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	2024-12-13	A Pilot Study on Automatic Three-Dimensional Quantification of Barrett's Esophagus for Risk Stratification and Therapy Monitoring 2021-09, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2021.05.059 PMID:34116029	研究论文	本文提出了一种基于人工智能的自动三维量化Barrett食管的方法，用于风险分层和治疗监测	本文首次实现了Barrett食管的三维重建和自动量化，能够准确测量Prague C&M评分和Barrett食管区域面积	研究样本量相对较小，且仅限于高清晰度视频数据	评估所提出的人工智能系统在模拟和内镜患者数据上的准确性	Barrett食管的三维量化和风险分层	计算机视觉	消化系统疾病	深度学习	深度估计网络	视频	194个高清晰度视频来自131名患者
2	2024-11-18	DeePhage: distinguishing virulent and temperate phage-derived sequences in metavirome data with a deep learning approach 2021-09-08, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab056 PMID:34498685	研究论文	本文介绍了一种名为DeePhage的新计算方法，用于区分metavirome数据中的烈性和温和噬菌体序列	DeePhage使用卷积神经网络检测序列特征，准确率高达89%，比现有工具PhagePred和PHACTS分别高出10%和30%，并且在运行时间上显著减少	NA	开发一种能够有效分类metavirome数据中烈性和温和噬菌体序列的新计算方法	metavirome数据中的烈性和温和噬菌体序列	机器学习	NA	卷积神经网络	CNN	DNA序列	NA
3	2024-11-18	VC@Scale: Scalable and high-performance variant calling on cluster environments 2021-09-07, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab057 PMID:34494101	研究论文	本文提出了一种基于Apache Spark的本地工作流程，用于在集群环境中实现可扩展和高性能的变异检测	本文的创新点在于提出了一种紧密集成预处理阶段的本地Spark工作流程，利用Python和Apache Arrow实现高效的数据传输，从而提高了变异检测的性能和可扩展性	NA	研究目的是开发一种可扩展且高性能的变异检测工作流程，以应对深度学习方法在变异检测中的高计算成本问题	研究对象是下一代测序数据的预处理和变异检测工作流程	生物信息学	NA	Apache Spark, Apache Arrow	NA	测序数据	NA
4	2024-10-13	Detection of Optic Disc Abnormalities in Color Fundus Photographs Using Deep Learning 2021-Sep-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000001358 PMID:34415271	研究论文	本文研究了使用深度学习技术检测彩色眼底照片中的视盘异常	本文扩展了深度学习在视盘分析中的应用，以检测一系列非青光眼性视神经病变	本文的模型在外部测试数据集上的特异性较低	开发一种能够检测彩色眼底照片中视盘异常的深度学习算法	视盘异常，包括缺血性视神经病变、萎缩、压迫性视神经病变、遗传性视神经病变、发育不全、视乳头水肿和中毒性视神经病变	计算机视觉	NA	深度学习	ResNet-152深度卷积神经网络	图像	训练数据集包含944张去识别化的彩色眼底照片（异常364张，正常580张），测试数据集包含151张去识别化的彩色眼底照片（异常71张，正常80张）
5	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
6	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
7	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
8	2024-09-26	A Review of Methods for Sleep Arousal Detection Using Polysomnographic Signals 2021-Sep-26, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci11101274 PMID:34679339	综述	本文综述了近年来基于多导睡眠图信号的睡眠唤醒检测方法，包括统计规则和深度学习方法	深度学习方法在不同数据集上表现出强大的泛化能力，预测结果接近人类专家的判断	NA	探讨自动睡眠唤醒检测系统的开发，以帮助临床医生诊断睡眠障碍	睡眠唤醒检测方法	机器学习	NA	多导睡眠图（PSG）	卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆神经网络（LSTM）、残差神经网络（ResNet）及其组合	信号	NA
