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
201	2024-08-07	Deep learning methods for forecasting COVID-19 time-Series data: A Comparative study 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110121 PMID:32834633	研究论文	本文比较了五种深度学习方法在预测COVID-19时间序列数据中的应用	本文首次比较了多种深度学习模型在COVID-19病例预测中的性能，并发现VAE模型的表现优于其他算法	研究基于小量数据进行，可能影响模型的泛化能力	优化医疗资源分配并减缓COVID-19疾病的进展	COVID-19的新感染和康复病例数	机器学习	COVID-19	深度学习	RNN, LSTM, BiLSTM, GRUs, VAE	时间序列数据	每日确诊和康复病例数据，来自意大利、西班牙、法国、中国、美国和澳大利亚六个国家
202	2024-08-07	A deep learning and grad-CAM based color visualization approach for fast detection of COVID-19 cases using chest X-ray and CT-Scan images 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110190 PMID:32836918	研究论文	本文提出了一种基于深度学习和Grad-CAM的颜色可视化方法，用于通过胸部X射线和CT扫描图像快速检测COVID-19病例	本文采用了深度迁移学习算法，结合胸部X射线和CT扫描图像，实现了对COVID-19病例的快速检测，检测时间仅需2秒，比传统的RT-PCR测试更快	NA	旨在通过深度学习技术快速准确地检测COVID-19病例，以应对全球健康危机	COVID-19病例的胸部X射线和CT扫描图像	计算机视觉	COVID-19	深度学习	深度迁移学习算法	图像	使用了三个数据集：COVID-chest X-ray、SARS-COV-2 CT-scan和Chest X-Ray Images (Pneumonia)
203	2024-08-07	Transcranial MR Imaging-Guided Focused Ultrasound Interventions Using Deep Learning Synthesized CT 2020-10, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A6758 PMID:32883668	研究论文	本研究探讨了使用深度学习技术将MR图像直接转换为合成CT图像，以简化经颅MR引导聚焦超声治疗计划的可行性	本研究首次使用深度学习技术将MR图像转换为合成CT图像，用于经颅MR引导聚焦超声治疗计划	NA	简化经颅MR引导聚焦超声治疗的临床工作流程	深度学习技术在将MR图像转换为合成CT图像中的应用	计算机视觉	NA	深度学习	U-Net神经网络	图像	41名受试者（平均年龄66.4±11.0岁，其中15名女性）
204	2024-08-07	Automatic segmentation and applicator reconstruction for CT-based brachytherapy of cervical cancer using 3D convolutional neural networks 2020-Oct, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.13024 PMID:32991783	研究论文	本研究提出了一种基于深度学习的自动分割和施用器重建方法，用于宫颈癌近距离放射治疗（BT）的计算机断层扫描（CT）规划，具有高精度和高效率	提出了一种新的三维（3D）卷积神经网络（CNN）架构DSD-UNET，用于自动分割高危临床目标体积（HR-CTV）和危险器官（OARs），并在施用器重建中实现了高精度的分割	NA	提高宫颈癌近距离放射治疗规划的效率和一致性	宫颈癌患者的CT图像分割和施用器重建	计算机视觉	宫颈癌	3D卷积神经网络	DSD-UNET	CT图像	91名接受CT基础宫颈癌近距离放射治疗的患者
205	2024-08-07	LncMirNet: Predicting LncRNA-miRNA Interaction Based on Deep Learning of Ribonucleic Acid Sequences 2020-Sep-23, Molecules (Basel, Switzerland) DOI:10.3390/molecules25194372 PMID:32977679	研究论文	本文提出了一种基于深度卷积神经网络的混合序列特征模型LncMirNet，用于预测长链非编码RNA（lncRNA）与微小RNA（miRNA）的相互作用	LncMirNet通过引入四种基于序列的特征（k-mer、CTD、doc2vec和图嵌入特征）并采用直方图融合方法，提高了预测lncRNA-miRNA相互作用的准确性和AUC值	NA	预测lncRNA与miRNA之间的相互作用，以帮助探索新的调控模式	lncRNA与miRNA的相互作用	机器学习	NA	深度卷积神经网络（CNN）	CNN	序列	使用来自lncRNASNP2的真实数据集进行五折交叉验证
206	2024-08-07	Deep learning can be used to train naïve, nonprofessional observers to detect diagnostic visual patterns of certain cancers in mammograms: a proof-of-principle study 2020-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.7.2.022410 PMID:32042860	研究论文	本研究通过一系列实验证明，深度学习技术可以训练非专业观察者识别医学影像中的特定癌症诊断视觉模式	首次证明深度学习技术能够训练非专业人士在医学影像中识别癌症的诊断视觉模式	研究规模较小，主要集中在乳腺癌的乳腺摄影图像上	探索深度学习技术在训练非专业人士识别医学影像中癌症诊断视觉模式的可行性	非专业观察者对医学影像中癌症诊断视觉模式的识别能力	计算机视觉	乳腺癌	深度学习	NA	影像	实验涉及多个非专业观察者，具体数量未详细说明
207	2024-08-07	Insights of Novel Coronavirus (SARS-CoV-2) disease outbreak, management and treatment 2020, AIMS microbiology IF:2.7Q3 DOI:10.3934/microbiol.2020013 PMID:33134740	研究论文	本文探讨了新型冠状病毒（SARS-CoV-2）疫情的爆发、管理和治疗	文章介绍了实时PCR、免疫学、显微镜和地理信息系统（GIS）等临床诊断技术的进步，以及人工智能、组合化学和深度学习方法在寻找新型治疗药物中的应用	NA	研究新型冠状病毒（SARS-CoV-2）的爆发、管理和治疗策略	新型冠状病毒（SARS-CoV-2）及其对全球健康的影响	公共卫生	传染病	实时PCR（RT-PCR）、地理信息系统（GIS）、人工智能（AI）、深度学习	NA	NA	全球超过423349例死亡
