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
541	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
542	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
543	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
544	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
545	2024-08-07	Assessing the Role of Pericardial Fat as a Biomarker Connected to Coronary Calcification-A Deep Learning Based Approach Using Fully Automated Body Composition Analysis 2021-Jan-19, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10020356 PMID:33477874	研究论文	本研究使用深度学习方法，通过全自动体成分分析评估心包脂肪作为冠状动脉钙化的生物标志物的角色	本研究首次证明了全自动脂肪组织分析在临床心脏CT中的可行性，并在大规模临床队列中确认了EAT和PAT的体积和密度与CACS无相关性	研究结果显示EAT和PAT的体积和密度与CACS无显著相关性，但未达到男性患者EAT衰减的显著性水平	探索全自动EAT和PAT量化在心血管风险分层中的潜在应用	966名具有中等Framingham风险评分的冠状动脉疾病患者	数字病理学	心血管疾病	深度学习	深度学习网络	CT图像	966名患者
546	2024-08-07	Cascaded deep transfer learning on thoracic CT in COVID-19 patients treated with steroids 2021-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.8.S1.014501 PMID:33415179	研究论文	本文开发了一种机器智能方法，利用级联深度迁移学习从胸部CT扫描中提取特征，以辅助管理接受激素治疗的COVID-19患者	采用级联迁移学习方法，通过微调VGG19网络从胸部CT切片中提取量化特征，并使用支持向量机区分是否需要激素治疗的患者	NA	开发一种机器智能方法，用于辅助管理接受激素治疗的COVID-19患者	COVID-19患者接受激素治疗的胸部CT扫描	计算机视觉	COVID-19	迁移学习	VGG19网络	CT扫描图像	NA
547	2024-08-07	Deep-learning based multi-modal retinal image registration for the longitudinal analysis of patients with age-related macular degeneration 2021-Jan-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.408573 PMID:33520392	研究论文	本研究报告了一种基于深度学习的注册算法，用于对来自纵向临床研究的多模态视网膜图像进行对齐，以实现对大规模临床数据中结构变化分析所需的准确性和鲁棒性	提出的深度学习方法在所有模态中实现了优越的整体性能，没有出现传统方法中的重大失败，并且在多模态注册中表现出更好的鲁棒性	深度学习方法在单模态纵向注册中的平均误差略高于传统特征点方法	开发一种能够准确且鲁棒地对齐多模态视网膜图像的深度学习算法，以促进对视网膜疾病进展的详细研究	多模态视网膜图像的注册	计算机视觉	年龄相关性黄斑变性	深度学习	CNN	图像	大规模临床数据
548	2024-08-07	Acoustic and Language Based Deep Learning Approaches for Alzheimer's Dementia Detection From Spontaneous Speech 2021, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2021.623607 PMID:33613269	研究论文	本文通过重新实现使用CNN-LSTM架构的自然语言处理方法，并设计了一种端到端的深度学习解决方案，用于从患者的自发言语中进行阿尔茨海默病痴呆的二元分类	提出了一种结合声学特征的深度学习方法Speech-GRU，提高了分类准确率，并探讨了双模态方法在阿尔茨海默病分类中的应用	现有模型在ADReSS数据集上的准确率仅为72.92%，低于在DementiaBank数据集上的表现	早期检测阿尔茨海默病痴呆	从自发言语中检测阿尔茨海默病痴呆	自然语言处理	阿尔茨海默病	CNN-LSTM架构	CNN-LSTM, Speech-GRU	自发言语	使用ADReSS数据集
549	2024-08-06	Deep Learning for Anterior Segment Optical Coherence Tomography to Predict the Presence of Plateau Iris 2021-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.10.1.7 PMID:33505774	研究论文	本研究评估了深度学习前房角膜光学相干断层扫描在预测平台虹膜中的诊断性能	创新点在于开发了一种基于深度学习的AS-OCT平台虹膜预测模型	研究局限性包括样本量相对较小且仅限于特定疾病类型	研究旨在评估深度学习模型在预测平台虹膜中的有效性	研究对象为142名患有原发性闭角病的患者的179只眼睛	医学影像学	原发性闭角病	光学相干断层扫描（OCT）	深度学习算法	图像	179只眼睛，来自142名患者，使用了2500幅训练图像和160幅测试图像
