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
321	2024-09-27	Virtual Staining, Segmentation, and Classification of Blood Smears for Label-Free Hematology Analysis 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9853606 PMID:37850166	研究论文	本文提出了一种基于单通道、无标记深紫外显微镜的全自动血液分析框架，用于无标记血液分析	利用深紫外显微镜的独特能力，开发了一种基于深度学习的管道，实现了虚拟染色、分割、分类和白细胞计数	NA	简化并改进当前的全血计数和血涂片分析，开发一种简单、快速、低成本的即时血液分析仪	白细胞的虚拟染色、分割、分类和计数	数字病理学	NA	深紫外显微镜	深度学习网络	图像	NA
322	2024-09-27	Label-Free Virtual HER2 Immunohistochemical Staining of Breast Tissue using Deep Learning 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9786242 PMID:37850170	研究论文	本文介绍了一种基于深度学习的无标签虚拟HER2免疫组化染色方法	提出了一种基于条件生成对抗网络的虚拟HER2免疫组化染色方法，能够快速将未标记的乳腺组织切片的自发荧光显微图像转换为与标准化学染色相匹配的明场显微图像	需要进一步验证该方法在其他生物标志物上的适用性	开发一种无需化学处理的虚拟HER2免疫组化染色方法，以加速生物医学工作流程	乳腺组织中的HER2生物标志物	数字病理学	乳腺癌	深度学习	条件生成对抗网络	图像	NA
323	2024-09-27	A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9765307 PMID:37850173	研究论文	提出了一种低成本高性能的数据增强策略，用于基于深度学习的皮肤病变分类	该策略不仅提高了皮肤病变的分类性能，还突出了临床医生关注的潜在区域，并且可以在低资源环境下广泛应用于多种疾病的早期筛查和自动诊断	NA	开发高性能且低成本的数据增强策略，用于智能皮肤癌筛查设备	皮肤病变分类	机器学习	皮肤癌	数据增强	EfficientNets	图像	HAM10000数据集
324	2024-09-27	Connectivity-based Cortical Parcellation via Contrastive Learning on Spatial-Graph Convolution 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9814824 PMID:37850179	研究论文	本文提出了一种基于结构连接的皮质分割框架，利用空间图卷积网络进行对比学习	提出了空间图卷积分割（SGCP）框架，通过两阶段深度学习模型进行图表示脑成像数据的分割	NA	开发和评估基于结构连接的皮质分割框架	脑皮质分割	计算机视觉	NA	空间图卷积网络	深度学习模型	图像	15个受试者的DWI数据集，用于5个脑区域的分割任务
325	2024-09-26	Generalizable deep learning model for early Alzheimer's disease detection from structural MRIs 2022-10-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-20674-x PMID:36253382	研究论文	本研究开发了一种基于3D深度卷积神经网络的新方法，用于从结构MRI中早期检测阿尔茨海默病	提出了基于3D深度卷积神经网络的新方法，能够自动学习识别与阿尔茨海默病相关的成像生物标志物，并实现早期准确检测	在检测轻度认知障碍（MCI）时，模型的AUC较低，表明在该任务上仍存在挑战	开发一种能够早期检测阿尔茨海默病的深度学习模型	阿尔茨海默病、轻度认知障碍和认知正常个体	机器学习	阿尔茨海默病	3D深度卷积神经网络	CNN	图像	内部验证集来自阿尔茨海默病神经影像学倡议（ADNI），外部独立验证集来自国家阿尔茨海默病协调中心（NACC）
326	2024-09-26	CMC-Net: 3D calf muscle compartment segmentation with sparse annotation 2022-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102460 PMID:35598519	研究论文	本文提出了一种新的深度学习框架CMC-Net，用于在3D MR图像中对小腿肌肉隔室进行分割，通过选择有效的2D切片子集进行标注，并利用未标注的切片来促进后续训练步骤的泛化	CMC-Net通过选择最具代表性的2D切片进行标注，并利用未标注的切片进行模型训练，从而在标注数据量较小的情况下实现了良好的分割性能	本文未详细讨论模型在不同类型肌肉疾病中的适用性，以及在不同MR设备和成像条件下的表现	开发一种能够在标注数据量较小的情况下实现准确3D分割的深度学习框架，用于诊断和评估肌肉疾病的进展	小腿肌肉隔室的3D分割	计算机视觉	NA	深度学习	深度网络	3D MR图像	实验中使用了小腿肌肉隔室的3D MR图像数据集，并进行了额外的3D MR大腿数据集实验
327	2024-09-26	Latent Linguistic Motifs in Social Media Postings Resisting COVID-19 Misinformation 2022-Jun-06, Studies in health technology and informatics DOI:10.3233/SHTI220139 PMID:35673078	研究论文	本文研究了社交媒体上抵抗COVID-19错误信息的潜在语言模式	采用混合方法包括定性编码、深度学习分类和计算机文本分析，揭示了纠正性推文中的语言变量差异	未提及	探讨社交媒体上纠正COVID-19错误信息的语言机制	COVID-19相关推文及其语言变量	自然语言处理	NA	深度学习分类	深度学习分类器	文本	未提及
