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
41	2024-09-04	The Prediction of Consumer Behavior from Social Media Activities 2022-Aug-12, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs12080284 PMID:36004855	研究论文	本文提出了一种新的深度学习模型，用于分类消费者行为变体，该模型采用集成架构并结合了两个预训练的学习算法	提出的集成模型在消费者行为分类上实现了98.78%的准确率，超过了现有文献中的大多数机器学习模型	NA	开发一种新的深度学习模型，以更有效地检测和分类复杂的消费者行为变体	消费者行为变体	机器学习	NA	深度学习	集成模型	文本	使用了Facemg BIG-D15和TwitD数据库进行测试
42	2024-09-04	An Improved Temporal Fusion Transformers Model for Predicting Supply Air Temperature in High-Speed Railway Carriages 2022-Aug-12, Entropy (Basel, Switzerland) DOI:10.3390/e24081111 PMID:36010775	研究论文	本文提出了一种改进的时间融合变换器（TFT）模型，用于预测高速列车车厢内的供气温度	引入了基于扩张因果卷积的双卷积残差编码器结构和基于门控线性单元的时空双重门控结构，并设计了适用于长序列时间序列预测任务的损失函数	NA	提高高速列车车厢内供气温度的预测准确性，以优化空调系统的控制效果	高速列车车厢内的供气温度	机器学习	NA	时间融合变换器（TFT）	TFT	时间序列	使用了中国某特定地点的高速铁路空调运行数据集
43	2024-09-04	Multimodal MRI-Based Whole-Brain Assessment in Patients In Anoxoischemic Coma by Using 3D Convolutional Neural Networks 2022-08, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-022-01525-z PMID:35876960	研究论文	本研究开发并验证了一种深度学习模型，利用多模态3D MRI全脑时间序列数据，对缺氧缺血性昏迷相关的脑损伤进行早期评估	首次成功使用3D卷积神经网络（CNN）对缺氧后昏迷患者与对照组进行区分，利用全脑结构和功能MRI数据	NA	开发并验证一种深度学习模型，以自动捕捉、分析、组织和合并结构与功能脑MRI数据，提取有助于医疗决策的相关信号	缺氧缺血性昏迷患者及健康志愿者	机器学习	NA	MRI	3D CNN	MRI数据	29名缺氧后昏迷患者和34名健康志愿者
44	2024-09-04	Depth-extended acoustic-resolution photoacoustic microscopy based on a two-stage deep learning network 2022-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.461183 PMID:36032586	研究论文	本文提出了一种基于两阶段深度学习网络的声分辨率光声显微镜深度扩展方法	采用两阶段深度学习重建策略，能够在不同离焦深度下自适应恢复高分辨率光声图像	目前仅在实验阶段验证了该方法的有效性，尚未广泛应用于实际生物医学研究中	旨在扩展声分辨率光声显微镜的成像深度，提高离焦区域的成像质量	声分辨率光声显微镜的成像深度和图像质量	计算机视觉	NA	深度学习	残差U-Net结合注意力门	图像	实验中使用了幻影和生物组织样本
45	2024-09-04	Diagnostic accuracy of deep learning for evaluation of C-spine injury from lateral neck radiographs 2022-Aug, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2022.e10372 PMID:36061007	研究论文	本研究使用深度学习技术评估侧位颈部X光片中颈椎损伤的诊断准确性	本研究采用YOLO网络模型，特别是V4版本，以提高颈椎损伤检测的准确性	研究样本量相对较小，且仅限于侧位颈部X光片	旨在通过深度学习技术提高颈椎损伤的诊断准确性，减少不必要的CT扫描	侧位颈部X光片中的颈椎损伤	机器学习	颈椎损伤	深度学习	YOLO网络模型	图像	229张X光片（129张阴性，100张阳性）来自625名患者
