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
181	2024-08-07	Artificial Intelligence and Health in Nepal 2020-Sep, Nepal journal of epidemiology IF:1.7Q3 DOI:10.3126/nje.v10i3.31649 PMID:33042595	短通讯	本文概述了人工智能、机器学习、深度学习和大数据等关键术语，并强调了人工智能在健康领域的应用对低收入国家如尼泊尔的重要性	强调尼泊尔需要培养本地的人工智能专家，并投资于本地资源，以开发适合国家或南亚地区的解决方案	NA	探讨人工智能在尼泊尔健康领域的应用潜力，并强调尼泊尔教育和卫生系统需要跟踪这些发展并本地化应用	人工智能在健康领域的应用及其对尼泊尔的影响	人工智能	NA	人工智能	NA	大数据	NA
182	2024-08-07	A Weak and Semi-supervised Segmentation Method for Prostate Cancer in TRUS Images 2020-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-020-00323-3 PMID:32043178	研究论文	本研究旨在开发一种弱监督和半监督深度学习框架，用于在TRUS图像中分割前列腺癌，减轻放射科医生绘制病变边界和在无完整标注数据上训练神经网络的时间消耗	提出了一种结合强监督和弱监督数据的方法，通过迭代更新标签提高分割性能	尽管该方法在弱监督和半监督数据上表现优于仅使用少量强监督数据的方法，但性能提升不如使用完全强监督数据集	开发一种新的深度学习框架，用于在TRUS图像中分割前列腺癌，减少放射科医生的工作负担	前列腺癌在TRUS图像中的分割	计算机视觉	前列腺癌	深度学习	神经网络	图像	102例图像数据集，其中22张用于评估
183	2024-08-07	Cellular and Molecular Probing of Intact Human Organs 2020-02-20, Cell IF:45.5Q1 DOI:10.1016/j.cell.2020.01.030 PMID:32059778	研究论文	本研究开发了一种名为SHANEL的新方法，用于使坚硬的人体器官透明化，并进行细胞和分子水平的3D研究	SHANEL方法允许对成年人体器官进行透明化处理，并进行深达厘米级的3D组织学研究，同时开发了深度学习管道来快速分析大量细胞	NA	开发一种新技术，以实现对人体复杂组织的细胞和分子水平的3D研究	成年人体器官，包括大脑、肾脏、眼睛和甲状腺，以及转基因猪的胰腺	数字病理学	NA	组织通透化方法	深度学习	图像	多个成年人体器官和转基因猪胰腺
184	2024-08-07	MULTI-DEEP: A novel CAD system for coronavirus (COVID-19) diagnosis from CT images using multiple convolution neural networks 2020, PeerJ IF:2.3Q2 DOI:10.7717/peerj.10086 PMID:33062453	研究论文	本文提出了一种基于多个卷积神经网络融合的新型计算机辅助诊断系统，用于从CT图像中诊断COVID-19	该系统通过融合多个卷积神经网络，并使用支持向量机分类器和主成分分析来提取和分类深度特征，提高了诊断准确性和效率	公开可用的CT图像数据集的缺乏使得CAD系统的设计具有挑战性	开发一种高效的计算机辅助诊断系统，用于早期检测和准确诊断COVID-19	COVID-19的CT图像	计算机视觉	COVID-19	卷积神经网络	CNN	图像	未明确提及样本数量
185	2024-08-07	Immune contexture analysis in immuno-oncology: applications and challenges of multiplex fluorescent immunohistochemistry 2020, Clinical & translational immunology IF:4.6Q2 DOI:10.1002/cti2.1183 PMID:33072322	研究论文	本文讨论了基于多重荧光免疫组织化学和深度学习技术的定量图像分析在免疫肿瘤学中的应用和发展，以及在临床环境中有效使用该技术的挑战	介绍了使用Vectra自动化数字病理系统和FCS express流式细胞仪软件进行多重荧光染色肿瘤切片分析的工作流程	讨论了在临床环境中有效使用多重荧光免疫组织化学技术的挑战	理解肿瘤微环境中复杂的免疫结构交互作用，以指导患者选择、临床试验设计、联合治疗和患者管理	肿瘤微环境中的免疫结构分析	数字病理学	肿瘤学	多重荧光免疫组织化学	深度学习	图像	NA
186	2024-08-07	Deep Learning-Based Human Activity Recognition for Continuous Activity and Gesture Monitoring for Schizophrenia Patients With Negative Symptoms 2020, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2020.574375 PMID:33192706	研究论文	本研究旨在开发一种基于手腕佩戴设备的人类活动识别（HAR）模型，用于评估精神分裂症患者负面症状相关的活动。	本研究首次在临床试验环境中使用手腕佩戴设备来推导基于活动和手势的数字结果测量，以评估精神分裂症患者的负面症状。	研究样本量较小，且仅限于精神分裂症患者，可能限制了结果的普遍性。	开发和验证一种用于监测精神分裂症患者负面症状相关活动的人类活动识别模型。	精神分裂症患者及其负面症状。	机器学习	精神分裂症	NA	NA	活动数据	33名患者
187	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
