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
41	2024-12-08	All-optical ultrafast ReLU function for energy-efficient nanophotonic deep learning 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0137 PMID:39634351	研究论文	本文展示了使用周期极化薄膜铌酸锂纳米光波导实现的全光超快ReLU函数，为能量高效的纳米光子深度学习提供了新途径	首次实验展示了全光超快ReLU函数，实现了每激活仅耗费飞焦耳能量和近乎即时的操作	NA	探索能量高效的硬件加速器，特别是光学神经网络中的非线性光学函数	全光ReLU函数及其在深度学习中的应用	光学	NA	周期极化薄膜铌酸锂纳米光波导	ReLU	光信号	NA
42	2024-12-08	Analog nanophotonic computing going practical: silicon photonic deep learning engines for tiled optical matrix multiplication with dynamic precision 2023-Mar, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0423 PMID:39634350	研究论文	本文提出并实验验证了一种通过低基数硅光子处理器上的分块矩阵乘法（TMM）实现速度优化的动态精度神经网络（NN）推理	引入了与光子神经元噪声系数相关的理论模型，并实验验证了动态精度计算在分类任务中的应用，显著减少了线性操作的执行时间	光子硬件尺寸和高速电光组件的有限比特精度限制了性能	加速深度神经网络的线性操作，实现高精度和速度优化的分类性能	光子神经网络的动态精度推理和分类性能	光子学	NA	硅光子处理器	神经网络	IRIS数据集	NA
43	2024-11-19	Cell type-specific interpretation of noncoding variants using deep learning-based methods 2023-03-20, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad015 PMID:36971292	研究论文	本文提出了一种新的神经网络架构DeepCT，用于解释非编码变异，并展示了其在细胞类型特异性预测中的应用	提出了DeepCT架构，能够学习表观遗传特征的复杂相互关系，并从任何可用输入中推断未测量的数据	现有的表观遗传特征数据非常稀疏，限制了依赖特定表观遗传输入的方法	解决非编码基因组变异的解释问题，并实现细胞类型特异性的预测	非编码变异及其在不同细胞类型中的影响	机器学习	NA	深度学习	神经网络	表观遗传特征	NA
44	2024-10-18	Thyroid Nodules on Ultrasound in Children and Young Adults: Comparison of Diagnostic Performance of Radiologists' Impressions, ACR TI-RADS, and a Deep Learning Algorithm 2023-03, AJR. American journal of roentgenology DOI:10.2214/AJR.22.28231 PMID:36259591	研究论文	比较放射科医生的总体印象、ACR TI-RADS和深度学习算法在儿童和年轻成人甲状腺结节超声诊断中的表现	本文创新点在于比较了放射科医生的总体印象、ACR TI-RADS和深度学习算法在甲状腺结节诊断中的敏感性和特异性，发现ACR TI-RADS和深度学习算法在敏感性上优于放射科医生的总体印象	本文的局限性在于样本量较小，且仅限于儿童和年轻成人，研究结果可能不适用于所有年龄段	比较不同诊断方法在儿童和年轻成人甲状腺结节超声诊断中的表现	儿童和年轻成人的甲状腺结节	计算机视觉	甲状腺疾病	深度学习算法	深度学习	图像	139名患者（中位年龄17.5岁；119名女性患者，20名男性患者）
45	2024-10-18	Abdominopelvic CT Image Quality: Evaluation of Thin (0.5-mm) Slices Using Deep Learning Reconstruction 2023-03, AJR. American journal of roentgenology DOI:10.2214/AJR.22.28319 PMID:36259592	研究论文	本研究评估了使用深度学习重建（DLR）的0.5毫米薄层腹部和盆腔CT图像质量，并与0.5毫米和3.0毫米的混合迭代重建（HIR）图像进行了比较	本研究首次使用深度学习重建技术生成低噪声的薄层CT图像，并展示了其在图像质量和噪声方面的优势	本研究为回顾性研究，样本量较小，且未进行进一步的诊断性能研究	比较深度学习重建的薄层CT图像与传统混合迭代重建图像的质量	腹部和盆腔CT图像	计算机视觉	NA	深度学习重建（DLR）	NA	图像	50名患者（31名男性和19名女性；中位年龄64岁）
46	2024-10-18	Editorial Comment: Deep Learning Image Reconstruction-Do Better Images Make a Better Radiologist? 2023-Mar, AJR. American journal of roentgenology DOI:10.2214/AJR.22.28658 PMID:36287626	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
47	2024-10-16	Direct prediction of Homologous Recombination Deficiency from routine histology in ten different tumor types with attention-based Multiple Instance Learning: a development and validation study 2023-Mar-10, medRxiv : the preprint server for health sciences DOI:10.1101/2023.03.08.23286975 PMID:36945540	研究论文	研究开发了一种基于注意力加权的多实例学习（attMIL）的深度学习管道，用于从常规组织学图像中直接预测同源重组缺陷（HRD）状态	首次展示了使用常规组织学图像直接预测HRD状态的可行性，并验证了其在多种肿瘤类型中的适用性	研究仅在十种肿瘤类型中进行了验证，未来需要进一步扩展到更多肿瘤类型	探索深度学习技术在常规组织学图像中预测HRD状态的可行性	十种不同类型的肿瘤	数字病理	NA	深度学习	注意力加权的多实例学习（attMIL）	图像	4565名患者
