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	2024-10-11	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
2	2024-10-01	The Application of Deep Learning in Cancer Prognosis Prediction 2020-Mar-05, Cancers IF:4.5Q1 DOI:10.3390/cancers12030603 PMID:32150991	综述	本文综述了深度学习在癌症预后预测中的应用	深度学习模型在处理大规模数据时表现出更高的预测准确性，且需要较少的数据工程	NA	探讨深度学习在癌症预后预测中的应用及其潜在优势	癌症预后预测模型	机器学习	NA	深度学习	深度学习模型	多组学数据（基因组数据、转录组数据和临床信息）	NA
3	2024-08-09	Automatic Hip Fracture Identification and Functional Subclassification with Deep Learning 2020-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.2020190023 PMID:33937815	研究论文	研究使用深度学习自动识别和分类髋部骨折的可行性	开发了一种深度学习模型，能够自动识别和分类髋部骨折，其性能达到专家水平，并能辅助提高人类观察者的表现	NA	探索使用深度学习自动识别和分类髋部骨折的可行性，以减少诊断错误和缩短手术时间	髋部和骨盆X光片	计算机视觉	NA	深度学习	Densely Connected Convolutional Neural Network (DenseNet)	图像	1118项研究的髋部和骨盆X光片，3026个髋部被标记
4	2024-08-07	Deep learning can be used to train naïve, nonprofessional observers to detect diagnostic visual patterns of certain cancers in mammograms: a proof-of-principle study 2020-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.7.2.022410 PMID:32042860	研究论文	本研究通过一系列实验证明，深度学习技术可以训练非专业观察者识别医学影像中的特定癌症诊断视觉模式	首次证明深度学习技术能够训练非专业人士在医学影像中识别癌症的诊断视觉模式	研究规模较小，主要集中在乳腺癌的乳腺摄影图像上	探索深度学习技术在训练非专业人士识别医学影像中癌症诊断视觉模式的可行性	非专业观察者对医学影像中癌症诊断视觉模式的识别能力	计算机视觉	乳腺癌	深度学习	NA	影像	实验涉及多个非专业观察者，具体数量未详细说明
5	2024-08-07	A Convolutional Neural Network-Based Approach for the Rapid Annotation of Molecularly Diverse Natural Products 2020-03-04, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.9b13786 PMID:32045230	研究论文	本文首次应用基于NMR的机器学习工具SMART 2.0进行混合物分析，加速发现和表征新的天然产物	采用SMART 2.0工具结合传统和深度学习辅助分析方法，克服了天然产物药物发现中的长期挑战	NA	加速天然产物的发现和表征	海洋丝状蓝藻提取物中的天然产物	机器学习	NA	NMR, MS	CNN	混合物	NA
6	2024-08-07	Deep Learning-Based Methods for Automatic Diagnosis of Skin Lesions 2020-Mar-21, Sensors (Basel, Switzerland) DOI:10.3390/s20061753 PMID:32245258	研究论文	本文旨在开发一种基于深度学习的高精度系统，用于自动诊断皮肤病变	本文的创新点在于集成多种分类器方法于一个基于全局融合的决策系统中，利用各方法的结果来确定融合权重	NA	开发一种高精度的皮肤病变自动诊断系统	皮肤病变，包括黑色素瘤和良性痣	机器学习	NA	深度学习	神经网络（NN）、卷积神经网络（CNN）	图像	使用了两个不同的免费数据库进行实验
7	2024-08-07	Deep Neural Network for Scleral Spur Detection in Anterior Segment OCT Images: The Chinese American Eye Study 2020-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.9.2.18 PMID:32818079	研究论文	开发一种深度神经网络用于检测前段光学相干断层扫描（AS-OCT）图像中的巩膜突	使用基于ResNet-18架构的卷积神经网络（CNN）自动检测巩膜突，其性能与人类专家相当	NA	开发一种能够检测AS-OCT图像中巩膜突的深度神经网络	AS-OCT图像中的巩膜突	计算机视觉	NA	光学相干断层扫描（AS-OCT）	卷积神经网络（CNN）	图像	训练数据集包含17,704张图像，测试数据集包含921张图像