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
221	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
222	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
223	2024-10-02	Autonomous Binarized Focal Loss Enhanced Model Compression Design Using Tensor Train Decomposition 2022-Oct-14, Micromachines IF:3.0Q2 DOI:10.3390/mi13101738 PMID:36296093	研究论文	本文提出了一种基于张量列车分解的自主二值化焦点损失增强模型压缩设计方法	本文创新性地提出了自主二值化焦点损失增强模型压缩（ABFLMC）模型，解决了模型压缩过程中的类别不平衡问题，并引入了动态难度项以提高性能和降低复杂度	NA	旨在提高深度学习模型在目标检测任务中的性能，同时降低计算和功耗需求	深度学习模型在目标检测任务中的应用	机器学习	NA	张量列车分解	ABFLMC	NA	NA
224	2024-10-02	Mutual influence between language and perception in multi-agent communication games 2022-10, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010658 PMID:36315590	研究论文	本文探讨了深度学习方法在多智能体通信游戏中语言与感知相互影响的研究	通过系统地操纵智能体的视觉表示和通信协议，分析了它们对语言和感知的影响，揭示了感知偏差如何塑造语义分类和交流内容	NA	研究语言与感知在多智能体通信游戏中的相互影响	发送者和接收者智能体在参考游戏中的语言和视觉表示	自然语言处理	NA	深度学习	深度神经网络	图像	NA
225	2024-10-02	Deep learning-based breast cancer grading and survival analysis on whole-slide histopathology images 2022-09-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-19112-9 PMID:36068311	研究论文	本文开发并评估了一种基于深度学习的乳腺癌分级模型，该模型能够处理全切片病理图像，并进行生存分析	本文首次提出了一种基于深度学习的乳腺癌分级模型，能够处理全切片病理图像，并进行生存分析	模型在调整临床病理特征和分子亚型分层后，危险比显示出趋势但失去了统计显著性	开发一种能够自动分级乳腺癌并进行生存分析的深度学习模型	年轻（<40岁）的浸润性乳腺癌患者及其肿瘤分级	数字病理学	乳腺癌	深度学习	深度学习模型	图像	706名年轻（<40岁）的浸润性乳腺癌患者
226	2024-10-02	Retinal optical coherence tomography image analysis by a restricted Boltzmann machine 2022-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.458753 PMID:36187262	研究论文	本文提出了一种基于受限玻尔兹曼机（RBM）的无监督学习方法，用于视网膜光学相干断层扫描（OCT）图像的增强和异常分割	本文的创新点在于使用无监督学习方法进行OCT图像的增强和异常检测，无需参考图像，并通过RBM网络重建图像以提高对比度	本文的局限性在于未提及该方法在其他类型眼科疾病中的适用性	研究目的是开发一种无需大量训练数据的无监督学习方法，用于OCT图像的增强和异常检测	研究对象是视网膜OCT图像及其中的异常（如糖尿病性黄斑水肿中的高反射焦点）	计算机视觉	NA	光学相干断层扫描（OCT）	受限玻尔兹曼机（RBM）	图像	未明确提及样本数量
227	2024-10-02	Can Generative Adversarial Networks help to overcome the limited data problem in segmentation? 2022-Aug, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2021.11.006 PMID:34930685	研究论文	研究探讨了在分割任务中使用生成对抗网络（GAN）是否能克服小数据集的问题	研究了在分割任务中使用GAN架构与传统U-Net网络的性能对比	实验结果显示，在分割任务中引入GAN并未显著提升性能	探讨GAN在分割任务中是否能提升小数据集的性能	男性骨盆的CT数据分割	计算机视觉	NA	生成对抗网络（GAN）	U-Net	图像	1到100名患者的数据集
228	2024-10-02	Applied Machine Learning for Spine Surgeons: Predicting Outcome for Patients Undergoing Treatment for Lumbar Disc Herniation Using PRO Data 2022-Jun, Global spine journal IF:2.6Q1 DOI:10.1177/2192568220967643 PMID:33203255	研究论文	本研究使用机器学习模型预测腰椎间盘突出症患者手术后的1年随访结果，并与传统方法进行比较	本研究首次将多种机器学习模型应用于腰椎间盘突出症患者的预后预测，并展示了构建模型集合的可行性	机器学习模型并未表现出比传统模型更优越的性能，且不同模型的预测结果存在差异	开发和评估用于预测腰椎间盘突出症患者手术后1年随访结果的机器学习模型	接受腰椎间盘突出症手术治疗的患者	机器学习	腰椎间盘突出症	机器学习	深度学习、决策树、随机森林、提升树和支持向量机	患者报告的结果数据	包括16个独立变量的数据集，随机分为训练集、验证集和测试集，比例为50%/35%/15%
