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
20041	2024-08-04	LST-AI: A deep learning ensemble for accurate MS lesion segmentation 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103611 PMID:38703470	研究论文	本文介绍了LST-AI，一个用于多发性硬化症（MS）白质病变的深度学习分割工具	LST-AI是基于LST的先进深度学习扩展，采用三种3D U-Net的集成方法，并解决了白质病变与非病变白质之间的不平衡	缺乏对比于当前最新的多发性硬化症检查结果的外部验证	旨在提高多发性硬化症白质病变的自动分割准确性	491对来自3T MRI扫描仪的T1加权和FLAIR图像进行的多发性硬化症病例	计算机视觉	多发性硬化症	深度学习	3D U-Net	图像	491对图像样本
20042	2024-08-04	Deep learning in terrestrial conservation biology 2023-Dec, Biologia futura IF:1.8Q3 DOI:10.1007/s42977-023-00200-4 PMID:38227170	评论	本文对保护生物学中深度学习技术的应用进行了回顾	强调了深度学习在保护生物学中的潜力和当前技术先进性	提出了当前技术在数据处理方面的缓慢问题	探索有效的方式监测生物多样性变化	涉及保护生物学中的生物数据监测	机器学习	NA	深度学习	NA	生物数据	NA
20043	2024-08-04	A hybrid method of correcting CBCT for proton range estimation with deep learning and deformable image registration 2023-Jul-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace754 PMID:37442128	研究论文	本研究旨在开发一种新的方法，通过深度学习和可变形图像配准从腹部/盆腔的锥束CT生成合成CT，以促进质子范围的估算	提出了将无监督深度学习（CycleGAN）与可变形图像配准（DIR）结合的混合方法，分别生成几何加权和强度加权的合成CT成分	研究的样本量相对较小，仅限于81名儿科患者，且只评估了在特定条件下的方法有效性	探索一种准确的合成CT生成方法，以便在质子治疗中提高质子束穿透气体区域的范围估算	使用81名儿科患者的锥束CT、同日重复CT和规划CT数据进行训练、验证和测试	数字病理学	NA	深度学习（CycleGAN）、可变形图像配准（DIR）	CycleGAN	CT图像	81名儿科患者的CT数据（训练60，验证6，测试15）
20044	2024-08-07	Applications of Artificial Intelligence and Deep Learning in Glaucoma: Erratum 2023 Jul-Aug 01, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1097/APO.0000000000000628 PMID:37523439	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20045	2024-08-04	Polypoidal Choroidal Vasculopathy: Updates on Risk Factors, Diagnosis, and Treatments 2023 Mar-Apr 01, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1097/APO.0000000000000573 PMID:36728294	研究论文	该文章介绍了关于囊状脉络膜血管病（PCV）的风险因素、诊断与治疗的最新进展	文章探讨了深度学习模型在无需靛蓝绿血管造影的情况下，用于从不同类型的视网膜成像中检测PCV的应用	尽管有研究发现新抗VEGF药物可能提供更持久的治疗效果，但尚不清楚它们是否能更有效地闭合囊状病变	研究囊状脉络膜血管病（PCV）的风险因素、诊断方法以及治疗方案	文章关注于男性和吸烟等系统性因素以及与PCV相关的影像学和生物标志物	数字病理学	NA	深度学习	NA	图像	涉及的样本数量及类型未明确说明
