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	2024-11-17	Trends in artificial intelligence, machine learning, and chemometrics applied to chemical data 2021-Apr, Analytical science advances IF:3.0Q2 DOI:10.1002/ansa.202000162 PMID:38716450	综述	本文综述了2020年化学数据中化学计量学、机器学习和深度学习的最新趋势	探讨了逆向建模、预处理方法和数据建模在光谱和图像数据中的应用	NA	旨在提高化学数据的应用潜力	化学和光谱数据	机器学习	NA	化学计量学	深度学习	光谱和图像数据	NA
2	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
3	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
4	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
5	2024-10-04	The ANTsX ecosystem for quantitative biological and medical imaging 2021-04-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87564-6 PMID:33907199	研究论文	本文介绍了ANTsX生态系统，这是一个用于定量生物和医学成像的开源软件库集合	ANTsX生态系统通过与R统计项目和Python的接口，增加了统计、可视化和深度学习功能，并提供了基于TensorFlow/Keras的深度学习扩展ANTsRNet和ANTsPyNet	NA	展示ANTsX生态系统在医学图像分析中的重要性和改进的计算效率	生物和医学成像数据	计算机视觉	NA	深度学习	TensorFlow/Keras	图像	NA
6	2024-09-28	Artificial intelligence and digital pathology: Opportunities and implications for immuno-oncology 2021-04, Biochimica et biophysica acta. Reviews on cancer DOI:10.1016/j.bbcan.2021.188520 PMID:33561505	综述	本文探讨了人工智能在免疫肿瘤学中的应用及其对数字病理学的影响	利用深度学习进行病理样本的大数据分析，超越传统技术的可能性	NA	探讨人工智能在免疫肿瘤学中的应用，解决肿瘤免疫相互作用和免疫治疗患者选择的问题	肿瘤免疫微环境的可测量特征及其在预测和预后中的价值	数字病理学	肿瘤	深度学习	NA	病理样本数据	NA
7	2024-09-27	Efficient few-shot machine learning for classification of EBSD patterns 2021-04-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87557-5 PMID:33854109	研究论文	本文研究了在电子背散射衍射（EBSD）图案分类中使用少样本迁移学习方法的有效性	本文首次将少样本迁移学习应用于EBSD图案分类，并使用可视化技术解释模型操作	本文未详细讨论迁移学习在其他材料科学问题中的应用	验证少样本迁移学习在EBSD图案分类中的有效性	电子背散射衍射（EBSD）图案	计算机视觉	NA	迁移学习	卷积神经网络（CNN）	图像	六种空间群的EBSD图案
8	2024-09-25	An imageomics and multi-network based deep learning model for risk assessment of liver transplantation for hepatocellular cancer 2021-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2021.101894 PMID:33725579	研究论文	本文开发了一种结合临床数据和定量组织学及放射组学特征的深度学习模型，用于评估肝细胞癌患者肝移植的风险	本文的创新点在于开发了一种结合多尺度组织病理学和放射组学图像特征的深度学习模型，用于发现超出肿瘤大小和生物标志物分析的复发风险因素	NA	本文的研究目的是开发一种能够更客观评估肝细胞癌患者肝移植风险的深度学习模型	本文的研究对象是接受肝移植的肝细胞癌患者	计算机视觉	肝癌	深度学习	多层感知器	图像	共109名患者（训练组87名，测试组22名），其中20名患者出现癌症复发
9	2024-09-19	A Novel Method for COVID-19 Diagnosis Using Artificial Intelligence in Chest X-ray Images 2021-Apr-29, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare9050522 PMID:33946809	研究论文	提出了一种利用人工智能和胸部X光图像自动诊断COVID-19的新方法	提出了CoVIRNet模型，结合了深度学习和机器学习技术，通过多尺度特征提取和分类，实现了95.7%的准确率，特征提取器与随机森林分类器结合达到了97.29%的准确率	由于COVID-19数据集较小，存在过拟合的风险	开发一种非侵入性技术，利用人工智能自动检测疑似COVID-19患者	COVID-19患者的胸部X光图像	计算机视觉	传染病	深度学习	Inception-ResNet	图像	有限数量的COVID-19患者胸部X光图像
