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
14801	2024-10-02	Can Generative Adversarial Networks help to overcome the limited data problem in segmentation? 2022-Aug, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2021.11.006 PMID:34930685	研究论文	研究探讨了在分割任务中使用生成对抗网络（GAN）是否能克服小数据集的问题	研究了在分割任务中使用GAN架构与传统U-Net网络的性能对比	实验结果显示，在分割任务中引入GAN并未显著提升性能	探讨GAN在分割任务中是否能提升小数据集的性能	男性骨盆的CT数据分割	计算机视觉	NA	生成对抗网络（GAN）	U-Net	图像	1到100名患者的数据集
14802	2024-10-02	Applied Machine Learning for Spine Surgeons: Predicting Outcome for Patients Undergoing Treatment for Lumbar Disc Herniation Using PRO Data 2022-Jun, Global spine journal IF:2.6Q1 DOI:10.1177/2192568220967643 PMID:33203255	研究论文	本研究使用机器学习模型预测腰椎间盘突出症患者手术后的1年随访结果，并与传统方法进行比较	本研究首次将多种机器学习模型应用于腰椎间盘突出症患者的预后预测，并展示了构建模型集合的可行性	机器学习模型并未表现出比传统模型更优越的性能，且不同模型的预测结果存在差异	开发和评估用于预测腰椎间盘突出症患者手术后1年随访结果的机器学习模型	接受腰椎间盘突出症手术治疗的患者	机器学习	腰椎间盘突出症	机器学习	深度学习、决策树、随机森林、提升树和支持向量机	患者报告的结果数据	包括16个独立变量的数据集，随机分为训练集、验证集和测试集，比例为50%/35%/15%
14803	2024-10-02	Towards a safe and efficient clinical implementation of machine learning in radiation oncology by exploring model interpretability, explainability and data-model dependency 2022-05-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac678a PMID:35421855	研究论文	本文探讨了在放射肿瘤学中安全高效地实施机器学习的关键问题，特别是模型可解释性、可解释性和数据-模型依赖性	本文定义并详细阐述了可解释性、可解释性和数据-模型依赖性的核心概念，并提供了实际应用示例	本文主要集中在理论和概念层面的探讨，缺乏具体的实验验证和数据支持	研究如何在放射肿瘤学中安全高效地实施机器学习，并解决模型可解释性和数据-模型依赖性问题	放射肿瘤学中的机器学习模型及其在临床工作流程中的应用	机器学习	NA	NA	卷积神经网络	图像	NA
14804	2024-10-02	Fully automated image quality evaluation on patient CT: Multi-vendor and multi-reconstruction study 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0271724 PMID:35857804	研究论文	本文提出了一种全自动的CT图像质量评估方法，用于多厂商和多重建算法的患者CT图像	首次提出了基于结构一致性特征（SCF）的全自动CT图像质量评估方法，能够量化噪声水平、结构清晰度和结构变化	研究仅限于特定类型的CT图像和重建算法，未涵盖所有可能的CT技术和场景	开发一种全自动的CT图像质量评估方法，以优化CT协议和降低辐射剂量	120名患者的CT图像，使用四种不同的CT扫描仪和三种重建算法	计算机视觉	NA	CT扫描	深度学习模型（DLM）	图像	120名患者的CT图像
14805	2024-10-02	A Deep Learning and Handcrafted Based Computationally Intelligent Technique for Effective COVID-19 Detection from X-ray/CT-scan Imaging 2022, Journal of grid computing IF:3.6Q1 DOI:10.1007/s10723-022-09615-0 PMID:35874855	研究论文	本文提出了一种基于深度学习和手工特征的计算智能技术，用于从X射线/CT扫描图像中有效检测COVID-19	本文的创新点在于采用了混合特征提取方法，结合了深度学习特征和手工特征，并使用ResNet101和DenseNet201模型进行特征提取	NA	开发一种高效的COVID-19分类系统，以帮助医生和科学界应对疫情	COVID-19的X射线/CT扫描图像	计算机视觉	COVID-19	深度学习	ResNet101, DenseNet201	图像	NA
14806	2024-10-02	Artificial Intelligence in Digital Pathology to Advance Cancer Immunotherapy 2022, 21st century pathology PMID:36282981	研究论文	本文总结了人工智能在数字病理学中的最新研究，并探讨了其在癌症免疫治疗生物标志物开发中的新兴范式和方向	本文探讨了人工智能在数字病理学中的应用，特别是深度学习技术，以自动化分析组织切片，并利用多重生物成像技术全面表征肿瘤微环境	本文主要为综述性质，未提供具体的研究数据或实验结果	探讨人工智能在数字病理学中的应用，以推动癌症免疫治疗生物标志物的开发	免疫检查点抑制剂（ICIs）在癌症治疗中的应用，特别是肺癌患者中ICIs单药治疗的临床效益	数字病理学	肺癌	人工智能（AI），特别是深度学习	深度学习	组织切片	NA
