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
121	2024-09-08	A robust semantic lung segmentation study for CNN-based COVID-19 diagnosis 2022-Dec-15, Chemometrics and intelligent laboratory systems : an international journal sponsored by the Chemometrics Society IF:3.7Q1 DOI:10.1016/j.chemolab.2022.104695 PMID:36311473	研究论文	本文通过深度学习系统使用胸部X光扫描图像诊断COVID-19，首先使用COVID-19胸部X光数据集对CXR图像中的肺部进行语义分割，然后使用改进的AlexNet提取特征并通过支持向量机进行分类	提出的方法在分类COVID-19、正常和病毒性肺炎三类数据时，成功率达到99.8%，优于现有的最先进方法	NA	通过胸部X光扫描图像诊断COVID-19	COVID-19胸部X光数据集中的肺部图像	计算机视觉	COVID-19	深度学习	DeepLabV3+, 改进的AlexNet (mAlexNet), 支持向量机 (SVM)	图像	COVID-19胸部X光数据集中的图像
122	2024-09-08	Applying a deep residual network coupling with transfer learning for recyclable waste sorting 2022-Dec, Environmental science and pollution research international DOI:10.1007/s11356-022-22167-w PMID:35882737	研究论文	本研究利用深度残差网络结合迁移学习的方法，开发了一种智能高效的可回收废物分类方法	提出了基于迁移学习的RWNet模型，结合循环学习率和数据增强技术，显著提高了分类性能	塑料类废物的AUC值较低，分类效果有待进一步提升	开发一种智能高效的可回收废物分类方法，促进循环经济的发展	不同类型的可回收废物	计算机视觉	NA	深度学习	ResNet	图像	多种类型的可回收废物样本
123	2024-09-08	Deep learning analysis of clinical course of primary nephrotic syndrome: Japan Nephrotic Syndrome Cohort Study (JNSCS) 2022-Dec, Clinical and experimental nephrology IF:2.2Q2 DOI:10.1007/s10157-022-02256-3 PMID:35962244	研究论文	本研究使用机器学习方法对日本肾病综合征队列研究中的205例病例进行聚类分析，以评估肾病综合征的自然病程	首次使用长短期记忆（LSTM）编码器-解码器架构对肾病综合征的时间序列数据进行聚类分析，识别出四种临床病程	研究样本仅限于日本肾病综合征队列研究的205例病例，可能存在地域和人群的局限性	评估肾病综合征的自然病程，并识别不同的临床病程模式	肾病综合征患者的临床参数、血清肌酐、血清白蛋白、尿液试纸血尿和蛋白尿	机器学习	肾病综合征	机器学习聚类	LSTM编码器-解码器架构	时间序列数据	205例肾病综合征患者
124	2024-09-08	A pilot study of deep learning-based CT volumetry for traumatic hemothorax 2022-Dec, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-022-02087-5 PMID:35971025	研究论文	本研究使用nnU-Net深度学习方法对创伤性血胸患者进行CT体积测量，并评估其性能	采用先进的nnU-Net深度学习方法进行血胸的定量可视化，并与传统的手动测量和专家共识评分进行比较	研究样本量较小，仅包括77名患者，且仅限于一家创伤中心的数据	评估基于深度学习的CT体积测量方法在创伤性血胸中的应用效果	创伤性血胸患者的CT图像	计算机视觉	创伤	深度学习	nnU-Net	图像	77名成年创伤性血胸患者
125	2024-09-08	Reducing Geometric Uncertainty in Computational Hemodynamics by Deep Learning-Assisted Parallel-Chain MCMC 2022-12-01, Journal of biomechanical engineering DOI:10.1115/1.4055809 PMID:36166284	研究论文	本文提出了一种基于深度学习的并行马尔可夫链蒙特卡罗方法，用于减少计算血流动力学中的几何不确定性	本文的创新点在于引入深度学习模型来近似几何到血流动力学的映射，并通过并行马尔可夫链蒙特卡罗方法进行高效的贝叶斯后验采样和几何不确定性减少	本文的局限性在于仅在二维主动脉流中进行了数值研究，尚未在更复杂的实际血管系统中验证	本文的研究目的是减少计算血流动力学模型中的几何不确定性，提高模型预测的可靠性	本文的研究对象是血管几何形状的不确定性及其对血流动力学模拟结果的影响	计算流体动力学	心血管疾病	深度学习	深度学习模型	几何数据	NA
