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
19961	2024-08-07	A Deep Learning Ensemble Method to Assist Cytopathologists in Pap Test Image Classification 2021-Jul-09, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7070111 PMID:39080899	研究论文	本文提出了一种深度学习集成方法，用于辅助细胞病理学家对宫颈涂片图像进行细胞分类	本文采用了10种深度卷积神经网络，并提出了三种最佳架构的集成方法，以提高细胞分类的准确性，并引入了六类分类结果	NA	旨在提高宫颈癌预防测试中细胞分类的准确性，并减轻细胞病理学家的工作负担	宫颈涂片图像中的细胞核	计算机视觉	宫颈癌	深度学习	CNN	图像	实验中使用的数据集来自细胞识别和检查中心（CRIC）的可搜索图像数据库
19962	2024-08-07	How Can a Deep Learning Algorithm Improve Fracture Detection on X-rays in the Emergency Room? 2021-Jun-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7070105 PMID:39080893	研究论文	本研究评估了一种深度学习算法在急诊室中用于常规X光片骨折检测的性能	深度学习算法在急诊室中骨折检测的敏感性和特异性较高，且无需本地数据训练	研究样本量较小，且未涉及算法在不同医院或不同数据集上的泛化能力	探讨深度学习算法在急诊室中骨折检测的应用价值	评估深度学习算法在急诊室中常规X光片骨折检测的性能	计算机视觉	NA	深度学习	NA	图像	125名因肢体创伤就诊于Louis Mourier急诊室的患者
19963	2024-08-07	Exposing Manipulated Photos and Videos in Digital Forensics Analysis 2021-Jun-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7070102 PMID:39080890	研究论文	本文提出了一种基于支持向量机（SVM）的机器学习方法，用于区分真实和伪造的多媒体文件，特别是数字照片和视频，这些文件可能包含深度伪造内容	该方法通过离散傅里叶变换（DFT）提取简单特征，并在5折交叉验证中取得了优于文献中SVM方法的平均F1分数	尽管卷积神经网络（CNN）的表现超过了提出的DFT-SVM复合方法，但DFT-SVM的竞争力结果和显著减少的处理时间使其适合嵌入到Autopsy模块中	开发一种自动化工具，帮助刑事调查人员检测篡改的多媒体内容	真实和伪造的数字照片及视频	计算机视觉	NA	支持向量机（SVM），离散傅里叶变换（DFT）	支持向量机（SVM）	图像，视频	使用了包含合法和伪造照片及视频帧的大型数据集，以及Celeb-DFv1数据集中的590个原始视频
19964	2024-08-07	Breast Cancer Risk Assessment: A Review on Mammography-Based Approaches 2021-Jun-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7060098 PMID:39080886	综述	本文综述了从乳腺X线照片中提取纹理特征并与机器学习算法结合用于评估乳腺癌风险的研究，以及旨在实现相同目标的深度学习方法	机器学习和深度学习方法在风险分析领域提供了有前景的结果，无论是风险分层还是风险评分预测	未来的研究应考虑将这些方法在临床实践中实施的可能性	综述基于乳腺X线照片的乳腺癌风险评估方法	乳腺癌风险评估方法及其在临床实践中的应用	机器学习	乳腺癌	NA	机器学习算法，深度学习方法	乳腺X线照片	NA
19965	2024-08-07	CVDNet: A novel deep learning architecture for detection of coronavirus (Covid-19) from chest x-ray images 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110245 PMID:32921934	研究论文	本文提出了一种名为CVDNet的深度卷积神经网络模型，用于通过胸部X光图像分类COVID-19感染与正常和其他肺炎病例	CVDNet模型采用两个并行层次和不同内核大小来捕捉输入的局部和全局特征	模型在小型数据集上表现良好，但可能需要更多训练数据以进一步提高性能	开发一种低成本且高效的深度学习模型，帮助医疗专业人员快速检测COVID-19并确定感染的严重程度	COVID-19感染的检测与分类	计算机视觉	呼吸系统疾病	深度学习	CNN	图像	包含219例COVID-19、1341例正常和1345例病毒性肺炎的胸部X光图像
