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	2024-08-05	Improving Automated Hemorrhage Detection at Sparse-View CT via U-Net-based Artifact Reduction 2024-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.230275 PMID:38717293	研究论文	本文探索了基于深度学习的伪影去除对稀疏视角颅脑CT扫描的自动出血检测的潜在益处	采用U-Net模型进行伪影去除显著提高了稀疏视角CT图像的质量和自动出血检测能力	研究为回顾性，样本来源于公共数据库，可能存在选择偏差	改善稀疏视角CT扫描中的自动出血检测性能	对3000名患者的稀疏视角颅脑CT扫描进行伪影去除和出血检测	数字病理学	NA	深度学习，U-Net	U-Net，EfficientNet-B2	图像	3000名患者的稀疏视角颅脑CT扫描和17545名患者的全视角CT数据
20042	2024-08-05	Deep Learning for Breast Cancer Risk Prediction: Application to a Large Representative UK Screening Cohort 2024-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.230431 PMID:38775671	研究论文	开发了一种深度学习人工智能工具，能够根据当前阴性筛查的乳腺X线摄影检查预测未来乳腺癌风险	首次将深度学习模型应用于基于阴性筛查结果的乳腺癌风险预测	排除了伴随植入物的图像及确诊癌症的筛查，可能影响结果的普遍适用性	评估人工智能模型在乳腺癌风险预测中的有效性	来自英国国家健康服务乳腺筛查程序的女性筛查数据	数字病理学	乳腺癌	深度学习	深度学习模型	影像	总体样本量为520,000，其中包括5264个风险阳性和191,488个风险阴性筛查结果
20043	2024-08-05	Future Perspectives of Artificial Intelligence in Bone Marrow Dosimetry and Individualized Radioligand Therapy 2024-Jul, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2024.06.003 PMID:39013673	review	这篇综述提供了人工智能在骨髓剂量测定和个性化放射配体治疗中的未来前景	文章创新性在于提出了将人工智能方法集成到核医学剂量测定中的机会	NA	探讨人工智能在改善骨髓和血液剂量测定准确性中的应用	主要关注于放射配体治疗相关的血液学副作用	NA	NA	机器学习和深度学习算法	NA	NA	NA
20044	2024-08-07	Vision Transformer-based Deep Learning Models Accelerate Further Research for Predicting Neurosurgical Intervention 2024-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.240117 PMID:38864744	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20045	2024-08-07	InstaCovNet-19: A deep learning classification model for the detection of COVID-19 patients using Chest X-ray 2021-Feb, Applied soft computing IF:7.2Q1 DOI:10.1016/j.asoc.2020.106859 PMID:33162872	研究论文	提出了一种名为InstaCovNet-19的深度学习模型，用于通过胸部X光图像检测COVID-19患者	使用多种预训练模型如ResNet101、Xception、InceptionV3、MobileNet和NASNet，以弥补训练数据量相对较小的不足	未提及具体限制	开发一种高精度的深度学习模型，用于自动检测COVID-19	COVID-19、肺炎和正常胸部X光图像的分类	计算机视觉	COVID-19	深度学习	深度卷积网络	图像	用于三类分类的3个类别（COVID-19、肺炎、正常）和用于二类分类的2个类别（COVID、非COVID）
