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
21	2024-10-11	Machine Learning for 3D Kinematic Analysis of Movements in Neurorehabilitation 2020-06-15, Current neurology and neuroscience reports IF:4.8Q1 DOI:10.1007/s11910-020-01049-z PMID:32542455	综述	本文综述了机器学习，特别是深度学习在神经康复中3D运动学分析的应用	深度学习方法在人体姿势和运动分类中的应用，以及便携式立体摄像系统在临床环境中进行3D姿态估计的可能性	目前这些技术在运动康复领域的应用尚未广泛	探讨机器学习在3D运动学分析中的应用及其对神经康复的影响	机器学习在神经康复中的应用	机器学习	NA	深度学习	卷积神经网络	图像	NA
22	2024-10-11	DePicT Melanoma Deep-CLASS: a deep convolutional neural networks approach to classify skin lesion images 2020-Mar-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-020-3351-y PMID:32164530	研究论文	提出了一种基于深度卷积神经网络的皮肤病变图像分类方法，用于早期检测黑色素瘤	采用深度卷积神经网络构建了DePicT Melanoma Deep-CLASS系统，显著提高了图像分类效率和推荐质量	NA	开发一种基于深度学习的皮肤病变分类方法，用于早期检测黑色素瘤	皮肤病变图像	计算机视觉	黑色素瘤	深度学习	卷积神经网络（CNN）	图像	1796张皮肤镜图像
23	2024-10-11	Multi-resolution convolutional neural networks for fully automated segmentation of acutely injured lungs in multiple species 2020-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2019.101592 PMID:31760194	研究论文	本文提出了一种多分辨率卷积神经网络用于自动分割多物种中急性损伤肺部	本文创新性地使用多分辨率卷积神经网络，通过级联低分辨率到高分辨率网络，避免了在高分辨率和全局上下文之间的权衡	本文的局限性在于依赖于有限的训练数据集，并使用了迁移学习来弥补这一不足	研究目的是开发一种自动分割急性损伤肺部的方法	研究对象是多物种中急性呼吸窘迫综合征（ARDS）损伤的肺部	计算机视觉	呼吸系统疾病	卷积神经网络	多分辨率卷积神经网络	CT图像	287个动物数据集
24	2024-10-11	Spatiotemporal Imputation of MAIAC AOD Using Deep Learning with Downscaling 2020-Feb, Remote sensing of environment IF:11.1Q1 DOI:10.1016/j.rse.2019.111584 PMID:32158056	研究论文	本文提出了一种利用深度学习进行降尺度处理的方法，用于填补MAIAC AOD数据的缺失值	本文创新性地使用深度学习结合降尺度技术，通过残差连接和参数共享来提高学习效果并减少过拟合，同时采用bagging方法降低误差方差	NA	研究目的是填补MAIAC AOD数据的缺失值，以提高空气质量建模的可靠性	研究对象是MAIAC AOD数据及其在加利福尼亚州的时空变异性	机器学习	NA	深度学习	深度残差网络	空间数据	研究涵盖了2000年至2016年加利福尼亚州的MAIAC AOD数据
25	2024-10-11	Impact of a deep learning assistant on the histopathologic classification of liver cancer 2020, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-020-0232-8 PMID:32140566	研究论文	研究开发了一种基于深度学习的助手，用于帮助病理学家区分肝细胞癌和胆管癌，并评估其对诊断性能的影响	首次评估了深度学习助手在临床工作流程中对病理学家诊断性能的实际影响	研究样本量较小，且仅限于两种肝癌亚型	探讨深度学习助手在肝癌病理分类中的应用及其对病理学家诊断准确性的影响	肝细胞癌和胆管癌的病理分类，以及深度学习助手对病理学家诊断性能的影响	数字病理学	肝癌	深度学习	NA	图像	验证集26个全切片图像，独立测试集80个全切片图像，11名病理学家
26	2024-10-11	Real-time colorectal cancer diagnosis using PR-OCT with deep learning 2020, Theranostics IF:12.4Q1 DOI:10.7150/thno.40099 PMID:32194821	研究论文	本文设计了一种基于深度学习的模式识别光学相干断层扫描（PR-OCT）系统，用于实时诊断结直肠癌	本文的创新点在于将深度学习技术应用于PR-OCT系统，实现了对结直肠癌的实时自动诊断	本文的局限性在于样本量相对较小，未来需要更大规模的数据集进行验证	本文的研究目的是开发一种能够实时诊断结直肠癌的新技术	本文的研究对象是结直肠癌及其相关组织	计算机视觉	结直肠癌	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	约26,000张OCT图像，来自20个肿瘤区域、16个良性区域和6个其他异常区域
27	2024-10-11	Automated identification of retinopathy of prematurity by image-based deep learning 2020, Eye and vision (London, England) DOI:10.1186/s40662-020-00206-2 PMID:32766357	研究论文	本研究开发了一种基于深度学习的智能系统，用于自动识别早产儿视网膜病变（ROP）的严重程度	本研究首次使用101层卷积神经网络（ResNet）和更快的区域卷积神经网络（Faster-RCNN）进行图像分类和识别，并实现了对ROP严重程度的四级分类	NA	开发一种能够自动分类ROP严重程度并检测ROP阶段和plus病变的智能系统	早产儿视网膜病变（ROP）的严重程度分类和病变检测	计算机视觉	NA	卷积神经网络（CNN）	ResNet和Faster-RCNN	图像	36,231张眼底图像
