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
1601	2024-08-07	Real-time vessel segmentation and reconstruction for virtual fixtures for an active handheld microneurosurgical instrument 2022-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-022-02584-5 PMID:35296950	研究论文	本文设计了一种实时血管分割和重建策略，用于手持式神经外科手术机器人Micron，以避免在岩枕部脑膜瘤手术中发生血管损伤	本文创新地整合了深度学习实时血管分割与3D重建算法，并实现了基于虚拟固定器的策略，防止手术工具进入血管周围的禁止区域	NA	提高患者在神经外科手术中的安全性，避免血管损伤	手持式神经外科手术机器人Micron在岩枕部脑膜瘤手术中的应用	计算机视觉	脑膜瘤	深度学习	CNN	图像	使用了模拟血管、岩静脉、颈内动脉和浅表血管的数据集进行测试
1602	2024-08-07	Hyperparameter Tuning and Automatic Image Augmentation for Deep Learning-Based Angle Classification on Intraoral Photographs-A Retrospective Study 2022-Jun-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12071526 PMID:35885432	研究论文	本研究评估了超参数调优和自动图像增强对基于深度学习的正畸照片按Angle分类的影响	采用GradCAM提高模型的可解释性，并发现自动图像增强进一步提升了模型性能	误分类主要发生在Angle I类和II类之间	评估超参数调优和自动图像增强对深度学习模型在正畸照片分类中的效果	正畸照片按Angle分类	计算机视觉	NA	深度学习	ResNet	图像	605张Angle I类图像，1038张Angle II类图像，408张Angle III类图像
1603	2024-08-07	Deep residual inception encoder-decoder network for amyloid PET harmonization 2022-12, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.12564 PMID:35142053	研究论文	本文开发并验证了一种深度学习模型，用于协调使用不同示踪剂的淀粉样蛋白PET图像	提出了一种基于编码器-解码器的深度残差初始网络，用于协调不同示踪剂的淀粉样蛋白PET图像	需要进一步改进模型并应用于其他示踪剂	开发一种协调策略，用于解决不同正电子发射断层扫描（PET）示踪剂在淀粉样蛋白成像中的共识解释和定量分析挑战	使用匹兹堡化合物B和氟贝他匹的淀粉样蛋白PET图像	计算机视觉	NA	深度学习	深度残差初始编码器-解码器神经网络	图像	训练集包含92名受试者，外部测试集包含46名受试者
1604	2024-08-07	High-Throughput Mass Spectrometry Imaging with Dynamic Sparse Sampling 2022-Oct-19, ACS measurement science au IF:4.6Q1 DOI:10.1021/acsmeasuresciau.2c00031 PMID:36281292	研究论文	本文介绍了一种使用动态稀疏采样的高通量质谱成像技术	采用深度学习动态采样方法（DLADS）减少所需测量次数，提高质谱成像实验的通量	NA	提高质谱成像技术的数据采集速度，适用于需要快速分析的应用	生物样本中的分子分布	NA	NA	质谱成像（MSI）	深度学习模型	分子图像	NA
1605	2024-08-07	Cascaded 3D UNet architecture for segmenting the COVID-19 infection from lung CT volume 2022-Feb-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06931-z PMID:35197504	研究论文	本文提出了一种两阶段的级联3D UNet架构，用于从肺部CT体积中分割COVID-19感染区域	开发了一种两阶段的级联3D UNet架构，能够直接从完整的CT体积中分割出感染区域，无需为每位新患者标记肺实质	NA	开发一种有效的深度学习方法，用于从肺部CT图像中自动分割COVID-19感染区域	COVID-19感染区域的分割	计算机视觉	COVID-19	深度学习	3D UNet	CT体积	NA
1606	2024-08-07	Chemotherapy response prediction with diffuser elapser network 2022-Jan-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05460-z PMID:35102179	研究论文	本文研究了在实体肿瘤中，通过扩散器网络预测化疗反应的问题	提出了一种深度学习模型，能够同时捕捉肿瘤生长和药物反应行为，并预测未来的肿瘤微环境图	需要进一步验证模型在实际临床环境中的应用效果	旨在生成对治疗方案的现实反应，以便未来工作可以使用这些患者特定的反应来决定细胞毒性药物治疗的最佳开始时间和剂量	肿瘤微环境，包括肿瘤层、血管网络、间质流体压力和药物扩散图	计算机视觉	NA	NA	CNN	图像	基于先前的仿真模型，具体样本数量未提及
1607	2024-08-07	Effect of head motion-induced artefacts on the reliability of deep learning-based whole-brain segmentation 2022-Jan-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05583-3 PMID:35102199	研究论文	研究深度学习方法在磁共振成像中对头部运动引起的伪影的鲁棒性	深度学习方法在磁共振成像中对头部运动引起的伪影表现出更高的鲁棒性	NA	探讨深度学习方法在磁共振成像中对头部运动引起伪影的鲁棒性	磁共振成像中的头部运动伪影对深度学习方法的影响	计算机视觉	NA	磁共振成像	神经网络模型	图像	110名参与者
