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
17321	2024-09-02	A miRNA Target Prediction Model Based on Distributed Representation Learning and Deep Learning 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/4490154 PMID:35924115	研究论文	本文开发了一种结合词嵌入和深度学习的新方法，用于人类miRNA靶点在位点级别的预测	本文首次研究了核苷酸序列的编码问题，并利用词嵌入和深度学习技术提高了miRNA靶点预测的准确性	NA	揭示转录组调控机制，对癌症和其他疾病的研究具有重要意义	人类miRNA靶点	生物信息学	NA	词嵌入，深度学习	BiLSTM	序列数据	NA
17322	2024-09-02	Applications of artificial intelligence in the thorax: a narrative review focusing on thoracic radiology 2021-Dec, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-21-1342 PMID:35070379	综述	本文综述了人工智能，特别是深度学习，在胸腔放射学中的应用，包括工作列表优先级和患者分诊、作为第二读者的AI性能提升以及AI在复杂量化中的应用	介绍了AI在资源有限环境下的结核病筛查、筛查CT中的肺癌检测以及COVID-19诊断等近期应用实例	尚未确定基于AI的图像分析系统如何在临床实践中帮助医生	探讨AI如何补充当前医疗系统的各个方面，并介绍其在胸腔疾病中的应用	胸腔疾病，特别是胸腔放射学领域	计算机视觉	肺疾病	深度学习	NA	图像	NA
17323	2024-09-02	Automatic segmentation of lung tumors on CT images based on a 2D & 3D hybrid convolutional neural network 2021-Oct-01, The British journal of radiology DOI:10.1259/bjr.20210038 PMID:34347535	研究论文	本文介绍了一种基于深度学习的自动肿瘤分割网络，用于在CT图像上进行肺癌肿瘤的自动分割	本文提出了一种结合2D CNN和3D CNN的混合卷积神经网络，用于自动肺肿瘤分割，并展示了其在评估指标上优于单独的3D CNN和2D CNN	较大的GTV在Dice指标上表现较好，但在肿瘤边界划分上不稳定	开发一种稳定且准确的自动肿瘤描绘方法，以促进肺癌放疗过程的智能化设计	肺肿瘤在CT图像上的自动分割	计算机视觉	肺癌	卷积神经网络（CNN）	混合CNN（结合2D CNN和3D CNN）	CT图像	260例
17324	2024-09-02	Metrics of sleep apnea severity: beyond the apnea-hypopnea index 2021-07-09, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsab030 PMID:33693939	review	本文回顾了阻塞性睡眠呼吸暂停（OSA）严重程度的评估指标，特别是对睡眠呼吸暂停低通气指数（AHI）及其替代指标的探讨	探讨了替代AHI的多种指标，如低氧负担、唤醒强度、优势比乘积和心肺耦合等，并提出了未来研究方向，包括遗传学、血液生物标志物、机器/深度学习和可穿戴技术	AHI作为评估OSA严重程度的指标虽广泛研究但存在局限性	探讨OSA严重程度的最佳评估指标及其对治疗的潜在反应	阻塞性睡眠呼吸暂停的严重程度评估及其治疗反应	NA	阻塞性睡眠呼吸暂停	NA	NA	NA	NA
17325	2024-09-02	DEEPMIR: a deep neural network for differential detection of cerebral microbleeds and iron deposits in MRI 2021-07-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-93427-x PMID:34238951	研究论文	本文开发了一种基于深度学习的分割方法，用于在MRI中区分脑微出血和铁沉积	采用深度卷积神经网络（CNN）和U-Net模型，结合多模态MRI数据（特别是QSM），提高了脑微出血和非出血性铁沉积的检测敏感性和精确度	研究样本仅为24名参与者，可能影响结果的普遍性	开发一种能够自动检测脑微出血和铁沉积的深度学习方法	脑微出血和非出血性铁沉积	机器学习	NA	MRI	CNN	图像	24名参与者
