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
1561	2024-08-30	Intelligent noninvasive meningioma grading with a fully automatic segmentation using interpretable multiparametric deep learning 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09590-4 PMID:37052658	研究论文	本文建立了一种基于多参数深度学习模型的全自动无创脑膜瘤分级系统，并进行了分割	采用多参数三维U-net和ResNet构建的两阶段深度学习分级模型，结合T1C和T2图像，提高了分级和分割的准确性	NA	开发一种稳健的、可解释的多参数深度学习模型，用于自动无创脑膜瘤分级和分割	257名经病理证实的脑膜瘤患者（162例低级别，95例高级别）的脑部MRI图像	机器学习	脑膜瘤	MRI	U-net, ResNet	图像	训练集257例，验证集61例
1562	2024-08-30	Risk estimation for idiopathic normal-pressure hydrocephalus: development and validation of a brain morphometry-based nomogram 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09612-1 PMID:37059905	研究论文	开发并验证了一种基于脑部形态测量的诺模图，用于预测特发性正常压力脑积水	利用深度学习技术进行脑部分割和三维体积测量，开发了一种结合高凸紧密度、胼胝体角度小于90°和标准化侧脑室体积的诺模图	NA	开发和验证一种基于MRI特征的诺模图，用于预测特发性正常压力脑积水	60岁及以上被临床诊断为特发性正常压力脑积水、帕金森病、阿尔茨海默病或健康对照的患者	NA	特发性正常压力脑积水	MRI	深度学习	图像	452名患者（平均年龄±标准差，73.2±6.5岁；200名男性）
1563	2024-08-30	Deep learning-based diagnosis of osteoblastic bone metastases and bone islands in computed tomograph images: a multicenter diagnostic study 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09573-5 PMID:37060446	研究论文	本研究开发并验证了一种基于CT图像的深度学习（DL）模型，用于区分骨岛和成骨性骨转移瘤	采用三切片CT图像输入的2.5D深度学习模型在分类硬化性骨病变方面优于2D模型	NA	开发和验证一种深度学习模型，用于区分骨岛和成骨性骨转移瘤	硬化性骨病变（SBLs）患者	计算机视觉	骨转移瘤	深度学习	2D和2.5D深度学习模型	CT图像	共使用了1918个SBLs样本，涉及728名患者（站点1），122个SBLs样本，涉及71名患者（站点2），71个SBLs样本，涉及47名患者（站点3）
1564	2024-08-30	Fully automated segmentation and radiomics feature extraction of hypopharyngeal cancer on MRI using deep learning 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09827-2 PMID:37338554	研究论文	本文使用卷积神经网络实现喉下癌（HPC）在MRI上的全自动分割和放射组学特征提取	DeepLab V3+模型在自动分割和放射组学特征提取方面优于U-Net模型，特别是在小肿瘤体积的分割上表现更佳	NA	研究目的是利用深度学习技术实现喉下癌肿瘤在MRI上的自动分割和放射组学特征提取	研究对象为222名喉下癌患者，其中178名用于训练，44名用于测试	计算机视觉	喉下癌	MRI	CNN	图像	222名喉下癌患者
1565	2024-08-30	Neural network combining with clinical ultrasonography: A new approach for classification of salivary gland tumors 2023-08, Head & neck DOI:10.1002/hed.27396 PMID:37222027	研究论文	本文探讨了深度学习方法在唾液腺肿瘤超声图像分类中的应用	首次比较了超声训练模型与计算机断层扫描或磁共振成像训练模型的准确性	研究为回顾性，样本量有限	比较不同成像技术训练模型在唾液腺肿瘤分类中的准确性	唾液腺肿瘤的超声图像	机器学习	NA	深度学习	神经网络	图像	638名患者，包括558例良性肿瘤和80例恶性肿瘤
