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
261	2024-08-28	Clinical Artificial Intelligence Applications: Breast Imaging 2021-Nov, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2021.07.010 PMID:34689871	review	本文简要概述了人工智能在临床乳腺影像学中的发展	随着影像技术的发展，人工智能技术采用了更复杂的算法、更快的计算机和更大的数据集	NA	探讨人工智能在乳腺影像学中的应用	乳腺影像学中的检测、诊断及治疗反应评估任务	computer vision	breast cancer	AI	deep learning	image	NA
262	2024-08-28	BI-RADS-NET: AN EXPLAINABLE MULTITASK LEARNING APPROACH FOR CANCER DIAGNOSIS IN BREAST ULTRASOUND IMAGES 2021-Oct, IEEE International Workshop on Machine Learning for Signal Processing : [proceedings]. IEEE International Workshop on Machine Learning for Signal Processing DOI:10.1109/mlsp52302.2021.9596314 PMID:35509454	研究论文	本文介绍了BI-RADS-Net，一种用于乳腺癌超声图像检测的可解释多任务学习深度学习方法	该方法通过学习与临床诊断相关的特征表示，同时解释和分类乳腺肿瘤，并提供基于形态学特征的预测解释	NA	开发一种可解释的深度学习方法，用于乳腺癌超声图像的癌症检测	乳腺肿瘤的检测和分类	计算机视觉	乳腺癌	深度学习	CNN	图像	1,192张图像
263	2024-08-28	Predict Alzheimer's disease using hippocampus MRI data: a lightweight 3D deep convolutional network model with visual and global shape representations 2021-05-24, Alzheimer's research & therapy DOI:10.1186/s13195-021-00837-0 PMID:34030743	研究论文	本文提出了一种基于海马体MRI数据和全局形状表示的轻量级3D深度卷积网络模型DenseCNN2，用于阿尔茨海默病的分类	DenseCNN2模型结合了海马体分割和全局形状特征，提高了分类性能	NA	开发一种高效的阿尔茨海默病分类诊断工具	阿尔茨海默病患者和正常对照组的海马体MRI数据	机器学习	阿尔茨海默病	MRI	CNN	图像	326名阿尔茨海默病患者和607名正常对照组的海马体MRI数据
264	2024-08-28	High-resolution 3D abdominal segmentation with random patch network fusion 2021-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2020.101894 PMID:33421919	研究论文	本文提出了一种基于随机空间初始化和统计融合的补丁网络，用于高分辨率3D腹部器官分割。	该方法通过随机空间初始化和统计融合在重叠区域的关注点（ROI）上，提高了多器官分割的性能。	NA	研究高分辨率3D腹部器官分割的挑战性问题。	3D腹部器官在高分辨率CT上的分割。	计算机视觉	NA	3D全卷积网络（FCN）	补丁网络	图像	260名受试者
265	2024-08-28	Dental microfracture detection using wavelet features and machine learning 2021-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2580744 PMID:35505894	研究论文	本文提出了一种结合高分辨率锥束计算机断层扫描（CBCT）和机器学习算法来检测牙齿微裂纹的方法	该方法通过使用小波金字塔构造生成相位图像，并利用U-Net深度学习架构定位裂纹的方向和范围，提供了一种新的量化牙齿结构破坏的方法	目前该模型仅在2D切片上进行了验证，未来的工作将扩展到3D体积，并改进特征提取和临床验证	开发一种新的算法来早期检测牙齿微裂纹，以提高治疗效果和牙齿保留时间	研究对象为提取的人类牙齿，包括裂纹牙齿和对照牙齿	机器学习	NA	CBCT	U-Net	图像	22颗裂纹牙齿和14颗对照牙齿
266	2024-08-28	Deep learning-based detection and segmentation of diffusion abnormalities in acute ischemic stroke 2021, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-021-00062-8 PMID:35602200	研究论文	本文开发了一种基于深度学习的工具，用于检测和分割急性缺血性卒中的扩散异常	提出的模型在小型病变中表现优于通用网络和DeepMedic，具有较低的假阳性率、平衡的精确度和敏感性，以及对数据扰动的鲁棒性	NA	开发一种高效的工具，用于检测和分割急性卒中的扩散异常	急性和亚急性缺血性卒中患者的扩散加权MRI图像	计算机视觉	脑血管疾病	深度学习	NA	图像	2,348例临床扩散加权MRI图像，以及280例外部数据集MRI图像
267	2024-08-28	A deep learning framework for drug repurposing via emulating clinical trials on real-world patient data 2021-Jan, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-020-00276-w PMID:35603127	研究论文	本文介绍了一种基于真实世界患者数据模拟临床试验的深度学习框架，用于药物再利用的候选药物生成和测试	该框架结合了因果推断和深度学习方法，模拟随机临床试验，用于大规模医疗索赔数据库中的药物再利用	NA	开发一种高效的、易于定制的框架，用于药物再利用的候选药物生成和测试	冠状动脉疾病患者群体	机器学习	心血管疾病	深度学习	NA	电子健康记录和保险索赔数据	数百万冠状动脉疾病患者
