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
561	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	NA	NA	NA	NA
562	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	NA	NA	NA	NA
563	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	NA	NA	NA	NA
564	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	NA	NA	NA	NA
565	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	NA	NA	NA	NA
566	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	NA	NA	NA	NA
567	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	NA	NA	NA	NA
568	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	NA	NA	NA	NA
569	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	NA	NA	NA	NA
570	2024-08-07	Integrative Analysis of Multi-Omics and Genetic Approaches-A New Level in Atherosclerotic Cardiovascular Risk Prediction 2021-Oct-28, Biomolecules IF:4.8Q1 DOI:10.3390/biom11111597 PMID:34827594	研究论文	本文通过综合多组学和遗传学方法，提出了一种新的动脉粥样硬化心血管疾病风险预测方法	结合多组学数据和人工智能/机器学习策略，提高了动脉粥样硬化心血管疾病预测的准确性和风险评估的可靠性	NA	旨在通过综合分析多组学和遗传学数据，提高动脉粥样硬化心血管疾病的风险预测和诊断	动脉粥样硬化心血管疾病的风险预测和诊断	机器学习	心血管疾病	多组学分析	深度学习	多组学数据	NA	NA	NA	NA	NA
571	2024-08-07	A stacking ensemble deep learning approach to cancer type classification based on TCGA data 2021-Aug-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-95128-x PMID:34341396	研究论文	本文提出了一种基于一维卷积神经网络（1D-CNN）的堆叠集成深度学习模型，用于对女性常见的五种癌症进行基于RNASeq数据的多类别分类	提出的模型在性能上优于单一的1D-CNN和其他机器学习方法，特别是在使用LASSO进行特征选择后	未明确提及具体限制	提高癌症类型分类的准确性，以辅助早期诊断和治疗策略的设计	女性常见的五种癌症类型	机器学习	乳腺癌, 肺癌, 结直肠癌, 甲状腺癌, 卵巢癌	1D-CNN, LASSO	1D-CNN	RNASeq基因表达数据	数据来自Pan-Cancer Atlas，具体样本数量未明确提及	NA	NA	NA	NA
572	2024-08-07	A deep-learning method using computed tomography scout images for estimating patient body weight 2021-Aug-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-95170-9 PMID:34341462	研究论文	本文开发并评估了一种基于深度学习的方法，用于从CT（计算机断层扫描）引导图像中自动预测患者体重	提出了一种新的深度学习方法，能够从CT引导图像中准确预测患者体重，这在紧急情况下尤其有用	NA	开发一种时间效率高且准确的方法，用于在CT扫描前估计患者体重	基于1831张胸部和519张腹部CT引导图像及其对应体重，开发和评估深度学习模型	计算机视觉	NA	深度学习	深度学习模型	图像	1831张胸部CT引导图像和519张腹部CT引导图像	NA	NA	NA	NA
573	2024-08-07	Detection of Alzheimer's disease using ECD SPECT images by transfer learning from FDG PET 2021-Aug, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-021-01626-3 PMID:34076857	研究论文	本研究开发了一种利用深度学习模型从少量SPECT脑灌注图像中自动提取图像特征，以客观评估阿尔茨海默病（AD）的实用方法。	本研究首次将基于PET FDG代谢成像训练的模型迁移到少量SPECT脑灌注图像上，提高了模型的敏感性和准确性。	研究中使用的样本量较小，可能影响模型的泛化能力。	开发一种基于深度学习的模型，利用SPECT脑灌注图像快速且客观地评估阿尔茨海默病。	阿尔茨海默病（AD）的检测和评估。	机器学习	阿尔茨海默病	SPECT成像	Inception v3网络模型	图像	1000例F-18-FDG PET图像用于预训练，不同样本量的训练数据集（100, 200, 400, 800, 1000例）用于预训练。	NA	NA	NA	NA
574	2024-08-07	Detecting myocardial scar using electrocardiogram data and deep neural networks 2021-Jul-27, Biological chemistry IF:2.9Q3 DOI:10.1515/hsz-2020-0169 PMID:33006947	研究论文	本文提出了一种基于心电图数据和深度神经网络的人工智能方法，用于预测心肌瘢痕的存在	利用深度学习模型结合心电图和临床参数，实现对心肌瘢痕的高精度检测	NA	早期检测心肌病理，提高治疗效果，减少致命病例	心肌瘢痕的检测	机器学习	心血管疾病	深度学习	深度神经网络	心电图时间序列	12导联心电图时间序列数据集	NA	NA	NA	NA
