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
21201	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
21202	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
21203	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
21204	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
21205	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
21206	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
21207	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
21208	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
21209	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
21210	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
21211	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
21212	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
21213	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
21214	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）
21215	2024-08-04	Attention-enhanced dilated convolution for Parkinson's disease detection using transcranial sonography 2024-Jul-31, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-024-01265-5 PMID:39085884	研究论文	本文介绍了一种增强注意力的膨胀卷积方法，旨在通过经颅超声检测帕金森病	提出了一种名为AMSNet的深度学习残差网络模型，通过注意力机制和多尺度特征提取来提高诊断精度	尚未讨论现有方法在实际临床应用中的限制和挑战	开发一种新方法以提高经颅超声对帕金森病的诊断准确性	包含来自1109名参与者的经颅超声图像及个人数据	数字病理学	帕金森病	深度学习	残差网络	图像	1109个参与者的经颅超声图像
21216	2024-08-04	Mixed T-domain and TF-domain Magnitude and Phase representations for GAN-based speech enhancement 2024-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68708-w PMID:39085424	研究论文	本文提出了一种名为 M-DGAN 的新方法，通过在时间-频率生成框架中引入时间域编码器-解码器结构以提高语音增强效果	提出了一种新的生成器结构，结合了混合的时间域和时间-频率域的幅度和相位表示	未提及具体的限制	提升在嘈杂条件下的语音信号质量	针对语音增强任务进行的模型测试	深度学习	NA	NA	混合生成对抗网络	音频	使用了 Voice Bank + DEMAND 公共数据集及 NISQA_TEST_LIVETALK 实际数据集进行测试
21217	2024-08-04	CT-based deep learning radiomics biomarker for programmed cell death ligand 1 expression in non-small cell lung cancer 2024-Jul-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01380-8 PMID:39085788	研究论文	该文章探讨了基于CT的深度学习放射组学特征在非小细胞肺癌中预测PD-L1表达的价值	提出了一种新的CT基于深度学习的放射组学生物标志物，能够有效预测非小细胞肺癌中的PD-L1表达	在验证队列中的表现相对较低，提示临床应用可能有限	研究CT图像中深度学习放射组学特征在预测非小细胞肺癌PD-L1表达中的价值	259名病理学确认的非小细胞肺癌患者	数字病理学	肺癌	深度学习，放射组学	NA	CT图像	259名患者
21218	2024-08-04	DGCPPISP: a PPI site prediction model based on dynamic graph convolutional network and two-stage transfer learning 2024-Jul-31, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05864-w PMID:39085781	研究论文	本文提出了一种基于动态图卷积神经网络和两阶段迁移学习的新型PPI位点预测模型DGCPPISP	采用双重视角进行迁移学习，从特征输入和模型训练方面为模型提供有效的先验知识	方法的局限性在于深度学习算法在PPI位点预测中的提升性能仍面临挑战	提升PPI位点预测的准确性	针对蛋白质中的PPI位点进行预测	计算机视觉	NA	动态图卷积神经网络	NA	数据集	使用了两个基准数据集进行性能评估
21219	2024-08-04	Improving the performance of deep learning models in predicting and classifying gamma passing rates with discriminative features and a class balancing technique: a retrospective cohort study 2024-Jul-31, Radiation oncology (London, England) DOI:10.1186/s13014-024-02496-5 PMID:39085872	研究论文	本文旨在通过使用与机器参数相关的输入特征和类平衡技术来提高深度学习模型在IMRT伽玛通过率预测与分类中的性能	提出了一种新的加权均方误差损失函数，能够在通过和未通过场的预测准确性之间取得平衡	可能无法全面评估所有影响因素，仅基于收集的数据集进行分析	提高深度学习模型的预测和分类性能，特别是针对鼻咽癌患者的IMRT伽玛通过率	分析来自204个鼻咽癌患者的2348个IMRT计划场的历史数据	机器学习	鼻咽癌	深度学习	UNet++	数值数据	2348个场
21220	2024-08-04	Pyramid diffractive optical networks for unidirectional image magnification and demagnification 2024-Jul-31, Light, science & applications DOI:10.1038/s41377-024-01543-w PMID:39085224	研究论文	本文展示了一种专为单向图像放大和缩小设计的金字塔结构衍射光学网络。	该设计通过金字塔缩放衍射层，仅在一个方向实现高保真度的图像放大或缩小，同时抑制反方向的图像形成。	尽管可以在不同波长下操作，但该设计是在单一波长下训练的，可能限制了其适用性。	研究旨在实现一种新型的单向图像处理策略。	主要研究金字塔结构的衍射深度神经网络（P-DNN）在图像放大和缩小中的应用。	计算机视觉	NA	衍射深度神经网络	NA	图像	通过实验验证了多个单向P-DNN模块的有效性