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
1621	2024-08-07	Diagnostic triage in patients with central lumbar spinal stenosis using a deep learning system of radiographs 2022-Jul-01, Journal of neurosurgery. Spine DOI:10.3171/2021.11.SPINE211136 PMID:35061993	研究论文	本研究旨在开发一种基于卷积神经网络（CNN）的深度学习模型，用于通过X射线诊断严重的中央腰椎管狭窄症（LSS），并使用梯度加权类激活映射（Grad-CAM）评估放射学诊断特征	本研究开发了一种新的深度学习模型，通过X射线图像准确诊断中央腰椎管狭窄症，并能定位狭窄病变，辅助医生识别LSS	多变量逻辑回归分析显示，结合人口统计学因素（年龄和性别）并未提高模型性能	开发和评估一种深度学习模型，用于通过X射线诊断严重的中央腰椎管狭窄症	中央腰椎管狭窄症患者和健康对照组的X射线图像	机器学习	脊柱疾病	卷积神经网络（CNN）	CNN	图像	12,442张图像用于训练模型，5折交叉验证
1622	2024-08-07	U-net Models Based on Computed Tomography Perfusion Predict Tissue Outcome in Patients with Different Reperfusion Patterns 2022-10, Translational stroke research IF:3.8Q2 DOI:10.1007/s12975-022-00986-w PMID:35043358	研究论文	本文开发了一种基于计算机断层扫描灌注（CTP）图像的U-net深度学习模型，用于更准确地评估急性大血管闭塞（LVO）患者的缺血核心和风险组织	U-net模型在识别梗死核心和风险组织方面优于固定阈值方法，提供了针对不同再灌注模式的患者的个性化预测	NA	评估脑灌注对于急性大血管闭塞患者治疗选择的重要性，并开发一种新的深度学习模型以更准确地评估缺血核心和风险组织	急性缺血性卒中接受血管内治疗的患者，分为主要再灌注组和最小再灌注组	机器学习	脑血管疾病	CTP	U-net	图像	110名急性缺血性卒中患者
1623	2024-08-07	SVision: a deep learning approach to resolve complex structural variants 2022-10, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01609-w PMID:36109679	研究论文	本文开发了一种基于深度学习的多目标识别框架SVision，用于自动检测和表征长读长测序数据中的复杂结构变异	SVision能够识别复杂事件的内部结构，并能敏感地检测常见和先前未表征的复杂重排	NA	开发一种新的方法来解析复杂结构变异	复杂结构变异	机器学习	NA	深度学习	多目标识别框架	长读长测序数据	从单个基因组中揭示了80个高质量的复杂结构变异，具有25种不同的结构
1624	2024-08-07	BindVAE: Dirichlet variational autoencoders for de novo motif discovery from accessible chromatin 2022-08-15, Genome biology IF:10.1Q1 DOI:10.1186/s13059-022-02723-w PMID:35971180	研究论文	本文介绍了一种名为BindVAE的新型无监督深度学习方法，基于Dirichlet变分自编码器，用于从开放染色质区域联合解码多个转录因子（TF）结合信号。	BindVAE能够将输入的DNA序列分解为不同的潜在因子，这些因子编码细胞类型特异性的体内结合信号、TFs合作结合的复合模式以及结合位点周围的基因组上下文。	NA	开发一种新的无监督深度学习方法，用于从开放染色质区域中联合解码多个转录因子结合信号。	DNA序列中的转录因子结合信号	机器学习	NA	Dirichlet变分自编码器	变分自编码器（VAE）	DNA序列	NA
1625	2024-08-07	A Novel Deep Learning Radiomics Model to Discriminate AD, MCI and NC: An Exploratory Study Based on Tau PET Scans from ADNI 2022-Aug-12, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci12081067 PMID:36009130	研究论文	本文探索了一种基于深度学习放射组学（DLR）的新模型，用于区分阿尔茨海默病（AD）患者、轻度认知障碍（MCI）患者和正常对照（NC）受试者，该模型在tau正电子发射断层扫描（tau-PET）的基础上进行了验证。	提出了一个基于深度学习放射组学的新模型，用于区分AD、MCI和NC，并在tau-PET扫描上进行了验证。	NA	探索和验证一种新的深度学习放射组学模型，用于区分阿尔茨海默病、轻度认知障碍和正常对照。	阿尔茨海默病（AD）患者、轻度认知障碍（MCI）患者和正常对照（NC）受试者。	机器学习	阿尔茨海默病	tau正电子发射断层扫描（tau-PET）	深度学习放射组学（DLR）模型	图像	211名正常对照（NC）、197名轻度认知障碍（MCI）和117名阿尔茨海默病（AD）患者。
