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
161	2024-08-07	The Era of Radiogenomics in Precision Medicine: An Emerging Approach to Support Diagnosis, Treatment Decisions, and Prognostication in Oncology 2020, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2020.570465 PMID:33575207	研究论文	本文综述了放射基因组学在精准医学中的应用，探讨了其在肿瘤诊断、治疗决策和预后评估中的作用	放射基因组学结合了大量从医学图像中提取的定量数据与个体基因组表型，通过深度学习构建预测模型，为个性化医疗提供了新的科学方法	放射基因组学的工作流程标准和国际统一的统计方法指南需要进一步确认	探讨放射基因组学在肿瘤学中的应用，支持诊断、治疗决策和预后评估	放射基因组学在不同类型肿瘤中的预测价值	数字病理学	肿瘤	深度学习	深度学习模型	医学图像数据和基因组数据	NA
162	2024-08-06	piNET-An Automated Proliferation Index Calculator Framework for Ki67 Breast Cancer Images 2020-Dec-22, Cancers IF:4.5Q1 DOI:10.3390/cancers13010011 PMID:33375043	研究论文	本研究提出了一种用于Ki67乳腺癌图像的自动增殖指数计算器piNET	该工具基于深度学习，可以适应医疗图像的广泛变异性，且通过模拟病理学家的工作流程提高了准确性和效率	NA	开发一种高效准确的Ki67增殖指数量化工具	Ki67乳腺癌图像及其相关数据集	数字病理	乳腺癌	深度学习	NA	图像	四个数据集，来源于三个扫描仪，包括切片、组织微阵列和全切片图像
163	2024-08-06	Skin Lesion Classification Using Densely Connected Convolutional Networks with Attention Residual Learning 2020-Dec-10, Sensors (Basel, Switzerland) DOI:10.3390/s20247080 PMID:33321864	研究论文	本文提出了一种利用注意力残差学习的密集连接卷积网络进行皮肤病变分类	引入了注意力机制和残差学习，同时减少了参数数量	没有对不同的成像方法和临床病理变化进行深入分析	改进皮肤病变的分类准确性	皮肤病变图像分类	计算机视觉	皮肤癌	卷积神经网络	ARDT-DenseNet	图像	ISIC 2016 和 ISIC 2017 数据集
164	2024-08-06	A Deep Learning Approach to Photoacoustic Wavefront Localization in Deep-Tissue Medium 2020-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2020.2964698 PMID:31944951	研究论文	本文提出了一种基于深度学习的方法来定位深组织介质中的光声波前	构建了一个编码-解码卷积神经网络架构，专门用于识别光声波前在光散射深组织介质中的来源	模型是基于模拟的光声信号训练的，可能无法完全涵盖真实信号的复杂性	解决在光散射深组织中定位光声波前的挑战	使用光声成像技术来检测血管目标	数字病理学	NA	光声成像(PAI)	卷积神经网络(CNN)	模拟信号和实验信号	使用了16,240个血管目标的模拟信号，测试了4600个模拟信号和5个实验信号
165	2024-08-06	Quantifying behavior to understand the brain 2020-12, Nature neuroscience IF:21.2Q1 DOI:10.1038/s41593-020-00734-z PMID:33169033	研究论文	本文回顾了自动化动物行为量化的技术进展	该研究介绍了计算伦理学的新领域，聚焦于深度学习在动物行为量化中的应用	研究中未详细讨论具体的实验条件和环境限制	旨在理解神经回路、认知过程与行为之间的关系	主要涉及动物行为和脑活动之间的联系	计算伦理学	NA	深度学习	NA	运动数据	NA