328	2024-09-26	Deep Learning-Based Recurrence Prediction of Atrial Fibrillation After Catheter Ablation 2022-01-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-21-0622 PMID:34629373	研究论文	研究使用深度卷积神经网络（CNN）预测心房颤动（AF）患者在射频消融（RFCA）后的复发情况，并与传统统计分析方法进行比较	提出了一种新的CNNSurv模型用于预测AF复发，其性能优于传统的统计分析方法	NA	研究深度学习模型在预测心房颤动复发中的应用	接受射频消融治疗的心房颤动患者	机器学习	心血管疾病	深度卷积神经网络（CNN）	CNN	数值数据	310名接受射频消融治疗的心房颤动患者，其中包括94名复发患者
329	2024-09-26	A systematic literature review of deep learning neural network for time series air quality forecasting 2022-Jan, Environmental science and pollution research international DOI:10.1007/s11356-021-17442-1 PMID:34807385	综述	本文系统回顾了深度学习神经网络在时间序列空气质量预测中的应用	本文总结了不同类型的深度学习算法在空气质量预测中的应用，并介绍了混合深度学习技术的有效性	本文主要集中在现有研究的回顾和总结，未提出新的模型或方法	探讨深度学习在时间序列空气质量预测中的应用	深度学习算法在空气质量预测中的应用	机器学习	NA	深度学习	混合深度学习模型	时间序列数据	NA
330	2024-09-25	Deep Learning Based MS2 Feature Detection for Data-Independent Shotgun Proteomics 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9995258 PMID:37635836	研究论文	本文开发了一种基于深度学习的模型，用于在数据独立 shotgun 蛋白质组学中进行 MS2 特征检测	本文提出了一种创新的滑动窗口过程，能够对定量 MS/MS 数据进行高分辨率处理，从而提高 MS2 特征检测的准确性	NA	提高 LC-MS 分析中肽段鉴定的准确性，以促进生物标志物发现和复杂蛋白质组学的研究	肽段片段离子在串联质谱中的检测	机器学习	NA	LC-MS 分析	深度学习模型	MS2 数据	NA
331	2024-09-25	Precision Care in Cardiac Arrest: ICECAP (PRECICECAP) Study Protocol and Informatics Approach 2022-08, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-022-01464-9 PMID:35229231	研究论文	本文介绍了PRECICECAP研究的方案和信息学方法，旨在通过机器学习分析高分辨率的多模态数据，发现新的生物标志物特征，以预测治疗性低温的最佳持续时间和90天功能结果	开发了一个免费的开源软件平台，用于标准化重症监护病房数据的整理，并使用自编码器神经网络和监督深度学习神经网络算法进行数据分析	NA	通过机器学习分析高分辨率的多模态数据，发现新的生物标志物特征，以预测治疗性低温的最佳持续时间和90天功能结果	从院外心脏骤停复苏的患者中收集的高分辨率多模态数据	机器学习	心血管疾病	自编码器神经网络、监督深度学习神经网络算法	自编码器神经网络、监督深度学习神经网络	多模态数据（包括病例报告表、详细药物数据、心肺和脑电图波形、DICOM文件）	12个ICECAP站点将收集数据，研究预计在2025年底完成
332	2024-09-25	Self-Supervised Learning Methods for Label-Efficient Dental Caries Classification 2022-May-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12051237 PMID:35626392	研究论文	本文提出了一种利用自监督学习方法进行高效标签的牙釉质龋齿分类的研究	本文首次将自监督学习方法应用于牙釉质龋齿分类，显著提高了标签效率和分类性能	研究仅限于牙釉质龋齿分类，未涉及其他口腔疾病	探索自监督学习在医疗图像分析中的应用，特别是在标签获取成本高昂的情况下	牙釉质龋齿分类	计算机视觉	口腔疾病	自监督学习	神经网络	图像	38,000张未标记的咬翼片放射图像和343张标记的咬翼片放射图像
333	2024-09-25	Emerging Vaccine-Breakthrough SARS-CoV-2 Variants 2022-03-11, ACS infectious diseases IF:4.0Q1 DOI:10.1021/acsinfecdis.1c00557 PMID:35133792	研究论文	研究揭示了SARS-CoV-2变种的分子机制及其对疫苗的突破性，并预测了未来可能出现的变种	整合了大量基因组数据、抗体库、突变数据、拓扑数据分析和深度学习，揭示了SARS-CoV-2的进化机制并预测了疫苗突破性变种	NA	理解SARS-CoV-2的传播和进化机制，预测疫苗突破性变种，并为设计抗突变疫苗和单克隆抗体提供依据	SARS-CoV-2变种及其对疫苗的突破性	NA	COVID-19	深度学习	NA	基因组数据	1,489,884个SARS-CoV-2基因组，130个人类抗体，数万个突变数据
