深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
321	2024-09-05	Generating High-Quality Lymph Node Clinical Target Volumes for Head and Neck Cancer Radiation Therapy Using a Fully Automated Deep Learning-Based Approach 2021-03-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2020.10.005 PMID:33068690	研究论文	本文开发了一种基于深度学习的全自动方法，用于生成头颈部癌症放疗的高质量淋巴结临床目标体积（CTV）轮廓。	该研究首次实现了全自动的深度学习方法来描绘头颈部癌症患者的淋巴结CTV，提高了放疗计划的自动化程度。	研究中使用的模型需要进一步优化，以减少对医生编辑的依赖，并提高不同医生间的评分一致性。	开发一种全自动的深度学习模型，用于生成头颈部癌症放疗的高质量淋巴结CTV轮廓。	头颈部癌症患者的淋巴结CTV轮廓。	计算机视觉	头颈部癌症	计算机断层扫描（CT）	U-Net	图像	71名头颈部癌症患者的CT扫描数据，其中51名用于训练，10名用于交叉验证，10名用于测试，另外32名用于最终模型验证。	NA	NA	NA	NA
322	2024-09-04	2D-to-3D image translation of complex nanoporous volumes using generative networks 2021-10-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-00080-5 PMID:34675247	研究论文	本文介绍了一种使用生成网络将复杂纳米多孔体积的2D图像转换为3D图像的深度学习模型	引入了正则化方法改进从2D到2D深度学习图像模型的3D体积生成，并应用于将3D TXM体积转换为FIB-SEM保真度	仅限于使用2D配对训练数据进行图像转换	研究地质多孔介质在纳米尺度上的图像表征，并理解与能源和可持续发展技术相关的储层中的反应性传输机制	纳米多孔体积的2D到3D图像转换	计算机视觉	NA	深度学习图像翻译模型	生成网络	图像	未具体说明样本数量	NA	NA	NA	NA
323	2024-09-04	Deep learning-based prediction of the T cell receptor-antigen binding specificity 2021-Oct, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-021-00383-2 PMID:36003885	研究论文	本文构建了一个基于迁移学习的模型pMTnet，用于预测新抗原与T细胞受体（TCR）的结合特异性，并通过分析验证了其优越性	pMTnet模型在预测TCR-新抗原/抗原配对方面取得了显著进展，能够仅使用TCR序列、抗原序列和I类MHC等位基因进行准确预测	NA	研究T细胞受体与新抗原或抗原的结合特异性，并探索其在肿瘤免疫治疗中的应用	T细胞受体（TCR）与新抗原或抗原的结合特异性	机器学习	肾癌, 黑色素瘤, 肺癌	迁移学习	pMTnet	序列数据	涉及人类肿瘤基因组数据，具体样本数量未详述	NA	NA	NA	NA
324	2024-09-04	[Research progress and application of retention time prediction method based on deep learning] 2021-Mar, Se pu = Chinese journal of chromatography DOI:10.3724/SP.J.1123.2020.08015 PMID:34227303	研究论文	本文综述了基于深度学习的保留时间预测方法及其在蛋白质组学中的应用进展	引入深度学习技术进行保留时间预测，通过迁移学习提高模型在不同色谱条件下的适用性，并生成伪光谱库以克服传统方法的局限	对于复杂修饰如糖基化的预测仍存在不足	探讨深度学习在保留时间预测及其相关应用中的研究进展和未来发展方向	蛋白质组学中的肽段保留时间预测	机器学习	NA	深度学习	深度神经网络	序列数据	NA	NA	NA	NA	NA
325	2024-09-04	Compressible Latent-Space Invertible Networks for Generative Model-Constrained Image Reconstruction 2021, IEEE transactions on computational imaging IF:4.2Q2 DOI:10.1109/tci.2021.3049648 PMID:35989942	研究论文	本文提出了一种基于可压缩潜在空间可逆网络的图像重建框架，用于从欠采样测量中重建图像	引入了一种新的正则化策略，利用某些可逆神经网络的多尺度架构，提高了重建性能	NA	开发能够从欠采样测量中生成诊断有用图像的图像重建方法	磁共振成像（MRI）中的图像重建	计算机视觉	NA	可逆神经网络	GAN	图像	NA	NA	NA	NA	NA