166	2024-08-06	Evaluation of Survival Outcomes of Endovascular Versus Open Aortic Repair for Abdominal Aortic Aneurysms with a Big Data Approach 2020-Nov-30, Entropy (Basel, Switzerland) DOI:10.3390/e22121349 PMID:33265931	研究论文	本研究比较了开放主动脉修复与内血管主动脉修复在腹主动脉瘤患者中的生存结果	采用了基于深度学习的分析策略，提供了一种新的大数据方法来评估rAAA的治疗效果	虽然通过大数据方法模仿了随机临床试验，但实际操作中存在可行性问题	客观比较开放主动脉修复和内血管主动脉修复的生存结果	7826名腹主动脉瘤患者	数字病理学	腹主动脉瘤	大数据分析	深度学习	医疗数据	7826名患者
167	2024-08-06	Using deep learning to predict beam-tunable Pareto optimal dose distribution for intensity-modulated radiation therapy 2020-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.14374 PMID:32621789	研究论文	本文提出了一种深度学习模型，可以预测针对不同束角的前列腺强度调制放射治疗的帕累托最优剂量分布	首次研究了针对可变束数和方向的强度调制放射治疗(IMRT)前列腺计划的帕累托最优剂量预测	尚未讨论模型在临床工作中的长期验证和应用	研究深度学习在强度调制放射治疗中的剂量分布预测能力	70名前列腺癌患者的放射治疗计划	数字病理学	前列腺癌	深度学习	深度神经网络	剂量分布数据	70名患者，共生成35,000个计划
168	2024-08-06	DEEP MOUSE: AN END-TO-END AUTO-CONTEXT REFINEMENT FRAMEWORK FOR BRAIN VENTRICLE & BODY SEGMENTATION IN EMBRYONIC MICE ULTRASOUND VOLUMES 2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi45749.2020.9098387 PMID:33381278	研究论文	该文章提出了一种新的基于深度学习的自动上下文优化框架，用于胚胎小鼠超声体积中脑室和身体的分割	提出了一个端到端的框架，通过两个阶段联合训练，大幅提升了分割精度和减少推断时间	该研究未涉及不同条件下的实验验证及其适用性	旨在提高胚胎小鼠脑室和身体的超声分割精度	研究对象为胚胎小鼠的高频超声图像	数字病理学	NA	深度学习	NA	图像	NA
169	2024-08-06	Longitudinal Screening for Diabetic Retinopathy in a Nationwide Screening Program: Comparing Deep Learning and Human Graders 2020, Journal of diabetes research IF:3.6Q2 DOI:10.1155/2020/8839376 PMID:33381600	研究论文	评估深度学习和受训人类评估者在糖尿病视网膜病变筛查中的效果	首次比较了两种筛查模式在长期糖尿病视网膜病变筛查中的表现	长期筛查的敏感性降低，可能影响对比的有效性	研究糖尿病视网膜病变筛查的有效性和准确性	随机选取的经过两次筛查的糖尿病患者	数字病理学	糖尿病视网膜病变	深度学习	NA	彩图眼底照片	5,738名患者
170	2024-08-07	Deep learning networks reflect cytoarchitectonic features used in brain mapping 2020-12-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-78638-y PMID:33328511	研究论文	研究深度卷积神经网络在皮质细胞构筑脑图中的应用，并分析其与传统细胞构筑特征的相似性	提出深度学习方法作为现有细胞构筑映射方法的替代方案，并验证其在高吞吐量细胞构筑映射工作流程中的有效性	缺乏对深度学习网络遵循细胞构筑原则程度的深入理解	探究深度卷积神经网络的内部结构如何反映传统的细胞构筑特征	深度卷积神经网络的过滤器激活与传统细胞构筑特征的相似性	计算机视觉	NA	深度学习	CNN	图像	涉及初级和次级视觉皮质的分割
171	2024-08-07	A deep learning approach for identifying cancer survivors living with post-traumatic stress disorder on Twitter 2020-12-14, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-020-01272-1 PMID:33317508	研究论文	本文提出了一种使用深度学习方法在Twitter上识别患有创伤后应激障碍（PTSD）的癌症幸存者	利用卷积神经网络（CNN）自动识别Twitter上癌症幸存者发布的与PTSD相关的推文，提高了识别效率	Twitter上的推文可能包含噪音和真实信息，手动识别真实推文成本高且耗时	开发一种有效的方法来识别社交媒体上表达PTSD情绪的癌症幸存者	癌症幸存者及其在Twitter上表达的PTSD情绪	机器学习	NA	卷积神经网络（CNN）	CNN	文本	使用癌症相关关键词过滤的推文