10	2024-09-19	Transfer learning for establishment of recognition of COVID-19 on CT imaging using small-sized training datasets 2021-Apr-22, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2021.106849 PMID:33584016	研究论文	本文利用迁移学习技术，基于小规模训练数据集，建立了用于CT影像识别COVID-19的方法	本文首次采用迁移学习结合DensNet-121模型，利用CheXNet预训练网络在小规模数据集上进行微调，实现了COVID-19的高精度识别	本文方法依赖于预训练网络的性能，且仅在COVID-19-CT数据集上进行了验证	开发一种基于CT影像的高效COVID-19识别方法，以减轻临床和放射科医生的负担	COVID-19的CT影像识别	计算机视觉	COVID-19	迁移学习	DensNet-121	CT影像	小规模数据集
11	2024-09-13	[Research progress in lung parenchyma segmentation based on computed tomography] 2021-Apr-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202008032 PMID:33913299	综述	本文综述了近年来基于CT图像的肺实质分割研究进展	重点介绍了改进深度学习模型网络结构的研究进展	讨论了肺实质分割中尚未解决的问题	回顾和分析肺实质分割的研究进展，为相关领域的研究人员提供参考	基于CT图像的肺实质分割方法	计算机视觉	肺部疾病	CT技术	深度学习模型	图像	NA
12	2024-09-10	Does non-COVID-19 lung lesion help? investigating transferability in COVID-19 CT image segmentation 2021-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2021.106004 PMID:33662804	研究论文	研究了非COVID-19肺部病变在COVID-19 CT图像分割中的迁移学习效果	提出了混合编码器学习策略，结合了专用编码器和适应性编码器，以及基于注意力的选择性融合单元，用于动态特征选择和聚合	NA	探讨非COVID-19肺部病变在COVID-19 CT图像分割中的迁移学习效果，并提出一种更有效的深度学习模型训练策略	COVID-19 CT图像分割	计算机视觉	肺部疾病	迁移学习	3D U-Net	CT图像	基于公开的COVID-19 CT数据集和三个公开的非COVID-19数据集
13	2024-09-08	Deep Learning-Based Cell Detection and Extraction in Thin Blood Smears for Malaria Diagnosis 2021-Apr-26, IEEE Applied Imagery Pattern Recognition Workshop : [proceedings]. IEEE Applied Imagery Pattern Recognition Workshop DOI:10.1109/AIPR52630.2021.9762109 PMID:36483328	研究论文	本文提出了一种基于深度学习的薄血涂片中细胞检测和提取框架，用于疟疾诊断	使用改进的Channel-wise Feature Pyramid Network for Medicine (CFPNet-M)深度学习网络进行细胞检测，并通过距离变换图像提高密集细胞的计数准确性	初步结果基于193名患者的数据，需要进一步验证和扩展	自动化疟疾诊断，解决传统显微镜检查的繁琐和误差问题	薄血涂片中的红细胞检测和提取	计算机视觉	疟疾	深度学习	CFPNet-M	图像	193名患者（包括148名感染患者和45名未感染患者）
14	2024-08-31	Abnormal lung quantification in chest CT images of COVID-19 patients with deep learning and its application to severity prediction 2021-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.14609 PMID:33225476	研究论文	本研究开发了一种基于深度学习的方法，用于自动分割和量化COVID-19患者的胸部CT扫描中的感染区域，并应用于病情严重程度预测	首次开发了一种基于深度学习的系统，能够自动分割和量化COVID-19患者的胸部CT扫描中的感染区域，并用于病情严重程度预测	需要进一步验证该系统在更大规模数据集上的性能，并考虑其在不同医疗环境中的适用性	开发一种自动化的工具，用于在临床实践中对COVID-19患者的胸部CT扫描进行定量评估，特别是用于病情严重程度预测	COVID-19患者的胸部CT扫描图像	计算机视觉	COVID-19	深度学习	VB-Net神经网络	CT扫描图像	训练集包含249名COVID-19患者的CT扫描，验证集包含300名COVID-19患者的CT扫描
