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
1661	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
1662	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
1663	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
1664	2024-08-07	Application of deep learning in teeth identification tasks on panoramic radiographs 2022-Jul-01, Dento maxillo facial radiology DOI:10.1259/dmfr.20210504 PMID:35143260	综述	本文综述了人工智能在全景放射图像上牙齿识别任务中的应用和发展	探讨了深度学习模型在牙齿识别任务中的性能	由于报告性能指标的异质性，无法进行meta分析	评估和比较深度学习模型在全景放射图像上牙齿识别任务中的表现	深度学习模型在全景放射图像上牙齿识别任务的应用	计算机视觉	NA	深度学习	深度学习模型	图像	共282篇文章，其中13篇相关文章被纳入综述
1665	2024-08-07	Deep learning improves implant classification by dental professionals: a multi-center evaluation of accuracy and efficiency 2022-06, Journal of periodontal & implant science DOI:10.5051/jpis.2104080204 PMID:35775697	研究论文	本研究评估并比较了牙科专业人员在使用和不使用深度学习（DL）算法的情况下，对不同类型牙科植入系统（DISs）的分类准确性	使用DL算法显著提高了牙科专业人员对DISs的平均分类准确性	NA	评估和比较牙科专业人员在有和无DL算法辅助下对牙科植入系统分类的准确性	牙科专业人员对不同类型牙科植入系统的分类准确性	机器学习	NA	深度学习	DL算法	图像	包括5名认证牙周病专家、8名牙周病学住院医师和31名未专攻种植学的牙医
1666	2024-08-07	Segmentation of Dental Restorations on Panoramic Radiographs Using Deep Learning 2022-May-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12061316 PMID:35741125	研究论文	本文研究使用深度学习方法在全景X光片上分割牙科修复体	提出使用小尺寸、等间距的矩形图像块（tiles）训练模型，以提高分割性能和加速收敛	全景X光片的分割偏向于更频繁和扩展的类别	探索使用U-Net模型在全景X光片上分割牙科修复体的有效方法	牙科修复体，包括填充物、冠和根管填充	计算机视觉	NA	卷积神经网络（CNN）	U-Net	图像	1781张全景X光片
1667	2024-08-07	Deep Learning Signal Discrimination for Improved Sensitivity at High Specificity for CMOS Intraoperative Probes 2022-Apr, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/TRPMS.2021.3098448 PMID:35419499	研究论文	本研究探讨了使用深度学习算法来提高CMOS手术探针在高特异性下的敏感性，通过区分背景伽马射线信号来辅助癌症切除手术中癌细胞的检测	本研究采用了两种基于卷积神经网络（CNN）的方法进行β-γ鉴别，并通过定制的AUC损失函数在训练中优化ROC曲线的左下区域，显著提高了敏感性	NA	提高手术探针在高特异性下的敏感性，以更准确地区分癌细胞和健康组织	探讨深度学习算法在手术探针中的应用，以及其对伽马射线信号的分类和语义分割能力	机器学习	NA	深度学习算法	卷积神经网络（CNN）	伽马射线信号	涉及多种放射性核素，包括C、Co和[Formula: see text]Tc
1668	2024-08-07	Caries Detection on Intraoral Images Using Artificial Intelligence 2022-02, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345211032524 PMID:34416824	研究论文	本研究开发了一种基于卷积神经网络（CNN）的深度学习方法，用于在口腔内图像上自动检测和分类龋齿，并将其诊断性能与专家标准进行比较	首次使用人工智能（AI）方法进行口腔内图像的自动龋齿检测	当前方法需要进一步改进	开发一种深度学习方法，用于自动检测和分类口腔内图像中的龋齿，并评估其诊断性能	2,417张来自恒牙的匿名化照片，包括1,317张咬合面和1,100张光滑面	计算机视觉	口腔疾病	卷积神经网络（CNN）	CNN	图像	2,417张匿名化照片
1669	2024-08-07	Improved runoff forecasting based on time-varying model averaging method and deep learning 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0274004 PMID:36108081	研究论文	本研究提出了一种基于时间变化权重（TV-DMA）的动态模型平均方法，并结合深度学习算法构建了一个综合的径流预测模型框架	采用时间变化权重（TV-DMA）方法和深度学习算法构建综合预测模型，提高了径流预测的准确性和稳定性	洪水季节的预测性能明显低于非洪水季节	提高径流预测的准确性和稳定性	径流预测	NA	NA	深度学习算法	NA	数值数据	未具体说明样本数量
