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
41	2025-01-24	Fully automated segmentation of brain tumor from multiparametric MRI using 3D context deep supervised U-Net 2021-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.15032 PMID:34101845	研究论文	本研究开发了一种基于深度学习的自动分割方法，用于从多参数MRI中分割脑肿瘤	提出了一种上下文深度监督的U-Net模型，通过聚合多尺度上下文信息来改进脑肿瘤子区域的分割精度	研究中使用的数据集来自BraTS 2020挑战赛，可能无法完全代表所有临床情况	开发一种自动分割脑肿瘤的方法，以提高分割精度并减少临床工作流程中的时间和变异性	脑肿瘤	计算机视觉	脑肿瘤	深度学习	3D上下文深度监督U-Net	多参数MRI图像	BraTS 2020训练数据集和测试数据集
42	2025-01-23	Deep learning-based motion tracking using ultrasound images 2021-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.15321 PMID:34724712	研究论文	本文开发了一种基于深度学习的超声图像运动跟踪方法，用于放射治疗中的分次内运动跟踪	提出了一种基于生成对抗网络的马尔可夫网络，用于从连续的超声图像帧中提取特征并估计变形向量场，从而实现实时毫米级肿瘤运动预测	NA	解决超声图像在放射治疗中用于运动跟踪的挑战	超声图像序列	计算机视觉	NA	超声成像	生成对抗网络（GAN）	图像	CLUST数据集包含42名受试者的63个2D和18名受试者的22个3D超声图像序列，CAMUS数据集包含450名患者的2D超声图像
43	2025-01-23	High through-plane resolution CT imaging with self-supervised deep learning 2021-07-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac0684 PMID:34049297	研究论文	本文提出了一种自监督深度学习工作流程，用于通过从高平面分辨率特征中学习来合成高平面分辨率CT图像，以提高放射治疗计划中剂量计算的准确性	该工作的创新点在于提出的深度学习工作流程是自监督的，不依赖于真实CT图像来训练网络，并确认了平面高分辨率信息可以监督平面高分辨率生成的假设	NA	提高放射治疗计划中CT图像的平面分辨率，以提升剂量计算的准确性	头颈癌和肺癌患者的CT图像	计算机视觉	头颈癌, 肺癌	自监督深度学习	神经网络	CT图像	75名头颈癌患者（1毫米切片厚度）和20名肺癌患者（3毫米切片厚度）的CT图像
44	2025-01-23	Learning-based dose prediction for pancreatic stereotactic body radiation therapy using dual pyramid adversarial network 2021-06-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac0856 PMID:34087807	研究论文	本研究提出了一种基于双金字塔对抗网络（DPNs）的深度学习模型，用于预测胰腺癌立体定向放射治疗（SBRT）的剂量分布	提出了一种新的双金字塔网络（DPNs）集成深度学习模型，结合了CT-only特征金字塔网络（FPN）、contour-only FPN、晚期融合网络和对抗网络，用于胰腺癌SBRT的剂量预测	研究样本量较小，仅涉及30名患者的五折交叉验证和20名患者的保留测试	探索深度学习在胰腺癌SBRT剂量预测任务中的有效性	胰腺癌SBRT的剂量分布	医学影像分析	胰腺癌	深度学习	双金字塔对抗网络（DPNs）	CT图像和轮廓数据	30名患者的五折交叉验证和20名患者的保留测试
45	2025-01-23	Head and neck multi-organ segmentation on dual-energy CT using dual pyramid convolutional neural networks 2021-05-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abfce2 PMID:33915524	研究论文	本文提出了一种基于双能量CT（DECT）的深度学习自动多器官分割方法，用于头颈部区域	提出了一种结合双金字塔卷积神经网络和深度注意力策略的Mask R-CNN框架，用于多器官分割，并通过掩码评分子网络避免误分类	对于对比度极低的小器官（如视交叉、耳蜗、晶状体和视神经），分割效果仍有提升空间	开发一种自动多器官分割方法，以改进头颈部癌症的诊断和治疗计划	头颈部癌症患者的DECT图像	计算机视觉	头颈部癌症	双能量CT（DECT）	Mask R-CNN	图像	127名头颈部癌症患者（66名训练，61名测试）
