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
21	2025-10-07	Development of a Visualization Deep Learning Model for Classifying Origins of Ventricular Arrhythmias 2022-07-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-22-0065 PMID:35387940	研究论文	开发基于可视化深度学习模型用于分类心室心律失常起源	首次将梯度加权类激活映射方法应用于12导联心电图心律失常起源分类，实现模型决策过程的可视化	研究样本量较小（仅80例患者），需进一步扩大验证	创建可准确分类心律失常起源的可视化深度学习模型	接受导管消融治疗的80例心律失常患者	医疗人工智能	心血管疾病	12导联心电图	CNN	心电图信号	80例患者	NA	卷积神经网络	准确率, 召回率	NA
22	2024-12-11	Deep learning on time series laboratory test results from electronic health records for early detection of pancreatic cancer 2022-07, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104095 PMID:35598881	研究论文	本研究开发了一种深度学习框架，利用电子健康记录中的纵向临床数据进行胰腺癌的早期检测	提出了一个新颖的训练协议，通过应用独立泊松随机掩码强调早期检测，并使用分组神经网络架构进行数据融合	研究结果的普适性需要进一步验证，尤其是在不同疾病和人群中的应用	开发一种能够利用电子健康记录中的纵向临床数据进行胰腺癌早期检测的深度学习框架	电子健康记录中的纵向临床数据和胰腺癌的早期检测	机器学习	胰腺癌	深度学习	分组神经网络（GrpNN）	时间序列数据	使用了来自哥伦比亚大学欧文医学中心-纽约长老会医院的数据	NA	NA	NA	NA
23	2024-12-08	Deep learning in light-matter interactions 2022-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0197 PMID:39635557	研究论文	本文探讨了深度学习在光物质相互作用中的应用及其带来的机遇和挑战	深度学习改善了纳米光子器件的设计和实验数据的获取与分析，甚至在理论基础不足或过于复杂的情况下	深度学习作为黑箱模型，难以理解和解释其结果和可靠性，尤其是在数据集不完整或数据由对抗性方法生成时	探讨深度学习在光子学中的应用及其带来的机遇和挑战	光物质相互作用及其在光子学中的应用	机器学习	NA	深度学习	NA	实验数据和模拟数据	NA	NA	NA	NA	NA
24	2024-11-21	Material decomposition from photon-counting CT using a convolutional neural network and energy-integrating CT training labels 2022-07-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac7d34 PMID:35767986	研究论文	本文提出了一种利用卷积神经网络和能量积分CT训练标签从光子计数CT进行材料分解的方法	通过使用高剂量多能量积分探测器数据提供的分解图作为训练标签，补偿光子计数探测器中的光谱畸变，提高了材料分解的准确性	深度学习方法导致了一些模糊，调制传递函数在50%时从1.98线对/毫米降至1.75线对/毫米	提高光子计数CT材料分解的准确性	光子计数CT和能量积分CT的材料分解	计算机视觉	NA	光子计数CT（PCCT）	3D U-net	图像	使用碘和钙小瓶进行测量	NA	NA	NA	NA
25	2024-10-18	Is Artificial Intelligence (AI) a Pipe Dream? Why Legal Issues Present Significant Hurdles to AI Autonomy 2022-07, AJR. American journal of roentgenology DOI:10.2214/AJR.21.27224 PMID:35138133	评论	本文讨论了人工智能（AI）在放射学中的应用及其面临的法律障碍	本文首次深入探讨了AI在放射学中应用时面临的法律责任问题	本文主要关注法律问题，未详细讨论技术实现的具体细节	探讨AI在放射学中应用的法律障碍及其对AI发展的影响	AI在放射学中的应用及其法律责任问题	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