172	2024-08-07	Identification of Sleep Apnea Severity Based on Deep Learning from a Short-term Normal ECG 2020-Dec-07, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2020.35.e399 PMID:33289367	研究论文	本文提出了一种基于深度学习从短期正常心电图信号自动识别睡眠呼吸暂停（SA）严重程度的新方法	利用卷积神经网络（CNN）从短期正常心电图信号中精确识别睡眠呼吸暂停的严重程度	NA	自动识别睡眠呼吸暂停的严重程度	睡眠呼吸暂停的严重程度	机器学习	睡眠呼吸暂停	卷积神经网络（CNN）	CNN	心电图信号	共研究了144名受试者，训练集包含82,952个30秒的片段，测试集包含20,738个片段
173	2024-08-07	Deep convolutional neural networks: Outperforming established algorithms in the evaluation of industrial optical coherence tomography (OCT) images of pharmaceutical coatings 2020-Dec, International journal of pharmaceutics: X DOI:10.1016/j.ijpx.2020.100058 PMID:33294841	研究论文	本文提出了一种基于深度卷积神经网络（CNN）的药物固体剂型光学相干断层扫描（OCT）图像分析新方法	该方法在性能基准上优于现有的静态算法，并代表了实时评估工业OCT图像数据的下一个级别	NA	验证深度卷积神经网络在药物涂层OCT图像评估中的有效性	药物涂层片剂和单层及多层颗粒的OCT图像	计算机视觉	NA	光学相干断层扫描（OCT）	CNN	图像	涉及药物涂层片剂和单层及多层颗粒的图像数据
174	2024-08-07	Delimiting cryptic morphological variation among human malaria vector species using convolutional neural networks 2020-12, PLoS neglected tropical diseases IF:3.4Q1 DOI:10.1371/journal.pntd.0008904 PMID:33332415	研究论文	本文利用卷积神经网络（CNN）对来自五个地理区域的16个蚊子品系和物种的1,709张成年蚊子图像进行自动分类，以证明其可行性	本文首次应用CNN技术于蚊子图像分类，成功区分了形态上难以区分的隐秘物种	NA	探索使用深度学习方法区分图像类别，特别是在蚊子物种识别中的应用	蚊子物种及其品系的自动分类	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	1,709张成年蚊子图像，来自16个蚊子品系和物种，源自五个地理区域
175	2024-08-07	Deep learning toolbox for automated enhancement, segmentation, and graphing of cortical optical coherence tomography microangiograms 2020-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.405763 PMID:33409000	研究论文	本文提出了一套基于卷积神经网络（CNN）的深度学习方法，用于自动增强、分割和填补光学相干断层扫描血管造影（OCTA）图像中的空隙，特别是来自啮齿动物皮层的图像，并提供了一种骨架化分割OCTA和提取底层血管图的策略	本文的创新点在于开发了一套深度学习工具，能够自动处理OCTA图像中的增强、分割和空隙填补问题，并提取血管图，从而实现对血管结构属性的定量评估	NA	旨在解决从3D OCTA图像中客观量化血管结构属性的挑战	OCTA图像，特别是来自啮齿动物皮层的图像	计算机视觉	NA	光学相干断层扫描血管造影（OCTA）	卷积神经网络（CNN）	图像	NA
