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
501	2024-08-09	Stacked LSTM based deep recurrent neural network with kalman smoothing for blood glucose prediction 2021-03-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-021-01462-5 PMID:33726723	研究论文	本文提出了一种基于堆叠长短期记忆（LSTM）的深度循环神经网络模型，结合卡尔曼平滑技术，用于预测血糖水平，特别考虑了传感器故障问题	本文创新地使用了堆叠LSTM的深度循环神经网络模型，并结合卡尔曼平滑技术来校正由于传感器错误导致的CGM读数不准确问题	NA	旨在提高血糖预测的准确性，从而改善人工胰腺和胰岛素输注系统在1型糖尿病管理中的性能	1型糖尿病患者的血糖管理	机器学习	糖尿病	卡尔曼平滑技术	堆叠LSTM的深度循环神经网络	生理信息数据	包含六名不同患者八周数据的OhioT1DM（2018）数据集
502	2024-08-09	Classification of Hemodynamics Scenarios from a Public Radar Dataset Using a Deep Learning Approach 2021-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s21051836 PMID:33800716	研究论文	本文研究了使用深度学习方法从公共雷达数据集中分类五种复杂血流动力学场景的可能性	本文展示了雷达传感技术在监测复杂血流动力学场景方面的潜力，超越了传统的心率和呼吸率监测	NA	探索使用非接触式传感器（如雷达）监测复杂血流动力学场景的可行性	五种复杂血流动力学场景（静息、模拟窒息、瓦尔萨尔瓦动作、倾斜台上的倾斜上和倾斜下）	机器学习	NA	深度学习	神经网络	时间域和频率域数据	使用了公共雷达和接触输入信号的数据集
503	2024-08-09	Using artificial intelligence to assist radiologists in distinguishing COVID-19 from other pulmonary infections 2021, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-200735 PMID:33164982	研究论文	本研究开发了一种基于深度学习算法的AI模型，使用ResUNet网络，评估放射科医生在有无AI辅助下区分COVID-19与其他肺部感染的能力	本研究首次使用ResUNet网络的深度学习模型，显著提高了放射科医生在区分COVID-19与其他肺部感染的准确性和敏感性	研究仅使用了694个病例和111,066张CT扫描图像，样本量可能不足以完全代表所有病例	开发和验证一种AI模型，以提高放射科医生在CT扫描中区分COVID-19与其他肺部感染的能力	COVID-19感染的肺炎患者与其他肺部感染患者	计算机视觉	COVID-19	深度学习算法	ResUNet	图像	694个病例，包括118个COVID-19感染的肺炎病例和576个其他肺部感染病例
504	2024-08-09	Deep Learning in the Detection and Diagnosis of COVID-19 Using Radiology Modalities: A Systematic Review 2021, Journal of healthcare engineering DOI:10.1155/2021/6677314 PMID:33747419	综述	本文通过系统综述方法，探讨了利用深度学习模型在放射学模式下检测和诊断COVID-19的现状	深度学习模型提供了准确且高效的系统，显著提高了敏感性和特异性值	NA	旨在解决COVID-19早期检测和诊断的主要挑战，并提高诊断准确性	COVID-19的放射学图像	机器学习	COVID-19	深度学习	深度学习模型	图像	37篇文章作为研究样本
505	2024-08-09	Comparison of machine learning and deep learning techniques in promoter prediction across diverse species 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.365 PMID:33817015	研究论文	本文比较了机器学习和深度学习技术在不同物种中预测基因启动子的效果	使用频率基础的标记化（FBT）进行数据预处理，减少了输入维度并缩短了训练时间，同时保持了分类的敏感性和特异性	NA	研究机器学习和深度学习模型在基因启动子预测中的应用	酵母、植物和人类的基因组序列	机器学习	NA	一维卷积神经网络（CNN）、长短期记忆（LSTM）和随机森林（RF）分类器	CNN、LSTM、RF	基因组序列	涉及酵母、植物和人类三种不同的真核生物