28	2024-10-11	Predicting risk of late age-related macular degeneration using deep learning 2020, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-020-00317-z PMID:32904246	研究论文	本文利用深度学习和生存分析预测晚期年龄相关性黄斑变性的风险	本文首次展示了深度学习与生存分析结合的方法，能够准确预测晚期年龄相关性黄斑变性的风险，并在独立数据集上验证了其高预测准确性	本文的模型尚未在其他独立数据集上进行广泛验证，其泛化能力仍需进一步研究	开发一种能够准确预测晚期年龄相关性黄斑变性风险的深度学习模型，以辅助临床决策	年龄相关性黄斑变性患者	计算机视觉	眼科疾病	深度学习	深度学习模型	图像	3298名参与者（超过80,000张图像）
29	2024-10-11	Deep Learning Applications to Combat Novel Coronavirus (COVID-19) Pandemic 2020, SN computer science DOI:10.1007/s42979-020-00383-w PMID:33163975	综述	本文综述了深度学习在抗击新型冠状病毒（COVID-19）大流行中的应用	本文探讨了深度学习在医疗影像、疾病追踪、蛋白质结构分析、药物发现和病毒严重性与传染性分析等多个方面的创新应用	尽管深度学习算法在多个研究中得到应用，但在实际问题中的应用仍存在一些限制和挑战	讨论深度学习在控制新型冠状病毒（COVID-19）大流行中的贡献	深度学习在医疗影像、疾病追踪、蛋白质结构分析、药物发现和病毒严重性与传染性分析等领域的应用	机器学习	新型冠状病毒（COVID-19）	深度学习	NA	NA	NA
30	2024-10-10	Generalizable, Reproducible, and Neuroscientifically Interpretable Imaging Biomarkers for Alzheimer's Disease 2020-Jul, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202000675 PMID:32714766	研究论文	本文提出了一种深度学习模型3DAN，用于阿尔茨海默病的诊断，并通过多中心和公共数据库验证其泛化性和可重复性	本文创新性地提出了3DAN模型，结合注意力机制模块，能够同时捕捉候选影像生物标志物并提高阿尔茨海默病的诊断准确性	NA	开发个性化、可重复且神经科学上可解释的生物标志物，以支持阿尔茨海默病的精准医学	阿尔茨海默病及其轻度认知障碍阶段	机器学习	阿尔茨海默病	深度学习	3D注意力网络（3DAN）	影像	716个内部多中心样本和1116个公共数据库样本
31	2024-10-10	Deep learning applications in pulmonary medical imaging: recent updates and insights on COVID-19 2020, Machine vision and applications IF:2.4Q2 DOI:10.1007/s00138-020-01101-5 PMID:32834523	综述	本文综述了深度学习在肺部医学影像分析中的应用发展，特别关注了COVID-19的贡献	本文总结了深度学习在肺部影像分析中的最新进展，并特别强调了其在COVID-19中的应用	本文主要集中在2017年2月至2020年5月期间的研究，可能未涵盖最新的研究成果	探讨深度学习在肺部医学影像分析中的应用及其对COVID-19的贡献	肺部影像分析中的深度学习应用，包括分类、分割和检测等任务，以及不同肺部病理如气道疾病、肺癌、COVID-19和其他感染	计算机视觉	肺部疾病	深度学习	NA	影像	超过160项贡献和调查
32	2024-10-09	Deep learning-based medical image segmentation with limited labels 2020-11-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abc363 PMID:33086205	研究论文	本文提出了一种基于深度学习的医学图像分割方法，利用变形图像配准技术生成伪轮廓，以减少对大量标注数据的依赖	本文创新性地使用变形图像配准技术生成伪轮廓，结合少量标注数据训练深度学习模型，提高了在有限标注数据情况下的分割精度	本文仅在特定数据集上进行了验证，尚未在更广泛的数据集上进行测试	研究如何在有限标注数据的情况下，利用深度学习技术实现准确的医学图像分割	本文主要研究了下颌骨、腮腺和下颌下腺的分割	计算机视觉	NA	变形图像配准	深度学习模型	医学图像	10个标注的TCIA数据集和50个未标注的CT扫描图像
33	2024-10-09	Role of intelligent computing in COVID-19 prognosis: A state-of-the-art review 2020-Sep, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.109947 PMID:32836916	综述	本文综述了机器学习和深度学习方法在COVID-19诊断和预测中的应用	比较了机器学习与其他竞争方法（如数学和统计模型）在COVID-19问题上的影响	NA	探讨智能计算在COVID-19预后中的作用	COVID-19的诊断和预测	机器学习	COVID-19	机器学习、深度学习	NA	NA	NA