1626	2024-08-07	Label-free hyperspectral imaging and deep-learning prediction of retinal amyloid β-protein and phosphorylated tau 2022-Sep, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgac164 PMID:36157597	research paper	本研究开发了一种无标记的超光谱成像方法，用于检测视网膜中Aβ和pS396-Tau的谱特征，并利用深度学习预测其在视网膜横截面中的分布	首次报道了pTau的谱特征，并展示了深度学习在准确预测Aβ和pTau分布方面的应用	NA	开发一种无标记的超光谱成像方法，用于检测和预测视网膜中Aβ和pTau的分布，为阿尔茨海默病的无标记检测奠定基础	视网膜中的Aβ和pTau	computer vision	阿尔茨海默病	超光谱成像	深度学习	图像	NA
1627	2024-08-07	ArtSeg-Artifact segmentation and removal in brightfield cell microscopy images without manual pixel-level annotations 2022-07-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-14703-y PMID:35794119	研究论文	本文提出了一种名为ScoreCAM-U-Net的管道，用于在明场细胞显微镜图像中自动分割和去除视觉伪影，无需手动像素级标注	该方法使用图像级标签进行训练，大大加快了训练过程，同时不显著牺牲分割性能	NA	开发一种自动化的方法来分割和去除明场细胞显微镜图像中的伪影，以改善下游分析	明场细胞显微镜图像中的伪影	计算机视觉	NA	深度卷积神经网络	U-Net	图像	三个不同的明场显微镜图像数据集
1628	2024-08-07	A Reproducible Deep-Learning-Based Computer-Aided Diagnosis Tool for Frontotemporal Dementia Using MONAI and Clinica Frameworks 2022-Jun-23, Life (Basel, Switzerland) DOI:10.3390/life12070947 PMID:35888037	研究论文	本文介绍了一种基于Clinica和MONAI框架的可重复且可靠的计算机辅助诊断工具的开发，用于检测额颞叶痴呆（FTD）	提出了一个可重复的计算机辅助诊断开发工作流程，并应用了可解释的人工智能方法来理解模型行为	文章未明确提及具体的局限性	开发一种标准化的计算机辅助诊断工具，以促进人工智能产品在医疗系统中的应用	额颞叶痴呆（FTD）的检测	计算机视觉	神经退行性疾病	深度学习（DL）	NA	3D MRI数据	数据来自NIFD数据库
1629	2024-08-07	Region of interest-specific loss functions improve T2 quantification with ultrafast T2 mapping MRI sequences in knee, hip and lumbar spine 2022-12-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26266-z PMID:36564430	研究论文	本文提出了一种针对加速采集的区域兴趣特定后处理方法，使用循环UNet深度学习架构，从加速的T准备快照梯度回波采集序列中提供膝关节软骨、髋关节软骨和腰椎间盘的T2图谱，通过多组件损失函数优化软骨和间盘性能。	本文创新性地引入了区域兴趣特定损失函数，以优化软骨和间盘的重建性能，并提出了一种基于灰度共生矩阵的评估方案。	NA	旨在改进T2量化技术，通过区域兴趣特定损失函数提高MRI T2图谱序列在膝关节、髋关节和腰椎的量化准确性。	研究对象包括膝关节软骨、髋关节软骨和腰椎间盘。	计算机视觉	NA	MRI	循环UNet	图像	研究涵盖了从加速因子R=2到R=12的不同情况。
1630	2024-08-07	Applications of Artificial Intelligence to Obesity Research: Scoping Review of Methodologies 2022-12-07, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/40589 PMID:36476515	综述	本文通过综述分析了人工智能在肥胖研究中的应用方法	介绍了多模态或多任务AI模型、合成数据生成和人在回路等新兴趋势	部分研究显示不同AI模型性能在不同数据集和任务上的结果不一	为研究人员和从业者提供AI在肥胖研究中的应用概览，并促进AI技术的采用	肥胖研究中的人工智能应用	机器学习	肥胖	机器学习（ML）和深度学习（DL）	ML和DL模型	表格数据、图像和文本数据	46项研究