46	2025-01-16	A maChine and deep Learning Approach to predict pulmoNary hyperteNsIon in newbornS with congenital diaphragmatic Hernia (CLANNISH): Protocol for a retrospective study 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0259724 PMID:34752491	研究论文	本研究旨在通过机器学习和深度学习方法，预测先天性膈疝（CDH）新生儿出生后的肺动脉高压（PH），并开发产前预测模型	首次将机器学习和深度学习应用于CDH胎儿的产前预测，特别是针对肺动脉高压的预测，并计划开发自动胎儿肺部MRI分割系统	研究为回顾性研究，可能受到数据质量和完整性的限制，且需要未来多中心前瞻性研究验证	开发预测模型以改善CDH患者的预后，特别是肺动脉高压的预测，并优化胎儿和新生儿的个性化管理	先天性膈疝（CDH）胎儿和新生儿	机器学习	先天性膈疝	MRI, 机器学习, 深度学习	3D U-NET	临床数据, 放射学数据, MRI图像	2012年1月1日至2020年12月31日期间出生的符合条件的患者
47	2025-01-07	Lung tumor segmentation in 4D CT images using motion convolutional neural networks 2021-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.15204 PMID:34469001	研究论文	本文提出了一种基于深度学习的框架，用于快速准确地在4D CT图像集上分割肺部肿瘤	该框架结合了全局和局部运动估计网络架构，能够学习肿瘤运动引起的主要和次要变化，并在掩码头网络中引入了自注意力策略以去除可能影响分割性能的噪声特征	NA	提高肺部肿瘤在4D CT图像上的分割准确性和效率	肺部肿瘤	计算机视觉	肺癌	深度学习	运动区域卷积神经网络（R-CNN）	4D CT图像	20个4D CT数据集（每个包含10个呼吸阶段，共200个3D图像体积）和40个患者的4D CT数据集
48	2025-01-07	Automated delineation of head and neck organs at risk using synthetic MRI-aided mask scoring regional convolutional neural network 2021-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.15146 PMID:34342878	研究论文	本研究开发了一种基于深度学习的自动化器官风险区域（OAR）分割方法，旨在解决当前自动分割算法在实现可靠专家性能方面的挑战	利用CT和合成MRI的互补对比度，结合掩码评分区域卷积神经网络（Mask Scoring R-CNN），提高了OAR分割的准确性	研究主要依赖于内部和公共数据集，可能在其他数据集上的泛化能力有待验证	开发一种自动化OAR分割方法，以提高头颈部放疗治疗计划中的器官分割准确性	头颈部癌症患者的CT扫描图像	计算机视觉	头颈部癌症	CT和MRI成像技术	Mask Scoring R-CNN	图像	内部数据集和公共数据集中的头颈部癌症患者CT扫描
49	2025-01-07	Male pelvic multi-organ segmentation on transrectal ultrasound using anchor-free mask CNN 2021-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.14895 PMID:33894057	研究论文	本文开发了一种基于深度学习的男性盆腔多器官分割方法，用于经直肠超声图像	提出了一种无锚点的掩码卷积神经网络（CNN），结合空间注意力策略，能够捕捉多个器官的空间相关性	研究仅基于83名前列腺癌患者的回顾性数据，样本量相对较小	开发一种用于前列腺近距离放射治疗中多器官分割的自动化方法	前列腺、膀胱、直肠和尿道	计算机视觉	前列腺癌	深度学习	无锚点掩码CNN	超声图像	83名前列腺癌患者
50	2025-01-06	Self-supervised learning for accelerated 3D high-resolution ultrasound imaging 2021-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.14946 PMID:33993508	研究论文	本研究开发了一种基于深度学习的算法，用于从稀疏获取的二维图像重建高分辨率三维超声图像	提出了一种自监督学习框架，使用循环一致性生成对抗网络（cycleGAN）来生成高分辨率三维超声图像，无需外部图谱图像	研究仅在乳腺癌和前列腺癌患者的数据集上进行了评估，可能在其他疾病或更大样本量上的泛化能力有待验证	开发一种深度学习算法，用于从稀疏获取的二维图像重建高分辨率三维超声图像	乳腺癌和前列腺癌患者的超声图像	计算机视觉	乳腺癌, 前列腺癌	cycleGAN	cycleGAN	图像	70名乳腺癌患者和45名前列腺癌患者的超声图像