550	2024-08-06	A National US Survey of Pediatric Emergency Department Coronavirus Pandemic Preparedness 2021-Jan-01, Pediatric emergency care IF:1.2Q3 DOI:10.1097/PEC.0000000000002307 PMID:33394945	研究论文	本文旨在描述美国多样化的儿科急诊科在新冠疫情期间的准备工作。	本研究提供了对儿科急诊科在COVID-19疫情初期实施的准备工作和培训创新的深入了解。	本研究的调查样本仅来自35所医院中的25所，可能无法全面代表所有儿科急诊科的准备情况。	阐明美国儿科急诊科对COVID-19疫情的应对准备工作。	涉及美国的多家儿科急诊科及其医疗主任。	数字病理学	NA	调查问卷	NA	文本	35家医院中的25家参与调查
551	2024-08-07	InstaCovNet-19: A deep learning classification model for the detection of COVID-19 patients using Chest X-ray 2021-Feb, Applied soft computing IF:7.2Q1 DOI:10.1016/j.asoc.2020.106859 PMID:33162872	研究论文	提出了一种名为InstaCovNet-19的深度学习模型，用于通过胸部X光图像检测COVID-19患者	使用多种预训练模型如ResNet101、Xception、InceptionV3、MobileNet和NASNet，以弥补训练数据量相对较小的不足	未提及具体限制	开发一种高精度的深度学习模型，用于自动检测COVID-19	COVID-19、肺炎和正常胸部X光图像的分类	计算机视觉	COVID-19	深度学习	深度卷积网络	图像	用于三类分类的3个类别（COVID-19、肺炎、正常）和用于二类分类的2个类别（COVID、非COVID）
552	2024-08-07	Epicardial adipose tissue is associated with extent of pneumonia and adverse outcomes in patients with COVID-19 2021-02, Metabolism: clinical and experimental DOI:10.1016/j.metabol.2020.154436 PMID:33221381	研究论文	本研究旨在探讨心包脂肪组织（EAT）在胸部计算机断层扫描（CT）中的量化与COVID-19患者肺炎程度及不良预后的关联	首次研究了EAT在COVID-19患者中的量化与肺炎程度及不良预后的独立关联	本研究为回顾性分析，样本量相对较小，可能影响结果的普遍性	探究EAT与COVID-19患者肺炎程度及不良预后的关联	COVID-19患者的心包脂肪组织（EAT）及其与肺炎程度和不良预后的关系	数字病理学	COVID-19	胸部计算机断层扫描（CT）	深度学习软件	图像	109名实验室确诊的COVID-19患者
553	2024-08-07	ChainLineNet: Deep-Learning-Based Segmentation and Parameterization of Chain Lines in Historical Prints 2021-Jul-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7070120 PMID:39080908	研究论文	提出一种基于深度学习的端到端可训练方法，用于分割和参数化历史印刷品中的链线	使用条件生成对抗网络和多任务损失函数进行链线分割和参数化，并提出一个完全可微分的流水线进行链线坐标估计	NA	实现历史印刷品中链线的自动检测，以替代耗时的手动测量	历史印刷品中的链线	计算机视觉	NA	深度学习	条件生成对抗网络	图像	一个包含高分辨率透射光图像和手动链线坐标标注的历史印刷品数据集
554	2024-08-07	A Deep Learning Ensemble Method to Assist Cytopathologists in Pap Test Image Classification 2021-Jul-09, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7070111 PMID:39080899	研究论文	本文提出了一种深度学习集成方法，用于辅助细胞病理学家对宫颈涂片图像进行细胞分类	本文采用了10种深度卷积神经网络，并提出了三种最佳架构的集成方法，以提高细胞分类的准确性，并引入了六类分类结果	NA	旨在提高宫颈癌预防测试中细胞分类的准确性，并减轻细胞病理学家的工作负担	宫颈涂片图像中的细胞核	计算机视觉	宫颈癌	深度学习	CNN	图像	实验中使用的数据集来自细胞识别和检查中心（CRIC）的可搜索图像数据库
