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
21	2024-08-16	Predicting Kidney Graft Survival Using Machine Learning Methods: Prediction Model Development and Feature Significance Analysis Study 2021-08-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/26843 PMID:34448704	研究论文	本研究利用机器学习方法开发预测肾移植存活率的模型，并分析特征重要性	采用深度学习自动编码器进行数据降维，提高了预测性能，并引入新的非重叠患者分层方法研究特征影响	NA	预测肾移植失败的风险，优化肾分配	肾移植的短期和长期存活率	机器学习	肾脏疾病	机器学习分类算法	自动编码器	临床数据	超过50,000例肾移植，涵盖约20年时间
22	2024-08-16	Making Radiomics More Reproducible across Scanner and Imaging Protocol Variations: A Review of Harmonization Methods 2021-Aug-27, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm11090842 PMID:34575619	综述	本文综述了通过各种协调方法提高放射组学特征在不同扫描仪和成像协议间可重复性的解决方案	详细讨论了图像域和特征域的协调方法，特别是生成对抗网络（GANs）和神经风格迁移（NST）技术	NA	探讨如何通过协调方法提高放射组学特征在不同扫描仪和成像协议间的可重复性	放射组学特征的可重复性和验证	数字病理学	NA	生成对抗网络（GANs），神经风格迁移（NST）	GAN，NST	图像	NA
23	2024-08-16	On the Use of Deep Learning for Imaging-Based COVID-19 Detection Using Chest X-rays 2021-Aug-24, Sensors (Basel, Switzerland) DOI:10.3390/s21175702 PMID:34502591	research paper	本文研究了使用深度卷积神经网络架构对胸部X光图像进行分类，以检测COVID-19病例	评估了三种不同的调整方法，通过增加额外层来修改现有架构，以提高分类性能	未提及具体限制	开发快速、低成本、易获取且可靠的COVID-19诊断方法	胸部X光图像分类为健康个体、COVID-19患者或病毒性肺炎患者	computer vision	COVID-19	deep convolutional neural network	CNN	image	使用了一个包含真实胸部X光图像的数据集
24	2024-08-16	Identification and Localization of Endotracheal Tube on Chest Radiographs Using a Cascaded Convolutional Neural Network Approach 2021-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-021-00463-0 PMID:34027589	研究论文	本研究提出了一系列基于深度学习的算法，用于在胸部X光片上迭代识别和定位气管内管（ETT）相对于隆突的位置	采用串联级联卷积神经网络（CNN）方法，通过迭代细化坐标定位和显式图像裁剪，聚焦于关键解剖感兴趣区域，提高了识别和定位ETT的准确性	NA	在重症监护室（ICU）环境中，快速准确地评估气管内管（ETT）位置，以防止患者因设备位置不当而导致严重的发病率和死亡率	气管内管（ETT）在胸部X光片上的识别和定位	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	共16,000名患者（其中8,000名患者带有ETT，8,000名患者不带ETT）
25	2024-08-16	Brain MRI Deep Learning and Bayesian Inference System Augments Radiology Resident Performance 2021-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-021-00470-1 PMID:34131794	研究论文	研究使用结合卷积神经网络和专家导出的贝叶斯网络的AI系统，通过临床决策支持工具ARIES增强放射科住院医师的脑MRI诊断性能	提出了一种结合深度学习和贝叶斯推理的临床决策支持系统，能够显著提高非专家的诊断准确性，接近专科医生的水平	研究仅涉及放射科住院医师和学术神经放射科医生，未涉及其他专业背景的医生	探讨AI系统作为临床决策支持工具在脑MRI诊断中增强放射科医师性能的效果	放射科住院医师和学术神经放射科医生的脑MRI诊断性能	计算机视觉	NA	卷积神经网络, 贝叶斯网络	CNN, 贝叶斯网络	图像	194个测试病例，包括4名放射科住院医师和3名学术神经放射科医生
