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
281	2024-09-23	Informative and Reliable Tract Segmentation for Preoperative Planning 2022, Frontiers in radiology DOI:10.3389/fradi.2022.866974 PMID:37492653	研究论文	本研究使用深度学习进行可靠的脑白质束分割，并结合不确定性量化来测量分割的不确定性，以辅助术前规划	本研究首次将深度学习和不确定性量化结合用于脑白质束分割，并提出了基于体积的校准方法来计算代表性的预测概率	本研究仅在特定数据集上进行了验证，尚未在临床环境中广泛应用	提高脑白质束分割的准确性和可靠性，以辅助术前规划和手术操作	脑白质束的分割和不确定性量化	计算机视觉	NA	深度学习	3D U-Net	图像	未明确提及具体样本数量
282	2024-09-23	Improving disease classification performance and explainability of deep learning models in radiology with heatmap generators 2022, Frontiers in radiology DOI:10.3389/fradi.2022.991683 PMID:37492678	研究论文	研究通过在训练中引入热图生成器，改进深度学习模型在放射学中的疾病分类性能和可解释性	通过在训练过程中引入热图生成器和眼动数据，同时提高了疾病分类性能和模型的可解释性	NA	提高深度学习模型在放射学中的疾病分类性能和可解释性	胸部X光片及其相关标签（正常、充血性心力衰竭和肺炎）以及放射科医生的眼动坐标数据	计算机视觉	心血管疾病	NA	U-Net	图像	包含胸部X光片、相关标签和放射科医生眼动坐标的多个样本
283	2024-09-23	Applications of machine learning in computer-aided drug discovery 2022, QRB discovery DOI:10.1017/qrd.2022.12 PMID:37529294	综述	本文综述了机器学习在基于结构的药物设计中的应用，特别是深度学习在从头药物设计、结合位点预测和结合亲和力预测方面的最新趋势	本文介绍了深度学习在基于结构的药物设计中的应用，特别是其在从头药物设计、结合位点预测和结合亲和力预测方面的创新应用	NA	总结机器学习在基于结构的药物设计中的最新趋势	基于结构的药物设计中的深度学习应用	计算机视觉	NA	机器学习	深度学习	实验数据	NA
284	2024-09-21	Deep Relation Learning for Regression and Its Application to Brain Age Estimation 2022-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3161739 PMID:35320092	研究论文	本文提出了一种用于回归任务的深度关系学习方法，并将其应用于脑龄估计	本文创新性地提出了四种非线性关系（累积关系、相对关系、最大关系和最小关系），并通过一个包含特征提取和关系回归的两部分深度神经网络同时学习这些关系	NA	研究目的是通过学习输入图像对之间的关系来改进时间回归任务的性能	研究对象是脑龄估计任务	计算机视觉	NA	卷积神经网络和Transformer	深度神经网络	图像	6049名年龄在0-97岁之间的受试者
285	2024-09-20	Near-Field Microwave Scattering Formulation by A Deep Learning Method 2022-Nov, IEEE transactions on microwave theory and techniques IF:4.1Q2 DOI:10.1109/tmtt.2022.3184331 PMID:37313124	研究论文	本文应用深度学习方法对微波乳房成像中的电磁散射进行建模	本文首次将深度学习方法应用于微波乳房成像中的电磁散射建模，并展示了其计算速度上的显著优势	深度学习方法产生的误差对图像结果影响不大，但仍需进一步验证其在不同条件下的表现	探索深度学习在电磁散射计算中的应用潜力	微波乳房成像中的电磁散射	机器学习	NA	深度学习	神经网络 (NN)	图像	18,000个合成数字乳房幻影
286	2024-09-20	On the Versatile Uses of Partial Distance Correlation in Deep Learning 2022-Oct, Computer vision - ECCV ... : ... European Conference on Computer Vision : proceedings. European Conference on Computer Vision DOI:10.1007/978-3-031-19809-0_19 PMID:37255993	研究论文	本文探讨了部分距离相关性在深度学习中的多种应用	重新审视了统计学中的距离相关性及其部分变体，并将其应用于大规模模型的功能比较	NA	研究神经网络模型功能行为的比较方法，以理解其学习内容及改进策略	神经网络模型的功能行为比较	机器学习	NA	距离相关性分析	神经网络	特征空间	NA
287	2024-09-20	Analyzing the public sentiment on COVID-19 vaccination in social media: Bangladesh context 2022-Sep, Array (New York, N.Y.) DOI:10.1016/j.array.2022.100204 PMID:35722449	研究论文	研究分析了孟加拉国社交媒体上关于COVID-19疫苗接种的公众情绪	使用LDA模型提取了关于疫苗和接种过程的最常见话题，并应用了深度学习和传统机器学习算法来识别公众情绪和极性	未提及具体的研究局限性	分析孟加拉国社交媒体上关于COVID-19疫苗接种的公众情绪，以帮助政府为未来疫情做准备	孟加拉国社交媒体用户关于COVID-19疫苗和接种过程的观点和情绪	自然语言处理	NA	Latent Dirichlet Allocation (LDA)模型，深度学习和传统机器学习算法	LDA，深度学习模型和传统机器学习模型	文本	孟加拉国社交媒体用户的反应
