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
121	2024-08-12	COVID-19 pneumonia on chest X-rays: Performance of a deep learning-based computer-aided detection system 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0252440 PMID:34097708	研究论文	本研究评估了一种基于深度学习的计算机辅助检测系统（CAD）在胸部X光片上识别COVID-19肺炎的性能	首次详细研究了现有CAD系统在胸部X光片上识别COVID-19及其相关肺炎的性能，并展示了CAD系统在资源有限环境下辅助非放射科医生进行诊断的潜力	研究仅使用了商业化的、监管批准的CAD系统，未探讨其他可能的CAD系统的性能	评估CAD系统在胸部X光片上识别COVID-19肺炎的性能，并探讨其在资源有限环境下的应用潜力	COVID-19患者的胸部X光片	计算机视觉	COVID-19	深度学习	NA	图像	来自四个机构的COVID-19阳性患者和来自一个机构的阴性患者的胸部X光片
122	2024-08-12	MRI Evaluation of Complete Response of Locally Advanced Rectal Cancer After Neoadjuvant Therapy: Current Status and Future Trends 2021, Cancer management and research IF:2.5Q3 DOI:10.2147/CMAR.S309252 PMID:34103987	综述	本文综述了磁共振成像（MRI）在评估局部晚期直肠癌新辅助治疗后完全反应中的当前状态和未来趋势	近年来，新的技术如纹理分析、放射组学分析和深度学习在基于MRI参数的评估中显示出巨大潜力	目前基于形态学和功能性MRI的参数仍存在局限性，结果不一致	旨在回顾并更好地理解这些基于MRI的方法在评估直肠癌完全反应中的优势、局限性和未来趋势	局部晚期直肠癌患者新辅助治疗后的完全肿瘤反应评估	NA	直肠癌	磁共振成像（MRI）	NA	影像	NA
123	2024-08-12	An optimized transfer learning-based approach for automatic diagnosis of COVID-19 from chest x-ray images 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.555 PMID:34141886	研究论文	本文介绍了一种基于优化迁移学习的自动诊断COVID-19的方法，通过优化十二种CNN架构的网络超参数，使用胸部X光图像进行COVID-19病例诊断	采用Manta-Ray Foraging Optimization (MRFO)算法优化CNN架构的超参数，提高了分类性能	NA	开发一种快速准确的COVID-19自动诊断方法，以应对检测试剂盒短缺的问题	COVID-19、细菌性肺炎、病毒性肺炎和正常病例的分类	计算机视觉	COVID-19	迁移学习	CNN	图像	从八个不同的公共数据集中收集的数据，用于分类四类病例
124	2024-08-11	Development and Validation of a Nomogram for Preoperative Prediction of Lymph Node Metastasis in Lung Adenocarcinoma Based on Radiomics Signature and Deep Learning Signature 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.585942 PMID:33968715	研究论文	本研究旨在开发和验证一种基于放射组学特征和深度学习特征的诺模图，用于预测肺腺癌患者的术前淋巴结转移情况	本研究结合放射组学特征和深度学习特征，开发了一种新的预测模型，用于术前预测肺腺癌患者的淋巴结转移情况	本研究为回顾性研究，样本量相对较小，可能影响模型的泛化能力	开发和验证一种用于预测肺腺癌患者术前淋巴结转移的诺模图	肺腺癌患者的术前淋巴结转移情况	数字病理学	肺癌	CT（计算机断层扫描）	CNN（卷积神经网络）	图像	训练集200例，内部验证集40例，外部验证集60例
125	2024-08-11	Characterization of time-variant and time-invariant assessment of suicidality on Reddit using C-SSRS 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0250448 PMID:33999927	研究论文	本研究开发深度学习算法，基于C-SSRS评估Reddit数据中的自杀风险，考虑了风险的严重性和时间性	首次同时考虑自杀风险的严重性和时间性，并开发了时间变异和时间不变的深度学习模型进行评估	研究仅限于Reddit平台的数据，且模型性能在预测自杀相关行为和自杀尝试方面仍有提升空间	提高自杀风险评估的准确性，以便及时进行干预	Reddit平台上的自杀相关帖子和用户行为	机器学习	NA	深度学习	CNN	文本	使用基于C-SSRS标注的临床 adjudicated Reddit语料库进行评估