188	2024-08-07	CVDNet: A novel deep learning architecture for detection of coronavirus (Covid-19) from chest x-ray images 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110245 PMID:32921934	研究论文	本文提出了一种名为CVDNet的深度卷积神经网络模型，用于通过胸部X光图像分类COVID-19感染与正常和其他肺炎病例	CVDNet模型采用两个并行层次和不同内核大小来捕捉输入的局部和全局特征	模型在小型数据集上表现良好，但可能需要更多训练数据以进一步提高性能	开发一种低成本且高效的深度学习模型，帮助医疗专业人员快速检测COVID-19并确定感染的严重程度	COVID-19感染的检测与分类	计算机视觉	呼吸系统疾病	深度学习	CNN	图像	包含219例COVID-19、1341例正常和1345例病毒性肺炎的胸部X光图像
189	2024-08-07	Automatic detection of pulmonary nodules on CT images with YOLOv3: development and evaluation using simulated and patient data 2020-Oct, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-19-883 PMID:33014725	研究论文	本文开发并评估了一种基于YOLOv3卷积神经网络的高效肺结节计算机辅助检测方法，用于CT图像中肺结节的定位和直径估计	该方法采用了YOLOv3算法，具有自动多尺度特征提取器和基于特征的边界框生成器，用于肺结节的特征筛选、定位和直径估计	NA	开发一种高效的肺结节计算机辅助检测方法，用于CT图像中肺结节的定位和直径估计	肺结节在CT图像中的定位和直径估计	计算机视觉	肺部疾病	YOLOv3	CNN	图像	模拟研究中使用了300个CT扫描，患者研究中使用了888个CT图像
190	2024-08-07	High expression of MKK3 is associated with worse clinical outcomes in African American breast cancer patients 2020-09-01, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-020-02502-w PMID:32873298	研究论文	本研究通过系统分析基因mRNA表达与临床结果的关系，探讨了非洲裔美国乳腺癌患者的生存差异分子基础，并确定了MKK3基因的高表达与更差的临床结果相关。	本研究首次确定了MKK3基因在非洲裔美国乳腺癌患者中的高表达与生存率下降的强相关性，并提出了MKK3-MYC蛋白相互作用作为减少乳腺癌生存种族差异的新治疗靶点。	本研究仅基于TCGA数据库中的乳腺癌患者样本，可能存在样本代表性不足的问题。	探讨非洲裔美国乳腺癌患者的生存差异分子基础，并寻找新的治疗靶点。	非洲裔美国乳腺癌患者及其基因表达与临床结果的关系。	数字病理学	乳腺癌	全卷积深度学习模型	CNN	图像	1055个乳腺癌样本
191	2024-08-07	Prognostic Modeling of COVID-19 Using Artificial Intelligence in the United Kingdom: Model Development and Validation 2020-08-25, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/20259 PMID:32735549	研究论文	本文利用人工神经网络在英国开发和验证了COVID-19的预后模型	首次开发并验证了适用于确诊SARS-CoV-2患者的预后评分系统	模型仅在单一地点的数据上进行训练和验证	创建一个基于人工神经网络的入院时死亡风险评分系统	确诊SARS-CoV-2的患者	机器学习	COVID-19	人工神经网络	ANN	患者特征数据	398名确诊SARS-CoV-2并入院的患者
192	2024-08-07	Different scaling of linear models and deep learning in UKBiobank brain images versus machine-learning datasets 2020-08-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-18037-z PMID:32843633	研究论文	本文系统地评估了深度学习、核模型和线性模型在UKBiobank脑部图像数据集上的性能，并与传统的机器学习数据集进行了比较	研究发现，在UKBiobank脑部图像数据集中，简单的线性模型在年龄和性别预测任务上与复杂的深度学习模型表现相当	深度学习和核学习方法在预测典型脑部扫描的常见表型时，其非线性优势未能得到充分利用	探讨不同类型的机器学习模型在不同数据集上的性能表现	UKBiobank脑部图像数据集以及MNIST和Zalando Fashion数据集	机器学习	NA	深度学习	线性模型、核模型、深度学习模型	图像	样本量达到约10,000名受试者时，线性模型的性能仍在提升
193	2024-08-07	Deep-learning-based image quality enhancement of compressed sensing magnetic resonance imaging of vessel wall: comparison of self-supervised and unsupervised approaches 2020-08-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-69932-w PMID:32811848	研究论文	本文比较了基于自监督学习和无监督学习的深度学习算法在压缩感知磁共振成像（MRI）图像质量增强中的应用	提出了两种适用于非像素对齐临床数据集的深度学习去噪算法：自监督学习和无监督学习	自监督学习在图像噪声和信噪比方面优于无监督学习，但在放射组学特征可重复性方面不如无监督学习	研究如何通过深度学习技术提高压缩感知MRI的图像质量，以减少扫描时间并提高诊断准确性	颅内血管壁的高分辨率质子密度加权MRI图像	计算机视觉	NA	压缩感知MRI	深度学习	图像	NA
