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	2024-09-01	Efficient Evaluation of Low-contrast Detectability of Deep-CNN-based CT Reconstruction Using Channelized Hotelling Observer on the ACR Accreditation Phantom 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2612414 PMID:35813246	研究论文	本文利用优化后的通道化Hotelling观察者模型评估了基于深度学习的CT重建方法在低对比度检测能力上的表现。	开发了一种高效的通道化Hotelling观察者模型，仅需1-3次重复扫描即可准确测量低对比度检测能力。	通道化Hotelling观察者的实际应用受限于对大量重复扫描的需求和缺乏高效且广泛接受的基于幻影的方法。	评估基于深度学习的CT重建方法在低对比度检测能力上的表现，以确保诊断信息的完整性。	基于深度学习的CT重建方法在低对比度检测能力上的表现。	计算机视觉	NA	通道化Hotelling观察者	深度卷积神经网络（Deep-CNN）	CT图像	1-3次重复扫描
22	2024-08-31	Yuel: Improving the Generalizability of Structure-Free Compound-Protein Interaction Prediction 2022-02-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.1c01531 PMID:35103472	研究论文	本文开发了一种新的化合物-蛋白质相互作用预测器Yuel，旨在提高结构自由的化合物-蛋白质相互作用预测的泛化能力	Yuel在各种数据集上表现出比现有深度学习方法更好的未知化合物和未知蛋白质间相互作用的预测能力	现有深度学习方法在预测未知蛋白质和未知小分子间的相互作用时存在泛化能力不足的问题	提高化合物-蛋白质相互作用预测的泛化能力	化合物和蛋白质的相互作用	机器学习	NA	深度学习	NA	数据集	NA
23	2024-08-28	Reconstruction of three-dimensional tomographic patient models for radiation dose modulation in CT from two scout views using deep learning 2022-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.15414 PMID:34908175	研究论文	本文提出了一种使用深度学习从两个视角的扫描图像重建三维断层扫描患者模型的方法，以优化CT扫描中的辐射剂量调节。	利用深度学习策略从两个视角的扫描图像生成三维断层扫描患者模型，提高了辐射剂量调节的准确性。	目前的方法依赖于具有相对均匀衰减系数的患者模型，未考虑人体解剖结构的详细变化。	展示如何使用深度学习从两个视角的扫描图像生成三维断层扫描患者模型，并验证其在CT扫描中辐射剂量调节的准确性。	研究对象包括4214个独立的CT检查图像及其对应的两个视角的扫描图像。	计算机视觉	NA	深度学习	深度神经网络	图像	4214个独立的CT检查图像，验证集包含55136张图像来自212名患者。
24	2024-08-27	Predicting cancer outcomes with radiomics and artificial intelligence in radiology 2022-02, Nature reviews. Clinical oncology DOI:10.1038/s41571-021-00560-7 PMID:34663898	research paper	本文讨论了人工智能（AI）工具在放射学图像中解决临床决策中下一代挑战的潜力，如跨多种癌症的预后、治疗反应预测等。	介绍了AI在肿瘤影像学中的应用，特别是手工放射组学方法和深度学习派生表示法，并举例说明了它们在决策支持中的应用。	提到了临床应用中面临的挑战，包括数据管理、可解释性以及监管和报销问题。	探讨AI在放射学中作为癌症管理决策支持工具的潜力和挑战。	AI工具在放射学图像中的应用，特别是预后、治疗反应预测等方面。	computer vision	NA	artificial intelligence (AI)	deep learning	image	NA
25	2024-08-26	Study of Different Deep Learning Methods for Coronavirus (COVID-19) Pandemic: Taxonomy, Survey and Insights 2022-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s22051890 PMID:35271037	研究论文	本文综述了利用深度学习技术在医学影像模式（如CT和胸片）中检测和分类COVID-19的应用	提供了关于COVID-19检测和分类的深度学习系统的概述，并总结了最常用的训练数据库	探讨了使用深度学习算法检测COVID-19的挑战	旨在概述深度学习在COVID-19诊断中的应用	COVID-19的检测和分类	机器学习	COVID-19	深度学习	NA	医学影像	NA
26	2024-08-26	Kidney Tumor Semantic Segmentation Using Deep Learning: A Survey of State-of-the-Art 2022-Feb-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8030055 PMID:35324610	综述	本文综述了基于深度学习的肾肿瘤语义分割技术的最新进展	NA	NA	探讨肾肿瘤分割系统中深度学习的应用	肾肿瘤的语义分割	计算机视觉	肾癌	深度学习	CNN	图像	NA
27	2024-08-26	Medical Professional Enhancement Using Explainable Artificial Intelligence in Fetal Cardiac Ultrasound Screening 2022-Feb-25, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines10030551 PMID:35327353	研究论文	本文提出了一种基于深度学习的可解释表示“图表图”，用于支持胎儿心脏超声筛查，旨在提高诊断支持工具的可解释性和医疗专业人员的信心。	首次展示了使用基于深度学习的可解释表示来提高胎儿心脏超声筛查性能的方法。	NA	提高人工智能在医疗领域的可解释性和临床应用的可信度。	胎儿心脏超声筛查和医疗专业人员对AI决策的信任。	机器学习	先天性心脏病	深度学习	深度神经网络	超声图像	NA