48	2024-10-09	Deep Learning Based Detection of Enlarged Perivascular Spaces on Brain MRI 2023-Mar, Neuroimage. Reports DOI:10.1016/j.ynirp.2023.100162 PMID:37035520	研究论文	研究提出了一种基于深度学习的框架，用于检测脑MRI中的扩大血管周围间隙（ePVS），并寻找最佳的MRI序列组合以支持深度学习量化	研究引入了一种轻量级U-Net模型，专门用于ePVS检测，并探讨了不同MRI序列组合对检测准确性的影响	研究主要集中在MRI序列的选择和组合上，未涉及其他可能影响检测的因素	旨在通过深度学习技术提高脑MRI中ePVS的检测准确性和效率	研究对象为脑MRI图像中的扩大血管周围间隙（ePVS）	计算机视觉	NA	深度学习	U-Net	图像	NA
49	2024-10-04	Deep learning image analysis quantifies tumor heterogeneity and identifies microsatellite instability in colon cancer 2023-Mar, Journal of surgical oncology IF:2.0Q2 DOI:10.1002/jso.27118 PMID:36251352	研究论文	本文利用深度学习技术分析结直肠癌的肿瘤异质性并识别微卫星不稳定性	提出了肿瘤异质性评分（THS），并发现其与微卫星不稳定性状态相关	需要扩展训练集以开发预测微卫星不稳定性的工具	研究深度学习在结直肠癌肿瘤异质性和微卫星不稳定性识别中的应用	结直肠癌的肿瘤异质性和微卫星不稳定性	数字病理学	结直肠癌	卷积神经网络（CNN）	CNN	图像	313名患者的苏木精-伊红染色（H&E）图像，生成534,771个切片
50	2024-10-02	COVID-19 CT ground-glass opacity segmentation based on attention mechanism threshold 2023-Mar, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2022.104486 PMID:36505089	研究论文	本文提出了一种基于注意力机制阈值的新方法，用于准确分割COVID-19 CT图像中的磨玻璃影（GGO）	本文创新性地提出了一个包含注意力机制阈值、轮廓均衡和肺部分割（ACL）的框架，能够根据图像对比度自适应调整阈值参数，从而实现对低对比度GGO图像的准确分割	NA	解决COVID-19 CT图像中磨玻璃影（GGO）分割的挑战	COVID-19患者的CT图像中的磨玻璃影（GGO）	计算机视觉	COVID-19	注意力机制	NA	图像	四个COVID数据集
51	2024-10-02	A review of the application of artificial intelligence to nuclear reactors: Where we are and what's next 2023-Mar, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e13883 PMID:36895398	综述	本文综述了人工智能在核反应堆中的应用现状及未来发展方向	提出了将领域知识与数据驱动方法结合以减少数据需求，并推广可解释人工智能技术以提高模型透明度和可靠性	数据问题和黑箱困境是阻碍人工智能与核反应堆技术进一步融合的主要障碍	探讨人工智能技术在提高核反应堆安全性和经济性方面的应用及未来发展方向	核反应堆的设计优化及运行维护	机器学习	NA	机器学习、深度学习、进化计算	NA	实验数据	NA
52	2024-10-01	Deep efficient-nets with transfer learning assisted detection of COVID-19 using chest X-ray radiology imaging 2023-Mar-27, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-023-15097-3 PMID:37362692	研究论文	本文提出了一种基于深度学习架构的高效方法，用于通过胸部X光影像自动检测COVID-19	本文采用了迁移学习技术，结合Efficient-Nets模型，并通过数据增强和强度归一化方法解决了数据不平衡问题	尽管本文提出的方法在检测COVID-19方面表现出色，但仍可能存在过拟合和高方差的问题	开发一种高效且快速的COVID-19检测方法，以降低死亡率和传染率	COVID-19感染患者	计算机视觉	COVID-19	迁移学习	Efficient-Nets	影像	使用了公开数据集进行训练和测试，具体样本数量未明确提及
53	2024-10-01	ECG-guided non-invasive estimation of pulmonary congestion in patients with heart failure 2023-03-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-30900-9 PMID:36894601	研究论文	开发了一种基于深度学习的心衰患者肺充血无创评估模型HFNet	利用12导联心电图、年龄和性别数据，通过深度学习模型HFNet准确预测心衰患者的平均肺毛细血管楔压（mPCWP）是否超过18 mmHg	模型在不确定性较高的预测中表现较差，需要临床医生判断何时信任模型预测	开发一种无创方法准确评估心衰患者的血流动力学严重程度	心衰患者的平均肺毛细血管楔压（mPCWP）	机器学习	心血管疾病	深度学习	深度学习模型（HFNet）	心电图（ECG）、年龄、性别	使用了马萨诸塞州总医院的回顾性数据，并在另一机构的独立外部验证集上进行了评估
