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
521	2024-08-21	Initial application of deep learning to borescope detection of endoscope working channel damage and residue 2022-Jan, Endoscopy international open IF:2.2Q2 DOI:10.1055/a-1591-0258 PMID:35047341	研究论文	本文探讨了深度学习在内窥镜工作通道损伤和残留物检测中的初步应用	利用人工智能（AI）深度学习方法，提高了内窥镜工作通道检查的效率和价值	文章未提及具体的局限性	研究人工智能在内窥镜工作通道检查中的应用，以提高检查效率和准确性	内窥镜工作通道的损伤和残留物	计算机视觉	NA	深度学习	NA	视频	20个内窥镜
522	2024-08-20	Teacher-student training and triplet loss to reduce the effect of drastic face occlusion: Application to emotion recognition, gender identification and age estimation 2022, Machine vision and applications IF:2.4Q2 DOI:10.1007/s00138-021-01270-x PMID:34955610	研究论文	研究在面部严重遮挡情况下进行情感识别、性别识别和年龄估计的任务，提出基于教师-学生训练和三元组损失的知识蒸馏方法以提高模型性能	提出了一种基于三元组损失的知识蒸馏新方法，该方法在不同模型和任务中具有通用性	未提及具体限制	在面部严重遮挡情况下提高情感识别、性别识别和年龄估计的准确性	面部表情、性别和年龄	计算机视觉	NA	知识蒸馏	CNN	图像	使用VGG-f、VGG-face和ResNet-50三种神经模型进行实验
523	2024-08-20	A phantom study comparing low-dose CT physical image quality from five different CT scanners 2022-Jan, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-21-245 PMID:34993117	研究论文	本研究通过使用Catphan 500模型，比较了五种不同制造商的低剂量CT扫描仪的物理图像质量。	本研究首次系统评估了五种不同制造商的低剂量CT扫描仪的图像质量，并使用了制造商特定的迭代重建（IR）算法和深度学习图像重建（DLIR）技术。	研究仅限于使用Catphan 500模型进行评估，可能无法完全代表所有临床情况。	系统评估不同制造商的低剂量CT扫描仪的物理图像质量。	五种不同制造商的低剂量CT扫描仪。	计算机断层扫描	NA	低剂量CT扫描，迭代重建（IR）算法，深度学习图像重建（DLIR）	NA	图像	使用Catphan 500模型，涉及五种不同制造商的CT扫描仪
524	2024-08-16	STAMP: A Self-training Student-Teacher Augmentation-Driven Meta Pseudo-Labeling Framework for 3D Cardiac MRI Image Segmentation 2022, Medical Image Understanding and Analysis. Medical Image Understanding and Analysis (Conference) DOI:10.1007/978-3-031-12053-4_28 PMID:37126464	研究论文	本文提出了一种用于3D心脏MRI图像分割的自训练学生-教师增强驱动的元伪标签框架	该方法通过元伪标签技术使教师网络根据学生网络在标记数据集上的表现不断适应，从而生成更有效的伪标签来指导学生网络	NA	旨在通过半监督学习方法利用大量未标记数据提高模型性能，并解决伪标签偏差问题	3D心脏MRI图像的分割	计算机视觉	NA	NA	CNN	图像	使用仅10%的标记数据进行训练，实验中使用了不同数量的标记数据
525	2024-08-15	Recognition of Diabetic Retinopathy with Ground Truth Segmentation Using Fundus Images and Neural Network Algorithm 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8356081 PMID:36211022	研究论文	本研究利用深度学习神经网络算法和眼底图像，对糖尿病视网膜病变进行识别和分类	采用深度学习神经网络对糖尿病视网膜病变进行识别，提高了识别的敏感性、特异性和准确性	现有糖尿病视网膜病变技术的敏感性、特异性和准确性水平低于本研究要求	利用深度学习神经网络识别糖尿病视网膜病变，以早期发现患者	糖尿病视网膜病变及其对视网膜血管的影响	计算机视觉	糖尿病视网膜病变	神经网络算法	NN分类器	图像	使用眼底图像和糖尿病视网膜病变数据库进行测试
526	2024-08-14	Machine Learning-Based Personalized Prediction of Hepatocellular Carcinoma Recurrence After Radiofrequency Ablation 2022, Gastro hep advances DOI:10.1016/j.gastha.2021.09.003 PMID:39129938	研究论文	本研究旨在开发一种机器学习模型，用于预测接受射频消融治疗后的肝细胞癌患者复发风险	开发了一种新的机器学习模型，用于个性化预测肝细胞癌复发风险，并能输出每个患者的个性化累积复发预测曲线	NA	开发机器学习模型以预测肝细胞癌复发风险	接受射频消融治疗的肝细胞癌患者	机器学习	肝细胞癌	射频消融	梯度提升决策树（GBDT）	临床数据	1778名患者