326	2024-09-02	Applications of artificial intelligence in the thorax: a narrative review focusing on thoracic radiology 2021-Dec, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-21-1342 PMID:35070379	综述	本文综述了人工智能，特别是深度学习，在胸腔放射学中的应用，包括工作列表优先级和患者分诊、作为第二读者的AI性能提升以及AI在复杂量化中的应用	介绍了AI在资源有限环境下的结核病筛查、筛查CT中的肺癌检测以及COVID-19诊断等近期应用实例	尚未确定基于AI的图像分析系统如何在临床实践中帮助医生	探讨AI如何补充当前医疗系统的各个方面，并介绍其在胸腔疾病中的应用	胸腔疾病，特别是胸腔放射学领域	计算机视觉	肺疾病	深度学习	NA	图像	NA	NA	NA	NA	NA
327	2024-09-02	Automatic segmentation of lung tumors on CT images based on a 2D & 3D hybrid convolutional neural network 2021-Oct-01, The British journal of radiology DOI:10.1259/bjr.20210038 PMID:34347535	研究论文	本文介绍了一种基于深度学习的自动肿瘤分割网络，用于在CT图像上进行肺癌肿瘤的自动分割	本文提出了一种结合2D CNN和3D CNN的混合卷积神经网络，用于自动肺肿瘤分割，并展示了其在评估指标上优于单独的3D CNN和2D CNN	较大的GTV在Dice指标上表现较好，但在肿瘤边界划分上不稳定	开发一种稳定且准确的自动肿瘤描绘方法，以促进肺癌放疗过程的智能化设计	肺肿瘤在CT图像上的自动分割	计算机视觉	肺癌	卷积神经网络（CNN）	混合CNN（结合2D CNN和3D CNN）	CT图像	260例	NA	NA	NA	NA
328	2024-09-02	Metrics of sleep apnea severity: beyond the apnea-hypopnea index 2021-07-09, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsab030 PMID:33693939	review	本文回顾了阻塞性睡眠呼吸暂停（OSA）严重程度的评估指标，特别是对睡眠呼吸暂停低通气指数（AHI）及其替代指标的探讨	探讨了替代AHI的多种指标，如低氧负担、唤醒强度、优势比乘积和心肺耦合等，并提出了未来研究方向，包括遗传学、血液生物标志物、机器/深度学习和可穿戴技术	AHI作为评估OSA严重程度的指标虽广泛研究但存在局限性	探讨OSA严重程度的最佳评估指标及其对治疗的潜在反应	阻塞性睡眠呼吸暂停的严重程度评估及其治疗反应	NA	阻塞性睡眠呼吸暂停	NA	NA	NA	NA	NA	NA	NA	NA
329	2024-09-02	DEEPMIR: a deep neural network for differential detection of cerebral microbleeds and iron deposits in MRI 2021-07-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-93427-x PMID:34238951	研究论文	本文开发了一种基于深度学习的分割方法，用于在MRI中区分脑微出血和铁沉积	采用深度卷积神经网络（CNN）和U-Net模型，结合多模态MRI数据（特别是QSM），提高了脑微出血和非出血性铁沉积的检测敏感性和精确度	研究样本仅为24名参与者，可能影响结果的普遍性	开发一种能够自动检测脑微出血和铁沉积的深度学习方法	脑微出血和非出血性铁沉积	机器学习	NA	MRI	CNN	图像	24名参与者	NA	NA	NA	NA
330	2024-09-02	Shared decision-making and maternity care in the deep learning age: Acknowledging and overcoming inherited defeaters 2021-Jun, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.13515 PMID:33188540	研究论文	本文探讨了人工智能在产科护理中应用时面临的哲学和实践问题，特别是知识论和伦理问题，并提出了一个共享决策框架来解决这些问题。	作者扩展了一个现有的共享决策框架，并将其应用于人工智能在产科护理中的应用，特别是机器学习和深度学习技术在电子胎儿监测中的应用。	文章指出，尽管当前或未来的人工智能增强的电子胎儿监测可能对临床医生施加知识论义务，但这些义务可能被继承的反驳者所覆盖，这表明对客户知识的责任延伸到任何临床医生（或其他人）参与生成用于共享决策系统的训练数据的情况。	研究目的是探讨人工智能在产科护理中的应用，特别是机器学习和深度学习技术在电子胎儿监测中的应用，并解决由此产生的哲学和实践问题。	研究对象是人工智能在产科护理中的应用，特别是机器学习和深度学习技术在电子胎儿监测中的应用。	机器学习	NA	深度学习	NA	数据	NA	NA	NA	NA	NA