19966	2024-08-07	Automatic detection of pulmonary nodules on CT images with YOLOv3: development and evaluation using simulated and patient data 2020-Oct, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-19-883 PMID:33014725	研究论文	本文开发并评估了一种基于YOLOv3卷积神经网络的高效肺结节计算机辅助检测方法，用于CT图像中肺结节的定位和直径估计	该方法采用了YOLOv3算法，具有自动多尺度特征提取器和基于特征的边界框生成器，用于肺结节的特征筛选、定位和直径估计	NA	开发一种高效的肺结节计算机辅助检测方法，用于CT图像中肺结节的定位和直径估计	肺结节在CT图像中的定位和直径估计	计算机视觉	肺部疾病	YOLOv3	CNN	图像	模拟研究中使用了300个CT扫描，患者研究中使用了888个CT图像
19967	2024-08-07	High expression of MKK3 is associated with worse clinical outcomes in African American breast cancer patients 2020-09-01, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-020-02502-w PMID:32873298	研究论文	本研究通过系统分析基因mRNA表达与临床结果的关系，探讨了非洲裔美国乳腺癌患者的生存差异分子基础，并确定了MKK3基因的高表达与更差的临床结果相关。	本研究首次确定了MKK3基因在非洲裔美国乳腺癌患者中的高表达与生存率下降的强相关性，并提出了MKK3-MYC蛋白相互作用作为减少乳腺癌生存种族差异的新治疗靶点。	本研究仅基于TCGA数据库中的乳腺癌患者样本，可能存在样本代表性不足的问题。	探讨非洲裔美国乳腺癌患者的生存差异分子基础，并寻找新的治疗靶点。	非洲裔美国乳腺癌患者及其基因表达与临床结果的关系。	数字病理学	乳腺癌	全卷积深度学习模型	CNN	图像	1055个乳腺癌样本
19968	2024-08-07	Prognostic Modeling of COVID-19 Using Artificial Intelligence in the United Kingdom: Model Development and Validation 2020-08-25, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/20259 PMID:32735549	研究论文	本文利用人工神经网络在英国开发和验证了COVID-19的预后模型	首次开发并验证了适用于确诊SARS-CoV-2患者的预后评分系统	模型仅在单一地点的数据上进行训练和验证	创建一个基于人工神经网络的入院时死亡风险评分系统	确诊SARS-CoV-2的患者	机器学习	COVID-19	人工神经网络	ANN	患者特征数据	398名确诊SARS-CoV-2并入院的患者
19969	2024-08-07	Different scaling of linear models and deep learning in UKBiobank brain images versus machine-learning datasets 2020-08-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-18037-z PMID:32843633	研究论文	本文系统地评估了深度学习、核模型和线性模型在UKBiobank脑部图像数据集上的性能，并与传统的机器学习数据集进行了比较	研究发现，在UKBiobank脑部图像数据集中，简单的线性模型在年龄和性别预测任务上与复杂的深度学习模型表现相当	深度学习和核学习方法在预测典型脑部扫描的常见表型时，其非线性优势未能得到充分利用	探讨不同类型的机器学习模型在不同数据集上的性能表现	UKBiobank脑部图像数据集以及MNIST和Zalando Fashion数据集	机器学习	NA	深度学习	线性模型、核模型、深度学习模型	图像	样本量达到约10,000名受试者时，线性模型的性能仍在提升