1608	2024-08-07	Using deep learning models to analyze the cerebral edema complication caused by radiotherapy in patients with intracranial tumor 2022-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05455-w PMID:35091636	研究论文	利用深度学习模型分析接受放射治疗后颅内肿瘤患者脑水肿并发症的图像分割和标准结果	采用Mask R-CNN模型和区域生长算法进行脑水肿图像分割，并通过DICE、IoU和VOE指数评估分割效果	NA	研究放射治疗后颅内肿瘤患者脑水肿的图像分割和临床描述标准	颅内肿瘤患者在接受计算机刀立体定向放射手术后的脑水肿并发症	计算机视觉	颅内肿瘤	深度学习	Mask R-CNN	图像	接受计算机刀立体定向放射手术的颅内肿瘤患者，包括治疗前和四个月随访的图像
1609	2024-08-07	Identification of a clonal population of Aspergillus flavus by MALDI-TOF mass spectrometry using deep learning 2022-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05647-4 PMID:35091651	研究论文	本研究利用深度学习技术，通过MALDI-TOF质谱法识别Aspergillus flavus的克隆群体	首次使用卷积神经网络（CNN）通过MALDI-TOF质谱技术识别同一物种内的特定克隆	在较旧且需要更换激光的设备上，识别准确率较低	探索现有MALDI-TOF设备是否能从同一物种的多种分离株中识别特定克隆	Aspergillus flavus的克隆分离株	机器学习	NA	MALDI-TOF质谱法	CNN	质谱数据	包括19个克隆分离株和55个来自不同来源的A. flavus分离株
1610	2024-08-07	Classification of brain tumours in MR images using deep spatiospatial models 2022-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05572-6 PMID:35087174	研究论文	本文使用深度时空模型ResNet (2+1)D和ResNet混合卷积来分类MR图像中的脑肿瘤	采用时空模型作为“时空空间”模型，能够学习特定的空间和时间关系，同时降低计算成本	NA	研究如何使用深度学习方法提高脑肿瘤在MR图像中的分类准确性	脑肿瘤的分类	计算机视觉	脑肿瘤	深度学习	ResNet (2+1)D, ResNet混合卷积	图像	使用开放数据集，包含可靠的注释
1611	2024-08-07	Automated evaluation of retinal pigment epithelium disease area in eyes with age-related macular degeneration 2022-Jan-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05006-3 PMID:35042966	研究论文	开发了一种两步软件，通过分析荧光素血管造影（FA）图像中的早期高荧光区域，实现对视网膜色素上皮（RPE）疾病区域变化的目标和高效量化	利用基于深度学习的判别方法提取异常区域，并通过自动化程序对二值化提取区域进行评分，提高了评估的准确性和效率	NA	解决缺乏标准协议的问题，实现对RPE疾病区域变化的客观量化	视网膜色素上皮（RPE）疾病区域	数字病理学	年龄相关性黄斑变性	深度学习	NA	图像	NA
1612	2024-08-07	Approach for the Design of Covalent Protein Kinase Inhibitors via Focused Deep Generative Modeling 2022-Jan-17, Molecules (Basel, Switzerland) DOI:10.3390/molecules27020570 PMID:35056884	研究论文	本文探讨了通过深度生成模型系统设计共价蛋白激酶抑制剂的方法	结合基于片段的设计和深度生成模型，增强了三维药效团筛选，为药物化学应用提供了一种结合知识元素和深度学习的方法	NA	开发一种计算方法，用于设计共价蛋白激酶抑制剂	共价蛋白激酶抑制剂的设计	机器学习	炎症性疾病，白血病	深度生成模型	深度学习模型	化学结构数据	具体样本数量未明确
1613	2024-08-07	Rapid video-based deep learning of cognate versus non-cognate T cell-dendritic cell interactions 2022-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-04286-5 PMID:35017558	研究论文	本文展示了使用深度学习快速分类抗原特异性CD8 T细胞视频的能力	该方法通过深度学习模型区分了同源和非同源T细胞与树突状细胞的交互动态，并展示了比传统图像分析技术更高的分类准确性	NA	理解免疫和耐受性，并开发癌症和自身免疫疾病的治疗方法	抗原特异性T细胞与树突状细胞的同源交互	机器学习	癌症, 自身免疫疾病	深度学习	NA	视频	OT-I小鼠的高亲和力抗原特异性CD8 T细胞
1614	2024-08-07	Denoising of pediatric low dose abdominal CT using deep learning based algorithm 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0260369 PMID:35061701	研究论文	本文评估了一种基于深度学习的方法生成的标准剂量CT图像，该方法使用未配对的低剂量CT和标准剂量CT图像进行训练	使用生成对抗网络框架训练未配对数据集，能够从原始低剂量CT图像生成虚拟标准剂量CT图像	NA	评估深度学习方法生成的标准剂量CT图像的质量	低剂量CT和标准剂量CT图像	计算机视觉	NA	生成对抗网络	生成对抗网络	图像	训练集包含42张低剂量CT和42张标准剂量CT图像，验证集包含41张低剂量CT图像，测试集包含33张低剂量CT图像