288	2024-09-20	Deformable MR-CT image registration using an unsupervised, dual-channel network for neurosurgical guidance 2022-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102292 PMID:34784539	研究论文	本文提出了一种无监督的深度学习框架，用于神经外科手术指导中的术前MR和术中CT图像的变形配准	创新点在于使用双通道网络进行配准，并结合合成不确定性提供空间变化的权重，以及端到端的联合优化训练策略	NA	旨在提高微创颅内神经外科手术的精度，解决脑组织变形问题	术前MR和术中CT图像的变形配准	计算机视觉	神经外科疾病	深度学习	双通道网络	图像	使用了三个数据集：模拟变形的MR/CT配对数据、真实变形的MR/CT配对数据和真实神经外科手术数据
289	2024-09-19	Cross-vender, cross-tracer, and cross-protocol deep transfer learning for attenuation map generation of cardiac SPECT 2022-12, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1007/s12350-022-02978-7 PMID:35474443	研究论文	研究使用深度迁移学习生成心脏SPECT的衰减图（μ-maps），特别是在不同供应商、示踪剂和协议下的应用	提出了一种跨供应商、跨示踪剂和跨协议的深度迁移学习方法，用于生成心脏SPECT的衰减图	研究仅限于特定的扫描仪、示踪剂和协议组合，未来研究需要验证在更广泛条件下的适用性	探索在不同扫描仪、示踪剂和协议下生成心脏SPECT衰减图的可行性	心脏SPECT的衰减图生成	计算机视觉	NA	深度学习	深度神经网络	图像	训练数据包括120个使用Tc-tetrofosmin注射的研究，测试数据包括80个使用Tc-sestamibi注射的研究
290	2024-09-19	High-Performance Statistical Computing in the Computing Environments of the 2020s 2022-Nov, Statistical science : a review journal of the Institute of Mathematical Statistics IF:3.9Q1 DOI:10.1214/21-sts835 PMID:37168541	综述	本文从统计计算的角度回顾了过去十年在硬件和软件方面的技术进步，特别是高性能计算（HPC）的普及和深度学习软件库的发展	首次展示了在如此大规模下进行惩罚回归分析生存结果的可行性	未提及	探讨技术进步如何使统计学家受益，并展示这些发展在高维模型优化算法中的应用	高性能计算环境下的统计计算方法和应用	统计计算	糖尿病	高性能计算（HPC）	惩罚回归模型	基因数据	200,000名受试者和约500,000个单核苷酸多态性
291	2024-09-19	Chest X ray and cough sample based deep learning framework for accurate diagnosis of COVID-19 2022-Oct, Computers & electrical engineering : an international journal IF:4.0Q2 DOI:10.1016/j.compeleceng.2022.108391 PMID:36119394	研究论文	本文提出了一种基于胸部X光和咳嗽样本的深度学习框架，用于COVID-19的早期诊断	提出了一个新颖的深度融合学习模型，结合胸部X光图像和咳嗽音频样本进行早期分类	NA	开发一种能够在早期准确诊断COVID-19的深度学习框架	COVID-19患者	计算机视觉	COVID-19	深度学习	深度卷积神经网络	图像和音频	NA
292	2024-09-19	Ensemble multimodal deep learning for early diagnosis and accurate classification of COVID-19 2022-Oct, Computers & electrical engineering : an international journal IF:4.0Q2 DOI:10.1016/j.compeleceng.2022.108396 PMID:36160764	研究论文	提出了一种多模态深度学习方法用于COVID-19的早期诊断和准确分类	采用多模态数据（胸片和咳嗽音频）结合深度学习模型进行COVID-19的早期诊断和分类	NA	开发一种早期诊断和准确分类COVID-19的方法	COVID-19感染者和健康人群	计算机视觉	COVID-19	深度学习	CNN	图像和音频	92例COVID-19阳性患者和1079例健康人群
293	2024-09-19	Pushing the Boundaries of Molecular Property Prediction for Drug Discovery with Multitask Learning BERT Enhanced by SMILES Enumeration 2022, Research (Washington, D.C.) DOI:10.34133/research.0004 PMID:39285949	研究论文	提出了一种基于多任务学习和BERT增强的SMILES枚举的分子性质预测框架，用于药物发现	利用大规模预训练、多任务学习和SMILES枚举来缓解数据稀缺问题，并通过注意力机制提高模型可解释性	未提及	提高分子性质预测的准确性，促进药物发现	小分子药物的药理学性质	机器学习	NA	多任务学习、BERT、SMILES枚举	BERT	文本	60个实际分子数据集