506	2024-08-08	Automated deep learning in ophthalmology: AI that can build AI 2021-Sep-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000000779 PMID:34231529	综述	本文综述了自动化深度学习在医疗领域的当前状态，并探讨了使用商业平台开发这些模型的进展	自动化深度学习允许无编程经验的用户开发深度学习算法，展示了在眼科及其他专科中的应用潜力	尽管自动化深度学习显示出巨大潜力，但仍存在一些挑战需要克服	描述自动化深度学习在医疗领域的应用现状，并讨论其当前挑战和未来发展方向	自动化深度学习模型及其在眼科、皮肤病学、放射学和组织病理学等专科中的应用	机器学习	NA	深度学习	监督学习	图像	NA
507	2024-08-08	Transfer learning for predicting conversion from mild cognitive impairment to dementia of Alzheimer's type based on a three-dimensional convolutional neural network 2021-03, Neurobiology of aging IF:3.7Q2 DOI:10.1016/j.neurobiolaging.2020.12.005 PMID:33422894	研究论文	本文开发了一种深度学习模型，利用三维卷积神经网络通过转移学习预测轻度认知障碍患者向阿尔茨海默病型痴呆的转化	该模型在目标任务上的分类准确率达到82.4%，优于当前领域的模型，并能通过遮挡图方法可视化对预测有显著贡献的大脑区域	NA	预测轻度认知障碍患者向阿尔茨海默病型痴呆的转化	轻度认知障碍患者及其向阿尔茨海默病型痴呆的转化	机器学习	阿尔茨海默病	结构磁共振成像	三维卷积神经网络	图像	使用正常对照组和阿尔茨海默病型痴呆患者的扫描数据进行预训练，然后在轻度认知障碍患者的扫描数据上进行再训练
508	2024-08-08	DeepMIB: User-friendly and open-source software for training of deep learning network for biological image segmentation 2021-03, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1008374 PMID:33651804	研究论文	介绍DeepMIB软件包，用于训练卷积神经网络进行多维显微镜图像分割	DeepMIB是一个用户友好且开源的软件，适用于在任何工作站上训练深度学习网络进行图像分割	NA	开发一个易于使用且功能强大的深度学习工具，用于生物图像分割	多维显微镜图像数据	计算机视觉	NA	卷积神经网络	CNN	图像	2D和3D电子及多色光显微镜数据集
509	2024-08-08	Diagnosis and Risk Prediction of Dilated Cardiomyopathy in the Era of Big Data and Genomics 2021-Feb-26, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10050921 PMID:33652931	综述	本文综述了在基因组学和大数據时代下，扩张型心肌病（DCM）的诊断和风险预测的进展	介绍了多变量风险模型和遗传风险评分在个性化风险评估中的应用，以及机器学习和深度学习在复杂交互和预后建模中的作用	NA	探讨在基因组学和大数據时代下，如何改进扩张型心肌病的个性化风险评估	扩张型心肌病（DCM）的诊断和风险预测	基因组学	心血管疾病	基因组/外显子组关联研究	机器学习和深度学习	电子健康记录、现有研究数据库和疾病登记	NA
510	2024-08-08	Performance of Ultrasound Techniques and the Potential of Artificial Intelligence in the Evaluation of Hepatocellular Carcinoma and Non-Alcoholic Fatty Liver Disease 2021-Feb-14, Cancers IF:4.5Q1 DOI:10.3390/cancers13040790 PMID:33672827	综述	本文综述了超声技术在非酒精性脂肪肝病（NAFLD）及其相关肝细胞癌（HCC）评估中的诊断性能，并探讨了人工智能（AI）辅助优化超声诊断的可能性	探讨了人工智能和深度学习算法在通过超声方法评估NAFLD和NAFLD相关HCC中的应用，认为这可能对患者护理产生重大影响	传统超声在量化NAFLD和准确表征特定肝局灶性病变（FLL）方面存在局限性	分析超声技术在NAFLD和NAFLD相关HCC评估中的诊断性能，并探索人工智能优化超声诊断的可能性	非酒精性脂肪肝病（NAFLD）及其相关肝细胞癌（HCC）	医学影像	肝病	超声成像	深度学习算法	图像	NA
