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
361	2024-08-22	Wheat physiology predictor: predicting physiological traits in wheat from hyperspectral reflectance measurements using deep learning 2021-Oct-19, Plant methods IF:4.7Q1 DOI:10.1186/s13007-021-00806-6 PMID:34666801	研究论文	本文比较了偏最小二乘回归（PLSR）与多种深度学习方法及集成模型在预测小麦叶片光合作用及相关性状方面的准确性	提出的深度学习及集成模型能灵活应用于不同光谱范围，且不显著影响准确性，无需昂贵的高成本叶片光谱仪	NA	提高小麦叶片光合作用及相关性状的预测准确性	小麦叶片的光合作用及相关性状	机器学习	NA	深度学习	集成模型	光谱数据	使用先前发表的数据集进行训练和测试
362	2024-08-21	Classification of Clinically Significant Prostate Cancer on Multi-Parametric MRI: A Validation Study Comparing Deep Learning and Radiomics 2021-Dec-21, Cancers IF:4.5Q1 DOI:10.3390/cancers14010012 PMID:35008177	研究论文	本研究旨在通过多参数磁共振成像（mpMRI）比较深度学习和放射组学模型在临床显著性前列腺癌（PCa）分类中的性能	本研究首次在不同中心和不同扫描仪的数据集上比较了深度学习和放射组学模型的性能	研究仅限于四个数据集，可能需要更多数据集以进一步验证模型的泛化能力	比较深度学习和放射组学模型在临床显著性前列腺癌诊断中的性能	临床显著性前列腺癌的分类	机器学习	前列腺癌	多参数磁共振成像（mpMRI）	深度学习模型和放射组学模型	医学影像	共包含371名患者的数据集，以及两个外部数据集（195名患者和79名患者）
363	2024-08-21	A Deep Learning Ensemble Approach for Automated COVID-19 Detection from Chest CT Images 2021-Dec-20, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10245982 PMID:34945278	研究论文	本研究旨在评估基于迁移学习技术的自动化COVID-19检测方法，该方法利用胸部CT图像进行检测	采用卷积神经网络（CNN）作为特征提取器，并结合信息增益过滤器选择特征，最终通过多数投票方法进行分类	NA	评估自动化COVID-19检测方法的性能	胸部CT图像	计算机视觉	COVID-19	迁移学习	CNN	图像	4171张CT扫描图像，来自210名不同患者
364	2024-08-21	Moving beyond the Slit-Lamp Gonioscopy: Challenges and Future Opportunities 2021-Dec-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11122279 PMID:34943516	综述	本文综述了裂隙灯前房角镜检查的局限性以及新型数字前房角镜GS-1的优势和潜在应用	介绍了新型数字前房角镜GS-1，该设备允许半自动的环形记录前房角的真实彩色照片，并探讨了其在远程医疗、虚拟诊所和深度学习自动分类中的潜在应用	裂隙灯前房角镜检查存在学习曲线陡峭、检查者间一致性差和记录不良的缺点	探讨裂隙灯前房角镜检查的挑战和未来机遇	前房角及其在青光眼诊断和治疗中的应用	NA	青光眼	NA	NA	图像	NA
365	2024-08-21	Unseen Artificial Intelligence-Deep Learning Paradigm for Segmentation of Low Atherosclerotic Plaque in Carotid Ultrasound: A Multicenter Cardiovascular Study 2021-Dec-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11122257 PMID:34943494	研究论文	本文研究了一种新的深度学习方法，用于在多中心心血管研究中分割颈动脉超声中的低斑块，该方法在不同种族群体中进行训练和测试。	首次采用“未见人工智能”范式，即在不同种族群体中进行训练和测试，以验证深度学习模型的通用性。	研究仅限于颈动脉超声图像的分割，且样本来自两个特定的种族群体。	验证深度学习模型在不同种族群体中分割低斑块的能力，并评估其与“已见人工智能”模型的性能接近程度。	颈动脉超声图像中的低斑块分割。	机器学习	心血管疾病	深度学习	UNet	图像	630个样本，包括330个日本人和300个香港人
366	2024-08-21	Stent detection with very thick tissue coverage in intravascular OCT 2021-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.444336 PMID:35003848	研究论文	本文开发了一种深度学习方法，用于自动分析具有薄和非常厚组织覆盖的支架，并提出了一种算法来准确分析植入多个支架的血管区域	本文首次提出了一种能够处理非常厚组织覆盖的支架分析的深度学习方法，并能够有效分析植入多个支架的血管区域	NA	开发一种自动分析具有不同组织覆盖厚度的支架的方法，以提高评估支架植入和支架后组织覆盖的效率	冠状动脉支架及其组织覆盖情况	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	25203张图像来自56次OCT回拉和41名患者
