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
81	2024-10-18	Guest Editorial Annotation-Efficient Deep Learning: The Holy Grail of Medical Imaging 2021-Oct, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/tmi.2021.3089292 PMID:34795461	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
82	2024-10-18	Liver Steatosis Categorization on Contrast-Enhanced CT Using a Fully Automated Deep Learning Volumetric Segmentation Tool: Evaluation in 1204 Healthy Adults Using Unenhanced CT as a Reference Standard 2021-08, AJR. American journal of roentgenology DOI:10.2214/AJR.20.24415 PMID:32936018	研究论文	本文评估了一种全自动深度学习体积分割工具在对比增强CT上对脂肪肝分类的准确性，使用未增强CT作为参考标准	使用全自动深度学习体积分割算法进行肝脾体积分割，并评估其在对比增强CT上对脂肪肝分类的准确性	需要进一步验证不同扫描协议和供应商的结果	评估全自动深度学习体积分割工具在对比增强CT上对脂肪肝分类的准确性	1204名健康成年人	计算机视觉	肝病	3D卷积神经网络	CNN	CT图像	1204名健康成年人（平均年龄45.2岁，726名女性，478名男性）
83	2024-10-18	Editorial Comment on "Liver Steatosis Categorization on Contrast-Enhanced CT Using a Fully Automated Deep Learning Volumetric Segmentation Tool: Evaluation in 1204 Healthy Adults Using Unenhanced CT as a Reference Standard" 2021-Aug, AJR. American journal of roentgenology DOI:10.2214/AJR.20.24764 PMID:32997510	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
84	2024-10-18	Diagnostic Accuracy of Quantitative Multicontrast 5-Minute Knee MRI Using Prospective Artificial Intelligence Image Quality Enhancement 2021-06, AJR. American journal of roentgenology DOI:10.2214/AJR.20.24172 PMID:32755384	研究论文	本研究评估了使用深度学习增强的5分钟3D定量双回波稳态（qDESS）序列与传统膝关节MRI在诊断准确性方面的比较	本研究首次使用深度学习超分辨率增强技术来提高qDESS序列的图像质量，并自动生成T2图	本研究样本量较小，仅包括51名患者，且未涵盖所有可能的膝关节病变	评估深度学习增强的qDESS序列与传统膝关节MRI在诊断准确性方面的差异	膝关节MRI图像的质量和诊断准确性	计算机视觉	NA	深度学习超分辨率增强	深度学习模型	图像	51名膝关节疼痛患者
85	2024-10-14	Infrared Metasurface Augmented by Deep Learning for Monitoring Dynamics between All Major Classes of Biomolecules 2021-Apr, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202006054 PMID:33615570	研究论文	本文介绍了一种结合深度学习的化学特异性纳米等离子体技术，用于在不干扰天然过程的情况下，以无标签方式区分所有主要类别的生物分子	本文提出了一种新的深度学习增强的纳米等离子体技术，能够在微流控设备中增强中红外光谱的吸收，并实时收集大量光谱时间数据，用于构建深度神经网络以准确区分所有主要类别的生物分子	NA	开发一种能够监测生物分子间动态交互的新技术，以促进疾病诊断和药物开发	蛋白质、核酸、碳水化合物和脂质等主要类别的生物分子	生物学	NA	纳米等离子体技术	深度神经网络	光谱时间数据	包含蔗糖和核苷酸的脂质体与小分子脂质膜穿孔肽的多步生物测定
86	2024-10-13	Detection of Optic Disc Abnormalities in Color Fundus Photographs Using Deep Learning 2021-Sep-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000001358 PMID:34415271	研究论文	本文研究了使用深度学习技术检测彩色眼底照片中的视盘异常	本文扩展了深度学习在视盘分析中的应用，以检测一系列非青光眼性视神经病变	本文的模型在外部测试数据集上的特异性较低	开发一种能够检测彩色眼底照片中视盘异常的深度学习算法	视盘异常，包括缺血性视神经病变、萎缩、压迫性视神经病变、遗传性视神经病变、发育不全、视乳头水肿和中毒性视神经病变	计算机视觉	NA	深度学习	ResNet-152深度卷积神经网络	图像	训练数据集包含944张去识别化的彩色眼底照片（异常364张，正常580张），测试数据集包含151张去识别化的彩色眼底照片（异常71张，正常80张）
