深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
30401	2024-08-05	Enhanced deep learning model for precise nodule localization and recurrence risk prediction following curative-intent surgery for lung cancer 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300442 PMID:38995927	研究论文	本研究分析了肺癌CT图像，以预测高风险患者的复发可能性。	利用深度学习模型（MRCNN）改进了肺癌结节定位和复发风险预测。	对样本选择和模型调整的具体数据及效果描述有限。	旨在识别早期可切除肺癌患者中高风险复发者。	研究对象为接受非小细胞肺癌根治性手术的患者。	计算机视觉	肺癌	计算机断层扫描（CT）	MRCNN	医学图像	使用了匿名影像和临床数据，具体样本数量未提及	NA	NA	NA	NA
30402	2024-08-05	Counting nematodes made easy: leveraging AI-powered automation for enhanced efficiency and precision 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1349209 PMID:38993936	研究论文	本文通过开发用户友好的图形用户界面和多种深度学习算法，提高了线虫计数的效率和精度	研究开发了一种能够同时识别和分类多类对象的算法，并展示了深度学习模型在实际应用中的潜力	目前的研究仅集中于一种属，未来需扩展到其他经济重要的植物寄生线虫属	研究旨在提高线虫计数的效率和精确性，推动全球的合作	本研究的对象包括线虫卵和第二阶段幼虫	数字病理学	NA	卷积神经网络（CNN）	YOLOv8x	图像	共生成650幅卵的图像和1339幅幼虫的图像	NA	NA	NA	NA
30403	2024-08-07	Deep learning empowered breast cancer diagnosis: Advancements in detection and classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304757 PMID:38990817	研究论文	介绍了一种创新的计算机辅助诊断系统，通过深度学习和计算机视觉技术提升乳腺癌的诊断能力	提出了一种利用深度学习和计算机视觉技术的CAD系统，能够独立识别和分类乳腺病变，表现出卓越的检测和分类性能	虽然检测准确性高，但在将乳腺肿块分成单独组进行检查时，方法的表现约为95.39%	研究目的在于提升乳腺癌的早期检测和分类的准确性	研究对象为乳腺癌病变的检测与分类	计算机视觉	乳腺癌	深度学习	NA	影像	使用Curated Breast Imaging Subset of Digital Database for Screening Mammography (CBIS-DDSM)进行验证	NA	NA	NA	NA
30404	2024-08-05	EASL: A Framework for Designing, Implementing, and Evaluating ML Solutions in Clinical Healthcare Settings 2023-Aug, Proceedings of machine learning research PMID:38988337	研究论文	我们介绍了解释性分析系统实验室(EASL)框架，这是一种用于临床机器学习工具开发、实施和评估的端到端解决方案	EASL框架集成了模型开发、实施和评估的资源，为临床环境中的机器学习应用提供全面支持	NA	本研究旨在促进临床机器学习工具的开发与评估	设计和评估医学影像的深度学习分类器	机器学习	NA	深度学习	NA	医学影像	NA	NA	NA	NA	NA
30405	2024-08-05	Development of a portable device to quantify hepatic steatosis in potential donor livers 2023, Frontiers in transplantation DOI:10.3389/frtra.2023.1206085 PMID:38993883	研究论文	本文描述了一种便携设备的开发，用于量化潜在供体肝脏中的肝脏脂肪沉积	创新点在于开发了一个低成本的人工智能平台，能够实时评估供体肝活检切片中的肝脂肪含量	该设备依赖于硬件配置，可能在不同设备间表现不一	研究目的在于提高肝脏移植中的脂肪含量评估准确性	研究对象是供体肝脏活检切片中的脂肪球体	数字病理学	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