46	2024-09-02	Automated detection of retinal exudates and drusen in ultra-widefield fundus images based on deep learning 2022-08, Eye (London, England) DOI:10.1038/s41433-021-01715-7 PMID:34345030	研究论文	本文开发并评估了一种基于深度学习的系统，用于在超广角眼底图像中自动检测视网膜渗出物和玻璃膜疣	使用超广角眼底图像和深度学习技术自动检测视网膜渗出物和玻璃膜疣，提高了检测效率和准确性	NA	开发和评估一种深度学习系统，用于自动检测超广角眼底图像中的视网膜渗出物和玻璃膜疣	视网膜渗出物和玻璃膜疣的自动检测	计算机视觉	眼科疾病	深度学习	NA	图像	26,409张超广角眼底图像，来自14,994名受试者
47	2024-09-02	Outcome Prediction in Patients with Severe Traumatic Brain Injury Using Deep Learning from Head CT Scans 2022-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.212181 PMID:35471108	研究论文	本文开发并评估了一种结合头部CT扫描深度学习和临床信息的预测模型，用于预测严重创伤性脑损伤（sTBI）后的长期预后	采用迁移学习和课程学习应用于卷积神经网络，结合临床信息形成综合融合模型，提高了预测性能	在外部TRACK-TBI测试中，影像模型和融合模型在预测不良预后方面表现不如IMPACT模型	开发和评估一种预测严重创伤性脑损伤后长期预后的模型	严重创伤性脑损伤患者	机器学习	创伤性脑损伤	深度学习	卷积神经网络	图像	内部测试集537名患者，外部TRACK-TBI研究220名患者
48	2024-09-02	Real-time echocardiography image analysis and quantification of cardiac indices 2022-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102438 PMID:35868819	研究论文	本文提出了一种基于深度学习的实时超声心动图图像分析和心脏指数量化系统	使用自监督的特定模态表示和一种新颖的三边注意力网络（TaNet）进行实时心脏区域分割	NA	旨在通过深度学习技术改善临床实践中超声心动图的实时分析和量化	超声心动图图像的质量评估、视图分类、心脏区域分割及诊断指数的量化	计算机视觉	NA	深度学习	三边注意力网络（TaNet）	图像	使用了四个超声心动图数据集进行评估
49	2024-09-01	Using artificial intelligence to improve the diagnostic efficiency of pulmonologists in differentiating COVID-19 pneumonia from community-acquired pneumonia 2022-08, Journal of medical virology IF:6.8Q1 DOI:10.1002/jmv.27777 PMID:35419818	研究论文	本研究利用人工智能（AI）提高肺科医生通过CT扫描区分COVID-19肺炎和社区获得性肺炎（CAP）的诊断效率	提出了一种基于深度学习的AI模型，该模型能够从体积CT扫描中提取视觉数据，显著提高了肺科医生的诊断准确性、敏感性和特异性	研究是回顾性的，未来的研究应关注AI在COVID-19感染实时应用中的效果	分析AI对肺科医生区分COVID-19肺炎和CAP诊断性能的贡献	COVID-19肺炎和社区获得性肺炎（CAP）的CT扫描图像	计算机视觉	COVID-19	深度学习	深度学习模型	CT扫描图像	2496次扫描（887名患者），其中1428次来自COVID-19组，1068次来自CAP组
50	2024-09-01	Benchmarking AlphaFold for protein complex modeling reveals accuracy determinants 2022-08, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4379 PMID:35900023	研究论文	本文评估了AlphaFold在蛋白质复合体结构预测中的应用，通过152个异源二聚体蛋白质复合体的基准测试，探讨了其准确性和影响因素。	AlphaFold在许多情况下能生成接近天然结构的模型，显著优于未结合蛋白质-蛋白质对接的表现。	AlphaFold在抗体-抗原复合体的建模中表现不佳，且适应性免疫识别对当前AlphaFold算法和模型构成挑战。	研究AlphaFold在蛋白质复合体结构预测中的准确性和影响因素。	152个异源二聚体蛋白质复合体及抗体-抗原复合体。	机器学习	NA	深度学习	AlphaFold	序列数据	152个异源二聚体蛋白质复合体
