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
81	2024-11-06	Concatenated Xception-ResNet50 - A novel hybrid approach for accurate skin cancer prediction 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106170 PMID:37859280	研究论文	本文提出了一种结合Xception和ResNet50的混合深度学习模型，用于皮肤癌的准确预测	本文的创新点在于将Xception和ResNet50两种强大的网络结构结合起来，形成了一种新的混合模型，显著提高了皮肤癌的预测准确率	本文的局限性在于仅使用了HAM10000数据集进行评估，可能存在数据集偏差问题	本文的研究目的是开发一种高精度的深度学习模型，用于早期诊断和分级皮肤癌	本文的研究对象是皮肤癌及其不同类型的肿瘤，包括基底细胞癌、黑色素瘤、黑素细胞痣、皮肤纤维瘤、光化性角化病、上皮内癌、血管性和非癌性良性角化病样病变	计算机视觉	皮肤癌	深度学习	混合模型（Xception-ResNet50）	图像	10,500张皮肤图像
82	2024-11-06	Cx22: A new publicly available dataset for deep learning-based segmentation of cervical cytology images 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106194 PMID:37859287	研究论文	本文介绍了一个名为Cx22的新公开数据集，用于基于深度学习的宫颈细胞学图像分割	开发了一个新的公开数据集Cx22，包含14,946个细胞实例的完全注释标签，基于先前由我们研究所发布的开源图像	数据集可能受到假阴性对象问题的影响，影响基线方法的性能	提供一个高质量的数据集，以促进基于深度学习的宫颈细胞学图像分割方法的研究	宫颈细胞学图像的分割	计算机视觉	宫颈癌	深度学习	NA	图像	1320张图像，包含14,946个细胞实例
83	2024-11-06	LCSB-inception: Reliable and effective light-chroma separated branches for Covid-19 detection from chest X-ray images 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106195 PMID:37859288	研究论文	提出了一种基于Inception V3网络的光色分离分支模型LCSB-Inception，用于从胸部X光图像中检测COVID-19	采用CIE LAB坐标系将RGB图像转换为L和AB通道，减少了模型参数，并引入了全局二阶池化以增强特征提取能力	NA	提供一种准确且高效的COVID-19检测方法，减少计算成本	胸部X光图像中的COVID-19特征	计算机视觉	COVID-19	Inception V3网络	CNN	图像	两个数据集：chestX-ray-15k (Data_1) 和 COVID-19 Radiography dataset (Data_2)
84	2024-11-06	Segmentation of kidney mass using AgDenseU-Net 2.5D model 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106223 PMID:37859296	研究论文	本文提出了一种使用AgDenseU-Net 2.5D模型进行肾脏肿块分割的方法	本文创新性地使用AgDenseU-Net 2.5D模型进行肾脏、肿瘤和囊肿的精细分割，并通过自动下采样方法减少计算资源消耗	本文未详细讨论模型的泛化能力和在其他数据集上的表现	旨在提高肾脏肿块分割的准确性和效率，同时降低计算资源成本	肾脏、肿瘤和囊肿的分割	计算机视觉	NA	深度学习	AgDenseU-Net 2.5D	CT图像	300名患者的肾脏CT数据
85	2024-10-30	OrganoID: A versatile deep learning platform for tracking and analysis of single-organoid dynamics 2022-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010584 PMID:36350878	研究论文	本文介绍了一个名为OrganoID的深度学习平台，用于自动识别、标记和跟踪单个类器官在明场和相衬显微镜实验中的动态变化	OrganoID平台能够自动分析类器官的数量、大小和形态变化，无需手动调整参数，且在多种癌症类器官图像上验证了其准确性	NA	开发一个自动化的图像分析平台，以加速类器官在高通量、数据密集型生物医学应用中的使用	胰腺癌、肺癌、结肠癌和腺样囊性癌的类器官	计算机视觉	NA	深度学习	NA	图像	NA
