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
521	2024-08-07	Deep learning-based segmentation of the placenta and uterus on MR images 2021-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.8.5.054001 PMID:34589556	研究论文	本研究开发了一种基于深度学习的磁共振图像中胎盘和子宫腔的分割方法	采用全卷积神经网络（CNN）进行三维（3D）同时分割，并引入最小操作员交互以提高胎盘定位的准确性	NA	开发一种用户交互最少的分割方法	胎盘和子宫腔的分割	计算机视觉	NA	磁共振成像	CNN	图像	训练集包括70个正常案例和129个包括正常及疑似胎盘植入谱（PAS）的案例；测试集包括20个正常案例和50个包括正常及疑似PAS的案例
522	2024-08-07	Individual dairy cow identification based on lightweight convolutional neural network 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0260510 PMID:34843562	研究论文	本研究利用深度学习技术，通过改进的轻量级卷积神经网络Alexnet，实现了在复杂背景下的个体奶牛识别	提出了一种改进的轻量级卷积神经网络模型，通过短路连接的BasicBlock和改进的inception模块及注意力机制，提高了特征点的检测能力，同时减少了模型参数	NA	提高农场中个体奶牛识别技术的实用性和效率	个体奶牛的图像识别	计算机视觉	NA	卷积神经网络	CNN	图像	13头奶牛的侧视图像
523	2024-08-07	Advanced Feature Extraction and Selection Approach Using Deep Learning and Aquila Optimizer for IoT Intrusion Detection System 2021-Dec-26, Sensors (Basel, Switzerland) DOI:10.3390/s22010140 PMID:35009682	研究论文	本文开发了一种新的特征提取和选择方法，利用深度学习和Aquila优化器为物联网入侵检测系统提供支持	提出了一种基于群智能算法Aquila优化器的特征选择方法，并结合卷积神经网络进行特征提取	NA	开发新的特征提取和选择方法，提高物联网入侵检测系统的性能	物联网入侵检测系统	机器学习	NA	深度学习	CNN	数据集	使用了四个知名公共数据集：CIC2017, NSL-KDD, BoT-IoT, 和 KDD99
524	2024-08-07	Low-dose CT reconstruction with Noise2Noise network and testing-time fine-tuning 2021-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.15101 PMID:34791655	研究论文	本文提出了一种基于深度学习的低剂量CT图像重建算法，该算法无需使用正常剂量的图像进行训练	提出的Noise2Noise网络在迭代重建过程中进行微调，无需清洁图像进行网络训练，且在测试时进行微调以优化每次重建	NA	开发一种无需清洁图像进行训练的低剂量CT图像重建算法	低剂量CT图像重建	计算机视觉	NA	Noise2Noise网络	深度神经网络	图像	使用2016年低剂量CT挑战数据集进行验证
525	2024-08-07	Machine learning approach for the prediction of postpartum hemorrhage in vaginal birth 2021-11-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-02198-y PMID:34799687	研究论文	本研究利用机器学习模型预测阴道分娩后的产后出血	构建了五种机器学习模型和一个包含两层神经网络的深度学习模型，通过集成学习方法提高了预测准确性	需要进一步研究以分析合适的变量并准备大规模数据集	预测阴道分娩后的产后出血	在东京女子医科大学东中心进行阴道分娩的女性	机器学习	产后出血	机器学习	神经网络	临床变量	共9,894名进行阴道分娩的患者，其中188例（1.9%）出血量超过1000毫升
526	2024-08-07	COVID-19 in the Age of Artificial Intelligence: A Comprehensive Review 2021-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-021-00431-w PMID:33886097	综述	本文详细回顾了人工智能在COVID-19病例的预测、分析和追踪中的决定性作用	探讨了人工智能在医疗实践中的应用，特别是在COVID-19病例的识别和监测中的应用	NA	评估和总结人工智能在COVID-19大流行中的应用和挑战	COVID-19病例的识别、监测和追踪	机器学习	COVID-19	人工智能	NA	大数据	涉及全球超过9852万感染者和211万死亡病例
527	2024-08-05	A Review of the Role of the S-Detect Computer-Aided Diagnostic Ultrasound System in the Evaluation of Benign and Malignant Breast and Thyroid Masses 2021-Sep-23, Medical science monitor : international medical journal of experimental and clinical research IF:2.2Q3 DOI:10.12659/MSM.931957 PMID:34552043	综述	本文回顾了S-Detect计算机辅助诊断超声系统在乳腺和甲状腺肿块评估中的作用	介绍了一种基于深度学习算法的互动CAD系统，能提高医疗影像的诊断精度并优化临床工作流程	讨论了S-Detect作为精密医疗工具在临床应用中面临的困难和挑战	探讨S-Detect在乳腺和甲状腺结节检测中的应用	乳腺和甲状腺肿块	计算机视觉	NA	深度学习	NA	医学影像	NA
