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
581	2024-08-05	Deep Learning for Automated Liver Segmentation to Aid in the Study of Infectious Diseases in Nonhuman Primates 2021-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2020.08.023 PMID:32943333	研究论文	本研究探讨了深度学习在非人类灵长类动物感染疾病研究中自动肝脏分割的应用	首次在非人类灵长类动物的全身CT图像中应用先进的CNN算法进行肝脏分割	主要集中在非人类灵长类动物上，可能不适用于其他物种	提升对感染性疾病中肝脏的准确分割和分析能力	37只非人类灵长类动物的82个CT扫描图像	数字病理学	感染性疾病	深度学习	CNN，FPN、VNet和UNet	图像	37只动物的82个扫描
582	2024-08-05	Converting tabular data into images for deep learning with convolutional neural networks 2021-05-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-90923-y PMID:34059739	研究论文	本研究提出了一种新算法IGTD，将表格数据转换为图像，以便使用卷积神经网络进行深度学习	开发了一种新的算法，能够通过优化特征与像素位置的赋值，将表格数据转换为图像	未提及具体的局限性	研究如何将表格数据有效地转换为图像以供深度学习使用	将癌细胞系的基因表达谱和药物的分子描述符作为研究对象	计算机视觉	癌症	卷积神经网络(CNN)	卷积神经网络(CNN)	图像	使用了基因表达谱和药物分子描述符的多个样本，但具体数量未提供
583	2024-08-05	MSA-Regularized Protein Sequence Transformer toward Predicting Genome-Wide Chemical-Protein Interactions: Application to GPCRome Deorphanization 2021-04-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.0c01285 PMID:33757283	研究论文	本研究开发了一种新的深度学习框架来预测化学物质与未注释的进化分化蛋白质之间的相互作用	提出了新的方法DISAE，通过结合进化信息和自监督学习，能够从未标记的蛋白质序列中捕获功能关系	研究未能探讨所有可能的化学-蛋白质相互作用，且对数据的依赖可能影响预测的准确性	旨在改进对未注释蛋白质的 ligand 预测并推动 GPCRome 的去孤立化研究	未注释的蛋白质及其与小分子的相互作用	机器学习	NA	自监督学习	DISAE	蛋白质序列	使用了所有蛋白质序列及其多序列比对（MSA）
584	2024-08-05	A network-based deep learning methodology for stratification of tumor mutations 2021-Apr-09, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaa1099 PMID:33416857	研究论文	本研究开发了一种基于网络嵌入的分层方法，以识别具有临床相关性的患者亚型。	提出了一种网络嵌入的分层方法（NES），能通过基因网络区域的相似性来分类肿瘤亚型。	该研究可能需要在不同数据集中验证其通用性。	旨在通过分析肿瘤突变谱进行肿瘤分层。	分析7344个肿瘤外显子样本的体细胞突变特征。	数字病理学	癌症	网络嵌入方法	lightGBM分类算法	突变配置文件	7344个肿瘤外显子样本
585	2024-08-05	Harnessing clinical annotations to improve deep learning performance in prostate segmentation 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0253829 PMID:34170972	研究论文	本文评估了使用临床生成的标注来开发高性能前列腺分割模型的有效性	首次展示了未经精炼的临床前列腺标注在其他前列腺分割任务中的模板模型应用显著提升了性能	研究仅限于特定的前列腺数据集，未探索其他类型的肿瘤或疾病数据	提高前列腺图像分割的模型性能	针对前列腺图像的分割任务	计算机视觉	前列腺癌	3D U-Net卷积神经网络 (CNN)	CNN	图像	1620个来自临床的分割标注和两个挑战数据集 (PROMISE12: 50位患者, ProstateX-2: 99位患者)
586	2024-08-05	An Artificial Intelligence-Assisted Method for Dementia Detection Using Images from the Clock Drawing Test 2021, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-210299 PMID:34334396	研究论文	本文提出了一种基于时钟绘制测试图像的人工智能辅助痴呆检测方法	创新点在于利用深度学习分析时钟绘制测试图像来预测痴呆状态	尚需进一步验证模型的有效性和可推广性	评估机器学习模型是否可以通过时钟绘制测试图像预测轻度认知障碍或痴呆	研究对象包括3263名认知正常和160名认知受损的参与者	计算机视觉	老年痴呆	深度学习算法	NA	图像	3263名认知正常和160名认知受损的参与者
587	2024-08-05	Image-based consensus molecular subtype (imCMS) classification of colorectal cancer using deep learning 2021-03, Gut IF:23.0Q1 DOI:10.1136/gutjnl-2019-319866 PMID:32690604	研究论文	该文章提出了一种基于图像的深度学习方法来预测结直肠癌的共识分子亚型.	通过使用深度学习方法从标准H&E组织切片中推断结直肠癌的分子亚型，提供了一种经济高效的分类工具.	该研究主要依赖于多组学数据，可能不适用于没有相关数据的样本.	研究旨在明确图像分析与分子分类之间的联系，从而改善结直肠癌的分类方式.	研究对象为结直肠癌患者的组织切片，分析其分子亚型.	数字病理学	结直肠癌	深度学习	神经网络	图像	在研究中使用了1206个组织切片
