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
20101	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
20102	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
20103	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
20104	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
20105	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
20106	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
20107	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
20108	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
20109	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
20110	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
20111	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
20112	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
20113	2024-08-07	Real-time plant health assessment via implementing cloud-based scalable transfer learning on AWS DeepLens 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0243243 PMID:33332376	研究论文	本文通过在AWS DeepLens上实施基于云的可扩展迁移学习，实现了对果树和蔬菜植物叶病的实时自动检测和分类	提出的DeepLens分类和检测模型（DCDM）解决了以往机器学习模型在硬件要求高、可扩展性有限和实际使用效率低下的问题	NA	旨在通过自动化识别和分类植物叶病，减少经济损失并保护特定植物物种	果树（苹果、葡萄、桃和草莓）和蔬菜植物（土豆和番茄）的叶病	机器学习	NA	迁移学习	深度学习模型	图像	训练使用了四万张图像，评估使用了十万张图像
20114	2024-08-07	A deep learning backcasting approach to the electrolyte, metabolite, and acid-base parameters that predict risk in ICU patients 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0242878 PMID:33332413	研究论文	本研究通过深度学习回溯方法，利用电解质、代谢物和酸碱参数，预测ICU患者的风险	采用深度学习回溯方法，提高了对ICU患者生理不稳定性发展的早期识别和决策能力	研究为回顾性分析，未来需在前瞻性研究中验证模型的有效性	提高对ICU患者风险恶化的识别能力	ICU患者的电解质、代谢物和酸碱参数	机器学习	NA	深度学习	深度学习模型	数值数据	5157名成年ICU患者
20115	2024-08-04	Biological reinforcement learning simulation for natural enemy -host behavior: Exploring deep learning algorithms for population dynamics 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102845 PMID:39092273	研究论文	本研究介绍了一种生物强化学习模拟，用于探索自然敌人在宿主害虫存在下的行为	创新点在于利用Q学习算法模拟寄生生物/捕食者与害虫的决策过程，分析它们之间的种群动态	模拟参数是随意设置的，可能影响结果的普遍适用性	研究的目的是分析自然敌人与害虫之间的种群动态	研究对象为寄生生物/捕食者与害虫的交互	生态学	NA	Q学习	NA	模拟数据	多个回合的蚜虫-瓢虫交互案例
20116	2024-08-05	Clinical evaluation of deep learning and atlas-based auto-segmentation for organs at risk delineation 2024 Autumn, Medical dosimetry : official journal of the American Association of Medical Dosimetrists IF:1.1Q3 DOI:10.1016/j.meddos.2023.11.002 PMID:38061916	研究论文	本研究评估了基于深度学习的自动分割技术在癌症不同解剖部位勾画中的临床效果	深度学习自动分割算法在几何指数上比传统的基于地图的自动分割算法更为准确，并显著缩短了轮廓编辑时间	研究样本数量较小，仅涉及四种癌症类型	评估自动分割技术对放射治疗临床工作流的影响	研究对象为30名头颈、乳腺、腹部和前列腺癌患者	医学影像分割	癌症	深度学习自动分割	NA	图像	共120名患者，四种不同类型癌症各30名
20117	2024-08-04	Automated early detection of acute retinal necrosis from ultra-widefield color fundus photography using deep learning 2024-Aug-01, Eye and vision (London, England) DOI:10.1186/s40662-024-00396-z PMID:39085922	研究论文	本研究开发了一种深度学习框架，以自动检测急性视网膜坏死（ARN）	引入了名为DeepDrARN的深度学习模型，能够有效区分ARN和其他类型的葡萄膜炎	本研究仅限于两中心的回顾性研究，可能存在样本偏倚	旨在通过超广角彩色眼底摄影，实现ARN的早期自动检测	使用11,508幅来自1,112名参与者的超广角彩色眼底摄影图像	数字病理学	NA	深度学习	DeepDrARN	图像	11,508幅超广角彩色眼底摄影图像
20118	2024-08-05	Assessment of image quality and diagnostic accuracy for cervical spondylosis using T2w-STIR sequence with a deep learning-based reconstruction approach 2024-Aug, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08409-0 PMID:39007984	研究论文	本研究探讨了通过深度学习重建处理提高颈椎MRI图像质量和诊断准确性。	提出了一种基于深度学习重建的处理方法以进一步提升3.0 T颈椎MRI图像的品质	未能在不同序列的诊断和分级方面发现显著统计差异	旨在通过深度学习技术提升颈椎MRI的图像质量和诊断效果	对71名志愿者的颈椎MRI图像进行评估，比较传统图像和深度学习重建后的图像	医学影像学	NA	深度学习重建(DLR)	NA	图像	71个颈椎MRI图像样本
20119	2024-08-05	Deciphering the Feature Representation of Deep Neural Networks for High-Performance AI 2024-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3363642 PMID:38373137	研究论文	本文开发了一种名为对比特征分析（CFA）的计算框架，以探索深度神经网络（DNN）的特征空间并提高人工智能的性能	提出了一种新颖的数据驱动内核构建策略，改善了传统方法的局限性，使得特征数据的分析变得更加可靠	目前的特征提取技术在应对噪声数据和复杂结构时仍存在挑战	研究深度神经网络中的特征提取及其对人工智能性能的影响	主要集中于深度神经网络的特征空间及其分析	机器学习	NA	对比特征分析（CFA）	深度神经网络（DNN）	特征数据	使用多个最先进的网络和多个经过良好注释的数据集
20120	2024-08-05	Development and validation of a predictive model for vertebral fracture risk in osteoporosis patients 2024-Aug, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08235-4 PMID:38955868	研究论文	本研究旨在开发和验证一个针对骨质疏松患者椎体骨折风险的预测模型	通过整合人口统计学、骨密度、CT成像和深度学习放射组学特征，提出了一种新颖的综合预测模型	NA	研究旨在评估骨质疏松患者椎体骨折风险的预测能力	169名确诊为骨质疏松的患者	数字病理学	骨质疏松	深度转移学习（DTL）	Cox比例风险模型	CT图像	169名患者（椎体骨折组77名，非骨折组92名）