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
1	2024-12-08	Deep neural network enabled active metasurface embedded design 2022-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0152 PMID:39635158	研究论文	本文提出了一种利用深度学习方法进行光子器件中嵌入式主动超表面结构的前向建模和逆向设计的研究	结合神经网络设计和散射矩阵优化显著简化了计算开销，同时实现了精确的目标驱动设计	NA	研究光子器件中嵌入式主动超表面结构的前向建模和逆向设计	光子器件中的主动超表面结构	计算机视觉	NA	深度学习	神经网络	NA	NA
2	2024-12-08	Photonic (computational) memories: tunable nanophotonics for data storage and computing 2022-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0089 PMID:39635175	综述	本文综述了新兴的纳米光子器件及其在数据存储和计算中的应用	探讨了光子集成电路和光学纳米材料在芯片级光子存储中的新机遇	光子存储在存储密度上尚未能与电子数字存储相媲美	探讨如何通过光子存储和计算技术改进或超越传统的冯·诺依曼架构	纳米光子器件及其在光子存储和计算中的应用	NA	NA	光子集成电路 (PICs)	NA	NA	NA
3	2024-12-08	Data enhanced iterative few-sample learning algorithm-based inverse design of 2D programmable chiral metamaterials 2022-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0310 PMID:39635508	研究论文	提出了一种数据增强迭代少样本学习算法（DEIFS），用于精确高效地逆向设计多形状的二维手性超材料	DEIFS算法通过数据增强和迭代过程，显著减少了数据集的大小，同时提高了逆向设计的速度和准确性，并增加了对实验结果的数据解释性	NA	实现二维手性超材料的精确和高效逆向设计	二维衍射手性结构，包括不同几何参数（宽度、分离空间、桥长和金长）	计算机视觉	NA	数据增强迭代少样本学习算法（DEIFS）	NA	光谱数据	涉及多种形状的二维手性超材料
4	2024-11-13	Emerging Themes in CryoEM─Single Particle Analysis Image Processing 2022-09-14, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.1c00850 PMID:35785962	综述	本文综述了冷冻电镜（CryoEM）中单颗粒分析（SPA）图像处理的主要贡献	强调了算法在不同工作流程步骤中的时间演变，区分了分析方法和深度学习算法	讨论了CryoEM图像处理方法在SPA中仍需解决的新兴问题和挑战	回顾图像处理在CryoEM单颗粒分析重建工作流程中的主要贡献	CryoEM单颗粒分析图像处理算法	计算机视觉	NA	冷冻电镜（CryoEM）	深度学习算法	图像	NA
5	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）
6	2024-10-14	Deep learning fusion of satellite and social information to estimate human migratory flows 2022-Sep, Transactions in GIS : TG IF:2.1Q2 DOI:10.1111/tgis.12953 PMID:38024452	研究论文	本文提出了一种基于深度学习的数据融合技术，结合卫星和人口普查数据来估计从墨西哥到美国的移民流动	本文创新性地将卫星图像和构建的社会经济矩阵相结合，通过卷积神经网络来估计移民流动	NA	研究目的是通过多模态数据融合来提高移民流动模型的准确性	研究对象是从墨西哥到美国的移民流动	机器学习	NA	深度学习	卷积神经网络	图像和矩阵数据	涉及墨西哥各市的社会经济信息和卫星图像数据
7	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
8	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
9	2024-09-29	Hierarchical deep learning for predicting GO annotations by integrating protein knowledge 2022-09-30, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac536 PMID:35929781	研究论文	提出了一种名为DeeProtGO的新型深度学习模型，用于通过整合蛋白质知识来预测GO注释	DeeProtGO模型通过整合更多的蛋白质知识，显著提高了GO注释的预测质量	NA	开发一种可靠的计算系统，用于自动预测蛋白质功能注释，以应对高通量测序数据的增长	蛋白质功能注释的预测	机器学习	NA	深度学习	深度学习模型	蛋白质序列数据	18种不同的预测问题，定义为三个GO子本体、蛋白质类型和分类学王国
10	2024-09-29	DefectTrack: a deep learning-based multi-object tracking algorithm for quantitative defect analysis of in-situ TEM videos in real-time 2022-Sep-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-19697-1 PMID:36127375	研究论文	提出了一种基于深度学习的实时多目标跟踪算法DefectTrack，用于定量分析原位透射电子显微镜视频中的缺陷	首次开发了专门用于跟踪原位透射电子显微镜视频中缺陷簇的深度学习多目标跟踪模型	NA	解决原位透射电子显微镜视频数据转化为缺陷簇动态属性信息的瓶颈问题	原位透射电子显微镜视频中的缺陷簇	计算机视觉	NA	深度学习	多目标跟踪模型	视频	测试集上的多目标跟踪精度为66.43%，大部分跟踪率为67.81%
11	2024-09-28	COVID-19 chest X-ray detection through blending ensemble of CNN snapshots 2022-Sep, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2022.104000 PMID:35855489	研究论文	本文提出了一种基于卷积神经网络（CNN）快照融合的集成方法，用于从胸部X光片（CXR）中检测COVID-19，以辅助计算机辅助检测（CADe）	本文的创新点在于利用DenseNet-201架构生成多个快照，并通过随机森林（RF）元学习器进行决策级融合，提高了COVID-19检测的准确性	本文的局限性在于仅使用了两个公开的COVID-19 CXR数据集进行实验，未来可能需要更多数据集来验证模型的泛化能力	本文的研究目的是提高COVID-19检测的准确性，以辅助医疗从业者的诊断	本文的研究对象是COVID-19病毒的胸部X光片（CXR）图像	计算机视觉	COVID-19	卷积神经网络（CNN）	DenseNet-201	图像	两个公开的COVID-19 CXR数据集，包括一个大型数据集（COVID-X）和一个较小的数据集