26	2024-10-06	SMANet: multi-region ensemble of convolutional neural network model for skeletal maturity assessment 2022-Jul, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-21-1158 PMID:35782257	研究论文	提出了一种基于多区域卷积神经网络集合的自动骨骼成熟度评估方法	该方法结合了临床可解释的方法，避免了种族和地理差异的影响	NA	开发一种自动化的骨骼成熟度评估方法	儿童骨骼成熟度评估	计算机视觉	NA	卷积神经网络	CNN	图像	4861张左手X光片	NA	NA	NA	NA
27	2024-10-05	Detection of COVID-19 from CT and Chest X-ray Images Using Deep Learning Models 2022-Jul, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-022-02958-5 PMID:35415768	研究论文	本文提出了一种利用深度学习模型从CT和胸部X光图像中自动检测COVID-19的新方法	提出了使用VGG和ResNet深度学习模型进行COVID-19检测的新方法，并取得了高准确率	未提及具体限制	开发一种自动检测COVID-19的方法，以帮助早期诊断和控制疫情	COVID-19的CT和胸部X光图像	计算机视觉	COVID-19	深度学习	VGG19, ResNet50	图像	所有胸部X光图像	NA	NA	NA	NA
28	2024-09-30	First-Gen Lens: Assessing Mental Health of First-Generation Students across Their First Year at College Using Mobile Sensing 2022-Jul, Proceedings of the ACM on interactive, mobile, wearable and ubiquitous technologies DOI:10.1145/3543194 PMID:36561350	研究论文	通过移动感知技术评估第一代大学生在其大学第一年的心理健康状况	提出了一种深度学习模型，通过考虑第一代学生的独特行为因素来准确预测其心理健康状况	研究样本仅限于达特茅斯学院的180名新生，可能无法完全代表所有第一代大学生	研究第一代大学生在大学第一年的心理健康状况及其行为模式	第一代大学生和非第一代大学生的心理健康及行为	机器学习	NA	移动感知技术	深度学习模型	行为数据	180名大学新生，其中27名为第一代学生，占研究群体的15%	NA	NA	NA	NA
29	2024-09-28	Methodology-Centered Review of Molecular Modeling, Simulation, and Prediction of SARS-CoV-2 2022-07-13, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.1c00965 PMID:35594413	综述	本文对SARS-CoV-2的分子建模、模拟和预测方法进行了全面系统的综述	本文整合了大量病毒序列的基因分型、蛋白质-蛋白质相互作用的生物物理建模、深度突变数据、深度学习和高级数学等方法，揭示了SARS-CoV-2的全球进化和传播机制	尽管本文提供了全面的综述，但仍需进一步深入研究以全面理解SARS-CoV-2及其相关机制	旨在为读者提供关于SARS-CoV-2分子建模、模拟和预测领域的最新文献更新	SARS-CoV-2的分子建模、模拟和预测方法	机器学习	NA	深度学习	NA	序列数据	NA	NA	NA	NA	NA
30	2024-09-26	CMC-Net: 3D calf muscle compartment segmentation with sparse annotation 2022-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102460 PMID:35598519	研究论文	本文提出了一种新的深度学习框架CMC-Net，用于在3D MR图像中对小腿肌肉隔室进行分割，通过选择有效的2D切片子集进行标注，并利用未标注的切片来促进后续训练步骤的泛化	CMC-Net通过选择最具代表性的2D切片进行标注，并利用未标注的切片进行模型训练，从而在标注数据量较小的情况下实现了良好的分割性能	本文未详细讨论模型在不同类型肌肉疾病中的适用性，以及在不同MR设备和成像条件下的表现	开发一种能够在标注数据量较小的情况下实现准确3D分割的深度学习框架，用于诊断和评估肌肉疾病的进展	小腿肌肉隔室的3D分割	计算机视觉	NA	深度学习	深度网络	3D MR图像	实验中使用了小腿肌肉隔室的3D MR图像数据集，并进行了额外的3D MR大腿数据集实验	NA	NA	NA	NA