86	2024-10-30	Transfer learning-based channel estimation in orthogonal frequency division multiplexing systems using data-nulling superimposed pilots 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0268952 PMID:35622869	研究论文	本文结合数据空洞叠加导频（DNSP）和深度学习（DL），提出了一种基于迁移学习的正交频分复用（OFDM）系统信道估计方法	本文提出了一种轻量级迁移学习网络，用于解决深度学习模型在无线场景变化时的模型失配问题，从而提高了信道估计的准确性	NA	提高正交频分复用系统中信道估计的准确性和鲁棒性	正交频分复用系统中的信道估计问题	无线通信	NA	深度学习	卷积神经网络（CNN）	信号	NA
87	2024-10-27	A Deep Learning Framework for the Detection and Quantification of Reticular Pseudodrusen and Drusen on Optical Coherence Tomography 2022-12-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.11.12.3 PMID:36458946	研究论文	开发并验证了一种深度学习框架，用于在光学相干断层扫描（OCT）图像中检测和量化网状假性玻璃膜疣（RPD）和玻璃膜疣	提出了一个包含分类模型和分布外检测模型的深度学习框架，用于识别不可评估的扫描、区分玻璃膜疣和RPD，并独立分割这两种病变	研究样本主要来自UK Biobank，可能限制了结果的普适性	开发和验证一个深度学习框架，用于在OCT扫描中检测和量化RPD和玻璃膜疣	网状假性玻璃膜疣（RPD）和玻璃膜疣	计算机视觉	老年性疾病	深度学习	CNN	图像	1284名年龄相关性黄斑变性（AMD）患者和250名对照组
88	2024-10-27	Deep-learning density functional theory Hamiltonian for efficient ab initio electronic-structure calculation 2022-Jun, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00265-6 PMID:38177580	研究论文	本文开发了一种深度神经网络方法来表示晶体材料的DFT哈密顿量（DeepH），旨在绕过DFT中计算密集的自洽场迭代，显著提高从头算电子结构计算的效率	本文提出了一种将密度泛函理论（DFT）与深度学习方法结合的框架，通过消息传递神经网络实现深度学习，解决了DFT哈密顿量的大维度和规范（或旋转）协变性问题	NA	旨在通过深度学习方法提高密度泛函理论（DFT）计算的效率	晶体材料的DFT哈密顿量	机器学习	NA	深度学习	消息传递神经网络	NA	NA
89	2024-10-26	Quantification of muscle, bones, and fat on single slice thigh CT 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2611664 PMID:36303572	研究论文	本文提出了一种两阶段深度学习管道，用于在有限的人工标注数据下进行大腿CT切片中的肌肉、骨骼和脂肪分割	通过迁移学习的方法，利用伪标签进行初步训练，然后使用有限的人工标注数据进行微调，提高了模型在有限数据下的性能	需要大量的计算资源和时间来生成伪标签和训练模型	开发一种在有限人工标注数据下进行大腿CT切片中肌肉、骨骼和脂肪分割的方法	大腿CT切片中的肌肉、骨骼和脂肪	计算机视觉	NA	深度学习	深度神经网络	图像	研究包括2836张来自Baltimore Longitudinal Study of Aging (BLSA)的切片和121张来自Genetic and Epigenetic Signatures of Translational Aging Laboratory Testing (GESTALT)的切片，共计56个大腿CT扫描
90	2024-10-26	Efficient Quality Control with Mixed CT and CTA Datasets 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2607406 PMID:36303574	研究论文	本文提出了一种自动质量控制方法，通过将3D CT扫描转换为2D轴向切片蒙太奇，并使用多头卷积神经网络来检测CT与CTA以及有无伪影，以提高深度学习模型在创伤性脑损伤数据集上的训练效果	本文的创新点在于提出了一种自动化的质量控制方法，通过多头卷积神经网络来区分CT与CTA以及检测伪影，从而减少手动检查的时间和成本	伪影检测性能可能因伪影的异质性和训练数据中伪影扫描数量不足而受到影响	提高深度学习模型在创伤性脑损伤数据集上的训练效果	创伤性脑损伤患者的CT和CTA数据集	计算机视觉	创伤性脑损伤	卷积神经网络	多头卷积神经网络	图像	848个扫描样本，其中698个用于交叉验证，150个用于外部验证