511	2024-08-08	Deep learning approach for the segmentation of aneurysmal ascending aorta 2021-Feb, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-020-00179-0 PMID:33747600	研究论文	本研究探讨了使用UNet、ENet和ERFNet技术进行升主动脉瘤自动分割的可行性和有效性	本研究展示了深度学习模型能够快速且准确地分割和量化升主动脉瘤的3D几何结构	NA	开发新的基于图像的风险评估策略，以提高患者风险管理的个性化水平	升主动脉瘤的自动分割	计算机视觉	心血管疾病	深度学习	UNet, ENet, ERFNet	图像	72名患有升主动脉瘤和不同瓣膜形态（即三尖瓣和二尖瓣）的患者
512	2024-08-08	Artificial Intelligence in Nutrients Science Research: A Review 2021-Jan-22, Nutrients IF:4.8Q1 DOI:10.3390/nu13020322 PMID:33499405	综述	本文分析了人工智能在营养科学研究中的当前应用	探讨了人工智能在食品成分研究、营养素生产和个性化营养支持系统开发中的应用	NA	分析人工智能在营养科学研究中的应用	人工智能在生物医学营养研究、临床营养研究和营养流行病学中的应用	计算机科学	NA	人工智能	人工神经网络 (ANN), 机器学习 (ML), 深度学习 (DL)	文本	399篇文献，最终筛选出55篇
513	2024-08-08	Deep Learning in Head and Neck Tumor Multiomics Diagnosis and Analysis: Review of the Literature 2021, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2021.624820 PMID:33643386	综述	本文综述了深度学习在头颈部肿瘤多组学诊断和分析中的应用	深度学习技术如卷积神经网络（CNN）和其他神经网络在头颈部肿瘤的多组学图像分析中的应用	强调了这些技术的挑战和潜在问题	评估深度学习在头颈部肿瘤早期检测、分类、预后/转移预测及报告签署中的应用	头颈部肿瘤的多组学数据	计算机视觉	头颈部肿瘤	深度学习（DL）	卷积神经网络（CNN）	图像	NA
514	2024-08-07	Artificial intelligence assistance significantly improves Gleason grading of prostate biopsies by pathologists 2021-03, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1038/s41379-020-0640-y PMID:32759979	研究论文	研究探讨了人工智能辅助对前列腺活检Gleason评分的影响，发现AI辅助显著提高了评分的一致性	首次详细研究了AI系统与病理学家协同工作在前列腺活检Gleason评分中的应用，显示出AI辅助下的病理学家表现优于单独的病理学家和AI系统	研究未涉及AI系统在存在异常情况（如异物组织）时的表现	评估AI辅助对前列腺活检Gleason评分的影响	前列腺活检样本的Gleason评分	数字病理学	前列腺癌	深度学习	AI系统	图像	160个活检样本用于实验，87个样本用于外部验证
515	2024-08-07	Initial chest radiographs and artificial intelligence (AI) predict clinical outcomes in COVID-19 patients: analysis of 697 Italian patients 2021-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-020-07269-8 PMID:32945968	研究论文	本研究评估了人工智能系统评估的初始胸部X光片（CXR）严重程度在COVID-19患者中的预后价值	人工智能系统与放射科医生评估的疾病严重程度评分在CXR上独立且可比较，预测COVID-19患者不良结果的能力	NA	评估人工智能系统在COVID-19患者中通过初始胸部X光片预测临床结果的预后价值	COVID-19患者的初始胸部X光片	计算机视觉	COVID-19	深度学习	AI系统	图像	697名患者