1670	2024-08-07	Variability analysis of LC-MS experimental factors and their impact on machine learning 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad096 PMID:37983748	研究论文	本文通过系统分析公共质谱数据仓库中的变异源，探讨了这些因素对机器学习性能的影响，并进行了全面的迁移学习评估	本文首次系统分析了公共质谱数据仓库中的变异源，并评估了迁移学习在质谱数据处理中的应用效果	迁移学习虽然提高了模型性能，但与非预训练模型相比提升有限	旨在促进机器学习在质谱数据处理中的应用	公共质谱数据仓库中的变异源及其对机器学习性能的影响	机器学习	NA	质谱(MS)	深度学习(DL)	质谱数据	大规模数据集
1671	2024-08-07	Towards automated organs at risk and target volumes contouring: Defining precision radiation therapy in the modern era 2022-Dec, Journal of the National Cancer Center IF:7.6Q1 DOI:10.1016/j.jncc.2022.09.003 PMID:39036546	review	本文综述了利用先进深度学习、语义器官解析、多模态影像融合、神经架构搜索和医学图像分析技术解决精确放疗工作流程中四个关键问题或子问题的最新进展	提出了高精度、自动化和高度可重复的OAR/GTV/LN/CTV自动描绘技术，有效减少了从业者间的变异性并降低了时间成本	本文综述的内容是持续进行且不完全的，方法主要以食管癌和头颈癌为例，但可推广至其他类型癌症	探讨精确放疗在现代临床工作流程中的应用，旨在提高患者护理质量和降低成本	主要关注风险器官（OARs）、大体肿瘤体积（GTV）、转移淋巴结（LN）和临床肿瘤体积（CTV）的分割与检测	machine learning	esophageal cancer, head-and-neck cancer	deep learning, semantic organ parsing, multimodal imaging fusion, neural architecture search, medical image analytical techniques	NA	image	NA
1672	2024-08-07	Improving interobserver agreement and performance of deep learning models for segmenting acute ischemic stroke by combining DWI with optimized ADC thresholds 2022-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-022-08633-6 PMID:35201408	研究论文	研究通过结合弥散加权成像（DWI）与优化表观弥散系数（ADC）阈值，提高急性缺血性卒中（AIS）分割的观察者间一致性和深度学习模型（DLMs）性能	通过结合特定ADC阈值与DWI，显著提高了急性缺血性卒中病变的分割性能和观察者间的一致性	NA	探讨ADC阈值对观察者间一致性和深度学习模型分割急性缺血性卒中性能的影响	急性缺血性卒中（AIS）的分割	机器学习	脑血管疾病	弥散加权成像（DWI）	深度学习模型（DLMs）	图像	训练集包含76名AIS患者，测试集包含145名AIS患者
1673	2024-08-07	Deep Learning to Predict Traumatic Brain Injury Outcomes in the Low-Resource Setting 2022-08, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2022.02.097 PMID:35247613	研究论文	本文旨在开发首个用于预测低资源环境下创伤性脑损伤（TBI）结果的深度学习模型，并将其性能与较简单的算法进行比较	首次使用深度学习进行TBI预测，特别是在低收入和中等收入国家（LMICs）中，这些地区对决策支持系统有迫切需求	深度学习并非万能，最佳算法选择取决于特定的临床环境	增强LMICs中TBI的分类管理	TBI患者的预后预测	机器学习	创伤性脑损伤	深度神经网络	深度神经网络、浅层神经网络和弹性网正则化逻辑回归模型	临床变量	2164名患者，其中12%有不良预后
1674	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
1675	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
1676	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
1677	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
1678	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
1679	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
1680	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