9	2024-09-25	On Clinical Agreement on the Visibility and Extent of Anatomical Layers in Digital Gonio Photographs 2021-09-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.10.11.1 PMID:34468695	研究论文	本文量化评估了眼科医生在数字前房角照片上描绘解剖层轮廓的注释者间变异性，为自动化分析算法的验证提供了基准	本文首次系统地评估了眼科医生在前房角照片上描绘解剖层轮廓的一致性，为深度学习模型的验证提供了基础	研究样本量较小，仅包含20张图像，可能影响结果的普适性	评估眼科医生在数字前房角照片上描绘解剖层轮廓的一致性，为自动化分析算法的验证提供基准	眼科医生在前房角照片上描绘的解剖层轮廓	计算机视觉	NA	NA	NA	图像	20张前房角照片，由5名经验丰富的眼科医生进行注释
10	2024-09-15	Ten future challenges for synthetic biology 2021-Sep, Engineering biology DOI:10.1049/enb2.12011 PMID:36968258	评论	本文讨论了合成生物学领域的10个未来挑战	NA	NA	探讨合成生物学未来的技术进步和发展方向	合成生物学领域的技术挑战	合成生物学	NA	自动化、深度学习、进化控制	NA	NA	NA
11	2024-09-10	A novel fusion-based deep learning model for sentiment analysis of COVID-19 tweets 2021-Sep-27, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2021.107242 PMID:36570870	研究论文	提出了一种基于深度学习和经典监督机器学习模型融合的新方法，用于分析COVID-19相关推文的情感	融合了深度学习和经典监督机器学习模型，用于情感分析	未提及具体限制	研究COVID-19相关推文的情感，以帮助监控和控制疫情	COVID-19相关推文和Google Trends搜索数据	自然语言处理	NA	深度学习	融合模型	文本	超过150万感染病例和100万死亡病例
12	2024-09-10	Revealing the Threat of Emerging SARS-CoV-2 Mutations to Antibody Therapies 2021-09-03, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2021.167155 PMID:34273397	研究论文	本文研究了SARS-CoV-2变异对现有抗体疗法的潜在威胁	开发了一种基于拓扑的深度学习策略，分析了大量基因数据，揭示了高频突变对临床试验中多种单克隆抗体的潜在影响	研究结果主要基于模型预测，尚未经过实验验证	揭示SARS-CoV-2变异对现有抗体疗法的潜在威胁	SARS-CoV-2刺突蛋白受体结合域的突变及其对临床试验中单克隆抗体的影响	机器学习	COVID-19	深度学习	深度学习模型	基因数据	分析了796,759个患者基因样本，识别了606个非简并RBD突变
13	2024-09-10	A cognitive IoT-based framework for effective diagnosis of COVID-19 using multimodal data 2021-Sep, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.102960 PMID:34249142	研究论文	提出了一种基于认知物联网和深度学习的框架，用于使用多模态数据进行COVID-19的有效诊断	引入了两个轻量级模型CovParaNet和CovTinyNet，分别用于音频和图像分类，并通过动态多模态随机森林分类器集成结果，实现了100%的准确率、精确率和召回率	NA	减少COVID-19误诊率，提供一个自我诊断系统以降低测试中心的病毒传播风险	COVID-19的准确预测	机器学习	COVID-19	深度学习	CNN	多模态数据	小数据集
14	2024-09-10	A novel deep learning based method for COVID-19 detection from CT image 2021-Sep, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2021.102987 PMID:34345248	研究论文	本文提出了一种基于深度学习的新方法，用于从CT图像中检测COVID-19	本文创新性地结合了池化层和Squeeze Excitation Block (SE-block)层，并使用Batch Normalization和Mish函数优化了COVID-19诊断的收敛时间和性能	NA	开发一种辅助检测工具，以快速诊断COVID-19感染	COVID-19感染的CT图像	计算机视觉	COVID-19	深度学习	深度神经网络 (DNN)	图像	来自两家公立医院的CT图像数据集
15	2024-09-10	CoLe-CNN+: Context learning - Convolutional neural network for COVID-19-Ground-Glass-Opacities detection and segmentation 2021-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104689 PMID:34364263	研究论文	本文提出了一种基于深度学习策略的系统，用于从CT扫描中自动检测和分割COVID-19的磨玻璃影	引入了一种新的多卷积层结构，并提出了一个定制的损失函数，以在敏感性和精确性之间实现最佳平衡	NA	开发一种自动化的方法，从CT扫描中检测和分割COVID-19的磨玻璃影，以支持COVID-19的诊断	COVID-19患者的CT扫描图像	计算机视觉	肺部疾病	深度学习	卷积神经网络	图像	NA