28	2024-08-26	A Comprehensive Evaluation of Metabolomics Data Preprocessing Methods for Deep Learning 2022-Feb-24, Metabolites IF:3.4Q2 DOI:10.3390/metabo12030202 PMID:35323644	研究论文	本文评估了代谢组学数据预处理方法对深度学习性能的影响	本文填补了深度学习在生命科学数据分析中数据预处理方法影响的评估空白	NA	评估代谢组学数据预处理方法对深度学习性能的影响	代谢组学数据预处理方法	机器学习	NA	深度学习	NA	代谢组学数据	NA
29	2024-08-26	Improving mammography lesion classification by optimal fusion of handcrafted and deep transfer learning features 2022-02-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac5297 PMID:35130517	研究论文	本研究旨在通过融合手工特征和深度迁移学习特征来提高乳腺X线摄影病变分类的性能	本研究首次验证了手工特征和自动化特征的互补性，并通过特征融合显著提高了计算机辅助诊断系统的性能	研究仅使用了单一类型的数据集，且未探讨不同数据预处理方法对结果的影响	测试手工特征和自动化特征的互补性，并通过特征融合提高计算机辅助诊断系统的性能	乳腺X线摄影中的1535个病变区域（740个恶性，795个良性）	数字病理学	乳腺癌	迁移学习	VGG16	图像	1535个病变区域
30	2024-08-25	Grayscale medical image segmentation method based on 2D&3D object detection with deep learning 2022-02-27, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00760-2 PMID:35220942	研究论文	本文提出了一种结合阈值法和深度学习的2D&3D目标检测技术的新型灰度医学图像分割方法	该方法通过使用2D目标检测网络确定感兴趣区域，并将裁剪图像中的像素转换为点云，然后应用3D目标检测网络获取边界框，从而实现灰度医学图像的精确分割	该方法需要大量的训练数据来支持复杂的深度学习架构	开发一种有效的灰度医学图像分割方法，以提高临床计算机辅助诊断的准确性	灰度医学图像的分割	计算机视觉	NA	深度学习	2D&3D目标检测网络	图像	三组灰度医学图像数据集
31	2024-08-25	Quantifying arousal and awareness in altered states of consciousness using interpretable deep learning 2022-02-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-28451-0 PMID:35217645	研究论文	本文提出了一种可解释的意识指标（ECI），利用深度学习技术来区分意识的不同组成部分，即觉醒（清醒状态）和意识（主观体验）	首次报道了能够区分觉醒和意识这两个意识组成部分的神经生理学指标	NA	开发一种新的方法来量化不同生理、药理和病理条件下的觉醒和意识	使用脑电图（EEG）响应于经颅磁刺激，研究了睡眠、全身麻醉和严重脑损伤等多种条件下的觉醒和意识	神经科学	脑损伤	脑电图（EEG）	深度学习	脑电图数据	共涉及105个样本，包括睡眠（6个）、全身麻醉（16个）、严重脑损伤（34个）以及休息状态下的全身麻醉（15个）和严重脑损伤（34个）
32	2024-08-25	Winter wheat yield prediction using convolutional neural networks from environmental and phenological data 2022-02-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06249-w PMID:35217689	研究论文	本研究利用环境数据和表型数据，通过卷积神经网络（CNN）模型预测冬季小麦产量	提出了一种使用一维卷积操作的卷积神经网络（CNN）模型，有效捕捉环境变量的时间依赖性	NA	分析机器学习和深度学习方法在冬季小麦产量预测中的表现	冬季小麦产量预测	机器学习	NA	卷积神经网络（CNN）	CNN	环境数据和表型数据	271个德国县从1999年到2019年的数据
33	2024-08-25	Recent Advances of Deep Learning for Computational Histopathology: Principles and Applications 2022-Feb-25, Cancers IF:4.5Q1 DOI:10.3390/cancers14051199 PMID:35267505	综述	本文综述了深度学习在数字H&E染色病理图像分析中的最新进展和应用	深度学习及其扩展为解决病理图像分析中的挑战性问题提供了多种途径，如颜色归一化、图像分割以及癌症的诊断和预后	NA	综述深度学习在数字病理学中的应用和原理	数字H&E染色病理图像	数字病理学	NA	深度学习	CNN	图像	NA
34	2024-08-25	Deep learning-based quantitative analyses of spontaneous movements and their association with early neurological development in preterm infants 2022-02-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07139-x PMID:35210507	研究论文	本研究旨在基于深度学习算法开发高风险早产儿自发运动的定量评估方法	利用深度学习算法和样本熵对早产儿自发运动的复杂性指数进行定量评估	NA	开发早产儿自发运动的定量评估方法，并探讨其与早期神经发育的关联	高风险早产儿的自发运动	机器学习	NA	深度学习算法	pose-estimation model	视频图像	65名早产儿
