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
61	2024-09-14	A systematic review on recent trends in transmission, diagnosis, prevention and imaging features of COVID-19 2020-Nov, Process biochemistry (Barking, London, England) DOI:10.1016/j.procbio.2020.08.016 PMID:32843849	综述	本文综述了COVID-19的传播方式、诊断方法、预防措施以及影像学特征的最新趋势	介绍了人工智能和深度学习算法在COVID-19诊断中的应用潜力，并提出了无人机热成像筛查等新技术的发展方向	未详细讨论新技术在实际应用中的可行性和局限性	探讨COVID-19的传播、诊断、预防和影像学特征的最新进展	COVID-19的传播方式、诊断方法、预防措施以及影像学特征	NA	传染病	计算机断层扫描(CT)、反转录聚合酶链反应(RT-PCR)、免疫荧光色谱法	深度学习算法	NA	NA
62	2024-09-14	Automatic multi-needle localization in ultrasound images using large margin mask RCNN for ultrasound-guided prostate brachytherapy 2020-10-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aba410 PMID:32640435	研究论文	本文提出了一种基于深度学习的超声图像中多针定位的工作流程，用于超声引导的前列腺近距离放射治疗	采用大边距Mask R-CNN模型进行针杆定位，并通过基于密度的空间聚类算法进行针尖检测，显著提高了针杆和针尖的定位精度	仅在23名患者的339根针上进行了评估，样本量有限	开发一种自动化的多针定位方法，以提高超声引导前列腺近距离放射治疗的效率和准确性	超声图像中的针杆和针尖	计算机视觉	前列腺癌	深度学习	Mask R-CNN	图像	23名患者，共339根针
63	2024-09-14	Cone-beam CT-derived relative stopping power map generation via deep learning for proton radiotherapy 2020-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.14347 PMID:32579710	研究论文	本文提出了一种基于深度学习的方法，用于从锥形束CT图像中生成相对停止功率图，以实现质子放射治疗中的在线剂量计算	本文创新性地使用基于cycle-GAN架构的深度学习网络，通过设计复合损失函数来生成高质量的相对停止功率图，从而实现在线剂量计算	本文仅在23名头颈部癌症患者中进行了验证，未来需要在更多患者和不同类型的癌症中进行进一步验证	旨在提高质子放射治疗中剂量分布的准确性，减少对正常组织的过度照射	头颈部癌症患者	计算机视觉	头颈部癌症	深度学习	cycle-GAN	图像	23名头颈部癌症患者
64	2024-09-14	High quality proton portal imaging using deep learning for proton radiation therapy: a phantom study 2020-04-27, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ab8a74 PMID:33438674	研究论文	本文提出了一种基于深度学习的方法，利用kV数字化重建放射图（DRR）来提高质子门户成像（PPI）的质量	本文创新性地使用残差生成对抗网络（GAN）框架来学习PPI和DRR之间的非线性映射，并通过残差块来强调两者之间的结构差异	本文仅在模拟数据上进行了验证，尚未在临床环境中进行测试	提高质子放射治疗中的质子门户成像质量，以便在治疗过程中验证肿瘤位置	质子门户成像（PPI）和数字化重建放射图（DRR）	计算机视觉	NA	深度学习	生成对抗网络（GAN）	图像	训练集包含149张图像，测试集包含30张图像
65	2024-09-14	[Research and application of orthotopic DR chest radiograph quality control system based on artificial intelligence] 2020-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.201904017 PMID:32096390	研究论文	本文研究并应用了基于人工智能的正位DR胸部X光片质量控制系统	本文展示了深度学习算法在医学图像大数据有效训练中比传统图像处理算法更准确和高效，并开发了一套智能质量控制系统	NA	研究并实现计算机辅助的医学图像质量控制	正位DR胸部X光片的质量控制	计算机视觉	NA	深度学习算法	图像分割模型和图像分类模型	图像	涉及大量医学图像数据
