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
61	2024-09-30	Deep Learning Techniques to Diagnose Lung Cancer 2022-Nov-13, Cancers IF:4.5Q1 DOI:10.3390/cancers14225569 PMID:36428662	研究论文	本文介绍了基于深度学习的医学影像技术在早期肺癌诊断中的最新进展	利用深度学习技术自动分类癌症图像，提高肺癌诊断的敏感性和准确性	现有技术无法自动分类癌症图像，不适用于其他病理的患者	开发一种敏感且准确的早期肺癌诊断方法	肺癌的早期诊断	计算机视觉	肺癌	深度学习	NA	医学影像	NA
62	2024-09-29	Deep Learning Enhances Multiparametric Dynamic Volumetric Photoacoustic Computed Tomography In Vivo (DL-PACT) 2022-Nov-10, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202202089 PMID:36354200	研究论文	本文介绍了一种基于深度学习的增强型多参数动态体积光声计算机断层扫描技术（DL-PACT），通过减少有限视角伪影和提高时间分辨率，显著提升了光声计算机断层扫描（PACT）的图像质量	提出了一种基于深度学习的DL-PACT方法，通过使用少量超声换能器元素，实现了高质量的静态结构和动态增强全身图像以及动态功能脑图像的快速获取	NA	提高光声计算机断层扫描（PACT）的图像质量和时间分辨率，降低系统成本	光声计算机断层扫描（PACT）图像的增强和优化	计算机视觉	NA	光声计算机断层扫描（PACT）	深度学习	图像	活体动物和人类
63	2024-09-23	Self-supervised learning of neighborhood embedding for longitudinal MRI 2022-11, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102571 PMID:36115098	研究论文	本文提出了一种新的自监督学习方法，用于从纵向MRI中提取邻域嵌入，以捕捉脑老化和疾病进展	本文的创新点在于提出了Longitudinal Neighborhood Embedding (LNE)方法，通过在潜在空间中构建年龄一致和进展一致的邻域，改进了脑老化特征的表示	NA	研究目的是改进脑老化特征的表示，以提高下游任务的性能	研究对象包括健康受试者、阿尔茨海默病和轻度认知障碍患者以及青少年酒精饮用者	计算机视觉	神经退行性疾病	MRI	自监督学习	图像	274名健康受试者，632名阿尔茨海默病和轻度认知障碍患者，764名青少年酒精饮用者
64	2024-09-23	A Blood-Based Metabolite Panel for Distinguishing Ovarian Cancer from Benign Pelvic Masses 2022-11-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-22-1113 PMID:36037307	研究论文	研究评估了循环代谢物对卵巢癌风险预测算法的改进作用	开发了一个基于血液的代谢物面板，用于区分早期卵巢癌和良性盆腔肿块，并改进了现有的卵巢癌风险预测算法	NA	评估循环代谢物对卵巢癌风险预测算法的改进作用	早期卵巢癌和良性盆腔肿块	NA	卵巢癌	代谢组学分析	深度学习模型	血液样本	202个卵巢癌病例和190个良性盆腔肿块病例
65	2024-09-23	Fairness-related performance and explainability effects in deep learning models for brain image analysis 2022-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.6.061102 PMID:36046104	研究论文	研究深度学习模型在脑图像分析中的公平性和可解释性影响	首次探讨了可解释人工智能（XAI）方法中不公平表现的体现，并展示了XAI如何用于调查潜在的不公平原因	研究样本仅限于9至10岁的青少年，且仅分析了性别和种族的交叉影响	分析社会人口统计学相关混杂因素对分类器性能和可解释性方法的影响	T1加权脑MRI数据集中的4547名9至10岁青少年	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	4547名9至10岁青少年
66	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
67	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
68	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
69	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
