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
121	2024-10-06	Automation of Lung Ultrasound Interpretation via Deep Learning for the Classification of Normal versus Abnormal Lung Parenchyma: A Multicenter Study 2021-Nov-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11112049 PMID:34829396	研究论文	本文通过深度学习技术自动化肺部超声图像的解读，以区分正常和异常肺实质	利用深度学习技术实现肺部超声图像的自动化解读，提高了诊断的准确性和非专家用户的可用性	NA	开发一种基于深度学习的肺部超声图像自动解读系统，以区分正常和异常肺实质	肺部超声图像中的A线和B线	计算机视觉	NA	深度学习	神经网络	图像	272,891张标记的肺部超声图像用于训练，23,393帧用于外部验证，1162个视频用于临床应用
122	2024-10-06	Deep learning reveals disease-specific signatures of white matter pathology in tauopathies 2021-10-21, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-021-01271-x PMID:34674762	研究论文	本文利用机器学习方法识别了三种tauopathy（阿尔茨海默病、进行性核上性麻痹和皮质基底节变性）中白质病理的疾病特异性形态特征	发现了阿尔茨海默病、皮质基底节变性和进行性核上性麻痹中先前未被识别的tau形态，这些形态可能在疾病分类中具有重要意义	研究样本量较小，仅包括49个尸检脑样本	通过机器学习方法揭示tauopathy中白质病理的疾病特异性特征	tauopathy中的白质病理	数字病理	神经退行性疾病	机器学习	NA	图像	49个尸检脑样本（16个阿尔茨海默病，13个皮质基底节变性，20个进行性核上性麻痹）
123	2024-10-06	An Unsupervised Learning-Based Multi-Organ Registration Method for 3D Abdominal CT Images 2021-Sep-18, Sensors (Basel, Switzerland) DOI:10.3390/s21186254 PMID:34577461	研究论文	本文提出了一种基于无监督学习的3D腹部CT图像多器官配准方法	引入了一种改进的无监督学习框架，通过嵌入粗到细递归级联网络（RCN）模块和拓扑保持损失函数，提高了多器官配准的准确性	未提及具体限制	开发一种能够满足实时和高精度临床需求的3D腹部CT图像多器官配准方法	3D腹部CT图像的多器官配准	计算机视觉	NA	无监督学习	U-net	图像	使用了四个公开数据库进行验证
124	2024-10-06	Artificial intelligence-driven assessment of radiological images for COVID-19 2021-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104665 PMID:34343890	综述	本文综述了人工智能（AI）在COVID-19放射影像评估中的应用及其相关挑战	探讨了AI在COVID-19诊断和预后中的潜力，特别是通过胸部X光（CXR）和计算机断层扫描（CT）影像	样本量不足、非标准化影像协议、分割问题、公开COVID-19数据库的可用性、影像与临床信息的结合以及全面的临床验证是主要限制和挑战	旨在概述COVID-19 AI分析的工作流程，并讨论现有AI分析的局限性及其潜在改进	COVID-19的放射影像评估	计算机视觉	COVID-19	深度学习	混合模型（结合深度学习和显式放射组学）	影像	NA
125	2024-10-06	Deep learning for improving non-destructive grain mapping in 3D 2021-Sep-01, IUCrJ IF:2.9Q3 DOI:10.1107/S2052252521005480 PMID:34584734	研究论文	本文提出了一种利用深度学习神经网络改进实验室X射线衍射对比断层扫描（LabDCT）图像中晶粒结构三维无损表征的方法	本文创新性地使用深度学习神经网络来有效去除背景噪声，从而简化衍射点的分割过程	NA	改进实验室X射线衍射对比断层扫描图像中晶粒结构的三维无损表征	实验室X射线衍射对比断层扫描图像中的晶粒结构	计算机视觉	NA	深度学习	神经网络	图像	不同几何条件下测量的不同样本的实验图像
126	2024-10-06	Low-count whole-body PET with deep learning in a multicenter and externally validated study 2021-Aug-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00497-2 PMID:34426629	研究论文	本文评估了深度学习算法在多中心、多供应商环境下对四倍减少计数的全身PET图像质量增强的性能和通用性	首次在多中心、多供应商的真实临床环境中评估了深度学习算法对低计数全身PET图像质量的增强效果	未提及	评估深度学习算法在多中心、多供应商环境下对低计数全身PET图像质量的增强效果	低计数全身PET图像	计算机视觉	NA	深度学习	NA	图像	多中心、多供应商的真实临床环境中的患者数据
127	2024-10-06	COVID-19 diagnosis on CT scan images using a generative adversarial network and concatenated feature pyramid network with an attention mechanism 2021-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.15044 PMID:34117783	研究论文	本文提出了一种基于生成对抗网络和注意力机制的特征金字塔网络架构，用于在CT扫描图像上准确诊断COVID-19	本文创新性地结合了生成对抗网络和注意力机制的特征金字塔网络，显著提高了COVID-19诊断的准确性和召回率	本文未详细讨论模型的计算复杂度和训练时间，且未在更大规模的数据集上验证其泛化能力	开发和评估一种基于CT扫描图像实时准确诊断COVID-19的方法	COVID-19的CT扫描图像	计算机视觉	COVID-19	生成对抗网络 (GAN)	特征金字塔网络 (FPN)	图像	3个不同数量级的COVID-19 CT数据集
