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
21701	2024-08-11	Artificial Intelligence in Stroke Imaging: A Comprehensive Review 2023-Dec-29, The Eurasian journal of medicine DOI:10.5152/eurasianjmed.2023.23347 PMID:39109827	综述	本文全面回顾了人工智能在脑卒中影像学中的应用	介绍了多种人工智能方法在脑卒中管理中的应用，包括经典机器学习工具和深度学习模型	构建无偏模型需要收集大量、多样且高质量的数据，并确保训练和测试数据分布相似	探讨人工智能技术在脑卒中影像学中的应用及其对临床实践的影响	脑卒中影像学及其在临床管理中的应用	计算机视觉	脑血管疾病	NA	支持向量机、随机森林、逻辑回归、线性判别分析、卷积神经网络、循环神经网络、自编码器、U-Net	医学图像	NA
21702	2024-08-11	Performance of alternative manual and automated deep learning segmentation techniques for the prediction of benign and malignant lung nodules 2023-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.4.044006 PMID:37564098	研究论文	本文评估了放射性活检（RB）、最佳拟合边界框（BB）和基于深度学习的分割方法no-new-U-Net（nnU-Net）与标准全手动（FM）分割方法在预测良性与恶性肺结节方面的性能。	本文引入了基于深度学习的分割方法nnU-Net，并与传统的放射性活检和最佳拟合边界框方法进行了比较。	需要进一步验证RB方法的效率，并且深度学习分割方法的性能与FM和BB方法相似。	评估不同分割技术在预测肺结节良恶性方面的性能。	肺结节的分割技术和预测模型。	计算机视觉	肺部疾病	CT扫描	nnU-Net	影像数据	188个CT扫描数据
21703	2024-08-11	Visual analysis of image-guided radiation therapy based on bibliometrics: A review 2023-Feb-22, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000032989 PMID:36827068	综述	本研究利用文献计量方法，分析了1987年至2021年间Web of Science收录的6407篇关于图像引导放射治疗（IGRT）的论文，揭示了IGRT的研究现状、热点和发展趋势	首次对IGRT研究进行全面的文献计量分析，展示了该领域的研究成熟度和成果	NA	揭示图像引导放射治疗的研究现状和未来趋势	图像引导放射治疗技术及其相关研究	医学影像	NA	文献计量方法	NA	文本	6407篇论文
21704	2024-08-11	Medical education and training within congenital cardiology: current global status and future directions in a post COVID-19 world 2022-Feb, Cardiology in the young IF:0.9Q3 DOI:10.1017/S1047951121001645 PMID:33843546	综述	本文综述了先天性心脏病学领域内医学教育和培训的当前状态及未来发展方向，特别是在后COVID-19时代。	提出了将可信专业活动作为解决能力框架与临床实践之间差距的方案，并探讨了利用技术创新学习改善教育的可能性。	不同地区能力框架的不一致性以及将这些框架与临床实践结合的挑战仍然存在。	探讨和改进先天性心脏病学领域的医学教育和培训方法。	先天性心脏病学领域的医学教育及培训方法。	NA	先天性心脏病	NA	NA	NA	NA
21705	2024-08-11	Super.FELT: supervised feature extraction learning using triplet loss for drug response prediction with multi-omics data 2021-May-25, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04146-z PMID:34034645	研究论文	本研究提出了一种名为Super.FELT的新方法，利用三元组损失的监督特征提取学习来预测药物反应，并有效降低多组学数据的高维度	Super.FELT通过三个阶段（特征选择、特征编码和药物反应二分类）实现了比其他方法更好的性能，特别是在PDX和TCGA的外部验证中	NA	开发一种新的方法，利用监督深度学习模型有效降低多组学数据的高维度，以提高药物反应预测的准确性	使用多组学数据（包括突变、拷贝数变异和基因表达）来预测药物反应	机器学习	NA	三元组损失	监督深度学习模型	多组学数据	使用了来自GDSC、CCLE、CTRP、PDX和TCGA的数据集
21706	2024-08-11	Deep learning for large scale MRI-based morphological phenotyping of osteoarthritis 2021-05-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-90292-6 PMID:34035386	研究论文	本研究利用深度学习技术对大规模MRI数据进行基于形态学的骨关节炎表型分类	首次使用卷积神经网络对膝关节MRI图像中的骨、半月板/软骨、炎症和肥大表型进行分类，并评估其与骨关节炎发生和发展的关联	NA	旨在通过MRI图像的形态学表型分类，预测骨关节炎的未来发生情况，从而改进治疗药物的纳入标准和疗效	膝关节MRI图像中的骨、半月板/软骨、炎症和肥大表型	机器学习	骨关节炎	卷积神经网络	CNN	图像	4791名参与者的膝关节MRI数据