126	2024-09-08	Computed cancer interactome explains the effects of somatic mutations in cancers 2022-12, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4479 PMID:36261849	研究论文	研究利用AlphaFold预测癌症蛋白质相互作用网络，并分析体细胞突变对这些相互作用的影响	首次应用AlphaFold预测癌症驱动蛋白的蛋白质相互作用，并提供这些相互作用的结构细节	研究依赖于AlphaFold的预测结果，可能存在预测误差	探讨体细胞突变对癌症蛋白质相互作用网络的影响	癌症驱动蛋白及其相互作用网络	生物信息学	癌症	AlphaFold	NA	蛋白质相互作用数据	1,798个预测的蛋白质相互作用，1,087个缺乏先前3D结构信息的二元蛋白质复合物
127	2024-09-08	GeoPacker: A novel deep learning framework for protein side-chain modeling 2022-12, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4484 PMID:36309961	研究论文	本文介绍了一种名为GeoPacker的新型深度学习框架，用于蛋白质侧链建模	GeoPacker利用几何深度学习结合ResNet，显式表示原子间的旋转和平移不变性，以提取相对位置信息，显著提高了蛋白质侧链结构预测的准确性和效率	NA	开发一种高效且准确的蛋白质侧链预测方法	蛋白质侧链结构	机器学习	NA	深度学习	ResNet	蛋白质结构数据	NA
128	2024-09-07	Forecasting of non-accidental, cardiovascular, and respiratory mortality with environmental exposures adopting machine learning approaches 2022-Dec, Environmental science and pollution research international DOI:10.1007/s11356-022-21768-9 PMID:35834079	研究论文	本研究利用机器学习和深度学习算法，基于每日或每小时的环境气象和空气污染数据，开发了针对特定死因的预测模型	本研究采用机器学习和深度学习算法，相较于传统方法，显著提高了预测性能，特别是在非意外、心血管和呼吸系统死亡率的预测上	最佳算法依赖于不良健康结果，且每小时数据在某些模型中并未提升性能	开发和验证基于环境暴露的机器学习和深度学习算法，用于预测特定死因的死亡率	非意外死亡、心血管死亡和呼吸系统死亡	机器学习	心血管疾病	机器学习	极端梯度提升、岭回归、弹性网络	环境数据	每日或每小时的环境气象和空气污染数据
129	2024-09-07	Predicting infectious disease for biopreparedness and response: A systematic review of machine learning and deep learning approaches 2022-Dec, One health (Amsterdam, Netherlands) DOI:10.1016/j.onehlt.2022.100439 PMID:36277100	综述	本文通过PRISMA系统综述方法，调查了使用机器学习和深度学习技术预测人类和动物传染病的发展	本文首次全面综述了机器学习和深度学习在传染病预测中的应用，涵盖了多种疾病类型、地理分布、预测任务和技术方法	尽管涵盖了多种疾病和地理区域，但大多数研究集中在人类疾病上，忽略了动物疾病和生态系统的全面性，且很少有研究解决不确定性量化、计算效率和缺失数据处理等关键问题	评估和总结机器学习和深度学习在传染病预测中的应用现状，为未来的研究提供指导	人类和动物的传染病预测	机器学习	传染病	机器学习（ML）和深度学习（DL）	树形模型和前馈神经网络	多种数据类型，包括时间序列、空间数据和疾病风险数据	237篇相关文章，涵盖了37种疾病，其中51.4%为人畜共患病，37.8%为仅人类疾病，8.1%为仅动物疾病
130	2024-08-29	Improving breast cancer diagnosis by incorporating raw ultrasound parameters into machine learning 2022-Dec-01, Machine learning: science and technology DOI:10.1088/2632-2153/ac9bcc PMID:36698865	研究论文	本研究提出了一种基于生物物理特征的机器学习方法，用于乳腺癌检测，旨在提高诊断性能并提供恶性概率的彩色叠加视觉图。	本研究通过结合原始超声参数和机器学习方法，提高了乳腺癌诊断的准确性，并提供了恶性概率的彩色叠加视觉图。	NA	提高超声乳腺检查的诊断准确性。	乳腺癌检测。	机器学习	乳腺癌	超声	支持向量机	图像	150个乳腺病变样本
