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	Classification of COVID-19 in X-ray images with Genetic Fine-tuning 2021-Dec, Computers & electrical engineering : an international journal IF:4.0Q2 DOI:10.1016/j.compeleceng.2021.107467 PMID:34584299	研究论文	本文研究了基于X射线图像和深度学习技术对COVID-19和其他类型肺炎的检测	提出了新的遗传微调方法来自动定义ResNet50和VGG16架构的最佳超参数集	NA	开发一种能够快速高效分类COVID-19肺炎的方法，以降低成本	COVID-19、其他肺炎和健康状态的X射线图像	计算机视觉	COVID-19	深度学习	ResNet50, VGG16	图像	NA
22	2024-09-10	A comparative analysis of eleven neural networks architectures for small datasets of lung images of COVID-19 patients toward improved clinical decisions 2021-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104887 PMID:34688974	研究论文	本文比较了十一种神经网络架构在COVID-19患者肺部图像小数据集上的表现，以改进临床决策	本文首次系统比较了十一种卷积神经网络在COVID-19肺部图像分类中的性能，为小医疗数据集的处理和分析提供了决策支持	本文仅限于COVID-19肺部图像的分类，未涉及其他疾病或数据类型	比较不同神经网络模型在COVID-19肺部图像分类中的性能，为临床决策提供支持	COVID-19患者的肺部图像	计算机视觉	呼吸系统疾病	卷积神经网络	CNN	图像	小数据集
23	2024-09-10	Deep learning detects heart failure with preserved ejection fraction using a baseline electrocardiogram 2021-Dec, European heart journal. Digital health DOI:10.1093/ehjdh/ztab081 PMID:36713109	研究论文	本研究利用深度学习技术，通过基线心电图检测保留射血分数的心力衰竭	首次使用卷积神经网络（CNN）根据欧洲心脏病学会（ESC）标准识别HFpEF患者，包括在诊断算法中纳入NT-proBNP测量	NA	开发一种基于心电图的深度学习模型，用于检测保留射血分数的心力衰竭	保留射血分数的心力衰竭患者和对照组	机器学习	心血管疾病	卷积神经网络（CNN）	CNN	心电图	1884名患者用于模型训练，203名志愿者用于外部验证
24	2024-09-08	Graph auto-encoding brain networks with applications to analyzing large-scale brain imaging datasets 2021-12-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118750 PMID:34823023	研究论文	本文开发了一种非线性潜在因子模型，用于表征脑图的群体分布并推断其与人类特征的关系	提出了名为Graph AuTo-Encoding (GATE)的方法，通过深度学习技术对脑网络进行编码和解码，以分析大规模脑成像数据集	NA	研究从不同成像模式推断的人类脑连接组及其与人类特征（如认知）的关系	脑连接组及其与认知的关系	计算机视觉	NA	深度学习	图自编码器 (Graph AuTo-Encoding, GATE)	网络数据	两个大规模脑成像数据集：Adolescent Brain Cognitive Development (ABCD) 研究和 Human Connectome Project (HCP) 成人研究
25	2024-09-06	Protein tertiary structure prediction and refinement using deep learning and Rosetta in CASP14 2021-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26194 PMID:34331359	研究论文	本文通过深度学习和Rosetta方法改进了蛋白质三级结构预测和优化	引入了语言模型嵌入和模板信息加权，并开发了一个结合无模板和有模板版本的trRosetta模型的优化流程	整体改进效果有限，部分原因是缺失域间或链间接触	改进蛋白质三级结构预测方法	蛋白质三级结构	机器学习	NA	深度学习	trRosetta	序列信息	NA