527	2024-08-14	Deep Learning for Automatic Identification and Characterization of the Bleeding Potential of Enteric Protruding Lesions in Capsule Endoscopy 2022, Gastro hep advances DOI:10.1016/j.gastha.2022.04.008 PMID:39131843	研究论文	本文开发了一种基于卷积神经网络（CNN）的算法，用于自动检测和表征胶囊内镜中的小肠突出性病变及其出血潜力	本文首次开发了一种基于CNN的算法，能够自动检测和表征小肠突出性病变的多样性形态，并评估其出血潜力	NA	开发一种自动检测小肠突出性病变的算法，以提高胶囊内镜的诊断效率	小肠突出性病变	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	2565名患者的21,320张胶囊内镜图像
528	2024-08-07	Machine Learning in Drug Metabolism Study 2022, Current drug metabolism IF:2.1Q3 DOI:10.2174/1389200224666221227094144 PMID:36578255	综述	本文综述了机器学习在药物代谢研究中的应用，特别是其在预测药物-药物相互作用、药物-靶点相互作用、临床药物反应等方面的应用	利用机器学习算法如朴素贝叶斯、逻辑回归、k-最近邻、决策树、各种提升和集成方法、支持向量机及人工神经网络增强的深度学习，来全面研究药物开发过程中药物候选物的代谢命运	NA	探讨机器学习在药物代谢研究中的应用，以加速药物开发过程并帮助医疗实践	药物代谢及其在药物过量毒性、不良药物反应和药物效能降低中的作用	机器学习	NA	机器学习算法	朴素贝叶斯、逻辑回归、k-最近邻、决策树、提升和集成方法、支持向量机、人工神经网络	药物代谢数据	NA
529	2024-08-07	Chemotherapy response prediction with diffuser elapser network 2022-Jan-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05460-z PMID:35102179	研究论文	本文研究了在实体肿瘤中，通过扩散器网络预测化疗反应的问题	提出了一种深度学习模型，能够同时捕捉肿瘤生长和药物反应行为，并预测未来的肿瘤微环境图	需要进一步验证模型在实际临床环境中的应用效果	旨在生成对治疗方案的现实反应，以便未来工作可以使用这些患者特定的反应来决定细胞毒性药物治疗的最佳开始时间和剂量	肿瘤微环境，包括肿瘤层、血管网络、间质流体压力和药物扩散图	计算机视觉	NA	NA	CNN	图像	基于先前的仿真模型，具体样本数量未提及
530	2024-08-07	Effect of head motion-induced artefacts on the reliability of deep learning-based whole-brain segmentation 2022-Jan-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05583-3 PMID:35102199	研究论文	研究深度学习方法在磁共振成像中对头部运动引起的伪影的鲁棒性	深度学习方法在磁共振成像中对头部运动引起的伪影表现出更高的鲁棒性	NA	探讨深度学习方法在磁共振成像中对头部运动引起伪影的鲁棒性	磁共振成像中的头部运动伪影对深度学习方法的影响	计算机视觉	NA	磁共振成像	神经网络模型	图像	110名参与者
531	2024-08-07	Using deep learning models to analyze the cerebral edema complication caused by radiotherapy in patients with intracranial tumor 2022-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05455-w PMID:35091636	研究论文	利用深度学习模型分析接受放射治疗后颅内肿瘤患者脑水肿并发症的图像分割和标准结果	采用Mask R-CNN模型和区域生长算法进行脑水肿图像分割，并通过DICE、IoU和VOE指数评估分割效果	NA	研究放射治疗后颅内肿瘤患者脑水肿的图像分割和临床描述标准	颅内肿瘤患者在接受计算机刀立体定向放射手术后的脑水肿并发症	计算机视觉	颅内肿瘤	深度学习	Mask R-CNN	图像	接受计算机刀立体定向放射手术的颅内肿瘤患者，包括治疗前和四个月随访的图像
532	2024-08-07	Identification of a clonal population of Aspergillus flavus by MALDI-TOF mass spectrometry using deep learning 2022-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05647-4 PMID:35091651	研究论文	本研究利用深度学习技术，通过MALDI-TOF质谱法识别Aspergillus flavus的克隆群体	首次使用卷积神经网络（CNN）通过MALDI-TOF质谱技术识别同一物种内的特定克隆	在较旧且需要更换激光的设备上，识别准确率较低	探索现有MALDI-TOF设备是否能从同一物种的多种分离株中识别特定克隆	Aspergillus flavus的克隆分离株	机器学习	NA	MALDI-TOF质谱法	CNN	质谱数据	包括19个克隆分离株和55个来自不同来源的A. flavus分离株
533	2024-08-07	Classification of brain tumours in MR images using deep spatiospatial models 2022-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05572-6 PMID:35087174	研究论文	本文使用深度时空模型ResNet (2+1)D和ResNet混合卷积来分类MR图像中的脑肿瘤	采用时空模型作为“时空空间”模型，能够学习特定的空间和时间关系，同时降低计算成本	NA	研究如何使用深度学习方法提高脑肿瘤在MR图像中的分类准确性	脑肿瘤的分类	计算机视觉	脑肿瘤	深度学习	ResNet (2+1)D, ResNet混合卷积	图像	使用开放数据集，包含可靠的注释