34	2024-10-09	Early triage of critically ill COVID-19 patients using deep learning 2020-07-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-17280-8 PMID:32669540	研究论文	本文展示了基于深度学习的生存模型可以预测COVID-19患者发展为重症的风险	开发了一种基于深度学习的生存模型，用于早期识别COVID-19患者发展为重症的风险	NA	早期识别COVID-19患者发展为重症的风险	COVID-19患者	机器学习	COVID-19	深度学习	生存模型	临床特征	1590名患者，来自575家医疗中心，并在武汉、湖北和广东省的三个独立队列中验证，共1393名患者
35	2024-10-09	Efficient Pneumonia Detection in Chest Xray Images Using Deep Transfer Learning 2020-Jun-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics10060417 PMID:32575475	研究论文	提出了一种基于深度迁移学习的模型，用于在胸部X光图像中高效检测肺炎	引入了一种加权分类器，结合了多种最先进的深度学习模型（如ResNet18、Xception、InceptionV3、DenseNet121和MobileNetV3）的加权预测，以优化诊断效果	NA	提高肺炎诊断的准确性，辅助放射科医生的决策过程	胸部X光图像中的肺炎检测	计算机视觉	肺炎	深度迁移学习	加权分类器	图像	使用了来自广州妇女儿童医疗中心的肺炎数据集
36	2024-10-09	Artificial Intelligence and COVID-19: Deep Learning Approaches for Diagnosis and Treatment 2020, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2020.3001973 PMID:34192103	研究论文	本文探讨了利用人工智能和深度学习方法来诊断和治疗COVID-19	本文介绍了多种深度学习方法，如生成对抗网络（GANs）、极限学习机（ELM）和长短期记忆网络（LSTM），用于构建诊断和治疗COVID-19的AI平台	NA	开发基于人工智能的平台，以加速COVID-19的诊断和治疗	COVID-19的诊断和治疗	机器学习	传染病	深度学习	生成对抗网络（GANs）、极限学习机（ELM）、长短期记忆网络（LSTM）	临床数据、医学影像	NA
37	2024-10-08	M 3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening From CT Imaging 2020-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2020.3030853 PMID:33048773	研究论文	本文提出了一种用于多类肺部肺炎筛查的深度学习系统M 3Lung-Sys，通过CT影像进行诊断	该系统仅由两个2D CNN网络组成，分别用于切片级和患者级分类，能够从大量CT切片中提取特征并恢复不同切片间的时间信息	NA	旨在提高COVID-19等肺部肺炎的准确诊断，以便及时隔离和治疗	COVID-19、H1N1、CAP和健康病例的CT影像	计算机视觉	肺部疾病	深度学习	CNN	影像	734名患者（251名健康人，245名COVID-19患者，105名H1N1患者，133名CAP患者）
38	2024-10-07	Explainable Deep Learning for Pulmonary Disease and Coronavirus COVID-19 Detection from X-rays 2020-Nov, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2020.105608 PMID:32599338	研究论文	本文提出了一种利用深度学习技术从X光片中自动检测肺部疾病和COVID-19的方法	本文首次提出了一种基于深度学习的COVID-19自动检测方法，并结合了肺炎检测和症状定位	实验数据来自不同机构，可能存在数据偏差	提供一种自动且快速的COVID-19诊断方法	COVID-19和肺炎的检测与定位	计算机视觉	肺部疾病	深度学习	NA	图像	6523张胸部X光片
39	2024-10-06	Introducing the GEV Activation Function for Highly Unbalanced Data to Develop COVID-19 Diagnostic Models 2020-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2020.3012383 PMID:32750973	研究论文	本文提出了一种基于广义极值分布（GEV）的新激活函数，用于处理高度不平衡数据，并开发COVID-19诊断模型	本文创新性地提出了基于广义极值分布（GEV）的激活函数，相较于传统的sigmoid激活函数，在处理高度不平衡数据时表现更优	本文未详细讨论GEV激活函数在其他类型数据或疾病诊断中的适用性	开发一种新的激活函数，以提高在高度不平衡数据情况下COVID-19诊断模型的性能	COVID-19诊断模型	机器学习	COVID-19	深度学习	NA	图像	1909例健康胸部X光片和84例COVID-19 X光片
40	2024-10-05	A Rapid, Accurate and Machine-Agnostic Segmentation and Quantification Method for CT-Based COVID-19 Diagnosis 2020-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2020.3001810 PMID:32730214	研究论文	提出了一种快速、准确且与机器无关的CT图像分割和量化方法，用于COVID-19诊断	1) 开发了首个COVID-19 CT扫描模拟器，通过拟合真实患者在不同时间点的数据变化，缓解了数据稀缺问题；2) 提出了一种新的深度学习算法，解决了大场景小目标问题，将3D分割问题分解为三个2D问题，降低了模型复杂性并显著提高了分割精度	NA	开发一种全自动、快速、准确且与机器无关的CT图像分割和量化方法，用于COVID-19诊断	COVID-19患者的CT扫描图像	计算机视觉	COVID-19	深度学习	NA	CT图像	多国、多医院、多机器的数据集