35	2024-08-25	Forecasting the outcome of spintronic experiments with Neural Ordinary Differential Equations 2022-Feb-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-28571-7 PMID:35197449	研究论文	本文展示了使用神经常微分方程（Neural Ordinary Differential Equations）的动态神经网络，能够在极少数据训练下，高精度且高效地预测自旋电子器件的行为	提出了将神经常微分方程应用于自旋电子学的框架，能够显著加速复杂问题的模拟，如磁斯格明子构成的储备池计算机的模拟	目前仅限于自旋电子器件的预测，尚未扩展到其他类型的电子设备	开发一种新的工具，以辅助自旋电子应用的开发，并弥补微磁模拟在处理噪声和不完美情况时的不足	自旋电子器件及其在不同输入下的响应	机器学习	NA	神经常微分方程（Neural Ordinary Differential Equations）	动态神经网络	实验数据	五毫秒的测量响应数据
36	2024-08-25	Segmentation of pancreatic ductal adenocarcinoma (PDAC) and surrounding vessels in CT images using deep convolutional neural networks and texture descriptors 2022-02-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07111-9 PMID:35197542	研究论文	本文介绍了一种基于卷积神经网络（CNN）的框架，用于在CT图像中分割胰腺导管腺癌（PDAC）及其周围血管，结合了强大的经典特征	引入了Texture Attention U-Net（TAU-Net），通过融合密集的尺度不变特征变换（SIFT）和局部二值模式（LBP）描述符到注意力U-Net中，并提出了一个多目标损失函数来减少不平衡数据的影响	由于样本量不足，血管分割采用了预训练网络并进行微调	实现胰腺导管腺癌及其周围血管的全自动和体积分割，以辅助诊断和手术规划	胰腺导管腺癌（PDAC）及其周围血管的分割	计算机视觉	胰腺癌	卷积神经网络（CNN）	3D-CNN, 2D注意力U-Net, Texture Attention U-Net（TAU-Net）	CT图像	样本量不足
37	2024-08-25	UFold: fast and accurate RNA secondary structure prediction with deep learning 2022-02-22, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkab1074 PMID:34792173	研究论文	本文提出了一种基于深度学习的方法UFold，用于预测RNA二级结构，该方法通过全卷积网络（FCN）高效处理RNA序列的图像类表示	UFold采用了一种新颖的图像类表示方法，能够通过全卷积网络高效处理RNA序列，并且在跨家族RNA数据集上与传统方法表现相当	NA	解决RNA二级结构预测的性能瓶颈问题	RNA二级结构的预测	机器学习	NA	深度学习	全卷积网络（FCN）	序列	NA
38	2024-08-25	Variational autoencoding of gene landscapes during mouse CNS development uncovers layered roles of Polycomb Repressor Complex 2 2022-02-22, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkac006 PMID:35048973	研究论文	本文通过变分自编码器分析小鼠中枢神经系统发育过程中的基因表达图谱，揭示了Polycomb抑制复合物2（PRC2）在促进前脑扩张中的多层作用	开发了一种结合标准统计分析和概率深度学习的方法，以整合转录组响应PRC2失活与表观遗传数据，并发现了几组未预期的基因	NA	探究PRC2在小鼠胚胎中枢神经系统发育中的全面作用及其与表观遗传景观的交集	小鼠中枢神经系统发育中的PRC2功能	数字病理学	NA	变分自编码器	变分自编码器	转录组数据	通过突变关键基因Eed去除了发育中小鼠中枢神经系统中的PRC2功能，并生成了时空转录组数据
39	2024-08-25	Deep learning for fully automatic detection, segmentation, and Gleason grade estimation of prostate cancer in multiparametric magnetic resonance images 2022-02-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06730-6 PMID:35194056	研究论文	本文提出了一种基于深度学习的全自动系统，用于从多参数磁共振成像（mpMRI）中定位、分割和评估前列腺癌（PCa）病变的Gleason分级	该系统在测试集上实现了高水平的AUC、敏感性和特异性，并在在线ProstateX挑战中取得了与原始获胜者相当的AUC	NA	开发一种全自动系统，用于从多参数磁共振成像中检测、分割和评估前列腺癌的Gleason分级	前列腺癌病变	计算机视觉	前列腺癌	深度学习	NA	图像	训练/验证集使用490个mpMRI，测试集使用75个mpMRI
40	2024-08-25	Deep learning forecasting using time-varying parameters of the SIRD model for Covid-19 2022-02-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06992-0 PMID:35194090	研究论文	本文介绍了一种结合易感-感染-恢复-死亡模型（SIRD模型）和长短期记忆（LSTM）神经网络的新算法，用于实时预测和时间依赖参数估计，包括接触率和死亡率	该算法通过将SIRD模型的流行病学动态融入LSTM网络，提高了预测准确性，并利用手机移动数据和阳性测试率，以及疫苗接种模型，捕捉个体行为变化和政策制定者的响应	NA	开发一种准确的流行病学模型，帮助政府、组织和个人对新冠疫情做出适当反应	新冠疫情中的基本再生数和时间依赖参数	机器学习	NA	长短期记忆（LSTM）神经网络	LSTM	数据	NA