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
41	2024-08-24	Deep learning-based facial image analysis in medical research: a systematic review protocol 2021-11-11, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2020-047549 PMID:34764164	综述	本文旨在通过系统综述方法，探讨深度学习在医学研究中基于面部图像分析的特征和效果	本文旨在填补关于深度学习在医学面部图像分析领域现状的认知空白，并提供对该技术在疾病检测、诊断和预后应用中的特征、挑战和机遇的深入理解	NA	了解深度学习在医学面部图像分析中的应用现状、挑战和机遇	深度学习在医学面部图像分析的研究	计算机视觉	NA	深度学习	NA	图像	NA
42	2024-08-24	Cohort and Trajectory Analysis in Multi-Agent Support Systems for Cancer Survivors 2021-Nov-11, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-021-01770-3 PMID:34766229	研究论文	本文提出了一种基于队列和轨迹分析（CTA）模块的个性化支持系统，用于癌症幸存者，该系统集成在名为EREBOTS的基于代理的个性化聊天机器人中	引入CTA模块，结合生存估计模型、机器学习和深度学习技术，为临床医生提供个性化治疗选择的证据，并为患者提供适应其状况和轨迹的定制建议	NA	开发一种个性化支持系统，以提高癌症幸存者的生存质量	癌症幸存者及其个性化支持需求	机器学习	癌症	机器学习, 深度学习	生存估计模型	NA	NA
43	2024-08-20	A Study of the Recent Trends of Immunology: Key Challenges, Domains, Applications, Datasets, and Future Directions 2021-Nov-23, Sensors (Basel, Switzerland) DOI:10.3390/s21237786 PMID:34883787	综述	本文探讨了免疫学领域中人工智能方法的最新趋势，包括关键挑战、应用领域、数据集和未来方向	引入了AIoMT、遗传智能算法和智能免疫学方法等技术，使理解免疫系统的过程变得更加容易	NA	探索免疫学领域中人工智能方法的现状和未来研究方向	免疫学及其子领域中的疾病分类	机器学习	癌症	AIoMT	机器学习和深度学习	数据集	NA
44	2024-08-20	Comparative analysis of molecular fingerprints in prediction of drug combination effects 2021-11-05, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab291 PMID:34401895	研究论文	本文比较了基于规则和数据驱动的分子表示方法在预测药物组合敏感性和药物协同得分方面的性能	本文通过使用标准化的高通量筛选结果，评估了分子表示的聚类性能和相似性，并强调了在选择最优分子表示时，除了定量基准结果外，还需要考虑模型的可解释性和鲁棒性等定性因素	NA	系统评估新型计算解决方案与传统技术在预测药物组合效应方面的性能	药物组合敏感性和药物协同得分	机器学习	癌症	NA	NA	分子数据	64,200个独特的药物组合，涉及4,153种分子和112种癌细胞系
45	2024-08-20	Deep Learning Prediction of Voxel-Level Liver Stiffness in Patients with Nonalcoholic Fatty Liver Disease 2021-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200274 PMID:34870213	研究论文	本研究利用机器学习算法，基于传统的MRI输入重建虚拟MR弹性成像（MRE）图像	本研究通过修改卷积神经网络架构，使其能够接受多通道三维输入并包含临床和人口统计信息，从而在体素水平上重建MRE图像	本研究为单机构回顾性研究，样本量有限，且结果需要进一步的外部验证	研究目的是通过机器学习算法，利用传统MRI和临床数据生成虚拟弹性成像图像	研究对象为149名非酒精性脂肪肝病患者	计算机视觉	非酒精性脂肪肝病	MRI	卷积神经网络（CNN）	图像	149名患者
46	2024-08-20	Clinical Applications of Artificial Intelligence, Machine Learning, and Deep Learning in the Imaging of Gliomas: A Systematic Review 2021-Nov, Cureus DOI:10.7759/cureus.19580 PMID:34926051	综述	本文综述了深度学习在神经肿瘤学影像中的应用，特别是用于胶质瘤的诊断和分级	深度学习通过使用原始影像数据和深度神经网络，显著提高了MRI图像的特征化和解释能力	NA	总结深度学习在神经肿瘤学影像中的应用，以帮助医疗专业人员	胶质瘤的遗传突变和分级	机器学习	脑肿瘤	MRI	CNN	图像	共20项研究，涉及患者数量和脑胶质瘤分类的分子标记
