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	2024-09-10	Comparative study of machine learning methods for COVID-19 transmission forecasting 2021-06, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2021.103791 PMID:33915272	研究论文	本文比较了多种机器学习方法在COVID-19传播预测中的表现	本文引入了混合模型（如LSTM-CNN和GAN-GRU）来提高COVID-19未来趋势的预测准确性	NA	研究如何利用机器学习方法提高COVID-19传播的短期预测准确性	COVID-19传播的短期预测	机器学习	COVID-19	机器学习	混合模型（LSTM-CNN、GAN-GRU）、GAN、CNN、LSTM、RBM、LR、SVR	时间序列数据	来自七个受影响国家的COVID-19确诊病例和康复病例数据
22	2024-09-10	Artificial intelligence to diagnose paroxysmal supraventricular tachycardia using electrocardiography during normal sinus rhythm 2021-Jun, European heart journal. Digital health DOI:10.1093/ehjdh/ztab025 PMID:36712389	研究论文	开发并验证了一种深度学习模型，用于在正常窦性心律期间通过心电图诊断阵发性室上性心动过速	首次开发并验证了一种基于残差神经网络的深度学习模型，用于在正常窦性心律期间通过心电图识别阵发性室上性心动过速患者	研究为多中心回顾性研究，数据来自两家医院，可能存在数据偏倚	开发并验证一种深度学习模型，用于在正常窦性心律期间通过心电图诊断阵发性室上性心动过速	阵发性室上性心动过速患者	机器学习	心血管疾病	深度学习	残差神经网络	心电图	12955名正常窦性心律患者，31147份心电图
23	2024-09-05	Deep learning-based amyloid PET positivity classification model in the Alzheimer's disease continuum by using 2-[18F]FDG PET 2021-Jun-10, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-021-00798-3 PMID:34114091	研究论文	本文提出了一种基于深度学习（DL）的模型，用于从2-脱氧-2-[氟-18]氟-D-葡萄糖（2-[18F]FDG）PET图像中分类阿尔茨海默病连续体中的淀粉样PET阳性情况	该模型能够在不进行有限可及性的淀粉样PET的情况下，成功分类临床实践中的淀粉样PET阳性情况	NA	开发一种基于2-[18F]FDG PET图像的深度学习模型，用于早期诊断和预测阿尔茨海默病	阿尔茨海默病患者	机器学习	阿尔茨海默病	2-[18F]FDG PET	2.5-D深度学习架构	图像	训练和内部验证数据集包含1433名参与者，外部验证数据集包含100名参与者
24	2024-09-02	Shared decision-making and maternity care in the deep learning age: Acknowledging and overcoming inherited defeaters 2021-Jun, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.13515 PMID:33188540	研究论文	本文探讨了人工智能在产科护理中应用时面临的哲学和实践问题，特别是知识论和伦理问题，并提出了一个共享决策框架来解决这些问题。	作者扩展了一个现有的共享决策框架，并将其应用于人工智能在产科护理中的应用，特别是机器学习和深度学习技术在电子胎儿监测中的应用。	文章指出，尽管当前或未来的人工智能增强的电子胎儿监测可能对临床医生施加知识论义务，但这些义务可能被继承的反驳者所覆盖，这表明对客户知识的责任延伸到任何临床医生（或其他人）参与生成用于共享决策系统的训练数据的情况。	研究目的是探讨人工智能在产科护理中的应用，特别是机器学习和深度学习技术在电子胎儿监测中的应用，并解决由此产生的哲学和实践问题。	研究对象是人工智能在产科护理中的应用，特别是机器学习和深度学习技术在电子胎儿监测中的应用。	机器学习	NA	深度学习	NA	数据	NA
