深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
81	2024-08-23	Oner, Sung, and Lee: Researchers in digital pathology for the future of modern medicine 2022-Feb-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100447 PMID:35199070	research paper	Oner, Lee 和 Sung 开发了一种深度学习模型，用于准确预测肿瘤组织中癌细胞的比例	开发了一种新的深度学习模型，用于精确预测癌细胞比例，这是精准肿瘤学和靶向治疗的关键步骤	NA	开发和验证一种深度学习模型，以提高癌症治疗的精确性	肿瘤组织中的癌细胞比例	digital pathology	cancer	deep learning	deep learning model	image	NA	NA	NA	NA	NA
82	2024-08-23	Fused feature signatures to probe tumour radiogenomics relationships 2022-02-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06085-y PMID:35140267	研究论文	本研究提出了一种融合特征签名（FF），通过结合手工特征提取技术和深度特征提取技术，以更好地表示肿瘤放射基因组学关系（RRs）。	本研究首次尝试融合手工特征提取技术和深度特征提取技术，以利用它们之间的互补信息，从而更全面地识别放射基因组学关系。	本研究仅使用了两个公开数据集进行验证，未来需要更多的数据集来进一步验证FF的有效性。	旨在通过融合不同类型的图像特征提取技术，提高肿瘤放射基因组学关系的识别能力。	非小细胞肺癌（NSCLC）患者的基因表达数据和CT图像。	数字病理学	肺癌	深度学习模型（如迁移学习和微调）	CNN	图像	89名NSCLC患者用于构建FF，117名NSCLC患者用于验证	NA	NA	NA	NA
83	2024-08-23	Sequence-based prediction of protein binding regions and drug-target interactions 2022-Feb-08, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-022-00584-w PMID:35135622	研究论文	本文构建了一个名为Highlights on Target Sequences (HoTS)的深度学习模型，用于预测蛋白质序列与药物配体之间的结合区域和药物-靶标相互作用	提出了一个结合区域预测模型，提高了药物-靶标相互作用预测的性能，并增强了模型的可解释性	模型在预测中不使用3D结构信息	提高药物-靶标相互作用预测的性能和模型的可解释性	蛋白质序列与药物配体之间的结合区域和药物-靶标相互作用	机器学习	NA	深度学习	transformer	蛋白质序列	收集了蛋白质-配体相互作用的复合物和结合位点的蛋白质序列	NA	NA	NA	NA
84	2024-08-23	Automated Lung Sound Classification Using a Hybrid CNN-LSTM Network and Focal Loss Function 2022-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s22031232 PMID:35161977	研究论文	本文提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合神经模型，用于自动分类四种肺音类型，并采用焦点损失函数处理训练数据不平衡问题	引入焦点损失函数以解决训练数据不平衡问题，并结合CNN和LSTM网络进行肺音分类	NA	开发一种自动肺音分类模型，以提高呼吸疾病诊断和患者监测的效率	肺音的自动分类，包括正常、爆裂音、哮鸣音及两者兼有	机器学习	呼吸疾病	短时傅里叶变换（STFT）	CNN-LSTM	音频	使用了ICBHI 2017呼吸音数据库进行训练和测试	NA	NA	NA	NA
85	2024-08-23	Diagnostic performance of deep learning and computational fluid dynamics-based instantaneous wave-free ratio derived from computed tomography angiography 2022-02-05, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-022-02469-0 PMID:35120463	研究论文	本文评估了基于深度学习和计算流体动力学（CFD）的CT-iFR（AccuiFRct）方法在诊断冠状动脉病变中的表现。	提出了一种新的CT-iFR方法AccuiFRct，该方法结合了深度学习和计算流体动力学，用于从冠状动脉CT血管造影（CCTA）中计算iFR。	研究样本量较小，仅涉及36名患者和36条血管。	评估AccuiFRct在诊断由缺血引起的冠状动脉狭窄中的诊断性能。	36名连续患者的36条血管，这些患者接受了CCTA、侵入性FFR和iFR检查。	机器学习	心血管疾病	深度学习, 计算流体动力学	NA	图像	36名患者，36条血管	NA	NA	NA	NA
86	2024-08-23	Inferring protein expression changes from mRNA in Alzheimer's dementia using deep neural networks 2022-02-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-28280-1 PMID:35115553	研究论文	本文使用深度神经网络从阿尔茨海默病相关痴呆（ADRD）的mRNA表达中预测蛋白质丰度，以追踪早期蛋白质驱动因素	提出了一种基于深度学习模型的方法，通过分析脑部RNA-seq样本，识别未在mRNA水平直接观察到的蛋白质模块和疾病相关表达变化	文章未提及具体的局限性	旨在通过预测蛋白质表达变化来更好地理解ADRD的分子机制，并识别潜在的早期蛋白质驱动因素和药物靶点	阿尔茨海默病相关痴呆的分子系统和蛋白质	机器学习	阿尔茨海默病	深度神经网络	clei2block深度学习模型	RNA-seq	1192个脑部RNA-seq样本	NA	NA	NA	NA