176	2024-08-07	Classification and Detection of Breathing Patterns with Wearable Sensors and Deep Learning 2020-Nov-13, Sensors (Basel, Switzerland) DOI:10.3390/s20226481 PMID:33202857	研究论文	本研究开发了一种非侵入式呼吸模式分析系统，利用可穿戴传感器和深度学习技术自动检测临床上有意义的呼吸模式	本研究通过构建合成数据集并使用一维卷积神经网络，实现了对不同呼吸事件的高精度检测和分类	本研究仅在模拟的正常志愿者中进行了测试，实际应用中可能需要进一步验证	开发一种能够快速评估呼吸模式的技术，以应对紧急医疗情况	研究对象为100名模拟各种呼吸事件的正常志愿者	机器学习	NA	一维卷积神经网络	CNN	加速度计和陀螺仪数据	100名正常志愿者
177	2024-08-07	AK-Score: Accurate Protein-Ligand Binding Affinity Prediction Using an Ensemble of 3D-Convolutional Neural Networks 2020-Nov-10, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms21228424 PMID:33182567	研究论文	本文开发了一种新的神经网络模型AK-Score，用于预测蛋白质-配体复合物的结合亲和力，该模型使用多个独立训练的3D卷积神经网络的集成	AK-Score模型的Pearson相关系数为0.827，高于现有最先进的结合亲和力预测评分函数	NA	提高蛋白质-配体结合亲和力的预测准确性，以促进理性药物设计	蛋白质-配体复合物的结合亲和力	机器学习	NA	3D卷积神经网络	CNN	结构数据	训练集包含3772个蛋白质-配体复合物，测试集包含285个复合物
178	2024-08-07	Reimagining T Staging Through Artificial Intelligence and Machine Learning Image Processing Approaches in Digital Pathology 2020-11, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.20.00110 PMID:33166198	研究论文	本文讨论了人工智能和机器学习在数字病理学中用于疾病预后、肿瘤基因组和分子改变预测以及治疗反应预测的应用	人工智能方法有望克服传统TNM分期和肿瘤分级方法的局限性，提供独立于肿瘤阶段和级别的直接预后预测	文章提到了验证、解释性和报销等方面的潜在挑战，这些需要在广泛临床部署之前得到解决	探讨人工智能在数字病理学和肿瘤学中的应用及其未来机会	数字病理学中的疾病预后、肿瘤基因组和分子改变预测以及治疗反应预测	数字病理学	NA	人工智能 (AI), 机器学习 (ML)	深度学习 (DL)	图像	NA
179	2024-08-07	Rapid tissue oxygenation mapping from snapshot structured-light images with adversarial deep learning 2020-11, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.25.11.112907 PMID:33251783	research paper	本文介绍了一种名为OxyGAN的数据驱动、内容感知方法，用于直接从单个结构光图像估计组织氧合情况	OxyGAN使用监督生成对抗网络，能够从单个结构光图像中快速且准确地估计组织氧合情况，且处理速度比以往工作快约10倍	NA	开发一种快速且准确的方法来估计组织氧合情况，以支持多种临床应用	人体食道、手、脚以及猪结肠的组织氧合情况	machine learning	NA	空间频率域成像(SFDI)	生成对抗网络(GAN)	图像	包括人体食道、手、脚以及猪结肠的样本
180	2024-08-07	Towards label-free 3D segmentation of optical coherence tomography images of the optic nerve head using deep learning 2020-Nov-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.395934 PMID:33282495	研究论文	本文提出了一种基于深度学习的无标签3D分割框架，用于光学相干断层扫描（OCT）图像中视神经头（ONH）的分割，无需手动重新分割数据即可跨设备应用。	该研究创新性地开发了两种深度学习网络：'增强器'用于提高OCT图像质量和统一图像特征，'ONH-Net'用于3D分割6种ONH组织，实现了跨设备的高性能分割。	目前该方法的临床应用受限于其设备特定性和准备手动分割数据（训练数据）的难度。	旨在开发一种易于跨OCT设备应用的深度学习3D分割框架，无需手动分割数据。	研究对象为光学相干断层扫描图像中的视神经头组织。	计算机视觉	NA	深度学习	CNN	图像	涉及三种不同设备的OCT图像