555	2024-08-07	How Can a Deep Learning Algorithm Improve Fracture Detection on X-rays in the Emergency Room? 2021-Jun-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7070105 PMID:39080893	研究论文	本研究评估了一种深度学习算法在急诊室中用于常规X光片骨折检测的性能	深度学习算法在急诊室中骨折检测的敏感性和特异性较高，且无需本地数据训练	研究样本量较小，且未涉及算法在不同医院或不同数据集上的泛化能力	探讨深度学习算法在急诊室中骨折检测的应用价值	评估深度学习算法在急诊室中常规X光片骨折检测的性能	计算机视觉	NA	深度学习	NA	图像	125名因肢体创伤就诊于Louis Mourier急诊室的患者
556	2024-08-07	Exposing Manipulated Photos and Videos in Digital Forensics Analysis 2021-Jun-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7070102 PMID:39080890	研究论文	本文提出了一种基于支持向量机（SVM）的机器学习方法，用于区分真实和伪造的多媒体文件，特别是数字照片和视频，这些文件可能包含深度伪造内容	该方法通过离散傅里叶变换（DFT）提取简单特征，并在5折交叉验证中取得了优于文献中SVM方法的平均F1分数	尽管卷积神经网络（CNN）的表现超过了提出的DFT-SVM复合方法，但DFT-SVM的竞争力结果和显著减少的处理时间使其适合嵌入到Autopsy模块中	开发一种自动化工具，帮助刑事调查人员检测篡改的多媒体内容	真实和伪造的数字照片及视频	计算机视觉	NA	支持向量机（SVM），离散傅里叶变换（DFT）	支持向量机（SVM）	图像，视频	使用了包含合法和伪造照片及视频帧的大型数据集，以及Celeb-DFv1数据集中的590个原始视频
557	2024-08-07	Breast Cancer Risk Assessment: A Review on Mammography-Based Approaches 2021-Jun-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7060098 PMID:39080886	综述	本文综述了从乳腺X线照片中提取纹理特征并与机器学习算法结合用于评估乳腺癌风险的研究，以及旨在实现相同目标的深度学习方法	机器学习和深度学习方法在风险分析领域提供了有前景的结果，无论是风险分层还是风险评分预测	未来的研究应考虑将这些方法在临床实践中实施的可能性	综述基于乳腺X线照片的乳腺癌风险评估方法	乳腺癌风险评估方法及其在临床实践中的应用	机器学习	乳腺癌	NA	机器学习算法，深度学习方法	乳腺X线照片	NA
558	2024-08-07	Integrating Multiomics Information in Deep Learning Architectures for Joint Actuarial Outcome Prediction in Non-Small Cell Lung Cancer Patients After Radiation Therapy 2021-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2021.01.042 PMID:33539966	研究论文	提出了一种新颖的保险深度学习神经网络（ADNN）架构，用于预测接受放射治疗的III期非小细胞肺癌（NSCLC）患者的放射性肺炎（RP）和局部控制（LC）的联合结果	与仅使用剂量学信息的正常组织并发症概率/肿瘤控制概率模型不同，所提出的模型考虑了正电子发射断层扫描（PET）放射组学、细胞因子和miRNA等多组学信息的复杂相互作用	NA	旨在通过整合多组学信息，提高放射治疗后非小细胞肺癌患者的放射性肺炎和局部控制的预测准确性	III期非小细胞肺癌患者在接受放射治疗后的放射性肺炎和局部控制	机器学习	肺癌	正电子发射断层扫描（PET）放射组学、细胞因子和miRNA	一维卷积神经网络（CNN）和变分编码器	图像和生物数据	117名回顾性患者和25名前瞻性新患者，以及327名多机构RTOG0617数据集患者
559	2024-08-07	Direct Attenuation Correction Using Deep Learning for Cardiac SPECT: A Feasibility Study 2021-Nov, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.120.256396 PMID:33637586	研究论文	本研究展示了使用深度学习（DL）直接进行心脏SPECT心肌灌注成像（MPI）的衰减校正（AC）技术	本研究采用深度学习方法直接从非校正的SPECT生成衰减校正的SPECT，无需额外的图像重建步骤	深度学习方法在所有受试者中的表现不一致，可能是由于不同的衰减量和不同的摄取模式	展示深度学习直接进行SPECT MPI衰减校正的可行性，并减少衰减伪影	心脏SPECT/CT数据集	计算机视觉	心血管疾病	深度学习	卷积神经网络	图像	100个心脏SPECT/CT数据集
560	2024-08-07	Imaging in focus: An introduction to denoising bioimages in the era of deep learning 2021-Nov, The international journal of biochemistry & cell biology DOI:10.1016/j.biocel.2021.106077 PMID:34547502	综述	本文介绍了深度学习时代下，利用深度学习方法去除生物荧光图像噪声的技术	深度学习方法通过学习示例数据来去噪，提供了一种强大的内容感知方法	NA	旨在深入了解基于深度学习的去噪方法如何运作，并帮助用户选择最适合其应用的工具	荧光显微镜图像中的噪声	计算机视觉	NA	深度学习	NA	图像	NA