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
1	2024-12-21	Discovery of gene module acting on ubiquitin-mediated proteolysis pathway by co-expression network analysis for endometriosis 2021-Feb, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2020.10.005 PMID:33189575	研究论文	通过共表达网络分析发现与子宫内膜异位症相关的基因模块，并探讨其在临床诊断中的应用	首次通过共表达网络分析发现与子宫内膜异位症高度相关的基因模块，并利用深度学习模型进行临床诊断	研究基于已有的基因表达数据集，未进行实验验证	探讨子宫内膜异位症的发生与基因模块表达异常的关系，并建立诊断模型	子宫内膜异位症患者的异位子宫内膜组织	基因组学	妇科疾病	共表达网络分析	深度学习模型	基因表达数据	71例正常样本和142例子宫内膜异位症样本
2	2024-12-08	Image-based profiling for drug discovery: due for a machine-learning upgrade? 2021-02, Nature reviews. Drug discovery DOI:10.1038/s41573-020-00117-w PMID:33353986	研究论文	本文探讨了基于图像的药物发现策略，并提出机器学习技术在此领域的升级潜力	本文提出了利用深度学习和单细胞方法等新型计算技术来更好地捕捉图像中的生物信息，以加速药物发现	尽管机器学习策略有所改进，但仍存在挑战	探讨基于图像的药物发现策略及其在机器学习技术升级中的潜力	基于图像的特征提取和多维特征分析	计算机视觉	NA	深度学习	NA	图像	NA
3	2024-11-18	MB-GAN: Microbiome Simulation via Generative Adversarial Network 2021-02-05, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab005 PMID:33543271	研究论文	本文介绍了一种名为MB-GAN的生成对抗网络框架，用于模拟真实的微生物组数据	MB-GAN通过生成对抗网络自动学习微生物丰度并生成难以区分的模拟数据，避免了显式统计建模假设	NA	解决模拟真实微生物组数据的挑战	微生物组数据	机器学习	NA	生成对抗网络 (GAN)	GAN	微生物丰度数据	396个样本
4	2024-10-25	Automating the assessment of biofouling in images using expert agreement as a gold standard 2021-02-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-81011-2 PMID:33531525	研究论文	本文利用深度学习技术自动评估水下图像中的生物污损情况，并以专家共识作为金标准	首次应用深度学习模型自动分类水下检查图像中的生物污损，并验证了其与专家评估的一致性	研究仅限于水下检查图像的分类，未涉及其他类型的生物污损数据	开发一种自动化的方法来评估船舶外壳的生物污损情况，以降低成本和提高效率	水下检查图像中的生物污损	计算机视觉	NA	深度学习	深度学习模型	图像	超过10,000张水下检查图像，其中120张由三位专家标注
5	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
6	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
7	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
8	2024-10-07	Multimodal deep learning models for early detection of Alzheimer's disease stage 2021-02-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-74399-w PMID:33547343	研究论文	本文利用深度学习技术整合影像、基因和临床测试数据，用于阿尔茨海默病早期阶段的分类	提出了一种新的数据解释方法，通过聚类和扰动分析识别深度模型学习到的顶级特征	未提及	开发多模态深度学习模型用于阿尔茨海默病早期阶段的检测	阿尔茨海默病、轻度认知障碍和对照组患者	机器学习	阿尔茨海默病	深度学习	3D-卷积神经网络	影像、基因和临床测试数据	使用阿尔茨海默病神经影像学倡议(ADNI)数据集
9	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
10	2024-09-30	[Parkinson's disease diagnosis based on local statistics of speech signal in time-frequency domain] 2021-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202001024 PMID:33899424	研究论文	提出了一种基于时频域梯度统计的方法来分析帕金森病患者语音障碍	引入时频域梯度统计特征，相比传统特征和深度学习特征，在分类准确性、特异性和敏感性上表现更好	NA	开发一种新的方法来诊断帕金森病患者的语音障碍	帕金森病患者的语音信号	信号处理	神经退行性疾病	时频分析	KNN分类器	语音信号	不同帕金森病患者的语音数据集
