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
101	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
102	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
103	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
104	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
105	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
106	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
107	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
108	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
109	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
110	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
111	2024-08-26	Improving detection of prostate cancer foci via information fusion of MRI and temporal enhanced ultrasound 2020-Jul, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-020-02172-5 PMID:32372384	研究论文	本文研究了通过融合MRI和时间增强超声（TeUS）信息来提高前列腺癌焦点检测的方法	首次在大规模研究中深入探索了MRI和超声信息的定量融合	NA	提高前列腺癌焦点在活检中的定位精度	前列腺癌焦点检测	数字病理学	前列腺癌	时间增强超声（TeUS）	全卷积网络（FCN）	图像	107名患者，145个活检核心
112	2024-08-26	Co-registration of pre- and post-stent intravascular OCT images for validation of finite element model simulation of stent expansion 2020-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2550212 PMID:35291699	研究论文	本文通过深度学习技术对支架植入前后的血管内光学相干断层扫描（IVOCT）图像进行分割和配准，以验证有限元模型（FEM）对支架扩张后管腔增益的预测	开发了一种基于深度学习的平台，用于评估FEM对支架扩张后管腔增益的预测，并通过实际数据验证了其准确性	NA	验证有限元模型对支架扩张后管腔增益的预测准确性	支架植入前后的IVOCT图像以及有限元模型预测结果	数字病理学	心血管疾病	深度学习	有限元模型（FEM）	图像	约200对支架植入前后的IVOCT图像
113	2024-08-25	VOTENET+ : AN IMPROVED DEEP LEARNING LABEL FUSION METHOD FOR MULTI-ATLAS SEGMENTATION 2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi45749.2020.9098493 PMID:35261721	研究论文	本文通过将VoteNet模型与联合标签融合（JLF）方法结合，改进了多图谱分割（MAS）的性能	提出了一种改进的深度网络VoteNet+，用于局部预测图谱标签与目标图像标签不同的概率，并证明了JLF比多数投票更适合作为VoteNet框架的标签融合方法	NA	提高多图谱分割的性能	3D MR脑部图像的分割	计算机视觉	NA	深度学习	CNN	图像	LPBA40数据集
114	2024-08-24	A Deep Learning Prognosis Model Help Alert for COVID-19 Patients at High-Risk of Death: A Multi-Center Study 2020-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2020.3034296 PMID:33108303	研究论文	本文开发了一种3D密集连接卷积神经网络（De-COVID19-Net），用于预测COVID-19患者的高风险或低风险组别，结合CT和临床信息	De-COVID19-Net模型在训练集和测试集上均表现出高准确性，AUC值分别为0.952和0.943	NA	开发一种预测工具，用于识别高风险COVID-19患者并辅助制定治疗计划	366名严重或危重的COVID-19患者	机器学习	COVID-19	3D密集连接卷积神经网络	CNN	CT图像和临床信息	366名患者，包括70名高风险患者和296名低风险患者