126	2024-08-10	DL-MRI: A Unified Framework of Deep Learning-Based MRI Super Resolution 2021, Journal of healthcare engineering DOI:10.1155/2021/5594649 PMID:33897991	研究论文	本文提出了一种基于深度学习的MRI超分辨率统一框架，将先进的深度学习方法应用于MRI超分辨率	该框架整合了五种具有最佳超分辨率效果的深度学习方法，并构建了一个包含×2、×3和×4尺度的高低分辨率MR图像数据集	NA	旨在提高MRI图像的分辨率，以帮助医生更准确地定位病变和诊断疾病	MRI图像的超分辨率处理	计算机视觉	NA	深度学习	深度学习方法	图像	包含颅骨、膝盖、乳房和头颈部的MR图像数据集
127	2024-08-10	Determinants of Tourism Stocks During the COVID-19: Evidence From the Deep Learning Models 2021, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2021.675801 PMID:33898386	研究论文	本文研究了2018年10月25日至2020年10月21日期间，包括COVID-19时期中国旅游股票回报的决定因素，并提出了基于反向传播神经网络（BPNN）的四种深度学习预测模型	提出了基于量子群智能算法（QSIA）、量子步长果蝇优化算法（QSFOA）、量子粒子群优化算法（QPSO）和量子遗传算法（QGA）的深度学习预测模型	NA	研究旅游股票回报的决定因素，并评估不同深度学习模型的预测准确性	中国旅游股票回报	机器学习	NA	深度学习	反向传播神经网络（BPNN）	股票回报数据	2018年10月25日至2020年10月21日的数据
128	2024-08-10	A Multisite Study of a Breast Density Deep Learning Model for Full-Field Digital Mammography and Synthetic Mammography 2021-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.2020200015 PMID:33937850	研究论文	本研究开发了一个用于全数字化乳腺X线摄影和合成乳腺摄影的BI-RADS乳腺密度深度学习模型，并在多中心环境中进行了评估。	该模型在没有使用合成乳腺摄影图像进行训练的情况下，在两个机构的全数字化乳腺X线摄影和合成乳腺摄影图像上展示了强大的性能，并通过使用少量合成乳腺摄影图像进一步改进。	NA	开发和评估一个用于合成二维乳腺摄影图像的BI-RADS乳腺密度深度学习模型。	全数字化乳腺X线摄影图像和合成乳腺摄影图像。	机器学习	乳腺疾病	深度学习	深度学习模型	图像	57,492名患者，187,627次检查，750,752张图像（站点1，全数字化乳腺X线摄影）；3,842名患者，3,866次检查，14,472张图像（站点1，合成乳腺摄影）；7,557名患者，16,283次检查，63,973张图像（站点2，合成乳腺摄影）。
129	2024-08-09	Using artificial intelligence to assist radiologists in distinguishing COVID-19 from other pulmonary infections 2021, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-200735 PMID:33164982	研究论文	本研究开发了一种基于深度学习算法的AI模型，使用ResUNet网络，评估放射科医生在有无AI辅助下区分COVID-19与其他肺部感染的能力	本研究首次使用ResUNet网络的深度学习模型，显著提高了放射科医生在区分COVID-19与其他肺部感染的准确性和敏感性	研究仅使用了694个病例和111,066张CT扫描图像，样本量可能不足以完全代表所有病例	开发和验证一种AI模型，以提高放射科医生在CT扫描中区分COVID-19与其他肺部感染的能力	COVID-19感染的肺炎患者与其他肺部感染患者	计算机视觉	COVID-19	深度学习算法	ResUNet	图像	694个病例，包括118个COVID-19感染的肺炎病例和576个其他肺部感染病例
130	2024-08-09	Deep Learning in the Detection and Diagnosis of COVID-19 Using Radiology Modalities: A Systematic Review 2021, Journal of healthcare engineering DOI:10.1155/2021/6677314 PMID:33747419	综述	本文通过系统综述方法，探讨了利用深度学习模型在放射学模式下检测和诊断COVID-19的现状	深度学习模型提供了准确且高效的系统，显著提高了敏感性和特异性值	NA	旨在解决COVID-19早期检测和诊断的主要挑战，并提高诊断准确性	COVID-19的放射学图像	机器学习	COVID-19	深度学习	深度学习模型	图像	37篇文章作为研究样本