30406	2024-08-07	Pathologist-level classification of histologic patterns on resected lung adenocarcinoma slides with deep neural networks 2019-03-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-40041-7 PMID:30833650	研究论文	本研究提出了一种深度学习模型，用于自动分类肺腺癌手术切除切片上的组织学模式	模型使用卷积神经网络识别肿瘤细胞区域，并聚合这些分类以推断任何给定全切片图像的主要和次要组织学模式	模型在独立测试集上的Kappa值为0.525，与三位病理学家的一致性为66.6%，略高于病理学家之间的Kappa值0.485和一致性62.7%	开发一种能够自动分类肺腺癌组织学模式的深度学习模型，以辅助病理学家提高分类准确性	肺腺癌手术切除切片上的组织学模式	数字病理学	肺腺癌	卷积神经网络	CNN	图像	143张全切片图像	NA	NA	NA	NA
30407	2024-08-07	Automated segmentation of haematoma and perihaematomal oedema in MRI of acute spontaneous intracerebral haemorrhage 2019-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2019.01.022 PMID:30711800	研究论文	本文介绍了一种自动分割急性自发性脑内出血（SICH）MRI图像中血肿和周围水肿的算法	该方法是首个直接利用MRI图像进行SICH血肿和水肿分割的技术	NA	旨在为临床试验提供定量结果测量，并可能为SICH患者的预后提供重要标志	急性自发性脑内出血（SICH）患者的MRI图像中的血肿和周围水肿	计算机视觉	脑血管疾病	MRI	NA	图像	18名患者用于算法验证，32名手动标注对象用于与深度学习方法比较	NA	NA	NA	NA
30408	2024-08-07	Explaining the unique nature of individual gait patterns with deep learning 2019-02-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-38748-8 PMID:30787319	研究论文	本文利用深度神经网络（DNN）研究临床生物力学中个体步态模式的独特性，并通过Layer-Wise Relevance Propagation（LRP）技术解释模型预测与输入变量之间的关系	本文首次提出了一种通用框架，通过测量每个输入变量对预测的时间解析贡献，使非线性机器学习方法在生物力学步态分析中可理解且可解释	NA	研究个体步态模式的独特性，并提供一种方法来理解和解释机器学习模型在步态分析中的应用	个体步态模式及其在临床生物力学中的应用	机器学习	NA	深度神经网络（DNN）	DNN	数据	NA	NA	NA	NA	NA
30409	2024-08-07	Using Memristors for Robust Local Learning of Hardware Restricted Boltzmann Machines 2019-02-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-018-38181-3 PMID:30755662	研究论文	本文探讨了使用忆阻器实现硬件限制玻尔兹曼机的鲁棒局部学习	提出了一种基于两次权重更新符号的脉宽选择方案，并展示了该策略对忆阻器设备非线性和随机性的部分免疫能力	NA	设计适用于芯片上玻尔兹曼机的简单忆阻器编程协议	忆阻器设备在硬件神经网络中的应用	机器学习	NA	忆阻器	玻尔兹曼机	NA	NA	NA	NA	NA	NA
30410	2024-08-07	Deep Reinforcement Learning in Medicine 2019-Feb, Kidney diseases (Basel, Switzerland) DOI:10.1159/000492670 PMID:30815460	研究论文	本文介绍了强化学习的基本概念，并探讨了如何将强化学习与深度学习有效结合，以及深度强化学习在医学领域的应用潜力	本文首次探讨了深度强化学习在医学领域的应用	NA	介绍强化学习的基本概念，并探讨其在医学领域的应用	强化学习与深度学习的结合及其在医学领域的应用	机器学习	NA	深度强化学习	深度神经网络	NA	NA	NA	NA	NA	NA
30411	2024-08-07	A feasibility study for predicting optimal radiation therapy dose distributions of prostate cancer patients from patient anatomy using deep learning 2019-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-018-37741-x PMID:30705354	研究论文	本文通过深度学习方法，利用患者解剖图像轮廓预测前列腺癌患者的最佳放疗剂量分布	修改了用于分割目的的卷积深度网络模型U-net，用于从计划靶体积（PTV）和危及器官（OAR）的患者图像轮廓预测剂量	NA	通过准确预测剂量分布，指导临床计划优化，节省时间并保持高质量计划	前列腺癌患者的放疗剂量分布	机器学习	前列腺癌	深度学习	U-net	图像	前列腺癌患者	NA	NA	NA	NA
