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
121	2024-08-20	Deep learning links histology, molecular signatures and prognosis in cancer 2020-08, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-020-0099-2 PMID:35122048	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
122	2024-08-20	The ENIGMA-Epilepsy working group: Mapping disease from large data sets 2020-May-29, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25037 PMID:32468614	review	本文综述了ENIGMA-Epilepsy工作组通过大规模数据集映射癫痫疾病的研究项目，包括结构MRI、扩散张量成像（DTI）和静息态功能MRI（rsfMRI）等技术，以及采用的先进方法如结构协变和事件驱动模型分析	ENIGMA-Epilepsy工作组通过增加样本量、借鉴其他ENIGMA项目的方法和理念，以及建立合作科学家和临床医生的团队，加强了癫痫神经科学的研究	NA	加强癫痫神经科学研究，推动稳健的科研进展	癫痫疾病的脑部过程和病理生理学	数字病理学	癫痫	MRI, DTI, rsfMRI	结构协变模型, 事件驱动模型	影像数据	大规模样本
123	2024-08-19	Development of pathological reconstructed high-resolution images using artificial intelligence based on whole slide image 2020-Dec, MedComm IF:10.7Q1 DOI:10.1002/mco2.39 PMID:34766132	研究论文	本文提出了一种基于深度学习的高分辨率病理图像重建方法，能够将20倍全切片图像转换为40倍图像，同时保持整体和局部特征	开发了一种新的高分辨率图像重建流程，通过深度学习技术实现20倍全切片图像到40倍图像的无损转换	NA	提高数字病理学的普及性，通过减少存储空间和传输时间的需求	子宫平滑肌肉瘤和成人颗粒细胞瘤的全切片图像数据	数字病理学	肿瘤	深度学习	深度学习模型	图像	100例子宫平滑肌肉瘤和100例成人颗粒细胞瘤的全切片图像
124	2024-08-18	Quantifying the Association Between Psychotherapy Content and Clinical Outcomes Using Deep Learning 2020-01-01, JAMA psychiatry IF:22.5Q1 DOI:10.1001/jamapsychiatry.2019.2664 PMID:31436785	研究论文	本文利用深度学习模型分析大规模认知行为疗法（CBT）会话记录数据集，量化治疗内容与临床结果之间的关联。	首次应用深度学习技术于心理治疗领域，通过分析治疗师的话语内容来量化治疗效果。	研究仅限于特定的CBT治疗协议和特定的数据集，可能限制了结果的普遍性。	探索心理治疗内容与临床结果之间的量化关系，并利用深度学习技术提供新的治疗见解。	研究对象为接受互联网CBT治疗的心理健康障碍患者。	机器学习	心理健康障碍	深度学习	深度学习模型	文本	17,572名患者（90,934份治疗会话记录）
125	2024-08-11	Validation and Optimization of Multi-Organ Segmentation on Clinical Imaging Archives 2020, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2549035 PMID:34040277	研究论文	本文验证并优化了基于临床影像档案的多器官分割方法	采用了改进的3D U-Net模型，并通过手动修正标签重新训练模型，提高了分割性能	在真实世界中，由于患者腹部生理的广泛变异性，分割可能具有挑战性	旨在提高多器官腹部CT分割的准确性，以便临床应用	腹部CT影像中的多器官分割	计算机视觉	NA	CT	3D U-Net	影像	476名脾脏异常患者（队列A）和1754名无脾脏异常患者（队列B）
126	2024-08-10	Using supervised machine learning classifiers to estimate likelihood of participating in clinical trials of a de-identified version of ResearchMatch 2020-Sep-04, Journal of clinical and translational science IF:2.1Q3 DOI:10.1017/cts.2020.535 PMID:33948264	研究论文	本文利用监督机器学习分类器和深度学习方法分析ResearchMatch数据库，以发现更有可能参与临床试验的个体特征	使用深度学习模型（CNN）和六种监督机器学习分类器来预测个体参与临床试验的兴趣	NA	探索影响个体参与临床试验的因素	ResearchMatch数据库中的个体特征	机器学习	NA	监督机器学习	CNN	数据	841,377个实例，20个特征