268	2024-08-27	A deep learning-based segmentation pipeline for profiling cellular morphodynamics using multiple types of live cell microscopy 2021-11-22, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2021.100105 PMID:34888542	研究论文	本文介绍了一种基于深度学习的分割流程MARS-Net，用于使用多种活细胞显微镜技术对细胞形态动力学进行定量分析	MARS-Net利用迁移学习和多种显微镜数据，实现了对细胞边缘的高精度定位，相较于仅使用单一显微镜数据集训练的神经网络模型，其边缘定位更为准确	NA	开发一种能够从活细胞成像数据中准确分割细胞边缘并量化细胞形态动力学的方法	细胞边缘的定位和细胞形态动力学的定量分析	计算机视觉	NA	深度学习	U-Net	图像	使用了来自相衬、旋转盘共聚焦和全内反射荧光显微镜的电影数据进行训练
269	2024-08-27	A weakly supervised deep learning approach for label-free imaging flow-cytometry-based blood diagnostics 2021-10-25, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2021.100094 PMID:35474892	研究论文	本文介绍了一种弱监督深度学习方法iCellCnn，用于无需标签的基于成像流式细胞术的血液诊断	iCellCnn能够基于明场成像流式细胞术图像实现Sézary综合征的诊断，且不限于特定疾病的诊断	研究样本量较小，仅包括四名健康捐赠者和五名Sézary综合征患者	开发一种无需手动标记单细胞图像的弱监督深度学习方法，以促进成像流式细胞术在血液疾病诊断中的应用	Sézary综合征的诊断	机器学习	血液疾病	成像流式细胞术	CNN	图像	四名健康捐赠者和五名Sézary综合征患者
270	2024-08-27	End-to-end robust joint unsupervised image alignment and clustering 2021-Oct, Proceedings. IEEE International Conference on Computer Vision DOI:10.1109/iccv48922.2021.00383 PMID:35392630	研究论文	提出了一种名为Jim-Net的多任务模型，能够无监督地同时进行图像对齐和聚类	Jim-Net是首个能够同时进行图像对齐和聚类的端到端模型，显著提高了单独执行每个任务的性能	NA	开发一种能够直接学习图像聚类和对齐的多任务模型	图像对齐和聚类	计算机视觉	NA	NA	Jim-Net	图像	在七个数据集上进行了广泛评估
271	2024-08-27	Convolutional neural networks for high throughput screening of catalyst layer inks for polymer electrolyte fuel cells 2021-Sep-27, RSC advances IF:3.9Q2 DOI:10.1039/d1ra05324h PMID:35495497	研究论文	本文首次应用深度卷积神经网络（ConvNets）于透射电子显微镜图像的高通量筛选催化剂层墨水阶段	首次将深度卷积神经网络应用于催化剂层墨水阶段的透射电子显微镜图像高通量筛选	NA	加速催化剂层设计和制造的进一步进展	聚合物电解质燃料电池的催化剂层墨水	机器学习	NA	深度学习算法	CNN	图像	NA
272	2024-08-27	Transmol: repurposing a language model for molecular generation 2021-Jul-27, RSC advances IF:3.9Q2 DOI:10.1039/d1ra03086h PMID:35479483	研究论文	本文利用自然语言处理中的transformer架构变体Transmol模型，应用于分子生成任务，并展示了其在生成分子库方面的有效性	首次将注意力机制应用于分子生成问题，并开发了一种新的双种子方法，以探索化学空间的未开发区域	NA	探索和改进机器学习在分子生成领域的应用	分子生成和分子库的构建	机器学习	NA	transformer	transformer	分子数据	NA
273	2024-08-27	Deep learning quantified mucus-tumor ratio predicting survival of patients with colorectal cancer using whole-slide images 2021-Mar, Precision clinical medicine IF:5.1Q1 DOI:10.1093/pcmedi/pbab002 PMID:35693123	研究论文	本文利用深度学习技术量化结直肠癌患者的粘液-肿瘤比例，并研究其对患者生存率的预测价值	首次使用深度学习技术量化粘液比例，并探讨其在结直肠癌中的预后价值	NA	量化粘液比例并研究其在结直肠癌患者中的预后价值	结直肠癌患者的粘液-肿瘤比例及其预后影响	数字病理	结直肠癌	深度学习	NA	图像	训练集419例，验证集315例