87	2024-08-23	Automated recognition of the cricket batting backlift technique in video footage using deep learning architectures 2022-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05966-6 PMID:35115647	研究论文	本研究展示了如何使用深度学习架构自动识别板球击球背举技术，并比较了AlexNet、Inception V3、Inception Resnet V2和Xception等流行深度学习架构的性能	本研究首次验证了使用机器学习方法自动识别板球击球背举技术，并确定了最适合该问题域的深度学习架构	AlexNet架构在分类直背举类图像时表现不佳，错误分类了四张图像	探索和验证使用深度学习技术自动识别板球击球背举技术	板球击球背举技术的自动识别	计算机视觉	NA	深度学习	AlexNet, Inception V3, Inception Resnet V2, Xception	视频	包含侧背举和直背举两个类别的数据集	NA	NA	NA	NA
88	2024-08-23	Effective deep learning approaches for predicting COVID-19 outcomes from chest computed tomography volumes 2022-02-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05532-0 PMID:35110593	研究论文	本文评估了胸部CT数据在COVID-19预后中的价值，并开发了一种新的患者级算法，将胸部CT体积聚合为2D表示，以便与临床元数据集成，区分COVID-19肺炎与其他肺炎。	提出了一种多任务模型，用于联合分割COVID-19感染肺部中的不同类型肺部病变，并展示了从胸部CT体积中提取的特征与临床元数据结合可以显著提高预测性能。	NA	开发有效的深度学习方法，从胸部CT图像数据中预测COVID-19的结果。	COVID-19患者的胸部CT图像数据和临床元数据。	机器学习	COVID-19	深度学习	多任务模型	图像	未明确提及具体样本数量	NA	NA	NA	NA
89	2024-08-23	Automated rock mass condition assessment during TBM tunnel excavation using deep learning 2022-02-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05727-5 PMID:35110623	研究论文	本文设计了一种基于自卷积的注意力融合网络（SAFN），用于在隧道掘进过程中自动评估岩体条件	本文提出了自卷积的注意力提取器（SAE）模块和自卷积的注意力池化算法（SAP）模块，用于检测完整岩石区域并提高分类器的性能	NA	实现隧道掘进机（TBM）的智能控制中的岩体条件自动检测	岩体条件评估	计算机视觉	NA	深度学习	自卷积的注意力融合网络（SAFN）	图像	从水道工程中收集了大量的现场岩体图像数据集	NA	NA	NA	NA
90	2024-08-23	Review of applications and challenges of quantitative systems pharmacology modeling and machine learning for heart failure 2022-02, Journal of pharmacokinetics and pharmacodynamics IF:2.2Q3 DOI:10.1007/s10928-021-09785-6 PMID:34637069	综述	本文综述了定量系统药理学（QSP）建模和机器学习在心力衰竭（HF）中的应用及其面临的挑战	结合机器/深度学习（ML/DL）方法，为HF诊断和建模提供数据驱动的方法，并为QSP模型开发和校准提供新策略	QSP建模和HF临床特征化存在多种挑战	探讨QSP和ML/DL在HF领域的现状、成就、挑战及未来展望	心力衰竭（HF）	机器学习	心血管疾病	NA	NA	NA	NA	NA	NA	NA	NA
91	2024-08-23	Real-world indoor mobility with simulated prosthetic vision: The benefits and feasibility of contour-based scene simplification at different phosphene resolutions 2022-02-01, Journal of vision IF:2.0Q2 DOI:10.1167/jov.22.2.1 PMID:35103758	研究论文	本研究探讨了在不同光幻视分辨率下，基于轮廓的场景简化对室内移动性的益处和可行性	研究了深度学习基础的表面边界检测与传统边缘检测在场景简化中的效果对比	深度学习基础的表面边界检测在当前研究中并未提高移动性能	探索神经假体植入技术在室内环境中对视觉受损人群移动性的改善	视觉受损人群的室内移动性	计算机视觉	NA	深度学习	NA	图像	sighted participants	NA	NA	NA	NA
92	2024-08-23	Learning a Metric for Multimodal Medical Image Registration without Supervision Based on Cycle Constraints 2022-Feb-01, Sensors (Basel, Switzerland) DOI:10.3390/s22031107 PMID:35161851	研究论文	本文提出了一种基于循环约束的无监督多模态医学图像配准方法，通过使用合成三向循环和可微分的刚性变换估计方法，实现了腹部CT和MRI图像的精确配准	本文创新性地使用了合成三向循环和可微分的刚性变换估计方法，以无监督的方式学习多模态医学图像的配准	NA	改进无监督的多模态医学图像配准方法	腹部CT和MRI图像的配准	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