20046	2024-08-07	Epicardial adipose tissue is associated with extent of pneumonia and adverse outcomes in patients with COVID-19 2021-02, Metabolism: clinical and experimental DOI:10.1016/j.metabol.2020.154436 PMID:33221381	研究论文	本研究旨在探讨心包脂肪组织（EAT）在胸部计算机断层扫描（CT）中的量化与COVID-19患者肺炎程度及不良预后的关联	首次研究了EAT在COVID-19患者中的量化与肺炎程度及不良预后的独立关联	本研究为回顾性分析，样本量相对较小，可能影响结果的普遍性	探究EAT与COVID-19患者肺炎程度及不良预后的关联	COVID-19患者的心包脂肪组织（EAT）及其与肺炎程度和不良预后的关系	数字病理学	COVID-19	胸部计算机断层扫描（CT）	深度学习软件	图像	109名实验室确诊的COVID-19患者
20047	2024-08-07	Deep learning networks reflect cytoarchitectonic features used in brain mapping 2020-12-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-78638-y PMID:33328511	研究论文	研究深度卷积神经网络在皮质细胞构筑脑图中的应用，并分析其与传统细胞构筑特征的相似性	提出深度学习方法作为现有细胞构筑映射方法的替代方案，并验证其在高吞吐量细胞构筑映射工作流程中的有效性	缺乏对深度学习网络遵循细胞构筑原则程度的深入理解	探究深度卷积神经网络的内部结构如何反映传统的细胞构筑特征	深度卷积神经网络的过滤器激活与传统细胞构筑特征的相似性	计算机视觉	NA	深度学习	CNN	图像	涉及初级和次级视觉皮质的分割
20048	2024-08-07	A deep learning approach for identifying cancer survivors living with post-traumatic stress disorder on Twitter 2020-12-14, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-020-01272-1 PMID:33317508	研究论文	本文提出了一种使用深度学习方法在Twitter上识别患有创伤后应激障碍（PTSD）的癌症幸存者	利用卷积神经网络（CNN）自动识别Twitter上癌症幸存者发布的与PTSD相关的推文，提高了识别效率	Twitter上的推文可能包含噪音和真实信息，手动识别真实推文成本高且耗时	开发一种有效的方法来识别社交媒体上表达PTSD情绪的癌症幸存者	癌症幸存者及其在Twitter上表达的PTSD情绪	机器学习	NA	卷积神经网络（CNN）	CNN	文本	使用癌症相关关键词过滤的推文
20049	2024-08-07	Identification of Sleep Apnea Severity Based on Deep Learning from a Short-term Normal ECG 2020-Dec-07, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2020.35.e399 PMID:33289367	研究论文	本文提出了一种基于深度学习从短期正常心电图信号自动识别睡眠呼吸暂停（SA）严重程度的新方法	利用卷积神经网络（CNN）从短期正常心电图信号中精确识别睡眠呼吸暂停的严重程度	NA	自动识别睡眠呼吸暂停的严重程度	睡眠呼吸暂停的严重程度	机器学习	睡眠呼吸暂停	卷积神经网络（CNN）	CNN	心电图信号	共研究了144名受试者，训练集包含82,952个30秒的片段，测试集包含20,738个片段
20050	2024-08-07	Deep convolutional neural networks: Outperforming established algorithms in the evaluation of industrial optical coherence tomography (OCT) images of pharmaceutical coatings 2020-Dec, International journal of pharmaceutics: X DOI:10.1016/j.ijpx.2020.100058 PMID:33294841	研究论文	本文提出了一种基于深度卷积神经网络（CNN）的药物固体剂型光学相干断层扫描（OCT）图像分析新方法	该方法在性能基准上优于现有的静态算法，并代表了实时评估工业OCT图像数据的下一个级别	NA	验证深度卷积神经网络在药物涂层OCT图像评估中的有效性	药物涂层片剂和单层及多层颗粒的OCT图像	计算机视觉	NA	光学相干断层扫描（OCT）	CNN	图像	涉及药物涂层片剂和单层及多层颗粒的图像数据
