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
81	2024-08-24	An automatic approach based on CNN architecture to detect Covid-19 disease from chest X-ray images 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-020-02010-w PMID:34764572	研究论文	本文提出了一种基于卷积神经网络（CNN）架构的自动方法，用于从胸部X光图像中检测COVID-19疾病	采用深度迁移学习方法，使用多种预训练的CNN模型进行实验，其中Se-ResNeXt-50模型在二分类和多分类任务中均达到最高准确率	NA	开发一种准确的COVID-19疾病诊断方法，以帮助早期诊断和防止疾病传播	COVID-19患者、病毒性肺炎、细菌性肺炎和健康人群的胸部X光图像	计算机视觉	COVID-19	深度学习	CNN	图像	使用了多个数据集，包括728张、1428张、1442张和5232张胸部X光图像
82	2024-08-24	Stacked-autoencoder-based model for COVID-19 diagnosis on CT images 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-020-02002-w PMID:34764564	研究论文	本文提出了一种基于堆叠自编码器的模型，用于在CT图像上诊断COVID-19	提出了一个堆叠自编码器检测模型，通过构建新的分类损失函数和叠加重建损失，显著提高了检测模型的精确率和召回率	研究基于较小的COVID-19 CT图像数据集，由于患者隐私原因，公开可用的数据集较少	研究基于CT影像的计算机化模型，用于传染病检测	COVID-19的CT图像	计算机视觉	COVID-19	深度学习	堆叠自编码器	图像	小型COVID-2019 CT图像数据集
83	2024-08-24	Improving Uncertainty Estimation With Semi-Supervised Deep Learning for COVID-19 Detection Using Chest X-Ray Images 2021, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2021.3085418 PMID:34812397	研究论文	本研究通过胸部X光图像实现COVID-19感染检测系统，并引入不确定性估计	使用MixMatch半监督框架利用未标记数据改善不确定性估计，并提出使用Jensen-Shannon距离作为评估不确定性估计可靠性的新指标	未明确提及	改善COVID-19检测中使用的不确定性估计方法	COVID-19感染检测系统的不确定性估计	计算机视觉	COVID-19	NA	NA	图像	未明确提及
84	2024-08-23	COVID-19 detection and disease progression visualization: Deep learning on chest X-rays for classification and coarse localization 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-020-01867-1 PMID:34764549	研究论文	本文通过深度学习方法对胸部X光片进行分类和粗略定位，以检测COVID-19并可视化疾病进展	采用迁移学习管道和多种预训练卷积骨干网络进行分类，并使用生成对抗网络（CycleGAN）增强COVID-19类别数据	由于标记医学图像数量有限，自动化分类仍是一个挑战	开发一种自动化方法来分类COVID-19胸部X光片，并可视化疾病进展	COVID-19胸部X光片	计算机视觉	COVID-19	迁移学习	CNN	图像	使用了两个公开的胸部X光片数据集
85	2024-08-23	Machine and Deep Learning Prediction Of Prostate Cancer Aggressiveness Using Multiparametric MRI 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.802964 PMID:35096605	研究论文	本研究开发并验证了基于多参数磁共振成像（mpMRI）数据的机器学习和深度学习框架，用于根据前列腺癌（PCa）的侵袭性进行分类	本研究优化了多个机器学习和深度学习框架，并在T2加权、表观扩散系数（ADC）和T2w+ADC数据上进行了患者嵌套验证，以提高前列腺癌侵袭性预测的准确性	所有基于PI-RADS 2.0数据训练和验证的机器学习和深度学习框架，在PI-RADS 2.1数据测试时，其AUROC值均未超过随机水平	开发和验证机器学习和深度学习框架，以支持临床决策并减少读片者间和读片者内的变异性	前列腺癌的侵袭性评估	机器学习	前列腺癌	多参数磁共振成像（mpMRI）	机器学习和深度学习	图像	112名患者（132个外周病变，Prostate Imaging Reporting and Data System（PI-RADS）评分≥3）