528	2024-08-05	Subtyping of mild cognitive impairment using a deep learning model based on brain atrophy patterns 2021-12-21, Cell reports. Medicine DOI:10.1016/j.xcrm.2021.100467 PMID:35028609	研究论文	本文介绍了一种基于脑萎缩模式的轻度认知障碍（MCI）亚型分类方法	提出了一种仅基于脑萎缩的亚型分类方法，与传统的基于认知测量的方法相比有更好的有效性	缺乏对于其他潜在影响因素的考虑，如遗传背景和环境因素	研究轻度认知障碍（MCI）患者的异质性并准确分类亚型	轻度认知障碍（MCI）患者	数字病理学	阿尔茨海默病	深度学习	深度学习模型	MRI图像	NA
529	2024-08-05	Position paper of the EACVI and EANM on artificial intelligence applications in multimodality cardiovascular imaging using SPECT/CT, PET/CT, and cardiac CT 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-021-05341-z PMID:33864509	position paper	本文概述了现代机器学习基础的人工智能在多模态心血管成像中的应用	提出了将机器学习算法应用于心血管成像的新策略	人类对数据集的解释、量化和整合能力有限	提供现代基于机器学习的人工智能的基本概念和应用概述	心血管疾病患者的诊断和预后	机器学习	心血管疾病	核医学成像、CT	深度学习	影像	NA
530	2024-08-05	Decoding COVID-19 pneumonia: comparison of deep learning and radiomics CT image signatures 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05075-4 PMID:33094432	研究论文	本研究比较深度学习和放射组学CT影像特征，以解码COVID-19肺炎的影像特征	首次结合深度学习和放射组学框架提取COVID-19肺炎相关的影像特征	回顾性研究设计可能存在选择偏倚，样本来自于有限的几个医院	比较不同的特征工程和深度学习方法，揭示COVID-19肺炎的CT影像特征	266名COVID-19及其他病毒性肺炎患者的临床和CT影像数据	计算机视觉	COVID-19肺炎	深度学习，放射组学	双向对抗网络	影像	266名患者（93例COVID-19阳性，91例COVID-19阴性）
531	2024-08-05	Attenuation correction using deep Learning and integrated UTE/multi-echo Dixon sequence: evaluation in amyloid and tau PET imaging 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05061-w PMID:33108475	研究论文	本文提出了一种结合深度学习和新型超短回声时间（UTE）/多回声Dixon序列的MR基础衰减校正方法，以提高阿尔茨海默病的PET成像准确性	首次将深度学习与mUTE序列结合用于阿尔茨海默病的衰减校正，显示出优于传统方法的性能	研究样本数量相对较少，仅包括35名受试者，可能影响结果的普遍性	提高阿尔茨海默病中淀粉样蛋白和tau蛋白成像的衰减校正准确性	35名同时接受11C-PiB和18F-MK6240扫描的受试者	数字病理学	阿尔茨海默病	深度学习与超短回声时间（UTE）/多回声Dixon序列	深度学习模型	图像	35名受试者
532	2024-08-05	Deep Learning for Automated Liver Segmentation to Aid in the Study of Infectious Diseases in Nonhuman Primates 2021-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2020.08.023 PMID:32943333	研究论文	本研究探讨了深度学习在非人类灵长类动物感染疾病研究中自动肝脏分割的应用	首次在非人类灵长类动物的全身CT图像中应用先进的CNN算法进行肝脏分割	主要集中在非人类灵长类动物上，可能不适用于其他物种	提升对感染性疾病中肝脏的准确分割和分析能力	37只非人类灵长类动物的82个CT扫描图像	数字病理学	感染性疾病	深度学习	CNN，FPN、VNet和UNet	图像	37只动物的82个扫描
533	2024-08-05	Converting tabular data into images for deep learning with convolutional neural networks 2021-05-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-90923-y PMID:34059739	研究论文	本研究提出了一种新算法IGTD，将表格数据转换为图像，以便使用卷积神经网络进行深度学习	开发了一种新的算法，能够通过优化特征与像素位置的赋值，将表格数据转换为图像	未提及具体的局限性	研究如何将表格数据有效地转换为图像以供深度学习使用	将癌细胞系的基因表达谱和药物的分子描述符作为研究对象	计算机视觉	癌症	卷积神经网络(CNN)	卷积神经网络(CNN)	图像	使用了基因表达谱和药物分子描述符的多个样本，但具体数量未提供