31	2024-09-23	Scaffolding protein functional sites using deep learning 2022-07-22, Science (New York, N.Y.) DOI:10.1126/science.abn2100 PMID:35862514	研究论文	本文介绍了使用深度学习方法构建蛋白质功能位点的新方法	提出了两种新的深度学习方法：'constrained hallucination' 和 'inpainting'，用于构建蛋白质功能位点，无需预先指定折叠或二级结构	NA	开发新的深度学习方法以构建蛋白质功能位点	蛋白质功能位点的构建	机器学习	NA	深度学习	RoseTTAFold 网络	蛋白质序列和结构数据	NA	NA	NA	NA	NA
32	2024-09-23	Multi-population generalizability of a deep learning-based chest radiograph severity score for COVID-19 2022-Jul-22, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000029587 PMID:35866818	研究论文	本文研究了基于深度学习的COVID-19胸部X光片严重程度评分模型在不同患者群体中的泛化能力	本文通过调整和测试一个基于卷积Siamese神经网络的模型，评估其在不同患者群体中的泛化能力，并使用UMAP技术可视化神经网络结果	本文仅在美国的医院和巴西的急诊部门进行了测试，未涵盖更多国家和地区的数据	研究基于深度学习的COVID-19胸部X光片严重程度评分模型在不同患者群体中的泛化能力	COVID-19患者，包括住院患者和门诊患者	计算机视觉	COVID-19	卷积Siamese神经网络	卷积神经网络	图像	共928例胸部X光片，包括美国住院患者（267例）、门诊患者（108例）和巴西急诊部门患者（303例）	NA	NA	NA	NA
33	2024-09-23	Multiplexed high-throughput localized electroporation workflow with deep learning-based analysis for cell engineering 2022-07-22, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abn7637 PMID:35867793	研究论文	本文介绍了一种高吞吐量的多孔板局部电穿孔设备（LEPD），结合深度学习图像分析，用于细胞工程中的快速实验因素优化	开发了一种高吞吐量的多孔板局部电穿孔设备，并结合深度学习图像分析，实现了快速优化实验因素和高效递送生物分子	NA	优化细胞内递送协议，实现高效的基因操作	不同类型的贴壁细胞和悬浮细胞，以及人类诱导多能干细胞	机器学习	NA	局部电穿孔	深度学习	图像	不同类型的贴壁细胞和悬浮细胞，以及人类诱导多能干细胞	NA	NA	NA	NA
34	2024-09-23	Deep learning for survival analysis in breast cancer with whole slide image data 2022-07-11, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac381 PMID:35674341	研究论文	本文提出并实验评估了一种用于乳腺癌生存分析的多分辨率深度学习方法	该方法整合了多分辨率图像数据和深度学习模型的肿瘤、淋巴细胞及核分割结果，显著提高了深度学习模型的性能	由于全切片图像数据的规模和复杂性以及机器学习方法训练数据的相对有限性，该分析具有挑战性	旨在通过全切片组织图像数据中的定量分析，发现新的生物标志物，以改善癌症诊断和预后，并增进对癌症机制的理解	乳腺癌的生存分析	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	NA	NA	NA	NA	NA
35	2024-09-23	Dental anomaly detection using intraoral photos via deep learning 2022-07-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-15788-1 PMID:35804050	研究论文	本文研究了使用深度神经网络（DNNs）通过口腔内照片自动检测牙科异常	提出了一种使用深度神经网络自动检测牙科异常的方法，比传统的人工检测更高效且可靠	模型在某些异常检测上的F1分数略低于有8年临床经验的牙医	提高牙科异常检测的效率和可靠性，加速研究发现	非综合征性口腔颌面裂（OFC）儿童的牙科异常	计算机视觉	NA	深度神经网络（DNNs）	卷积神经网络（CNN）	图像	来自非综合征性口腔颌面裂儿童和对照组的最大国际队列（OFC1）的口腔内照片	NA	NA	NA	NA