11	2024-09-23	Hyperspectral Microscopic Imaging for the Detection of Head and Neck Squamous Cell Carcinoma on Histologic Slides 2021-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2581970 PMID:35783088	研究论文	研究使用高光谱显微成像和深度学习方法自动检测头颈部鳞状细胞癌	首次将高光谱显微成像与基于Inception的二维卷积神经网络结合用于头颈部鳞状细胞癌的自动检测	样本量较小，仅涉及18名患者	探索高光谱显微成像和深度学习方法在头颈部鳞状细胞癌自动检测中的应用	头颈部鳞状细胞癌的病理切片	数字病理学	头颈部鳞状细胞癌	高光谱成像	二维卷积神经网络	图像	18名患者
12	2024-09-21	Advancing Eosinophilic Esophagitis Diagnosis and Phenotype Assessment with Deep Learning Computer Vision 2021-Feb, Biomedical engineering systems and technologies, international joint conference, BIOSTEC ... revised selected papers. BIOSTEC (Conference) DOI:10.5220/0010241900002865 PMID:34046649	研究论文	本文提出了一种利用深度学习计算机视觉技术自动量化嗜酸性粒细胞以诊断嗜酸性食管炎（EoE）并评估疾病严重程度和进展的方法	首次利用深度学习计算机视觉技术进行EoE诊断，并提供了一种自动化的疾病严重程度和进展跟踪过程	NA	寻找可能指导新患者在疾病初始诊断时治疗计划的关联	嗜酸性食管炎（EoE）的诊断和疾病严重程度及进展评估	计算机视觉	消化系统疾病	深度学习	U-Net	图像	NA
13	2024-08-31	Shallow Convolutional Neural Network for COVID-19 Outbreak Screening Using Chest X-rays 2021-Feb-05, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-020-09775-9 PMID:33564340	研究论文	本文提出了一种轻量级的浅层卷积神经网络（CNN）架构，用于通过胸部X光片自动检测COVID-19阳性病例	该浅层CNN架构设计参数较少，相比其他深度学习模型更高效，且在实验中达到了99.69%的最高准确率和1.0的敏感度	NA	开发一种计算效率高的AI工具，用于通过胸部X光片大规模筛查COVID-19阳性病例	COVID-19阳性病例和非COVID-19病例的胸部X光片	计算机视觉	COVID-19	卷积神经网络（CNN）	CNN	图像	321张COVID-19阳性胸部X光片和5856张非COVID-19病例胸部X光片
14	2024-08-28	Dental microfracture detection using wavelet features and machine learning 2021-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2580744 PMID:35505894	研究论文	本文提出了一种结合高分辨率锥束计算机断层扫描（CBCT）和机器学习算法来检测牙齿微裂纹的方法	该方法通过使用小波金字塔构造生成相位图像，并利用U-Net深度学习架构定位裂纹的方向和范围，提供了一种新的量化牙齿结构破坏的方法	目前该模型仅在2D切片上进行了验证，未来的工作将扩展到3D体积，并改进特征提取和临床验证	开发一种新的算法来早期检测牙齿微裂纹，以提高治疗效果和牙齿保留时间	研究对象为提取的人类牙齿，包括裂纹牙齿和对照牙齿	机器学习	NA	CBCT	U-Net	图像	22颗裂纹牙齿和14颗对照牙齿
15	2024-08-25	Automatic detection of cotton balls during brain surgery: Where deep learning meets ultrasound imaging to tackle foreign objects 2021-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2580887 PMID:35233128	研究论文	本文研究了使用深度学习和超声成像技术自动检测脑外科手术中棉球的方法	采用3D打印的自定义深度盒和Butterfly IQ手持超声探头，结合YOLOv4算法进行实时物体识别	NA	提高脑外科手术中棉球的检测准确性和速度	棉球在脑外科手术中的检测	计算机视觉	NA	超声成像	YOLOv4	图像	棉球在不同位置和深度下的检测