516	2024-08-07	Fast and Accurate Detection of COVID-19 Along With 14 Other Chest Pathologies Using a Multi-Level Classification: Algorithm Development and Validation Study 2021-02-10, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/23693 PMID:33529154	研究论文	本文提出了一种基于深度学习的多级分类管道，用于快速准确地检测COVID-19及其他14种胸部疾病，并通过X射线图像进行验证	该研究通过多级分类方法，将分类任务分解为多个步骤，提高了COVID-19及其他胸部疾病的检测准确性	由于某些类别如COVID-19的数据缺乏，采用了10折交叉验证，可能影响模型的泛化能力	实现对COVID-19的快速且更准确的诊断	COVID-19及其他14种胸部疾病的X射线图像	机器学习	COVID-19	深度学习	ResNet50	图像	涉及16个类别的X射线图像
517	2024-08-07	Quantitative Assessment of Chest CT Patterns in COVID-19 and Bacterial Pneumonia Patients: a Deep Learning Perspective 2021-Feb-01, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2021.36.e46 PMID:33527788	研究论文	本研究通过深度学习方法对COVID-19和细菌性肺炎患者的胸部CT图像进行定量评估，以区分这两种疾病的细微差异	提出了一种新的深度学习方法，通过构建病灶簇和直方图特征来提高疾病分类和严重程度评估的准确性	研究为回顾性队列研究，样本来自单一医院，可能存在样本偏倚	设计并评估可解释的特征提取技术，以描述COVID-19和细菌性肺炎患者的病情	COVID-19和细菌性肺炎患者的胸部CT图像	计算机视觉	COVID-19	K-means算法	支持向量机	图像	170名确诊的COVID-19或细菌性肺炎患者
518	2024-08-07	Disease Concept-Embedding Based on the Self-Supervised Method for Medical Information Extraction from Electronic Health Records and Disease Retrieval: Algorithm Development and Validation Study 2021-01-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/25113 PMID:33502324	研究论文	本研究开发并验证了一种基于自监督方法的疾病概念嵌入模型，用于从电子健康记录中提取医疗信息并进行疾病检索	提出了一种基于Transformer的模型，结合BERT和对比学习方法（DIM和SimCLR）进行疾病概念的无监督嵌入	使用较小的数据集或较少的无监督预训练方法会降低预测性能	创建一个模型从电子健康记录中提取概念嵌入，用于疾病模式检索和进一步分类任务	从电子健康记录中提取医疗信息并进行疾病检索	自然语言处理	NA	Transformer, BERT, DIM, SimCLR	Transformer	文本	1,040,989次急诊部门访问和305,897个样本
519	2024-08-07	Integrating deep learning CT-scan model, biological and clinical variables to predict severity of COVID-19 patients 2021-01-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-20657-4 PMID:33504775	研究论文	本文通过整合深度学习CT扫描模型、生物学和临床变量来预测COVID-19患者的严重程度	构建了包含深度学习模型和五个临床生物学变量的多模态AI严重程度评分，显著提高了预测性能	深度学习模型提供的预后信息与其他严重程度标志物相关，导致AUC增加有限	识别COVID-19疾病严重程度的预测因子	COVID-19患者	机器学习	COVID-19	深度学习	神经网络	CT扫描图像	1003名冠状病毒感染患者
520	2024-08-07	Prediction of Alzheimer's disease-specific phospholipase c gamma-1 SNV by deep learning-based approach for high-throughput screening 2021-01-19, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2011250118 PMID:33397809	研究论文	本研究利用全基因组关联研究（GWAS）和基于深度学习的剪接预测工具，发现阿尔茨海默病（AD）特异性的单核苷酸变异（SNV）及磷脂酶c gamma-1基因的异常剪接	本研究结合计算和深度学习分析，首次预测了与AD相关的关键SNV，并展示了其在AD预测中的临床应用潜力	NA	旨在发现阿尔茨海默病特异性的单核苷酸变异及其对基因剪接的影响	阿尔茨海默病特异性的单核苷酸变异和磷脂酶c gamma-1基因的异常剪接	机器学习	阿尔茨海默病	全基因组关联研究（GWAS）	深度学习	基因序列	使用AD小鼠模型和人类基因序列进行训练和预测