87	2024-10-11	Application of deep learning techniques for detection of COVID-19 cases using chest X-ray images: A comprehensive study 2021-Feb, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2020.102365 PMID:33230398	研究论文	本文研究了使用深度学习技术通过胸部X光图像检测COVID-19病例的方法	提出了使用八种预训练的卷积神经网络模型进行COVID-19的早期诊断，并通过比较分析确定了最佳模型	仅限于使用胸部X光图像进行诊断，未考虑其他类型的医学影像	设计一种自动化和早期诊断系统，以提供快速决策并减少诊断错误	COVID-19病例的早期诊断	计算机视觉	COVID-19	深度学习	卷积神经网络 (CNN)	图像	使用了公开可用的胸部X光图像进行验证
88	2024-10-10	Pay attention to doctor-patient dialogues: Multi-modal knowledge graph attention image-text embedding for COVID-19 diagnosis 2021-Nov, An international journal on information fusion DOI:10.1016/j.inffus.2021.05.015 PMID:34093095	研究论文	本文提出了一种多模态知识图谱注意力嵌入方法，用于COVID-19诊断，结合了医生-患者对话和医学图像信息	本文的创新点在于结合了多模态数据（文本和图像），并通过知识图谱注意力机制引入医学知识，以提高分类器的性能	NA	旨在解决当前深度学习方法在多模态数据充分性方面的问题，并提高COVID-19诊断的准确性和早期评估	COVID-19患者的医生-患者对话和医学图像	自然语言处理	COVID-19	知识图谱注意力机制	NA	文本和图像	1393个COVID-19患者对话和3706张图像，607个非COVID-19患者对话和10754张图像
89	2024-10-10	AIDeveloper: Deep Learning Image Classification in Life Science and Beyond 2021-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202003743 PMID:34105281	研究论文	介绍了一种名为AIDeveloper的开源软件，用于在不需要编程的情况下训练神经网络进行图像分类	AIDeveloper提供了一种易于使用、可适应且开源的解决方案，无需编程即可训练神经网络进行图像分类	NA	开发一种无需编程即可训练神经网络进行图像分类的软件	图像分类在生命科学及其他领域的应用	计算机视觉	NA	神经网络	神经网络	图像	超过120万张图像用于训练神经网络进行血细胞分类
90	2024-10-10	Image-driven classification of functioning and nonfunctioning pituitary adenoma by deep convolutional neural networks 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.05.023 PMID:34136106	研究论文	本文利用深度卷积神经网络对功能性和非功能性垂体腺瘤进行图像驱动的分类	首次提出基于深度学习的垂体腺瘤区域分割和分类模型，采用迁移学习和注意力机制提高模型性能	NA	开发一种自动化的方法来区分功能性和非功能性垂体腺瘤，以辅助治疗策略的制定	垂体腺瘤的功能性分类	计算机视觉	NA	卷积神经网络	CNN	图像	185名垂体腺瘤患者（来自两个中心）的3D MRI图像
91	2024-10-10	Overview of current state of research on the application of artificial intelligence techniques for COVID-19 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.564 PMID:34141890	综述	本文综述了当前人工智能技术在COVID-19应用研究中的现状	本文通过综述AI技术在COVID-19预测、诊断、药物设计和分析社会影响方面的应用，为未来研究提供了建议	NA	探讨人工智能技术在COVID-19疫情中的应用	COVID-19的预测、诊断、药物设计和社会影响分析	机器学习	COVID-19	机器学习和深度学习	NA	NA	NA
92	2024-10-09	Enhancing deep-learning training for phase identification in powder X-ray diffractograms 2021-May-01, IUCrJ IF:2.9Q3 DOI:10.1107/S2052252521002402 PMID:33953927	研究论文	本文提出了一种生成合成粉末X射线衍射图谱的方法，用于增强深度学习模型在相位识别任务中的训练	开发了一种生成合成XRD扫描图谱的框架，模拟真实测量中的典型效应，用于训练机器或深度学习模型	需要数千个训练样本才能使模型达到可靠性能，但可用样本不足	提高深度学习模型在粉末X射线衍射图谱相位识别任务中的性能	铁矿石和水泥化合物	机器学习	NA	粉末X射线衍射（XRD）	卷积神经网络（CNN）	衍射图谱	数千个合成XRD扫描图谱
93	2024-10-09	Machine learning and deep learning to predict mortality in patients with spontaneous coronary artery dissection 2021-04-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-88172-0 PMID:33903608	研究论文	本文探讨了机器学习和深度学习技术在预测自发性冠状动脉夹层患者住院期间死亡率中的应用	首次应用深度神经网络模型从电子健康记录中提取信息，预测自发性冠状动脉夹层患者的住院死亡率，并展示了该模型在预测准确性和区分能力上优于传统的机器学习模型	研究样本量较小，且仅限于一个城市健康系统的数据，可能影响模型的普适性	探索机器学习和深度学习技术在预测自发性冠状动脉夹层患者死亡率中的应用价值	自发性冠状动脉夹层患者	机器学习	心血管疾病	机器学习 (ML) 和深度学习 (DL)	深度神经网络	电子健康记录 (EHR)	375名自发性冠状动脉夹层患者
