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
1	2024-10-26	Anatomical Context Protects Deep Learning from Adversarial Perturbations in Medical Imaging 2020-Feb-28, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2019.10.085 PMID:32863583	研究论文	研究了深度学习在医学影像处理中对抗性扰动的影响，并比较了传统深度神经网络和结合解剖学上下文特征的混合模型的鲁棒性	提出了一种结合解剖学上下文特征的混合深度学习模型，该模型在对抗性扰动下表现出更高的鲁棒性	当前深度学习技术在临床应用中存在局限性	研究对抗性扰动对医学影像处理中深度学习模型的影响，并探索提高模型鲁棒性的方法	3D MRI脑部图像和基于图像预测个体年龄的任务	计算机视觉	NA	深度学习	深度神经网络和混合深度学习模型	图像	大量3D MRI脑部图像
2	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
3	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
4	2024-10-04	Application of deep learning to the classification of uterine cervical squamous epithelial lesion from colposcopy images combined with HPV types 2020-Feb, Oncology letters IF:2.5Q3 DOI:10.3892/ol.2019.11214 PMID:31966086	研究论文	研究利用深度学习技术结合HPV类型对宫颈鳞状上皮病变进行分类的可行性	开发了一种结合卷积神经网络和HPV张量的AI分类器，其准确性高于妇科肿瘤专家	需要进一步研究以验证其在临床中的应用	探索使用深度学习技术对宫颈鳞状上皮病变进行分类的可行性	宫颈鳞状上皮病变（SILs）的分类	计算机视觉	宫颈癌	深度学习	卷积神经网络	图像	253名患者，其中210名患有高级别SIL，43名患有低级别SIL
5	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
6	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
7	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
8	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
9	2024-08-07	Cellular and Molecular Probing of Intact Human Organs 2020-02-20, Cell IF:45.5Q1 DOI:10.1016/j.cell.2020.01.030 PMID:32059778	研究论文	本研究开发了一种名为SHANEL的新方法，用于使坚硬的人体器官透明化，并进行细胞和分子水平的3D研究	SHANEL方法允许对成年人体器官进行透明化处理，并进行深达厘米级的3D组织学研究，同时开发了深度学习管道来快速分析大量细胞	NA	开发一种新技术，以实现对人体复杂组织的细胞和分子水平的3D研究	成年人体器官，包括大脑、肾脏、眼睛和甲状腺，以及转基因猪的胰腺	数字病理学	NA	组织通透化方法	深度学习	图像	多个成年人体器官和转基因猪胰腺
10	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
11	2024-08-07	A Deep Siamese Convolution Neural Network for Multi-Class Classification of Alzheimer Disease 2020-Feb-05, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci10020084 PMID:32033462	研究论文	本文开发了一种基于VGG-16的孪生卷积神经网络模型，用于阿尔茨海默病的多类分类，并通过数据增强方法提高了模型的性能	提出了一种基于VGG-16的孪生卷积神经网络模型，并通过数据增强方法解决了数据不足和不平衡的问题	NA	开发一种高效的深度学习模型，用于阿尔茨海默病的早期诊断和痴呆阶段分类	阿尔茨海默病的痴呆阶段分类	机器学习	阿尔茨海默病	MRI	孪生卷积神经网络（SCNN）	图像	使用公开数据集OASIS进行实验
12	2024-08-05	A novel deep learning model using dosimetric and clinical information for grade 4 radiotherapy-induced lymphopenia prediction 2020-02-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab63b6 PMID:31851954	研究论文	该文提出了一种新颖的混合深度学习模型，以提高对四级放疗引起的淋巴细胞减少症的预测能力	创新点在于采用了双输入通道的混合深度学习模型，分别处理剂量参数和临床信息，并将其整合以进行最终预测	样本大小限制在505名患者用于训练，216名患者用于测试，可能影响结果的广泛适用性	旨在提高对放疗引起的四级淋巴细胞减少症的预测准确性	涉及的研究对象为接受放疗的患者	机器学习	NA	深度学习	双向长短时记忆网络和多层感知器	临床信息和剂量参数	505名患者用于训练，216名患者用于测试
13	2024-08-05	Automatic labeling of respiratory phases and detection of abnormal respiratory signals in free-breathing thoracic dynamic MR image acquisitions based on deep learning 2020-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2549983 PMID:33060886	研究论文	本文提出了基于深度学习的框架，自动标记呼吸阶段并检测异常呼吸信号。	创新点在于将卷积神经网络（CNN）和长短期记忆网络（LSTM）结合用于处理3D动态磁共振成像的呼吸相位识别和异常信号检测。	研究主要集中在动态磁共振成像上，方法的普适性和适应性仍需进一步验证。	旨在改善4D胸部图像构建过程中的呼吸相位识别和异常信号检测。	研究对象为接受动态磁共振成像的患者，主要分析其呼吸图像序列。	计算机视觉	胸部不足症候群	动态磁共振成像（dMRI）	卷积神经网络（CNN）和长短期记忆网络（LSTM）	图像	每位患者约3000个切片