70	2024-09-16	Towards smart diagnostic methods for COVID-19: Review of deep learning for medical imaging 2022 Nov-Dec, IPEM-translation DOI:10.1016/j.ipemt.2022.100008 PMID:36312890	综述	本文综述了2020年1月至2021年10月期间，使用深度学习技术对COVID-19患者进行CT和X光胸片诊断的研究	本文总结了现有研究中的模型技术细节，并讨论了使用深度学习技术进行COVID-19智能诊断的挑战	现有模型的临床应用效果需要进一步验证	探讨深度学习在COVID-19诊断中的应用，并提出改进建议	COVID-19患者的CT和X光胸片	计算机视觉	COVID-19	深度学习	NA	图像	NA
71	2024-09-13	Contrastive semi-supervised harmonization of single-shell to multi-shell diffusion MRI 2022-11, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2022.06.004 PMID:35716922	研究论文	本文探讨了通过半监督和无监督学习方法，利用深度学习模型将单壳扩散MRI数据协调为多壳数据	本文提出了利用解耦协调模型和CycleGAN模型进行数据协调，并展示了其在多壳扩散MRI数据协调中的优越性能	NA	研究如何通过深度学习方法将单壳扩散MRI数据协调为多壳数据，以适应多站点或多采集研究的需求	单壳和多壳扩散MRI数据	计算机视觉	NA	深度学习	GAN	图像	使用了Multi-shell Diffusion MRI Harmonization Challenge (MUSHAC)和Baltimore Longitudinal Study on Aging (BLSA)数据集
72	2024-09-10	Reduced order modeling for flow and transport problems with Barlow Twins self-supervised learning 2022-Nov-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24545-3 PMID:36450820	研究论文	本文提出了一种统一的数据驱动降阶模型（ROM），结合了自编码器（AE）和Barlow Twins（BT）自监督学习，用于流体和传输问题的建模	该模型通过结合自编码器和Barlow Twins自监督学习，成功填补了线性和非线性降阶模型之间的性能差距，并在非结构化网格上表现出色	文中提到的相对误差在2%到12%之间，表明在某些情况下模型的精度仍有提升空间	旨在开发一种能够有效处理线性和非线性降阶模型的统一数据驱动方法	流体和传输问题，特别是多孔介质中的自然对流问题	计算机视觉	NA	自监督学习	自编码器（AE）	数值数据	文中未明确提及具体的样本数量
73	2024-09-10	Surgical Gesture Recognition in Laparoscopic Tasks Based on the Transformer Network and Self-Supervised Learning 2022-Nov-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9120737 PMID:36550943	研究论文	本文提出了一种基于Transformer网络和自监督学习的视频手术动作识别深度学习框架	提出了基于Transformer网络和自监督学习的手术动作识别框架，并设计了两种模型：C3DTrans（监督学习）和SSC3DTrans（自监督学习）	仅在两个基本的腹腔镜任务（peg transfer和knot tying）上进行了验证，且样本量较小	开发一种能够识别视频中手术动作的深度学习框架	腹腔镜手术中的peg transfer和knot tying任务	计算机视觉	NA	3D卷积网络和Transformer网络	Transformer	视频	80个视频样本，来自两个基本腹腔镜任务
74	2024-09-10	Breast Cancer Dataset, Classification and Detection Using Deep Learning 2022-Nov-29, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare10122395 PMID:36553919	review	本文综述了利用深度学习进行乳腺癌诊断的计算和数字病理学方法	NA	NA	综述现有的计算和数字病理学方法，特别是深度学习方法，用于乳腺癌诊断	乳腺癌诊断的计算和数字病理学方法	digital pathology	breast cancer	deep learning	NA	image	NA
