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
1541	2024-08-07	Machine Learning to Predict Successful Opioid Dose Reduction or Stabilization After Spinal Cord Stimulation 2022-08-01, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000001969 PMID:35384918	研究论文	本文利用机器学习模型预测脊髓刺激（SCS）后患者成功减少或稳定阿片类药物使用的情况	首次提出基于机器学习的模型来预测SCS后阿片类药物使用的减少或稳定	NA	预测SCS后阿片类药物使用的成功减少或稳定，并评估深度学习是否比逻辑回归提供显著优势	脊髓刺激后阿片类药物使用的减少或稳定	机器学习	NA	逻辑回归（LR）和深度神经网络（DNNs）	逻辑回归模型和深度神经网络模型	医疗数据库数据	7022名患者
1542	2024-08-07	A multimodal deep learning model for cardiac resynchronisation therapy response prediction 2022-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102465 PMID:35487111	研究论文	本文提出了一种用于心脏再同步治疗（CRT）反应预测的多模态深度学习框架，该框架利用2D超声心动图和心脏磁共振（CMR）数据进行预测。	本研究首次采用多模态深度学习方法进行CRT反应预测，结合了两种模态的潜在空间，提高了预测的准确性。	研究样本量较小，仅涉及50名CRT患者，可能影响模型的泛化能力。	开发一种新的多模态深度学习模型，用于提高心脏再同步治疗反应预测的准确性。	心脏再同步治疗（CRT）的反应预测。	机器学习	心血管疾病	深度学习	nnU-Net	图像	50名CRT患者
1543	2024-08-07	BIONIC: biological network integration using convolutions 2022-10, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01616-x PMID:36192463	研究论文	本文介绍了一种基于深度学习的生物网络集成算法BIONIC，该算法利用图卷积网络框架，通过结合和自动加权输入信息，以获得更准确和全面的生物学表示	BIONIC算法能够学习包含更多功能信息的特征，相比现有方法有显著改进	NA	开发一种新的生物网络集成算法，以提高对生物学功能的理解和预测	生物网络的集成和功能信息的学习	机器学习	NA	图卷积网络	CNN	网络数据	适用于大规模的人类基因组网络集成
1544	2024-08-07	Automated Determination of Left Ventricular Function Using Electrocardiogram Data in Patients on Maintenance Hemodialysis 2022-07, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.16481221 PMID:35667835	研究论文	本研究利用深度学习模型，通过心电图数据自动评估接受维持性血液透析患者的左心室射血分数	使用迁移学习方法在小样本量的维持性血液透析患者中估计左心室射血分数	NA	开发和评估用于估计维持性血液透析患者左心室射血分数的深度学习模型	接受维持性血液透析的患者	机器学习	心血管疾病	深度学习	CNN	心电图数据	18,626对心电图与超声心动图数据用于模型1和2，705,075对用于模型3和4
1545	2024-08-07	Evaluating the utility of deep learning for predicting therapeutic response in diabetic eye disease 2022, Frontiers in ophthalmology DOI:10.3389/fopht.2022.852107 PMID:36744216	研究论文	本研究评估了深度学习在糖尿病眼病治疗反应预测中的应用	探索了在样本量有限的情况下，使用深度学习技术预测治疗反应的可能性	在数据集较小的情况下，深度学习模型在预测治疗反应方面的表现受限	理解深度学习在眼科临床问题中的实用性，特别是在预测治疗反应方面	使用深度学习模型预测糖尿病眼病的治疗反应	机器学习	糖尿病眼病	深度学习	CNN	图像	29个临床试验数据集，217张超广角血管造影图像
1546	2024-08-07	Deep learning and optical coherence tomography in glaucoma: Bridging the diagnostic gap on structural imaging 2022, Frontiers in ophthalmology DOI:10.3389/fopht.2022.937205 PMID:38983522	综述	本文综述了利用深度学习算法和光学相干断层扫描（OCT）在青光眼诊断中的应用，特别是在结构影像方面的进展	介绍了深度学习算法在自动化检测青光眼损伤和进展方面的创新进展，以及如何利用OCT数据改进眼底摄影中青光眼损伤的检测	NA	探讨深度学习模型在青光眼检测中的应用，并展望这些发现在未来老化和基础科学领域的应用	青光眼的诊断和进展检测	计算机视觉	青光眼	光学相干断层扫描（OCT）	深度学习（DL）	影像	NA
1547	2024-08-07	Performance comparison of deep learning and machine learning methods in determining wetland water areas using EuroSAT dataset 2022-Mar, Environmental science and pollution research international DOI:10.1007/s11356-021-17177-z PMID:34746985	研究论文	本研究比较了基于深度学习和传统机器学习方法在利用EuroSAT数据集确定湿地水域方面的性能	提出使用1D卷积神经网络（CNN）在处理复杂和独特特征空间数据方面的优势，以及在图像预处理和标准化工具集成、抗噪声能力和图像局部变换方面的改进	NA	比较深度学习和机器学习方法在湿地水域分类中的性能	土耳其五个不同湿地的Sentinel-2图像中的水域	计算机视觉	NA	遥感	CNN	图像	使用EuroSAT数据集进行验证
