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
401	2024-08-23	Machine and Deep Learning Prediction Of Prostate Cancer Aggressiveness Using Multiparametric MRI 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.802964 PMID:35096605	研究论文	本研究开发并验证了基于多参数磁共振成像（mpMRI）数据的机器学习和深度学习框架，用于根据前列腺癌（PCa）的侵袭性进行分类	本研究优化了多个机器学习和深度学习框架，并在T2加权、表观扩散系数（ADC）和T2w+ADC数据上进行了患者嵌套验证，以提高前列腺癌侵袭性预测的准确性	所有基于PI-RADS 2.0数据训练和验证的机器学习和深度学习框架，在PI-RADS 2.1数据测试时，其AUROC值均未超过随机水平	开发和验证机器学习和深度学习框架，以支持临床决策并减少读片者间和读片者内的变异性	前列腺癌的侵袭性评估	机器学习	前列腺癌	多参数磁共振成像（mpMRI）	机器学习和深度学习	图像	112名患者（132个外周病变，Prostate Imaging Reporting and Data System（PI-RADS）评分≥3）	NA	NA	NA	NA
402	2024-08-23	Multi-Institutional Validation of Two-Streamed Deep Learning Method for Automated Delineation of Esophageal Gross Tumor Volume Using Planning CT and FDG-PET/CT 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.785788 PMID:35141147	研究论文	本文验证了一种双流深度学习方法在多个机构中自动勾画食管大体肿瘤体积（GTV）的临床应用	开发了一种双流深度学习模型，能够使用治疗计划CT和FDG-PET/CT扫描进行GTV分割，并具有仅使用CT或CT+PET/CT组合进行分割的灵活性	模型在不同机构中的适应性和性能需要进一步验证	验证深度学习多模态食管GTV勾画模型的临床应用性	食管癌患者的GTV勾画	机器学习	食管癌	深度学习	双流深度学习模型	CT和PET/CT扫描	606名食管癌患者	NA	NA	NA	NA
403	2024-08-23	Predicted Cognitive Conversion in Guiding Early Decision-Tailoring on Patients With Cognitive Impairment 2021, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2021.813923 PMID:35185520	研究论文	本研究旨在测试混合卷积神经网络和长短期记忆模型（CNN-LSTM）在预测阿尔茨海默病（AD）和轻度认知障碍（MCI）患者长期认知转换方面的早期决策调整的可行性	利用深度学习模型和纵向特征信息的协同优势，初步验证了在认知转换预测方面具有可比较的性能	考虑到本研究中应用的治疗策略多样性有限，应进一步模拟现实世界的医疗情况	测试混合CNN-LSTM模型在早期决策调整中的可行性	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	机器学习	阿尔茨海默病	混合卷积神经网络和长短期记忆模型（CNN-LSTM）	CNN-LSTM	纵向神经心理学相关特征	224名患者	NA	NA	NA	NA
404	2024-08-23	Identifying Prognostic Markers From Clinical, Radiomics, and Deep Learning Imaging Features for Gastric Cancer Survival Prediction 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.725889 PMID:35186707	研究论文	本研究利用机器学习和多模态数据（包括临床变量、放射组学和深度学习提取的CT影像特征）对1061名胃癌患者进行生存预测，以提高胃癌患者的预后和治疗计划。	本研究首次整合临床变量、放射组学和深度学习影像特征，通过Cox比例风险模型进行胃癌生存预测，并分析了不同特征的预测效果。	NA	提高胃癌生存预测的准确性，以改善患者预后和治疗计划。	胃癌患者的生存预测。	机器学习	胃癌	放射组学、深度学习	Cox比例风险模型	临床数据、影像数据	1061名胃癌患者，其中743名用于模型学习，318名用于独立评估。	NA	NA	NA	NA
405	2024-08-23	WEENet: An Intelligent System for Diagnosing COVID-19 and Lung Cancer in IoMT Environments 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.811355 PMID:35186717	研究论文	本文开发了一种基于深度学习的计算高效医学影像框架WEENet，用于从胸部X射线和CT图像中早期诊断COVID-19和肺癌	提出了一种新的深度学习框架WEENet，利用高效的卷积神经网络提取高级特征，并通过分类机制进行COVID-19诊断，性能超越现有最先进方法	NA	开发一种新的深度学习框架，用于从医学影像中有效建模和早期诊断COVID-19	COVID-19和肺癌的早期诊断	计算机视觉	COVID-19	卷积神经网络	CNN	图像	使用了三个基准医学胸部X射线和CT图像数据集	NA	NA	NA	NA
406	2024-08-22	Integrating Domain Knowledge into Deep Learning for Skin Lesion Risk Prioritization to Assist Teledermatology Referral 2021-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12010036 PMID:35054203	研究论文	本文通过结合领域知识与深度学习，开发了一种用于皮肤病变风险优先级排序的方法，以辅助远程皮肤科转诊	提出了一种新的优先级排序流程，该流程受领域知识启发，并探索了自动病变分割、层次分类和课程学习等不同学习方案	在大多数实验中，添加患者信息并未带来益处	改进现有的远程皮肤科流程，提高皮肤病变诊断的效率	皮肤病变的风险优先级排序	机器学习	NA	深度学习	CNN	图像	回顾性数据集来自葡萄牙国家卫生系统的转诊请求	NA	NA	NA	NA
407	2024-08-22	Robustness of convolutional neural networks to physiological electrocardiogram noise 2021-Dec-13, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2020.0262 PMID:34689617	研究论文	本研究探讨了卷积神经网络对生理性心电图噪声的鲁棒性	首次系统评估了卷积神经网络在处理含噪声心电图数据时的性能	研究仅限于特定类型的心电图噪声和数据集，可能不适用于所有情况	评估深度学习方法在心电图信号处理中的鲁棒性	心电图信号及其在心血管疾病诊断中的应用	机器学习	心血管疾病	NA	CNN	图像	具体样本数量未在摘要中提及	NA	NA	NA	NA
408	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	NA	NA	NA	NA
409	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）	NA	NA	NA	NA
410	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	NA	NA	NA	NA
411	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	NA	NA	NA	NA
412	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	NA	NA	NA	NA
413	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	NA	NA	NA	NA
414	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	NA	NA	NA	NA
415	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	NA	NA	NA	NA
416	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	NA	NA	NA	NA
417	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	NA	NA	NA	NA
418	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	NA	NA	NA	NA
419	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	NA	NA	NA	NA
420	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	NA	NA	NA	NA