12	2024-09-23	Improving high frequency image features of deep learning reconstructions via k-space refinement with null-space kernel 2022-09, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29261 PMID:35426470	研究论文	本文提出了一种利用空空间核对k空间进行细化以改进深度学习重建图像高频特征的方法	本文的创新点在于使用空空间核对k空间进行细化，从而改善深度学习重建图像中的模糊细节和纹理	NA	本文的研究目的是提出一种新颖的细化方法，以改善深度学习MRI重建中丢失的高频细节和纹理	本文的研究对象是深度学习重建图像中的高频细节和纹理	计算机视觉	NA	深度学习	神经网络	图像	本文在三个大规模公共数据集（膝盖和大脑）上进行了测试
13	2024-09-23	Bayesian deep learning outperforms clinical trial estimators of intracerebral and intraventricular hemorrhage volume 2022-09, Journal of neuroimaging : official journal of the American Society of Neuroimaging IF:2.3Q2 DOI:10.1111/jon.12997 PMID:35434846	研究论文	本文研究了贝叶斯深度学习在脑内出血和脑室内出血体积估计中的应用，并比较了其与临床试验中使用的线性和半定量估计方法的性能	贝叶斯深度学习方法能够近似不确定性，特别是在脑内出血和脑室内出血估计相交的情况下，提供了一种改进临床试验质量保证的机会	NA	研究贝叶斯深度学习在脑内出血和脑室内出血体积估计中的应用，并评估其与传统估计方法的性能	脑内出血和脑室内出血的体积估计	计算机视觉	脑部疾病	深度学习	贝叶斯深度学习模型	CT影像	使用来自Minimally Invasive Surgery Plus Alteplase for ICH Evacuation (MISTIE) III和Clot Lysis: Evaluating Accelerated Resolution of IVH (CLEAR) III临床试验的诊断CT数据进行训练和验证
14	2024-09-23	Glo-In-One: holistic glomerular detection, segmentation, and lesion characterization with large-scale web image mining 2022-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.5.052408 PMID:35747553	研究论文	开发了一个名为Glo-In-One的工具包，用于肾病理学中肾小球的检测、分割和病变特征描述，并通过大规模网络图像挖掘实现自监督深度学习	提出了Glo-In-One工具包，通过单行命令实现肾小球的全面检测、分割和病变特征描述，并发布了30,000张未标记的肾小球图像以促进自监督深度学习算法的发展	当前版本的Glo-In-One工具包仅提供了细粒度的全球肾小球硬化（GGS）特征描述，未来可能需要扩展到其他类型的病变	开发一个用户友好的工具包，使非技术人员也能进行肾小球的定量检测、分割和病变特征描述	肾小球的检测、分割和病变特征描述	数字病理学	NA	自监督深度学习	NA	图像	30,000张未标记的肾小球图像
15	2024-09-23	Real time volumetric MRI for 3D motion tracking via geometry-informed deep learning 2022-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.15822 PMID:35766221	研究论文	开发了一种几何信息引导的深度学习框架，用于实时体积MRI的3D运动跟踪	引入几何先验知识到深度学习模型中，实现了高空间和时间分辨率的体积成像	仅在七个腹部患者上进行了训练和测试，需要进一步验证其泛化能力	提高放射治疗精度的3D运动跟踪	腹部患者的体积MRI重建和3D运动跟踪	计算机视觉	NA	MRI	2D-3D深度学习网络	图像	七个腹部患者
16	2024-09-23	Clinical Validation and Extension of an Automated, Deep Learning-Based Algorithm for Quantitative Sinus CT Analysis 2022-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7616 PMID:36538385	研究论文	本文描述了一种基于卷积神经网络的自动化深度学习算法，用于定量分析鼻窦CT图像，并在慢性鼻窦炎患者中进行了临床验证和扩展	本文提出了一种新的自动化方法，用于客观量化鼻窦不透明的程度，并计算了鼻窦不透明的百分比、平均Hounsfield单位和骨炎的百分比	本文的研究结果需要在多机构的前瞻性研究中进一步验证	开发和验证一种自动化深度学习算法，用于定量分析鼻窦CT图像，以辅助慢性鼻窦炎的诊断	慢性鼻窦炎患者的鼻窦CT图像	计算机视觉	鼻窦炎	卷积神经网络	CNN	图像	88名慢性鼻窦炎患者
17	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
18	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
19	2024-09-17	Prediction of HIV sensitivity to monoclonal antibodies using aminoacid sequences and deep learning 2022-09-15, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac530 PMID:35876860	研究论文	本文提出了一种利用氨基酸序列和深度学习预测HIV对单克隆抗体敏感性的方法	本文通过同时建模病毒和抗体序列，展示了在预测抗体-病毒敏感性方面的优势	本文未提及具体的局限性	本文旨在开发一种准确预测HIV对单克隆抗体敏感性的方法，以支持HIV疫苗开发和治疗	本文的研究对象是HIV病毒和单克隆抗体	机器学习	HIV	深度学习	神经网络	氨基酸序列	31种特定的广谱中和抗体
20	2024-09-17	From Images to Probabilistic Anatomical Shapes: A Deep Variational Bottleneck Approach 2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-16434-7_46 PMID:37011237	研究论文	本文提出了一种基于变分信息瓶颈理论的框架，用于从3D医学图像中直接预测解剖结构的概率形状	该方法放松了现有技术中的假设，通过学习任务上下文中的潜在表示，实现了更灵活、更具扩展性的模型，并能更好地捕捉数据的非线性特征	NA	提高从3D医学图像中进行统计形状建模的准确性和不确定性估计	3D医学图像中的解剖结构概率形状	计算机视觉	NA	变分信息瓶颈理论	NA	图像	NA