51	2024-08-31	Hierarchical deep learning of multiscale differential equation time-steppers 2022-Aug-08, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2021.0200 PMID:35719073	研究论文	本文开发了一种分层的深度神经网络时间步进算法，用于在多时间尺度上近似动态系统的流图	提出的分层时间步进方案在捕捉多时间尺度、提高准确性、长期预测效率和灵活性方面优于现有算法	NA	开发一种高效且准确的数据驱动方法，用于在多时间尺度上近似非线性动态系统的解	非线性动态系统，包括Van der Pol振荡器、Lorenz系统、Kuramoto-Sivashinsky方程和流体通过圆柱体流动；音频和视频信号	机器学习	NA	深度神经网络	深度神经网络	序列数据	涉及多种非线性动态系统和信号类型
52	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
53	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
54	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
55	2024-08-07	Machine Learning to Predict Successful Opioid Dose Reduction or Stabilization After Spinal Cord Stimulation 2022-08-01, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000001969 PMID:35384918	研究论文	本文利用机器学习模型预测脊髓刺激（SCS）后患者成功减少或稳定阿片类药物使用的情况	首次提出基于机器学习的模型来预测SCS后阿片类药物使用的减少或稳定	NA	预测SCS后阿片类药物使用的成功减少或稳定，并评估深度学习是否比逻辑回归提供显著优势	脊髓刺激后阿片类药物使用的减少或稳定	机器学习	NA	逻辑回归（LR）和深度神经网络（DNNs）	逻辑回归模型和深度神经网络模型	医疗数据库数据	7022名患者
56	2024-08-07	Spatially Distinct Genetic Determinants of Aortic Dimensions Influence Risks of Aneurysm and Stenosis 2022-08-02, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2022.05.024 PMID:35902171	研究论文	本研究使用深度学习分析了43,317名UK Biobank参与者的230万张心脏磁共振图像，以阐明左心室流出道、主动脉根部和升主动脉直径的遗传基础，并探讨这些直径与疾病发生率的关联。	发现了79个与至少一个直径显著相关的基因位点，其中35个是新发现的，这些发现有助于预测胸主动脉瘤和主动脉狭窄。	NA	阐明左心室流出道、主动脉根部和升主动脉直径的遗传基础	左心室流出道、主动脉根部和升主动脉的直径	数字病理学	心血管疾病	深度学习	NA	图像	43,317名UK Biobank参与者
57	2024-08-05	QU-BraTS: MICCAI BraTS 2020 Challenge on Quantifying Uncertainty in Brain Tumor Segmentation - Analysis of Ranking Scores and Benchmarking Results 2022-Aug, The journal of machine learning for biomedical imaging PMID:36998700	研究论文	本文探讨了脑肿瘤多区段分割中的不确定性量化评分的评估与排名	提出了一种新的评分方法用于评估和排名脑肿瘤分割的不确定性估计	研究中可能没有完全考虑各种不确定性估计方法的适用性	量化深度学习模型预测的不确定性，以促进临床转化	针对参与BRAST 2019和2020任务的多个团队的脑肿瘤分割不确定性	数字病理学	脑肿瘤	深度学习	NA	医学影像	14个独立参与团队
58	2024-08-05	A deep learning-based method for the diagnosis of vertebral fractures on spine MRI: retrospective training and validation of ResNet 2022-08, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-022-07121-1 PMID:35089420	研究论文	该文章提出了一种基于深度学习的方法来诊断脊椎MRI上的脊椎骨折	应用ResNet50算法开发了决策支持系统，以提高临床医生对脊椎骨折的诊断能力	需要考虑脊椎体以外的其他发现，以改善模型，进一步的研究是必要的以将结果推广到实际应用中	提高临床医生在MRI上对良性和恶性脊椎骨折的诊断性能	190名患者，其中50名有恶性骨折，140名有良性骨折	数字病理学	脊椎骨折	深度学习	ResNet50	MRI图像	190名患者
59	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
60	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