17326	2024-09-02	Shared decision-making and maternity care in the deep learning age: Acknowledging and overcoming inherited defeaters 2021-Jun, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.13515 PMID:33188540	研究论文	本文探讨了人工智能在产科护理中应用时面临的哲学和实践问题，特别是知识论和伦理问题，并提出了一个共享决策框架来解决这些问题。	作者扩展了一个现有的共享决策框架，并将其应用于人工智能在产科护理中的应用，特别是机器学习和深度学习技术在电子胎儿监测中的应用。	文章指出，尽管当前或未来的人工智能增强的电子胎儿监测可能对临床医生施加知识论义务，但这些义务可能被继承的反驳者所覆盖，这表明对客户知识的责任延伸到任何临床医生（或其他人）参与生成用于共享决策系统的训练数据的情况。	研究目的是探讨人工智能在产科护理中的应用，特别是机器学习和深度学习技术在电子胎儿监测中的应用，并解决由此产生的哲学和实践问题。	研究对象是人工智能在产科护理中的应用，特别是机器学习和深度学习技术在电子胎儿监测中的应用。	机器学习	NA	深度学习	NA	数据	NA
17327	2024-09-02	Can peritumoral regions increase the efficiency of machine-learning prediction of pathological invasiveness in lung adenocarcinoma manifesting as ground-glass nodules? 2021-Mar, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-20-2981 PMID:33841926	研究论文	本研究探讨了基于CT图像的深度学习模型在预测肺腺癌表现为磨玻璃结节（GGNs）的病理侵袭性中的价值和应用	使用包含肿瘤周围区域的GPTV模型比仅使用GTV的模型在预测GGN侵袭性方面更有效	NA	探索肿瘤及肿瘤周围区域的CT图像深度学习模型在预测磨玻璃结节侵袭性中的价值和应用	622名患者的687个肺部磨玻璃结节	机器学习	肺腺癌	3D DenseNet	DenseNet	CT图像	622名患者，共687个肺部磨玻璃结节
17328	2024-09-02	Towards the sustainable development of smart cities through mass video surveillance: A response to the COVID-19 pandemic 2021-Jan, Sustainable cities and society IF:10.5Q1 DOI:10.1016/j.scs.2020.102582 PMID:33178557	研究论文	本文提出了一种基于深度学习的智能城市可持续发展框架，通过大规模视频监控系统应对COVID-19疫情，实现人群社交距离监控	开发了一种能够监控和执行人群社交距离的主动监控系统，有效减缓病毒传播	COVID-19疫情揭示了现有智能城市部署的局限性	开发能够提供快速有效机制以限制病毒进一步传播的系统和架构	智能城市的可持续发展及通过视频监控应对COVID-19疫情	计算机视觉	NA	深度学习	CNN	视频	使用了一个真实世界的视频监控数据集进行系统性能验证
17329	2024-09-02	Putting artificial intelligence (AI) on the spot: machine learning evaluation of pulmonary nodules 2020-Nov, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2019-cptn-03 PMID:33282401	综述	本文综述了人工智能在肺结节评估中的应用，特别是深度学习和卷积神经网络在肺结节检测、分割和分类中的进展	深度学习和卷积神经网络在肺结节检测和分类中显示出有希望的结果	仍存在一些缺陷和挑战，需要将这些进展应用于常规临床实践中	旨在概述人工智能在肺结节检测和特征化方面的最新进展，最终目标是预测和分类肺癌	肺结节	机器学习	肺癌	深度学习 (DL) 和卷积神经网络 (CNNs)	卷积神经网络 (CNNs)	图像	NA
17330	2024-09-02	Attention-Based Network for Weak Labels in Neonatal Seizure Detection 2020-Aug, Proceedings of machine learning research PMID:32995751	研究论文	本文评估了不同深度学习模型和数据平衡方法在新生儿癫痫检测中的影响，并提出了一种模型，该模型能为每个EEG通道提供重要性级别，以判断通道是否显示癫痫活动	提出的模型无需重新训练即可适应不同布局的EEG设备，并首次评估了深度学习模型与人类评分者决策的一致性	高AUC值的深度学习模型不一定与人类专家的意见一致，仍需进一步优化算法以实现最佳的癫痫区分	研究深度学习算法在新生儿癫痫检测中的应用	新生儿癫痫检测	机器学习	新生儿疾病	深度学习	注意力机制网络	EEG数据	NA