588	2024-08-05	Octree Representation Improves Data Fidelity of Cardiac CT Images and Convolutional Neural Network Semantic Segmentation of Left Atrial and Ventricular Chambers 2021-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.2021210036 PMID:34870221	研究论文	本研究评估了八叉树表示法及其在心脏CT图像语义分割中的应用。	提出了八叉树基础的卷积神经网络（OctNet），提高了分割精度，并减少了内存占用。	只研究了100名患者的数据，可能缺乏广泛的适用性。	提高三维心脏CT图像分割的准确性。	对100名接受心脏CT血管成像的患者进行数据评估。	计算机视觉	心血管疾病	卷积神经网络（CNN）	OctNet	图像	100名患者的心脏CT图像
589	2024-08-05	Automated cardiac volume assessment and cardiac long- and short-axis imaging plane prediction from electrocardiogram-gated computed tomography volumes enabled by deep learning 2021-Jun, European heart journal. Digital health DOI:10.1093/ehjdh/ztab033 PMID:34223176	研究论文	本文开发了一种用于心脏CT的自动化血池分割和成像平面重新切片的方法	利用深度学习自动化评估心脏的多个腔体，并能沿标准化成像平面重新切片以进行功能评估	未提及具体的限制因素	研究旨在为冠状动脉疾病的心脏运动评估开发一个临床应用的方法	研究对象为100名接受心脏CT扫描的患者	计算机视觉	冠状动脉疾病	深度学习	NA	图像	100名患者进行训练，144名患者进行测试
590	2024-08-05	DeepAtrophy: Teaching a neural network to detect progressive changes in longitudinal MRI of the hippocampal region in Alzheimer's disease 2021-11, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118514 PMID:34450261	研究论文	本研究提出了一种名为DeepAtrophy的深度学习网络，用于检测阿尔茨海默病中海马区域的进展性变化	通过训练深度学习网络来推断纵向MRI扫描对的时间信息，提供了一种新的量化海马区域疾病进展的方法	该研究使用的样本未包括在训练中的受试者可能影响结果的广泛适用性	探讨如何通过深度学习推断海马区域纵向MRI的时间信息，以量化阿尔茨海默病的进展	研究对象为参与阿尔茨海默病神经影像倡议（ADNI）研究的受试者的纵向MRI扫描	计算机视觉	阿尔茨海默病	深度学习	深度学习网络	MRI图像	NA
591	2024-08-05	MIDeepSeg: Minimally interactive segmentation of unseen objects from medical images using deep learning 2021-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102102 PMID:34118654	研究论文	提出了一种新颖的深度学习基础的交互式分割方法，用于在医学图像中对未见物体进行分割	这种方法只需要用户点击输入，具有高效性，并且能够很好地泛化到一系列不可见物体	在复杂情况下，传统交互式分割方法仍然需要大量用户互动	研究如何通过深度学习改进医学图像的交互式分割	医学图像中的器官或病变	计算机视觉	NA	深度学习	CNN	医学图像	2D和3D医学图像任务中涉及的未见物体的广泛范围
592	2024-08-05	Going Beyond Saliency Maps: Training Deep Models to Interpret Deep Models 2021-Jun, Information processing in medical imaging : proceedings of the ... conference DOI:10.1007/978-3-030-78191-0_6 PMID:34548772	研究论文	本研究提出了一种通过训练模拟网络以解释深度学习模型在神经成像研究中的决策过程的方法	提出了结合图像到图像转换方案的模拟网络，能够更好地可视化与脑部疾病相关的具体形态变化	研究主要基于合成数据集和两种神经成像数据集，可能限制了结果的泛化能力	探索深度学习模型在神经成像研究中对脑部疾病的解释能力	面向阿尔茨海默病和酒精依赖的分类器	计算机视觉	阿尔茨海默病	深度学习	模拟网络	MRI图像	合成数据集和两个神经成像数据集的样本
593	2024-08-05	Deep learning-augmented radiotherapy visualization with a cylindrical radioluminescence system 2021-02-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abd673 PMID:33361563	研究论文	这项研究展示了一种基于相机的低成本放射光致发光成像系统，用于外部束放射治疗中的高质量束可视化	提出并训练了一个深度学习模型，以减少由光子散射引起的镜面眩光和边缘模糊	研究中可能未考虑某些特殊条款或复杂的临床场景的验证	提升放射治疗中辐射交付的准确性	使用不同设计的束场进行训练和验证	医学影像学	NA	放射光致发光成像	深度学习模型	图像	使用五个常规束场和三个临床IMRT案例进行验证