14807	2024-10-02	Accurate classification of lung nodules on CT images using the TransUnet 2022, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2022.1060798 PMID:36544802	研究论文	本文提出了一种基于TransUnet的深度卷积神经网络技术，用于CT图像中肺结节的自动分类	本文创新性地结合了Transformer和Unet模型，通过全局自注意力建模和精确的肺结节定位，提高了肺结节分类的准确性	NA	开发一种自动化的方法来提高CT图像中肺结节的分类准确性	CT图像中的肺结节	计算机视觉	肺癌	深度卷积神经网络	TransUnet	图像	8474张CT图像，包括3259张良性图像和5215张肺结节图像
14808	2024-10-02	From a deep learning model back to the brain-Identifying regional predictors and their relation to aging 2020-08-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25011 PMID:32320123	研究论文	本文提出了一种深度学习框架，用于从结构磁共振成像扫描中预测生理年龄，并识别与年龄预测相关的脑区	开发了一种推理方案，通过结合多个受试者的解释图，创建基于人群而非个体特异性的地图，提高了解释图的可重复性	NA	研究脑龄预测及其与脑区衰老过程的关系	结构磁共振成像扫描数据和脑区衰老过程	计算机视觉	NA	卷积神经网络 (CNN)	卷积神经网络 (CNN)	图像	10,176名受试者
14809	2024-10-02	Bone metastasis classification using whole body images from prostate cancer patients based on convolutional neural networks application 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0237213 PMID:32797099	研究论文	本文探讨了使用卷积神经网络（CNN）对前列腺癌患者全身骨扫描图像进行骨转移分类的方法	本文提出了一套简单、快速且更准确的CNN架构，用于骨转移分类，并展示了其在骨扫描图像分类中的优越性能	NA	开发和展示一套用于自动分类全身骨扫描图像的简单但稳健的CNN模型	前列腺癌患者的全身骨扫描图像	计算机视觉	前列腺癌	卷积神经网络（CNN）	CNN	图像	NA
14810	2024-10-02	Comment on: "Deep learning for pharmacovigilance: recurrent neural network architectures for labeling adverse drug reactions in Twitter posts" 2019-06-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocz013 PMID:31087070	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14811	2024-10-02	Combining Citizen Science and Deep Learning to Amplify Expertise in Neuroimaging 2019, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2019.00029 PMID:31139070	研究论文	本文提出了一种结合公民科学和深度学习的方法，以放大神经影像学中的专家知识	通过公民科学平台放大专家标签，并利用这些标签训练深度学习模型，以模拟专家的决策	NA	探索如何通过结合公民科学和深度学习来提高大规模数据集的质量控制	脑部磁共振图像的质量控制	计算机视觉	NA	深度学习	深度学习算法	图像	NA
14812	2024-10-02	EdgeScaping: Mapping the spatial distribution of pairwise gene expression intensities 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0220279 PMID:31386677	研究论文	提出了一种名为EdgeScaping的新方法，用于构建和分析基因表达强度的成对网络，并将其应用于人类肿瘤基因表达矩阵	EdgeScaping采用了一种创新的技术，将传统的成对基因表达数据转换为基于图像的格式，从而实现特征压缩和高可扩展性，并利用深度学习图像分析算法探索基因间的非线性关系	NA	开发一种新的方法来构建和分析基因共表达网络，特别是识别传统方法可能忽略的非线性关系和基因表达强度	基因表达数据和基因共表达网络	生物信息学	NA	深度学习图像分析算法	NA	基因表达矩阵	NA
14813	2024-10-02	A Comparison of Shallow and Deep Learning Methods for Predicting Cognitive Performance of Stroke Patients From MRI Lesion Images 2019, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2019.00053 PMID:31417388	研究论文	本文比较了浅层和深层学习方法在从MRI病变图像预测中风患者认知表现方面的效果	提出了基于卷积神经网络（CNN）的深度学习方法，并设计了一种混合方法，通过重用CNN的高级特征作为岭回归（RR）模型的额外输入，显著提高了预测准确性	研究结果表明，训练数据的大小和图像冗余度是影响计算模型准确性的关键因素，但未详细探讨其他可能的影响因素	研究如何利用机器学习技术从神经影像数据中预测中风患者的认知表现	中风患者的MRI病变图像及其认知表现	机器学习	中风	卷积神经网络（CNN）、岭回归（RR）、支持向量回归	卷积神经网络（CNN）	图像	异质性中风患者样本
