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
221	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
222	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
223	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
224	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）
225	2024-08-07	Prediction of trabecular bone architectural features by deep learning models using simulated DXA images 2020-Dec, Bone reports IF:2.1Q3 DOI:10.1016/j.bonr.2020.100295 PMID:32695850	研究论文	本研究利用深度学习模型通过模拟DXA图像预测松质骨的微观结构特征	首次使用深度学习技术从DXA图像中预测松质骨的主要微观结构特征	研究仅限于使用模拟DXA图像，且输入图像的数量和分辨率对预测准确性有显著影响	验证基于DXA图像的深度学习模型预测松质骨微观结构特征的准确性	松质骨的微观结构特征	计算机视觉	NA	深度学习	CNN	图像	1249个6mm×6mm×6mm的松质骨立方体
226	2024-08-07	Diagnosis and detection of infected tissue of COVID-19 patients based on lung x-ray image using convolutional neural network approaches 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110170 PMID:32834651	研究论文	本文使用三种基于深度学习的方法，通过肺部X光图像检测和诊断COVID-19患者	提出了一种基于卷积神经网络（CNN）的方法，用于直接使用肺部图像进行疾病诊断，并展示了其在准确性和敏感性上优于深度神经网络（DNN）方法	NA	设计一种快速且成本较低的COVID-19诊断方法	COVID-19患者的肺部感染组织	计算机视觉	COVID-19	卷积神经网络（CNN）	CNN	图像	未明确提及具体样本数量
227	2024-08-07	A fully open-source framework for deep learning protein real-valued distances 2020-08-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-70181-0 PMID:32770096	研究论文	本文介绍了一个名为protein distance net（PDNET）的全开源框架，用于深度学习蛋白质的实值距离预测	PDNET框架包含一个代表性数据集以及用于训练和测试深度学习方法的脚本，支持在网页浏览器中使用免费平台如Google Colab进行模型训练和测试	NA	推进深度学习方法在蛋白质结构预测中的应用	蛋白质的实值距离预测	机器学习	NA	深度学习	CNN	数据集	一个代表性数据集
228	2024-08-07	Deep learning based detection of intracranial aneurysms on digital subtraction angiography: A feasibility study 2020-Aug, The neuroradiology journal DOI:10.1177/1971400920937647 PMID:32633602	研究论文	本文评估了商用级深度学习软件在全脑前后和侧位2D数字减影血管造影图像上检测颅内动脉瘤的可行性	使用商用级深度学习软件进行颅内动脉瘤检测，结果与更专业设计的深度学习技术相当	NA	评估商用级深度学习软件在数字减影血管造影图像上检测颅内动脉瘤的可行性	颅内动脉瘤的检测	计算机视觉	NA	深度学习	NA	图像	706张数字减影血管造影图像，来自240名患者（157名女性，平均年龄59岁；83名男性，平均年龄55岁）
229	2024-08-07	The Future of Concurrent Automated Coronary Artery Calcium Scoring on Screening Low-Dose Computed Tomography 2020-Jun-12, Cureus DOI:10.7759/cureus.8574 PMID:32670710	研究论文	本文评估了低剂量计算机断层扫描（LDCT）在肺癌筛查中检测和分级冠状动脉钙化（CAC）的作用，并探讨了人工智能（AI）在CAC评估中的应用。	本文首次探讨了AI在LDCT筛查过程中对钙化评分量化的潜力，以及其在提高放射科医生合规性和简化工作流程方面的应用。	目前AI在CAC评估中的应用仍处于早期阶段，需要更多广泛的研究来验证其效果。	评估LDCT在肺癌筛查中检测CAC的作用，并探讨AI在CAC评估中的应用。	低剂量计算机断层扫描（LDCT）在肺癌筛查中的应用，以及人工智能（AI）在冠状动脉钙化（CAC）评估中的应用。	计算机视觉	肺癌	低剂量计算机断层扫描（LDCT）	人工智能（AI）	图像	NA
230	2024-08-07	Machine learning with multiparametric magnetic resonance imaging of the breast for early prediction of response to neoadjuvant chemotherapy 2020-Feb, Breast (Edinburgh, Scotland) DOI:10.1016/j.breast.2019.11.009 PMID:31786416	研究论文	本文探讨了使用多参数磁共振成像（MRI）结合机器学习和深度学习方法，对接受新辅助化疗的局部晚期乳腺癌患者进行早期治疗反应预测的研究。	本文首次应用机器学习和深度学习方法，利用多参数MRI特征预测新辅助化疗的早期反应。	临床实施中存在挑战，如数据质量和模型泛化能力等。	提高患者护理质量，通过早期预测治疗反应来优化治疗方案。	局部晚期乳腺癌患者及其对新辅助化疗的反应。	机器学习	乳腺癌	多参数磁共振成像（MRI）	机器学习和深度学习模型	图像	NA
231	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）
232	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
233	2024-08-07	A fully automatic deep learning system for COVID-19 diagnostic and prognostic analysis 2020-08, The European respiratory journal DOI:10.1183/13993003.00775-2020 PMID:32444412	研究论文	本文提出了一种全自动的深度学习系统，用于COVID-19的诊断和预后分析，通过常规的计算机断层扫描（CT）图像进行分析	该系统能够自动识别COVID-19与其他肺炎的区别，并成功将患者分为高风险和低风险组，且住院时间有显著差异	NA	开发一种快速筛查COVID-19并识别潜在高风险患者的工具，以优化医疗资源和早期预防	COVID-19患者和其他肺炎患者的CT图像	机器学习	COVID-19	深度学习	深度学习系统	图像	共收集了5372名患者的CT图像，其中1266名患者用于训练和外部验证