26	2024-08-15	Seasonal Arctic sea ice forecasting with probabilistic deep learning 2021-08-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-25257-4 PMID:34446701	研究论文	本文介绍了一种基于概率深度学习的北极海冰季节性预报系统IceNet	IceNet在季节性夏季海冰预报中表现优于先进的动力学模型，特别是在极端海冰事件的预报上	NA	开发一种能够准确预测北极海冰季节性变化的预报系统	北极海冰的季节性变化	机器学习	NA	深度学习	深度学习模型	气候模拟和观测数据	NA
27	2024-08-15	Technological advances in cancer immunity: from immunogenomics to single-cell analysis and artificial intelligence 2021-08-20, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-021-00729-7 PMID:34417437	综述	本文综述了癌症免疫治疗领域中从免疫基因组学到单细胞分析及人工智能技术的最新进展	介绍了单细胞技术和人工智能在解析肿瘤免疫微环境中的应用，以及它们在预测免疫治疗反应中的重要性	NA	总结免疫基因组学、单细胞分析和人工智能技术在癌症免疫治疗领域的应用，并展望未来研究方向	癌症免疫治疗中的肿瘤细胞和肿瘤免疫微环境	数字病理学	NA	下一代测序	深度学习模型	基因组和转录组数据	NA
28	2024-08-15	DECIMER 1.0: deep learning for chemical image recognition using transformers 2021-Aug-17, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-021-00538-8 PMID:34404468	研究论文	本文介绍了DECIMER 1.0模型，一种基于transformer的网络，用于从化学结构图像中预测SMILES编码	DECIMER 1.0模型能够以高准确度（96%以上）从化学结构图像中预测SMILES编码，即使在包含立体化学信息的情况下也能达到89%的准确度	NA	开发一种自动化的开源软件解决方案，用于从化学结构图像中提取数据并转换为计算机可读格式	化学结构图像的SMILES编码预测	机器学习	NA	深度学习	transformer	图像	50-100百万分子
29	2024-08-15	Neovascularization Detection and Localization in Fundus Images Using Deep Learning 2021-Aug-06, Sensors (Basel, Switzerland) DOI:10.3390/s21165327 PMID:34450766	研究论文	本文提出了一种用于视网膜图像中新生血管检测的语义分割卷积神经网络架构	该模型能够完全自动地检测和定位新生血管病变，这是先前发表的方法无法实现的	NA	旨在通过深度学习方法提高增生性糖尿病视网膜病变中新生血管的检测准确性	增生性糖尿病视网膜病变中的新生血管	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	视网膜图像被分为小补丁，形成训练集、验证集和测试集
30	2024-08-14	Protein structure prediction by AlphaFold2: are attention and symmetries all you need? 2021-Aug-01, Acta crystallographica. Section D, Structural biology DOI:10.1107/S2059798321007531 PMID:34342271	研究论文	本文探讨了AlphaFold2在蛋白质结构预测中的应用，特别是其使用注意力机制、对称性和端到端可微性框架的关键特征	AlphaFold2利用深度学习技术，通过注意力机制和Transformer模型捕捉长程依赖关系，以及利用对称性原则在三维空间中推理蛋白质结构，展示了深度学习在结构预测中的强大能力	文章讨论了AlphaFold2不明确依赖物理原则进行结构预测的潜在影响，暗示了可能存在的局限性	研究蛋白质结构预测的新方法，特别是深度学习在生物信息学中的应用	蛋白质的3D结构及其从初级序列中的计算预测	生物信息学	NA	深度学习	Transformer	蛋白质序列数据	NA
31	2024-08-13	Small whole heart volume predicts cardiovascular events in patients with stable chest pain: insights from the PROMISE trial 2021-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-021-07695-2 PMID:33501599	研究论文	本研究评估了从非对比心脏计算机断层扫描（CT）中提取的三维全心脏体积（WHV）在稳定胸痛患者中预测主要心血管事件（MACE）的预后价值	小全心脏体积可能是一个新的影像学标志物，用于稳定胸痛患者中预测主要心血管事件	NA	评估三维全心脏体积在稳定胸痛患者中预测主要心血管事件的预后价值	稳定胸痛患者	数字病理学	心血管疾病	计算机断层扫描（CT）	深度学习	影像	3798名患者