1631	2024-08-07	Using Deep Learning Radiomics to Distinguish Cognitively Normal Adults at Risk of Alzheimer's Disease From Normal Control: An Exploratory Study Based on Structural MRI 2022, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2022.894726 PMID:35530047	研究论文	本研究提出了一种基于结构MRI图像的深度学习放射组学方法，用于区分认知正常但有阿尔茨海默病风险的成年人与正常对照组	本研究首次提出了一种深度学习放射组学方法，通过结构MRI图像区分阿尔茨海默病风险个体与正常对照组	本研究仅基于ADNI数据库的数据进行，样本量有限，需要进一步在更广泛的人群中验证	开发一种新的方法来区分认知正常但有阿尔茨海默病风险的个体与正常对照组	认知正常但有阿尔茨海默病风险的成年人与正常对照组	机器学习	阿尔茨海默病	MRI	深度学习放射组学	图像	417名认知正常的成年人，分为181名阿尔茨海默病风险个体和236名正常对照组
1632	2024-08-07	A deep learning MRI approach outperforms other biomarkers of prodromal Alzheimer's disease 2022-03-29, Alzheimer's research & therapy DOI:10.1186/s13195-022-00985-x PMID:35351193	研究论文	本文研究了一种基于深度学习的MRI方法，用于早期阿尔茨海默病的诊断，并与其他生物标志物进行比较	提出了一种基于结构MRI的体素级深度学习方法，该方法在早期阿尔茨海默病的诊断中表现优于其他神经影像学方法	NA	验证基于MRI的深度学习模型在早期阿尔茨海默病诊断中的有效性和优势	早期阿尔茨海默病及其相关生物标志物	机器学习	阿尔茨海默病	MRI	深度学习模型	图像	NA
1633	2024-08-07	Predicting diagnosis 4 years prior to Alzheimer's disease incident 2022, NeuroImage. Clinical DOI:10.1016/j.nicl.2022.102993 PMID:35344803	研究论文	本研究利用深度学习纵向模型，即图卷积和循环神经网络（graph-CNN-RNN），对阿尔茨海默病（AD）的脑结构MRI扫描进行预测分析	首次采用graph-CNN-RNN模型对AD进行长达4年的早期诊断预测，并展示了脑形态学从预测到明显AD阶段的定量轨迹	NA	旨在利用深度学习技术提前预测阿尔茨海默病的发生	阿尔茨海默病的早期诊断和预测	机器学习	阿尔茨海默病	MRI扫描	graph-CNN-RNN	图像	训练集包含1559个样本，验证集包含930个样本
1634	2024-08-07	A multimodal deep learning system to distinguish late stages of AMD and to compare expert vs. AI ocular biomarkers 2022-02-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06273-w PMID:35173191	研究论文	本文描述了一种深度学习方法，用于从OCTA、OCT结构、2D b-scan流图像和高清5线b-scan立方体组合中区分非AMD、非新生血管性AMD和新生血管性AMD，并检测与AMD风险相关的眼部生物标志物。	该研究利用多模态数据输入2D-3D卷积神经网络(CNNs)，实现了对AMD及其生物标志物的高精度预测，准确率高达90.2%。	NA	开发一种深度学习系统，用于区分AMD的晚期阶段，并比较专家与AI在眼部生物标志物检测方面的表现。	年龄相关性黄斑变性(AMD)及其生物标志物的检测。	机器学习	眼科疾病	光学相干断层扫描血管成像(OCTA)	卷积神经网络(CNN)	图像	NA
1635	2024-08-07	Automated diagnosing primary open-angle glaucoma from fundus image by simulating human's grading with deep learning 2022-08-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-17753-4 PMID:35982106	研究论文	本研究提出了一种名为GlaucomaNet的自动化分类算法，用于通过不同人群和环境下的眼底照片识别原发性开角型青光眼（POAG）	GlaucomaNet通过两个卷积神经网络模拟人类评分过程，学习区分性特征并融合特征进行评分，提高了诊断的准确性和透明度	NA	开发一种稳健且可解释的算法，自动辅助下游诊断任务	原发性开角型青光眼（POAG）	计算机视觉	眼科疾病	深度学习	卷积神经网络	图像	两个数据集：Ocular Hypertension Treatment Study (OHTS)参与者和Large-scale Attention-based Glaucoma (LAG)数据集
1636	2024-08-07	Deep learning for subtyping the Alzheimer's disease spectrum 2022-02, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2021.12.004 PMID:34996710	研究论文	Kwak等人基于结构影像对认知受损个体进行亚型分类，为阿尔茨海默病谱的细分提供了新的见解	通过亚型分类量化阿尔茨海默病的异质性，为疾病修饰疗法的开发和患者护理的改进提供了更精准的方法	NA	探索阿尔茨海默病谱的亚型分类	认知受损个体	机器学习	阿尔茨海默病	深度学习	NA	影像	NA