194	2024-08-07	Artificial intelligence for the detection of COVID-19 pneumonia on chest CT using multinational datasets 2020-08-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-17971-2 PMID:32796848	研究论文	本文展示了使用多国数据集训练的深度学习算法在胸部CT扫描中检测COVID-19肺炎的能力	利用AI技术在多国患者数据集上训练的深度学习算法，能够高准确度地区分COVID-19肺炎与其他肺炎	文章未提及具体的局限性	开发和验证用于胸部CT扫描中快速评估和区分COVID-19肺炎的AI算法	COVID-19肺炎的检测与区分	计算机视觉	COVID-19	深度学习	深度学习算法	图像	训练集包含1280名患者，独立测试集包含1337名患者
195	2024-08-07	The Advent of Generative Chemistry 2020-Aug-13, ACS medicinal chemistry letters IF:3.5Q2 DOI:10.1021/acsmedchemlett.0c00088 PMID:32832015	综述	本文综述了生成对抗网络（GANs）和强化学习（RL）在药物分子设计中的应用及其在生成具有所需性质的新分子方面的最新进展	介绍了GANs和RL在药物分子设计中的应用，旨在更有效地利用数据和更好地探索化学空间	讨论了生成化学这一新兴领域的当前局限性和挑战	回顾生成具有所需性质的新分子的最新进展，并探讨相关技术的应用	生成对抗网络（GANs）、强化学习（RL）及相关技术在药物分子设计中的应用	机器学习	NA	生成对抗网络（GANs）、强化学习（RL）	GAN	分子数据	NA
196	2024-08-07	Melanoma Diagnosis Using Deep Learning and Fuzzy Logic 2020-Aug-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics10080577 PMID:32784837	研究论文	本文提出了一种基于深度学习的YOLO算法，结合模糊逻辑用于从皮肤镜和数字图像中检测黑色素瘤	本文引入了图论的最小生成树概念和L型模糊数近似方法进行两阶段分割，并在特征提取过程中提取实际受影响的病变区域	NA	开发一种更快速且计算有效的系统用于检测黑色素瘤	黑色素瘤的检测	计算机视觉	皮肤癌	深度卷积神经网络(DCNNs)	YOLO	图像	20250张图像
197	2024-08-07	Semantic Deep Learning: Prior Knowledge and a Type of Four-Term Embedding Analogy to Acquire Treatments for Well-Known Diseases 2020-Aug-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/16948 PMID:32759099	研究论文	本研究通过语义深度学习方法，利用先验知识和四项式嵌入类比，系统地提取疾病治疗陈述	本研究采用了一种新的四项式嵌入类比方法，不同于传统的成对类比，并利用先验知识进行推理	研究中使用的数据集规模相对较小，且需要进一步的人工验证	旨在通过语义深度学习方法，系统地从生物医学文献中提取基于证据的疾病治疗陈述	疾病治疗陈述的提取和验证	自然语言处理	NA	连续词袋模型（CBOW）和跳字模型（Skip-gram）嵌入	深度学习模型	文本	423K n-grams 从 PubMed 系统评价子集（PMSB 数据集）中提取
198	2024-08-07	Feature Selection for Health Care Costs Prediction Using Weighted Evidential Regression 2020-Aug-06, Sensors (Basel, Switzerland) DOI:10.3390/s20164392 PMID:32781680	研究论文	本文提出了一种基于加权证据回归的特征选择方法，用于预测医疗保健成本，并允许结果的解释	该方法结合了证据回归和k-近邻算法，能够在保持预测准确性的同时提供结果的解释性	NA	开发一种既能够达到黑盒方法预测准确性，又允许结果解释的医疗成本预测方法	医疗保健成本预测及其影响因素	机器学习	NA	证据回归（EVREG）	回归模型	医疗记录	使用了Tsuyama Chuo Hospital从2013年到2018年的日本健康记录
199	2024-08-07	Real-Time Detection of Railway Track Component via One-Stage Deep Learning Networks 2020-Aug-03, Sensors (Basel, Switzerland) DOI:10.3390/s20154325 PMID:32756365	research paper	本文提出了一系列单阶段深度学习方法，用于实时检测铁路轨道关键部件，如轨道、螺栓和夹子。	采用YOLOv2模型，实现了93%的平均精度均值（mAP）和35张图像每秒（IPS）的检测速度。	较大的输入尺寸虽然提高了检测精度，但增加了推理时间。	提高铁路轨道检查的准确性和速度。	铁路轨道的关键部件，包括轨道、螺栓和夹子。	computer vision	NA	深度学习	YOLOv2, FPN	image	NA
200	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