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	2024-10-06	A review of deep learning-based deformable medical image registration 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.1047215 PMID:36568171	综述	本文综述了基于深度学习的可变形医学图像配准方法	本文分类并详细讨论了五种基于深度学习的可变形医学图像配准方法，并提供了统计分析和公开数据集的总结	本文未提及具体的实验结果或模型性能比较	综述基于深度学习的可变形医学图像配准方法的最新进展	可变形医学图像配准方法	计算机视觉	NA	深度学习	NA	图像	33个公开数据集
22	2024-10-05	Model-based stratification of progression along the Alzheimer disease continuum highlights the centrality of biomarker synergies 2022-01-24, Alzheimer's research & therapy DOI:10.1186/s13195-021-00941-1 PMID:35073974	研究论文	本研究使用模型和数据驱动的方法，探讨了阿尔茨海默病（AD）进展过程中Aβ、tau和神经退行性病变（AT(N)）生物标志物的协同作用	本研究揭示了AT(N)生物标志物组合在预测AD进展中的协同关系，扩展了之前关于A-T协同机制的证据	本研究使用了较大的数据集（N=321），但样本量仍有限，可能影响模型的泛化能力	探讨阿尔茨海默病进展过程中生物标志物的协同作用	阿尔茨海默病患者的认知评估和生物标志物数据	机器学习	阿尔茨海默病	深度学习模型	深度学习模型	生物标志物数据	321名患者
23	2024-10-05	Implications of AlphaFold2 for crystallographic phasing by molecular replacement 2022-Jan-01, Acta crystallographica. Section D, Structural biology DOI:10.1107/S2059798321012122 PMID:34981757	研究论文	探讨了AlphaFold2在晶体学相位分析中的应用前景	利用AlphaFold2生成的精确蛋白质结构模型，探索其在晶体学相位分析中的潜在应用	NA	研究AlphaFold2对晶体学相位分析方法的影响	AlphaFold2生成的蛋白质结构模型及其在晶体学相位分析中的应用	结构生物学	NA	深度学习	AlphaFold2	蛋白质结构数据	来自CASP14的数据
24	2024-10-05	Computerized migraine diagnostic tools: a systematic review 2022, Therapeutic advances in chronic disease IF:3.3Q2 DOI:10.1177/20406223211065235 PMID:35096362	综述	本文对计算机化偏头痛诊断工具进行了系统性回顾，总结并评估了相关研究的质量	本文首次对计算机化偏头痛诊断工具进行了系统性回顾，评估了不同工具的诊断准确性	缺乏随机患者抽样、工具之间的直接比较以及对其他头痛诊断的适用性	总结和评估计算机化偏头痛诊断工具的研究质量	计算机化偏头痛诊断工具	计算机视觉	偏头痛	深度学习、分类器集成、蚁群算法、人工免疫、随机森林、白盒与黑盒组合、混合模糊专家系统	NA	NA	41项研究，中位样本量为288名参与者，中位年龄43岁，77%为女性
25	2024-10-04	Current trends on the application of artificial intelligence in medical sciences 2022, Bioinformation DOI:10.6026/973206300181050 PMID:37693078	综述	本文综述了人工智能在医学科学中的应用现状、面临的挑战以及未来的发展方向	本文系统地总结了人工智能在医疗领域的应用，并提出了未来研究的方向	本文主要集中在综述和总结，未提供具体的实验数据或模型	探讨人工智能在医学科学中的应用及其未来发展	人工智能在医疗领域的应用、面临的挑战及伦理责任	机器学习	NA	机器学习 (ML) 和深度学习 (DL)	NA	NA	NA
26	2024-10-04	Automatic detection and delineation of pediatric gliomas on combined [18F]FET PET and MRI 2022, Frontiers in nuclear medicine (Lausanne, Switzerland) DOI:10.3389/fnume.2022.960820 PMID:39354975	研究论文	本文提出了一种深度学习方法，用于自动检测和描绘儿童中枢神经系统肿瘤的[18F]FET PET和MRI图像	本文首次将深度学习应用于儿童中枢神经系统肿瘤的自动描绘，提高了描绘的准确性和一致性	研究样本量较小，仅包括66名患者，未来需要在大规模多中心研究中验证其有效性	开发一种自动描绘儿童中枢神经系统肿瘤的方法，以提高诊断和治疗计划的准确性	儿童中枢神经系统肿瘤的[18F]FET PET和MRI图像	计算机视觉	中枢神经系统肿瘤	深度学习	人工神经网络 (ANN)	图像	66名儿童患者的109次[18F]FET PET和MRI扫描
27	2024-10-02	Fully automated image quality evaluation on patient CT: Multi-vendor and multi-reconstruction study 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0271724 PMID:35857804	研究论文	本文提出了一种全自动的CT图像质量评估方法，用于多厂商和多重建算法的患者CT图像	首次提出了基于结构一致性特征（SCF）的全自动CT图像质量评估方法，能够量化噪声水平、结构清晰度和结构变化	研究仅限于特定类型的CT图像和重建算法，未涵盖所有可能的CT技术和场景	开发一种全自动的CT图像质量评估方法，以优化CT协议和降低辐射剂量	120名患者的CT图像，使用四种不同的CT扫描仪和三种重建算法	计算机视觉	NA	CT扫描	深度学习模型（DLM）	图像	120名患者的CT图像