115	2024-08-24	Hybrid-COVID: a novel hybrid 2D/3D CNN based on cross-domain adaptation approach for COVID-19 screening from chest X-ray images 2020-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-020-00957-1 PMID:33301073	研究论文	本研究开发了一种基于迁移学习的混合2D/3D CNN架构，用于通过胸部X光图像进行COVID-19筛查	提出了一种结合预训练深度模型（VGG16）和浅层3D CNN的混合2D/3D CNN架构，通过深度可分离卷积层和空间金字塔池化模块（SPP）来减少计算负担并提取多层次特征	NA	开发一种高效的COVID-19筛查方法，以帮助早期识别COVID-19感染	COVID-19、肺炎和正常状态的胸部X光图像	计算机视觉	COVID-19	深度学习算法	混合2D/3D CNN	图像	收集的数据集包含3个类别：COVID-19、肺炎和正常状态
116	2024-08-24	A Systematic Review on the Use of AI and ML for Fighting the COVID-19 Pandemic 2020-Dec, IEEE transactions on artificial intelligence DOI:10.1109/TAI.2021.3062771 PMID:35784006	综述	本文总结了基于AI和ML对抗COVID-19大流行的近期研究	本文识别了六个未来研究机会，并总结了七个未来研究方向	NA	总结AI和ML在对抗COVID-19中的应用，并识别未来研究方向	COVID-19大流行及其相关研究	机器学习	COVID-19	深度学习	CNN	图像	从634篇文章中筛选出49篇
117	2024-08-23	Trust in Robots: Challenges and Opportunities 2020, Current robotics reports DOI:10.1007/s43154-020-00029-y PMID:34977590	研究论文	评估当前机器人信任研究的状态，并探讨近期方法学进展是否有助于开发可信赖的机器人	近期研究转向开发机器人主动获取、校准和维持用户信任的策略，特别是通过赋予机器人推理能力（如通过概率建模）	在实际人机交互环境中，信任度量、机器人行为的保证（如用户隐私）以及处理多维数据方面仍存在挑战	探讨如何利用心理学、可信系统、机器人伦理和深度学习等领域的最新进展来解决这些挑战，以创造真正自主、可信赖的社会机器人	机器人信任研究及其在实际应用中的挑战	NA	NA	概率建模	NA	多维数据	NA
118	2024-08-22	Image quality improvement of single-shot turbo spin-echo magnetic resonance imaging of female pelvis using a convolutional neural network 2020-Nov-20, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000023138 PMID:33217817	研究论文	开发了一种基于深度学习的方法，用于提高单次激发涡轮自旋回波（SSTSE）磁共振成像的女性盆腔图像质量	使用卷积神经网络（CNN）生成的DL-SSTSE图像在图像质量上显著优于传统的SSTSE图像，并且在运动伪影鲁棒性和采集时间效率方面保持了SSTSE成像的优势	NA	比较基于深度学习的单次激发涡轮自旋回波（DL-SSTSE）图像与涡轮自旋回波（TSE）和传统SSTSE图像在图像质量上的差异	女性盆腔的SSTSE磁共振成像图像	计算机视觉	NA	磁共振成像（MRI）	卷积神经网络（CNN）	图像	105个训练样本和21个测试样本
119	2024-08-22	Deep learning COVID-19 detection bias: accuracy through artificial intelligence 2020-08, International orthopaedics IF:2.0Q2 DOI:10.1007/s00264-020-04609-7 PMID:32462314	研究论文	本文开发了一种深度学习模型，通过胸部X光扫描提高COVID-19病例报告的准确性并精确预测疾病	采用卷积神经网络（CNN）和迁移学习方法，自动识别患者胸部X光片中的结构异常，提高检测准确性	NA	提高COVID-19病例检测的准确性	COVID-19病例的胸部X光扫描	机器学习	COVID-19	卷积神经网络（CNN）	CNN	图像	使用来自不同国家的患者公共数据集，包括74个真阴性和32个真阳性病例
120	2024-08-22	Predicting commercially available antiviral drugs that may act on the novel coronavirus (SARS-CoV-2) through a drug-target interaction deep learning model 2020, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2020.03.025 PMID:32280433	研究论文	本研究利用预训练的基于深度学习的药物-靶点相互作用模型MT-DTI，识别可能作用于SARS-CoV-2病毒蛋白的商业可用抗病毒药物	使用MT-DTI模型预测商业可用药物对SARS-CoV-2的潜在作用，为缺乏有效治疗选项的SARS-CoV-2提供新的治疗策略	NA	识别可能对SARS-CoV-2有效的商业可用抗病毒药物	SARS-CoV-2病毒蛋白及其潜在的抗病毒药物	机器学习	NA	深度学习	Molecule Transformer-Drug Target Interaction (MT-DTI)	药物-靶点相互作用数据	多种抗病毒药物及其对SARS-CoV-2蛋白酶的抑制活性