16	2024-09-10	Deep learning analysis of resting electrocardiograms for the detection of myocardial dysfunction, hypertrophy, and ischaemia: a systematic review 2021-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztab048 PMID:34604757	综述	本文综述了利用深度学习分析静息心电图以检测心肌功能障碍、肥大和缺血的证据	深度学习模型，特别是使用卷积神经网络的模型，在分析静息心电图信号以检测结构性心脏病理方面优于基于规则的模型和其他机器学习模型	研究排除了通过便携式、应激、心内或植入式设备获取的心电图，以及病理性质为心律失常的研究	评估深度学习分析静息心电图以预测结构性心脏病理的证据	静息心电图信号用于检测左心室收缩功能障碍、心肌肥大和缺血性心脏病	机器学习	心血管疾病	深度学习	卷积神经网络	心电图信号	12篇符合条件的研究文章
17	2024-09-10	The discerning ear: cardiac auscultation in the era of artificial intelligence and telemedicine 2021-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztab059 PMID:36713594	综述	本文综述了在人工智能和远程医疗时代下，心脏杂音听诊的现代检查和更新	讨论了深度学习对杂音分析的影响，以及人工智能辅助听诊和这些技术对儿科心脏病学远程医疗的含义	NA	提供心脏杂音听诊在人工智能和远程医疗时代的现代检查和更新	儿科心脏杂音的病因、鉴别诊断、临床特征、评估和长期管理	NA	心血管疾病	深度学习	NA	NA	NA
18	2024-09-08	Q-space Conditioned Translation Networks for Directional Synthesis of Diffusion Weighted Images from Multi-modal Structural MRI 2021 Sep-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-87234-2_50 PMID:36383495	研究论文	提出了一种基于生成对抗网络的扩散加权图像合成框架，能够在任意q空间采样条件下从多模态结构MRI生成高质量的DWI	该方法通过线性调制内部表示以适应连续的q空间信息，避免了固定采样方案的需求，并能从任意子采样的DWI中估计高质量的微观结构图	NA	改进扩散MRI建模，提高DWI合成的准确性和保真度，增强下游应用的实用性	扩散加权图像（DWI）的合成	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	NA
19	2024-08-30	Characterizing Swallows From People With Neurodegenerative Diseases Using High-Resolution Cervical Auscultation Signals and Temporal and Spatial Swallow Kinematic Measurements 2021-09-14, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2021_JSLHR-21-00134 PMID:34428093	研究论文	本研究通过高分辨率颈听诊信号和时空吞咽运动学测量，比较了神经退行性疾病患者与健康成年人的吞咽功能差异，并探讨了高分辨率颈听诊在标记神经退行性疾病患者吞咽运动学事件中的能力	本研究首次使用高分辨率颈听诊（HRCA）结合深度学习机器学习算法，对神经退行性疾病患者的吞咽运动学事件进行精确标注	研究样本量相对较小，且仅限于神经退行性疾病患者与健康成年人之间的比较	比较神经退行性疾病患者与健康成年人的吞咽运动学测量，并评估高分辨率颈听诊在标记这些事件中的准确性	神经退行性疾病患者和健康成年人的吞咽功能	数字病理学	神经退行性疾病	高分辨率颈听诊（HRCA）	深度学习机器学习算法	信号	170名神经退行性疾病患者和171名健康成年人的吞咽样本
20	2024-08-30	Examining embedded apparatuses of AI in Facebook and TikTok 2021-Sep-12, AI & society IF:2.9Q2 DOI:10.1007/s00146-021-01270-5 PMID:34539095	研究论文	本文通过分析Facebook和TikTok的透明度倡议和官方声明，探讨了AI在这些社交平台中的嵌入方式及其功能，特别是AI内容审核作为解决问题材料和错误信息传播的解决方案。	文章创新地分析了AI作为物质-话语机制的复杂性，强调了其在特定时间段内可见、可说、可知的论述技巧以及算法、数据集、用户、平台、基础设施、审核员等物质安排。	文章主要依赖于Facebook和TikTok的透明度倡议和官方声明，可能未能全面揭示AI在这些平台中运作的所有细节。	研究目的是探讨AI在社交平台中的嵌入方式及其对内容推荐、广告个性化、新闻聚合和问题材料审核的影响。	研究对象包括Facebook和TikTok这两个社交平台中的AI嵌入机制。	自然语言处理	NA	机器学习 (ML), 深度学习 (DL)	NA	文本	NA