16	2024-08-23	A comparison of Monte Carlo dropout and bootstrap aggregation on the performance and uncertainty estimation in radiation therapy dose prediction with deep learning neural networks 2021-02-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abe04f PMID:33503599	研究论文	本文比较了蒙特卡洛 dropout 和 bootstrap 聚合技术在深度学习神经网络中用于放射治疗剂量预测的不确定性估计和性能	提出了使用蒙特卡洛 dropout 和 bootstrap 聚合技术来生成放射治疗剂量预测的不确定性估计，并引入了一种缩放技术来创建可解释的不确定性和预测边界	bagging 技术在训练期间的高计算成本和其性能高度依赖于问题和可接受的预测误差	研究蒙特卡洛 dropout 和 bootstrap 聚合技术在深度学习模型中用于放射治疗剂量预测的不确定性估计和性能	深度学习模型在放射治疗剂量预测中的不确定性和性能	机器学习	NA	蒙特卡洛 dropout (MCDO), bootstrap 聚合 (bagging)	深度学习神经网络	NA	NA
17	2024-08-14	Artificial intelligence for automatic cerebral ventricle segmentation and volume calculation: a clinical tool for the evaluation of pediatric hydrocephalus 2021-02-01, Journal of neurosurgery. Pediatrics DOI:10.3171/2020.6.PEDS20251 PMID:33260138	研究论文	本文开发了一种全自动深度学习模型，用于儿童脑室分割和体积计算，旨在广泛应用于多所医院的临床评估中	该深度学习模型在脑室分割和体积计算方面比现有方法更准确和快速	NA	开发一种全自动深度学习模型，用于儿童脑室分割和体积计算，以促进临床决策	200名阻塞性脑积水儿童和199名对照组的脑室分割和体积计算	计算机视觉	儿童脑积水	深度学习	编码器-解码器卷积神经网络	T2加权MRI图像	200名阻塞性脑积水儿童和199名对照组
18	2024-08-11	RUN-UP: Accelerated multishot diffusion-weighted MRI reconstruction using an unrolled network with U-Net as priors 2021-02, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28446 PMID:32783339	研究论文	本文提出了一种使用展开网络和U-Net先验的加速多重扩散加权磁共振成像（MRI）重建方法	该方法通过深度学习实现了多重扩散加权MRI重建的加速和改进，重建时间缩短至0.1秒每图像，图像质量与联合重建目标相当	NA	加速和改进多重扩散加权MRI重建	多重扩散加权MRI重建	计算机视觉	NA	MRI	U-Net	图像	体内脑和乳腺实验
19	2024-08-08	Diagnosis and Risk Prediction of Dilated Cardiomyopathy in the Era of Big Data and Genomics 2021-Feb-26, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10050921 PMID:33652931	综述	本文综述了在基因组学和大数據时代下，扩张型心肌病（DCM）的诊断和风险预测的进展	介绍了多变量风险模型和遗传风险评分在个性化风险评估中的应用，以及机器学习和深度学习在复杂交互和预后建模中的作用	NA	探讨在基因组学和大数據时代下，如何改进扩张型心肌病的个性化风险评估	扩张型心肌病（DCM）的诊断和风险预测	基因组学	心血管疾病	基因组/外显子组关联研究	机器学习和深度学习	电子健康记录、现有研究数据库和疾病登记	NA
20	2024-08-08	Performance of Ultrasound Techniques and the Potential of Artificial Intelligence in the Evaluation of Hepatocellular Carcinoma and Non-Alcoholic Fatty Liver Disease 2021-Feb-14, Cancers IF:4.5Q1 DOI:10.3390/cancers13040790 PMID:33672827	综述	本文综述了超声技术在非酒精性脂肪肝病（NAFLD）及其相关肝细胞癌（HCC）评估中的诊断性能，并探讨了人工智能（AI）辅助优化超声诊断的可能性	探讨了人工智能和深度学习算法在通过超声方法评估NAFLD和NAFLD相关HCC中的应用，认为这可能对患者护理产生重大影响	传统超声在量化NAFLD和准确表征特定肝局灶性病变（FLL）方面存在局限性	分析超声技术在NAFLD和NAFLD相关HCC评估中的诊断性能，并探索人工智能优化超声诊断的可能性	非酒精性脂肪肝病（NAFLD）及其相关肝细胞癌（HCC）	医学影像	肝病	超声成像	深度学习算法	图像	NA