20046	2024-08-04	Applications of Artificial Intelligence and Deep Learning in Glaucoma 2023 Jan-Feb 01, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1097/APO.0000000000000596 PMID:36706335	研究论文	本文探讨了人工智能和深度学习在青光眼诊断和进展检测中的应用	提出了结合多种成像模态来改善青光眼评估的新的人工智能工具开发思路	目前大多数算法仅基于单一成像模态，且缺乏对治疗反应预测的相关研究	旨在改进青光眼的诊断和监测方式	研究目的是青光眼的诊断进程和算法的开发	计算机视觉	青光眼	人工智能	深度学习	图像	NA
20047	2024-08-07	Machine Learning in Drug Metabolism Study 2022, Current drug metabolism IF:2.1Q3 DOI:10.2174/1389200224666221227094144 PMID:36578255	综述	本文综述了机器学习在药物代谢研究中的应用，特别是其在预测药物-药物相互作用、药物-靶点相互作用、临床药物反应等方面的应用	利用机器学习算法如朴素贝叶斯、逻辑回归、k-最近邻、决策树、各种提升和集成方法、支持向量机及人工神经网络增强的深度学习，来全面研究药物开发过程中药物候选物的代谢命运	NA	探讨机器学习在药物代谢研究中的应用，以加速药物开发过程并帮助医疗实践	药物代谢及其在药物过量毒性、不良药物反应和药物效能降低中的作用	机器学习	NA	机器学习算法	朴素贝叶斯、逻辑回归、k-最近邻、决策树、提升和集成方法、支持向量机、人工神经网络	药物代谢数据	NA
20048	2024-08-07	ChainLineNet: Deep-Learning-Based Segmentation and Parameterization of Chain Lines in Historical Prints 2021-Jul-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7070120 PMID:39080908	研究论文	提出一种基于深度学习的端到端可训练方法，用于分割和参数化历史印刷品中的链线	使用条件生成对抗网络和多任务损失函数进行链线分割和参数化，并提出一个完全可微分的流水线进行链线坐标估计	NA	实现历史印刷品中链线的自动检测，以替代耗时的手动测量	历史印刷品中的链线	计算机视觉	NA	深度学习	条件生成对抗网络	图像	一个包含高分辨率透射光图像和手动链线坐标标注的历史印刷品数据集
20049	2024-08-07	A Deep Learning Ensemble Method to Assist Cytopathologists in Pap Test Image Classification 2021-Jul-09, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7070111 PMID:39080899	研究论文	本文提出了一种深度学习集成方法，用于辅助细胞病理学家对宫颈涂片图像进行细胞分类	本文采用了10种深度卷积神经网络，并提出了三种最佳架构的集成方法，以提高细胞分类的准确性，并引入了六类分类结果	NA	旨在提高宫颈癌预防测试中细胞分类的准确性，并减轻细胞病理学家的工作负担	宫颈涂片图像中的细胞核	计算机视觉	宫颈癌	深度学习	CNN	图像	实验中使用的数据集来自细胞识别和检查中心（CRIC）的可搜索图像数据库
20050	2024-08-07	How Can a Deep Learning Algorithm Improve Fracture Detection on X-rays in the Emergency Room? 2021-Jun-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7070105 PMID:39080893	研究论文	本研究评估了一种深度学习算法在急诊室中用于常规X光片骨折检测的性能	深度学习算法在急诊室中骨折检测的敏感性和特异性较高，且无需本地数据训练	研究样本量较小，且未涉及算法在不同医院或不同数据集上的泛化能力	探讨深度学习算法在急诊室中骨折检测的应用价值	评估深度学习算法在急诊室中常规X光片骨折检测的性能	计算机视觉	NA	深度学习	NA	图像	125名因肢体创伤就诊于Louis Mourier急诊室的患者
20051	2024-08-07	Exposing Manipulated Photos and Videos in Digital Forensics Analysis 2021-Jun-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7070102 PMID:39080890	研究论文	本文提出了一种基于支持向量机（SVM）的机器学习方法，用于区分真实和伪造的多媒体文件，特别是数字照片和视频，这些文件可能包含深度伪造内容	该方法通过离散傅里叶变换（DFT）提取简单特征，并在5折交叉验证中取得了优于文献中SVM方法的平均F1分数	尽管卷积神经网络（CNN）的表现超过了提出的DFT-SVM复合方法，但DFT-SVM的竞争力结果和显著减少的处理时间使其适合嵌入到Autopsy模块中	开发一种自动化工具，帮助刑事调查人员检测篡改的多媒体内容	真实和伪造的数字照片及视频	计算机视觉	NA	支持向量机（SVM），离散傅里叶变换（DFT）	支持向量机（SVM）	图像，视频	使用了包含合法和伪造照片及视频帧的大型数据集，以及Celeb-DFv1数据集中的590个原始视频
