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
21	2024-08-11	Super.FELT: supervised feature extraction learning using triplet loss for drug response prediction with multi-omics data 2021-May-25, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04146-z PMID:34034645	研究论文	本研究提出了一种名为Super.FELT的新方法，利用三元组损失的监督特征提取学习来预测药物反应，并有效降低多组学数据的高维度	Super.FELT通过三个阶段（特征选择、特征编码和药物反应二分类）实现了比其他方法更好的性能，特别是在PDX和TCGA的外部验证中	NA	开发一种新的方法，利用监督深度学习模型有效降低多组学数据的高维度，以提高药物反应预测的准确性	使用多组学数据（包括突变、拷贝数变异和基因表达）来预测药物反应	机器学习	NA	三元组损失	监督深度学习模型	多组学数据	使用了来自GDSC、CCLE、CTRP、PDX和TCGA的数据集
22	2024-08-11	Deep learning for large scale MRI-based morphological phenotyping of osteoarthritis 2021-05-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-90292-6 PMID:34035386	研究论文	本研究利用深度学习技术对大规模MRI数据进行基于形态学的骨关节炎表型分类	首次使用卷积神经网络对膝关节MRI图像中的骨、半月板/软骨、炎症和肥大表型进行分类，并评估其与骨关节炎发生和发展的关联	NA	旨在通过MRI图像的形态学表型分类，预测骨关节炎的未来发生情况，从而改进治疗药物的纳入标准和疗效	膝关节MRI图像中的骨、半月板/软骨、炎症和肥大表型	机器学习	骨关节炎	卷积神经网络	CNN	图像	4791名参与者的膝关节MRI数据
23	2024-08-11	Understanding Public Perceptions of COVID-19 Contact Tracing Apps: Artificial Intelligence-Enabled Social Media Analysis 2021-05-17, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/26618 PMID:33939622	研究论文	本研究通过人工智能驱动的社交媒体分析，探讨了英国公众对COVID-19接触追踪应用的看法	采用混合规则集成的模型，结合了先进的基于词典规则和深度学习方法	NA	探索人工智能驱动的社交媒体分析在理解公众对COVID-19接触追踪应用看法方面的适用性	公众对COVID-19接触追踪应用的态度	自然语言处理	NA	人工智能	混合规则集成模型	文本	超过10,000条相关社交媒体帖子
24	2024-08-11	Detecting the pulmonary trunk in CT scout views using deep learning 2021-05-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-89647-w PMID:33986402	研究论文	本文通过深度学习方法自动定位CT scout视图中的肺动脉主干区域	使用U-Net模型自动定位肺动脉主干区域，其准确度与放射技师相当	NA	自动化CT scout视图中肺动脉主干的定位任务	CT scout视图中的肺动脉主干区域	计算机视觉	NA	深度学习	U-Net	图像	620个CT scout视图，来自563名患者
25	2024-08-11	Artificial intelligence in detecting temporomandibular joint osteoarthritis on orthopantomogram 2021-05-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-89742-y PMID:33986459	研究论文	本研究旨在开发一种人工智能模型，用于通过正交平片检测颞下颌关节骨关节炎，并与口腔颌面放射专家的诊断性能进行比较	研究通过重新分类不确定的骨关节炎图像，提高了人工智能模型的诊断准确性，使其与专家的诊断性能相当	初始模型在处理三种分类时表现不佳，需要通过重新分类来改善性能	开发和评估人工智能模型在颞下颌关节骨关节炎诊断中的应用	颞下颌关节骨关节炎的诊断	计算机视觉	颞下颌关节骨关节炎	深度学习	ResNet	图像	1189张正交平片图像