534	2024-08-05	MSA-Regularized Protein Sequence Transformer toward Predicting Genome-Wide Chemical-Protein Interactions: Application to GPCRome Deorphanization 2021-04-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.0c01285 PMID:33757283	研究论文	本研究开发了一种新的深度学习框架来预测化学物质与未注释的进化分化蛋白质之间的相互作用	提出了新的方法DISAE，通过结合进化信息和自监督学习，能够从未标记的蛋白质序列中捕获功能关系	研究未能探讨所有可能的化学-蛋白质相互作用，且对数据的依赖可能影响预测的准确性	旨在改进对未注释蛋白质的 ligand 预测并推动 GPCRome 的去孤立化研究	未注释的蛋白质及其与小分子的相互作用	机器学习	NA	自监督学习	DISAE	蛋白质序列	使用了所有蛋白质序列及其多序列比对（MSA）
535	2024-08-05	A network-based deep learning methodology for stratification of tumor mutations 2021-Apr-09, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaa1099 PMID:33416857	研究论文	本研究开发了一种基于网络嵌入的分层方法，以识别具有临床相关性的患者亚型。	提出了一种网络嵌入的分层方法（NES），能通过基因网络区域的相似性来分类肿瘤亚型。	该研究可能需要在不同数据集中验证其通用性。	旨在通过分析肿瘤突变谱进行肿瘤分层。	分析7344个肿瘤外显子样本的体细胞突变特征。	数字病理学	癌症	网络嵌入方法	lightGBM分类算法	突变配置文件	7344个肿瘤外显子样本
536	2024-08-05	Harnessing clinical annotations to improve deep learning performance in prostate segmentation 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0253829 PMID:34170972	研究论文	本文评估了使用临床生成的标注来开发高性能前列腺分割模型的有效性	首次展示了未经精炼的临床前列腺标注在其他前列腺分割任务中的模板模型应用显著提升了性能	研究仅限于特定的前列腺数据集，未探索其他类型的肿瘤或疾病数据	提高前列腺图像分割的模型性能	针对前列腺图像的分割任务	计算机视觉	前列腺癌	3D U-Net卷积神经网络 (CNN)	CNN	图像	1620个来自临床的分割标注和两个挑战数据集 (PROMISE12: 50位患者, ProstateX-2: 99位患者)
537	2024-08-05	An Artificial Intelligence-Assisted Method for Dementia Detection Using Images from the Clock Drawing Test 2021, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-210299 PMID:34334396	研究论文	本文提出了一种基于时钟绘制测试图像的人工智能辅助痴呆检测方法	创新点在于利用深度学习分析时钟绘制测试图像来预测痴呆状态	尚需进一步验证模型的有效性和可推广性	评估机器学习模型是否可以通过时钟绘制测试图像预测轻度认知障碍或痴呆	研究对象包括3263名认知正常和160名认知受损的参与者	计算机视觉	老年痴呆	深度学习算法	NA	图像	3263名认知正常和160名认知受损的参与者
538	2024-08-05	Image-based consensus molecular subtype (imCMS) classification of colorectal cancer using deep learning 2021-03, Gut IF:23.0Q1 DOI:10.1136/gutjnl-2019-319866 PMID:32690604	研究论文	该文章提出了一种基于图像的深度学习方法来预测结直肠癌的共识分子亚型.	通过使用深度学习方法从标准H&E组织切片中推断结直肠癌的分子亚型，提供了一种经济高效的分类工具.	该研究主要依赖于多组学数据，可能不适用于没有相关数据的样本.	研究旨在明确图像分析与分子分类之间的联系，从而改善结直肠癌的分类方式.	研究对象为结直肠癌患者的组织切片，分析其分子亚型.	数字病理学	结直肠癌	深度学习	神经网络	图像	在研究中使用了1206个组织切片
539	2024-08-05	Octree Representation Improves Data Fidelity of Cardiac CT Images and Convolutional Neural Network Semantic Segmentation of Left Atrial and Ventricular Chambers 2021-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.2021210036 PMID:34870221	研究论文	本研究评估了八叉树表示法及其在心脏CT图像语义分割中的应用。	提出了八叉树基础的卷积神经网络（OctNet），提高了分割精度，并减少了内存占用。	只研究了100名患者的数据，可能缺乏广泛的适用性。	提高三维心脏CT图像分割的准确性。	对100名接受心脏CT血管成像的患者进行数据评估。	计算机视觉	心血管疾病	卷积神经网络（CNN）	OctNet	图像	100名患者的心脏CT图像
540	2024-08-05	Automated cardiac volume assessment and cardiac long- and short-axis imaging plane prediction from electrocardiogram-gated computed tomography volumes enabled by deep learning 2021-Jun, European heart journal. Digital health DOI:10.1093/ehjdh/ztab033 PMID:34223176	研究论文	本文开发了一种用于心脏CT的自动化血池分割和成像平面重新切片的方法	利用深度学习自动化评估心脏的多个腔体，并能沿标准化成像平面重新切片以进行功能评估	未提及具体的限制因素	研究旨在为冠状动脉疾病的心脏运动评估开发一个临床应用的方法	研究对象为100名接受心脏CT扫描的患者	计算机视觉	冠状动脉疾病	深度学习	NA	图像	100名患者进行训练，144名患者进行测试