66	2024-09-11	Automated Quality Assessment and Image Selection of Ultra-Widefield Fluorescein Angiography Images through Deep Learning 2020-09, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.9.2.52 PMID:32995069	研究论文	本研究评估了使用深度学习自动分类和选择超广角荧光血管造影图像质量的可行性	开发了一种基于深度学习的自动图像质量评估系统，能够对超广角荧光血管造影图像进行分类和选择	NA	评估自动图像质量分类和选择系统的可行性	超广角荧光血管造影图像	计算机视觉	NA	深度学习	分类模型	图像	训练集包含3543张图像，测试集包含392张随机选择的图像和100张独立平衡的图像
67	2024-09-08	A deep learning system accurately classifies primary and metastatic cancers using passenger mutation patterns 2020-02-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-019-13825-8 PMID:32024849	研究论文	本文开发了一个深度学习系统，通过分析乘客突变模式来准确分类原发性和转移性癌症	该系统在独立样本上的准确率显著高于训练有素病理学家的诊断准确率	添加驱动突变信息反而降低了分类器的准确性	开发一种基于乘客突变模式预测癌症类型的深度学习分类器	2606个肿瘤样本，涵盖24种常见癌症类型	机器学习	NA	全基因组测序(WGS)	深度学习分类器	基因组数据	2606个肿瘤样本
68	2024-09-06	Rule-based automatic diagnosis of thyroid nodules from intraoperative frozen sections using deep learning 2020-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2020.101918 PMID:32972671	研究论文	本文提出了一种基于规则的系统，利用深度学习技术从术中冷冻切片中自动诊断甲状腺结节	首次将深度学习应用于术中冷冻切片甲状腺结节的诊断	系统将16.2%的切片分类为不确定，需要进一步人工检查或通过永久切片处理	开发一种基于规则的系统，利用深度学习技术从术中冷冻切片中自动诊断甲状腺结节	甲状腺结节的术中冷冻切片	数字病理学	甲状腺疾病	深度学习	卷积神经网络 (CNN)	图像	259张测试切片
69	2024-09-05	Improving Diagnostic Accuracy in Low-Dose SPECT Myocardial Perfusion Imaging With Convolutional Denoising Networks 2020-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2020.2979940 PMID:32167887	研究论文	本研究探讨了深度学习方法在低剂量SPECT心肌灌注成像中减少图像噪声并提高诊断准确性的潜力	提出了一种深度学习方法，能够在低剂量SPECT-MPI中实现显著的噪声减少，并提高诊断准确性	NA	研究深度学习在低剂量SPECT心肌灌注成像中的应用，以提高诊断准确性	低剂量SPECT心肌灌注成像的图像噪声和诊断准确性	计算机视觉	心血管疾病	深度学习	卷积去噪网络	图像	1,052名受试者
70	2024-09-05	Early Detection of Alzheimer's Disease Using Magnetic Resonance Imaging: A Novel Approach Combining Convolutional Neural Networks and Ensemble Learning 2020, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2020.00259 PMID:32477040	研究论文	本文提出了一种结合卷积神经网络（CNN）和集成学习（EL）的新方法，用于通过磁共振成像（MRI）早期检测阿尔茨海默病（AD）	该研究创新性地结合了CNN和EL，通过数据驱动的方法定位最具辨别性的脑区，并最大化集成模型的泛化能力，以早期捕捉AD相关的脑部变化	需要进一步研究以检验该方法的临床意义及其在检测其他脑部疾病中的通用性	开发一种新的方法用于早期检测阿尔茨海默病	使用MRI对MCI患者和AD患者进行分类	机器学习	阿尔茨海默病	磁共振成像（MRI）	卷积神经网络（CNN）	图像	未明确提及具体样本数量