25	2024-09-01	SrvfNet: A Generative Network for Unsupervised Multiple Diffeomorphic Functional Alignment 2021-Jun, Conference on Computer Vision and Pattern Recognition Workshops. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Workshops DOI:10.1109/cvprw53098.2021.00505 PMID:35794879	研究论文	本文介绍了一种名为SrvfNet的生成式深度学习框架，用于对包含平方根速度函数（SRVF）的大量功能数据进行联合多重微分同胚对齐	该框架是完全无监督的，不仅能对预定义模板进行对齐，还能从数据中联合预测最优模板并同时实现对齐	NA	开发一种新的深度学习框架，用于功能数据的无监督多重微分同胚对齐	功能数据，特别是包含平方根速度函数的集合	机器学习	NA	深度学习	生成式编码器-解码器架构	功能数据	涉及合成数据和磁共振成像（MRI）数据中的扩散轮廓
26	2024-08-24	Deep Learning on Chest X-ray Images to Detect and Evaluate Pneumonia Cases at the Era of COVID-19 2021-Jun-08, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-021-01745-4 PMID:34101042	研究论文	本文研究使用深度学习方法自动分析胸部X光图像，以检测和评估COVID-19相关的肺炎病例	提出了定制的深度学习模型来检测肺炎感染病例，特别是病毒性肺炎，并提出了易于应用的健康指标来估计感染状态和预测患者状态	NA	开发精确的工具帮助医疗专业人员筛查COVID-19和诊断确诊患者	胸部X光图像	计算机视觉	肺部疾病	深度学习	CNN	图像	公开的胸部X光图像数据集
27	2024-08-24	The usage of deep neural network improves distinguishing COVID-19 from other suspected viral pneumonia by clinicians on chest CT: a real-world study 2021-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-020-07553-7 PMID:33372243	研究论文	本研究开发了一种新型深度学习模型，用于区分冠状病毒病2019（COVID-19）肺炎与其他类型肺炎，并在真实世界数据集中验证其性能	本研究首次使用基于ResNet-50的IDANNet模型，通过U-net提取肺部区域并进行诊断概率预测，实现了对COVID-19肺炎的准确识别	NA	开发并验证一种新型深度学习模型，以区分COVID-19肺炎与其他类型肺炎	COVID-19肺炎与其他类型肺炎的区分	计算机视觉	COVID-19	深度学习	ResNet-50	影像	训练集包含563个胸部CT扫描，验证集包含318个胸部CT扫描
28	2024-08-14	Determining Chess Game State from an Image 2021-Jun-02, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7060094 PMID:39080882	研究论文	本文提出了一种新的国际象棋棋盘状态识别系统，结合传统计算机视觉技术和深度学习，通过合成的大型3D模型数据集进行训练，实现了从图像中准确识别棋盘配置	本文提出的系统通过结合传统计算机视觉技术和深度学习，实现了对棋盘状态的高精度识别，并且能够适应未见过的棋盘设置	当前方法受限于缺乏大型数据集，并且无法适应未见过的棋盘设置	帮助业余棋手通过自动计算机分析提高棋艺，无需手动输入棋子	从图像中识别国际象棋棋盘的配置	计算机视觉	NA	RANSAC算法，卷积神经网络	CNN	图像	合成的大型3D模型数据集，比现有数据集大一个数量级
29	2024-08-14	Automated coronary calcium scoring using deep learning with multicenter external validation 2021-Jun-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00460-1 PMID:34075194	研究论文	本文介绍了使用深度学习模型自动进行冠状动脉钙化评分的方法，并在多中心外部数据集上进行了验证	提出了两种深度学习模型，能够自动对冠状动脉钙化进行评分，适用于专门的冠状CT检查和常规非门控胸部CT检查	当前临床实践中，冠状动脉钙化评分的实施存在一些限制，如缺乏保险覆盖、需要昂贵的CT设备、专门的成像协议和认证的3D成像实验室等	开发一种自动化的冠状动脉钙化评分方法，以提高筛查效率和早期预防干预的可能性	冠状动脉钙化评分	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	训练集包括341个样本，测试集包括42个斯坦福样本和46个MESA样本，外部验证集包括303个样本