21707	2024-08-11	Understanding Public Perceptions of COVID-19 Contact Tracing Apps: Artificial Intelligence-Enabled Social Media Analysis 2021-05-17, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/26618 PMID:33939622	研究论文	本研究通过人工智能驱动的社交媒体分析，探讨了英国公众对COVID-19接触追踪应用的看法	采用混合规则集成的模型，结合了先进的基于词典规则和深度学习方法	NA	探索人工智能驱动的社交媒体分析在理解公众对COVID-19接触追踪应用看法方面的适用性	公众对COVID-19接触追踪应用的态度	自然语言处理	NA	人工智能	混合规则集成模型	文本	超过10,000条相关社交媒体帖子
21708	2024-08-11	Detecting the pulmonary trunk in CT scout views using deep learning 2021-05-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-89647-w PMID:33986402	研究论文	本文通过深度学习方法自动定位CT scout视图中的肺动脉主干区域	使用U-Net模型自动定位肺动脉主干区域，其准确度与放射技师相当	NA	自动化CT scout视图中肺动脉主干的定位任务	CT scout视图中的肺动脉主干区域	计算机视觉	NA	深度学习	U-Net	图像	620个CT scout视图，来自563名患者
21709	2024-08-11	Artificial intelligence in detecting temporomandibular joint osteoarthritis on orthopantomogram 2021-05-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-89742-y PMID:33986459	研究论文	本研究旨在开发一种人工智能模型，用于通过正交平片检测颞下颌关节骨关节炎，并与口腔颌面放射专家的诊断性能进行比较	研究通过重新分类不确定的骨关节炎图像，提高了人工智能模型的诊断准确性，使其与专家的诊断性能相当	初始模型在处理三种分类时表现不佳，需要通过重新分类来改善性能	开发和评估人工智能模型在颞下颌关节骨关节炎诊断中的应用	颞下颌关节骨关节炎的诊断	计算机视觉	颞下颌关节骨关节炎	深度学习	ResNet	图像	1189张正交平片图像
21710	2024-08-11	AI-assisted superresolution cosmological simulations 2021-05-11, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2022038118 PMID:33947816	研究论文	本文利用人工智能（特别是深度学习）技术，通过神经网络从高分辨率图像数据中学习，并生成低分辨率宇宙学N体模拟的超分辨率版本	本文首次将深度学习技术应用于宇宙学N体模拟，生成高分辨率模拟，能够增强模拟分辨率并预测粒子位移	NA	利用人工智能技术提高宇宙学模拟的分辨率	宇宙学N体模拟	机器学习	NA	深度学习	神经网络	图像	16对小体积低分辨率-高分辨率模拟
21711	2024-08-11	Synaptic metaplasticity in binarized neural networks 2021-05-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-22768-y PMID:33953183	研究论文	本文研究了二值化神经网络中的突触可塑性，提出了一种新的训练技术以减轻灾难性遗忘问题	将二值化神经网络的隐藏权重解释为可塑性变量，并提出了一种新的训练技术，无需先前数据或数据集之间的正式边界即可减少灾难性遗忘	NA	探索神经科学中的可塑性行为如何应用于深度神经网络以减轻灾难性遗忘	二值化神经网络及其在多任务和流学习中的应用	机器学习	NA	NA	二值化神经网络	NA	NA
21712	2024-08-11	Deep learning for gradability classification of handheld, non-mydriatic retinal images 2021-05-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-89027-4 PMID:33947946	研究论文	本文研究使用深度学习技术对非散瞳手持式视网膜图像的可分级性进行分类	提出了一种紧凑型深度学习模型，用于在采集阶段预测视网膜图像的可分级性，以提高可分级图像的比例和糖尿病视网膜病变（STDR）的检测率	NA	旨在提高非临床环境下使用手持设备采集的视网膜图像的可分级性，从而提高STDR的检测	非散瞳手持式视网膜图像的可分级性	计算机视觉	糖尿病视网膜病变	深度学习（DL）	紧凑型深度学习模型	图像	从18,277名患者眼中采集的40,126张图像中，有16,170名患者眼（35,319张图像）符合条件，并从中抽取了3261张视网膜图像（1490名患者眼）进行标记
21713	2024-08-11	Simulation-to-real domain adaptation with teacher-student learning for endoscopic instrument segmentation 2021-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-021-02383-4 PMID:33982232	研究论文	本文介绍了一种基于教师-学生学习方法的模拟到真实域适应技术，用于内窥镜手术器械分割	提出了一种教师-学生学习方法，联合学习标注的模拟数据和未标注的真实数据，以解决模拟到真实无监督域适应问题	文章未明确提及具体的局限性	旨在提高内窥镜手术器械分割的自动化水平，减少对临床专家手动标注的依赖	内窥镜视频流中的手术器械分割	计算机视觉	NA	教师-学生学习方法	NA	视频	涉及三个数据集