26	2024-09-02	Applications of artificial intelligence in the thorax: a narrative review focusing on thoracic radiology 2021-Dec, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-21-1342 PMID:35070379	综述	本文综述了人工智能，特别是深度学习，在胸腔放射学中的应用，包括工作列表优先级和患者分诊、作为第二读者的AI性能提升以及AI在复杂量化中的应用	介绍了AI在资源有限环境下的结核病筛查、筛查CT中的肺癌检测以及COVID-19诊断等近期应用实例	尚未确定基于AI的图像分析系统如何在临床实践中帮助医生	探讨AI如何补充当前医疗系统的各个方面，并介绍其在胸腔疾病中的应用	胸腔疾病，特别是胸腔放射学领域	计算机视觉	肺疾病	深度学习	NA	图像	NA
27	2024-09-01	High-Throughput Molecular Imaging via Deep-Learning-Enabled Raman Spectroscopy 2021-12-07, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.1c02178 PMID:34797972	研究论文	本文介绍了一种通过深度学习增强的拉曼光谱技术，称为DeepeR，用于实现高通量的分子成像	通过深度学习技术，实现了拉曼光谱图像的去噪和重建，提高了信号噪声比，并开发了神经网络进行空间超分辨率处理，显著加快了成像速度	NA	开发一种高通量的分子成像技术，以克服传统拉曼光谱技术数据采集速度慢的限制	拉曼光谱图像的去噪、重建和超分辨率处理	计算机视觉	NA	拉曼光谱	神经网络	图像	超过150万个光谱（总计400小时的数据采集）
28	2024-08-30	A novel and efficient deep learning approach for COVID-19 detection using X-ray imaging modality 2021-Dec, International journal of imaging systems and technology IF:3.0Q2 DOI:10.1002/ima.22627 PMID:34518739	研究论文	本文提出了一种基于深度学习的卷积神经网络（CNN）集成模型，用于通过X射线影像快速准确地检测COVID-19	采用对比度增强和图像归一化预处理方法，以及数据增强技术，提高了检测准确性	NA	开发一种高效且准确的自动化COVID-19检测方法，以减少计算需求并防止病毒传播	COVID-19、肺炎和正常胸部X射线图像	计算机视觉	COVID-19	深度学习	CNN	图像	2161张COVID-19图像，2022张肺炎图像，5863张正常胸部X射线图像
29	2024-08-29	An investigation of traffic density changes inside Wuhan during the COVID-19 epidemic with GF-2 time-series images 2021-Dec-01, International journal of applied earth observation and geoinformation : ITC journal IF:7.6Q1 DOI:10.1016/j.jag.2021.102503 PMID:35481227	研究论文	本文通过收集武汉封城前后由GF-2卫星获取的时间序列高分辨率遥感图像，分析了武汉内部交通密度的变化，以反映城市内部人口流动的变化。	利用高分辨率遥感图像和结合形态学滤波与深度学习的车辆检测方法，首次详细分析了武汉封城期间内部交通密度的变化。	研究主要依赖于遥感图像数据，可能存在天气等外部因素对数据质量的影响。	探讨武汉封城政策对城市内部交通密度和人口流动的影响。	武汉封城前后的交通密度变化。	遥感	COVID-19	遥感图像分析	深度学习	图像	武汉封城前后由GF-2卫星获取的时间序列高分辨率遥感图像
30	2024-08-28	Assessment of the CASP14 assembly predictions 2021-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26199 PMID:34337786	研究论文	本文评估了CASP14中39个研究小组提交的超过2500个蛋白质复合物三维模型的预测性能	文章展示了结合传统技术与深度学习方法在蛋白质复合物预测中的有效性，并指出AlphaFold2预测在界面预测中的潜在帮助	文章指出，对于没有整体模板复合物的预测仍面临重大挑战	评估CASP14中蛋白质复合物结构预测的准确性和挑战	CASP14中的22个蛋白质复合物	计算机视觉	NA	模板基础建模、蛋白质对接、深度学习基础的接触预测	深度学习模型	3D模型	超过2500个3D模型，涉及22个蛋白质复合物