14814	2024-10-02	Uncovering convolutional neural network decisions for diagnosing multiple sclerosis on conventional MRI using layer-wise relevance propagation 2019, NeuroImage. Clinical DOI:10.1016/j.nicl.2019.102003 PMID:31634822	研究论文	本文提出了一种基于3D卷积神经网络和层级相关传播的透明深度学习框架，用于诊断多发性硬化症	使用层级相关传播技术揭示了卷积神经网络在诊断多发性硬化症时的决策依据，验证了模型的有效性	研究样本量较小，可能影响模型的泛化能力	开发一种透明的深度学习框架，用于诊断多发性硬化症，并验证其决策依据	多发性硬化症患者和健康对照组的MRI数据	计算机视觉	神经炎症疾病	层级相关传播	卷积神经网络	图像	921例阿尔茨海默病神经影像学数据，76例多发性硬化症患者，71例健康对照组
14815	2024-10-01	DeepEMC-T2 mapping: Deep learning-enabled T2 mapping based on echo modulation curve modeling 2024-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30239 PMID:39129209	研究论文	提出了一种基于深度学习的回波调制曲线建模的T2映射方法，称为DeepEMC-T2映射，用于从较少的回波中高效估计准确的T2图	DeepEMC-T2映射通过改进的U-Net网络直接从多回波自旋回波图像中估计T2和质子密度图，无需像素级字典匹配步骤，提高了T2/PD估计的准确性	NA	开发一种高效的深度学习方法，用于从多回波自旋回波图像中准确估计T2映射	T2弛豫时间和质子密度图	计算机视觉	NA	深度学习	U-Net	图像	67个轴向采集的数据集用于网络训练和评估，57个冠状采集的数据集用于评估框架的泛化性
14816	2024-10-01	Artificial intelligence in myopia in children: current trends and future directions 2024-Nov-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001086 PMID:39259652	综述	本文综述了人工智能在儿童近视管理中的当前趋势和未来方向	本文介绍了利用人工智能进行大规模近视筛查、多模态数据分析和深度学习模型在近视进展和精准治疗中的应用	技术进步带来了监管和临床整合的实际挑战	探讨人工智能在儿童近视管理中的应用潜力	儿童近视及其进展	机器学习	眼科疾病	NA	传统机器学习模型、深度学习模型	多模态数据	NA
14817	2024-10-01	Deep learning aided measurement of outer retinal layer metrics as biomarkers for inherited retinal degenerations: opportunities and challenges 2024-Nov-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001088 PMID:39259656	综述	本文综述了用于评估遗传性视网膜变性（IRDs）的现有视网膜成像和视觉功能测试方法，重点介绍了深度学习（DL）方法在确定IRDs结构生物标志物中的应用	本文探讨了深度学习在处理视网膜图像以检测与疾病相关的结构变化中的应用	需要更多的工作来研究结构和功能之间的关系	评估遗传性视网膜变性（IRDs）的结构生物标志物	外视网膜层结构，包括外核层、椭圆体带、光感受器外段、RPE等	计算机视觉	遗传性视网膜变性	深度学习	NA	图像	NA
14818	2024-10-01	Enhanced multistage deep learning for diagnosing anterior disc displacement in the temporomandibular joint using MRI 2024-Oct-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae033 PMID:39024472	研究论文	本文提出了一种基于多阶段深度学习的前移盘诊断方法，使用MRI图像进行颞下颌关节（TMJ）的自动诊断	采用多阶段方法，易于识别和改进影响最终结果的因素	NA	开发一种自动诊断颞下颌关节前移盘的方法	颞下颌关节的前移盘诊断	机器学习	NA	MRI	DeepLabV3+	图像	368个颞下颌关节样本，来自204名患者
14819	2024-10-01	Fully automatic quantification for hand synovitis in rheumatoid arthritis using pixel-classification-based segmentation network in DCE-MRI 2024-Oct, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01592-6 PMID:38789911	研究论文	提出了一种基于深度学习的分类分割方法，用于在动态对比增强磁共振成像（DCE-MRI）中自动量化类风湿性关节炎（RA）患者的滑膜炎	开发了一种基于膨胀因果卷积和SELU激活函数的深度学习模型，用于增强滑膜的分割和量化	研究为回顾性研究，样本量较小，且依赖于专家指导下的手动分割	开发一种自动化的方法，用于在DCE-MRI中量化RA患者的滑膜炎	类风湿性关节炎患者的滑膜炎	计算机视觉	类风湿性关节炎	动态对比增强磁共振成像（DCE-MRI）	深度学习模型	图像	28名类风湿性关节炎患者
14820	2024-10-01	Radiation dose reduction and image quality improvement with ultra-high resolution temporal bone CT using deep learning-based reconstruction: An anatomical study 2024-Oct, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.05.001 PMID:38744577	研究论文	本研究评估了使用深度学习重建（DLR）的超高分辨率CT（UHR-CT）在减少辐射剂量的同时保持或提高颞骨图像质量的效果	本研究首次展示了使用深度学习重建的超高分辨率CT在大幅减少辐射剂量的同时，仍能保持或提高图像质量	本研究仅在尸体颞骨CT上进行了评估，尚未在临床环境中验证其效果	评估使用深度学习重建的超高分辨率CT在减少辐射剂量的同时保持或提高颞骨图像质量的效果	颞骨CT图像质量	计算机视觉	NA	深度学习重建（DLR）	深度学习模型	图像	6具尸体颞骨