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
1701	2024-08-07	Genomics transformer for diagnosing Parkinson's disease 2022-Sep, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi56158.2022.9926815 PMID:36824448	研究论文	本文介绍了一种基于transformer编码器的新模型，用于根据基因型数据对帕金森病（PD）患者和健康对照者进行分类	该模型能够有效建模复杂的全局特征交互，并通过学习到的注意力分数提高可解释性	NA	旨在克服传统评估方法在捕捉基因型数据中复杂交互方面的局限性，提高帕金森病的诊断能力	帕金森病患者和健康对照者的基因型数据	机器学习	帕金森病	NA	transformer	基因型数据	NA
1702	2024-08-07	Displacement detection with sub-pixel accuracy and high spatial resolution using deep learning 2022-Jan, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-021-01162-7 PMID:34837159	研究论文	本研究旨在使用超声诊断设备实现二维和亚像素位移的高空间分辨率检测	本研究开发了一种利用超声图像和输出位移分布的深度学习网络，通过修改FlowNet2网络结构并使用超声图像模拟开发训练数据集，实现了高空间分辨率和亚像素位移检测	NA	实现二维和亚像素位移的高空间分辨率检测	使用超声诊断设备进行位移检测	机器学习	NA	深度学习	FlowNet2	图像	使用了模拟超声图像和肝脏超声图像进行评估
1703	2024-08-07	Identifying symptomatic trigeminal nerves from MRI in a cohort of trigeminal neuralgia patients using radiomics 2022-Mar, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-022-02900-5 PMID:35043225	研究论文	本研究通过放射组学特征从MRI图像中识别三叉神经痛患者的三叉神经，以区分受影响和未受影响的神经	使用放射组学特征和深度学习网络（U-net）从MRI图像中提取和分析三叉神经的特征，以区分三叉神经痛患者和无痛神经	NA	测试从三叉神经的MRI图像中提取的放射组学特征是否能区分受三叉神经痛影响和无痛的神经	三叉神经痛患者的三叉神经	计算机视觉	三叉神经痛	MRI	U-net	图像	134名患者（即268条神经）
1704	2024-08-07	Effect of cells on spatial quantification of proteoglycans in articular cartilage of small animals 2022-11, Connective tissue research IF:2.8Q1 DOI:10.1080/03008207.2022.2048827 PMID:35322732	研究论文	研究细胞对小动物关节软骨中蛋白聚糖空间定量的影响，并评估基于深度学习算法的U-Net工具在细胞分割中的有效性	使用U-Net深度学习算法进行细胞分割，以排除细胞对软骨细胞外基质中蛋白聚糖含量测量的干扰	细胞对分析的蛋白聚糖含量的影响较小，但在疾病早期细胞增殖时可能需要更敏感的考虑	探究细胞对小动物关节软骨中蛋白聚糖含量的影响，并评估U-Net工具在细胞分割中的效果	小动物（如老鼠和 rats）的关节软骨中的蛋白聚糖含量	数字病理学	骨关节炎	数字密度测量法	U-Net	图像	600张标记的Safranin-O软骨图像
1705	2024-08-07	Automated clinical coding: what, why, and where we are? 2022-Oct-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00705-7 PMID:36273236	研究论文	本文介绍了自动化临床编码的概念，并从人工智能和自然语言处理的角度总结了其挑战	提出了将基于知识的解释性方法与深度学习方法结合以提高临床编码的解释性和一致性	当前基于深度学习的方法在实际应用中需要更好的解释性和一致性	探讨自动化临床编码的技术和组织挑战，并提出未来发展方向	临床编码过程的自动化	自然语言处理	NA	深度学习	NA	文本	涉及苏格兰和英国的临床编码专家讨论
1706	2024-08-07	Deep learning segmentation and quantification method for assessing epicardial adipose tissue in CT calcium score scans 2022-02-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06351-z PMID:35145186	研究论文	本文开发了一种深度学习方法（DeepFat），用于在非对比低剂量CT钙评分图像上自动评估心外膜脂肪组织（EAT）	引入了HU-注意力窗口和前瞻性切片平分（bisect）方法，提高了分割准确性	NA	开发一种自动评估心外膜脂肪组织的深度学习方法	心外膜脂肪组织（EAT）的自动评估	计算机视觉	心血管疾病	深度学习	NA	图像	NA