30	2024-08-14	Lessons Learned from the COVID-19 Pandemic: Emphasizing the Emerging Role and Perspectives from Artificial Intelligence, Mobile Health, and Digital Laboratory Medicine 2021-Jun, EJIFCC PMID:34421492	研究论文	本文探讨了人工智能、移动健康和数字实验室医学在COVID-19大流行中的应用和挑战	文章强调了人工智能在疫情预防和控制中的重要作用，以及移动健康和物联网技术的应用	NA	研究旨在评估和应用人工智能、移动健康和数字实验室医学技术在COVID-19大流行中的作用	COVID-19大流行中的人工智能、移动健康和数字实验室医学技术	机器学习	NA	人工智能	机器学习	NA	NA
31	2024-08-13	Deep learning techniques have significantly impacted protein structure prediction and protein design 2021-06, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2021.01.007 PMID:33639355	研究论文	本文探讨了深度学习技术在蛋白质结构预测和蛋白质设计中的应用及其显著影响	文章介绍了深度神经网络在空间约束预测和端到端模型训练中的应用，显著提高了蛋白质结构预测的准确性，并在蛋白质设计领域取得了显著进步	NA	研究深度学习技术如何影响蛋白质结构预测和蛋白质设计	蛋白质结构预测和蛋白质设计	机器学习	NA	深度神经网络	深度神经网络	NA	NA
32	2024-08-13	Deep Learning to Predict Cardiac Magnetic Resonance-Derived Left Ventricular Mass and Hypertrophy From 12-Lead ECGs 2021-06, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.120.012281 PMID:34126762	研究论文	本研究利用深度学习模型从12导联心电图预测心脏磁共振成像（CMR）衍生的左心室质量及肥厚情况	本研究提出了一种新的深度学习模型，通过12导联心电图预测CMR衍生的左心室质量，可能改善左心室肥厚的检测	NA	研究目的是通过深度学习模型提高从12导联心电图预测左心室肥厚的准确性	研究对象包括UK Biobank前瞻性队列中的32,239名接受CMR和12导联心电图检查的个体	机器学习	心血管疾病	卷积神经网络	CNN	心电图数据	训练集包含32,239名个体，独立测试集包含UK Biobank的4,903名个体和Mass General Brigham的1,371名个体
33	2024-08-13	Automatic classification of esophageal disease in gastroscopic images using an efficient channel attention deep dense convolutional neural network 2021-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.420935 PMID:34221645	研究论文	本文提出了一种高效的通道注意力深度密集卷积神经网络（ECA-DDCNN），用于自动分类胃镜图像中的四种主要食管疾病类别	本文的创新点在于提出了一种新的ECA-DDCNN模型，能够分类更多种类的食管疾病，并提高了分类准确性	NA	提高食管疾病的诊断效率和准确性	食管疾病的自动分类	计算机视觉	食管癌	深度学习	ECA-DDCNN	图像	20,965张胃镜图像，来自4,077名患者
34	2024-08-13	Diagnostic Performance of Artificial Intelligence-Based Models for the Detection of Early Esophageal Cancers in Barret's Esophagus: A Meta-Analysis of Patient-Based Studies 2021-Jun, Cureus DOI:10.7759/cureus.15447 PMID:34258114	meta-分析	本研究旨在通过meta分析评估人工智能模型在实时白光内镜下检测Barret食管中早期食管腺癌的诊断性能	利用人工智能模型提高Barret食管中早期食管腺癌的诊断准确性	研究数量较少，需要进一步的前瞻性研究来验证人工智能模型的患者基础诊断准确性	评估人工智能模型在检测Barret食管中早期食管腺癌的诊断性能	Barret食管患者中的早期食管腺癌	机器学习	食管癌	人工智能	CNN	图像	共纳入3项研究，报告了4个数据集
35	2024-08-12	Validation of Visual and Auditory Digital Markers of Suicidality in Acutely Suicidal Psychiatric Inpatients: Proof-of-Concept Study 2021-06-03, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/25199 PMID:34081022	研究论文	本文通过视频访谈，利用开源深度学习算法量化面部、语音和运动行为，以评估自杀风险的严重程度	首次使用数字标记方法量化自杀风险症状，如面部表情、头部运动和语音特征	研究样本较小，仅包括20名近期自杀未遂的精神科住院患者	探索通过视频访谈中的面部、语音和运动行为量化自杀风险严重程度	近期自杀未遂的精神科住院患者	计算机视觉	精神疾病	深度学习算法	NA	视频	20名患者