367	2024-08-21	An empirical study of using radiology reports and images to improve ICU-mortality prediction 2021-Aug, Proceedings. IEEE International Conference on Healthcare Informatics DOI:10.1109/ichi52183.2021.00088 PMID:35531070	研究论文	本研究构建了一个基于深度学习的生存预测模型，利用多模态数据预测ICU死亡率	本研究首次结合生理测量数据、预定义的胸部疾病标签、基于BERT的文本表示和胸部X光图像特征，通过深度学习方法显著提高了ICU死亡率的预测准确性	NA	提高ICU死亡率的预测准确性	ICU患者的死亡率	机器学习	NA	深度学习	深度学习模型	多模态数据	使用了Medical Information Mart for Intensive Care IV (MIMIC-IV)数据集
368	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
369	2024-08-20	Multi-step ahead predictive model for blood glucose concentrations of type-1 diabetic patients 2021-12-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-03341-5 PMID:34934084	研究论文	本文提出了一种新颖的多组件深度学习模型BG-Predict，用于预测1型糖尿病患者的血糖水平	该研究引入了一种新的多步骤预测模型，能够提前预测血糖水平，有助于患者减少低血糖和高血糖的风险	NA	开发一种有效的工具，帮助1型糖尿病患者监测血糖水平，以便做出关于胰岛素注射和食物摄入的适当决策	1型糖尿病患者的血糖水平	机器学习	糖尿病	深度学习	深度学习模型	血糖数据	97名患者
370	2024-08-20	A stroke detection and discrimination framework using broadband microwave scattering on stochastic models with deep learning 2021-12-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-03043-y PMID:34930921	研究论文	研究利用宽带微波散射和深度学习模型进行中风检测和鉴别	提出了一种新的智能诊断方法，使用微波宽带散射信息，避免了传统的图像形成过程	NA	开发一种快速、便携、安全且低成本的中风检测技术	研究中风检测和出血位置及大小的鉴别	机器学习	中风	微波散射	深度神经网络（DNN）	模拟数据	666名出血性中风患者和对照组
371	2024-08-20	Deep learning based classification of dynamic processes in time-resolved X-ray tomographic microscopy 2021-12-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-03546-8 PMID:34921184	研究论文	本文提出了一种高效的动态过程重建与分类管道，结合代数滤波近似和机器学习，显著减少了计算时间	提出的SIRT-FBP-MS-D-DIFF管道通过代数滤波近似和卷积神经网络自动提取低信噪比重建中的动态特征，提高了处理效率	NA	开发一种高效的方法来处理时间分辨X射线断层显微镜中的动态过程，以减少手动劳动和计算成本	时间分辨X射线断层显微镜中的动态过程	计算机视觉	NA	时间分辨X射线断层显微镜	卷积神经网络	图像	三个不同的动态燃料电池数据集，一个用于训练，两个用于测试
372	2024-08-20	Predictive models for personalized asthma attacks based on patient's biosignals and environmental factors: a systematic review 2021-12-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-021-01704-6 PMID:34886852	综述	本文对基于患者生物信号和环境因素的个性化哮喘发作预测模型进行了系统性回顾	提出了使用患者生物信号和环境因素相结合的哮喘发作预测模型的必要性，并指出了缺乏使用深度学习等先进机器学习方法的问题	大多数研究仅使用哮喘生物信号因素进行预测，使用环境因素和两者结合的研究较少	评估哮喘发作预测模型的使用方法、模型性能，并确定该领域研究改进的需求	儿童和成人的哮喘发作预测模型	机器学习	哮喘	支持向量机、回归	NA	生物信号、环境因素	从1068篇研究文章中筛选出15种不同的哮喘发作预测模型进行回顾