71	2024-09-02	Putting artificial intelligence (AI) on the spot: machine learning evaluation of pulmonary nodules 2020-Nov, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2019-cptn-03 PMID:33282401	综述	本文综述了人工智能在肺结节评估中的应用，特别是深度学习和卷积神经网络在肺结节检测、分割和分类中的进展	深度学习和卷积神经网络在肺结节检测和分类中显示出有希望的结果	仍存在一些缺陷和挑战，需要将这些进展应用于常规临床实践中	旨在概述人工智能在肺结节检测和特征化方面的最新进展，最终目标是预测和分类肺癌	肺结节	机器学习	肺癌	深度学习 (DL) 和卷积神经网络 (CNNs)	卷积神经网络 (CNNs)	图像	NA
72	2024-09-02	Attention-Based Network for Weak Labels in Neonatal Seizure Detection 2020-Aug, Proceedings of machine learning research PMID:32995751	研究论文	本文评估了不同深度学习模型和数据平衡方法在新生儿癫痫检测中的影响，并提出了一种模型，该模型能为每个EEG通道提供重要性级别，以判断通道是否显示癫痫活动	提出的模型无需重新训练即可适应不同布局的EEG设备，并首次评估了深度学习模型与人类评分者决策的一致性	高AUC值的深度学习模型不一定与人类专家的意见一致，仍需进一步优化算法以实现最佳的癫痫区分	研究深度学习算法在新生儿癫痫检测中的应用	新生儿癫痫检测	机器学习	新生儿疾病	深度学习	注意力机制网络	EEG数据	NA
73	2024-09-02	Deep Learning strategies for Ultrasound in Pregnancy 2020-Aug, European Medical Journal. Reproductive health PMID:33123376	综述	本文综述了深度学习方法在孕期超声成像中的应用，介绍了其架构并分析了其策略	深度学习在医学图像分析中的应用，特别是在分类、分割、物体检测和跟踪任务中取得了最先进的性能	超声成像质量相对较低、对比度低和高变异性，自动化解读超声图像具有挑战性	探讨深度学习在孕期超声成像中的应用，以改善临床实践	孕期超声成像的自动化解读和结构识别	计算机视觉	NA	深度学习	CNN	图像	NA
74	2024-09-02	Machine Learning Neuroprotective Strategy Reveals a Unique Set of Parkinson Therapeutic Nicotine Analogs 2020, The open bioinformatics journal PMID:33927788	研究论文	本文提出了一种新颖的机器学习计算策略，用于预测尼古丁类似物在帕金森病中通过未配对信号通路的行为对神经保护潜力的影响	本文开发了一种跨学科的计算策略，结合结构生物信息学、信号通路手动重建和深度学习，预测尼古丁类似物的神经保护活性	NA	开发一种计算策略，预测一系列8种新型尼古丁类似物在帕金森病中的神经保护活性	8种新型尼古丁类似物及其在帕金森病中的神经保护活性	机器学习	帕金森病	深度学习	机器学习模型	结构数据	8种新型尼古丁类似物
75	2024-09-01	DDxNet: a deep learning model for automatic interpretation of electronic health records, electrocardiograms and electroencephalograms 2020-10-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-73126-9 PMID:33009423	研究论文	本文开发了DDxNet，一种用于时间变化临床数据（如电子健康记录、心电图和脑电图）的深度学习模型，旨在提高诊断任务的准确性和效率	DDxNet能够处理多种模态（如ECG、EEG、EHR）、不同级别的特征化需求（如异常检测、表型分析）和数据保真度（如单导联ECG、22通道EEG），并能快速开发模型	NA	开发一种通用的深度学习模型，以快速准确地解释电子健康记录、心电图和脑电图，提高诊断效率	电子健康记录、心电图和脑电图	机器学习	NA	深度学习	深度架构	时间变化临床数据	NA