127	2024-08-09	De novo prediction of cancer-associated T cell receptors for noninvasive cancer detection 2020-08-19, Science translational medicine IF:15.8Q1 DOI:10.1126/scitranslmed.aaz3738 PMID:32817363	研究论文	本文开发了一种名为DeepCAT的深度学习方法，用于从头预测与癌症相关的T细胞受体（TCRs），并验证了其在癌症诊断中的应用	首次使用深度学习方法DeepCAT进行癌症相关TCRs的从头预测，为无创癌症检测提供新途径	NA	开发一种新的深度学习方法，用于早期癌症的无创检测	癌症相关的T细胞受体（TCRs）	机器学习	NA	深度学习	深度学习模型	TCR序列	超过250名癌症患者和600名健康个体的血液TCR序列
128	2024-08-09	Automatic Hip Fracture Identification and Functional Subclassification with Deep Learning 2020-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.2020190023 PMID:33937815	研究论文	研究使用深度学习自动识别和分类髋部骨折的可行性	开发了一种深度学习模型，能够自动识别和分类髋部骨折，其性能达到专家水平，并能辅助提高人类观察者的表现	NA	探索使用深度学习自动识别和分类髋部骨折的可行性，以减少诊断错误和缩短手术时间	髋部和骨盆X光片	计算机视觉	NA	深度学习	Densely Connected Convolutional Neural Network (DenseNet)	图像	1118项研究的髋部和骨盆X光片，3026个髋部被标记
129	2024-08-08	Anterior Mediastinal Lesion Segmentation Based on Two-Stage 3D ResUNet With Attention Gates and Lung Segmentation 2020, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2020.618357 PMID:33634027	研究论文	本文提出了一种基于两阶段3D ResUNet网络结合肺部分割的前纵隔病变分割方法	引入了注意力门机制和肺部分割技术，以提高病变分割的准确性	NA	提高前纵隔病变在CT图像中的分割准确性，辅助医生诊断	前纵隔病变	计算机视觉	胸部疾病	深度学习	3D ResUNet	CT图像	230名患者
130	2024-08-07	Artificial Intelligence, Radiomics, and Deep Learning in Neuro-Oncology 2020-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdaa179 PMID:33521635	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
131	2024-08-07	Optical techniques, computed tomography and deep learning role in the diagnosis of COVID-19 pandemic towards increasing the survival rate of vulnerable populations 2020-09, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2020.101880 PMID:32562732	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
132	2024-08-07	Neural network-based identification of patients at high risk for intraoperative cerebrospinal fluid leaks in endoscopic pituitary surgery 2020-08-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2019.4.JNS19477 PMID:31226693	研究论文	研究使用基于神经网络的模型来识别内镜下经鼻蝶手术中高风险发生脑脊液漏的患者	开发了一种基于深度学习的预测模型，能够准确识别高风险患者，提高了预测的准确性和敏感性	NA	研究是否可以使用基于神经网络的模型可靠地识别高风险患者	内镜下经鼻蝶手术中发生脑脊液漏的风险	机器学习	NA	深度学习	深度神经网络	NA	154名接受内镜下经鼻蝶手术的患者
133	2024-08-07	Artificial Intelligence in Dentistry: Chances and Challenges 2020-07, Journal of dental research IF:5.7Q1 DOI:10.1177/0022034520915714 PMID:32315260	综述	本文综述了人工智能在牙科诊断、治疗规划和执行中的应用、局限性和未来潜力	探讨了人工智能在牙科领域的应用如何简化护理流程，减轻牙科工作者的日常劳动，提高健康水平并降低成本	当前人工智能解决方案在牙科常规实践中应用有限，主要原因包括数据可用性、结构和全面性的限制，方法学严谨性和标准的缺乏，以及实际应用中的价值和有用性问题	探讨人工智能在牙科领域的应用及其未来发展	牙科诊断、治疗规划、执行以及牙科研究和发现	机器学习	NA	深度学习	多层数学操作	图像	NA
134	2024-08-07	Artifact removal from neurophysiological signals: impact on intracranial and arterial pressure monitoring in traumatic brain injury 2020-06-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2019.2.JNS182260 PMID:31075774	研究论文	本文通过深度学习技术消除神经生理信号中的伪影，特别是颅内压和动脉血压监测中的伪影，以提高创伤性脑损伤患者临床参数的预测能力	提出了一种基于堆叠卷积自编码器和卷积神经网络的模型，有效消除了颅内压和动脉血压信号中的伪影	NA	消除颅内压和动脉血压监测中的信号伪影，评估伪影消除后临床参数的预测能力变化	创伤性脑损伤患者的颅内压和动脉血压信号	机器学习	创伤性脑损伤	深度学习	堆叠卷积自编码器和卷积神经网络	信号	309名创伤性脑损伤患者