93	2024-08-11	Medical education and training within congenital cardiology: current global status and future directions in a post COVID-19 world 2022-Feb, Cardiology in the young IF:0.9Q3 DOI:10.1017/S1047951121001645 PMID:33843546	综述	本文综述了先天性心脏病学领域内医学教育和培训的当前状态及未来发展方向，特别是在后COVID-19时代。	提出了将可信专业活动作为解决能力框架与临床实践之间差距的方案，并探讨了利用技术创新学习改善教育的可能性。	不同地区能力框架的不一致性以及将这些框架与临床实践结合的挑战仍然存在。	探讨和改进先天性心脏病学领域的医学教育和培训方法。	先天性心脏病学领域的医学教育及培训方法。	NA	先天性心脏病	NA	NA	NA	NA	NA	NA	NA	NA
94	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	NA	NA	NA	NA
95	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	NA	NA	NA	NA
96	2024-08-05	Semi-automated three-dimensional segmentation for cardiac CT images using deep learning and randomly distributed points 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2611594 PMID:36793655	研究论文	本文提出了一种半自动化的深度学习方法用于心脏CT图像的分割。	本研究通过模拟用户交互并使用点距离图，结合手动分割的高精度与全自动分割的高效率，提供了一种新的心脏分割方法。	目前的半自动化方法仍未达到专家分割的精确度，需要更进一步的优化。	旨在提高心脏CT图像分割的准确性和效率。	研究对象为心脏CT图像，特别是其四个腔室。	计算机视觉	心血管疾病	深度学习	三维全卷积神经网络（FCNN）	图像	不适用	NA	NA	NA	NA
97	2024-08-05	CascadeNet for hysterectomy prediction in pregnant women due to placenta accreta spectrum 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2611580 PMID:36798853	研究论文	本文开发了一种新的卷积网络架构，用于预测由胎盘植入症引起的孕妇紧急子宫切除术	该研究首次结合MRI体积、放射组学特征和自定义特征图进行胎盘植入症的预测	研究尚未考虑所有潜在的临床变量，可能影响预测的准确性	旨在早期预测胎盘植入症，减少并发症并帮助管理决策	研究对象为241名孕妇，其中157名用于训练，24名用于验证，60名用于测试	计算机视觉	胎盘植入症	深度卷积网络	CNN	MRI体积和放射组学特征	241名孕妇	NA	NA	NA	NA
98	2024-08-05	Automatic detection of head and neck squamous cell carcinoma on pathologic slides using polarized hyperspectral imaging and deep learning 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2614624 PMID:36798940	研究论文	本研究结合偏振高光谱成像与深度学习，实现对头颈部鳞状细胞癌的自动检测	首次采用偏振高光谱成像和深度学习方法，对头颈部鳞状细胞癌进行自动检测	样本数量较小，仅涉及17名患者，且基于其中16名患者进行训练	研究偏振高光谱成像在病理切片中自动检测头颈部鳞状细胞癌的应用	17名头颈部鳞状细胞癌患者所提供的组织切片	数字病理学	头颈癌	偏振高光谱成像 (PHSI)	卷积神经网络 (CNN)	图像	17名患者的组织切片数据	NA	NA	NA	NA
99	2024-08-05	Thyroid Carcinoma Detection on Whole Histologic Slides Using Hyperspectral Imaging and Deep Learning 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2612963 PMID:36798939	研究论文	本研究利用高光谱成像和深度学习对甲状腺癌进行检测	该研究展示了高光谱图像在整体组织切片癌症分类中的提升性能	研究中只使用了33个固定组织样本，样本量较小	探讨高光谱成像和深度学习在甲状腺癌检测中的应用	使用来自头颈患者的甲状腺滤泡癌的组织样本进行研究	数字病理学	甲状腺癌	高光谱成像	深度学习分类器	图像	33个头颈患者的固定组织样本	NA	NA	NA	NA
100	2024-08-05	Deep Learning-Based Abdominal Muscle Segmentation on CT Images of Surgical Patient Populations 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2611773 PMID:36845411	研究论文	本研究提出了一种基于深度学习的算法，用于对手术患者的CT图像进行腹部肌肉分割。	结合全卷积神经网络(CNN)与高水平的预处理方法在分割质量上取得了显著提高。	该研究依赖于传统计算机视觉技术而未使用人工智能进行初步处理，可能限制了方法的适用范围。	旨在准确跟踪手术患者的腹部肌肉质量变化。	研究对象为手术患者的CT图像。	计算机视觉	NA	计算机视觉	CNN	图像	NA	NA	NA	NA	NA