31	2024-08-24	Automatic pulmonary vessel segmentation on noncontrast chest CT: deep learning algorithm developed using spatiotemporally matched virtual noncontrast images and low-keV contrast-enhanced vessel maps 2021-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-021-08036-z PMID:34009411	研究论文	开发了一种基于深度学习的肺血管分割算法（DLVS），用于非对比剂胸部CT图像，并探讨其在慢性阻塞性肺疾病（COPD）患者血管重塑评估中的临床应用	利用双源CT扫描仪生成的时空匹配的50千电子伏特增强图像和虚拟非对比剂图像，开发了一种新的深度学习肺血管分割算法	NA	开发和验证一种基于深度学习的肺血管分割算法，并评估其在COPD患者中的临床应用	COPD患者的肺血管分割	计算机视觉	慢性阻塞性肺疾病	双源CT扫描	3D U-Net	图像	开发阶段使用了104个肺部CT血管造影扫描（共49,054张切片），外部验证使用了14个供应商独立的非对比剂CT图像和3个VESSEL 12挑战公开数据集，临床验证包括281名COPD患者
32	2024-08-24	Comparing deep learning-based automatic segmentation of breast masses to expert interobserver variability in ultrasound imaging 2021-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104966 PMID:34715553	研究论文	本文比较了基于深度学习的乳腺肿块自动分割模型与超声图像中专家间观察者变异性的表现	提出了一种高表现的深度学习分割模型，并与三位专家的手动分割结果进行比较	深度学习模型通常只与一位专家进行评估，其误差是否在临床可接受范围内尚不清楚	研究深度学习技术在医学图像处理中的可靠性和重复性	乳腺肿块的自动分割	计算机视觉	乳腺肿瘤	深度学习	CNN	图像	使用了455名患者的甲状腺超声分割数据集和733名患者的乳腺超声分割数据集
33	2024-08-23	Big Data to Knowledge: Application of Machine Learning to Predictive Modeling of Therapeutic Response in Cancer 2021-Dec-16, Current genomics IF:1.8Q3 DOI:10.2174/1389202921999201224110101 PMID:35273457	综述	本文综述了机器学习技术在癌症治疗反应预测建模中的应用	探讨了深度学习和因果分析等更复杂技术在治疗反应建模中的潜在应用	讨论了现有机器学习技术的局限性和替代方法	讨论机器学习技术在癌症治疗反应建模中的应用	癌症患者的治疗反应	机器学习	癌症	机器学习	随机森林、支持向量机、神经网络、线性和逻辑回归	分子患者数据	NA
34	2024-08-22	Integrating Domain Knowledge into Deep Learning for Skin Lesion Risk Prioritization to Assist Teledermatology Referral 2021-Dec-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12010036 PMID:35054203	研究论文	本文通过结合领域知识与深度学习，开发了一种用于皮肤病变风险优先级排序的方法，以辅助远程皮肤科转诊	提出了一种新的优先级排序流程，该流程受领域知识启发，并探索了自动病变分割、层次分类和课程学习等不同学习方案	在大多数实验中，添加患者信息并未带来益处	改进现有的远程皮肤科流程，提高皮肤病变诊断的效率	皮肤病变的风险优先级排序	机器学习	NA	深度学习	CNN	图像	回顾性数据集来自葡萄牙国家卫生系统的转诊请求
35	2024-08-22	Robustness of convolutional neural networks to physiological electrocardiogram noise 2021-Dec-13, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2020.0262 PMID:34689617	研究论文	本研究探讨了卷积神经网络对生理性心电图噪声的鲁棒性	首次系统评估了卷积神经网络在处理含噪声心电图数据时的性能	研究仅限于特定类型的心电图噪声和数据集，可能不适用于所有情况	评估深度学习方法在心电图信号处理中的鲁棒性	心电图信号及其在心血管疾病诊断中的应用	机器学习	心血管疾病	NA	CNN	图像	具体样本数量未在摘要中提及