274	2024-08-26	20-fold Accelerated 7T fMRI Using Referenceless Self-Supervised Deep Learning Reconstruction 2021-11, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC46164.2021.9631107 PMID:34892055	研究论文	本研究利用自监督深度学习重建技术，在5倍SMS和4倍平面加速的7T fMRI数据上实现了20倍加速的高质量图像重建	采用自监督学习方法进行深度学习重建，无需完全采样的训练数据集，显示出与监督学习相似的性能	NA	提高fMRI的空间和时间分辨率，以更准确地解析大脑中的神经活动	7T fMRI数据的高加速重建	计算机视觉	NA	fMRI	深度学习	图像	NA
275	2024-08-26	ICON: Learning Regular Maps Through Inverse Consistency 2021-Oct, Proceedings. IEEE International Conference on Computer Vision DOI:10.1109/iccv48922.2021.00338 PMID:35355618	研究论文	研究如何通过逆一致性损失来学习数据样本之间的正则化映射	提出了一种结合深度网络、逆一致性损失和随机离网格插值的方法，以获得近似微分同胚的空间变换，无需精心调整的显式正则化器	未提及具体限制	探索在计算图像配准时，是否可以通过仅使用逆一致性损失来获得空间正则性	空间变换的正则性	计算机视觉	NA	深度学习	深度网络	图像	未提及具体样本数量
276	2024-08-26	E-Learning Research Trends in Higher Education in Light of COVID-19: A Bibliometric Analysis 2021, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2021.762819 PMID:35308075	研究论文	本文通过对602篇发表在Web of Science数据库中的研究进行文献计量分析，概述了COVID-19期间高等教育领域电子学习的重要概念进展	研究探索了人工智能、机器学习和深度学习等新研究方向在电子学习中的应用	NA	分析COVID-19背景下高等教育领域电子学习的研究趋势	电子学习在高等教育中的应用及其相关研究	自然语言处理	NA	文献计量分析	NA	文本	602篇研究论文
277	2024-08-25	An Internet-of-Medical-Things-Enabled Edge Computing Framework for Tackling COVID-19 2021-Nov-01, IEEE internet of things journal IF:8.2Q1 DOI:10.1109/JIOT.2021.3051080 PMID:35782185	研究论文	本文开发了一个基于互联网医疗物联网（IoMT）的边缘计算框架，利用深度学习（DL）检测多样化的与COVID-19相关的健康症状，并生成用于医疗决策支持的报告和警报。	该研究利用IoMT收集家庭环境中的多样化情感和身体健康数据，并在资源受限的边缘环境中运行先进的深度学习应用，实现了本地化的数据处理和推理，确保了用户隐私、安全性和低延迟。	NA	开发一个边缘IoMT系统，用于在疫情期间管理家庭健康，并通过深度学习检测COVID-19症状。	COVID-19相关的健康症状和家庭环境中的情感及生理状态数据。	机器学习	COVID-19	深度学习（DL）	NA	情感和生理状态数据	NA
278	2024-08-25	Computer Audition for Fighting the SARS-CoV-2 Corona Crisis-Introducing the Multitask Speech Corpus for COVID-19 2021-Nov-01, IEEE internet of things journal IF:8.2Q1 DOI:10.1109/JIOT.2021.3067605 PMID:35782182	研究论文	本文介绍了一个用于COVID-19研究的多任务语音语料库，收集了51名确诊COVID-19患者的自然语音数据，并定义了三个分类任务来评估患者的身体和/或心理状态	提出了一个新颖的多任务语音语料库，用于COVID-19研究，填补了计算机听觉在传染病监测方面的研究空白	NA	利用计算机听觉技术支持COVID-19的预防、诊断、治疗、追踪和管理	COVID-19患者的语音数据及其身体和心理状态	机器学习	COVID-19	计算机听觉	深度学习	语音	51名确诊COVID-19患者
279	2024-08-25	Automatic detection of cotton balls during brain surgery: Where deep learning meets ultrasound imaging to tackle foreign objects 2021-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2580887 PMID:35233128	研究论文	本文研究了使用深度学习和超声成像技术自动检测脑外科手术中棉球的方法	采用3D打印的自定义深度盒和Butterfly IQ手持超声探头，结合YOLOv4算法进行实时物体识别	NA	提高脑外科手术中棉球的检测准确性和速度	棉球在脑外科手术中的检测	计算机视觉	NA	超声成像	YOLOv4	图像	棉球在不同位置和深度下的检测
280	2024-08-25	Deep Learning-Based Mapping of Tumor Infiltrating Lymphocytes in Whole Slide Images of 23 Types of Cancer 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.806603 PMID:35251953	研究论文	本文提出了一种基于深度学习的流程，用于在23种癌症的全切片图像中分类肿瘤浸润淋巴细胞（TILs），并生成TIL图	该研究使用了三种先进的卷积神经网络架构（VGG16、Inception-V4和ResNet-34），并结合了病理学家手动标注和计算机生成的标签进行训练，提高了模型的准确性和F分数	NA	研究肿瘤浸润淋巴细胞作为生物标志物在预测疾病进展和临床结果中的作用	23种不同类型的癌症中的肿瘤浸润淋巴细胞	数字病理学	多种癌症	深度学习	CNN	图像	涉及23种癌症的全切片图像，包括大量训练数据和手动标注的图像块