51	2024-12-26	Improved amyloid burden quantification with nonspecific estimates using deep learning 2021-06, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05131-z PMID:33415430	研究论文	本文提出了一种利用深度学习去除淀粉样蛋白-PET扫描中非特异性结合变异的新方法，以提高淀粉样蛋白负担的量化准确性	利用卷积网络的跨模态图像转换能力，去除淀粉样蛋白-PET扫描中的非特异性结合变异，从而提高量化准确性	研究样本仅来自新加坡的172名参与者，可能存在地域和人群限制	提高淀粉样蛋白负担的量化准确性，特别是在存在脑血管疾病的情况下	淀粉样蛋白-PET扫描图像	数字病理学	阿尔茨海默病	深度学习	CNN, cGAN	图像	172名参与者
52	2024-12-21	Discovery of gene module acting on ubiquitin-mediated proteolysis pathway by co-expression network analysis for endometriosis 2021-Feb, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2020.10.005 PMID:33189575	研究论文	通过共表达网络分析发现与子宫内膜异位症相关的基因模块，并探讨其在临床诊断中的应用	首次通过共表达网络分析发现与子宫内膜异位症高度相关的基因模块，并利用深度学习模型进行临床诊断	研究基于已有的基因表达数据集，未进行实验验证	探讨子宫内膜异位症的发生与基因模块表达异常的关系，并建立诊断模型	子宫内膜异位症患者的异位子宫内膜组织	基因组学	妇科疾病	共表达网络分析	深度学习模型	基因表达数据	71例正常样本和142例子宫内膜异位症样本
53	2024-12-14	KGDAL: Knowledge Graph Guided Double Attention LSTM for Rolling Mortality Prediction for AKI-D Patients 2021-Aug, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine DOI:10.1145/3459930.3469513 PMID:34541583	研究论文	本文提出了一种名为KGDAL的知识图谱引导的双注意力LSTM模型，用于预测需要透析的急性肾损伤（AKI-D）重症患者的滚动死亡率	KGDAL模型通过构建基于知识图谱的二维注意力机制，在时间和特征空间中进行双重注意力处理，从而提高了预测性能	NA	提高需要透析的急性肾损伤重症患者的滚动死亡率预测准确性，并帮助医疗提供者做出及时决策	需要透析的急性肾损伤（AKI-D）重症患者	机器学习	急性肾损伤	知识图谱，深度学习	LSTM	电子健康记录（EHR）数据	两个大型医疗数据集
54	2024-12-13	A Pilot Study on Automatic Three-Dimensional Quantification of Barrett's Esophagus for Risk Stratification and Therapy Monitoring 2021-09, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2021.05.059 PMID:34116029	研究论文	本文提出了一种基于人工智能的自动三维量化Barrett食管的方法，用于风险分层和治疗监测	本文首次实现了Barrett食管的三维重建和自动量化，能够准确测量Prague C&M评分和Barrett食管区域面积	研究样本量相对较小，且仅限于高清晰度视频数据	评估所提出的人工智能系统在模拟和内镜患者数据上的准确性	Barrett食管的三维量化和风险分层	计算机视觉	消化系统疾病	深度学习	深度估计网络	视频	194个高清晰度视频来自131名患者