128	2024-10-06	Quantum algorithm for quicker clinical prognostic analysis: an application and experimental study using CT scan images of COVID-19 patients 2021-07-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-021-01588-6 PMID:34330278	研究论文	本文提出了一种基于量子机器学习算法的图像分类和分割方法，用于COVID-19患者的CT扫描图像分析	引入了量子机器学习（QML）在医学实践中的应用，并展示了量子神经网络（QNN）在COVID-19特征分类任务中优于传统深度学习模型的性能	需要进一步研究以评估在医疗设备中集成该模型的实施场景	开发一种更快速和准确的临床预测分析方法，以提高COVID-19患者的诊断效率	COVID-19患者的CT扫描图像	计算机视觉	COVID-19	量子机器学习（QML）	量子神经网络（QNN）	图像	NA
129	2024-10-06	Deeply Supervised UNet for Semantic Segmentation to Assist Dermatopathological Assessment of Basal Cell Carcinoma 2021-Apr-13, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7040071 PMID:34460521	研究论文	本文开发了一种深度学习方法，通过语义分割标记高概率显示病理特征的区域，以协助皮肤病理学家评估基底细胞癌	本文引入了深度监督和解码器输出的线性组合两种训练策略，并分析了不同编码器对UNet网络性能的影响	NA	开发一种深度学习方法，协助皮肤病理学家快速准确地评估基底细胞癌的切除边缘	基底细胞癌的病理特征区域	计算机视觉	皮肤癌	深度学习	UNet	图像	650张全切片图像，包含3443个组织切片
130	2024-10-06	An Integrated Deep Network for Cancer Survival Prediction Using Omics Data 2021, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2021.568352 PMID:34337396	研究论文	本文使用集成深度信念网络对癌症患者的生存率进行预测，并进行风险分层	提出了一种集成深度信念网络，能够从不同组学数据中提取信息特征，并在中等规模的数据集上表现优异	NA	开发一种新的方法来预测癌症患者的生存率并进行风险分层	癌症患者的RNA、miRNA和甲基化分子数据	机器学习	NA	深度学习	深度信念网络	组学数据	836名患者
131	2024-10-06	Osteolysis: A Literature Review of Basic Science and Potential Computer-Based Image Processing Detection Methods 2021, Computational intelligence and neuroscience DOI:10.1155/2021/4196241 PMID:34646317	综述	本文综述了骨溶解的基本科学原理及其潜在的基于计算机图像处理的检测方法	介绍了使用深度学习算法（如CNN、U-Net和Seg-UNet）进行医学图像处理，特别是在骨溶解检测和分割方面的应用	NA	探讨骨溶解的潜在计算机辅助检测方法	骨溶解的成因、机制和治疗方法，以及计算机图像处理技术在骨溶解检测中的应用	计算机视觉	骨科疾病	深度学习算法	CNN, U-Net, Seg-UNet	图像	NA
132	2024-10-06	Intelligent Solutions in Chest Abnormality Detection Based on YOLOv5 and ResNet50 2021, Journal of healthcare engineering DOI:10.1155/2021/2267635 PMID:34691373	研究论文	本文提出了一种基于YOLOv5和ResNet50的胸部异常检测智能解决方案	本文创新性地结合了YOLOv5和ResNet50模型，以提高胸部异常检测的准确性和效率	NA	提高计算机辅助诊断系统在胸部异常检测中的准确性和效率	胸部异常检测和常见肺部疾病的分类	计算机视觉	肺部疾病	深度学习	YOLOv5, ResNet50	图像	数据集来自VinBigData的VinLab平台
133	2024-10-06	The Longest Month: Analyzing COVID-19 Vaccination Opinions Dynamics From Tweets in the Month Following the First Vaccine Announcement 2021, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2021.3059821 PMID:34786309	研究论文	分析在首个疫苗宣布后的一个月内，推特上关于COVID-19疫苗接种意见的动态变化	比较了经典机器学习与深度学习算法，选择表现最佳的分类器	NA	分析社交媒体上关于COVID-19疫苗接种的公众意见动态	推特上的COVID-19疫苗接种相关推文	自然语言处理	NA	机器学习	NA	文本	2,349,659条推文