575	2024-08-07	iMLP, a predictor for internal matrix targeting-like sequences in mitochondrial proteins 2021-Jul-27, Biological chemistry IF:2.9Q3 DOI:10.1515/hsz-2021-0185 PMID:34218542	研究论文	本文介绍了一种名为iMLP的深度学习方法，用于预测蛋白质序列中的内部矩阵靶向类似序列（iMTS-Ls）	iMLP预测器在速度上显著超过现有方法，并提供了一个直观的网络服务和一个独立的命令行工具	NA	开发一种高效的深度学习方法来预测蛋白质序列中的iMTS-Ls	蛋白质序列中的内部矩阵靶向类似序列（iMTS-Ls）	机器学习	NA	深度学习	循环神经网络	蛋白质序列	NA	NA	NA	NA	NA
576	2024-08-07	Large-scale pharmacogenomic studies and drug response prediction for personalized cancer medicine 2021-Jul-20, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2021.03.007 PMID:34023295	研究论文	本文总结了FDA批准的药物基因组学生物标志物和大规模药物基因组学研究，并全面回顾了药物反应预测中计算方法的最新进展	文章涵盖了网络、机器学习和深度学习技术以及评估免疫治疗反应的策略	讨论了当前面临的挑战并提出了可能的解决方案	提高个性化癌症医学的临床效益	药物基因组学在个性化癌症医学中的应用	药物基因组学	癌症	NA	NA	NA	NA	NA	NA	NA	NA
577	2024-08-07	Multiomics metabolic and epigenetics regulatory network in cancer: A systems biology perspective 2021-Jul-20, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2021.05.008 PMID:34362682	综述	本文从系统生物学角度探讨了癌症中的多组学代谢和表观遗传调控网络	提出了一个基于当前高通量方法的概念性代谢和表观遗传调控网络（MER-Net），旨在通过观察生物过程、组学数据获取、网络信息分析及与验证数据库知识的整合，揭示新的潜在生物标志物和治疗靶点	NA	旨在揭示新的潜在生物标志物和治疗靶点	癌症中的代谢和表观遗传调控网络	系统生物学	癌症	多组学数据	深度学习模型	多组学数据	NA	NA	NA	NA	NA
578	2024-08-07	Attention Guided Lymph Node Malignancy Prediction in Head and Neck Cancer 2021-Jul-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2021.02.004 PMID:33561508	研究论文	本文提出了一种注意力引导的分类方案（AGC），用于在头颈癌（HNC）放疗中准确分类淋巴结（LN）恶性状态，通过结合人类知识（如LN轮廓）引导模型学习方向，减少对大量训练样本的需求，并在推理阶段不需要精确的LN分割，而是可以突出显示LN附近的区分区域。	本文的创新点在于提出了一种注意力引导的分类方案（AGC），该方案通过结合人类知识引导模型学习方向，减少了对大量训练样本的需求，并在推理阶段不需要精确的LN分割，而是可以突出显示LN附近的区分区域。	NA	本文的研究目的是在头颈癌放疗中准确分类淋巴结恶性状态，以帮助确定治疗目标。	本文的研究对象是头颈癌患者的淋巴结恶性状态。	计算机视觉	头颈癌	NA	注意力引导的卷积神经网络（agCNN）和分类卷积神经网络（cCNN）	图像	129名头颈癌手术患者，包括791个淋巴结	NA	NA	NA	NA
579	2024-08-07	Lesion segmentation in breast ultrasound images using the optimized marked watershed method 2021-Jun-07, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-021-00891-7 PMID:34098970	研究论文	本文提出了一种基于优化标记分水岭方法的乳腺超声图像病变分割技术	采用自适应形态学蛇（AMS）算法和标记分水岭（MW）方法，提高了病变分割的准确性和敏感性	NA	提高乳腺超声图像病变分割的准确性和效率	乳腺超声图像中的病变区域	计算机视觉	乳腺癌	自适应形态学蛇（AMS）算法	标记分水岭（MW）方法	图像	数据集A包含500张本地医院的乳腺超声图像，数据集B包含205张开源乳腺超声图像	NA	NA	NA	NA
580	2024-08-07	Deep learning-based attenuation correction for brain PET with various radiotracers 2021-Jun, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-021-01611-w PMID:33811600	研究论文	开发了一种基于深度学习的PET衰减校正（deep AC）框架，用于合成非衰减校正（NAC）PET图像的透射计算机断层扫描（TCT）图像	使用卷积神经网络（CNN）和大量多种放射性示踪剂的数据集，合成TCT图像，提高了PET图像的定量准确性	NA	克服脑部专用PET扫描仪在没有衰减校正获取机制的情况下获取准确μ-map的挑战	脑部PET图像的衰减校正	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	1261个脑部NAC PET和TCT图像（1091个用于训练，70个用于测试）	NA	NA	NA	NA