373	2024-08-20	AutoProstate: Towards Automated Reporting of Prostate MRI for Prostate Cancer Assessment Using Deep Learning 2021-Dec-06, Cancers IF:4.5Q1 DOI:10.3390/cancers13236138 PMID:34885246	研究论文	介绍了一种名为AutoProstate的深度学习框架，用于自动评估基于MRI的前列腺癌	AutoProstate在前列腺体积和前列腺特异性抗原密度估计方面显示出统计学上的显著改进，并匹配了放射科医生的CSPCa病变检测敏感性	AutoProstate产生了更多的假阳性检测	开发一种自动化的深度学习框架，用于提高前列腺MRI报告的质量和一致性	前列腺MRI图像和前列腺癌评估	计算机视觉	前列腺癌	深度学习	NA	MRI图像	使用了公开的PROSTATEx数据集进行训练，并使用PICTURE数据集进行外部验证
374	2024-08-20	Interpretability of a Deep Learning Based Approach for the Classification of Skin Lesions into Main Anatomic Body Sites 2021-Dec-01, Cancers IF:4.5Q1 DOI:10.3390/cancers13236048 PMID:34885158	研究论文	本文提出了一种基于深度学习的方法，用于将皮肤病变分类到主要的解剖体位	本研究首次考虑了皮肤病变的来源，并利用预训练网络和密集连接分类器来提高分类准确性	NA	解决现有深度学习方法在皮肤病变分类中未考虑病变来源的问题	皮肤病变及其解剖体位分类	计算机视觉	皮肤癌	深度学习	CNN	图像	未明确提及具体样本数量
375	2024-08-20	A Study of the Recent Trends of Immunology: Key Challenges, Domains, Applications, Datasets, and Future Directions 2021-Nov-23, Sensors (Basel, Switzerland) DOI:10.3390/s21237786 PMID:34883787	综述	本文探讨了免疫学领域中人工智能方法的最新趋势，包括关键挑战、应用领域、数据集和未来方向	引入了AIoMT、遗传智能算法和智能免疫学方法等技术，使理解免疫系统的过程变得更加容易	NA	探索免疫学领域中人工智能方法的现状和未来研究方向	免疫学及其子领域中的疾病分类	机器学习	癌症	AIoMT	机器学习和深度学习	数据集	NA
376	2024-08-20	Comparative analysis of molecular fingerprints in prediction of drug combination effects 2021-11-05, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab291 PMID:34401895	研究论文	本文比较了基于规则和数据驱动的分子表示方法在预测药物组合敏感性和药物协同得分方面的性能	本文通过使用标准化的高通量筛选结果，评估了分子表示的聚类性能和相似性，并强调了在选择最优分子表示时，除了定量基准结果外，还需要考虑模型的可解释性和鲁棒性等定性因素	NA	系统评估新型计算解决方案与传统技术在预测药物组合效应方面的性能	药物组合敏感性和药物协同得分	机器学习	癌症	NA	NA	分子数据	64,200个独特的药物组合，涉及4,153种分子和112种癌细胞系
377	2024-08-20	Deep Learning Prediction of Voxel-Level Liver Stiffness in Patients with Nonalcoholic Fatty Liver Disease 2021-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200274 PMID:34870213	研究论文	本研究利用机器学习算法，基于传统的MRI输入重建虚拟MR弹性成像（MRE）图像	本研究通过修改卷积神经网络架构，使其能够接受多通道三维输入并包含临床和人口统计信息，从而在体素水平上重建MRE图像	本研究为单机构回顾性研究，样本量有限，且结果需要进一步的外部验证	研究目的是通过机器学习算法，利用传统MRI和临床数据生成虚拟弹性成像图像	研究对象为149名非酒精性脂肪肝病患者	计算机视觉	非酒精性脂肪肝病	MRI	卷积神经网络（CNN）	图像	149名患者
378	2024-08-20	Clinical Applications of Artificial Intelligence, Machine Learning, and Deep Learning in the Imaging of Gliomas: A Systematic Review 2021-Nov, Cureus DOI:10.7759/cureus.19580 PMID:34926051	综述	本文综述了深度学习在神经肿瘤学影像中的应用，特别是用于胶质瘤的诊断和分级	深度学习通过使用原始影像数据和深度神经网络，显著提高了MRI图像的特征化和解释能力	NA	总结深度学习在神经肿瘤学影像中的应用，以帮助医疗专业人员	胶质瘤的遗传突变和分级	机器学习	脑肿瘤	MRI	CNN	图像	共20项研究，涉及患者数量和脑胶质瘤分类的分子标记
379	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
380	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