17331	2024-09-02	Deep Learning strategies for Ultrasound in Pregnancy 2020-Aug, European Medical Journal. Reproductive health PMID:33123376	综述	本文综述了深度学习方法在孕期超声成像中的应用，介绍了其架构并分析了其策略	深度学习在医学图像分析中的应用，特别是在分类、分割、物体检测和跟踪任务中取得了最先进的性能	超声成像质量相对较低、对比度低和高变异性，自动化解读超声图像具有挑战性	探讨深度学习在孕期超声成像中的应用，以改善临床实践	孕期超声成像的自动化解读和结构识别	计算机视觉	NA	深度学习	CNN	图像	NA
17332	2024-09-02	Machine Learning Neuroprotective Strategy Reveals a Unique Set of Parkinson Therapeutic Nicotine Analogs 2020, The open bioinformatics journal PMID:33927788	研究论文	本文提出了一种新颖的机器学习计算策略，用于预测尼古丁类似物在帕金森病中通过未配对信号通路的行为对神经保护潜力的影响	本文开发了一种跨学科的计算策略，结合结构生物信息学、信号通路手动重建和深度学习，预测尼古丁类似物的神经保护活性	NA	开发一种计算策略，预测一系列8种新型尼古丁类似物在帕金森病中的神经保护活性	8种新型尼古丁类似物及其在帕金森病中的神经保护活性	机器学习	帕金森病	深度学习	机器学习模型	结构数据	8种新型尼古丁类似物
17333	2024-09-02	From deep learning to mechanistic understanding in neuroscience: the structure of retinal prediction 2019-Dec, Advances in neural information processing systems PMID:35283616	研究论文	本文通过结合降维和现代归因方法，开发了一种系统方法来从深度神经网络模型中提取和理解计算机制，并应用于视网膜的深度网络模型，揭示了视网膜作为预测特征提取器的工作原理。	本文提出了一种新的系统方法，通过结合降维和现代归因方法，从深度神经网络模型中提取和理解计算机制，为深度网络作为神经科学模型提供了更坚实的理论基础。	本文主要关注于从深度网络模型中提取计算机制，尚未涉及这些机制在生物学上的验证。	研究目的是探索深度学习在神经科学中的应用，并从深度网络模型中提取和理解计算机制。	研究对象是视网膜的深度网络模型及其在处理视觉刺激时的计算机制。	机器学习	NA	深度学习	深度前馈神经网络	视觉刺激	NA
17334	2024-09-01	Real time detection and identification of fish quality using low-power multimodal artificial olfaction system 2024-Nov-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126601 PMID:39079435	研究论文	研究通过优化气体传感材料和分析模式识别算法，开发了一种低功耗的多模态人工嗅觉系统，用于实时检测和识别鱼类品质	本研究通过引入不同的调制技术，开发了四种基于双金属氧化物的气体传感器，并结合深度学习模型提高了气体浓度识别的性能	NA	解决气体检测领域中单气体定量和混合气体识别的主要挑战	气体传感材料和模式识别算法	机器学习	NA	NA	CNN-LSTM	气体信号	四种基于双金属氧化物的气体传感器
17335	2024-09-01	Multilevel hybrid handcrafted feature extraction based depression recognition method using speech 2024-Nov-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.08.002 PMID:39127304	研究论文	本文介绍了一种基于多层次混合手工特征提取的抑郁症识别方法，通过分析语音音频信号来检测抑郁症。	该研究引入了一种创新的多层次混合特征提取分类模型，专门设计用于抑郁症检测，具有降低的时间复杂性。	NA	研究目的是通过机器学习模型自动检测抑郁症。	研究对象是语音音频信号。	机器学习	抑郁症	多层次离散小波变换（MDWT）	一维最近邻分类器	音频信号	使用了包含29个健康和23个重度抑郁症患者的音频信号的MODMA数据集。
