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
141	2024-08-05	Harnessing clinical annotations to improve deep learning performance in prostate segmentation 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0253829 PMID:34170972	研究论文	本文评估了使用临床生成的标注来开发高性能前列腺分割模型的有效性	首次展示了未经精炼的临床前列腺标注在其他前列腺分割任务中的模板模型应用显著提升了性能	研究仅限于特定的前列腺数据集，未探索其他类型的肿瘤或疾病数据	提高前列腺图像分割的模型性能	针对前列腺图像的分割任务	计算机视觉	前列腺癌	3D U-Net卷积神经网络 (CNN)	CNN	图像	1620个来自临床的分割标注和两个挑战数据集 (PROMISE12: 50位患者, ProstateX-2: 99位患者)
142	2024-08-05	An Artificial Intelligence-Assisted Method for Dementia Detection Using Images from the Clock Drawing Test 2021, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-210299 PMID:34334396	研究论文	本文提出了一种基于时钟绘制测试图像的人工智能辅助痴呆检测方法	创新点在于利用深度学习分析时钟绘制测试图像来预测痴呆状态	尚需进一步验证模型的有效性和可推广性	评估机器学习模型是否可以通过时钟绘制测试图像预测轻度认知障碍或痴呆	研究对象包括3263名认知正常和160名认知受损的参与者	计算机视觉	老年痴呆	深度学习算法	NA	图像	3263名认知正常和160名认知受损的参与者
143	2024-08-05	Propensity score synthetic augmentation matching using generative adversarial networks (PSSAM-GAN) 2021, Computer methods and programs in biomedicine update DOI:10.1016/j.cmpbup.2021.100020 PMID:34386786	研究论文	本文提出了一种新的深度学习方法PSSAM-GAN，旨在通过生成合成匹配来保持样本大小。	PSSAM-GAN提供了一种无需IPW的方法，通过生成合成匹配来平衡数据集，从而克服传统方法的局限性。	未提及具体的局限性	开发一个可用于治疗效果估计的深度学习方法。	本研究的对象包括半合成和真实世界的观察数据。	机器学习	NA	生成对抗网络（GAN）	深度学习模型	观察数据	使用半合成和真实世界数据集进行实验，具体样本量未说明
144	2024-08-05	Deep Metric Learning for Cervical Image Classification 2021, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2021.3069346 PMID:34178558	研究论文	本文提出了一种基于深度度量学习的宫颈癌前病变检测方法	引入了一种不需要标记宫颈边界的新方法，利用深度度量学习处理数据稀缺和类别不平衡问题	没有提到使用数据增强技术的局限性	旨在改善对宫颈癌前病变的检测效果	使用宫颈图像来进行癌前病变的自动视觉评估	计算机视觉	宫颈癌	深度学习	深度卷积神经网络	图像	NA
145	2024-08-07	Big behavior: challenges and opportunities in a new era of deep behavior profiling 2021-01, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-020-0751-7 PMID:32599604	综述	本文综述了在机器视觉和深度学习时代，行为分析领域的最新发展和面临的挑战	介绍了能够提取和量化大量行为变量的新技术，以及将行为分解为更小单位的能力	行为神经生态学领域方法尚未统一，算法在实验室间转移效果不佳，缺乏基准实验和大型注释行为数据集	旨在强调行为分析领域最新发展的潜力，并试图在数据收集和共享方面达成共识	啮齿动物行为评估	神经科学	NA	机器视觉, 深度学习	NA	行为数据	NA
146	2024-08-07	Deep learning for small and big data in psychiatry 2021-01, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-020-0767-z PMID:32668442	review	本文综述了深度学习在精神病学中处理小样本和大样本数据的应用	探讨了深度学习算法在处理复杂预测映射方面的优势，以及如何优化其在精神病学神经科学中的应用	深度学习算法需要大量样本进行模型参数推断，这与当前精神病学研究中样本量较小的现状存在矛盾	旨在全面概述如何在精神病学中使用深度学习模型进行预测	精神病学中的小样本和大样本数据	machine learning	psychiatric disorder	deep learning	NA	NA	当前精神病学研究中的样本量小于10,000，且目标是个体层面的治疗预测（n=1）
147	2024-08-07	Data Homogeneity Effect in Deep Learning-Based Prediction of Type 1 Diabetic Retinopathy 2021, Journal of diabetes research IF:3.6Q2 DOI:10.1155/2021/2751695 PMID:35071603	研究论文	本研究旨在评估一个基于深度迁移学习的模型，该模型使用高变异性且以2型糖尿病为主的Kaggle数据集进行训练，并比较其在1型糖尿病患者中的模型性能	研究了数据同质性对基于深度学习的糖尿病视网膜病变预测模型的影响	模型在错误预测图像中，由于伪影和低图像质量影响了性能	评估和比较基于深度迁移学习的糖尿病视网膜病变识别模型在1型糖尿病患者中的性能	糖尿病视网膜病变识别模型在1型糖尿病患者中的应用	机器学习	糖尿病	深度迁移学习	卷积神经网络（Inception-V3, DenseNet-121, VGG1, Xception）	图像	Kaggle数据集和1型糖尿病患者的视网膜眼底图像数据集，分别用于训练和测试
148	2024-08-07	Using Satellite Images and Deep Learning to Identify Associations Between County-Level Mortality and Residential Neighborhood Features Proximal to Schools: A Cross-Sectional Study 2021, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2021.766707 PMID:34805078	研究论文	本研究使用卫星图像和卷积神经网络来识别县域死亡率与学校周边住宅区特征之间的关联	首次利用卫星图像和深度学习技术评估美国各县粗死亡率与学习图像特征之间的关系	研究主要依赖于与人口统计信息相关的特征，未来模型需直接识别与健康相关结果的图像特征	探讨美国县域死亡率是否能通过卫星图像预测	美国430个县的学校周边住宅区卫星图像及其对应的死亡率	计算机视觉	NA	卷积神经网络	CNN	图像	430个县，代表约68.9%的美国人口
149	2024-08-07	Automatic Assignment of Radiology Examination Protocols Using Pre-trained Language Models with Knowledge Distillation 2021, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:35308920	研究论文	本文提出了一种使用预训练语言模型和知识蒸馏技术的深度学习方法，用于自动分配计算机断层扫描检查的放射学检查协议	采用知识蒸馏技术处理检查协议间的高度数据不平衡，并通过数据增强技术提升少数类别的性能	NA	开发一种自动分配放射学检查协议的方法，以减少重复且耗时的过程	计算机断层扫描检查的放射学检查协议	自然语言处理	NA	知识蒸馏	BERT	文本	NA
150	2024-08-07	Alteration of the corpus callosum in patients with Alzheimer's disease: Deep learning-based assessment 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0259051 PMID:34941878	研究论文	本研究利用深度学习技术评估阿尔茨海默病患者胼胝体的变化	使用基于U-net架构的卷积神经网络进行胼胝体的精确分割和分析	NA	研究阿尔茨海默病患者胼胝体的变化及其与认知功能的关系	阿尔茨海默病患者的胼胝体	计算机视觉	阿尔茨海默病	深度学习技术	卷积神经网络	MRI图像	94名正常对照组，56名轻度痴呆组，17名中度痴呆组