20051	2024-08-07	Delimiting cryptic morphological variation among human malaria vector species using convolutional neural networks 2020-12, PLoS neglected tropical diseases IF:3.4Q1 DOI:10.1371/journal.pntd.0008904 PMID:33332415	研究论文	本文利用卷积神经网络（CNN）对来自五个地理区域的16个蚊子品系和物种的1,709张成年蚊子图像进行自动分类，以证明其可行性	本文首次应用CNN技术于蚊子图像分类，成功区分了形态上难以区分的隐秘物种	NA	探索使用深度学习方法区分图像类别，特别是在蚊子物种识别中的应用	蚊子物种及其品系的自动分类	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	1,709张成年蚊子图像，来自16个蚊子品系和物种，源自五个地理区域
20052	2024-08-07	Deep learning toolbox for automated enhancement, segmentation, and graphing of cortical optical coherence tomography microangiograms 2020-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.405763 PMID:33409000	研究论文	本文提出了一套基于卷积神经网络（CNN）的深度学习方法，用于自动增强、分割和填补光学相干断层扫描血管造影（OCTA）图像中的空隙，特别是来自啮齿动物皮层的图像，并提供了一种骨架化分割OCTA和提取底层血管图的策略	本文的创新点在于开发了一套深度学习工具，能够自动处理OCTA图像中的增强、分割和空隙填补问题，并提取血管图，从而实现对血管结构属性的定量评估	NA	旨在解决从3D OCTA图像中客观量化血管结构属性的挑战	OCTA图像，特别是来自啮齿动物皮层的图像	计算机视觉	NA	光学相干断层扫描血管造影（OCTA）	卷积神经网络（CNN）	图像	NA
20053	2024-08-07	Classification and Detection of Breathing Patterns with Wearable Sensors and Deep Learning 2020-Nov-13, Sensors (Basel, Switzerland) DOI:10.3390/s20226481 PMID:33202857	研究论文	本研究开发了一种非侵入式呼吸模式分析系统，利用可穿戴传感器和深度学习技术自动检测临床上有意义的呼吸模式	本研究通过构建合成数据集并使用一维卷积神经网络，实现了对不同呼吸事件的高精度检测和分类	本研究仅在模拟的正常志愿者中进行了测试，实际应用中可能需要进一步验证	开发一种能够快速评估呼吸模式的技术，以应对紧急医疗情况	研究对象为100名模拟各种呼吸事件的正常志愿者	机器学习	NA	一维卷积神经网络	CNN	加速度计和陀螺仪数据	100名正常志愿者
20054	2024-08-07	AK-Score: Accurate Protein-Ligand Binding Affinity Prediction Using an Ensemble of 3D-Convolutional Neural Networks 2020-Nov-10, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms21228424 PMID:33182567	研究论文	本文开发了一种新的神经网络模型AK-Score，用于预测蛋白质-配体复合物的结合亲和力，该模型使用多个独立训练的3D卷积神经网络的集成	AK-Score模型的Pearson相关系数为0.827，高于现有最先进的结合亲和力预测评分函数	NA	提高蛋白质-配体结合亲和力的预测准确性，以促进理性药物设计	蛋白质-配体复合物的结合亲和力	机器学习	NA	3D卷积神经网络	CNN	结构数据	训练集包含3772个蛋白质-配体复合物，测试集包含285个复合物
20055	2024-08-07	Reimagining T Staging Through Artificial Intelligence and Machine Learning Image Processing Approaches in Digital Pathology 2020-11, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.20.00110 PMID:33166198	研究论文	本文讨论了人工智能和机器学习在数字病理学中用于疾病预后、肿瘤基因组和分子改变预测以及治疗反应预测的应用	人工智能方法有望克服传统TNM分期和肿瘤分级方法的局限性，提供独立于肿瘤阶段和级别的直接预后预测	文章提到了验证、解释性和报销等方面的潜在挑战，这些需要在广泛临床部署之前得到解决	探讨人工智能在数字病理学和肿瘤学中的应用及其未来机会	数字病理学中的疾病预后、肿瘤基因组和分子改变预测以及治疗反应预测	数字病理学	NA	人工智能 (AI), 机器学习 (ML)	深度学习 (DL)	图像	NA