131	2024-08-09	Comparison of machine learning and deep learning techniques in promoter prediction across diverse species 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.365 PMID:33817015	研究论文	本文比较了机器学习和深度学习技术在不同物种中预测基因启动子的效果	使用频率基础的标记化（FBT）进行数据预处理，减少了输入维度并缩短了训练时间，同时保持了分类的敏感性和特异性	NA	研究机器学习和深度学习模型在基因启动子预测中的应用	酵母、植物和人类的基因组序列	机器学习	NA	一维卷积神经网络（CNN）、长短期记忆（LSTM）和随机森林（RF）分类器	CNN、LSTM、RF	基因组序列	涉及酵母、植物和人类三种不同的真核生物
132	2024-08-08	Artificial Intelligence in Nutrients Science Research: A Review 2021-Jan-22, Nutrients IF:4.8Q1 DOI:10.3390/nu13020322 PMID:33499405	综述	本文分析了人工智能在营养科学研究中的当前应用	探讨了人工智能在食品成分研究、营养素生产和个性化营养支持系统开发中的应用	NA	分析人工智能在营养科学研究中的应用	人工智能在生物医学营养研究、临床营养研究和营养流行病学中的应用	计算机科学	NA	人工智能	人工神经网络 (ANN), 机器学习 (ML), 深度学习 (DL)	文本	399篇文献，最终筛选出55篇
133	2024-08-08	Deep Learning in Head and Neck Tumor Multiomics Diagnosis and Analysis: Review of the Literature 2021, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2021.624820 PMID:33643386	综述	本文综述了深度学习在头颈部肿瘤多组学诊断和分析中的应用	深度学习技术如卷积神经网络（CNN）和其他神经网络在头颈部肿瘤的多组学图像分析中的应用	强调了这些技术的挑战和潜在问题	评估深度学习在头颈部肿瘤早期检测、分类、预后/转移预测及报告签署中的应用	头颈部肿瘤的多组学数据	计算机视觉	头颈部肿瘤	深度学习（DL）	卷积神经网络（CNN）	图像	NA
134	2024-08-07	Disease Concept-Embedding Based on the Self-Supervised Method for Medical Information Extraction from Electronic Health Records and Disease Retrieval: Algorithm Development and Validation Study 2021-01-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/25113 PMID:33502324	研究论文	本研究开发并验证了一种基于自监督方法的疾病概念嵌入模型，用于从电子健康记录中提取医疗信息并进行疾病检索	提出了一种基于Transformer的模型，结合BERT和对比学习方法（DIM和SimCLR）进行疾病概念的无监督嵌入	使用较小的数据集或较少的无监督预训练方法会降低预测性能	创建一个模型从电子健康记录中提取概念嵌入，用于疾病模式检索和进一步分类任务	从电子健康记录中提取医疗信息并进行疾病检索	自然语言处理	NA	Transformer, BERT, DIM, SimCLR	Transformer	文本	1,040,989次急诊部门访问和305,897个样本
135	2024-08-07	Integrating deep learning CT-scan model, biological and clinical variables to predict severity of COVID-19 patients 2021-01-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-20657-4 PMID:33504775	研究论文	本文通过整合深度学习CT扫描模型、生物学和临床变量来预测COVID-19患者的严重程度	构建了包含深度学习模型和五个临床生物学变量的多模态AI严重程度评分，显著提高了预测性能	深度学习模型提供的预后信息与其他严重程度标志物相关，导致AUC增加有限	识别COVID-19疾病严重程度的预测因子	COVID-19患者	机器学习	COVID-19	深度学习	神经网络	CT扫描图像	1003名冠状病毒感染患者