331	2024-09-02	Can peritumoral regions increase the efficiency of machine-learning prediction of pathological invasiveness in lung adenocarcinoma manifesting as ground-glass nodules? 2021-Mar, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-20-2981 PMID:33841926	研究论文	本研究探讨了基于CT图像的深度学习模型在预测肺腺癌表现为磨玻璃结节（GGNs）的病理侵袭性中的价值和应用	使用包含肿瘤周围区域的GPTV模型比仅使用GTV的模型在预测GGN侵袭性方面更有效	NA	探索肿瘤及肿瘤周围区域的CT图像深度学习模型在预测磨玻璃结节侵袭性中的价值和应用	622名患者的687个肺部磨玻璃结节	机器学习	肺腺癌	3D DenseNet	DenseNet	CT图像	622名患者，共687个肺部磨玻璃结节	NA	NA	NA	NA
332	2024-09-02	Towards the sustainable development of smart cities through mass video surveillance: A response to the COVID-19 pandemic 2021-Jan, Sustainable cities and society IF:10.5Q1 DOI:10.1016/j.scs.2020.102582 PMID:33178557	研究论文	本文提出了一种基于深度学习的智能城市可持续发展框架，通过大规模视频监控系统应对COVID-19疫情，实现人群社交距离监控	开发了一种能够监控和执行人群社交距离的主动监控系统，有效减缓病毒传播	COVID-19疫情揭示了现有智能城市部署的局限性	开发能够提供快速有效机制以限制病毒进一步传播的系统和架构	智能城市的可持续发展及通过视频监控应对COVID-19疫情	计算机视觉	NA	深度学习	CNN	视频	使用了一个真实世界的视频监控数据集进行系统性能验证	NA	NA	NA	NA
333	2024-09-01	Trustworthy and Intelligent COVID-19 Diagnostic IoMT Through XR and Deep-Learning-Based Clinic Data Access 2021-Nov-01, IEEE internet of things journal IF:8.2Q1 DOI:10.1109/JIOT.2021.3055804 PMID:35782175	研究论文	本文介绍了一种基于扩展现实（XR）和深度学习的互联网医疗物联网（IoMT）解决方案，用于COVID-19远程诊断，结合虚拟现实/增强现实（AR）远程手术规划/演练硬件、定制的5G云计算和深度学习算法，提供实时COVID-19治疗方案线索	与现有的感知治疗技术相比，该新技术能显著提高性能和安全性。采用了一种新颖的辅助分类器生成对抗网络（AC-GAN）的智能预测算法，并使用Copycat网络进行模型窃取和攻击，以提高IoMT的安全性能	NA	开发一种新的COVID-19诊断集成框架，并探索XR和深度学习在IoMT实施中的集成	COVID-19患者	机器学习	COVID-19	5G传输	辅助分类器生成对抗网络（AC-GAN）	临床数据	347名阳性COVID-19患者和2270名阴性COVID-19患者	NA	NA	NA	NA
334	2024-09-01	SrvfNet: A Generative Network for Unsupervised Multiple Diffeomorphic Functional Alignment 2021-Jun, Conference on Computer Vision and Pattern Recognition Workshops. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Workshops DOI:10.1109/cvprw53098.2021.00505 PMID:35794879	研究论文	本文介绍了一种名为SrvfNet的生成式深度学习框架，用于对包含平方根速度函数（SRVF）的大量功能数据进行联合多重微分同胚对齐	该框架是完全无监督的，不仅能对预定义模板进行对齐，还能从数据中联合预测最优模板并同时实现对齐	NA	开发一种新的深度学习框架，用于功能数据的无监督多重微分同胚对齐	功能数据，特别是包含平方根速度函数的集合	机器学习	NA	深度学习	生成式编码器-解码器架构	功能数据	涉及合成数据和磁共振成像（MRI）数据中的扩散轮廓	NA	NA	NA	NA
335	2024-09-01	Shedding Light on the Black Box: Explaining Deep Neural Network Prediction of Clinical Outcomes 2021-Jan-04, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-020-01701-8 PMID:33404886	研究论文	本研究开发了一种深度神经网络模型，用于预测心血管手术后的临床结果，并引入了一种新的解释方法，通过定义影响分数来关联临床观察与结果	本研究引入了影响分数这一新解释方法，有助于揭示深度神经网络模型的预测机制	影响分数与逻辑回归模型的对数优势比之间的相关性仅为中等，可能限制了其解释的准确性	旨在解释深度神经网络模型在临床结果预测中的应用，并提高其可解释性	心血管手术后的临床结果	机器学习	心血管疾病	深度神经网络	深度神经网络模型	图像	使用过往病史的时间图像表示作为输入，具体样本数量未提及	NA	NA	NA	NA