20052	2024-08-07	Breast Cancer Risk Assessment: A Review on Mammography-Based Approaches 2021-Jun-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7060098 PMID:39080886	综述	本文综述了从乳腺X线照片中提取纹理特征并与机器学习算法结合用于评估乳腺癌风险的研究，以及旨在实现相同目标的深度学习方法	机器学习和深度学习方法在风险分析领域提供了有前景的结果，无论是风险分层还是风险评分预测	未来的研究应考虑将这些方法在临床实践中实施的可能性	综述基于乳腺X线照片的乳腺癌风险评估方法	乳腺癌风险评估方法及其在临床实践中的应用	机器学习	乳腺癌	NA	机器学习算法，深度学习方法	乳腺X线照片	NA
20053	2024-08-07	CVDNet: A novel deep learning architecture for detection of coronavirus (Covid-19) from chest x-ray images 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110245 PMID:32921934	研究论文	本文提出了一种名为CVDNet的深度卷积神经网络模型，用于通过胸部X光图像分类COVID-19感染与正常和其他肺炎病例	CVDNet模型采用两个并行层次和不同内核大小来捕捉输入的局部和全局特征	模型在小型数据集上表现良好，但可能需要更多训练数据以进一步提高性能	开发一种低成本且高效的深度学习模型，帮助医疗专业人员快速检测COVID-19并确定感染的严重程度	COVID-19感染的检测与分类	计算机视觉	呼吸系统疾病	深度学习	CNN	图像	包含219例COVID-19、1341例正常和1345例病毒性肺炎的胸部X光图像
20054	2024-08-07	Automatic detection of pulmonary nodules on CT images with YOLOv3: development and evaluation using simulated and patient data 2020-Oct, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-19-883 PMID:33014725	研究论文	本文开发并评估了一种基于YOLOv3卷积神经网络的高效肺结节计算机辅助检测方法，用于CT图像中肺结节的定位和直径估计	该方法采用了YOLOv3算法，具有自动多尺度特征提取器和基于特征的边界框生成器，用于肺结节的特征筛选、定位和直径估计	NA	开发一种高效的肺结节计算机辅助检测方法，用于CT图像中肺结节的定位和直径估计	肺结节在CT图像中的定位和直径估计	计算机视觉	肺部疾病	YOLOv3	CNN	图像	模拟研究中使用了300个CT扫描，患者研究中使用了888个CT图像
20055	2024-08-07	High expression of MKK3 is associated with worse clinical outcomes in African American breast cancer patients 2020-09-01, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-020-02502-w PMID:32873298	研究论文	本研究通过系统分析基因mRNA表达与临床结果的关系，探讨了非洲裔美国乳腺癌患者的生存差异分子基础，并确定了MKK3基因的高表达与更差的临床结果相关。	本研究首次确定了MKK3基因在非洲裔美国乳腺癌患者中的高表达与生存率下降的强相关性，并提出了MKK3-MYC蛋白相互作用作为减少乳腺癌生存种族差异的新治疗靶点。	本研究仅基于TCGA数据库中的乳腺癌患者样本，可能存在样本代表性不足的问题。	探讨非洲裔美国乳腺癌患者的生存差异分子基础，并寻找新的治疗靶点。	非洲裔美国乳腺癌患者及其基因表达与临床结果的关系。	数字病理学	乳腺癌	全卷积深度学习模型	CNN	图像	1055个乳腺癌样本