294	2024-09-19	Machine Learning-Based Research for COVID-19 Detection, Diagnosis, and Prediction: A Survey 2022, SN computer science DOI:10.1007/s42979-022-01184-z PMID:35578678	综述	本文综述了160多种基于机器学习的方法，用于COVID-19的检测、诊断和预测	本文系统地分类和分析了现有的基于机器学习的方法，并提供了详细的统计数据	本文主要关注已发表的方法，未涉及未发表或正在进行的研究	综述和分析现有的基于机器学习的方法，用于COVID-19的检测、诊断和预测	COVID-19的检测、诊断和预测方法	机器学习	COVID-19	机器学习	CNN, SVM, 随机森林, 回归算法	文本数据, X光图像, CT图像, 时间序列, 临床数据	NA
295	2024-09-19	Automated Dental Cavity Detection System Using Deep Learning and Explainable AI 2022, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:35854730	研究论文	开发了一种基于深度学习和可解释AI的自动化牙洞检测系统	该系统能够在显示多个牙齿和四个牙齿表面的照片上检测牙洞，并提供视觉解释	仅使用了506张图像进行训练，样本量有限	开发一种能够自动检测牙洞并解释诊断原因的AI系统，以解决牙科诊断中的障碍	牙洞检测和诊断解释	计算机视觉	NA	深度学习	ResNet-27	图像	506张去识别化的图像
296	2024-09-19	Prior Knowledge Enhances Radiology Report Generation 2022, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:35854760	研究论文	本文提出了一种利用知识图谱中的先验知识来增强放射报告生成质量的方法	通过挖掘和表示医学发现之间的关联，并将这些先验知识整合到放射报告生成中，以提高生成报告的质量	未提及	旨在通过利用先验知识提高放射报告生成的质量，从而减轻放射科医生的工作负担	放射报告生成	自然语言处理	NA	知识图谱	NA	文本	IU X-ray数据集
297	2024-09-17	Applying Image-Based Food-Recognition Systems on Dietary Assessment: A Systematic Review 2022-12-22, Advances in nutrition (Bethesda, Md.) DOI:10.1093/advances/nmac078 PMID:35803496	综述	本文对基于图像的食物识别系统（IBFRS）在饮食评估中的应用进行了系统性综述	综述了IBFRS在专业营养实践中的应用优势，并讨论了未来的发展方向	未提及具体的技术局限性	评估基于图像的食物识别系统在饮食评估中的应用效果	基于图像的食物识别系统及其在饮食评估中的应用	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	共筛选了159项研究，其中78项被纳入综述
298	2024-09-17	AutoMed: Automated Medical Risk Predictive Modeling on Electronic Health Records 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9995209 PMID:37063974	研究论文	本文提出了一种名为AutoMed的自动化风险预测模型，用于自动搜索最优模型架构以提高电子健康记录（EHR）数据的风险预测任务性能	创新点在于使用神经架构搜索技术自动设计模型架构，减少了对专家先验知识的依赖	实验仅在三个真实世界数据集上进行，可能需要更多数据集验证其泛化能力	旨在通过自动化技术改进电子健康记录的风险预测模型设计	电子健康记录数据及其在风险预测任务中的应用	机器学习	NA	神经架构搜索	AutoMed	电子健康记录	三个真实世界数据集
299	2024-09-17	Predicting the outcome of radiotherapy in brain metastasis by integrating the clinical and MRI-based deep learning features 2022-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.15814 PMID:35727568	研究论文	本文介绍了一种新的深度学习架构，用于预测脑转移瘤在接受立体定向放疗后的局部控制/失败结果，使用治疗计划磁共振成像（MRI）和标准临床属性	本文提出了一种结合临床和MRI深度学习特征的新型深度学习架构，用于预测脑转移瘤的放疗结果	研究样本量较小，仅包括99名患者的数据，未来需要在更大规模的患者群体中进行验证	预测脑转移瘤在接受立体定向放疗后的局部控制/失败结果	脑转移瘤患者在接受立体定向放疗后的局部控制/失败结果	计算机视觉	脑肿瘤	深度学习	InceptionResentV2网络、长短期记忆循环网络	MRI图像、临床数据	99名患者（116个病灶）用于训练和优化，25名患者（40个病灶）用于独立测试
300	2024-09-17	Combining natural and artificial intelligence for robust automatic anatomy segmentation: Application in neck and thorax auto-contouring 2022-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.15854 PMID:35833287	研究论文	本文提出了一种结合自然智能和人工智能的混合智能系统，用于颈部和胸部CT图像的自动解剖结构分割	通过将自然智能融入人工智能方法，克服了现有基于深度学习的自动分割方法在获取高级解剖信息方面的不足	系统在不同临床中心的接受度评分存在显著差异	开发一种结合自然智能和人工智能的混合智能系统，用于CT图像中的器官分割，并应用于放射治疗计划	颈部和胸部的26个器官	计算机视觉	NA	深度学习	混合智能系统	CT图像	464名患者的数据用于测试，125名患者的数据用于训练/模型构建