594	2024-08-05	Propensity score synthetic augmentation matching using generative adversarial networks (PSSAM-GAN) 2021, Computer methods and programs in biomedicine update DOI:10.1016/j.cmpbup.2021.100020 PMID:34386786	研究论文	本文提出了一种新的深度学习方法PSSAM-GAN，旨在通过生成合成匹配来保持样本大小。	PSSAM-GAN提供了一种无需IPW的方法，通过生成合成匹配来平衡数据集，从而克服传统方法的局限性。	未提及具体的局限性	开发一个可用于治疗效果估计的深度学习方法。	本研究的对象包括半合成和真实世界的观察数据。	机器学习	NA	生成对抗网络（GAN）	深度学习模型	观察数据	使用半合成和真实世界数据集进行实验，具体样本量未说明
595	2024-08-05	Deep Metric Learning for Cervical Image Classification 2021, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2021.3069346 PMID:34178558	研究论文	本文提出了一种基于深度度量学习的宫颈癌前病变检测方法	引入了一种不需要标记宫颈边界的新方法，利用深度度量学习处理数据稀缺和类别不平衡问题	没有提到使用数据增强技术的局限性	旨在改善对宫颈癌前病变的检测效果	使用宫颈图像来进行癌前病变的自动视觉评估	计算机视觉	宫颈癌	深度学习	深度卷积神经网络	图像	NA
596	2024-08-07	Big behavior: challenges and opportunities in a new era of deep behavior profiling 2021-01, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-020-0751-7 PMID:32599604	综述	本文综述了在机器视觉和深度学习时代，行为分析领域的最新发展和面临的挑战	介绍了能够提取和量化大量行为变量的新技术，以及将行为分解为更小单位的能力	行为神经生态学领域方法尚未统一，算法在实验室间转移效果不佳，缺乏基准实验和大型注释行为数据集	旨在强调行为分析领域最新发展的潜力，并试图在数据收集和共享方面达成共识	啮齿动物行为评估	神经科学	NA	机器视觉, 深度学习	NA	行为数据	NA
597	2024-08-07	Deep learning for small and big data in psychiatry 2021-01, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-020-0767-z PMID:32668442	review	本文综述了深度学习在精神病学中处理小样本和大样本数据的应用	探讨了深度学习算法在处理复杂预测映射方面的优势，以及如何优化其在精神病学神经科学中的应用	深度学习算法需要大量样本进行模型参数推断，这与当前精神病学研究中样本量较小的现状存在矛盾	旨在全面概述如何在精神病学中使用深度学习模型进行预测	精神病学中的小样本和大样本数据	machine learning	psychiatric disorder	deep learning	NA	NA	当前精神病学研究中的样本量小于10,000，且目标是个体层面的治疗预测（n=1）
598	2024-08-07	Data Homogeneity Effect in Deep Learning-Based Prediction of Type 1 Diabetic Retinopathy 2021, Journal of diabetes research IF:3.6Q2 DOI:10.1155/2021/2751695 PMID:35071603	研究论文	本研究旨在评估一个基于深度迁移学习的模型，该模型使用高变异性且以2型糖尿病为主的Kaggle数据集进行训练，并比较其在1型糖尿病患者中的模型性能	研究了数据同质性对基于深度学习的糖尿病视网膜病变预测模型的影响	模型在错误预测图像中，由于伪影和低图像质量影响了性能	评估和比较基于深度迁移学习的糖尿病视网膜病变识别模型在1型糖尿病患者中的性能	糖尿病视网膜病变识别模型在1型糖尿病患者中的应用	机器学习	糖尿病	深度迁移学习	卷积神经网络（Inception-V3, DenseNet-121, VGG1, Xception）	图像	Kaggle数据集和1型糖尿病患者的视网膜眼底图像数据集，分别用于训练和测试
599	2024-08-07	Improving brain age estimates with deep learning leads to identification of novel genetic factors associated with brain aging 2021-09, Neurobiology of aging IF:3.7Q2 DOI:10.1016/j.neurobiolaging.2021.03.014 PMID:34098431	研究论文	本研究通过深度学习提高大脑年龄估计的准确性，进而识别与大脑衰老相关的新遗传因子	本研究展示了更准确的大脑预测年龄（PBA）有助于更好地表征与大脑衰老相关的遗传因子，并发现了三个新的与大脑衰老相关的单核苷酸多态性位点	NA	研究与大脑衰老相关的遗传因子	大脑衰老的遗传因素	机器学习	NA	卷积神经网络（CNN）	CNN	图像	16,998名UK Biobank受试者
600	2024-08-07	Open Source Software for Automatic Subregional Assessment of Knee Cartilage Degradation Using Quantitative T2 Relaxometry and Deep Learning 2021-12, Cartilage IF:2.7Q1 DOI:10.1177/19476035211042406 PMID:34496667	研究论文	本文评估了一种全自动股骨软骨分割模型，用于测量T2弛豫值和纵向变化，并开发了一个开源的网络应用程序，用户可以拖放图像进行自动分割	开发了一个全自动的股骨软骨分割模型，并将其开源，提供了一个用户友好的网络应用程序	NA	评估全自动股骨软骨分割模型在测量T2弛豫值和纵向变化中的准确性	股骨软骨的分割和T2弛豫值的测量	计算机视觉	NA	多回波自旋回波（MESE）磁共振成像（MRI）	神经网络	图像	28张测试图像，其中14张由第二位专家评估