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	2024-10-04	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
42	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
43	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
44	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
45	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
46	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
47	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
48	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
49	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
50	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
51	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
52	2024-09-27	Federated Transfer Learning for Low-dose PET Denoising: A Pilot Study with Simulated Heterogeneous Data 2023-Mar, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2022.3194408 PMID:37789946	研究论文	本文提出了一种联邦迁移学习框架，用于低剂量PET去噪，通过模拟异构数据进行实验	本文创新性地将联邦迁移学习应用于低剂量PET去噪，解决了不同机构间数据分布不一致的问题	本文仅在模拟数据上进行了实验，尚未在真实临床数据上验证	旨在开发一种能够在不同机构间利用异构低剂量PET数据进行去噪的方法	低剂量PET图像的去噪	计算机视觉	NA	联邦学习	迁移学习	图像	模拟的多机构数据
53	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
54	2024-09-19	A feasibility study of enhanced prompt gamma imaging for range verification in proton therapy using deep learning 2023-03-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acbf9a PMID:36848674	研究论文	本文研究了使用深度学习增强提示伽马成像在质子治疗中进行范围验证的可行性	提出了一种两层深度学习方法，结合新颖的加权轴投影损失，生成精确的3D提示伽马图像，以实现准确的质子范围验证	本文仅进行了初步研究，尚未在临床环境中验证该方法的有效性	研究深度学习在质子治疗中增强提示伽马成像以进行范围验证的可行性	质子治疗中的提示伽马成像	计算机视觉	NA	深度学习	两层深度学习模型	图像	模拟了54个质子笔束（能量范围：75-125 MeV，剂量水平：1 × 10^10质子/束和3 × 10^10质子/束）
55	2024-09-19	Unassisted Clinicians Versus Deep Learning-Assisted Clinicians in Image-Based Cancer Diagnostics: Systematic Review With Meta-analysis 2023-03-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/43832 PMID:36862499	系统综述与荟萃分析	本文系统地量化了在图像辅助癌症诊断中，临床医生在有无深度学习辅助下的诊断准确性	首次系统地量化了深度学习辅助临床医生在图像辅助癌症诊断中的诊断准确性	研究结果未涵盖临床实践中涉及的所有细节，需要进一步研究以改进深度学习辅助实践	量化临床医生在有无深度学习辅助下的诊断准确性	临床医生在图像辅助癌症诊断中的诊断准确性	机器学习	NA	深度学习	NA	图像	共分析了48项研究，其中25项提供了足够的统计数据进行荟萃分析
56	2024-09-19	Radiomics-Guided Global-Local Transformer for Weakly Supervised Pathology Localization in Chest X-Rays 2023-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3217218 PMID:36288235	研究论文	提出了一种基于放射组学的全局-局部Transformer模型，用于胸部X光片中病理定位和分类	创新性地融合了全局图像信息与局部放射组学引导的辅助信息，无需边界框标注即可实现准确的病理定位和分类	NA	开发一种无需边界框标注的病理定位和分类方法	胸部X光片中的病理定位和分类	数字病理学	NA	Transformer	Transformer	图像	使用了NIH ChestXRay数据集
57	2024-09-17	Recognition of Abnormal-Laying Hens Based on Fast Continuous Wavelet and Deep Learning Using Hyperspectral Images 2023-Mar-31, Sensors (Basel, Switzerland) DOI:10.3390/s23073645 PMID:37050705	研究论文	提出了一种基于快速连续小波变换和深度学习的超光谱图像识别异常产蛋母鸡的方法	结合超光谱成像技术、快速连续小波变换数据分析方法和卷积神经网络深度学习模型，实现了对低产蛋母鸡和正常母鸡的高精度识别	NA	解决商业农场中低产蛋母鸡的识别问题	低产蛋母鸡和正常产蛋母鸡	计算机视觉	NA	超光谱成像	卷积神经网络 (CNN)	图像	两种不同类型的母鸡的超光谱图像数据集
58	2024-09-17	Machine Learning for Uncovering Biological Insights in Spatial Transcriptomics Data 2023-Mar-29, ArXiv PMID:37033464	研究论文	本文总结了空间转录组学数据分析中机器学习的主要目标和当前趋势，并介绍了四个数据科学概念和相关启发式方法，以帮助从业者选择合适的工具	本文介绍了机器学习在空间转录组学数据分析中的应用，特别是深度学习技术的创新工具，以帮助解析复杂生物系统中的信号	本文主要总结了当前的趋势和方法，但未深入探讨具体的技术细节或提供实际案例分析	探讨机器学习在空间转录组学数据分析中的应用，以增强对健康和疾病中多细胞系统发育和稳态过程的理解	空间转录组学数据及其在生物系统中的应用	机器学习	NA	机器学习	深度学习	空间转录组学数据	NA
59	2024-09-17	An intrinsically interpretable neural network architecture for sequence to function learning 2023-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.25.525572 PMID:36747873	研究论文	介绍了一种名为tiSFM的深度学习架构，用于从序列到功能的预测，并展示了其在开放染色质区域预测中的优越性能	tiSFM不仅在性能上优于标准的多层卷积模型，而且其内部参数具有内在的可解释性，能够直接关联到相关的序列基序	NA	开发一种具有内在可解释性的深度学习模型，用于预测基因组功能输出	开放染色质区域和转录因子在造血分化中的作用	机器学习	NA	深度学习	多层神经网络	序列数据	涉及多种造血谱系细胞类型
60	2024-09-17	Multimodality Imaging of COVID-19 Using Fine-Tuned Deep Learning Models 2023-Mar-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13071268 PMID:37046486	研究论文	本研究使用微调的深度学习模型对COVID-19进行多模态影像诊断	本研究提出了使用五种最新的深度学习算法（EfficientB0, VGG-19, DenseNet121, EfficientB7, 和 MobileNetV2）对CT扫描和胸部X光图像进行COVID-19诊断，并在精度、敏感性、特异性、F1分数、准确性和数据访问时间方面优于现有最先进的方法	NA	旨在通过微调的深度学习模型快速诊断COVID-19，以应对临床医生短缺的问题	COVID-19病毒的CT扫描和胸部X光图像	计算机视觉	COVID-19	深度学习	EfficientB0, VGG-19, DenseNet121, EfficientB7, MobileNetV2	图像	NA