1566	2024-08-29	Adaptive Region-Specific Loss for Improved Medical Image Segmentation 2023-11, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2023.3289667 PMID:37363838	研究论文	本文介绍了一种区域特定损失函数，用于改进医学图像分割，通过将整个图像体积划分为多个子区域，并为每个子区域构建个性化的损失函数，以提高局部性能	提出了区域特定损失函数，该函数能够根据不同区域的分割难度调整权重，从而提高整体预测准确性	NA	改进医学图像分割的准确性	医学图像分割中的损失函数设计	计算机视觉	NA	NA	神经网络	图像	使用不同的公开和内部医学图像数据集
1567	2024-08-29	Integrated mRNA sequence optimization using deep learning 2023-01-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad001 PMID:36642413	研究论文	本文开发了一种名为iDRO的新算法，利用深度学习技术优化mRNA序列，以适应人类细胞	首次引入深度学习方法进行mRNA序列的综合优化	NA	优化外源基因如严重急性呼吸综合征冠状病毒2刺突蛋白的mRNA序列，以适应人类细胞	mRNA序列优化	机器学习	NA	深度学习	BiLSTM-CRF, RNA-Bart	序列数据	NA
1568	2024-08-28	Clinical evaluation of deep learning-based automatic clinical target volume segmentation: a single-institution multi-site tumor experience 2023-Oct, La Radiologia medica DOI:10.1007/s11547-023-01690-x PMID:37597126	研究论文	本研究评估了基于深度学习的自动临床靶区（CTV）分割模型在多部位肿瘤CT图像上的表现	本研究首次在文献中探讨了多部位肿瘤的自动CTV分割，填补了这一领域的空白	研究中部分患者（如食管癌患者）的自动分割结果与手动分割结果的Dice相似系数较低，表明模型在某些肿瘤类型上的性能有待提高	评估基于深度学习的自动CTV分割模型在不同部位肿瘤CT图像上的准确性和临床接受度	包括鼻咽癌、食管癌、乳腺癌、宫颈癌、前列腺癌和直肠癌等多种癌症患者	计算机视觉	多种癌症	深度学习	Flexnet, Unet, Vnet, Segresnet	CT图像	577名患者
1569	2024-08-28	New trend in artificial intelligence-based assistive technology for thoracic imaging 2023-Oct, La Radiologia medica DOI:10.1007/s11547-023-01691-w PMID:37639191	综述	本文综述了人工智能技术在胸部影像诊断中的应用，特别关注于病灶检测和定性诊断	介绍了可解释的人工智能在定性诊断中的发展需求	强调了人工智能作为医生辅助系统的局限性，最终决策应由医生做出	帮助放射科医生和临床医生更熟悉人工智能在胸部影像中的应用	人工智能技术在胸部影像诊断中的应用	计算机视觉	NA	深度学习	NA	影像	NA
1570	2024-08-28	HistoPerm: A permutation-based view generation approach for improving histopathologic feature representation learning 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100320 PMID:37457594	研究论文	本文介绍了一种基于排列的视图生成方法HistoPerm，用于改进组织学图像的特征表示学习	HistoPerm通过排列增强视图来提高分类性能，无需大量标记图像	NA	旨在解决深度学习方法在数字病理学中需要大量标记图像的问题	HistoPerm方法在乳糜泻和肾细胞癌数据集上的有效性	数字病理学	肾细胞癌	NA	联合嵌入架构	图像	两个组织学图像数据集