134	2024-10-06	COVID-19 Multi-Targeted Drug Repurposing Using Few-Shot Learning 2021, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2021.693177 PMID:36303751	研究论文	本文介绍了一种新的深度学习模型，用于分子属性预测，并应用于COVID-19多靶点药物再利用	该模型采用图神经网络进行化学分子嵌入的计算学习，相比依赖大量标记实验数据的最先进方法，在预训练阶段无需手动标记，且在小样本数据上表现优异	NA	探索COVID-19多靶点药物再利用的新方法	COVID-19治疗药物的多靶点分子筛选	机器学习	COVID-19	图神经网络	深度学习模型	分子数据	小样本数据
135	2024-10-05	Detection of Cytopathic Effects Induced by Influenza, Parainfluenza, and Enterovirus Using Deep Convolution Neural Network 2021-Dec-30, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines10010070 PMID:35052750	研究论文	本研究利用深度卷积神经网络（ResNet-50）和多任务学习模型，提高了流感、副流感病毒和肠道病毒引起的细胞病变效应（CPEs）的检测效率	首次使用深度学习技术（ResNet-50和多任务学习模型）来检测流感、副流感病毒和肠道病毒引起的细胞病变效应，显著提高了检测准确率和效率	需要进一步验证模型在不同细胞系和更多病毒类型上的适用性	提高病毒引起的细胞病变效应的检测效率和准确性	流感、副流感病毒和肠道病毒引起的细胞病变效应	计算机视觉	NA	深度学习	ResNet-50	图像	涉及流感、副流感病毒和肠道病毒引起的细胞病变效应的数据
136	2024-10-05	Yet Another Automated Gleason Grading System (YAAGGS) by weakly supervised deep learning 2021-Jun-14, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00469-6 PMID:34127777	研究论文	本文介绍了一种基于弱监督深度学习的自动Gleason分级系统	该系统不需要专家进行广泛的区域级手动注释或复杂的算法来生成区域级注释	受限于病例数量和其他因素	开发一种无需广泛区域级注释的人工智能系统来诊断前列腺癌	前列腺癌的Gleason分级	数字病理学	前列腺癌	深度学习	NA	图像	6664和936个前列腺穿刺单核切片（689和99例）
137	2024-10-04	Deep learning and medical image processing for coronavirus (COVID-19) pandemic: A survey 2021-Feb, Sustainable cities and society IF:10.5Q1 DOI:10.1016/j.scs.2020.102589 PMID:33169099	综述	本文综述了深度学习在COVID-19医学图像处理中的应用现状	本文总结了2020年初以来大量关于深度学习在COVID-19医学图像处理中的研究工作	本文讨论了深度学习在COVID-19医学图像处理中实施的几个挑战和问题	总结和探讨深度学习在COVID-19医学图像处理中的应用	COVID-19医学图像处理	计算机视觉	NA	深度学习	NA	图像	NA
138	2024-10-04	Artificial intelligence neuropathologist for glioma classification using deep learning on hematoxylin and eosin stained slide images and molecular markers 2021-01-30, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noaa163 PMID:32663285	研究论文	本文开发了一种基于深度学习的人工智能神经病理学家，用于通过苏木精-伊红染色切片图像和分子标记对胶质瘤进行分类	开发了一种新的挤压和激励块DenseNet模型，命名为SD-Net_WCE，用于胶质瘤分类任务	NA	确定深度学习是否可以应用于胶质瘤分类	胶质瘤的病理诊断和分类	数字病理学	脑肿瘤	深度学习	卷积神经网络 (CNN)	图像	79,990个组织切片图像来自267名患者，56名患者的17,262个组织切片图像用于独立测试
139	2024-10-01	Improved Protein Structure Prediction Using a New Multi-Scale Network and Homologous Templates 2021-12, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202102592 PMID:34719864	研究论文	本文介绍了一种改进的蛋白质结构预测方法trRosettaX，通过应用新的多尺度网络Res2Net和基于注意力的模块来利用多个同源模板，提高了预测精度	引入了新的多尺度网络Res2Net和基于注意力的模块，利用多个同源模板提高了蛋白质结构预测的精度	NA	提高蛋白质结构预测的准确性	蛋白质结构预测	机器学习	NA	深度学习	Res2Net	蛋白质结构数据	161个目标
140	2024-10-01	Detecting Parkinson Disease Using a Web-Based Speech Task: Observational Study 2021-10-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/26305 PMID:34665148	研究论文	本文提出了一种基于网络的语音任务框架，用于检测帕金森病	利用网络平台收集语音数据，并通过机器学习算法进行分析，实现远程帕金森病的筛查	数据主要来自美国，且部分数据质量较低，可能影响模型的泛化能力	开发一种便捷的远程筛查工具，帮助全球范围内的人们检测帕金森病	帕金森病患者和非患者的语音数据	机器学习	帕金森病	机器学习算法	XGBoost	语音数据	726名参与者，其中262名帕金森病患者，464名非患者，平均年龄61岁