36	2024-08-21	Classification of Clinically Significant Prostate Cancer on Multi-Parametric MRI: A Validation Study Comparing Deep Learning and Radiomics 2021-Dec-21, Cancers IF:4.5Q1 DOI:10.3390/cancers14010012 PMID:35008177	研究论文	本研究旨在通过多参数磁共振成像（mpMRI）比较深度学习和放射组学模型在临床显著性前列腺癌（PCa）分类中的性能	本研究首次在不同中心和不同扫描仪的数据集上比较了深度学习和放射组学模型的性能	研究仅限于四个数据集，可能需要更多数据集以进一步验证模型的泛化能力	比较深度学习和放射组学模型在临床显著性前列腺癌诊断中的性能	临床显著性前列腺癌的分类	机器学习	前列腺癌	多参数磁共振成像（mpMRI）	深度学习模型和放射组学模型	医学影像	共包含371名患者的数据集，以及两个外部数据集（195名患者和79名患者）
37	2024-08-21	A Deep Learning Ensemble Approach for Automated COVID-19 Detection from Chest CT Images 2021-Dec-20, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10245982 PMID:34945278	研究论文	本研究旨在评估基于迁移学习技术的自动化COVID-19检测方法，该方法利用胸部CT图像进行检测	采用卷积神经网络（CNN）作为特征提取器，并结合信息增益过滤器选择特征，最终通过多数投票方法进行分类	NA	评估自动化COVID-19检测方法的性能	胸部CT图像	计算机视觉	COVID-19	迁移学习	CNN	图像	4171张CT扫描图像，来自210名不同患者
38	2024-08-21	Moving beyond the Slit-Lamp Gonioscopy: Challenges and Future Opportunities 2021-Dec-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11122279 PMID:34943516	综述	本文综述了裂隙灯前房角镜检查的局限性以及新型数字前房角镜GS-1的优势和潜在应用	介绍了新型数字前房角镜GS-1，该设备允许半自动的环形记录前房角的真实彩色照片，并探讨了其在远程医疗、虚拟诊所和深度学习自动分类中的潜在应用	裂隙灯前房角镜检查存在学习曲线陡峭、检查者间一致性差和记录不良的缺点	探讨裂隙灯前房角镜检查的挑战和未来机遇	前房角及其在青光眼诊断和治疗中的应用	NA	青光眼	NA	NA	图像	NA
39	2024-08-21	Unseen Artificial Intelligence-Deep Learning Paradigm for Segmentation of Low Atherosclerotic Plaque in Carotid Ultrasound: A Multicenter Cardiovascular Study 2021-Dec-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11122257 PMID:34943494	研究论文	本文研究了一种新的深度学习方法，用于在多中心心血管研究中分割颈动脉超声中的低斑块，该方法在不同种族群体中进行训练和测试。	首次采用“未见人工智能”范式，即在不同种族群体中进行训练和测试，以验证深度学习模型的通用性。	研究仅限于颈动脉超声图像的分割，且样本来自两个特定的种族群体。	验证深度学习模型在不同种族群体中分割低斑块的能力，并评估其与“已见人工智能”模型的性能接近程度。	颈动脉超声图像中的低斑块分割。	机器学习	心血管疾病	深度学习	UNet	图像	630个样本，包括330个日本人和300个香港人
40	2024-08-21	Stent detection with very thick tissue coverage in intravascular OCT 2021-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.444336 PMID:35003848	研究论文	本文开发了一种深度学习方法，用于自动分析具有薄和非常厚组织覆盖的支架，并提出了一种算法来准确分析植入多个支架的血管区域	本文首次提出了一种能够处理非常厚组织覆盖的支架分析的深度学习方法，并能够有效分析植入多个支架的血管区域	NA	开发一种自动分析具有不同组织覆盖厚度的支架的方法，以提高评估支架植入和支架后组织覆盖的效率	冠状动脉支架及其组织覆盖情况	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	25203张图像来自56次OCT回拉和41名患者