131	2024-08-07	Quantification of Epicardial Adipose Tissue Volume and Attenuation for Cardiac CT Scans Using Deep Learning in a Single Multi-Task Framework 2022-Dec, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2312412 PMID:39076659	研究论文	本文提出了一种基于深度学习框架的自动量化心脏CT扫描中心外膜脂肪组织体积和密度的方法	该研究首次在一个多任务框架中使用深度学习技术自动量化心外膜脂肪组织体积和密度，提高了量化任务的自动化程度和分析效率	NA	开发一种完全自动化的深度学习框架，用于量化心外膜脂肪组织体积和密度	心外膜脂肪组织体积和密度	计算机视觉	心血管疾病	深度学习	CNN	图像	300名患者的数据集，分为两个子集，每个子集包含150名患者，分别用于训练和评估模型
132	2024-08-07	Variability analysis of LC-MS experimental factors and their impact on machine learning 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad096 PMID:37983748	研究论文	本文通过系统分析公共质谱数据仓库中的变异源，探讨了这些因素对机器学习性能的影响，并进行了全面的迁移学习评估	本文首次系统分析了公共质谱数据仓库中的变异源，并评估了迁移学习在质谱数据处理中的应用效果	迁移学习虽然提高了模型性能，但与非预训练模型相比提升有限	旨在促进机器学习在质谱数据处理中的应用	公共质谱数据仓库中的变异源及其对机器学习性能的影响	机器学习	NA	质谱(MS)	深度学习(DL)	质谱数据	大规模数据集
133	2024-08-07	Towards automated organs at risk and target volumes contouring: Defining precision radiation therapy in the modern era 2022-Dec, Journal of the National Cancer Center IF:7.6Q1 DOI:10.1016/j.jncc.2022.09.003 PMID:39036546	review	本文综述了利用先进深度学习、语义器官解析、多模态影像融合、神经架构搜索和医学图像分析技术解决精确放疗工作流程中四个关键问题或子问题的最新进展	提出了高精度、自动化和高度可重复的OAR/GTV/LN/CTV自动描绘技术，有效减少了从业者间的变异性并降低了时间成本	本文综述的内容是持续进行且不完全的，方法主要以食管癌和头颈癌为例，但可推广至其他类型癌症	探讨精确放疗在现代临床工作流程中的应用，旨在提高患者护理质量和降低成本	主要关注风险器官（OARs）、大体肿瘤体积（GTV）、转移淋巴结（LN）和临床肿瘤体积（CTV）的分割与检测	machine learning	esophageal cancer, head-and-neck cancer	deep learning, semantic organ parsing, multimodal imaging fusion, neural architecture search, medical image analytical techniques	NA	image	NA
134	2024-08-07	DEEP LEARNING ALGORITHMS HAVE HIGH ACCURACY FOR AUTOMATED LANDMARK DETECTION ON 2D LATERAL CEPHALOGRAMS 2022-Dec, The journal of evidence-based dental practice IF:4.1Q1 DOI:10.1016/j.jebdp.2022.101798 PMID:36494109	meta-analysis	本文通过系统综述和荟萃分析，评估了深度学习算法在二维侧位头颅摄影中自动识别地标点的准确性	NA	NA	评估深度学习算法在头颅摄影地标检测中的准确性	深度学习算法在头颅摄影地标检测中的应用	computer vision	NA	深度学习	NA	image	NA