136	2024-08-07	Prediction of Alzheimer's disease-specific phospholipase c gamma-1 SNV by deep learning-based approach for high-throughput screening 2021-01-19, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2011250118 PMID:33397809	研究论文	本研究利用全基因组关联研究（GWAS）和基于深度学习的剪接预测工具，发现阿尔茨海默病（AD）特异性的单核苷酸变异（SNV）及磷脂酶c gamma-1基因的异常剪接	本研究结合计算和深度学习分析，首次预测了与AD相关的关键SNV，并展示了其在AD预测中的临床应用潜力	NA	旨在发现阿尔茨海默病特异性的单核苷酸变异及其对基因剪接的影响	阿尔茨海默病特异性的单核苷酸变异和磷脂酶c gamma-1基因的异常剪接	机器学习	阿尔茨海默病	全基因组关联研究（GWAS）	深度学习	基因序列	使用AD小鼠模型和人类基因序列进行训练和预测
137	2024-08-07	Assessing the Role of Pericardial Fat as a Biomarker Connected to Coronary Calcification-A Deep Learning Based Approach Using Fully Automated Body Composition Analysis 2021-Jan-19, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10020356 PMID:33477874	研究论文	本研究使用深度学习方法，通过全自动体成分分析评估心包脂肪作为冠状动脉钙化的生物标志物的角色	本研究首次证明了全自动脂肪组织分析在临床心脏CT中的可行性，并在大规模临床队列中确认了EAT和PAT的体积和密度与CACS无相关性	研究结果显示EAT和PAT的体积和密度与CACS无显著相关性，但未达到男性患者EAT衰减的显著性水平	探索全自动EAT和PAT量化在心血管风险分层中的潜在应用	966名具有中等Framingham风险评分的冠状动脉疾病患者	数字病理学	心血管疾病	深度学习	深度学习网络	CT图像	966名患者
138	2024-08-07	Cascaded deep transfer learning on thoracic CT in COVID-19 patients treated with steroids 2021-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.8.S1.014501 PMID:33415179	研究论文	本文开发了一种机器智能方法，利用级联深度迁移学习从胸部CT扫描中提取特征，以辅助管理接受激素治疗的COVID-19患者	采用级联迁移学习方法，通过微调VGG19网络从胸部CT切片中提取量化特征，并使用支持向量机区分是否需要激素治疗的患者	NA	开发一种机器智能方法，用于辅助管理接受激素治疗的COVID-19患者	COVID-19患者接受激素治疗的胸部CT扫描	计算机视觉	COVID-19	迁移学习	VGG19网络	CT扫描图像	NA
139	2024-08-07	Deep-learning based multi-modal retinal image registration for the longitudinal analysis of patients with age-related macular degeneration 2021-Jan-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.408573 PMID:33520392	研究论文	本研究报告了一种基于深度学习的注册算法，用于对来自纵向临床研究的多模态视网膜图像进行对齐，以实现对大规模临床数据中结构变化分析所需的准确性和鲁棒性	提出的深度学习方法在所有模态中实现了优越的整体性能，没有出现传统方法中的重大失败，并且在多模态注册中表现出更好的鲁棒性	深度学习方法在单模态纵向注册中的平均误差略高于传统特征点方法	开发一种能够准确且鲁棒地对齐多模态视网膜图像的深度学习算法，以促进对视网膜疾病进展的详细研究	多模态视网膜图像的注册	计算机视觉	年龄相关性黄斑变性	深度学习	CNN	图像	大规模临床数据
140	2024-08-07	Acoustic and Language Based Deep Learning Approaches for Alzheimer's Dementia Detection From Spontaneous Speech 2021, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2021.623607 PMID:33613269	研究论文	本文通过重新实现使用CNN-LSTM架构的自然语言处理方法，并设计了一种端到端的深度学习解决方案，用于从患者的自发言语中进行阿尔茨海默病痴呆的二元分类	提出了一种结合声学特征的深度学习方法Speech-GRU，提高了分类准确率，并探讨了双模态方法在阿尔茨海默病分类中的应用	现有模型在ADReSS数据集上的准确率仅为72.92%，低于在DementiaBank数据集上的表现	早期检测阿尔茨海默病痴呆	从自发言语中检测阿尔茨海默病痴呆	自然语言处理	阿尔茨海默病	CNN-LSTM架构	CNN-LSTM, Speech-GRU	自发言语	使用ADReSS数据集