36	2024-08-12	In silico drug repositioning using deep learning and comprehensive similarity measures 2021-Jun-01, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-020-03882-y PMID:34074242	研究论文	本文开发了一种深度门控循环单元模型，利用综合相似性度量和高斯交互轮廓核来预测潜在的药物-疾病相互作用，以加速药物再定位和新药研发	本文采用了深度门控循环单元模型和综合相似性度量，以及高斯交互轮廓核来预测药物-疾病相互作用，这一方法在之前的研究中未被充分利用	NA	加速药物再定位和新药研发	药物-疾病相互作用	机器学习	NA	深度学习	门控循环单元 (GRU)	化学指纹和疾病关联数据	两个基准数据集
37	2024-08-12	Non-invasive measurement of PD-L1 status and prediction of immunotherapy response using deep learning of PET/CT images 2021-06, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2020-002118 PMID:34135101	研究论文	本文利用深度学习技术从PET/CT图像中非侵入性地测量PD-L1状态并预测免疫治疗反应	提出了一种基于深度学习的小残差卷积网络（SResCNN）来预测PD-L1表达状态，并验证了其在预测无进展生存期（PFS）和总生存期（OS）方面的有效性	研究结果需要在大规模前瞻性试验中进一步验证	开发一种替代免疫组化（IHC）的非侵入性方法来测量PD-L1状态，以指导个体化治疗决策	非小细胞肺癌（NSCLC）患者	计算机视觉	肺癌	PET/CT成像	小残差卷积网络（SResCNN）	图像	697名NSCLC患者
38	2024-08-07	How Can a Deep Learning Algorithm Improve Fracture Detection on X-rays in the Emergency Room? 2021-Jun-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7070105 PMID:39080893	研究论文	本研究评估了一种深度学习算法在急诊室中用于常规X光片骨折检测的性能	深度学习算法在急诊室中骨折检测的敏感性和特异性较高，且无需本地数据训练	研究样本量较小，且未涉及算法在不同医院或不同数据集上的泛化能力	探讨深度学习算法在急诊室中骨折检测的应用价值	评估深度学习算法在急诊室中常规X光片骨折检测的性能	计算机视觉	NA	深度学习	NA	图像	125名因肢体创伤就诊于Louis Mourier急诊室的患者
39	2024-08-07	Exposing Manipulated Photos and Videos in Digital Forensics Analysis 2021-Jun-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7070102 PMID:39080890	研究论文	本文提出了一种基于支持向量机（SVM）的机器学习方法，用于区分真实和伪造的多媒体文件，特别是数字照片和视频，这些文件可能包含深度伪造内容	该方法通过离散傅里叶变换（DFT）提取简单特征，并在5折交叉验证中取得了优于文献中SVM方法的平均F1分数	尽管卷积神经网络（CNN）的表现超过了提出的DFT-SVM复合方法，但DFT-SVM的竞争力结果和显著减少的处理时间使其适合嵌入到Autopsy模块中	开发一种自动化工具，帮助刑事调查人员检测篡改的多媒体内容	真实和伪造的数字照片及视频	计算机视觉	NA	支持向量机（SVM），离散傅里叶变换（DFT）	支持向量机（SVM）	图像，视频	使用了包含合法和伪造照片及视频帧的大型数据集，以及Celeb-DFv1数据集中的590个原始视频
40	2024-08-07	Breast Cancer Risk Assessment: A Review on Mammography-Based Approaches 2021-Jun-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7060098 PMID:39080886	综述	本文综述了从乳腺X线照片中提取纹理特征并与机器学习算法结合用于评估乳腺癌风险的研究，以及旨在实现相同目标的深度学习方法	机器学习和深度学习方法在风险分析领域提供了有前景的结果，无论是风险分层还是风险评分预测	未来的研究应考虑将这些方法在临床实践中实施的可能性	综述基于乳腺X线照片的乳腺癌风险评估方法	乳腺癌风险评估方法及其在临床实践中的应用	机器学习	乳腺癌	NA	机器学习算法，深度学习方法	乳腺X线照片	NA