534	2024-08-07	Automated evaluation of retinal pigment epithelium disease area in eyes with age-related macular degeneration 2022-Jan-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05006-3 PMID:35042966	研究论文	开发了一种两步软件，通过分析荧光素血管造影（FA）图像中的早期高荧光区域，实现对视网膜色素上皮（RPE）疾病区域变化的目标和高效量化	利用基于深度学习的判别方法提取异常区域，并通过自动化程序对二值化提取区域进行评分，提高了评估的准确性和效率	NA	解决缺乏标准协议的问题，实现对RPE疾病区域变化的客观量化	视网膜色素上皮（RPE）疾病区域	数字病理学	年龄相关性黄斑变性	深度学习	NA	图像	NA
535	2024-08-07	Approach for the Design of Covalent Protein Kinase Inhibitors via Focused Deep Generative Modeling 2022-Jan-17, Molecules (Basel, Switzerland) DOI:10.3390/molecules27020570 PMID:35056884	研究论文	本文探讨了通过深度生成模型系统设计共价蛋白激酶抑制剂的方法	结合基于片段的设计和深度生成模型，增强了三维药效团筛选，为药物化学应用提供了一种结合知识元素和深度学习的方法	NA	开发一种计算方法，用于设计共价蛋白激酶抑制剂	共价蛋白激酶抑制剂的设计	机器学习	炎症性疾病，白血病	深度生成模型	深度学习模型	化学结构数据	具体样本数量未明确
536	2024-08-07	Rapid video-based deep learning of cognate versus non-cognate T cell-dendritic cell interactions 2022-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-04286-5 PMID:35017558	研究论文	本文展示了使用深度学习快速分类抗原特异性CD8 T细胞视频的能力	该方法通过深度学习模型区分了同源和非同源T细胞与树突状细胞的交互动态，并展示了比传统图像分析技术更高的分类准确性	NA	理解免疫和耐受性，并开发癌症和自身免疫疾病的治疗方法	抗原特异性T细胞与树突状细胞的同源交互	机器学习	癌症, 自身免疫疾病	深度学习	NA	视频	OT-I小鼠的高亲和力抗原特异性CD8 T细胞
537	2024-08-07	Denoising of pediatric low dose abdominal CT using deep learning based algorithm 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0260369 PMID:35061701	研究论文	本文评估了一种基于深度学习的方法生成的标准剂量CT图像，该方法使用未配对的低剂量CT和标准剂量CT图像进行训练	使用生成对抗网络框架训练未配对数据集，能够从原始低剂量CT图像生成虚拟标准剂量CT图像	NA	评估深度学习方法生成的标准剂量CT图像的质量	低剂量CT和标准剂量CT图像	计算机视觉	NA	生成对抗网络	生成对抗网络	图像	训练集包含42张低剂量CT和42张标准剂量CT图像，验证集包含41张低剂量CT图像，测试集包含33张低剂量CT图像
538	2024-08-07	DeLUCS: Deep learning for unsupervised clustering of DNA sequences 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0261531 PMID:35061715	研究论文	本文介绍了一种无需序列比对、序列同源性或分类标识的深度学习方法DeLUCS，用于无监督DNA序列聚类	DeLUCS使用频率混沌游戏表示（FCGR）和生成模拟序列FCGR来自我学习数据模式，通过优化多个神经网络实现聚类，显著优于传统的K-means++和高斯混合模型方法	NA	开发一种新的深度学习方法，用于无监督DNA序列聚类	DNA序列的聚类	机器学习	NA	深度学习	神经网络	DNA序列	包括2,500个完整的脊椎动物线粒体基因组、3,200个随机选择的400 kbp长的细菌基因组片段和三个平均1,300个序列的病毒基因组及基因数据集
539	2024-08-07	Stock prediction based on bidirectional gated recurrent unit with convolutional neural network and feature selection 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0262501 PMID:35120138	研究论文	本文提出了一种基于特征选择、卷积神经网络和双向门控循环单元的混合股票预测模型FS-CNN-BGRU	该模型结合了特征选择、卷积神经网络和双向门控循环单元，能够更好地处理具有时间序列属性的数据，并在实验中显示出优于其他单一模型的性能	NA	提出一种新的混合股票预测模型，以提高预测性能	股票市场的预测	机器学习	NA	卷积神经网络，双向门控循环单元	CNN, BGRU	时间序列数据	NA
540	2024-08-07	No sonographer, no radiologist: New system for automatic prenatal detection of fetal biometry, fetal presentation, and placental location 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0262107 PMID:35139093	研究论文	本文开发了一种自动化的诊断框架，用于在没有经验丰富的超声技师或解读提供者的情况下，评估胎儿生物测量、胎儿体位和胎盘位置	该系统使用标准化体积扫描成像（VSI）协议和深度学习算法（U-Net），无需专业人员即可进行超声成像和诊断评估	该系统在胎盘位置的诊断准确性为76.7%，相对较低	旨在提高农村和资源匮乏社区的超声成像和诊断的可及性	胎儿生物测量、胎儿体位和胎盘位置的自动评估	计算机视觉	NA	深度学习算法（U-Net）	U-Net	图像	在秘鲁进行的超声检查，由没有超声经验的操作者进行，接受了8小时的培训