94	2024-10-09	SMORE: A Self-Supervised Anti-Aliasing and Super-Resolution Algorithm for MRI Using Deep Learning 2021-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2020.3037187 PMID:33170776	研究论文	本文提出了一种基于卷积神经网络的自监督抗锯齿和超分辨率算法SMORE，用于提高MRI图像的质量	该方法无需外部训练数据，利用图像本身的高分辨率和低分辨率数据进行自监督训练	NA	提高MRI图像的分辨率和减少锯齿伪影	MRI图像	计算机视觉	NA	卷积神经网络	CNN	图像	广泛收集的MRI数据，包括滤波和下采样的图像以及实际采集的低分辨率图像
95	2024-10-09	Deep Neural Networks Offer Morphologic Classification and Diagnosis of Bacterial Vaginosis 2021-01-21, Journal of clinical microbiology IF:6.1Q1 DOI:10.1128/JCM.02236-20 PMID:33148709	研究论文	本文开发并优化了一种卷积神经网络（CNN）模型，用于自动识别和分类显微镜图像中的Nugent评分，以诊断细菌性阴道病	本文首次使用深度学习模型进行细菌性阴道病的形态学分类和诊断，模型在准确性和稳定性上优于人类医疗从业者	本文未详细讨论模型的泛化能力在不同医院或不同设备上的表现	开发一种自动化的方法来诊断细菌性阴道病，以替代传统的人工诊断方法	细菌性阴道病的诊断和分类	计算机视觉	妇科疾病	卷积神经网络（CNN）	CNN	图像	验证图像5,815张，独立测试图像1,082张
96	2024-10-09	Prediction of COVID-19 with Computed Tomography Images using Hybrid Learning Techniques 2021, Disease markers DOI:10.1155/2021/5522729 PMID:33968281	研究论文	本文使用混合学习模型对COVID-19、社区获得性肺炎（CAP）和正常CT图像进行分类	提出了一种混合学习模型，相比其他机器学习和深度学习分类器，在COVID-19分类中表现更优	未提及具体限制	提高COVID-19早期诊断的准确性	COVID-19、社区获得性肺炎（CAP）和正常CT图像	计算机视觉	COVID-19	混合学习技术	混合学习模型	CT图像	未提及具体样本数量
97	2024-10-08	Mini-COVIDNet: Efficient Lightweight Deep Neural Network for Ultrasound Based Point-of-Care Detection of COVID-19 2021-06, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2021.3068190 PMID:33755565	研究论文	本文开发了一种轻量级的深度学习模型Mini-COVIDNet，用于基于肺部超声图像的COVID-19检测	提出了Mini-COVIDNet模型，相比现有模型参数减少了4.39倍，内存需求仅为51.29 MB，适用于移动平台部署	NA	开发一种适用于移动平台的轻量级深度学习模型，用于COVID-19的快速检测	COVID-19、肺炎和健康状态的肺部超声图像	计算机视觉	COVID-19	深度学习	深度神经网络	图像	三类样本：COVID-19、肺炎和健康状态
98	2024-10-08	InstantDL: an easy-to-use deep learning pipeline for image segmentation and classification 2021-Mar-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04037-3 PMID:33653266	研究论文	本文介绍了一个名为InstantDL的深度学习管道，用于图像分割和分类任务	InstantDL允许具有基本计算背景的研究人员轻松应用经过调试和基准测试的最新深度学习算法，无需大量编码和机器学习背景	NA	开发一个易于使用的深度学习管道，使生物医学研究人员能够进行可重复的图像处理	图像分割和分类任务	计算机视觉	NA	卷积神经网络	CNN	图像	七个公开数据集
99	2024-10-08	DRPnet: automated particle picking in cryo-electron micrographs using deep regression 2021-Feb-08, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-020-03948-x PMID:33557750	研究论文	本文开发了一种基于深度学习的粒子挑选网络，用于自动检测冷冻电镜图像中的粒子中心	提出了一种双卷积神经网络级联的方法，名为DRPnet，能够有效识别不同大小、形状、分布和灰度模式的粒子，并在多个性能指标上优于现有方法	NA	开发一种自动化的方法来识别和选择冷冻电镜图像中的蛋白质粒子	冷冻电镜图像中的蛋白质粒子	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	单个冷冻电镜数据集
100	2024-10-08	Ankle fracture classification using deep learning: automating detailed AO Foundation/Orthopedic Trauma Association (AO/OTA) 2018 malleolar fracture identification reaches a high degree of correct classification 2021-02, Acta orthopaedica IF:2.5Q1 DOI:10.1080/17453674.2020.1837420 PMID:33103536	研究论文	研究使用深度学习算法自动分类踝关节骨折，特别是根据AO基金会/骨科创伤协会（AO/OTA）2018标准进行详细分类	开发了一种基于ResNet架构的神经网络，能够自动学习并分类踝关节骨折的复杂分类标准	研究主要集中在踝关节骨折的分类，未涉及其他身体部位的骨折分类	探索使用深度学习算法自动分类踝关节骨折，以辅助骨科决策	踝关节骨折的分类，特别是AO/OTA 2018标准的详细分类	计算机视觉	NA	深度学习	ResNet	图像	4941例踝关节X光检查图像，其中400例用于测试