55	2024-12-12	Convolutional Neural Networks for Fully Automated Diagnosis of Cardiac Amyloidosis by Cardiac Magnetic Resonance Imaging 2021-Dec-01, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm11121268 PMID:34945740	研究论文	本文研究了使用卷积神经网络（CNN）通过心脏磁共振成像（CMR）自动诊断心脏淀粉样变性（CA）	本文首次使用人工智能（AI）驱动的算法通过CMR图像检测心脏淀粉样变性的潜在模式	本文的局限性在于仅使用了502名患者的数据进行训练和验证	本文的研究目的是探索通过AI技术提高心脏淀粉样变性的诊断准确性	本文的研究对象是心脏淀粉样变性患者的心脏磁共振成像数据	计算机视觉	心血管疾病	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	502名患者（其中82名患有心脏淀粉样变性）
56	2024-12-12	Smartphone-based DNA malaria diagnostics using deep learning for local decision support and blockchain technology for security 2021-Aug-02, Nature electronics IF:33.7Q1 DOI:10.1038/s41928-021-00612-x PMID:39651407	研究论文	本文介绍了一种基于智能手机的端到端平台，用于多重DNA疟疾诊断，结合了深度学习算法和区块链技术	创新点在于将低成本的纸基微流体诊断测试与深度学习算法和区块链技术相结合，实现了远程低资源地区的快速诊断和数据安全管理	NA	开发一种能够在远程低资源地区快速进行疟疾诊断并确保数据安全的平台	疟疾诊断	数字病理学	疟疾	深度学习算法，区块链技术	深度学习	DNA	在乌干达农村地区进行了实地测试，正确识别了超过98%的测试病例
57	2024-12-08	A large-scale systematic survey of SARS-CoV-2 antibodies reveals recurring molecular features 2021-Nov-30, bioRxiv : the preprint server for biology DOI:10.1101/2021.11.26.470157 PMID:34873599	研究论文	对SARS-CoV-2抗体进行大规模系统调查，揭示了重复的分子特征	利用深度学习预测抗原特异性，区分SARS-CoV-2刺突蛋白抗体和流感血凝素抗体序列	NA	研究SARS-CoV-2抗体的公共反应和分子特征	SARS-CoV-2刺突蛋白抗体	生物信息学	COVID-19	深度学习	深度学习模型	序列数据	约8000个人类抗体，来自超过200名捐赠者
58	2024-12-08	Highly accurate protein structure prediction with AlphaFold 2021-08, Nature IF:50.5Q1 DOI:10.1038/s41586-021-03819-2 PMID:34265844	研究论文	本文介绍了AlphaFold，一种能够高精度预测蛋白质结构的计算方法	AlphaFold能够在没有相似结构已知的情况下，常规性地预测蛋白质结构并达到原子精度	NA	解决蛋白质结构预测的瓶颈问题，实现大规模结构生物信息学	蛋白质的三维结构预测	机器学习	NA	NA	神经网络	蛋白质序列	在CASP14挑战中验证了AlphaFold的性能
59	2024-12-08	Image-based profiling for drug discovery: due for a machine-learning upgrade? 2021-02, Nature reviews. Drug discovery DOI:10.1038/s41573-020-00117-w PMID:33353986	研究论文	本文探讨了基于图像的药物发现策略，并提出机器学习技术在此领域的升级潜力	本文提出了利用深度学习和单细胞方法等新型计算技术来更好地捕捉图像中的生物信息，以加速药物发现	尽管机器学习策略有所改进，但仍存在挑战	探讨基于图像的药物发现策略及其在机器学习技术升级中的潜力	基于图像的特征提取和多维特征分析	计算机视觉	NA	深度学习	NA	图像	NA
60	2024-12-01	Automated detection of brain metastases on non-enhanced CT using single-shot detectors 2021-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-021-02743-6 PMID:34114064	研究论文	研究使用单次检测器（SSD）模型在非增强CT上自动检测脑转移瘤	开发了一种基于深度学习的单次检测器（SSD）模型，用于在非增强CT上检测脑转移瘤	SSD模型在检测小于6mm的病灶时表现不佳，且部分检测结果在回顾性分析中对放射科医生也不明显	开发和评估基于深度学习的检测器，用于在非增强CT上检测脑转移瘤	脑转移瘤在非增强CT上的检测	计算机视觉	脑部疾病	深度学习	单次检测器（SSD）	图像	116例非增强CT，来自116名患者