229	2024-10-02	Towards a safe and efficient clinical implementation of machine learning in radiation oncology by exploring model interpretability, explainability and data-model dependency 2022-05-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac678a PMID:35421855	研究论文	本文探讨了在放射肿瘤学中安全高效地实施机器学习的关键问题，特别是模型可解释性、可解释性和数据-模型依赖性	本文定义并详细阐述了可解释性、可解释性和数据-模型依赖性的核心概念，并提供了实际应用示例	本文主要集中在理论和概念层面的探讨，缺乏具体的实验验证和数据支持	研究如何在放射肿瘤学中安全高效地实施机器学习，并解决模型可解释性和数据-模型依赖性问题	放射肿瘤学中的机器学习模型及其在临床工作流程中的应用	机器学习	NA	NA	卷积神经网络	图像	NA
230	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
231	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
232	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
233	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
234	2024-10-01	Convex optimization algorithms in medical image reconstruction-in the age of AI 2022-03-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac3842 PMID:34757943	综述	本文回顾了基于模型的图像重建（MBIR）算法在医学图像重建中的应用，特别是凸优化算法的发展及其与深度学习的结合	探讨了深度学习与基于模型的图像重建方法之间的协同作用，并强调了凸优化算法在网络架构中的基础作用	未提及具体限制	回顾和讨论医学图像重建中凸优化算法的发展及其与深度学习的结合	医学图像重建算法及其与深度学习的结合	计算机视觉	NA	凸优化算法	深度学习网络	图像	NA
235	2024-10-01	Inferring RNA-binding protein target preferences using adversarial domain adaptation 2022-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1009863 PMID:35202389	研究论文	本文提出了一种使用对抗性领域自适应技术（ADDA）来推断RNA结合蛋白（RBP）目标偏好性的框架（RBP-ADDA）	采用ADDA技术，能够整合体内和体外数据，提取RBP结合偏好性，相比传统方法具有更好的预测性能	NA	解决不同数据集间存在的“领域偏移”问题，提高对体内RBP结合数据的预测准确性	RNA结合蛋白（RBP）的目标偏好性	机器学习	NA	对抗性领域自适应（ADDA）	神经网络	文本	NA
236	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
237	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
238	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
239	2024-09-30	Water Meter Reading for Smart Grid Monitoring 2022-Dec-21, Sensors (Basel, Switzerland) DOI:10.3390/s23010075 PMID:36616673	研究论文	本文提出了一种自动读取表盘表数字的方法，以促进智能电网的实施	利用深度学习中的YOLOv5s模型进行数字定位和识别	未提及	促进智能电网的实施	表盘表的数字读取	计算机视觉	NA	深度学习	YOLOv5s	图像	未提及
240	2024-09-30	Classification and visual explanation for COVID-19 pneumonia from CT images using triple learning 2022-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24936-6 PMID:36460708	研究论文	本文提出了一种新的框架，用于从CT图像中分类和可视化由COVID-19引起的肺炎	本文引入了对比学习和注意力机制，以改进分类效果并提供详细的可视化解释	NA	提高COVID-19肺炎CT图像分类的准确性和可解释性	COVID-19肺炎的CT图像	计算机视觉	肺部疾病	对比学习，注意力机制	NA	图像	使用三折交叉验证进行实验