36	2024-09-23	A streamable large-scale clinical EEG dataset for Deep Learning 2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC48229.2022.9871708 PMID:36085766	研究论文	本文发布了一个大规模的临床脑电图（EEG）数据集，旨在简化深度学习模型的数据访问和管理	本文首次发布了一个大规模的临床EEG数据集，为深度学习在神经科学领域的应用提供了重要的数据资源	NA	本文旨在为神经科学领域的研究人员提供一个大规模的临床EEG数据集，以支持深度学习模型的实验和应用	本文的研究对象是1,574名青少年参与者的闭眼EEG数据	生物医学研究	NA	深度学习	NA	脑电图（EEG）数据	1,574名青少年参与者	NA	NA	NA	NA
37	2024-09-23	External COVID-19 Deep Learning Model Validation on ACR AI-LAB: It's a Brave New World 2022-07, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2022.03.013 PMID:35483438	研究论文	本研究使用ACR AI-LAB平台在独立学术医学中心测试了外部开发的COVID-19胸部X光片深度学习模型，评估其肺部疾病严重程度	首次在ACR AI-LAB平台上验证外部开发的COVID-19胸部X光片深度学习模型，展示了PXS评分模型的可推广性	样本量较小，仅包含141名患者的数据	评估外部开发的COVID-19胸部X光片深度学习模型在本地数据上的表现，并探讨其在临床应用中的潜力	COVID-19患者的胸部X光片及其肺部疾病严重程度	计算机视觉	COVID-19	深度学习	深度学习模型	图像	141名COVID-19患者	NA	NA	NA	NA
38	2024-09-23	Deep learning-based integration of genetics with registry data for stratification of schizophrenia and depression 2022-07, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abi7293 PMID:35767618	研究论文	本文基于深度学习方法，整合遗传数据与注册数据，对抑郁症和精神分裂症患者进行分层	本文创新性地将深度学习应用于精神疾病的分层，并整合了多种数据类型进行分析	本文的样本主要来自iPSYCH2012病例队列，可能存在样本偏倚	旨在通过数据驱动的分层方法改进精神疾病的诊断和治疗	抑郁症和精神分裂症患者及其对照组	机器学习	精神疾病	深度学习	NA	遗传数据、注册数据	19,636名抑郁症和/或精神分裂症患者，22,467名对照组	NA	NA	NA	NA
39	2024-09-13	Neural Transformers for Intraductal Papillary Mucosal Neoplasms (IPMN) Classification in MRI images 2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC48229.2022.9871547 PMID:36085787	研究论文	本文提出了一种基于Transformer网络的AI模型，用于MRI图像中胰腺导管内乳头状黏液性肿瘤（IPMN）的分类	本文利用Transformer网络在视觉任务中的通用性，提出了一种新的AI模型，相比传统的卷积神经网络，该模型在预训练方面表现更好，并能更好地解释结果	NA	开发一种能够准确分类胰腺导管内乳头状黏液性肿瘤（IPMN）的AI模型，以支持医疗决策	胰腺导管内乳头状黏液性肿瘤（IPMN）的分类	计算机视觉	胰腺癌	Transformer网络	Transformer	图像	NA	NA	NA	NA	NA
40	2024-09-11	ViDMASK dataset for face mask detection with social distance measurement 2022-Jul, Displays IF:3.7Q2 DOI:10.1016/j.displa.2022.102235 PMID:35574253	研究论文	本文提出了一种基于深度学习的口罩检测和社交距离测量模型，并引入了一个新的视频口罩检测数据集ViDMASK	提出了一个新的视频口罩检测数据集ViDMASK，该数据集在姿态、环境、图像质量和多样化的主体特征方面具有多样性	由于ViDMASK数据集的复杂性和场景中人数的增加，大多数模型的性能在ViDMASK数据集上表现不佳	开发一种能够监测口罩佩戴和社交距离的AI系统，以应对COVID-19疫情	口罩检测和社交距离测量	计算机视觉	NA	深度学习	Mask RCNN, YOLOv4, YOLOv5, YOLOR	视频	NA	NA	NA	NA	NA