91	2024-10-25	Usability of deep learning pipelines for 3D nuclei identification with Stardist and Cellpose 2022-12, Cells & development IF:2.1Q3 DOI:10.1016/j.cdev.2022.203806 PMID:36029974	研究论文	比较了两种开源机器学习算法Cellpose和Stardist在3D荧光染色增殖细胞核识别中的应用	展示了图像分块和背景减除对两种算法的影响，并评估了它们的易用性和处理时间	未提及	评估Cellpose和Stardist在3D细胞分割中的适用性和性能	3D荧光染色增殖细胞核	计算机视觉	NA	机器学习	NA	图像	未提及
92	2024-10-25	Effectiveness of cascading time series models based on meteorological factors in improving health risk prediction 2022-Feb, Environmental science and pollution research international DOI:10.1007/s11356-021-16372-2 PMID:34510340	研究论文	研究基于气象因素的时间序列模型在改善健康风险预测中的有效性	提出了一种新的混合模型CGCLM，结合了广义加性模型、CEEMDAN和LSTM网络，用于预测每日LRTI患者的入院情况	研究仅限于LRTI疾病，未涵盖其他类型的健康风险预测	探讨基于气象因素的时间序列预处理算法和深度学习方法在医院入院预测模型中的应用	研究对象为2003年至2019年间Panyu中央医院的46,089名LRTI患者及其相关的气象数据	机器学习	呼吸道感染	时间序列分析	LSTM	时间序列数据	46,089名LRTI患者和四项气象因素
93	2024-10-21	CHAP-Adult: A Reliable and Valid Algorithm to Classify Sitting and Measure Sitting Patterns Using Data From Hip-Worn Accelerometers in Adults Aged 35 2022-Dec, Journal for the measurement of physical behaviour DOI:10.1123/jmpb.2021-0062 PMID:38260182	研究论文	开发并验证了一种基于卷积神经网络的算法CHAP-Adult，用于通过髋部佩戴的加速度计数据准确分类坐姿和测量坐姿模式	CHAP-Adult算法在测量坐姿和坐姿模式方面比传统的100次每分钟切点方法更准确	算法在身体质量指数≥30 kg/m²的个体中表现出的误差较大	开发和验证一种新的算法，以准确测量和分类使用髋部佩戴加速度计的坐姿和坐姿模式	35-99岁成年人的坐姿和坐姿模式	机器学习	NA	卷积神经网络	卷积神经网络	加速度计数据	训练数据包括981名35-99岁的成年人，验证数据包括419名未参与训练的成年人
94	2024-10-18	Artificial Intelligence (AI) for Fracture Diagnosis: An Overview of Current Products and Considerations for Clinical Adoption, From the AJR Special Series on AI Applications 2022-12, AJR. American journal of roentgenology DOI:10.2214/AJR.22.27873 PMID:35731103	综述	本文综述了人工智能（AI）和深度学习算法在骨折诊断中的应用，并提供了临床采用这些技术的指导	介绍了AI和深度学习在骨折检测中的准确性，并讨论了其在临床实践中的应用潜力	尽管AI产品在增加，但关于放射科医生如何采用这些新技术的指导有限	探讨AI和深度学习算法在骨折诊断中的应用，并提供临床采用这些技术的指导	骨折诊断和AI技术在放射科的应用	计算机视觉	NA	深度学习	NA	图像	NA
95	2024-10-18	Multivendor Comparison of Quantification Accuracy of Iodine Concentration and Attenuation Measurements by Dual-Energy CT: A Phantom Study 2022-11, AJR. American journal of roentgenology DOI:10.2214/AJR.22.27753 PMID:35674353	研究论文	本研究比较了不同供应商、技术和代次的12种双能CT（DECT）扫描仪在碘浓度和衰减测量方面的定量准确性	本研究设计了一个包含七种不同碘浓度的质量控制幻影，并使用了多种扫描条件和重建算法，包括深度学习图像重建（DLIR），以评估不同DECT配置的定量准确性	本研究仅限于使用特定的质量控制幻影和有限的扫描条件，未涵盖所有可能的临床应用场景	比较不同供应商、技术和代次的双能CT扫描仪在碘浓度和衰减测量方面的定量准确性	双能CT扫描仪的定量准确性	医学影像	NA	双能CT（DECT）	深度学习图像重建（DLIR）	影像	12种不同扫描仪配置