86	2024-08-23	Multi-Institutional Validation of Two-Streamed Deep Learning Method for Automated Delineation of Esophageal Gross Tumor Volume Using Planning CT and FDG-PET/CT 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.785788 PMID:35141147	研究论文	本文验证了一种双流深度学习方法在多个机构中自动勾画食管大体肿瘤体积（GTV）的临床应用	开发了一种双流深度学习模型，能够使用治疗计划CT和FDG-PET/CT扫描进行GTV分割，并具有仅使用CT或CT+PET/CT组合进行分割的灵活性	模型在不同机构中的适应性和性能需要进一步验证	验证深度学习多模态食管GTV勾画模型的临床应用性	食管癌患者的GTV勾画	机器学习	食管癌	深度学习	双流深度学习模型	CT和PET/CT扫描	606名食管癌患者
87	2024-08-23	Predicted Cognitive Conversion in Guiding Early Decision-Tailoring on Patients With Cognitive Impairment 2021, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2021.813923 PMID:35185520	研究论文	本研究旨在测试混合卷积神经网络和长短期记忆模型（CNN-LSTM）在预测阿尔茨海默病（AD）和轻度认知障碍（MCI）患者长期认知转换方面的早期决策调整的可行性	利用深度学习模型和纵向特征信息的协同优势，初步验证了在认知转换预测方面具有可比较的性能	考虑到本研究中应用的治疗策略多样性有限，应进一步模拟现实世界的医疗情况	测试混合CNN-LSTM模型在早期决策调整中的可行性	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	机器学习	阿尔茨海默病	混合卷积神经网络和长短期记忆模型（CNN-LSTM）	CNN-LSTM	纵向神经心理学相关特征	224名患者
88	2024-08-23	Identifying Prognostic Markers From Clinical, Radiomics, and Deep Learning Imaging Features for Gastric Cancer Survival Prediction 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.725889 PMID:35186707	研究论文	本研究利用机器学习和多模态数据（包括临床变量、放射组学和深度学习提取的CT影像特征）对1061名胃癌患者进行生存预测，以提高胃癌患者的预后和治疗计划。	本研究首次整合临床变量、放射组学和深度学习影像特征，通过Cox比例风险模型进行胃癌生存预测，并分析了不同特征的预测效果。	NA	提高胃癌生存预测的准确性，以改善患者预后和治疗计划。	胃癌患者的生存预测。	机器学习	胃癌	放射组学、深度学习	Cox比例风险模型	临床数据、影像数据	1061名胃癌患者，其中743名用于模型学习，318名用于独立评估。
89	2024-08-23	WEENet: An Intelligent System for Diagnosing COVID-19 and Lung Cancer in IoMT Environments 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.811355 PMID:35186717	研究论文	本文开发了一种基于深度学习的计算高效医学影像框架WEENet，用于从胸部X射线和CT图像中早期诊断COVID-19和肺癌	提出了一种新的深度学习框架WEENet，利用高效的卷积神经网络提取高级特征，并通过分类机制进行COVID-19诊断，性能超越现有最先进方法	NA	开发一种新的深度学习框架，用于从医学影像中有效建模和早期诊断COVID-19	COVID-19和肺癌的早期诊断	计算机视觉	COVID-19	卷积神经网络	CNN	图像	使用了三个基准医学胸部X射线和CT图像数据集
90	2024-08-21	Novel loss functions for ensemble-based medical image classification 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0261307 PMID:34968393	研究论文	本文研究了基于集成学习的医学图像分类中损失函数的优化	提出了改进的损失函数用于多类别分类任务，并通过集成学习提高了分类性能	未提及	分析并选择适合当前分类任务的损失函数	儿科胸片数据集，包括正常图像及细菌性和病毒性肺炎的图像	计算机视觉	NA	深度神经网络	集成模型	图像	未明确提及具体数量
91	2024-08-20	Aging of the Hematopoietic Stem Cell Niche: New Tools to Answer an Old Question 2021, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2021.738204 PMID:34858399	综述	本文综述了骨髓微环境老化对造血干细胞（HSC）功能的影响以及用于研究老化过程中骨髓微环境特定改变的新工具	文章介绍了跨学科方法开发的新技术工具，如特定的小鼠模型、共培养系统、新的三维成像工具、骨块和模拟骨髓系统，以及单细胞测序技术、空间转录组学和人工智能深度学习方法在数据分析和整合中的应用	NA	探讨骨髓微环境老化如何影响造血干细胞，并介绍用于研究老化过程中骨髓微环境特定改变的新工具	造血干细胞（HSC）及其微环境	NA	NA	单细胞测序技术、空间转录组学、人工智能和深度学习	NA	NA	NA
92	2024-08-20	Stability of AI-Enabled Diagnosis of Parkinson's Disease: A Study Targeting Substantia Nigra in Quantitative Susceptibility Mapping Imaging 2021, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2021.760975 PMID:34887722	研究论文	本文研究了基于定量磁敏感图（QSM）成像的帕金森病（PD）诊断算法的稳定性，通过改进卷积神经网络（CNN）模型，提高了诊断算法的精度和鲁棒性	提出了新的'门控池化'操作，并将其与深度学习结合，形成了一个联合图像分割和分类框架，显著提高了诊断准确性	文章未明确提及现有方法的具体局限性	提高帕金森病诊断算法的准确性和稳定性	帕金森病患者和健康对照组的定量磁敏感图成像数据	机器学习	帕金森病	定量磁敏感图（QSM）成像	CNN	图像	未明确提及具体样本数量
93	2024-08-20	Detection of Preventable Fetal Distress During Labor From Scanned Cardiotocogram Tracings Using Deep Learning 2021, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2021.736834 PMID:34926338	研究论文	本文利用深度学习框架，从扫描的电子胎心监测图（EFM）中检测分娩期间可预防的胎儿窘迫，以提高识别早期可预防的胎儿损伤的准确性。	提出了一个深度学习框架，用于训练和检测分娩期间的早期或过去的胎儿损伤，准确率达到94%。	未提及具体限制。	开发一个自动化早期预警和决策支持系统，以在分娩期间维持胎儿健康。	电子胎心监测图（EFM）数据和相关不良结果。	机器学习	NA	深度学习	NA	图像	使用了50年实践中收集的EFM数据
94	2024-08-20	A Multi-Task Deep Learning Method for Detection of Meniscal Tears in MRI Data from the Osteoarthritis Initiative Database 2021, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2021.747217 PMID:34926416	研究论文	本文提出了一种基于卷积神经网络（CNN）的多任务深度学习方法，用于检测磁共振成像（MRI）数据中的半月板撕裂	该方法在多任务深度学习框架中结合了半月板撕裂检测与边界框回归器，使CNN能够隐式考虑半月板的感兴趣区域（RoI）	NA	开发一种高效且准确的方法来检测MRI数据中的半月板撕裂	半月板撕裂的检测，涉及内侧半月板（MM）和外侧半月板（LM）的前角、体部和后角三个解剖子区域	机器学习	骨关节炎	MRI	CNN	MRI扫描数据	2,399个双回波稳态（DESS）MRI扫描数据和中间加权涡轮自旋回波（IW TSE）MRI扫描数据
95	2024-08-19	A Hybrid Method of Covid-19 Patient Detection from Modified CT-Scan/Chest-X-Ray Images Combining Deep Convolutional Neural Network And Two- Dimensional Empirical Mode Decomposition 2021, Computer methods and programs in biomedicine update DOI:10.1016/j.cmpbup.2021.100022 PMID:34337590	研究论文	本文提出了一种结合深度卷积神经网络和二维经验模态分解的混合方法，用于从修改后的CT扫描/胸部X光图像中快速检测Covid-19患者	本文采用二维经验模态分解对CT扫描/胸部X光图像进行预处理，生成不同阶的本征模态函数，然后利用深度卷积神经网络进行特征提取和分类，提供了一种新的图像预处理特征提取视角	NA	开发一种快速且准确的Covid-19检测方法	Covid-19患者的CT扫描和胸部X光图像	计算机视觉	Covid-19	二维经验模态分解（2DEMD）	CNN	图像	三个公开的SARS-CoV-2数据集