47	2024-08-19	A Hybrid Convolutional Neural Network Model for Diagnosis of COVID-19 Using Chest X-ray Images 2021-11-20, International journal of environmental research and public health DOI:10.3390/ijerph182212191 PMID:34831960	研究论文	本文提出了一种名为C19D-Net的混合卷积神经网络模型，用于通过胸部X光图像诊断COVID-19感染	该研究采用了InceptionV4架构和多类SVM分类器提取深度学习特征，以提高COVID-19检测的准确性	NA	开发一种新的图像处理技术，帮助医疗系统通过胸部X光图像快速准确地检测COVID-19感染	COVID-19感染的胸部X光图像	计算机视觉	COVID-19	卷积神经网络	CNN	图像	1900张胸部X光图像
48	2024-08-19	Advanced Computational Methods for Oncological Image Analysis 2021-Nov-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7110237 PMID:34821868	研究论文	本论文集专注于肿瘤影像分析的先进计算方法	涵盖了最新的算法和方法，以及计算方法在肿瘤影像分析中的应用	NA	探索和应用先进的计算方法于肿瘤影像分析	肿瘤影像分析的算法和方法	计算机视觉	肿瘤	深度学习	NA	影像	NA
49	2024-08-19	Live Spoofing Detection for Automatic Human Activity Recognition Applications 2021-Nov-04, Sensors (Basel, Switzerland) DOI:10.3390/s21217339 PMID:34770646	研究论文	本文提出了一种基于深度学习的活体欺骗检测方法，用于自动人体活动识别应用中的视频重放攻击检测	本文引入了一个新的数据库，包含在不同光照条件和使用不同显示及捕捉设备下拍摄的用户玩足球的视频，并展示了该系统能够实时并行运行	NA	旨在提高人体活动识别应用中的欺骗检测能力，防止异常和误报	视频重放攻击的欺骗检测	计算机视觉	NA	深度学习	NA	视频	包含多个用户玩足球的视频的数据库
50	2024-08-19	Accurate recognition of colorectal cancer with semi-supervised deep learning on pathological images 2021-11-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-26643-8 PMID:34728629	研究论文	本文提出了一种基于平均教师架构的半监督学习方法，用于准确识别结直肠癌病理图像	采用半监督学习方法，显著减少了标注需求，同时保持了与监督学习相当的性能	NA	旨在通过半监督学习方法提高机器辅助病理识别的准确性，同时减少对大量标注的依赖	结直肠癌的病理图像	数字病理学	结直肠癌	半监督学习	平均教师架构	图像	13,111张全切片图像，来自8803个独立中心的13个中心
51	2024-08-19	Scope of Artificial Intelligence in Gastrointestinal Oncology 2021-Nov-01, Cancers IF:4.5Q1 DOI:10.3390/cancers13215494 PMID:34771658	综述	本文综述了人工智能在胃肠肿瘤学中的应用，包括诊断、肿瘤组织学预测、息肉特征化、转移潜能评估、预后和治疗反应预测等方面	人工智能通过机器或深度学习算法提供自动和准确的图像分析，辅助诊断	目前依赖于放射科医生和内镜医生对影像的手动解读，可能导致诊断变异性	探讨人工智能在胃肠癌筛查、诊断、肿瘤分期、治疗方式和预后预测模型中的影响、局限性和未来潜力	胃肠癌的诊断和治疗	机器学习	胃肠癌	NA	NA	图像	NA
52	2024-08-18	Accurate diagnosis and prognosis prediction of gastric cancer using deep learning on digital pathological images: A retrospective multicentre study 2021-Nov, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2021.103631 PMID:34678610	研究论文	本研究利用深度学习技术在数字病理图像上对胃癌进行准确诊断和预后预测	开发了两种人工智能模型，GastroMIL用于胃癌诊断，MIL-GC用于预测胃癌的预后，这些模型在诊断和生存预测方面表现优异	NA	开发基于深度学习的人工智能模型，辅助预测胃癌患者的诊断和总体生存	胃癌患者的病理图像	数字病理学	胃癌	深度学习	AI模型	图像	2333张HE染色病理图片，涉及1037名胃癌患者；175张数字病理图片，涉及91名胃癌患者
53	2024-08-07	Direct Attenuation Correction Using Deep Learning for Cardiac SPECT: A Feasibility Study 2021-Nov, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.120.256396 PMID:33637586	研究论文	本研究展示了使用深度学习（DL）直接进行心脏SPECT心肌灌注成像（MPI）的衰减校正（AC）技术	本研究采用深度学习方法直接从非校正的SPECT生成衰减校正的SPECT，无需额外的图像重建步骤	深度学习方法在所有受试者中的表现不一致，可能是由于不同的衰减量和不同的摄取模式	展示深度学习直接进行SPECT MPI衰减校正的可行性，并减少衰减伪影	心脏SPECT/CT数据集	计算机视觉	心血管疾病	深度学习	卷积神经网络	图像	100个心脏SPECT/CT数据集
