	NA	图像	NA
60	2024-08-05	Internal-transfer Weighting of Multi-task Learning for Lung Cancer Detection 2020, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2548755 PMID:34040274	研究论文	本文提出了一种内部转移加权的多任务学习方法用于肺癌检测	介绍了一种新的学习策略Periodic Focusing Learning Policy（PFLP）和内部转移加权策略（ITW），以优化多任务网络的训练	对于无法收敛的多任务基线网络，需要进一步研究改进方法	提高肺癌预测的准确性	3386名患者的CT扫描数据，涉及多种呼吸系统疾病的辅助任务	数字病理学	肺癌	深度学习	3D注意力网络	图像	3386个CT扫描（每名患者一个扫描）