30412	2024-08-07	Developed and validated a prognostic nomogram for recurrence-free survival after complete surgical resection of local primary gastrointestinal stromal tumors based on deep learning 2019-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2018.12.028 PMID:30587460	研究论文	本研究旨在开发和验证一种基于深度学习的预测胃肠道间质瘤术后无复发生存期的预后列线图	本研究首次将残差神经网络（ResNet）与临床病理因素结合，构建了个体化的预后列线图，显示出比传统模型更高的区分能力和校准精度	NA	开发和验证一种新的预后工具，用于指导胃肠道间质瘤患者术后辅助伊马替尼治疗的选择	胃肠道间质瘤患者的术后无复发生存期	机器学习	胃肠道间质瘤	残差神经网络（ResNet）	ResNet	对比增强计算机断层扫描（CE-CT）图像	训练集包含80例经病理诊断的胃肠道间质瘤患者，并进行了内部和外部验证	NA	NA	NA	NA
30413	2024-08-07	An attention based deep learning model of clinical events in the intensive care unit 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0211057 PMID:30759094	研究论文	本研究训练了结合注意力机制的长短期记忆（LSTM）循环神经网络（RNN），以预测MIMIC-III数据集中两周内ICU患者的每日脓毒症、心肌梗死（MI）和万古霉素抗生素使用情况	模型通过注意力机制提高了预测准确性，并提供了一定程度的可解释性，有助于临床决策支持	模型在利用电子健康记录（EHR）数据进行训练时，面临如何处理临床决策代理变量的挑战	开发和改进深度学习模型，以减少ICU医生的信息过载，并提供临床决策支持	ICU患者的脓毒症、心肌梗死和万古霉素使用预测	机器学习	NA	长短期记忆（LSTM）循环神经网络（RNN）结合注意力机制	LSTM	电子健康记录（EHR）数据	MIMIC-III数据集中的两周ICU患者数据	NA	NA	NA	NA
30414	2024-08-07	In-Bed Pose Estimation: Deep Learning With Shallow Dataset 2019, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2019.2892970 PMID:30792942	研究论文	本文提出了一种在特定应用场景下，即床位姿态估计中，用于人体姿态和身体部位检测的鲁棒方法	采用红外选择性（IRS）图像采集技术应对光照变化挑战，并提出2端直方图定向梯度（HOG）校正方法处理非传统姿态视角	缺乏用于床位姿态的大型公共数据集，限制了从零开始使用大型网络	解决床位姿态估计中的特定挑战，提高姿态估计的准确性	人体在床上的姿态和身体部位	计算机视觉	NA	红外选择性（IRS）图像采集技术	卷积神经网络（CNN）	图像	使用IRS成像系统从几个现实尺寸的假人模型中收集的IRS图像数据	NA	NA	NA	NA
30415	2024-08-07	Encodings and models for antimicrobial peptide classification for multi-resistant pathogens 2019, BioData mining IF:4.0Q1 DOI:10.1186/s13040-019-0196-x PMID:30867681	综述	本文综述了用于多重耐药病原体分类的抗菌肽编码和模型的最新进展	介绍了基于序列和结构聚合的氨基酸编码及其特性，并特别关注了从支持向量机和深度学习方法中派生的编码	尽管重点放在抗菌肽预测上，但并非所有提到的编码都已在抗菌研究中详细探讨，而是作为一般蛋白质或肽的表示	探讨如何通过机器学习方法自动化发现抗菌肽，并解决开发适当氨基酸编码的挑战	抗菌肽及其对多重耐药病原体的效果	机器学习	NA	机器学习方法	支持向量机和深度学习模型	序列数据	NA	NA	NA	NA	NA