54	2024-08-07	Imaging in focus: An introduction to denoising bioimages in the era of deep learning 2021-Nov, The international journal of biochemistry & cell biology DOI:10.1016/j.biocel.2021.106077 PMID:34547502	综述	本文介绍了深度学习时代下，利用深度学习方法去除生物荧光图像噪声的技术	深度学习方法通过学习示例数据来去噪，提供了一种强大的内容感知方法	NA	旨在深入了解基于深度学习的去噪方法如何运作，并帮助用户选择最适合其应用的工具	荧光显微镜图像中的噪声	计算机视觉	NA	深度学习	NA	图像	NA
55	2024-08-07	Machine learning approach for the prediction of postpartum hemorrhage in vaginal birth 2021-11-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-02198-y PMID:34799687	研究论文	本研究利用机器学习模型预测阴道分娩后的产后出血	构建了五种机器学习模型和一个包含两层神经网络的深度学习模型，通过集成学习方法提高了预测准确性	需要进一步研究以分析合适的变量并准备大规模数据集	预测阴道分娩后的产后出血	在东京女子医科大学东中心进行阴道分娩的女性	机器学习	产后出血	机器学习	神经网络	临床变量	共9,894名进行阴道分娩的患者，其中188例（1.9%）出血量超过1000毫升
56	2024-08-05	Deep Learning for Automated Liver Segmentation to Aid in the Study of Infectious Diseases in Nonhuman Primates 2021-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2020.08.023 PMID:32943333	研究论文	本研究探讨了深度学习在非人类灵长类动物感染疾病研究中自动肝脏分割的应用	首次在非人类灵长类动物的全身CT图像中应用先进的CNN算法进行肝脏分割	主要集中在非人类灵长类动物上，可能不适用于其他物种	提升对感染性疾病中肝脏的准确分割和分析能力	37只非人类灵长类动物的82个CT扫描图像	数字病理学	感染性疾病	深度学习	CNN，FPN、VNet和UNet	图像	37只动物的82个扫描
57	2024-08-05	Octree Representation Improves Data Fidelity of Cardiac CT Images and Convolutional Neural Network Semantic Segmentation of Left Atrial and Ventricular Chambers 2021-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.2021210036 PMID:34870221	研究论文	本研究评估了八叉树表示法及其在心脏CT图像语义分割中的应用。	提出了八叉树基础的卷积神经网络（OctNet），提高了分割精度，并减少了内存占用。	只研究了100名患者的数据，可能缺乏广泛的适用性。	提高三维心脏CT图像分割的准确性。	对100名接受心脏CT血管成像的患者进行数据评估。	计算机视觉	心血管疾病	卷积神经网络（CNN）	OctNet	图像	100名患者的心脏CT图像
58	2024-08-05	DeepAtrophy: Teaching a neural network to detect progressive changes in longitudinal MRI of the hippocampal region in Alzheimer's disease 2021-11, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118514 PMID:34450261	研究论文	本研究提出了一种名为DeepAtrophy的深度学习网络，用于检测阿尔茨海默病中海马区域的进展性变化	通过训练深度学习网络来推断纵向MRI扫描对的时间信息，提供了一种新的量化海马区域疾病进展的方法	该研究使用的样本未包括在训练中的受试者可能影响结果的广泛适用性	探讨如何通过深度学习推断海马区域纵向MRI的时间信息，以量化阿尔茨海默病的进展	研究对象为参与阿尔茨海默病神经影像倡议（ADNI）研究的受试者的纵向MRI扫描	计算机视觉	阿尔茨海默病	深度学习	深度学习网络	MRI图像	NA
59	2024-08-07	The effect of time on the automated detection of the pharyngeal phase in videofluoroscopic swallowing studies 2021-11, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC46164.2021.9629562 PMID:34891978	研究论文	本文比较了基于卷积神经网络（CNN）的不同算法在视频荧光吞咽研究（VFSS）中自动检测咽部阶段的效果	提出使用2DCNN在3帧窗口上的分析方法优于逐帧方法和3DCNN，且检测准确性接近临床金标准	缺乏关于分割吞咽重要且快速阶段的算法策略的共识	探索和优化用于自动检测VFSS中咽部阶段的深度学习算法	比较2DCNN和3DCNN在不同时间窗口输入下的性能	计算机视觉	NA	卷积神经网络（CNN）	CNN	视频	涉及VFSS的多个样本