28	2024-10-02	A Deep Learning and Handcrafted Based Computationally Intelligent Technique for Effective COVID-19 Detection from X-ray/CT-scan Imaging 2022, Journal of grid computing IF:3.6Q1 DOI:10.1007/s10723-022-09615-0 PMID:35874855	研究论文	本文提出了一种基于深度学习和手工特征的计算智能技术，用于从X射线/CT扫描图像中有效检测COVID-19	本文的创新点在于采用了混合特征提取方法，结合了深度学习特征和手工特征，并使用ResNet101和DenseNet201模型进行特征提取	NA	开发一种高效的COVID-19分类系统，以帮助医生和科学界应对疫情	COVID-19的X射线/CT扫描图像	计算机视觉	COVID-19	深度学习	ResNet101, DenseNet201	图像	NA
29	2024-10-02	Artificial Intelligence in Digital Pathology to Advance Cancer Immunotherapy 2022, 21st century pathology PMID:36282981	研究论文	本文总结了人工智能在数字病理学中的最新研究，并探讨了其在癌症免疫治疗生物标志物开发中的新兴范式和方向	本文探讨了人工智能在数字病理学中的应用，特别是深度学习技术，以自动化分析组织切片，并利用多重生物成像技术全面表征肿瘤微环境	本文主要为综述性质，未提供具体的研究数据或实验结果	探讨人工智能在数字病理学中的应用，以推动癌症免疫治疗生物标志物的开发	免疫检查点抑制剂（ICIs）在癌症治疗中的应用，特别是肺癌患者中ICIs单药治疗的临床效益	数字病理学	肺癌	人工智能（AI），特别是深度学习	深度学习	组织切片	NA
30	2024-10-02	Accurate classification of lung nodules on CT images using the TransUnet 2022, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2022.1060798 PMID:36544802	研究论文	本文提出了一种基于TransUnet的深度卷积神经网络技术，用于CT图像中肺结节的自动分类	本文创新性地结合了Transformer和Unet模型，通过全局自注意力建模和精确的肺结节定位，提高了肺结节分类的准确性	NA	开发一种自动化的方法来提高CT图像中肺结节的分类准确性	CT图像中的肺结节	计算机视觉	肺癌	深度卷积神经网络	TransUnet	图像	8474张CT图像，包括3259张良性图像和5215张肺结节图像
31	2024-10-01	Identification of piRNA disease associations using deep learning 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.02.026 PMID:35317234	研究论文	本文开发了一种基于深度学习的piRNA疾病关联识别方法piRDA	提出了一种无需特征工程的简单、稳健且高效的深度学习方法，用于识别piRNA疾病关联，并显著优于现有方法	NA	开发一种高效的计算方法来识别piRNA与疾病之间的关联，以促进疾病特异性药物开发	piRNA与疾病之间的关联	机器学习	NA	深度学习	NA	序列数据	NA
32	2024-10-01	Extracting default mode network based on graph neural network for resting state fMRI study 2022, Frontiers in neuroimaging DOI:10.3389/fnimg.2022.963125 PMID:37555154	研究论文	本文提出使用图神经网络（graphSAGE）来研究静息态功能磁共振成像（rs-fMRI）并提取默认模式网络（DMN）	相比传统的种子点相关法、独立成分分析和字典学习，graphSAGE方法更稳健、可靠，并能更清晰地定义感兴趣区域	NA	研究大脑功能连接，提取默认模式网络	静息态功能磁共振成像数据	计算机视觉	NA	图神经网络（graphSAGE）	图神经网络	功能磁共振成像数据	NA
33	2024-10-01	Automatic Detection of Atrial Fibrillation from Single-Lead ECG Using Deep Learning of the Cardiac Cycle 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9813062 PMID:37850161	研究论文	本文探讨了使用深度神经网络（DNN）从单导联心电图（ECG）信号中学习心脏周期并可靠地检测心房颤动（AF）的方法	本文设计了一个三步管道，用于从ECG中检测AF，并展示了其优于现有ECG分析方法的性能	深度神经网络（DNN）通常被设计为通用目的的黑箱模型，缺乏对其决策的可解释性	开发一种从单导联ECG信号中可靠检测心房颤动（AF）的方法	单导联心电图（ECG）信号中的心房颤动（AF）	机器学习	心血管疾病	深度神经网络（DNN）	深度神经网络（DNN）	时间序列数据	NA
34	2024-09-30	Deep learning via LSTM models for COVID-19 infection forecasting in India 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0262708 PMID:35089976	研究论文	本文使用LSTM等循环神经网络模型对印度的COVID-19感染进行短期预测	采用LSTM、双向LSTM和编码器-解码器LSTM模型进行多步短期COVID-19感染预测	数据可靠性问题以及难以捕捉人口密度、物流和社会文化等因素	重新审视COVID-19感染情况，使用可靠数据源和创新预测模型	印度各州的COVID-19感染情况	机器学习	NA	NA	LSTM	时间序列	印度各州的COVID-19热点地区