20056	2024-08-07	Prognostic Modeling of COVID-19 Using Artificial Intelligence in the United Kingdom: Model Development and Validation 2020-08-25, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/20259 PMID:32735549	研究论文	本文利用人工神经网络在英国开发和验证了COVID-19的预后模型	首次开发并验证了适用于确诊SARS-CoV-2患者的预后评分系统	模型仅在单一地点的数据上进行训练和验证	创建一个基于人工神经网络的入院时死亡风险评分系统	确诊SARS-CoV-2的患者	机器学习	COVID-19	人工神经网络	ANN	患者特征数据	398名确诊SARS-CoV-2并入院的患者
20057	2024-08-07	Different scaling of linear models and deep learning in UKBiobank brain images versus machine-learning datasets 2020-08-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-18037-z PMID:32843633	研究论文	本文系统地评估了深度学习、核模型和线性模型在UKBiobank脑部图像数据集上的性能，并与传统的机器学习数据集进行了比较	研究发现，在UKBiobank脑部图像数据集中，简单的线性模型在年龄和性别预测任务上与复杂的深度学习模型表现相当	深度学习和核学习方法在预测典型脑部扫描的常见表型时，其非线性优势未能得到充分利用	探讨不同类型的机器学习模型在不同数据集上的性能表现	UKBiobank脑部图像数据集以及MNIST和Zalando Fashion数据集	机器学习	NA	深度学习	线性模型、核模型、深度学习模型	图像	样本量达到约10,000名受试者时，线性模型的性能仍在提升
20058	2024-08-07	Deep-learning-based image quality enhancement of compressed sensing magnetic resonance imaging of vessel wall: comparison of self-supervised and unsupervised approaches 2020-08-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-69932-w PMID:32811848	研究论文	本文比较了基于自监督学习和无监督学习的深度学习算法在压缩感知磁共振成像（MRI）图像质量增强中的应用	提出了两种适用于非像素对齐临床数据集的深度学习去噪算法：自监督学习和无监督学习	自监督学习在图像噪声和信噪比方面优于无监督学习，但在放射组学特征可重复性方面不如无监督学习	研究如何通过深度学习技术提高压缩感知MRI的图像质量，以减少扫描时间并提高诊断准确性	颅内血管壁的高分辨率质子密度加权MRI图像	计算机视觉	NA	压缩感知MRI	深度学习	图像	NA
20059	2024-08-07	Artificial intelligence for the detection of COVID-19 pneumonia on chest CT using multinational datasets 2020-08-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-17971-2 PMID:32796848	研究论文	本文展示了使用多国数据集训练的深度学习算法在胸部CT扫描中检测COVID-19肺炎的能力	利用AI技术在多国患者数据集上训练的深度学习算法，能够高准确度地区分COVID-19肺炎与其他肺炎	文章未提及具体的局限性	开发和验证用于胸部CT扫描中快速评估和区分COVID-19肺炎的AI算法	COVID-19肺炎的检测与区分	计算机视觉	COVID-19	深度学习	深度学习算法	图像	训练集包含1280名患者，独立测试集包含1337名患者
20060	2024-08-07	The Advent of Generative Chemistry 2020-Aug-13, ACS medicinal chemistry letters IF:3.5Q2 DOI:10.1021/acsmedchemlett.0c00088 PMID:32832015	综述	本文综述了生成对抗网络（GANs）和强化学习（RL）在药物分子设计中的应用及其在生成具有所需性质的新分子方面的最新进展	介绍了GANs和RL在药物分子设计中的应用，旨在更有效地利用数据和更好地探索化学空间	讨论了生成化学这一新兴领域的当前局限性和挑战	回顾生成具有所需性质的新分子的最新进展，并探讨相关技术的应用	生成对抗网络（GANs）、强化学习（RL）及相关技术在药物分子设计中的应用	机器学习	NA	生成对抗网络（GANs）、强化学习（RL）	GAN	分子数据	NA