17336	2024-09-01	Analyzing variation of water inflow to inland lakes under climate change: Integrating deep learning and time series data mining 2024-Oct-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.119478 PMID:38917931	研究论文	本研究开发了一种新的FactorConvSTLnet（FCS）方法，通过整合STL分解、卷积神经网络（CNN）和因子分析，用于预测内陆湖泊的水流入趋势并揭示主要影响因素	FCS方法通过将趋势信息作为建模预测因子分离出来，提高了长期水流入趋势预测的鲁棒性，并能揭示主要驱动因素	NA	预测气候变化背景下内陆湖泊的水流入趋势并揭示主要影响因素	中亚的咸海和巴尔喀什湖	机器学习	NA	卷积神经网络（CNN）	FactorConvSTLnet（FCS）	时间序列数据	两个典型内陆湖泊（咸海和巴尔喀什湖）
17337	2024-09-01	Noninvasive and fast method of calculation for instantaneous wave-free ratio based on haemodynamics and deep learning 2024-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108355 PMID:39067137	研究论文	本文介绍了一种基于血流动力学和深度学习的非侵入式快速计算瞬时波自由比（iFR）的方法。	本研究通过结合冠状动脉微循环阻力补偿机制，建立了一个高保真的静息状态微循环阻力模型，以实现对iFRCT的准确计算。	目前的方法未能准确模拟冠状动脉的静息状态，导致计算精度较低，且使用计算流体动力学（CFD）技术限制了计算效率。	开发一种非侵入式且快速的计算方法，用于准确诊断心肌缺血。	冠状动脉疾病患者的205个狭窄血管，来自186名患者。	机器学习	心血管疾病	计算流体动力学（CFD）	神经网络模型	图像	205个狭窄血管，来自186名冠状动脉疾病患者
17338	2024-09-01	Generating synthetic computed tomography for radiotherapy: SynthRAD2023 challenge report 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103276 PMID:39068830	研究论文	本文介绍了SynthRAD2023挑战赛，旨在比较使用多中心真实数据生成合成CT（sCT）的方法，以促进MRI和CBCT在放射治疗中的应用	挑战赛展示了深度学习生成高质量sCT的能力，减少了对传统CT的依赖	图像相似性指标与剂量准确性之间没有显著相关性，强调了剂量评估在评估sCT临床应用中的重要性	比较和评估合成CT生成技术，以推动MRI和CBCT在放射治疗中的应用	合成CT生成技术在放射治疗中的应用	计算机视觉	NA	深度学习	NA	图像	1080名患者的多中心数据
17339	2024-09-01	DMSPS: Dynamically mixed soft pseudo-label supervision for scribble-supervised medical image segmentation 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103274 PMID:39043109	研究论文	本文提出了一种基于涂鸦监督的医学图像分割框架DMSPS，通过动态混合软伪标签监督提高分割性能	引入辅助解码器形成双分支网络，使用动态混合的软伪标签作为辅助监督，采用两阶段方法扩展稀疏涂鸦以增加标注像素	未提及	降低医学图像分割中大规模像素级密集标注的成本，同时保持较好的分割性能	医学图像分割	计算机视觉	NA	NA	双分支网络	图像	在ACDC、WORD和BraTS2020数据集上进行了实验
17340	2024-09-01	Multi-grained contrastive representation learning for label-efficient lesion segmentation and onset time classification of acute ischemic stroke 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103250 PMID:39096842	研究论文	本文提出了一种多粒度对比表示学习框架，用于提高急性缺血性卒中患者的病灶分割和发病时间分类的标签效率	利用未配对的无标签数据进行多粒度对比学习，以增强模型对病灶位置和语义关系的感知能力，并设计了多任务框架和多模态区域相关特征融合模块	需要进一步验证该框架在不同数据集和临床环境中的泛化能力	提高急性缺血性卒中患者的病灶分割和发病时间分类的准确性，支持组织型纤溶酶原激活剂（tPA）溶栓决策	急性缺血性卒中患者的磁共振成像数据	数字病理学	卒中	磁共振成像（MRI）	多粒度对比学习（MGCL）	图像	大规模多中心MRI数据集