20056	2024-08-07	Rapid tissue oxygenation mapping from snapshot structured-light images with adversarial deep learning 2020-11, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.25.11.112907 PMID:33251783	research paper	本文介绍了一种名为OxyGAN的数据驱动、内容感知方法，用于直接从单个结构光图像估计组织氧合情况	OxyGAN使用监督生成对抗网络，能够从单个结构光图像中快速且准确地估计组织氧合情况，且处理速度比以往工作快约10倍	NA	开发一种快速且准确的方法来估计组织氧合情况，以支持多种临床应用	人体食道、手、脚以及猪结肠的组织氧合情况	machine learning	NA	空间频率域成像(SFDI)	生成对抗网络(GAN)	图像	包括人体食道、手、脚以及猪结肠的样本
20057	2024-08-07	Towards label-free 3D segmentation of optical coherence tomography images of the optic nerve head using deep learning 2020-Nov-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.395934 PMID:33282495	研究论文	本文提出了一种基于深度学习的无标签3D分割框架，用于光学相干断层扫描（OCT）图像中视神经头（ONH）的分割，无需手动重新分割数据即可跨设备应用。	该研究创新性地开发了两种深度学习网络：'增强器'用于提高OCT图像质量和统一图像特征，'ONH-Net'用于3D分割6种ONH组织，实现了跨设备的高性能分割。	目前该方法的临床应用受限于其设备特定性和准备手动分割数据（训练数据）的难度。	旨在开发一种易于跨OCT设备应用的深度学习3D分割框架，无需手动分割数据。	研究对象为光学相干断层扫描图像中的视神经头组织。	计算机视觉	NA	深度学习	CNN	图像	涉及三种不同设备的OCT图像
20058	2024-08-07	Beyond K-complex binary scoring during sleep: probabilistic classification using deep learning 2020-10-13, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaa077 PMID:32301485	研究论文	本文提出了一种基于深度神经网络和高斯过程的算法，用于自动分类K复合波（KCs），这是一种睡眠阶段2的脑电图标志	该算法采用概率分类方法，能够给出输入波形是K复合波的概率，从0%到100%，并且表现优于现有的K复合波评分算法	NA	开发一种自动化的概率K复合波分类算法，以更深入地探索睡眠中K复合波与临床结果之间的关系	K复合波的自动分类	机器学习	NA	深度神经网络和高斯过程	深度神经网络	脑电图数据	训练数据包括来自19名健康年轻参与者的手动评分睡眠阶段2的K复合波，以及来自克利夫兰家庭研究的700个独立记录
20059	2024-08-07	A deep learning approach to detect Covid-19 coronavirus with X-Ray images 2020 Oct-Dec, Biocybernetics and biomedical engineering IF:5.3Q1 DOI:10.1016/j.bbe.2020.08.008 PMID:32921862	研究论文	本文提出了一种利用X射线图像和深度学习技术检测COVID-19冠状病毒的诊断方法	该研究通过数据增强和两阶段深度网络设计，提高了模型的泛化能力和分类准确性	NA	开发一种快速准确的COVID-19检测方法，以应对全球病例增加和检测试剂盒有限的挑战	COVID-19冠状病毒的检测	计算机视觉	COVID-19	深度学习	深度网络	图像	1832张X射线图像
20060	2024-08-07	DeepSEED: 3D Squeeze-and-Excitation Encoder-Decoder Convolutional Neural Networks for Pulmonary Nodule Detection 2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI45749.2020.9098317 PMID:33250956	研究论文	本文提出了一种新的3D卷积神经网络DeepSEED，用于肺结节检测，结合编码器-解码器结构和区域提议网络，使用动态缩放的交叉熵损失来减少假阳性率并解决样本不平衡问题	引入了动态缩放的交叉熵损失和挤压-激励结构来学习有效的图像特征，并利用不同特征图之间的相互依赖信息	NA	提高肺结节检测的深度学习模型的泛化性能	肺结节	计算机视觉	肺癌	低剂量计算机断层扫描（CT）	3D卷积神经网络	CT扫描图像	基于LIDC/IDRI数据集及其子集LUNA16的手动标记真实数据