35	2024-09-30	Malignant thoracic lymph node classification with deep convolutional neural networks on real-time endobronchial ultrasound (EBUS) images 2022-Jan, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-21-870 PMID:35242624	研究论文	本研究旨在利用深度卷积神经网络对实时内窥镜超声图像中的恶性胸淋巴结进行分类	本研究首次将深度卷积神经网络应用于实时内窥镜超声图像中恶性胸淋巴结的自动分类，并提出了一种新的损失函数以提高分类性能	本研究的样本量相对较小，且仅限于特定医院的患者数据	开发一种能够自动分类恶性胸淋巴结的深度卷积神经网络，以提高肺癌诊断和治疗的准确性	胸淋巴结的恶性分类	计算机视觉	肺癌	深度卷积神经网络	CNN	图像	共收集了2,394张内窥镜超声图像，包括1,459个良性淋巴结和935个恶性淋巴结，涉及370名患者
36	2024-09-30	A COMPARATIVE STUDY OF X-RAY AND CT IMAGES IN COVID-19 DETECTION USING IMAGE PROCESSING AND DEEP LEARNING TECHNIQUES 2022, Computer methods and programs in biomedicine update DOI:10.1016/j.cmpbup.2022.100054 PMID:35281724	review	本文综述了使用图像处理和深度学习技术在COVID-19检测中比较X射线和CT图像的最新深度学习方法	本文总结了卷积神经网络（CNN）在从医学图像中检测COVID-19的最流行深度学习算法，并讨论了预处理、迁移学习和数据增强技术在处理数据稀缺问题中的应用	NA	探讨深度学习技术在COVID-19早期诊断中的应用	COVID-19的早期诊断	computer vision	传染病	图像处理和深度学习	CNN	image	NA
37	2024-09-30	Facial Mask Detection Using Depthwise Separable Convolutional Neural Network Model During COVID-19 Pandemic 2022, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2022.855254 PMID:35321193	研究论文	本文提出了一种基于Depthwise Separable Convolution的MobileNet模型用于COVID-19疫情期间的面部口罩检测	采用Depthwise Separable Convolution层替代传统的2D卷积层，减少了可训练参数数量并提高了学习性能	依赖于有限的训练数据集	解决面部图像中口罩识别的问题	面部口罩检测	计算机视觉	NA	深度学习	深度卷积神经网络	图像	使用基准数据集进行测试
38	2024-09-30	Recent Technical Advances in Accelerating the Clinical Translation of Small Animal Brain Imaging: Hybrid Imaging, Deep Learning, and Transcriptomics 2022, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2022.771982 PMID:35402436	综述	本文综述了近期在加速小动物脑成像临床转化方面的技术进展，重点介绍了混合成像、深度学习和转录组学等技术	本文介绍了混合成像技术、单细胞转录组学和深度学习图像分析等新方法，以提高小动物脑成像的转化能力	本文讨论了从临床前脑成像向临床转化过程中存在的物种间差异和成像技术障碍等挑战	总结近期小动物神经成像技术的发展，以提高其临床转化能力	小动物脑成像技术及其临床转化	计算机视觉	NA	混合成像、深度学习、转录组学	深度学习	图像	NA
39	2024-09-30	Deep Generative Learning-Based 1-SVM Detectors for Unsupervised COVID-19 Infection Detection Using Blood Tests 2022, IEEE transactions on instrumentation and measurement IF:5.6Q1 DOI:10.1109/TIM.2021.3130675 PMID:35582656	研究论文	本文介绍了一种基于深度生成学习的无监督COVID-19感染检测方法，使用血液检测样本	本文结合了变分自编码器（VAE）的特征提取能力和一类支持向量机（1SVM）的检测敏感性，提出了一种新的深度混合模型	本文的研究主要基于两个医院的血液检测样本，样本量有限，可能影响模型的泛化能力	开发一种快速、低成本且易于访问的无监督COVID-19感染检测方法	COVID-19感染检测	机器学习	COVID-19	变分自编码器（VAE），一类支持向量机（1SVM）	深度混合模型	血液检测数据	两个医院的常规血液检测样本
40	2024-09-30	Neural Network Training With Asymmetric Crosspoint Elements 2022, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2022.891624 PMID:35615470	研究论文	本文探讨了使用不对称交叉点元件进行神经网络训练的问题，并提出了一种新的全并行训练算法	提出了一种新的全并行训练算法，利用设备不对称性作为有用特征，通过调整网络参数来最小化系统的总能量（哈密顿量）	NA	解决实际电阻器件不对称电导调制对传统算法训练网络分类性能的负面影响	不对称交叉点元件和深度神经网络训练	机器学习	NA	NA	深度神经网络	NA	NA