96	2024-08-19	Automated Identification of Skull Fractures With Deep Learning: A Comparison Between Object Detection and Segmentation Approach 2021, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2021.687931 PMID:34777193	研究论文	本研究旨在开发一种基于深度学习的系统，用于从颅脑CT扫描中自动识别颅骨骨折	本研究采用了两种深度学习方法（对象检测和分割）来识别颅骨骨折，并比较了它们的性能	研究使用了回顾性数据，且模型性能在测试集上有所波动	开发和验证用于自动识别颅骨骨折的深度学习系统	颅骨骨折的自动识别	计算机视觉	NA	深度学习	YOLOv3, 注意力U-Net	CT扫描图像	4,782名患者（开发集：4,168，测试集：614），以及7,856名健康人
97	2024-08-19	Utilization of Nursing Defect Management Evaluation and Deep Learning in Nursing Process Reengineering Optimization 2021, Computational and mathematical methods in medicine DOI:10.1155/2021/8019385 PMID:34819992	研究论文	本研究探讨了护理缺陷管理评估和深度学习在护理流程再造优化中的应用	本研究通过改进Apriori算法和使用卷积神经网络(CNN)进行数据特征分类，提高了数据处理的效率	NA	旨在优化护理流程，提高长期护理的效果和临床护理质量	护理缺陷管理、护理数据挖掘、护理流程优化	机器学习	NA	卷积神经网络(CNN)	CNN	图像	使用了SVHN数据集进行网络训练
98	2024-08-18	Applying Deep Learning to Accelerated Clinical Brain Magnetic Resonance Imaging for Multiple Sclerosis 2021, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2021.685276 PMID:34646227	研究论文	本文研究了深度学习模型在加速临床脑部磁共振成像（MRI）中恢复多发性硬化症（PwMS）患者图像质量的临床应用	使用深度学习模型生成与传统扫描质量相似的加速扫描图像	统计上显著但差异较小，且未发现关键T1w体积测量与临床相关患者报告结果（PRO）之间的相关性差异	探索深度学习模型在加速临床脑部MRI中恢复图像质量的潜力，以改善多发性硬化症的临床相关结果	多发性硬化症患者的脑部MRI图像质量	机器学习	多发性硬化症	磁共振成像（MRI）	深度学习（DL）模型	图像	使用了部分扫描数据进行模型训练，并对剩余扫描数据进行应用
99	2024-08-18	An Effective Multimodal Image Fusion Method Using MRI and PET for Alzheimer's Disease Diagnosis 2021, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2021.637386 PMID:34713109	research paper	本文提出了一种有效的多模态图像融合方法，通过融合MRI和PET图像来辅助阿尔茨海默病（AD）的诊断	本文创新性地提出了通过注册和掩码编码融合MRI和PET图像的灰质（GM）组织区域，生成新的融合模态“GM-PET”，并使用3D简单卷积神经网络（3D Simple CNN）和3D多尺度CNN进行评估	目前的方法缺乏解释性，无法清晰解释提取信息的特定含义	旨在提高阿尔茨海默病诊断的准确性和解释性	研究对象为阿尔茨海默病患者的MRI和PET图像	computer vision	阿尔茨海默病	NA	CNN	image	实验使用了阿尔茨海默病神经成像倡议（ADNI）数据集
100	2024-08-18	Current Advances and Challenges in Radiomics of Brain Tumors 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.732196 PMID:34722274	review	本文综述了脑肿瘤影像组学的最新进展、应用及面临的挑战	影像组学能够从复杂的临床影像中提取大量定量特征，并将其转化为高维数据，用于挖掘与肿瘤组织学特征的相关性，包括遗传突变、恶性程度、分级、进展、治疗效果及总体生存率	本文进一步讨论了影像组学的当前局限性及未来发展	探讨脑肿瘤影像组学的应用及其在临床诊断中的意义	脑肿瘤的早期检测、监测及治疗效果评估	digital pathology	脑肿瘤	NA	NA	image	NA