15	2024-08-28	High-resolution 3D abdominal segmentation with random patch network fusion 2021-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2020.101894 PMID:33421919	研究论文	本文提出了一种基于随机空间初始化和统计融合的补丁网络，用于高分辨率3D腹部器官分割。	该方法通过随机空间初始化和统计融合在重叠区域的关注点（ROI）上，提高了多器官分割的性能。	NA	研究高分辨率3D腹部器官分割的挑战性问题。	3D腹部器官在高分辨率CT上的分割。	计算机视觉	NA	3D全卷积网络（FCN）	补丁网络	图像	260名受试者
16	2024-08-11	Model Simplification of Deep Random Forest for Real-Time Applications of Various Sensor Data 2021-Apr-25, Sensors (Basel, Switzerland) DOI:10.3390/s21093004 PMID:33922953	研究论文	本文提出了一种新的方法来简化深度随机森林（DRF）的黑盒模型，通过提出的规则消除方法来量化特征贡献和频率，从而实现模型简化。	本文的创新点在于提出了一种新的规则消除方法，通过量化特征贡献和频率来简化深度随机森林模型，使其参数和规则数量减少，同时保持了较高的分类准确性。	NA	研究目的是简化深度随机森林模型，提高其实时应用的性能和效率。	研究对象是深度随机森林模型及其在各种传感器数据实时应用中的表现。	机器学习	NA	深度随机森林（DRF）	深度随机森林（DRF）	传感器数据	使用基准传感器数据集进行验证
17	2024-08-11	Automatic Pest Counting from Pheromone Trap Images Using Deep Learning Object Detectors for Matsucoccus thunbergianae Monitoring 2021-Apr-12, Insects IF:2.7Q1 DOI:10.3390/insects12040342 PMID:33921492	研究论文	本研究提出了一种基于深度学习的自动计数算法，用于从诱捕器图像中监测松黑松小蠹的发生和种群数量	研究采用了图像裁剪方法以成功检测图像中的小物体，并评估了16种模型在不同条件下的检测和计数性能	未提及具体限制	开发一种基于人工智能的自动计数方法，用于持续且准确地监测害虫	松黑松小蠹	计算机视觉	NA	深度学习	目标检测模型	图像	使用了在实地收集的诱捕器图像进行训练、验证和测试
18	2024-08-11	Computational tissue staining of non-linear multimodal imaging using supervised and unsupervised deep learning 2021-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.415962 PMID:33996229	研究论文	本文提出了一种使用监督和非监督深度学习模型对非线性多模态成像进行计算染色的方法	首次使用生成对抗网络（GANs）在非监督方式下对非线性多模态图像进行计算染色	NA	开发一种无需实验室染色过程的诊断应用计算染色技术	非线性多模态成像与H&E染色图像的相关性	数字病理学	NA	非线性多模态成像	生成对抗网络（GAN）	图像	NA
19	2024-08-10	Application of Artificial Intelligence for Screening COVID-19 Patients Using Digital Images: Meta-analysis 2021-Apr-29, JMIR medical informatics IF:3.1Q2 DOI:10.2196/21394 PMID:33764884	meta-analysis	本研究通过系统综述和meta分析，评估了深度学习算法在利用胸部影像自动分类COVID-19患者中的性能	深度学习模型在检测COVID-19方面表现出比放射科医生更高的敏感性和特异性，尤其是初级放射科医生在使用基于深度学习的预测工具后性能有所提升	NA	评估深度学习算法在自动分类COVID-19患者使用胸部影像中的性能	COVID-19患者和胸部影像	computer vision	COVID-19	deep learning	DL	image	5896张胸部影像
20	2024-08-10	Learning future terrorist targets through temporal meta-graphs 2021-04-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87709-7 PMID:33879811	研究论文	本文利用阿富汗和伊拉克2001年至2018年的真实攻击数据，提出使用时间元图和深度学习来预测未来的恐怖分子目标	通过时间元图构建特征空间，产生比仅依赖特征出现频率的浅层时间序列更丰富的知识；实验表明双向LSTM网络在预测性能上优于其他算法	NA	预测未来恐怖分子目标	恐怖分子攻击的时间和目标特征	机器学习	NA	深度学习	LSTM	时间序列	2001年至2018年阿富汗和伊拉克的攻击数据