26	2024-08-11	AI-assisted superresolution cosmological simulations 2021-05-11, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2022038118 PMID:33947816	研究论文	本文利用人工智能（特别是深度学习）技术，通过神经网络从高分辨率图像数据中学习，并生成低分辨率宇宙学N体模拟的超分辨率版本	本文首次将深度学习技术应用于宇宙学N体模拟，生成高分辨率模拟，能够增强模拟分辨率并预测粒子位移	NA	利用人工智能技术提高宇宙学模拟的分辨率	宇宙学N体模拟	机器学习	NA	深度学习	神经网络	图像	16对小体积低分辨率-高分辨率模拟
27	2024-08-11	Synaptic metaplasticity in binarized neural networks 2021-05-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-22768-y PMID:33953183	研究论文	本文研究了二值化神经网络中的突触可塑性，提出了一种新的训练技术以减轻灾难性遗忘问题	将二值化神经网络的隐藏权重解释为可塑性变量，并提出了一种新的训练技术，无需先前数据或数据集之间的正式边界即可减少灾难性遗忘	NA	探索神经科学中的可塑性行为如何应用于深度神经网络以减轻灾难性遗忘	二值化神经网络及其在多任务和流学习中的应用	机器学习	NA	NA	二值化神经网络	NA	NA
28	2024-08-11	Deep learning for gradability classification of handheld, non-mydriatic retinal images 2021-05-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-89027-4 PMID:33947946	研究论文	本文研究使用深度学习技术对非散瞳手持式视网膜图像的可分级性进行分类	提出了一种紧凑型深度学习模型，用于在采集阶段预测视网膜图像的可分级性，以提高可分级图像的比例和糖尿病视网膜病变（STDR）的检测率	NA	旨在提高非临床环境下使用手持设备采集的视网膜图像的可分级性，从而提高STDR的检测	非散瞳手持式视网膜图像的可分级性	计算机视觉	糖尿病视网膜病变	深度学习（DL）	紧凑型深度学习模型	图像	从18,277名患者眼中采集的40,126张图像中，有16,170名患者眼（35,319张图像）符合条件，并从中抽取了3261张视网膜图像（1490名患者眼）进行标记
29	2024-08-11	Simulation-to-real domain adaptation with teacher-student learning for endoscopic instrument segmentation 2021-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-021-02383-4 PMID:33982232	研究论文	本文介绍了一种基于教师-学生学习方法的模拟到真实域适应技术，用于内窥镜手术器械分割	提出了一种教师-学生学习方法，联合学习标注的模拟数据和未标注的真实数据，以解决模拟到真实无监督域适应问题	文章未明确提及具体的局限性	旨在提高内窥镜手术器械分割的自动化水平，减少对临床专家手动标注的依赖	内窥镜视频流中的手术器械分割	计算机视觉	NA	教师-学生学习方法	NA	视频	涉及三个数据集
30	2024-08-10	Deep learning-based forecasting model for COVID-19 outbreak in Saudi Arabia 2021-May, Process safety and environmental protection : transactions of the Institution of Chemical Engineers, Part B IF:6.9Q1 DOI:10.1016/j.psep.2020.10.048 PMID:33162687	研究论文	本研究提出了一种基于长短期记忆网络（LSTM）的深度学习模型，用于预测沙特阿拉伯COVID-19疫情的发展情况	本研究采用了LSTM网络作为预测模型，并与ARIMA和NARANN模型进行了比较，展示了其更高的预测准确性	NA	预测COVID-19疫情的发展，为政策制定者提供决策支持	沙特阿拉伯及其他六个国家的COVID-19疫情数据	机器学习	COVID-19	LSTM	LSTM	数值数据	沙特阿拉伯及其他六个国家的疫情数据
31	2024-08-10	Predicting ASD Diagnosis in Children with Synthetic and Image-based Eye Gaze Data 2021-May, Signal processing. Image communication DOI:10.1016/j.image.2021.116198 PMID:33859457	研究论文	本文提出两种机器学习方法，基于合成和图像的注视数据，自动分类儿童的自闭症谱系障碍（ASD）诊断	使用合成扫视模式和图像基础方法处理注视数据，以提高ASD预测的准确性	实验中ASD预测的准确率在验证集和测试集上分别为67.23%和62.13%，仍有提升空间	开发早期干预工具，通过注视数据识别ASD风险，以便在症状完全显现之前进行干预	儿童的注视数据	机器学习	自闭症谱系障碍	深度学习	卷积神经网络（CNN）和循环神经网络（RNN）	注视数据	公开可访问的儿童注视数据集