1571	2024-08-27	Early Diagnosis: End-to-End CNN-LSTM Models for Mass Spectrometry Data Classification 2023-09-12, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.3c00613 PMID:37624777	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）的端到端深度学习方法，用于质谱数据分类，以实现早期癌症诊断	该方法能够直接处理原始质谱数据，避免了复杂的前处理和特征选择步骤，同时能够有效降低数据的高维度并捕捉时间模式	NA	提高诊断过程中早期癌症检测的准确性	肿瘤组织和正常组织的早期鉴别	机器学习	NA	LC-MS	CNN-LSTM	质谱数据	NA
1572	2024-08-27	Updates on Compositional MRI Mapping of the Cartilage: Emerging Techniques and Applications 2023-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28689 PMID:37010113	综述	本文综述了当前先进的软骨组成性磁共振成像（MRI）技术及其新兴方法，并讨论了其在临床实践和转化性骨关节炎研究中的应用前景和挑战	介绍了多种新兴的软骨组成性MRI技术，如MR指纹识别、压缩感知、多指数弛豫测量、改进和鲁棒的射频脉冲序列以及基于深度学习的采集、重建和分割方法	目前这些技术在临床实践中的应用仍面临挑战，需要进一步的研究和验证	探讨软骨组成性MRI技术在早期骨关节炎诊断和治疗反应评估中的应用	骨关节炎患者的软骨	医学影像	骨关节炎	磁共振成像（MRI）	深度学习	图像	NA
1573	2024-08-25	Collective and harmonized high throughput barcoding of insular arthropod biodiversity: Toward a Genomic Observatories Network for islands 2023-12, Molecular ecology IF:4.5Q1 DOI:10.1111/mec.16683 PMID:36156326	研究论文	本文探讨了如何利用高通量测序技术（HTS）和深度学习图像分析方法，系统地进行岛屿节肢动物多样性的编目和监测，并提出了建立岛屿基因组观测网络（iGON）的框架。	本文首次提出将高通量测序技术与深度学习图像分析相结合，用于岛屿节肢动物多样性的研究，并探讨了在岛屿基因组观测网络框架下实施这些方法的可能性。	文章指出当前方法在节肢动物多样性数据可用性方面存在局限，需要进一步的技术创新和数据积累。	旨在通过新技术手段，深入理解岛屿生态和进化过程中节肢动物多样性的关键过程。	研究对象为岛屿上的节肢动物，特别是那些在生态、进化和保护生物学领域具有重要意义的物种。	基因组学	NA	高通量测序（HTS）	深度学习	图像	文章未具体提及样本数量
1574	2024-08-24	Novel tools for early diagnosis and precision treatment based on artificial intelligence 2023-Sep, Chinese medical journal pulmonary and critical care medicine DOI:10.1016/j.pccm.2023.05.001 PMID:39171128	研究论文	本文探讨了基于人工智能的新工具在肺癌早期诊断和精准治疗中的应用	文章介绍了人工智能技术在肺癌诊断和治疗中的创新应用，包括机器学习和深度学习在肺结节检测、良恶性分类和亚型识别中的应用，以及非侵入性预测遗传突变和分子状态的能力	文章指出，人工智能在临床广泛应用中仍面临数据共享、标准化标签获取、临床应用监管和多模态整合等挑战	旨在提高肺癌的早期诊断和个性化治疗方案，从而改善患者的5年生存率	肺癌的早期诊断和精准治疗	机器学习	肺癌	人工智能	机器学习和深度学习	CT图像和病理图像	NA
1575	2024-08-23	Predicting intensive care need for COVID-19 patients using deep learning on chest radiography 2023-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.4.044504 PMID:37608852	研究论文	本研究利用深度学习技术分析胸部X光片，预测COVID-19患者是否需要重症监护	提出了一种基于深度学习的人工智能/机器学习方法，通过分析胸部X光片预测COVID-19患者的重症监护需求	NA	旨在通过图像预测COVID-19的严重程度和资源需求，以应对COVID-19大流行	COVID-19阳性患者的胸部X光片	机器学习	COVID-19	深度学习	DenseNet121	图像	8357张胸部X光片，来自5046名COVID-19阳性患者