234	2024-08-07	DoseGAN: a generative adversarial network for synthetic dose prediction using attention-gated discrimination and generation 2020-07-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-68062-7 PMID:32632116	研究论文	本文提出了一种基于注意力门控生成对抗网络（DoseGAN）的合成剂量预测方法，以提高治疗计划效率和放疗计划质量	DoseGAN通过注意力门控机制聚焦于相关解剖结构，提高了学习效率，增加了模型复杂性，并减少了网络冗余	NA	开发一种新的深度学习算法，用于预测放射剂量，以提高治疗计划效率和放疗计划质量	前列腺SBRT患者的放射剂量预测	机器学习	前列腺癌	生成对抗网络（GAN）	GAN	图像	141名前列腺SBRT患者
235	2024-08-07	Learning context-aware structural representations to predict antigen and antibody binding interfaces 2020-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaa263 PMID:32321157	研究论文	本文开发了一个统一的深度学习框架，用于预测抗体和抗原的结合界面	该框架结合了图卷积、注意力机制和迁移学习，以提高预测准确性和提供生物学解释	NA	理解抗体与其抗原的特异性相互作用，以改进药物和疫苗设计	抗体和抗原的结合界面	机器学习	NA	深度学习	图卷积网络、注意力机制	蛋白质结构数据	NA
236	2024-08-07	COVID-19 Pneumonia Diagnosis Using a Simple 2D Deep Learning Framework With a Single Chest CT Image: Model Development and Validation 2020-06-29, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/19569 PMID:32568730	研究论文	开发并验证了一种基于单个胸部CT图像的简单2D深度学习框架FCONet，用于诊断COVID-19肺炎	FCONet框架通过迁移学习使用四种先进的预训练深度学习模型之一作为骨干，实现了高效的COVID-19肺炎诊断	NA	快速开发一种AI技术，用于在CT图像中诊断COVID-19肺炎并区分其他类型的肺炎和非肺炎疾病	COVID-19肺炎、其他肺炎和非肺炎疾病的胸部CT图像	计算机视觉	COVID-19	深度学习	ResNet-50	图像	3993张胸部CT图像
237	2024-08-07	Building a PubMed knowledge graph 2020-06-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-020-0543-2 PMID:32591513	research paper	本文构建了一个PubMed知识图谱（PKG），通过从2900万篇PubMed摘要中提取生物实体，并整合多源数据，如作者姓名消歧、资金数据等，以促进医学领域的知识发现。	本文采用了BioBERT深度学习方法进行生物实体提取，显著优于现有模型，并在作者姓名消歧方面取得了高F1分数。	NA	解决PubMed中概念提取困难和歧义问题，促进医学领域的知识发现。	PubMed中的生物实体、作者、文章、机构和资金数据。	自然语言处理	NA	BioBERT	BioBERT	文本	2900万篇PubMed摘要
238	2024-08-07	Multifactorial Deep Learning Reveals Pan-Cancer Genomic Tumor Clusters with Distinct Immunogenomic Landscape and Response to Immunotherapy 2020-06-15, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-19-1744 PMID:31911545	研究论文	本研究开发了一种泛癌深度机器学习模型，整合肿瘤突变负荷、微卫星不稳定性及体细胞拷贝数变异，将不同类型的肿瘤分类为不同的基因组集群，并评估每个基因组集群的免疫微环境及其与免疫治疗反应的关联。	本研究首次使用深度学习模型整合多因素输入数据，揭示了跨模态统计相关性，以解析免疫治疗原发性抵抗的分子机制。	NA	研究肿瘤基因组特征对肿瘤免疫微环境和免疫治疗反应的影响，并建立新的预测性生物标志物。	29种癌症类型的8,646个肿瘤样本，以及两个黑色素瘤免疫治疗临床队列。	机器学习	NA	RNA测序	深度学习模型	基因组数据	8,646个肿瘤样本
239	2024-08-07	Age and sex affect deep learning prediction of cardiometabolic risk factors from retinal images 2020-06-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-65794-4 PMID:32523046	研究论文	本研究首次使用来自3000名卡塔尔公民的视网膜图像训练深度学习模型，探讨视网膜图像预测心血管代谢风险因素的能力，并研究年龄和性别在这些预测中的中介作用。	首次使用视网膜图像训练深度学习模型来预测心血管代谢风险因素，并发现年龄和性别在这些预测中的中介作用。	研究结果表明，年龄和性别的影响不能完全解释预测性能，表明还有其他因素影响预测结果。	探讨视网膜图像预测心血管代谢风险因素的能力，并研究年龄和性别在这些预测中的中介作用。	视网膜图像、心血管代谢风险因素、年龄和性别。	计算机视觉	心血管疾病	深度学习	MobileNet-V2	图像	3000名卡塔尔公民
240	2024-08-07	Introduction to machine and deep learning for medical physicists 2020-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.14140 PMID:32418339	review	本文综述了机器学习和深度学习在医学物理学中的应用，包括模型构建的基本方面，如数据处理、模型训练和验证	深度学习作为机器学习的一个子集，能够从原始输入数据中学习多层次表示，消除了传统机器学习中手工特征的必要性	人类可能倾向于在短期内高估技术的能力，而在长期内低估其能力，这需要平衡模型准确性和可解释性	探讨机器学习和深度学习在放射肿瘤学中的应用，并推动其在临床实践中的实施	机器学习和深度学习技术在医学物理学中的应用	machine learning	NA	machine learning, deep learning	CNN, LSTM, GAN	image, text	NA