19970	2024-08-07	Deep-learning-based image quality enhancement of compressed sensing magnetic resonance imaging of vessel wall: comparison of self-supervised and unsupervised approaches 2020-08-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-69932-w PMID:32811848	研究论文	本文比较了基于自监督学习和无监督学习的深度学习算法在压缩感知磁共振成像（MRI）图像质量增强中的应用	提出了两种适用于非像素对齐临床数据集的深度学习去噪算法：自监督学习和无监督学习	自监督学习在图像噪声和信噪比方面优于无监督学习，但在放射组学特征可重复性方面不如无监督学习	研究如何通过深度学习技术提高压缩感知MRI的图像质量，以减少扫描时间并提高诊断准确性	颅内血管壁的高分辨率质子密度加权MRI图像	计算机视觉	NA	压缩感知MRI	深度学习	图像	NA
19971	2024-08-07	Artificial intelligence for the detection of COVID-19 pneumonia on chest CT using multinational datasets 2020-08-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-17971-2 PMID:32796848	研究论文	本文展示了使用多国数据集训练的深度学习算法在胸部CT扫描中检测COVID-19肺炎的能力	利用AI技术在多国患者数据集上训练的深度学习算法，能够高准确度地区分COVID-19肺炎与其他肺炎	文章未提及具体的局限性	开发和验证用于胸部CT扫描中快速评估和区分COVID-19肺炎的AI算法	COVID-19肺炎的检测与区分	计算机视觉	COVID-19	深度学习	深度学习算法	图像	训练集包含1280名患者，独立测试集包含1337名患者
19972	2024-08-07	The Advent of Generative Chemistry 2020-Aug-13, ACS medicinal chemistry letters IF:3.5Q2 DOI:10.1021/acsmedchemlett.0c00088 PMID:32832015	综述	本文综述了生成对抗网络（GANs）和强化学习（RL）在药物分子设计中的应用及其在生成具有所需性质的新分子方面的最新进展	介绍了GANs和RL在药物分子设计中的应用，旨在更有效地利用数据和更好地探索化学空间	讨论了生成化学这一新兴领域的当前局限性和挑战	回顾生成具有所需性质的新分子的最新进展，并探讨相关技术的应用	生成对抗网络（GANs）、强化学习（RL）及相关技术在药物分子设计中的应用	机器学习	NA	生成对抗网络（GANs）、强化学习（RL）	GAN	分子数据	NA
19973	2024-08-07	Melanoma Diagnosis Using Deep Learning and Fuzzy Logic 2020-Aug-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics10080577 PMID:32784837	研究论文	本文提出了一种基于深度学习的YOLO算法，结合模糊逻辑用于从皮肤镜和数字图像中检测黑色素瘤	本文引入了图论的最小生成树概念和L型模糊数近似方法进行两阶段分割，并在特征提取过程中提取实际受影响的病变区域	NA	开发一种更快速且计算有效的系统用于检测黑色素瘤	黑色素瘤的检测	计算机视觉	皮肤癌	深度卷积神经网络(DCNNs)	YOLO	图像	20250张图像
19974	2024-08-07	Semantic Deep Learning: Prior Knowledge and a Type of Four-Term Embedding Analogy to Acquire Treatments for Well-Known Diseases 2020-Aug-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/16948 PMID:32759099	研究论文	本研究通过语义深度学习方法，利用先验知识和四项式嵌入类比，系统地提取疾病治疗陈述	本研究采用了一种新的四项式嵌入类比方法，不同于传统的成对类比，并利用先验知识进行推理	研究中使用的数据集规模相对较小，且需要进一步的人工验证	旨在通过语义深度学习方法，系统地从生物医学文献中提取基于证据的疾病治疗陈述	疾病治疗陈述的提取和验证	自然语言处理	NA	连续词袋模型（CBOW）和跳字模型（Skip-gram）嵌入	深度学习模型	文本	423K n-grams 从 PubMed 系统评价子集（PMSB 数据集）中提取
19975	2024-08-07	Feature Selection for Health Care Costs Prediction Using Weighted Evidential Regression 2020-Aug-06, Sensors (Basel, Switzerland) DOI:10.3390/s20164392 PMID:32781680	研究论文	本文提出了一种基于加权证据回归的特征选择方法，用于预测医疗保健成本，并允许结果的解释	该方法结合了证据回归和k-近邻算法，能够在保持预测准确性的同时提供结果的解释性	NA	开发一种既能够达到黑盒方法预测准确性，又允许结果解释的医疗成本预测方法	医疗保健成本预测及其影响因素	机器学习	NA	证据回归（EVREG）	回归模型	医疗记录	使用了Tsuyama Chuo Hospital从2013年到2018年的日本健康记录