54	2024-09-30	Deep learning pose estimation for multi-cattle lameness detection 2023-03-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-31297-1 PMID:36934125	研究论文	本研究开发了一种基于深度学习的全自动多牛跛行检测系统，利用计算机视觉和深度学习技术对牛的姿势和步态进行高精度分析	本研究创新性地使用深度学习方法进行牛的姿势估计和跛行检测，并结合CatBoost梯度提升算法和SORT跟踪算法，实现了对多牛跛行的高精度实时检测	本研究仅在特定条件下对250头牛进行了测试，未来需要在更多样化的农场环境中进行验证	开发一种能够在奶牛场广泛部署的全自动多牛跛行检测系统	奶牛的姿势和步态	计算机视觉	NA	深度学习	Mask-RCNN	视频	25个视频序列，包含250头牛，以及从谷歌下载的500张图像
55	2024-09-30	Design and Analysis of a Deep Learning Ensemble Framework Model for the Detection of COVID-19 and Pneumonia Using Large-Scale CT Scan and X-ray Image Datasets 2023-Mar-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10030363 PMID:36978754	研究论文	研究设计并分析了一个深度学习集成框架模型，用于通过大规模CT扫描和X射线图像数据集检测COVID-19和肺炎	提出了一个升级的VGG16深度迁移学习架构，用于X射线图像的多类分类任务，并展示了99%的准确率	NA	探索不同的深度学习技术，以在医学CT和放射图像上识别COVID-19和肺炎	COVID-19和肺炎的检测	计算机视觉	肺部疾病	深度学习	ResNet152, VGG16, ResNet50, DenseNet121	图像	使用公开可用的X射线和CT扫描数据集
56	2024-09-30	Advances in automatic delineation of target volume and cardiac substructure in breast cancer radiotherapy (Review) 2023-Mar, Oncology letters IF:2.5Q3 DOI:10.3892/ol.2023.13697 PMID:36817059	综述	本文综述了乳腺癌放疗中目标体积和心脏亚结构自动勾画的重要性	探讨了基于图谱和深度学习的自动勾画技术在临床研究中的应用	未详细讨论具体技术的局限性	探讨乳腺癌放疗中目标体积和心脏亚结构自动勾画的重要性	乳腺癌患者放疗中的目标体积和心脏亚结构	计算机视觉	乳腺癌	深度学习	NA	图像	NA
57	2024-09-28	Deep Learning in MRI-guided Radiation Therapy: A Systematic Review 2023-Mar-30, ArXiv PMID:36994167	综述	系统性回顾了深度学习在MRI引导放射治疗中的应用	NA	NA	回顾深度学习在MRI引导放射治疗中的应用，并讨论其临床意义和未来方向	MRI引导放射治疗中的深度学习应用	机器学习	NA	MRI	NA	NA	NA
58	2024-09-28	MediNet: transfer learning approach with MediNet medical visual database 2023-Mar-20, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-023-14831-1 PMID:37362724	研究论文	本文提出了一种基于MediNet医学视觉数据库的迁移学习方法，并使用多种深度学习算法进行预训练和分类应用	本文提出了MediNet，一个包含10类医学图像的新视觉数据集，并使用多种深度学习算法进行迁移学习，提高了分类准确率	本文未详细讨论数据集的构建过程和数据质量问题	研究如何通过迁移学习提高医学图像分类的准确率	医学图像分类问题，包括胸部X光片、糖尿病视网膜病变和Covid-19数据集	计算机视觉	NA	迁移学习	AlexNet, VGG19-BN, Inception V3, DenseNet 121, ResNet 101, EfficientNet B0, Nested-LSTM + CNN, RdiNet	图像	MediNet数据集包含10类医学图像，具体样本数量未明确说明
59	2024-09-28	AD-Syn-Net: systematic identification of Alzheimer's disease-associated mutation and co-mutation vulnerabilities via deep learning 2023-03-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad030 PMID:36752347	研究论文	本文构建了一个大规模的阿尔茨海默病（AD）突变和共突变框架，并提出了基于深度学习的模型来系统地识别与AD相关的突变和共突变脆弱性	本文提出了名为Deep-SMCI和Deep-CMCI的深度学习模型，能够基于基因突变和共突变谱有效预测认知障碍	NA	系统地识别与阿尔茨海默病相关的风险突变	阿尔茨海默病相关的基因突变和共突变	机器学习	阿尔茨海默病	深度学习	全连接层	基因突变和共突变数据	大规模数据集
60	2024-09-19	Self-supervised attention-based deep learning for pan-cancer mutation prediction from histopathology 2023-Mar-28, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-023-00365-0 PMID:36977919	研究论文	本文研究了基于自监督注意力的深度学习方法在泛癌变异预测中的应用	本文提出了一种结合自监督特征提取和基于注意力的多实例学习的分析流程，提高了预测的鲁棒性和泛化能力	文章未提及具体的局限性	研究深度学习方法在病理切片中预测基因突变的泛化能力	研究对象为多种肿瘤类型的病理切片	数字病理学	泛癌	深度学习	基于注意力的多实例学习	图像	涉及两个大型多肿瘤类型数据集