334	2024-09-23	Characterizing physiological high-frequency oscillations using deep learning 2022-12-07, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aca4fa PMID:36541546	研究论文	本研究利用深度学习算法分析了儿童颞叶外癫痫患者的脑电图数据，以区分生理性和病理性高频振荡（HFOs）	本研究提出了一种新的弱监督深度学习模型，用于提取和解释生理性HFOs的形态特征	研究样本仅限于儿童颞叶外癫痫患者，结果的普适性有待进一步验证	旨在利用深度学习技术表征生理性高频振荡的显著特征	儿童颞叶外癫痫患者的脑电图数据	机器学习	癫痫	深度学习	深度学习模型	时间序列数据	63,379个高频振荡数据，来自18名儿童
335	2024-09-23	Self-supervised learning of neighborhood embedding for longitudinal MRI 2022-11, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102571 PMID:36115098	研究论文	本文提出了一种新的自监督学习方法，用于从纵向MRI中提取邻域嵌入，以捕捉脑老化和疾病进展	本文的创新点在于提出了Longitudinal Neighborhood Embedding (LNE)方法，通过在潜在空间中构建年龄一致和进展一致的邻域，改进了脑老化特征的表示	NA	研究目的是改进脑老化特征的表示，以提高下游任务的性能	研究对象包括健康受试者、阿尔茨海默病和轻度认知障碍患者以及青少年酒精饮用者	计算机视觉	神经退行性疾病	MRI	自监督学习	图像	274名健康受试者，632名阿尔茨海默病和轻度认知障碍患者，764名青少年酒精饮用者
336	2024-09-23	A Blood-Based Metabolite Panel for Distinguishing Ovarian Cancer from Benign Pelvic Masses 2022-11-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-22-1113 PMID:36037307	研究论文	研究评估了循环代谢物对卵巢癌风险预测算法的改进作用	开发了一个基于血液的代谢物面板，用于区分早期卵巢癌和良性盆腔肿块，并改进了现有的卵巢癌风险预测算法	NA	评估循环代谢物对卵巢癌风险预测算法的改进作用	早期卵巢癌和良性盆腔肿块	NA	卵巢癌	代谢组学分析	深度学习模型	血液样本	202个卵巢癌病例和190个良性盆腔肿块病例
337	2024-09-23	Fairness-related performance and explainability effects in deep learning models for brain image analysis 2022-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.6.061102 PMID:36046104	研究论文	研究深度学习模型在脑图像分析中的公平性和可解释性影响	首次探讨了可解释人工智能（XAI）方法中不公平表现的体现，并展示了XAI如何用于调查潜在的不公平原因	研究样本仅限于9至10岁的青少年，且仅分析了性别和种族的交叉影响	分析社会人口统计学相关混杂因素对分类器性能和可解释性方法的影响	T1加权脑MRI数据集中的4547名9至10岁青少年	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	4547名9至10岁青少年
338	2024-09-23	Interpretable deep learning for chromatin-informed inference of transcriptional programs driven by somatic alterations across cancers 2022-10-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkac881 PMID:36243974	研究论文	开发了一种名为CITRUS的半解释性神经网络模型，用于在癌症中通过体细胞突变推断转录程序	引入自注意力机制来模拟体细胞突变对转录因子的上下文影响，并使用隐藏节点层显式表示转录因子的状态	NA	开发一种工具，通过解释体细胞突变在特定转录程序中的影响，促进个性化治疗决策	癌症中的体细胞突变和转录程序	机器学习	NA	自注意力机制	神经网络	基因组、转录组和表观基因组数据	17种癌症类型的数据
339	2024-09-23	3Din vivodose verification in prostate proton therapy with deep learning-based proton-acoustic imaging 2022-10-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac9881 PMID:36206745	研究论文	本文开发了一种基于深度学习的质子-声学成像方法，用于解决前列腺质子治疗中剂量验证的有限视角问题	提出了一种深度级联卷积神经网络（DC-CNN），用于重建高质量的辐射诱导压力，并从压力中推导出精确的3D剂量	研究仅限于前列腺癌患者，且样本量相对较小	提高质子治疗中剂量验证的准确性	前列腺癌患者的质子治疗剂量	计算机视觉	前列腺癌	质子-声学成像	深度级联卷积神经网络（DC-CNN）	图像	81名前列腺癌患者的治疗计划，其中69名用于训练，12名用于测试
340	2024-09-23	Emerging dominant SARS-CoV-2 variants 2022-Oct-18, ArXiv PMID:36299737	研究论文	本文利用人工智能模型预测SARS-CoV-2新变种的出现及其对感染的影响	结合生物物理学、基因分型、实验数据、代数拓扑和深度学习构建AI模型，准确预测了SARS-CoV-2变种的出现	NA	预测SARS-CoV-2新变种的出现，为政策制定者和疫苗制造商提供准备	SARS-CoV-2病毒及其变种的感染性和抗体抵抗性	机器学习	NA	深度学习	AI模型	基因组数据	NA