208	2024-08-07	Deep learning-assisted comparative analysis of animal trajectories with DeepHL 2020-10-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-19105-0 PMID:33082335	研究论文	本研究介绍了DeepHL平台，一个利用深度学习辅助进行动物运动轨迹比较分析的工具	DeepHL平台采用基于注意力机制的深度神经网络，自动检测并突出显示轨迹中特定于某个群体的特征段，帮助生物学家揭示这些特征段的潜在意义	NA	旨在通过深度学习技术辅助生物学家进行动物行为轨迹的比较分析	多种动物（如蠕虫、昆虫、老鼠、熊和海鸟）的运动轨迹	机器学习	NA	深度学习	基于注意力机制的深度神经网络	轨迹数据	多种动物的运动轨迹，范围从毫米到数百公里
209	2024-08-07	Non-invasive decision support for NSCLC treatment using PET/CT radiomics 2020-10-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-19116-x PMID:33067442	研究论文	本文报道了一种基于F-FDG-PET/CT的深度学习模型，用于非小细胞肺癌（NSCLC）治疗决策支持，特别是EGFR突变状态的预测。	该研究开发了一种非侵入性的深度学习评分（EGFR-DLS），能够精确量化NSCLC患者的EGFR突变状态，有助于指导治疗选择。	NA	旨在开发一种新的方法来帮助指导非小细胞肺癌的治疗选择。	非小细胞肺癌（NSCLC）患者的治疗决策支持。	机器学习	肺癌	PET/CT	深度学习模型	图像	多个机构的患者群体
210	2024-08-07	Exploration into biomarker potential of region-specific brain gene co-expression networks 2020-10-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-73611-1 PMID:33051491	研究论文	本研究利用GTEx项目的RNA表达数据构建了正常大脑的基因共表达网络（GCN），并基于大脑结构将其整合为六个大脑迷你GCN，以探索其作为生物标志物的潜力	首次构建了基于大脑区域的基因共表达网络，并发现这些网络中的基因在肿瘤中显示出更高的突变率	NA	探索大脑区域特异性基因共表达网络作为生物标志物的潜力	大脑区域特异性基因共表达网络及其在肿瘤中的突变情况	基因组学	脑肿瘤	RNA表达分析	深度学习分类器（Gene Oracle）	基因表达数据	来自GTEx项目的多个大脑区域样本
211	2024-08-07	AI for radiographic COVID-19 detection selects shortcuts over signal 2020-Oct-07, medRxiv : the preprint server for health sciences DOI:10.1101/2020.09.13.20193565 PMID:32995822	研究论文	本文通过可解释的人工智能技术，揭示了用于检测胸部X光片中COVID-19的深度学习系统依赖于混杂因素而非医学病理特征的问题	首次展示了AI系统在检测COVID-19时可能依赖于非医学相关的“捷径”而非真正的病理特征	揭示了AI系统在不同医院环境下的性能下降问题，表明现有评估方法不足以确保AI系统依赖于医学相关的病理特征	探讨AI在医学影像中检测COVID-19的准确性和鲁棒性	用于检测COVID-19的AI系统及其在不同环境下的表现	计算机视觉	COVID-19	可解释的人工智能	深度学习	图像	NA
212	2024-08-07	Unveiling COVID-19 from CHEST X-Ray with Deep Learning: A Hurdles Race with Small Data 2020-09-22, International journal of environmental research and public health DOI:10.3390/ijerph17186933 PMID:32971995	研究论文	本研究探讨了使用深度学习技术从胸部X光片中筛查COVID-19患者的可行性，并分析了小数据集带来的挑战	研究提供了关于使用深度学习进行COVID-19分类的CXR图像的方法论指南和统计结果的批判性阅读，并展示了使用较大公共非COVID CXR数据集进行迁移学习引入的偏差	研究受限于当前COVID-19数据集的小规模	验证使用CXR图像有效区分COVID-19的可能性	COVID-19患者的胸部X光片	计算机视觉	COVID-19	深度学习	NA	图像	中等规模的COVID-19 CXR数据集，由意大利北部一家主要急诊医院在COVID-19疫情高峰期间收集
213	2024-08-07	Application of deep learning for fast detection of COVID-19 in X-Rays using nCOVnet 2020-Sep, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.109944 PMID:32536759	研究论文	本文提出了一种基于深度学习神经网络的方法nCOVnet，用于通过分析患者的X射线图像快速检测COVID-19	提出了一种基于深度学习神经网络的快速筛查方法nCOVnet，用于自动分析X射线图像以检测COVID-19	NA	开发一种快速筛查方法以帮助在COVID-19大流行期间进行有效的检测	COVID-19患者的X射线图像	计算机视觉	COVID-19	深度学习	神经网络	图像	NA
214	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
215	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
216	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
217	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
218	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
219	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
220	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