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
1641	2024-08-07	Multi-modal deep learning based on multi-dimensional and multi-level temporal data can enhance the prognostic prediction for multi-drug resistant pulmonary tuberculosis patients 2022-Nov, Science in One Health DOI:10.1016/j.soh.2022.100004 PMID:39076608	research paper	本文研究基于多维多层次时间数据的深度学习方法，以提高多药耐药性肺结核患者的预后预测	本文采用基于动态数据的多模态深度学习方法，为个性化治疗方案提供更深入的理解	目前大多数现有研究侧重于通过静态单尺度或低维信息预测治疗结果	提高多药耐药性肺结核患者的预后预测准确性	多药耐药性肺结核患者	machine learning	肺结核	深度学习	NA	多维多层次时间数据	NA
1642	2024-08-07	Artificial Intelligence in Echocardiography: The Time is Now 2022-Aug, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2308256 PMID:39076632	研究论文	本文探讨了人工智能（AI）在超声心动图领域的应用及其对诊断、治疗和患者护理的潜在革命性影响	AI在超声心动图中的应用展示了在训练、图像获取、解释和分析、诊断、预测和表型开发方面的巨大潜力	AI在超声心动图的实际临床应用和接受度方面仍存在障碍，尤其是缺乏临床结果研究，以及法律和伦理问题	推动AI在临床工作空间的应用，改善超声心动图的临床效用、效率和培训	AI在超声心动图中的应用及其对心血管疾病评估的影响	机器学习	心血管疾病	机器学习（ML）和深度学习（DL）	NA	图像	NA
1643	2024-08-07	From Left Atrial Dimension to Curved M-Mode Speckle-Tracking Images: Role of Echocardiography in Evaluating Patients with Atrial Fibrillation 2022-May, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2305171 PMID:39077610	综述	本文综述了利用斑点追踪超声心动图从左心房尺寸到曲面M型图像评估心房颤动患者的临床应用、优势和局限性	斑点追踪超声心动图被证明是一种可行且可重复的技术，用于直接评估左心房功能，并且深度学习神经网络已成功应用于超声心动图图像分析，实现基于人工智能的全自动测量	左心房应变和应变率的临床应用、优势和局限性需要充分理解，且其在心房颤动患者治疗决策中的预后价值和实用性需要进一步阐明	探讨斑点追踪超声心动图在评估心房颤动患者中的应用及其临床意义	心房颤动患者	医学影像	心房颤动	斑点追踪超声心动图	深度学习神经网络	图像	NA
1644	2024-08-07	COVID Student Study: A Year in the Life of College Students during the COVID-19 Pandemic Through the Lens of Mobile Phone Sensing 2022-Apr, Proceedings of the SIGCHI conference on human factors in computing systems. CHI Conference DOI:10.1145/3491102.3502043 PMID:39071774	研究论文	研究通过移动电话传感技术评估COVID-19大流行对大学生行为和心理健康的影响	利用移动电话传感技术追踪和分析大学生在疫情期间的行为变化，并探索其与自我报告的COVID-19关注度的关联	研究样本仅包括180名本科生，可能不足以代表所有大学生群体	评估COVID-19大流行对大学生行为和心理健康的影响	本科生在疫情期间的行为和心理健康状况	NA	NA	移动电话传感技术	深度学习模型	行为数据	180名本科生
1645	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
1646	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
1647	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
1648	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
1649	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
1650	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
1651	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
1652	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
1653	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
1654	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
1655	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
1656	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
1657	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
1658	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
1659	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
1660	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