1615	2024-08-07	DeLUCS: Deep learning for unsupervised clustering of DNA sequences 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0261531 PMID:35061715	研究论文	本文介绍了一种无需序列比对、序列同源性或分类标识的深度学习方法DeLUCS，用于无监督DNA序列聚类	DeLUCS使用频率混沌游戏表示（FCGR）和生成模拟序列FCGR来自我学习数据模式，通过优化多个神经网络实现聚类，显著优于传统的K-means++和高斯混合模型方法	NA	开发一种新的深度学习方法，用于无监督DNA序列聚类	DNA序列的聚类	机器学习	NA	深度学习	神经网络	DNA序列	包括2,500个完整的脊椎动物线粒体基因组、3,200个随机选择的400 kbp长的细菌基因组片段和三个平均1,300个序列的病毒基因组及基因数据集
1616	2024-08-07	Stock prediction based on bidirectional gated recurrent unit with convolutional neural network and feature selection 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0262501 PMID:35120138	研究论文	本文提出了一种基于特征选择、卷积神经网络和双向门控循环单元的混合股票预测模型FS-CNN-BGRU	该模型结合了特征选择、卷积神经网络和双向门控循环单元，能够更好地处理具有时间序列属性的数据，并在实验中显示出优于其他单一模型的性能	NA	提出一种新的混合股票预测模型，以提高预测性能	股票市场的预测	机器学习	NA	卷积神经网络，双向门控循环单元	CNN, BGRU	时间序列数据	NA
1617	2024-08-07	No sonographer, no radiologist: New system for automatic prenatal detection of fetal biometry, fetal presentation, and placental location 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0262107 PMID:35139093	研究论文	本文开发了一种自动化的诊断框架，用于在没有经验丰富的超声技师或解读提供者的情况下，评估胎儿生物测量、胎儿体位和胎盘位置	该系统使用标准化体积扫描成像（VSI）协议和深度学习算法（U-Net），无需专业人员即可进行超声成像和诊断评估	该系统在胎盘位置的诊断准确性为76.7%，相对较低	旨在提高农村和资源匮乏社区的超声成像和诊断的可及性	胎儿生物测量、胎儿体位和胎盘位置的自动评估	计算机视觉	NA	深度学习算法（U-Net）	U-Net	图像	在秘鲁进行的超声检查，由没有超声经验的操作者进行，接受了8小时的培训
1618	2024-08-07	Interpretable deep learning translation of GWAS and multi-omics findings to identify pathobiology and drug repurposing in Alzheimer's disease 2022-11-29, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2022.111717 PMID:36450252	研究论文	本文介绍了一种基于网络拓扑的深度学习框架NETTAG，用于将全基因组关联研究（GWAS）和多组学发现转化为阿尔茨海默病（AD）的病理生物学和药物再利用	NETTAG框架利用非编码GWAS位点对数量性状位点、增强子、CpG岛、启动子区域、开放染色质和启动子侧翼区域的影响，结合蛋白质-蛋白质相互作用网络，识别与AD相关的风险基因	NA	旨在将人类遗传发现转化为AD的病理生物学和治疗发现	阿尔茨海默病（AD）的病理生物学和药物再利用	机器学习	阿尔茨海默病	深度学习	NETTAG	基因组数据	1000万个体
1619	2024-08-07	Benchmarking Deep Learning Models for Tooth Structure Segmentation 2022-10, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345221100169 PMID:35686357	研究论文	本文通过系统比较多种深度学习架构在牙齿结构分割任务上的表现，为模型开发提供指导	首次在牙科领域进行全面的深度学习模型基准测试，并发现使用预训练权重初始化的模型在牙科放射图像分析中表现更优	研究仅限于牙齿结构分割任务，未涵盖牙科领域的其他任务	旨在通过基准测试为牙科领域的深度学习模型开发提供指导	牙齿结构（牙釉质、牙本质、牙髓、填充物、牙冠）的分割	计算机视觉	NA	深度学习	U-Net, U-Net++, Feature Pyramid Networks, LinkNet, Pyramid Scene Parsing Network, Mask Attention Network	图像	1,625张人工标注的牙科咬翼放射图像
1620	2024-08-07	Artificial intelligence-based diagnostics of molar-incisor-hypomineralization (MIH) on intraoral photographs 2022-Sep, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-022-04552-4 PMID:35608684	研究论文	本研究旨在开发和验证一种基于深度学习的卷积神经网络（CNN），用于自动检测和分类受牙本质发育不全（MIH）影响的牙齿	开发了一种基于深度学习的卷积神经网络（CNN），能够自动检测和分类受MIH影响的牙齿，具有较高的诊断准确性	CNN在健康牙齿上的表现优于受MIH影响的牙齿，需要进一步提高准确性	开发和验证一种自动检测和分类受MIH影响牙齿的深度学习模型	受牙本质发育不全（MIH）影响的牙齿	计算机视觉	NA	卷积神经网络（CNN）	ResNeXt-101-32×8d	图像	3241张口腔内图像，包括2596张训练图像和649张测试图像