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
61	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
62	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
63	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
64	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
65	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
66	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
67	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
68	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。
69	2024-08-07	Automated diagnosing primary open-angle glaucoma from fundus image by simulating human's grading with deep learning 2022-08-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-17753-4 PMID:35982106	研究论文	本研究提出了一种名为GlaucomaNet的自动化分类算法，用于通过不同人群和环境下的眼底照片识别原发性开角型青光眼（POAG）	GlaucomaNet通过两个卷积神经网络模拟人类评分过程，学习区分性特征并融合特征进行评分，提高了诊断的准确性和透明度	NA	开发一种稳健且可解释的算法，自动辅助下游诊断任务	原发性开角型青光眼（POAG）	计算机视觉	眼科疾病	深度学习	卷积神经网络	图像	两个数据集：Ocular Hypertension Treatment Study (OHTS)参与者和Large-scale Attention-based Glaucoma (LAG)数据集