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	2024-12-12	Industry-scale application and evaluation of deep learning for drug target prediction 2020-Apr-19, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-020-00428-5 PMID:33430964	研究论文	本文研究了基于公共数据训练的机器学习模型在制药行业数据上的应用和评估	首次在大规模行业环境中评估机器学习和深度学习在药物靶点预测中的潜力，并研究了公共数据训练的靶点预测模型在工业生物活性预测管道中的可转移性	NA	评估机器学习模型在制药行业数据上的应用效果	基于公共数据训练的机器学习模型在制药行业数据上的应用	机器学习	NA	深度学习	深度学习模型	数据	NA
2	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
3	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
4	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
5	2024-08-07	DeepSEED: 3D Squeeze-and-Excitation Encoder-Decoder Convolutional Neural Networks for Pulmonary Nodule Detection 2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI45749.2020.9098317 PMID:33250956	研究论文	本文提出了一种新的3D卷积神经网络DeepSEED，用于肺结节检测，结合编码器-解码器结构和区域提议网络，使用动态缩放的交叉熵损失来减少假阳性率并解决样本不平衡问题	引入了动态缩放的交叉熵损失和挤压-激励结构来学习有效的图像特征，并利用不同特征图之间的相互依赖信息	NA	提高肺结节检测的深度学习模型的泛化性能	肺结节	计算机视觉	肺癌	低剂量计算机断层扫描（CT）	3D卷积神经网络	CT扫描图像	基于LIDC/IDRI数据集及其子集LUNA16的手动标记真实数据
6	2024-08-07	Skin Diseases Classification Using Deep Leaning Methods 2020 Apr-Jun, Current health sciences journal DOI:10.12865/CHSJ.46.02.06 PMID:32874685	研究论文	本文提出了一种基于卷积神经网络（CNN）的皮肤病变分类架构，使用图像像素和诊断标签作为输入	使用CNN技术进行皮肤病变分类，相比传统算法具有更高的性能	NA	开发计算机辅助诊断方法，为皮肤科医生提供强大的诊断工具	皮肤病变图像的自动分类	计算机视觉	皮肤疾病	卷积神经网络（CNN）	CNN	图像	10015张图像，包含7种类型的皮肤病变
7	2024-08-07	VOLUMETRIC LANDMARK DETECTION WITH A MULTI-SCALE SHIFT EQUIVARIANT NEURAL NETWORK 2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi45749.2020.9098620 PMID:38915907	研究论文	本文提出了一种多尺度移位等变神经网络用于体积图像中的地标检测	该方法通过多尺度移位等变网络结构和噪声注入策略，实现了快速且内存高效的3D图像地标检测，并提高了模型的鲁棒性	由于GPU内存限制，大规模数据可能限制了所采用神经网络架构的容量，从而可能影响输出精度	开发一种能够在体积图像中进行精确解剖地标检测的深度学习方法	颈动脉分叉的地标检测	计算机视觉	NA	深度神经网络	移位等变神经网络	体积图像	263个CT体积
8	2024-08-05	Multiresolution Application of Artificial Intelligence in Digital Pathology for Prediction of Positive Lymph Nodes From Primary Tumors in Bladder Cancer 2020-04, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.19.00155 PMID:32330067	研究论文	本研究开发了一种基于人工智能的模型，用于通过数字评估原发肿瘤来识别淋巴结转移的患者	采用新颖的人工智能方法应用于数字病理，以预测膀胱癌患者原发肿瘤中的淋巴结阳性情况	样本量相对较小，尤其是在内部验证组中	研究旨在基于数字病理图像评估原发肿瘤以预测淋巴结转移	研究对象为307名膀胱癌患者，包括294名来自TCGA的患者和13名来自本院的患者	数字病理学	膀胱癌	深度学习	多变量逻辑回归模型	图像	307名患者
9	2024-08-05	Deep Learning for Automatic Calcium Scoring in CT: Validation Using Multiple Cardiac CT and Chest CT Protocols 2020-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.2020191621 PMID:32043947	研究论文	该文章评估了一种深度学习方法在多种CT检查中自动计算钙得分的性能	提出了一种能适应不同类型CT检查的深度学习钙得分算法，并通过补充代表性图像来验证其效果	未探讨在非常规或其他类型CT协议下的性能表现	评估深度学习方法在各种CT检查中的自动钙得分能力	7240名接受不同类型非增强CT检查的参与者	计算机视觉	心血管疾病	卷积神经网络	CNN	图像	7240名参与者
10	2024-08-05	6-MONTH INFANT BRAIN MRI SEGMENTATION GUIDED BY 24-MONTH DATA USING CYCLE-CONSISTENT ADVERSARIAL NETWORKS 2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi45749.2020.9098515 PMID:34422223	研究论文	本文提出了一种利用24个月龄数据引导6个月龄婴儿脑MRI分割的方法	引入3D-cycleGAN-Seg架构，以在不同年龄段脑图像之间转移特征，用于提高6个月龄图像的分割精度	数据集主要依赖于24个月龄的高对比度图像，如何生成高质量的合成图像仍有待进一步验证	探讨如何通过高对比度的图像指导低对比度婴儿脑MRI的分割	6个月龄和24个月龄的婴儿脑MRI图像	计算机视觉	NA	CycleGAN	3D-cycleGAN-Seg	图像	使用的样本数量NA
11	2024-08-07	Development and Validation of a Multitask Deep Learning Model for Severity Grading of Hip Osteoarthritis Features on Radiographs 2020-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.2020190925 PMID:32013791	研究论文	开发并验证了一种用于评估X光片上髋关节骨关节炎特征严重程度的多任务深度学习模型	该模型能够在大规模流行病学研究中替代专家放射科医生的详细结构评估	该研究为回顾性研究，且模型性能在外部测试集上略有下降	开发一种多任务深度学习模型，用于评估髋关节骨关节炎的放射学特征，并比较其与执业放射科医生的表现	髋关节骨关节炎的五个特征：股骨骨赘、髋臼骨赘、关节间隙狭窄、骨赘下硬化和骨赘下囊肿	机器学习	骨关节炎	DenseNet-161	多任务神经网络	X光片	共评估了4368名参与者（平均年龄61.0岁，2538名女性），15364个髋关节，7738张负重前后位骨盆X光片