21714	2024-08-11	Model Simplification of Deep Random Forest for Real-Time Applications of Various Sensor Data 2021-Apr-25, Sensors (Basel, Switzerland) DOI:10.3390/s21093004 PMID:33922953	研究论文	本文提出了一种新的方法来简化深度随机森林（DRF）的黑盒模型，通过提出的规则消除方法来量化特征贡献和频率，从而实现模型简化。	本文的创新点在于提出了一种新的规则消除方法，通过量化特征贡献和频率来简化深度随机森林模型，使其参数和规则数量减少，同时保持了较高的分类准确性。	NA	研究目的是简化深度随机森林模型，提高其实时应用的性能和效率。	研究对象是深度随机森林模型及其在各种传感器数据实时应用中的表现。	机器学习	NA	深度随机森林（DRF）	深度随机森林（DRF）	传感器数据	使用基准传感器数据集进行验证
21715	2024-08-11	Automatic Pest Counting from Pheromone Trap Images Using Deep Learning Object Detectors for Matsucoccus thunbergianae Monitoring 2021-Apr-12, Insects IF:2.7Q1 DOI:10.3390/insects12040342 PMID:33921492	研究论文	本研究提出了一种基于深度学习的自动计数算法，用于从诱捕器图像中监测松黑松小蠹的发生和种群数量	研究采用了图像裁剪方法以成功检测图像中的小物体，并评估了16种模型在不同条件下的检测和计数性能	未提及具体限制	开发一种基于人工智能的自动计数方法，用于持续且准确地监测害虫	松黑松小蠹	计算机视觉	NA	深度学习	目标检测模型	图像	使用了在实地收集的诱捕器图像进行训练、验证和测试
21716	2024-08-11	Computational tissue staining of non-linear multimodal imaging using supervised and unsupervised deep learning 2021-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.415962 PMID:33996229	研究论文	本文提出了一种使用监督和非监督深度学习模型对非线性多模态成像进行计算染色的方法	首次使用生成对抗网络（GANs）在非监督方式下对非线性多模态图像进行计算染色	NA	开发一种无需实验室染色过程的诊断应用计算染色技术	非线性多模态成像与H&E染色图像的相关性	数字病理学	NA	非线性多模态成像	生成对抗网络（GAN）	图像	NA
21717	2024-08-11	Application of artificial intelligence in digital chest radiography reading for pulmonary tuberculosis screening 2021-Mar, Chronic diseases and translational medicine DOI:10.1016/j.cdtm.2021.02.001 PMID:34013178	研究论文	本文探讨了人工智能在数字胸部X光片阅读中用于肺结核筛查的应用	结合人工智能和大量医学图像，为计算机辅助检测系统在医学应用中的建立提供了新的机会，特别是在深度学习技术时代	NA	研究人工智能在肺结核筛查中的应用	肺结核的筛查和诊断	计算机视觉	肺结核	深度学习	NA	图像	NA
21718	2024-08-11	RUN-UP: Accelerated multishot diffusion-weighted MRI reconstruction using an unrolled network with U-Net as priors 2021-02, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28446 PMID:32783339	研究论文	本文提出了一种使用展开网络和U-Net先验的加速多重扩散加权磁共振成像（MRI）重建方法	该方法通过深度学习实现了多重扩散加权MRI重建的加速和改进，重建时间缩短至0.1秒每图像，图像质量与联合重建目标相当	NA	加速和改进多重扩散加权MRI重建	多重扩散加权MRI重建	计算机视觉	NA	MRI	U-Net	图像	体内脑和乳腺实验
21719	2024-08-11	Development and Validation of a Nomogram for Preoperative Prediction of Lymph Node Metastasis in Lung Adenocarcinoma Based on Radiomics Signature and Deep Learning Signature 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.585942 PMID:33968715	研究论文	本研究旨在开发和验证一种基于放射组学特征和深度学习特征的诺模图，用于预测肺腺癌患者的术前淋巴结转移情况	本研究结合放射组学特征和深度学习特征，开发了一种新的预测模型，用于术前预测肺腺癌患者的淋巴结转移情况	本研究为回顾性研究，样本量相对较小，可能影响模型的泛化能力	开发和验证一种用于预测肺腺癌患者术前淋巴结转移的诺模图	肺腺癌患者的术前淋巴结转移情况	数字病理学	肺癌	CT（计算机断层扫描）	CNN（卷积神经网络）	图像	训练集200例，内部验证集40例，外部验证集60例
21720	2024-08-11	Characterization of time-variant and time-invariant assessment of suicidality on Reddit using C-SSRS 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0250448 PMID:33999927	研究论文	本研究开发深度学习算法，基于C-SSRS评估Reddit数据中的自杀风险，考虑了风险的严重性和时间性	首次同时考虑自杀风险的严重性和时间性，并开发了时间变异和时间不变的深度学习模型进行评估	研究仅限于Reddit平台的数据，且模型性能在预测自杀相关行为和自杀尝试方面仍有提升空间	提高自杀风险评估的准确性，以便及时进行干预	Reddit平台上的自杀相关帖子和用户行为	机器学习	NA	深度学习	CNN	文本	使用基于C-SSRS标注的临床 adjudicated Reddit语料库进行评估