1548	2024-08-07	DEEP LEARNING ALGORITHMS HAVE HIGH ACCURACY FOR AUTOMATED LANDMARK DETECTION ON 2D LATERAL CEPHALOGRAMS 2022-Dec, The journal of evidence-based dental practice IF:4.1Q1 DOI:10.1016/j.jebdp.2022.101798 PMID:36494109	meta-analysis	本文通过系统综述和荟萃分析，评估了深度学习算法在二维侧位头颅摄影中自动识别地标点的准确性	NA	NA	评估深度学习算法在头颅摄影地标检测中的准确性	深度学习算法在头颅摄影地标检测中的应用	computer vision	NA	深度学习	NA	image	NA
1549	2024-08-07	DEEP LEARNING ALGORITHMS SHOW SOME POTENTIAL AS AN ADJUNCTIVE TOOL IN CARIES DIAGNOSIS 2022-Dec, The journal of evidence-based dental practice IF:4.1Q1 DOI:10.1016/j.jebdp.2022.101772 PMID:36494110	综述	本文系统回顾了深度学习算法在龋齿检测中的应用	NA	NA	探讨深度学习算法在龋齿诊断中的潜在应用	深度学习算法在龋齿检测中的应用	机器学习	口腔疾病	深度学习	NA	NA	NA
1550	2024-08-07	Spatially Distinct Genetic Determinants of Aortic Dimensions Influence Risks of Aneurysm and Stenosis 2022-08-02, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2022.05.024 PMID:35902171	研究论文	本研究使用深度学习分析了43,317名UK Biobank参与者的230万张心脏磁共振图像，以阐明左心室流出道、主动脉根部和升主动脉直径的遗传基础，并探讨这些直径与疾病发生率的关联。	发现了79个与至少一个直径显著相关的基因位点，其中35个是新发现的，这些发现有助于预测胸主动脉瘤和主动脉狭窄。	NA	阐明左心室流出道、主动脉根部和升主动脉直径的遗传基础	左心室流出道、主动脉根部和升主动脉的直径	数字病理学	心血管疾病	深度学习	NA	图像	43,317名UK Biobank参与者
1551	2024-08-07	From cell lines to cancer patients: personalized drug synergy prediction 2022-Jan-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae134 PMID:38718189	研究论文	本文提出了一种深度学习框架PDSP，用于利用患者特异性的单一药物反应数据进行个性化药物协同预测	PDSP模型首先在细胞系上训练，然后使用患者的基因表达数据和相关单一药物反应进行微调，以提高预测准确性	目前仅在三名白血病患者的数据上进行了评估	开发一种能够在临床环境中更有效地预测患者特定药物组合的深度学习模型	白血病患者	机器学习	白血病	深度学习	深度学习框架	基因表达数据	三名白血病患者
1552	2024-08-07	Disentangling Normal Aging From Severity of Disease via Weak Supervision on Longitudinal MRI 2022-10, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3166131 PMID:35404811	研究论文	本文提出了一种通过弱监督学习方法，从纵向MRI数据中分离正常衰老与疾病严重程度的研究	通过弱监督学习，明确分离疾病效应与正常衰老，并能增强训练数据的多样性	需要进一步验证在不同数据集上的泛化能力	研究如何通过深度学习算法将纵向MRI数据映射到连续的疾病严重程度尺度上	纵向MRI数据中的正常衰老与疾病严重程度	机器学习	神经退行性疾病	深度学习算法	NA	MRI图像	632个样本来自阿尔茨海默病神经成像倡议(ADNI)
1553	2024-08-07	Detecting negative valence symptoms in adolescents based on longitudinal self-reports and behavioral assessments 2022-09-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2022.06.002 PMID:35688394	研究论文	本文提出了一种纵向深度学习框架，用于识别与抑郁症状相关的自我报告和行为测量，这些症状属于NIMH研究领域标准（RDoC）的负性情感系统领域	本文首次应用深度学习框架分析青少年抑郁症状的预测因素，包括外向性较低、睡眠质量差、执行控制功能受损及与物质使用相关的因素	研究主要依赖自我报告的测量，未涉及潜在的神经相关因素，且需要更大的样本量来探讨性别和其他与负性情感症状风险相关的社会人口因素	旨在区分个体层面与负性情感相关的症状轨迹，以更好地理解这些症状对日后生活的影响	青少年抑郁症状及其预测因素	机器学习	NA	深度学习	深度学习框架	自我报告和行为测量数据	621名参与者（年龄范围：12至17岁）
