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
21	2024-08-07	A deep learning and grad-CAM based color visualization approach for fast detection of COVID-19 cases using chest X-ray and CT-Scan images 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110190 PMID:32836918	研究论文	本文提出了一种基于深度学习和Grad-CAM的颜色可视化方法，用于通过胸部X射线和CT扫描图像快速检测COVID-19病例	本文采用了深度迁移学习算法，结合胸部X射线和CT扫描图像，实现了对COVID-19病例的快速检测，检测时间仅需2秒，比传统的RT-PCR测试更快	NA	旨在通过深度学习技术快速准确地检测COVID-19病例，以应对全球健康危机	COVID-19病例的胸部X射线和CT扫描图像	计算机视觉	COVID-19	深度学习	深度迁移学习算法	图像	使用了三个数据集：COVID-chest X-ray、SARS-COV-2 CT-scan和Chest X-Ray Images (Pneumonia)
22	2024-08-07	CVDNet: A novel deep learning architecture for detection of coronavirus (Covid-19) from chest x-ray images 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110245 PMID:32921934	研究论文	本文提出了一种名为CVDNet的深度卷积神经网络模型，用于通过胸部X光图像分类COVID-19感染与正常和其他肺炎病例	CVDNet模型采用两个并行层次和不同内核大小来捕捉输入的局部和全局特征	模型在小型数据集上表现良好，但可能需要更多训练数据以进一步提高性能	开发一种低成本且高效的深度学习模型，帮助医疗专业人员快速检测COVID-19并确定感染的严重程度	COVID-19感染的检测与分类	计算机视觉	呼吸系统疾病	深度学习	CNN	图像	包含219例COVID-19、1341例正常和1345例病毒性肺炎的胸部X光图像
23	2024-08-07	Diagnosis and detection of infected tissue of COVID-19 patients based on lung x-ray image using convolutional neural network approaches 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110170 PMID:32834651	研究论文	本文使用三种基于深度学习的方法，通过肺部X光图像检测和诊断COVID-19患者	提出了一种基于卷积神经网络（CNN）的方法，用于直接使用肺部图像进行疾病诊断，并展示了其在准确性和敏感性上优于深度神经网络（DNN）方法	NA	设计一种快速且成本较低的COVID-19诊断方法	COVID-19患者的肺部感染组织	计算机视觉	COVID-19	卷积神经网络（CNN）	CNN	图像	未明确提及具体样本数量
24	2024-08-07	A Role for FDG PET Radiomics in Personalized Medicine? 2020-Nov, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2020.05.002 PMID:33059822	综述	本文综述了放射组学在分子影像学中的应用，特别是在肺癌中的研究进展	介绍了使用机器学习和深度学习方法在放射组学中的应用，这些方法可以自动学习特征，无需预定义和图像预处理	目前放射组学的研究仍处于早期阶段，仅有有限的研究成果被纳入常规实践	探讨放射组学在个性化医疗中的潜在作用	主要研究对象为肺癌	数字病理学	肺癌	F-氟脱氧葡萄糖正电子发射断层扫描（F-FDG-PET）	人工神经网络	图像	NA
25	2024-08-07	Image Segmentation of the Ventricular Septum in Fetal Cardiac Ultrasound Videos Based on Deep Learning Using Time-Series Information 2020-Nov-08, Biomolecules IF:4.8Q1 DOI:10.3390/biom10111526 PMID:33171658	研究论文	本文提出了一种名为Cropping-Segmentation-Calibration（CSC）的新型分割方法，专门用于胎儿心脏超声视频中的室间隔图像分割	CSC方法利用视频的时间序列信息和特定部分信息校准U-net的输出，显著提高了分割性能	NA	开发一种新的图像分割方法，以精确检测胎儿心脏超声视频中的室间隔	胎儿心脏超声视频中的室间隔	计算机视觉	NA	深度学习	U-net	视频	615帧来自421个正常胎儿心脏超声视频，涉及211名孕妇
26	2024-08-07	Latent space manipulation for high-resolution medical image synthesis via the StyleGAN 2020-Nov, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2020.05.001 PMID:32564924	研究论文	本文探讨了StyleGAN模型作为高分辨率合成医学图像生成器的潜力	利用StyleGAN的样式转换功能在不同模态间移动图像，并通过操纵潜在样式向量来转换图像特征	NA	研究StyleGAN模型在生成合成医学图像方面的应用	盆腔恶性肿瘤患者的CT和T2加权MR图像	计算机视觉	NA	StyleGAN	StyleGAN	图像	100名盆腔恶性肿瘤患者
27	2024-08-05	A multi-scale residual network for accelerated radial MR parameter mapping 2020-11, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2020.08.013 PMID:32882339	研究论文	提出了一种结合加速径向数据采集和多尺度残差网络的深度学习MR参数成像框架	提出的多尺度残差网络在使用加速径向数据的情况下，提供了高质量的对比加权图像和参数图，且重建时间减少两个数量级	在许多应用场景中无法获得完全采样的训练数据	研究加速径向数据采集的MR参数成像方法	针对不同解剖结构和弛豫参数，训练个别网络进行图像重建	数字病理学	NA	深度学习	多尺度残差网络(MS-ResNet)	图像	脑部和膝盖数据集的体内T映射结果
28	2024-08-05	Spatial transcriptomics inferred from pathology whole-slide images links tumor heterogeneity to survival in breast and lung cancer 2020-11-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-75708-z PMID:33139755	研究论文	该文章探讨了如何利用病理全切片图像的数字分析来链接肿瘤异质性与乳腺癌和肺癌的生存率	提出了一种通过深度学习模型空间解析mRNA和miRNA表达水平的方法，并开发了肿瘤异质性指标（HTI）	现有的分析方法对训练样本数量和复杂流程的依赖性较高	研究肿瘤异质性如何影响癌症预后和治疗反应	乳腺癌和肺癌切片	数字病理学	乳腺癌, 肺癌	深度学习	NA	病理全切片图像	使用少量训练样本对两个癌症队列进行评估
29	2024-08-07	Evaluation of Deep Learning to Augment Image-Guided Radiotherapy for Head and Neck and Prostate Cancers 2020-11-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2020.27426 PMID:33252691	研究论文	本研究评估了深度学习技术在头颈和前列腺癌症图像引导放射治疗中的应用，旨在探索临床可接受的自动轮廓解决方案。	本研究开发了能够减少手动轮廓时间并保持与专家间变异性相当的临床准确性的模型。	NA	探索并实现临床可接受的自动轮廓解决方案，以优化放射治疗计划。	头颈和前列腺癌症患者的CT扫描图像。	机器学习	头颈癌, 前列腺癌	深度学习	NA	图像	519例前列腺癌患者和242例头颈癌患者的CT扫描图像。