30416	2024-08-07	The Applications of Radiomics in Precision Diagnosis and Treatment of Oncology: Opportunities and Challenges 2019, Theranostics IF:12.4Q1 DOI:10.7150/thno.30309 PMID:30867832	综述	本文综述了放射组学在肿瘤精准诊断和治疗中的应用，包括方法学进展和面临的挑战	介绍了放射组学在肿瘤管理中利用大量放射图像和新型计算技术提高诊断准确性和治疗反应评估的新工具	讨论了放射组学领域的挑战及其方法的临床适用性	旨在发展定量和个性化的医学	肿瘤的诊断、治疗规划和评估	数字病理学	肿瘤学	放射组学	深度学习	图像	大量放射图像	NA	NA	NA	NA
30417	2024-08-07	DeepSSM: A Deep Learning Framework for Statistical Shape Modeling from Raw Images 2018-Sep, Shape in medical imaging : International Workshop, ShapeMI 2018, held in conjunction with MICCAI 2018, Granada, Spain, September 20, 2018 : proceedings. ShapeMI (Workshop) (2018 : Granada, Spain) DOI:10.1007/978-3-030-04747-4_23 PMID:30805572	研究论文	提出了一种名为DeepSSM的深度学习框架，用于直接从3D图像中提取低维形状表示，无需参数调整或用户协助	DeepSSM使用卷积神经网络（CNN）同时定位感兴趣的生物结构、建立对应关系，并将这些点投影到点分布模型中的低维形状表示中。此外，提出了一种新的数据增强程序，利用少量处理过的图像上的现有对应关系创建可信的训练样本	需要验证DeepSSM在更多应用场景中的有效性和泛化能力	开发一种无需复杂预处理操作的统计形状建模方法	儿童颅骨CT、股骨CT和左心房MRI图像	计算机视觉	NA	卷积神经网络（CNN）	CNN	3D图像	利用40-50个CT/MRI扫描生成数千个训练图像	NA	NA	NA	NA
30418	2024-08-07	Deep Learning on 1-D Biosignals: a Taxonomy-based Survey 2018-Aug, Yearbook of medical informatics DOI:10.1055/s-0038-1667083 PMID:30157512	综述	本综述旨在回顾用于生物信号分析的深度学习技术，并推导出一个分类法来组织该领域日益增长的应用	深度学习模型如卷积神经网络（CNNs）已成功应用于医学影像，但生物医学信号分析尚未充分受益于这一新颖方法	未来的研究预计将集中在深度学习架构的标准化和网络参数的优化上，以提高性能和鲁棒性，同时需要基于应用的方法和来自移动记录的更新训练数据	回顾用于计算机辅助诊断的生物信号分析的深度学习技术，并推导出一个分类法来组织该领域的应用	生物信号分析	机器学习	NA	深度学习	CNN	生物信号	2010年至2017年间共发表了71篇相关论文，其中大多数（36篇）关于心电图（ECG）信号	NA	NA	NA	NA
30419	2024-08-07	Automatically Linking Registered Clinical Trials to their Published Results with Deep Highway Networks 2018, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:29888040	研究论文	本文介绍了NCT Link系统，该系统利用深度学习技术自动将注册的临床试验与发表的MEDLINE文章链接起来	NCT Link系统采用了深度高速公路网络（DHN）来自动学习并估计MEDLINE文章报告临床试验结果的可能性，相较于之前的自动系统，性能提升了30%-58%	NA	解决临床试验注册中许多试验未链接到其发表结果的问题	临床试验及其发表结果的自动链接	自然语言处理	NA	深度学习	深度高速公路网络（DHN）	文本	NA	NA	NA	NA	NA
30420	2024-08-07	Predicting the Outcome of Patient-Provider Communication Sequences using Recurrent Neural Networks and Probabilistic Models 2018, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:29888043	研究论文	本文研究了使用循环神经网络和概率模型预测患者与提供者沟通序列结果的问题	提出了基于循环神经网络和马尔可夫链及隐马尔可夫模型的两种解决方案，并比较了它们的准确性	需要进一步研究以验证在不同临床环境中的泛化能力	预测临床对话中患者与提供者沟通序列的结果	患者与提供者的沟通序列及其对动机访谈成功的影响	自然语言处理	NA	循环神经网络（RNN），马尔可夫链（MC），隐马尔可夫模型（HMM）	RNN，MC，HMM	文本	使用来自真实动机访谈的带行为代码的沟通序列进行实验	NA	NA	NA	NA