32	2024-08-07	Attenuation correction using deep learning for brain perfusion SPECT images 2021-May, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-021-01600-z PMID:33751364	研究论文	本研究构建了一个卷积神经网络（CNN）来自动编码器（AE），用于直接从非衰减校正的SPECT图像生成衰减校正的脑灌注SPECT图像	提出了一种使用自动编码器（AE）进行衰减校正的新方法，该方法能够生成高度准确的衰减校正脑灌注SPECT图像	NA	开发一种无需SPECT/CT扫描仪即可进行非均匀衰减校正的方法	脑灌注SPECT图像的衰减校正	计算机视觉	NA	卷积神经网络（CNN）	自动编码器（AE）	图像	训练集270例（44,528切片），验证集60例（5,002切片），测试集30例（2,558切片）
33	2024-08-05	Position paper of the EACVI and EANM on artificial intelligence applications in multimodality cardiovascular imaging using SPECT/CT, PET/CT, and cardiac CT 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-021-05341-z PMID:33864509	position paper	本文概述了现代机器学习基础的人工智能在多模态心血管成像中的应用	提出了将机器学习算法应用于心血管成像的新策略	人类对数据集的解释、量化和整合能力有限	提供现代基于机器学习的人工智能的基本概念和应用概述	心血管疾病患者的诊断和预后	机器学习	心血管疾病	核医学成像、CT	深度学习	影像	NA
34	2024-08-05	Decoding COVID-19 pneumonia: comparison of deep learning and radiomics CT image signatures 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05075-4 PMID:33094432	研究论文	本研究比较深度学习和放射组学CT影像特征，以解码COVID-19肺炎的影像特征	首次结合深度学习和放射组学框架提取COVID-19肺炎相关的影像特征	回顾性研究设计可能存在选择偏倚，样本来自于有限的几个医院	比较不同的特征工程和深度学习方法，揭示COVID-19肺炎的CT影像特征	266名COVID-19及其他病毒性肺炎患者的临床和CT影像数据	计算机视觉	COVID-19肺炎	深度学习，放射组学	双向对抗网络	影像	266名患者（93例COVID-19阳性，91例COVID-19阴性）
35	2024-08-05	Attenuation correction using deep Learning and integrated UTE/multi-echo Dixon sequence: evaluation in amyloid and tau PET imaging 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05061-w PMID:33108475	研究论文	本文提出了一种结合深度学习和新型超短回声时间（UTE）/多回声Dixon序列的MR基础衰减校正方法，以提高阿尔茨海默病的PET成像准确性	首次将深度学习与mUTE序列结合用于阿尔茨海默病的衰减校正，显示出优于传统方法的性能	研究样本数量相对较少，仅包括35名受试者，可能影响结果的普遍性	提高阿尔茨海默病中淀粉样蛋白和tau蛋白成像的衰减校正准确性	35名同时接受11C-PiB和18F-MK6240扫描的受试者	数字病理学	阿尔茨海默病	深度学习与超短回声时间（UTE）/多回声Dixon序列	深度学习模型	图像	35名受试者
36	2024-08-05	Converting tabular data into images for deep learning with convolutional neural networks 2021-05-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-90923-y PMID:34059739	研究论文	本研究提出了一种新算法IGTD，将表格数据转换为图像，以便使用卷积神经网络进行深度学习	开发了一种新的算法，能够通过优化特征与像素位置的赋值，将表格数据转换为图像	未提及具体的局限性	研究如何将表格数据有效地转换为图像以供深度学习使用	将癌细胞系的基因表达谱和药物的分子描述符作为研究对象	计算机视觉	癌症	卷积神经网络(CNN)	卷积神经网络(CNN)	图像	使用了基因表达谱和药物分子描述符的多个样本，但具体数量未提供