96	2024-10-18	Impact of Artificial Intelligence Assistance on Chest CT Interpretation Times: A Prospective Randomized Study 2022-11, AJR. American journal of roentgenology DOI:10.2214/AJR.22.27598 PMID:35703413	研究论文	评估人工智能辅助平台在临床工作流程中对胸部CT解读时间的影响	研究展示了在真实临床环境中，使用自动化AI平台辅助胸部CT解读可以显著减少放射科医生的解读时间	研究仅在一个中心进行，样本量有限，且仅涉及三位放射科医生	评估AI辅助平台对胸部CT解读时间的影响	胸部CT扫描的解读时间	计算机视觉	NA	深度学习	卷积神经网络	图像	390名患者（204名女性，186名男性；平均年龄62.8 ± 13.3岁）
97	2024-10-18	Coronary CTA With AI-QCT Interpretation: Comparison With Myocardial Perfusion Imaging for Detection of Obstructive Stenosis Using Invasive Angiography as Reference Standard 2022-09, AJR. American journal of roentgenology DOI:10.2214/AJR.21.27289 PMID:35441530	研究论文	本研究比较了人工智能定量CT（AI-QCT）解释的冠状动脉CTA与心肌灌注成像（MPI）在检测阻塞性冠状动脉疾病中的诊断性能	AI-QCT在检测阻塞性冠状动脉疾病方面比MPI具有更高的诊断性能，并能显著减少不必要的下游侵入性测试和成本	本研究为回顾性事后分析，样本来自23个中心的CREDENCE试验，可能存在选择偏倚	比较AI-QCT解释的冠状动脉CTA与MPI在检测阻塞性冠状动脉疾病中的诊断性能，并评估其在诊断算法中的下游影响	冠状动脉CTA、MPI、AI-QCT、侵入性血管造影	计算机视觉	心血管疾病	深度学习	NA	图像	301名患者（88名女性和213名男性；平均年龄64.4±10.2岁）
98	2024-10-18	Radiation Dose Reduction for 80-kVp Pediatric CT Using Deep Learning-Based Reconstruction: A Clinical and Phantom Study 2022-08, AJR. American journal of roentgenology DOI:10.2214/AJR.21.27255 PMID:35195431	研究论文	本研究评估了基于深度学习的重建（DLR）在降低低管电压儿童CT辐射剂量同时保持诊断图像质量方面的效果	首次比较了低剂量DLR图像与标准剂量迭代重建（IR）图像，并探索了DLR在低管电压扫描中的应用	本研究为回顾性研究，样本量有限，且仅限于6岁及以下的儿童	评估DLR在降低低管电压儿童CT辐射剂量同时保持图像质量方面的效果	6岁及以下的儿童	计算机视觉	NA	基于深度学习的重建（DLR）	深度学习模型	图像	65名儿童（平均年龄25.0 ± 25.2个月）
99	2024-10-18	Defining Normal Ranges of Skeletal Muscle Area and Skeletal Muscle Index in Children on CT Using an Automated Deep Learning Pipeline: Implications for Sarcopenia Diagnosis 2022-08, AJR. American journal of roentgenology DOI:10.2214/AJR.21.27239 PMID:35234481	研究论文	使用自动化深度学习管道在儿童腹部CT图像上定义骨骼肌面积和骨骼肌指数的正常范围，以辅助诊断儿童肌肉减少症	首次使用自动化深度学习管道在儿童群体中定义骨骼肌面积和骨骼肌指数的正常范围	研究仅限于特定医院的数据，样本选择标准严格，可能影响结果的普适性	确定儿童骨骼肌面积和骨骼肌指数的正常范围，以辅助诊断儿童肌肉减少症	儿童的骨骼肌面积和骨骼肌指数	计算机视觉	NA	深度学习	DL	图像	2168名儿童，年龄范围2.00-18.99岁，包括1125名女性和1043名男性
100	2024-10-18	Editorial Comment: Doing More With Less-Deep Learning Iterative Reconstruction Can Improve Diagnostic Image Quality in Pediatric Low-Dose Body CT 2022-Aug, AJR. American journal of roentgenology DOI:10.2214/AJR.22.27613 PMID:35261283	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA