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
121	2024-08-05	Characterizing browser-based medical imaging AI with serverless edge computing: towards addressing clinical data security constraints 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2653626 PMID:37063644	研究论文	本文提出了一种基于浏览器的医学成像人工智能部署系统，以增强临床数据安全性	该研究创新性地利用无服务器边缘计算实现隐私保护的医学成像AI应用，避免了常规云计算的隐私风险	研究中未明确讨论与其他类型隐私保护模型的比较	研究旨在解决医学成像AI应用中的数据隐私问题	研究对象为利用CT进行肺癌筛查的3D医学图像分割模型	数字病理学	肺癌	无服务器边缘计算	3D卷积神经网络 (CNN)	医学图像	NA
122	2024-08-05	Multi-site cross-organ calibrated deep learning (MuSClD): Automated diagnosis of non-melanoma skin cancer 2023-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102702 PMID:36516556	研究论文	本文提出了一种新的深度学习方法MuSClD，用于改善非黑色素瘤皮肤癌的自动诊断。	创新点在于利用外部测试机构的非目标器官的全片图像进行校准，来减小训练数据和测试数据之间的领域转移。	本研究主要集中在非黑色素瘤皮肤癌的诊断，可能无法直接应用于其他类型的癌症或疾病。	研究的目的是提高深度学习分类器在不同测试地点上对非黑色素瘤皮肤癌的通用性。	研究对象为基本细胞癌、原位鳞状细胞癌和侵袭性鳞状细胞癌。	计算机视觉	非黑色素瘤皮肤癌	深度学习	NA	全片图像	训练样本85，测试样本352
123	2024-08-07	Multistain deep learning for prediction of prognosis and therapy response in colorectal cancer 2023-02, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-022-02134-1 PMID:36624314	研究论文	本文通过建立和评估一个多重染色深度学习模型（MSDLM），利用人工智能（AI）确定结直肠癌（CRC）患者的AImmunoscore（AIS），以预测预后和辅助治疗反应	本文提出的MSDLM模型具有高预测能力，优于其他临床、分子和免疫细胞参数，并能通过可解释的AI方法验证其决策基于已建立的抗肿瘤免疫细胞模式	免疫细胞评分系统如免疫评分（IS）或上皮内淋巴细胞定量在临床常规使用中进展缓慢，存在局限性	解决免疫细胞评分系统在临床应用中的缓慢进展和局限性，提供一个基于肿瘤免疫微环境的临床决策工具	结直肠癌（CRC）患者的预后和辅助治疗反应	机器学习	结直肠癌	深度学习	深度学习模型	图像	超过1,000名结直肠癌患者