76	2024-08-31	Rapid Identification of Potential Inhibitors of SARS-CoV-2 Main Protease by Deep Docking of 1.3 Billion Compounds 2020-08, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202000028 PMID:32162456	研究论文	本文利用深度对接技术（Deep Docking）对13亿化合物进行虚拟筛选，以快速识别SARS-CoV-2主蛋白酶的潜在抑制剂	开发了一种新的深度学习平台——深度对接（Deep Docking），能够快速预测对接分数，实现对大量化合物的结构基础虚拟筛选	NA	开发针对SARS-CoV-2的小分子治疗药物	SARS-CoV-2主蛋白酶的潜在抑制剂	机器学习	COVID-19	深度对接（Deep Docking）	深度学习平台	化合物	13亿化合物
77	2024-08-31	MOXA: A Deep Learning Based Unmanned Approach For Real-Time Monitoring of People Wearing Medical Masks 2020, Transactions of the Indian National Academy of Engineering : an international journal of engineering and technology DOI:10.1007/s41403-020-00157-z PMID:38624452	研究论文	本文提出了一种基于深度学习的无人值守方法，用于实时监控佩戴医疗口罩的人群	使用多种流行的物体检测算法（如YOLOv3、YOLOv3Tiny、SSD和Faster R-CNN）在Moxa3K基准数据集上进行评估，以确定更适合实时物体检测的方法	由于嵌入式设备的内存和计算能力有限，实时场景解析通过物体检测在边缘设备上运行非常具有挑战性	开发一种高效、快速的实时监控系统，用于检测人们是否佩戴口罩	佩戴医疗口罩的人群	计算机视觉	NA	深度学习	物体检测算法（YOLOv3、YOLOv3Tiny、SSD、Faster R-CNN）	图像	Moxa3K基准数据集
78	2024-08-30	A deep learning approach to characterize 2019 coronavirus disease (COVID-19) pneumonia in chest CT images 2020-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-020-07044-9 PMID:32617690	研究论文	利用深度学习模型自动检测COVID-19患者的胸部CT图像中的异常，并与放射科住院医师的定量判断性能进行比较	深度学习模型在检测COVID-19肺炎方面表现出比放射科住院医师更高的敏感性和诊断效率	NA	开发和验证一种深度学习算法，用于自动检测COVID-19患者的胸部CT图像中的肺炎病变	COVID-19患者的胸部CT图像	计算机视觉	COVID-19	深度学习	深度学习算法	图像	14,435名参与者的胸部CT图像用于训练和验证，96名确诊COVID-19患者的非重叠数据集用于测试
79	2024-08-29	Automated Sagittal Craniosynostosis Classification from CT Images Using Transfer Learning 2020-Feb, Clinics in surgery PMID:32704611	研究论文	本研究开发了一种基于深度学习的自动分类方法，用于从CT图像中识别矢状缝早闭症（CSO）的亚型	本研究采用深度学习技术，通过迁移学习方法提高了特征提取效率和分类准确性，减少了手术技术选择的主观性	深度学习模型的性能仍依赖于原始数据的质量，医生的分类差异可能导致模型输出差异	提高矢状缝早闭症亚型分类的准确性和效率	矢状缝早闭症的亚型分类	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	超过100个手工特征的CT图像数据集
80	2024-08-28	Drug-target affinity prediction using graph neural network and contact maps 2020-May-27, RSC advances IF:3.9Q2 DOI:10.1039/d0ra02297g PMID:35517730	research paper	本文利用分子和蛋白质的结构信息，分别构建药物分子和蛋白质的图结构，并引入图神经网络获取其表示，提出了一种名为DGraphDTA的方法进行药物-靶标亲和力预测。	本文提出了一种基于图神经网络和接触图的药物-靶标亲和力预测方法DGraphDTA，该方法利用蛋白质的序列预测其结构特征，提高了预测的准确性和泛化能力。	NA	提高计算机辅助药物设计中药物-靶标亲和力预测的准确性。	药物分子和蛋白质的结构信息及其相互作用。	machine learning	NA	图神经网络	图神经网络	图结构	NA