1707	2024-08-07	Semiautomated intraoperative measurement of Cobb angle and coronal C7 plumb line using deep learning and computer vision for scoliosis correction: a feasibility study 2022-Nov-01, Journal of neurosurgery. Spine DOI:10.3171/2022.4.SPINE22133 PMID:36303475	研究论文	本研究旨在验证一种利用深度学习和计算机视觉进行脊柱侧弯手术中脊柱对齐度测量的新型非放射性半自动化设备	开发了一种非放射性的半自动化设备，利用深度学习和计算机视觉在手术中测量脊柱对齐度	设备需要使用3D打印标记物，并且在验证过程中仅在脊柱侧弯的尸体模型上进行了测试	验证一种新型非放射性半自动化设备在脊柱侧弯手术中测量脊柱对齐度的可行性	脊柱侧弯手术中的脊柱对齐度测量	计算机视觉	脊柱侧弯	深度学习	计算机视觉模型	图像	标记检测模型训练使用了100张图像，测试使用了130张图像；验证模型中使用了50个角度模板和21个铅垂线测量模型；尸体验证研究中使用了1个脊柱侧弯的尸体模型
1708	2024-08-07	Spatial interplay of tissue hypoxia and T-cell regulation in ductal carcinoma in situ 2022-Sep-15, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-022-00419-9 PMID:36109587	研究论文	研究组织缺氧与T细胞调节在导管原位癌（DCIS）中的相互作用	设计了一个针对DCIS组织结构复杂性的深度学习系统，并发现T调节细胞在缺氧肿瘤细胞中的空间共定位可能是DCIS进展的关键事件和有用标记	NA	探讨缺氧在导管原位癌中与T细胞调节的关系	导管原位癌（DCIS）及其与侵袭性导管癌的同步成分	数字病理学	乳腺癌	深度学习	NA	图像	纯DCIS病例与同步DCIS和侵袭性成分的侵袭性导管癌病例
1709	2024-08-07	Fast and accurate Ab Initio Protein structure prediction using deep learning potentials 2022-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010539 PMID:36112717	研究论文	本文开发了一个名为DeepFold的开源程序，利用深度残差神经网络预测的空间约束和基于知识的能量函数，通过梯度下降折叠模拟，提高了蛋白质结构预测的准确性和速度	DeepFold在缺乏序列和/或结构同源性的蛋白质模型中，其准确性显著超越了传统的折叠方法和其他领先的深度学习方法，特别是在最难目标上的建模性能	NA	提高蛋白质结构预测的准确性和速度	蛋白质结构预测	机器学习	NA	深度学习	深度残差神经网络	蛋白质序列	大规模基准测试
1710	2024-08-07	Evaluating frailty, mortality, and complications associated with metastatic spine tumor surgery using machine learning-derived body composition analysis 2022-Aug-01, Journal of neurosurgery. Spine DOI:10.3171/2022.1.SPINE211284 PMID:35213829	研究论文	本研究利用机器学习衍生的身体成分分析评估了转移性脊柱肿瘤手术相关的虚弱、死亡率和并发症	通过深度学习方法评估癌症患者的身体成分，以改善术前风险分层	仅基于484名患者的观察性研究，样本量有限	评估身体成分与脊柱转移瘤手术后并发症、住院时间和死亡率的关系	接受脊柱转移瘤手术的癌症患者	机器学习	脊柱肿瘤	深度学习	k-means聚类分析	CT图像	484名癌症患者
1711	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
1712	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
1713	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
1714	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
1715	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。
1716	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
1717	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
1718	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
1719	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。
1720	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