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	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
22	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
23	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
24	2024-08-07	Clinically significant prostate cancer detection and segmentation in low-risk patients using a convolutional neural network on multi-parametric MRI 2020-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-020-07008-z PMID:32594208	研究论文	本文开发了一种自动方法，用于在低风险患者中识别和分割临床显著性前列腺癌，并评估其在常规临床环境中的表现。	使用3D卷积神经网络在多参数MRI上进行临床显著性前列腺癌的识别和分割。	模型在较小体积病变（>0.03 cc）上的性能不如较大体积病变（>0.5 cc）。	开发和评估一种自动方法，用于在低风险患者中识别和分割临床显著性前列腺癌。	低风险患者中的临床显著性前列腺癌。	计算机视觉	前列腺癌	多参数MRI	CNN	MRI图像	292名低风险患者
25	2024-08-07	Prediction of trabecular bone architectural features by deep learning models using simulated DXA images 2020-Dec, Bone reports IF:2.1Q3 DOI:10.1016/j.bonr.2020.100295 PMID:32695850	研究论文	本研究利用深度学习模型通过模拟DXA图像预测松质骨的微观结构特征	首次使用深度学习技术从DXA图像中预测松质骨的主要微观结构特征	研究仅限于使用模拟DXA图像，且输入图像的数量和分辨率对预测准确性有显著影响	验证基于DXA图像的深度学习模型预测松质骨微观结构特征的准确性	松质骨的微观结构特征	计算机视觉	NA	深度学习	CNN	图像	1249个6mm×6mm×6mm的松质骨立方体
26	2024-08-07	Accurate identification of breast cancer margins in microenvironments of ex-vivo basal and luminal breast cancer tissues using Raman spectroscopy 2020-Dec, Prostaglandins & other lipid mediators IF:2.5Q3 DOI:10.1016/j.prostaglandins.2020.106475 PMID:32711127	研究论文	本研究使用拉曼光谱技术对离体基底和腔内乳腺癌组织的微环境进行精确识别，并开发了一种卷积神经网络（CNN）深度学习算法来区分组织切片中的组织病理学特征。	本研究利用拉曼光谱技术提供了快速、无标记的微观特征成像，并开发了一种深度学习算法来提高识别准确性。	NA	研究目的是更好地理解乳腺癌肿瘤微环境，以辅助手术切除和肿瘤发展过程的理解。	研究对象包括88个冷冻的乳腺组织切片，其中44个为正常组织，44个为肿瘤组织。	数字病理学	乳腺癌	拉曼光谱	CNN	图像	88个冷冻乳腺组织切片
27	2024-08-07	Predicting transcription factor binding in single cells through deep learning 2020-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aba9031 PMID:33355120	研究论文	本文介绍了一种名为scFAN的深度学习模型，用于预测单细胞水平上的转录因子结合谱	scFAN模型通过预训练的ATAC-seq、DNA序列和ChIP-seq数据，利用单细胞ATAC-seq数据预测单细胞中的转录因子结合	NA	开发一种新的深度学习模型，以在单细胞水平上预测转录因子的全基因组结合谱	转录因子在单细胞中的结合谱	机器学习	NA	ATAC-seq, ChIP-seq	深度学习模型	DNA序列数据	NA
28	2024-08-05	Data Augmentation and Transfer Learning to Improve Generalizability of an Automated Prostate Segmentation Model 2020-12, AJR. American journal of roentgenology DOI:10.2214/AJR.19.22347 PMID:33052737	研究论文	本研究开发了一个高质量的前列腺分割模型，能够在多个独立数据集上保持高性能	通过转移学习和数据增强改善了前列腺分割模型在外部中心的泛化能力	模型的性能依赖于测试中心的数据，可能影响通用性	旨在提高自动化前列腺分割模型的泛化能力	648名接受前列腺MRI检查的患者的数据集	数字病理学	前列腺癌	深度学习	2D和3D架构	医学影像	648名患者的数据集
29	2024-08-07	Deep Learning Automated Detection of Reticular Pseudodrusen from Fundus Autofluorescence Images or Color Fundus Photographs in AREDS2 2020-12, Ophthalmology IF:13.1Q1 DOI:10.1016/j.ophtha.2020.05.036 PMID:32447042	研究论文	本研究开发了深度学习模型，用于从眼底自发光（FAF）图像或彩色眼底照片（CFP）中自动检测网状假性玻璃膜疣（RPD），特别是在年龄相关性黄斑变性（AMD）的背景下。	深度学习模型在检测RPD方面表现出与眼科医生相当或更高的准确性，特别是在使用FAF图像时。	使用彩色眼底照片（CFP）进行RPD检测的准确性较低，尽管仍优于眼科医生。	开发和评估深度学习模型在自动检测年龄相关性黄斑变性中的网状假性玻璃膜疣（RPD）的能力。	研究对象包括来自AREDS2研究的2450名参与者的11,535张FAF和CFP图像。	机器学习	年龄相关性黄斑变性	深度学习	CNN	图像	11,535张图像来自2450名参与者