336	2024-08-31	Motion Extraction of the Right Ventricle from 4D Cardiac Cine MRI Using A Deep Learning-Based Deformable Registration Framework 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/EMBC46164.2021.9630586 PMID:34892062	研究论文	本文描述了一种基于深度学习的可变形配准框架，用于从4D心脏电影MRI中提取右心室的动态模型，并评估其功能。	提出了一种结合CondenseUNet和深度学习可变形网络的方法，用于生成右心室的动态模型。	仅在ACDC数据集上进行了训练和测试，可能需要进一步验证其在其他数据集上的性能。	开发动态的、特定于患者的右心室模型，用于评估右心室功能。	正常受试者和异常右心室患者的右心室模型。	数字病理学	心血管疾病	MRI	CondenseUNet	图像	150例心脏MRI患者数据	NA	NA	NA	NA
337	2024-08-31	Towards Real-time pose estimation of the Mitral Valve Robot under C-arm X-ray Fluoroscopy 2021-Nov, IEEE transactions on medical robotics and bionics IF:3.4Q2 DOI:10.1109/tmrb.2021.3122351 PMID:35756715	research paper	本文讨论了使用C臂荧光透视下实时跟踪夹子位置和方向的算法，以实现二尖瓣机器人的精确定位	提出了一种深度学习语义分割框架来定位夹子的位置，并通过等效椭圆算法和SVM分类器计算其弯曲和旋转角度	弯曲角度计算的平均误差为7.7°，旋转角度分类的准确率为76%	开发一种用于治疗二尖瓣反流（MR）的机器人，实现夹子对瓣叶的精确导航	二尖瓣机器人的定位和导航	computer vision	心血管疾病	C-arm fluoroscopy	CNN	image	NA	NA	NA	NA	NA
338	2024-08-31	A Coarse-to-Fine Framework for Automated Knee Bone and Cartilage Segmentation Data from the Osteoarthritis Initiative 2021-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-021-00464-z PMID:34031789	研究论文	本文开发了一种基于深度学习的粗到细方法，用于自动分割膝关节骨、软骨和半月板，具有高计算效率	提出了一个基于深度学习的粗到细框架，用于自动分割膝关节骨和软骨，提高了分割的准确性和效率	NA	开发一种自动化的方法来分割膝关节骨和软骨，以便于量化分析OA图像	膝关节骨、软骨和半月板的自动分割	计算机视觉	骨关节炎	深度学习	NA	图像	507个MR体积（81,120个切片）	NA	NA	NA	NA
339	2024-08-31	Abnormal lung quantification in chest CT images of COVID-19 patients with deep learning and its application to severity prediction 2021-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.14609 PMID:33225476	研究论文	本研究开发了一种基于深度学习的方法，用于自动分割和量化COVID-19患者的胸部CT扫描中的感染区域，并应用于病情严重程度预测	首次开发了一种基于深度学习的系统，能够自动分割和量化COVID-19患者的胸部CT扫描中的感染区域，并用于病情严重程度预测	需要进一步验证该系统在更大规模数据集上的性能，并考虑其在不同医疗环境中的适用性	开发一种自动化的工具，用于在临床实践中对COVID-19患者的胸部CT扫描进行定量评估，特别是用于病情严重程度预测	COVID-19患者的胸部CT扫描图像	计算机视觉	COVID-19	深度学习	VB-Net神经网络	CT扫描图像	训练集包含249名COVID-19患者的CT扫描，验证集包含300名COVID-19患者的CT扫描	NA	NA	NA	NA
340	2024-08-31	Shallow Convolutional Neural Network for COVID-19 Outbreak Screening Using Chest X-rays 2021-Feb-05, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-020-09775-9 PMID:33564340	研究论文	本文提出了一种轻量级的浅层卷积神经网络（CNN）架构，用于通过胸部X光片自动检测COVID-19阳性病例	该浅层CNN架构设计参数较少，相比其他深度学习模型更高效，且在实验中达到了99.69%的最高准确率和1.0的敏感度	NA	开发一种计算效率高的AI工具，用于通过胸部X光片大规模筛查COVID-19阳性病例	COVID-19阳性病例和非COVID-19病例的胸部X光片	计算机视觉	COVID-19	卷积神经网络（CNN）	CNN	图像	321张COVID-19阳性胸部X光片和5856张非COVID-19病例胸部X光片	NA	NA	NA	NA