1554	2024-08-07	Bridging the Gap between Deep Learning and Hypothesis-Driven Analysis via Permutation Testing 2022-Sep, PRedictive Intelligence in MEdicine. PRIME (Workshop) DOI:10.1007/978-3-031-16919-9_2 PMID:36342897	研究论文	本文提出了一种基于排列测试的灵活且可扩展的方法，将假设检验整合到数据驱动的深度学习分析中，以预测和解释青少年中的负面情绪症状。	本文的创新点在于将排列测试的概念应用于深度学习分析，使得深度学习的结果能够与支持假设的统计显著性相关联。	NA	旨在将深度学习与假设驱动的分析相结合，通过排列测试方法提高深度学习在神经科学研究中的应用价值。	研究对象为621名青少年参与者，通过分析他们的自我报告评估来预测负面情绪症状。	机器学习	抑郁症	深度学习	NA	文本	621名青少年参与者
1555	2024-08-07	Hyperspectral Image Classification with Optimized Compressed Synergic Deep Convolution Neural Network with Aquila Optimization 2022, Computational intelligence and neuroscience DOI:10.1155/2022/6781740 PMID:35845897	研究论文	本文研究了如何利用优化后的压缩协同深度卷积神经网络（CSDCNN-AO）模型，从有限样本中准确分类高光谱图像（HSI）	提出了基于特征提取和分类的新型深度学习分类方法，并引入了Aquila优化技术以提高分类性能	NA	提高高光谱图像分类的准确性和效率	高光谱图像的分类	计算机视觉	NA	深度学习	压缩协同深度卷积神经网络（CSDCNN-AO）	高光谱图像	使用了四个高光谱图像数据集：Kennedy Space Center (KSC), Indian Pines (IP), Houston U (HU), Salinas Scene (SS)
1556	2024-08-07	Depth resolved pencil beam radiography using AI - a proof of principle study 2022-Jun, Journal of instrumentation : an IOP and SISSA journal IF:1.3Q3 DOI:10.1088/1748-0221/17/06/p06012 PMID:38938475	研究论文	本研究探讨了利用现代辐射源和探测器结合深度学习技术，通过散射光子信息在平面X射线成像中解析叠加衰减器的可能性	首次证明深度学习技术可以分析散射光子模式，从而在传统2D平面设置中推断深度信息	研究受限于简单的测试场景，未涉及复杂性或优化，且临床应用的性能扩展尚未探索	验证深度学习技术在解析平面X射线成像中叠加衰减器深度的原理	使用散射光子信息解析平面X射线成像中的叠加衰减器	计算机视觉	NA	X射线成像	卷积神经网络	图像	10个伪随机堆叠的空气/骨骼/水材料模型
1557	2024-08-07	Identification of robust deep neural network models of longitudinal clinical measurements 2022-Jul-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00651-4 PMID:35896817	研究论文	本文比较了九种深度学习框架在模拟纵向临床测量数据上的表现，并评估了模型在不同参数下的性能	首次系统地研究了从模拟纵向临床测量中学习的方法，并发现了基于形状变化的识别比基于幅度的变化更具挑战性	NA	评估深度学习方法在疾病预测中的应用，特别是在纵向临床测量数据上的表现	模拟的体重指数(BMI)、血糖和收缩压轨迹数据	机器学习	NA	深度学习	卷积神经网络(CNN)	时间序列数据	模拟数据包括体重指数(BMI)、血糖和收缩压轨迹，真实世界评估中使用了BMI轨迹
1558	2024-08-07	A Deep Learning Model for Inferring Elevated Pulmonary Capillary Wedge Pressures From the 12-Lead Electrocardiogram 2022-Mar, JACC. Advances DOI:10.1016/j.jacadv.2022.100003 PMID:38939079	研究论文	本研究开发了一种深度学习模型，用于从12导联心电图推断肺毛细血管楔压升高的情况	提出了一种非侵入性方法来识别升高的平均肺毛细血管楔压，并开发了一个相关的不可靠性评分，用于识别模型预测可能不可信的情况	模型性能在不可靠性高的患者子集中表现较差	开发一种非侵入性方法来识别升高的平均肺毛细血管楔压	从12导联心电图推断肺毛细血管楔压升高的情况	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	248,955份临床记录，其中6,739份包含直接测量值
1559	2024-08-07	Deep Learning in Medicine 2022-Mar, JACC. Advances DOI:10.1016/j.jacadv.2022.100017 PMID:38939084	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1560	2024-08-07	Self-Supervised Rigid Registration for Multimodal Retinal Images 2022, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2022.3201476 PMID:36040946	研究论文	本文提出了一种自监督的多模态视网膜图像配准方法，旨在自动配准多模态视网膜图像而无需任何人工标注	该方法采用自监督学习，无需人工标注，减轻了准备训练数据的时间和成本	NA	开发一种无需人工标注的自监督多模态视网膜图像配准方法	多模态视网膜图像，特别是彩色眼底图像与红外反射和荧光素血管造影图像的配准	计算机视觉	NA	自监督学习	NA	图像	NA