135	2024-08-07	Artificial Intelligence in COPD: New Venues to Study a Complex Disease 2020 May-Dec, Barcelona respiratory network reviews DOI:10.23866/BRNRev:2019-0014 PMID:33521399	综述	本文综述了人工智能（AI）在慢性阻塞性肺疾病（COPD）研究中的应用及其带来的新机遇	AI在临床决策自动化、放射学解释和预测方面的显著成果，以及在COPD复杂系统理解与建模中的应用	讨论了AI在COPD应用中的挑战和局限性	探索AI在COPD研究中的应用及其潜力	COPD这一复杂且异质性疾病	机器学习	慢性阻塞性肺疾病	AI	深度学习	临床数据、影像数据和分子数据	NA
136	2024-08-07	Preliminary development of a deep learning-based automated primary headache diagnosis model using Japanese natural language processing of medical questionnaire 2020, Surgical neurology international DOI:10.25259/SNI_827_2020 PMID:33500813	研究论文	本文初步开发了一种基于深度学习的自动化原发性头痛诊断模型，使用日本自然语言处理技术处理医疗问卷中的非结构化句子	该模型通过深度学习框架处理医疗问卷中的非结构化句子，旨在减少医生和患者的时间和负担，并提高他们的生活质量	NA	解决日本原发性头痛治疗中医疗资源不足的问题	原发性头痛患者	自然语言处理	头痛	深度学习	DL框架	文本	848名原发性头痛患者（495名女性和353名男性）
137	2024-08-07	A Deep Learning-Based Approach for Identifying the Medicinal Uses of Plant-Derived Natural Compounds 2020, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2020.584875 PMID:33519445	研究论文	本文提出了一种基于深度学习的方法，用于识别植物衍生天然化合物的药用用途	利用深度学习处理大量异构药物和天然化合物数据，有效利用异构特征缓解信息不完整问题	NA	开发一种新方法以减少确认天然化合物生物活性所需的时间和成本	植物衍生天然化合物及其药用用途	机器学习	NA	深度学习	深度学习模型	数据	4,507种天然化合物和2,882种已批准和研究中的药物
138	2024-08-07	The Era of Radiogenomics in Precision Medicine: An Emerging Approach to Support Diagnosis, Treatment Decisions, and Prognostication in Oncology 2020, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2020.570465 PMID:33575207	研究论文	本文综述了放射基因组学在精准医学中的应用，探讨了其在肿瘤诊断、治疗决策和预后评估中的作用	放射基因组学结合了大量从医学图像中提取的定量数据与个体基因组表型，通过深度学习构建预测模型，为个性化医疗提供了新的科学方法	放射基因组学的工作流程标准和国际统一的统计方法指南需要进一步确认	探讨放射基因组学在肿瘤学中的应用，支持诊断、治疗决策和预后评估	放射基因组学在不同类型肿瘤中的预测价值	数字病理学	肿瘤	深度学习	深度学习模型	医学图像数据和基因组数据	NA
139	2024-08-06	piNET-An Automated Proliferation Index Calculator Framework for Ki67 Breast Cancer Images 2020-Dec-22, Cancers IF:4.5Q1 DOI:10.3390/cancers13010011 PMID:33375043	研究论文	本研究提出了一种用于Ki67乳腺癌图像的自动增殖指数计算器piNET	该工具基于深度学习，可以适应医疗图像的广泛变异性，且通过模拟病理学家的工作流程提高了准确性和效率	NA	开发一种高效准确的Ki67增殖指数量化工具	Ki67乳腺癌图像及其相关数据集	数字病理	乳腺癌	深度学习	NA	图像	四个数据集，来源于三个扫描仪，包括切片、组织微阵列和全切片图像
140	2024-08-06	Skin Lesion Classification Using Densely Connected Convolutional Networks with Attention Residual Learning 2020-Dec-10, Sensors (Basel, Switzerland) DOI:10.3390/s20247080 PMID:33321864	研究论文	本文提出了一种利用注意力残差学习的密集连接卷积网络进行皮肤病变分类	引入了注意力机制和残差学习，同时减少了参数数量	没有对不同的成像方法和临床病理变化进行深入分析	改进皮肤病变的分类准确性	皮肤病变图像分类	计算机视觉	皮肤癌	卷积神经网络	ARDT-DenseNet	图像	ISIC 2016 和 ISIC 2017 数据集