135	2024-08-07	DEEP LEARNING ALGORITHMS SHOW SOME POTENTIAL AS AN ADJUNCTIVE TOOL IN CARIES DIAGNOSIS 2022-Dec, The journal of evidence-based dental practice IF:4.1Q1 DOI:10.1016/j.jebdp.2022.101772 PMID:36494110	综述	本文系统回顾了深度学习算法在龋齿检测中的应用	NA	NA	探讨深度学习算法在龋齿诊断中的潜在应用	深度学习算法在龋齿检测中的应用	机器学习	口腔疾病	深度学习	NA	NA	NA
136	2024-08-07	Autoencoders for sample size estimation for fully connected neural network classifiers 2022-Dec-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00728-0 PMID:36513729	研究论文	研究如何利用自编码器损失来估计全连接神经网络分类器所需的最小标记训练数据样本量	提出了一种基于自编码器损失的估计方法，用于确定全连接神经网络分类器所需的最小标记数据样本量，这是一种在深度学习领域中尚未充分研究的方法	研究主要集中在全连接神经网络分类器上，可能不适用于其他类型的深度学习模型	探索在计算机视觉模型训练前，如何通过自编码器损失来估计所需的最小标记数据样本量	全连接神经网络分类器所需的最小标记训练数据样本量	计算机视觉	NA	自编码器	全连接神经网络	图像	研究中未具体提及样本数量，但讨论了最小收敛样本（MCS）的概念
137	2024-08-07	Predicting hypertension onset from longitudinal electronic health records with deep learning 2022-Dec, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooac097 PMID:36448021	研究论文	本研究利用深度学习中的长短期记忆网络（LSTM）从电子健康记录（EHRs）中预测高血压的发病	本研究首次采用LSTM网络结合纵向EHRs数据来预测高血压的发病，并与其他模型如XGboost进行比较	NA	预测高血压的发病	高血压的发病风险及相关的驱动因素	机器学习	心血管疾病	深度学习	LSTM	电子健康记录	233,895名成年患者
138	2024-08-05	Deep learning applications in coronary anatomy imaging: a systematic review and meta-analysis 2022-Dec, Journal of medical artificial intelligence DOI:10.21037/jmai-22-36 PMID:36861064	系统评价和Meta分析	本文章系统评估深度学习在冠状动脉解剖成像中的应用及其准确性.	本文提供了对深度学习在冠状动脉解剖成像中应用的全面分析，并展示了CNN模型在此领域的强大性能.	大多数研究的外部验证尚未进行，临床应用准备不足.	评估深度学习应用于冠状动脉解剖成像的准确性.	应用深度学习技术进行冠状动脉解剖成像的相关研究.	医学成像	冠状动脉疾病	深度学习, 具体为卷积神经网络(CNN)	CNN	医学影像	81项研究符合纳入标准
139	2024-08-05	A deep learning framework for inference of single-trial neural population dynamics from calcium imaging with subframe temporal resolution 2022-12, Nature neuroscience IF:21.2Q1 DOI:10.1038/s41593-022-01189-0 PMID:36424431	研究论文	这篇文章提出了一种深度学习框架，用于从具有亚帧时间分辨率的钙成像中推断单次试验神经群体动态	该研究开发了RADICaL方法，以解决利用钙信号推断网络动态中的噪声和时间分辨率限制	研究主要集中在合成测试上，实际应用可能面临的挑战未完全探讨	研究旨在提高从钙成像中推断神经网络状态的精度	使用进行前肢到达任务的小鼠的2p钙成像数据	神经科学	NA	钙成像	递归自编码器	钙成像数据	小鼠的2p记录数据，样本量未具体描述
140	2024-08-07	A unifying Bayesian framework for merging X-ray diffraction data 2022-12-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-35280-8 PMID:36522310	研究论文	本文提出了一种统一的贝叶斯框架，用于合并X射线衍射数据，通过深度学习和变分推断同时重新缩放和合并反射观测	利用深度学习和变分推断技术，提出了一种新的贝叶斯方法来处理和合并X射线衍射数据中的反射观测	NA	开发一种新的方法来处理和合并X射线衍射数据，以更准确地检测生物分子功能动态中的细微构象变化	X射线衍射数据中的反射观测	计算机视觉	NA	X射线衍射	深度学习	衍射数据	NA