32	2024-08-13	Automatic opportunistic osteoporosis screening in routine CT: improved prediction of patients with prevalent vertebral fractures compared to DXA 2021-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-020-07655-2 PMID:33507353	研究论文	本文比较了从常规CT中自动和手动评估的脊柱骨测量与双能X线吸收法（DXA）在关联现有骨质疏松性椎体骨折方面的表现，使用完全自动化的框架评估临床CT中的各种骨测量。	本文引入了用于骨质疏松症和低骨量的整体体积骨密度（vBMD）的诊断阈值，并展示了CT基础测量在识别经历过椎体骨折的骨量减少个体方面优于DXA。	NA	比较常规CT和DXA在预测现有骨质疏松性椎体骨折方面的效果。	192名患者（141名女性，51名男性；年龄70.2 ± 9.7岁）的脊柱骨测量。	数字病理学	骨质疏松症	卷积神经网络（CNN）	CNN	图像	192名患者
33	2024-08-07	A stacking ensemble deep learning approach to cancer type classification based on TCGA data 2021-Aug-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-95128-x PMID:34341396	研究论文	本文提出了一种基于一维卷积神经网络（1D-CNN）的堆叠集成深度学习模型，用于对女性常见的五种癌症进行基于RNASeq数据的多类别分类	提出的模型在性能上优于单一的1D-CNN和其他机器学习方法，特别是在使用LASSO进行特征选择后	未明确提及具体限制	提高癌症类型分类的准确性，以辅助早期诊断和治疗策略的设计	女性常见的五种癌症类型	机器学习	乳腺癌, 肺癌, 结直肠癌, 甲状腺癌, 卵巢癌	1D-CNN, LASSO	1D-CNN	RNASeq基因表达数据	数据来自Pan-Cancer Atlas，具体样本数量未明确提及
34	2024-08-07	A deep-learning method using computed tomography scout images for estimating patient body weight 2021-Aug-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-95170-9 PMID:34341462	研究论文	本文开发并评估了一种基于深度学习的方法，用于从CT（计算机断层扫描）引导图像中自动预测患者体重	提出了一种新的深度学习方法，能够从CT引导图像中准确预测患者体重，这在紧急情况下尤其有用	NA	开发一种时间效率高且准确的方法，用于在CT扫描前估计患者体重	基于1831张胸部和519张腹部CT引导图像及其对应体重，开发和评估深度学习模型	计算机视觉	NA	深度学习	深度学习模型	图像	1831张胸部CT引导图像和519张腹部CT引导图像
35	2024-08-07	Detection of Alzheimer's disease using ECD SPECT images by transfer learning from FDG PET 2021-Aug, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-021-01626-3 PMID:34076857	研究论文	本研究开发了一种利用深度学习模型从少量SPECT脑灌注图像中自动提取图像特征，以客观评估阿尔茨海默病（AD）的实用方法。	本研究首次将基于PET FDG代谢成像训练的模型迁移到少量SPECT脑灌注图像上，提高了模型的敏感性和准确性。	研究中使用的样本量较小，可能影响模型的泛化能力。	开发一种基于深度学习的模型，利用SPECT脑灌注图像快速且客观地评估阿尔茨海默病。	阿尔茨海默病（AD）的检测和评估。	机器学习	阿尔茨海默病	SPECT成像	Inception v3网络模型	图像	1000例F-18-FDG PET图像用于预训练，不同样本量的训练数据集（100, 200, 400, 800, 1000例）用于预训练。
36	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
37	2024-08-07	Detection of dementia on voice recordings using deep learning: a Framingham Heart Study 2021-08-31, Alzheimer's research & therapy DOI:10.1186/s13195-021-00888-3 PMID:34465384	研究论文	本研究利用深度学习模型分析语音记录，以检测痴呆症	开发了两种深度学习模型（LSTM和CNN），用于自动分析语音记录并分类痴呆症患者	NA	探索通过语音记录自动检测痴呆症的方法	来自Framingham心脏研究的1264份语音记录	机器学习	痴呆症	深度学习	LSTM和CNN	音频	1264份语音记录，包括483份正常认知、451份轻度认知障碍和330份痴呆症