1576	2024-08-22	Pathomic Features Reveal Immune and Molecular Evolution From Lung Preneoplasia to Invasive Adenocarcinoma 2023-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100326 PMID:37678674	研究论文	本文利用先进的深度学习和人工智能技术，从常规的苏木精和伊红染色病理图像中分割和识别细胞，并提取了9种与生物学相关的病理特征，以解码肺部癌前病变的演变过程	首次利用病理特征分析肺部癌前病变到浸润性腺癌的免疫和分子演化过程，展示了病理学在研究肺癌发生中的可行性和巨大潜力	研究受限于肺癌前体材料的不足	深入理解早期肺癌癌变过程	肺部癌前病变到浸润性腺癌的演变过程	数字病理学	肺癌	深度学习和人工智能技术	NA	图像	分析了来自日本、中国和美国的3个不同队列，共98名患者，162张切片，669个感兴趣区域，包括143个正常样本、129个不典型腺瘤样增生、94个原位腺癌、98个微小浸润性腺癌和205个浸润性腺癌
1577	2024-08-22	Biometric Contrastive Learning for Data-Efficient Deep Learning from Electrocardiographic Images 2023-Sep-14, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.13.23295494 PMID:37745527	研究论文	本文介绍了一种名为生物特征对比学习（BCL）的自监督预训练方法，用于从心电图（ECG）图像中进行数据高效的深度学习，以检测心脏疾病。	BCL方法通过利用来自同一患者的不同ECG图像的生物特征签名，提高了AI模型在有限标记数据下检测心脏疾病的效率。	NA	开发一种数据高效的深度学习方法，用于从心电图图像中检测心脏疾病。	心电图图像，用于检测心房颤动（AF）、性别和LVEF<40%。	机器学习	心血管疾病	生物特征对比学习（BCL）	卷积神经网络（CNN）	图像	78,288个个体的心电图图像
1578	2024-08-22	FDU-Net: Deep Learning-Based Three-Dimensional Diffuse Optical Image Reconstruction 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3252576 PMID:37028063	研究论文	本文介绍了一种基于深度学习的三维扩散光学图像重建模型FDU-Net，用于提高近红外扩散光学断层成像（DOT）的图像质量和重建速度	FDU-Net通过结合全连接子网、卷积编码器-解码器子网和U-Net，实现了快速、端到端的三维DOT图像重建，显著提高了图像质量和重建速度	FDU-Net目前仅在模拟数据和真实患者测量数据上进行了测试，尚未在临床环境中广泛应用	开发一种新的深度学习模型，以提高扩散光学断层成像的图像质量和重建速度，促进其在乳腺癌临床诊断中的应用	三维扩散光学图像重建	机器学习	乳腺癌	深度学习	FDU-Net	图像	400个模拟案例和真实患者测量数据
1579	2024-08-21	Investigation of machine learning algorithms for taxonomic classification of marine metagenomes 2023-Oct-17, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.05237-22 PMID:37695074	研究论文	本研究从公开的海洋宏基因组数据构建训练/测试数据集，并评估机器学习方法在基于读取的海洋宏基因组分类中的性能	本研究提供了关于深度学习在海洋微生物宏基因组数据集上的方法、结果和挑战的见解	未来的机器学习方法可以通过纠正训练数据集中的基因组覆盖和类别不平衡、开发替代模型以及增加模型训练和改进的计算资源可访问性来改进	开发和评估机器学习方法在海洋宏基因组分类中的应用	海洋宏基因组数据集	机器学习	NA	机器学习	深度学习模型	宏基因组数据	公开的海洋宏基因组数据
1580	2024-08-20	Deep Learning Model for Predicting Airway Organoid Differentiation 2023-12, Tissue engineering and regenerative medicine IF:4.4Q2 DOI:10.1007/s13770-023-00563-8 PMID:37594633	研究论文	本文介绍了一种使用深度学习模型预测气道类器官分化的方法	通过深度学习技术，无需免疫荧光染色即可选择与特定组织相似度高的类器官	NA	建立一个系统，通过深度学习选择与特定组织相似度高的类器官	气道类器官的分化	机器学习	NA	深度学习	卷积神经网络	图像	NA