19976	2024-08-07	Real-Time Detection of Railway Track Component via One-Stage Deep Learning Networks 2020-Aug-03, Sensors (Basel, Switzerland) DOI:10.3390/s20154325 PMID:32756365	research paper	本文提出了一系列单阶段深度学习方法，用于实时检测铁路轨道关键部件，如轨道、螺栓和夹子。	采用YOLOv2模型，实现了93%的平均精度均值（mAP）和35张图像每秒（IPS）的检测速度。	较大的输入尺寸虽然提高了检测精度，但增加了推理时间。	提高铁路轨道检查的准确性和速度。	铁路轨道的关键部件，包括轨道、螺栓和夹子。	computer vision	NA	深度学习	YOLOv2, FPN	image	NA
19977	2024-08-07	Current Status and Future Perspectives of Artificial Intelligence in Magnetic Resonance Breast Imaging 2020, Contrast media & molecular imaging DOI:10.1155/2020/6805710 PMID:32934610	综述	本文综述了人工智能（AI）和深度学习（DL）在乳腺磁共振成像（MRI）中的当前状态和未来展望	强调了开发用于精准医学的定量影像生物标志物的重要性，以及乳腺MRI和DL在此方面的潜力	讨论了DL在乳腺MRI应用中的未来挑战	提供AI在乳腺MRI中当前状态和未来展望的全面图景	乳腺MRI中的AI和DL应用	计算机视觉	NA	深度学习	DL	影像	NA
19978	2024-08-07	A Deep Network Model on Dynamic Functional Connectivity With Applications to Gender Classification and Intelligence Prediction 2020, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2020.00881 PMID:33013292	研究论文	本文提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的端到端深度学习模型，用于捕捉功能连接序列的时空特征，并应用于性别分类和智力预测任务	该模型能够同时捕捉功能连接序列的时空特征，并在性别分类和智力预测任务中显著优于先前报告的模型	NA	研究动态功能脑网络的动态特性与个体行为和认知特征之间的关系	功能脑网络的动态特性	机器学习	NA	fMRI	CNN 和 LSTM	功能连接序列	1,050 名参与者（人类连接组计划）
19979	2024-08-07	Using deep learning to probe the neural code for images in primary visual cortex 2019-04-01, Journal of vision IF:2.0Q2 DOI:10.1167/19.4.29 PMID:31026016	研究论文	本研究利用深度卷积神经网络预测初级视觉皮层（V1）神经元对自然图像刺激的放电率	本研究首次使用深度卷积神经网络预测V1神经元对自然图像刺激的放电率，并发现预测结果与实际放电率高度相关	研究仅限于预测V1神经元的放电率，未涉及更深层次的视觉信息处理机制	旨在填补对V1如何编码图像的理解中的重要空白	初级视觉皮层（V1）神经元对自然图像刺激的响应	计算机视觉	NA	深度学习	CNN	图像	355个神经元
19980	2024-08-04	Machine learning for high-precision simulation of dissolved organic matter in sewer: Overcoming data restrictions with generative adversarial networks 2024-Oct-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174469 PMID:38972419	研究论文	本研究建立了一种新框架，结合生成对抗网络和机器学习模型，以提高污水中溶解有机物转化过程的模拟精度	提出了一种整合生成对抗网络算法与机器学习模型的框架，以克服数据限制带来的缺陷	模型的准确性受到数据限制的限制	研究污水中溶解有机物的转化过程及其管理策略	污水中的溶解有机物的转化过程	机器学习	NA	生成对抗网络	集成模型	虚拟数据集	1000个样本