75	2024-09-10	Characterisation of urban environment and activity across space and time using street images and deep learning in Accra 2022-11-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24474-1 PMID:36443345	研究论文	本文利用街景图像和深度学习技术，分析了加纳阿克拉市的城市环境和活动在空间和时间上的特征	本文收集了210万张时间流逝的日间和夜间图像，并使用迁移学习和数据增强技术重新训练卷积神经网络，以检测与健康、宜居性、安全性和可持续性相关的城市环境特征	NA	利用智能感知和分析技术，研究城市环境特征的空间模式和时间动态，以指导城市规划和政策制定	加纳阿克拉市的城市环境和活动	计算机视觉	NA	深度学习	卷积神经网络	图像	210万张图像，其中1250张手动标注
76	2024-09-10	On Detecting Cryptojacking on Websites: Revisiting the Use of Classifiers 2022-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s22239219 PMID:36501921	研究论文	本文探讨了使用多种机器学习分类模型检测网站上的加密劫持行为	本文通过使用多种特征选择方法和机器学习模型，展示了简单模型在检测加密劫持方面的有效性	本文未详细讨论数据集的来源和特征选择的局限性	研究如何有效检测网站上的加密劫持行为	网站上的加密劫持行为	机器学习	NA	机器学习	逻辑回归、决策树、随机森林、梯度提升分类器、K近邻、XGBoost	网络和主机特征样本	使用了一个包含网络和主机特征样本的数据集
77	2024-09-10	Convolutional Neural Network Classification of Rest EEG Signals among People with Epilepsy, Psychogenic Non Epileptic Seizures and Control Subjects 2022-11-26, International journal of environmental research and public health DOI:10.3390/ijerph192315733 PMID:36497808	研究论文	本文提出了一种基于深度学习的自动诊断方法，用于区分癫痫发作、非癫痫性心因性发作和健康对照组的静息脑电信号	本文创新性地使用卷积神经网络（CNN）对脑电信号进行分类，并结合经验模态分解（EMD）提取增强特征	研究样本量较小，且未考虑药物治疗对脑电信号的影响	开发一种自动化的方法来区分癫痫发作、非癫痫性心因性发作和健康对照组的脑电信号	癫痫发作患者、非癫痫性心因性发作患者和健康对照组的脑电信号	机器学习	癫痫	经验模态分解（EMD）	卷积神经网络（CNN）	脑电信号	42名新发癫痫患者、42名非癫痫性心因性发作患者和19名健康对照组
78	2024-09-10	Lung_PAYNet: a pyramidal attention based deep learning network for lung nodule segmentation 2022-11-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24900-4 PMID:36434060	研究论文	本文提出了一种基于金字塔注意力机制的深度学习网络Lung_PAYNet，用于肺结节分割	本文创新性地设计了Lung_PAYNet模型，采用金字塔注意力机制和倒残差块结构，显著提高了肺结节分割的准确性	NA	提高低剂量CT图像中肺结节分割的准确性和可靠性	肺结节	计算机视觉	肺癌	深度学习	CNN	图像	使用了公开的LIDC-IDRI数据集进行训练和验证
79	2024-09-10	Risk of Mortality Prediction Involving Time-Varying Covariates for Patients with Heart Failure Using Deep Learning 2022-Nov-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12122947 PMID:36552953	研究论文	本研究开发并验证了一种基于深度学习的预测心力衰竭患者全因死亡风险的新型预后模型	提出了一个基于时间变化协变量的递归神经网络模型（RNNSurv），该模型在区分度、校准度和风险分层能力上优于传统的深度前馈神经网络模型和多变量Cox比例风险模型	NA	预测心力衰竭患者的全因死亡风险	心力衰竭患者	机器学习	心血管疾病	深度学习	递归神经网络（RNN）	时间序列数据	730名心力衰竭住院患者
80	2024-09-10	AlphaPeptDeep: a modular deep learning framework to predict peptide properties for proteomics 2022-11-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-34904-3 PMID:36433986	研究论文	介绍了一个名为AlphaPeptDeep的模块化深度学习框架，用于预测蛋白质组学中的肽性质	AlphaPeptDeep框架允许非专业人士通过几行代码创建模型，并广泛使用迁移学习，无需大量数据集即可优化特定实验条件的模型	NA	开发一个模块化的深度学习框架，用于预测蛋白质组学中的肽性质	肽的保留时间、碰撞截面和片段强度等性质	机器学习	NA	深度学习	神经网络	序列	NA