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
1921	2024-08-05	Automated detection and localization of pericardial effusion from point-of-care cardiac ultrasound examination 2023-Aug, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-023-02855-6 PMID:37243852	研究论文	本研究开发了一种深度学习方法，以快速准确地识别和定位心包积液。	引入了基于YoloV3算法的深度学习方法，显著提高了心包积液检测的准确性和定位能力。	未提及关于算法在不同设备或操作员技能水平上的广泛适用性限制。	旨在提高心包积液在临床超声检查中的识别和定位效率。	对包含心包积液的病人以及对照组的心脏超声检查图像进行分析。	数字病理学	心脏疾病	POCUS	YoloV3	图像	共分析了37个心包积液病例和39个阴性对照
1922	2024-08-05	Development of a Deep Learning Model for Retinal Hemorrhage Detection on Head Computed Tomography in Young Children 2023-06-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2023.19420 PMID:37347482	研究论文	本研究开发了一种基于深度学习的模型，用于儿童头部CT图像中检测视网膜出血	该研究首次使用深度学习图像分析来检测小儿头部CT图像中的视网膜出血	可能需要外部前瞻性验证以确认模型的准确性	评估深度学习模型在儿童头部CT中检测视网膜出血的有效性	301名诊断为虐待性头部创伤（AHT）的儿童患者	计算机视觉	NA	深度学习	NA	图像	301名患者
1923	2024-08-05	Machine Learning on Visibility Graph Features Discriminates the Cognitive Event-Related Potentials of Patients with Early Alzheimer's Disease from Healthy Aging 2023-May-07, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci13050770 PMID:37239242	研究论文	本文提出了一种使用可视性图的方法，对阿尔茨海默病患者和健康老年人进行分类	该研究通过可视性图的特征来区分早期阿尔茨海默病患者与健康老年人的认知事件相关电位	研究可能只针对特定的实验条件，未考虑其他可能影响结果的因素	探索基于EEG信号的可视性图特征在阿尔茨海默病和健康老年人分类中的应用	早期阿尔茨海默病患者与健康老年人群体	机器学习	阿尔茨海默病	EEG	传统机器学习和深度学习算法	EEG信号	研究涉及的样本数量未明确说明
1924	2024-08-05	In silico evolution of protein binders with deep learning models for structure prediction and sequence design 2023-May-03, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.03.539278 PMID:37205527	研究论文	本文探讨了一种利用深度学习模型进行蛋白质结合体设计的方法。	提出了使用深度学习模型进行蛋白质结构预测和序列设计的迭代流程，并成功设计出自抑制型(PD-L1拮抗剂)结构。	研究未进行实验亲和力培养，结果需要进一步验证。	旨在设计能够被蛋白酶条件性激活的自抑制型拮抗剂。	研究对象为PD-L1拮抗剂的自抑制结构域。	计算机视觉	NA	深度学习	AlphaFold2与ProteinMPNN	蛋白质序列	23个设计的自抑制结构域
1925	2024-08-05	Automated Inline Myocardial Segmentation of Joint T1 and T2 Mapping Using Deep Learning 2023-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.220050 PMID:36721410	研究论文	本研究开发了一种人工智能解决方案，旨在实现联合心脏MRI短轴T1和T2映射的自动分割和分析	该研究创新性地使用深度学习方法实现了心脏MRI映射的自动分割，性能接近人类专家	该研究的局限在于使用的样本来自两家医院，可能影响结果的普遍适用性	开发一个自动化的AI分割和分析工具，提高心脏MRI的操作效率和准确性	从807名患者的4240个映射中选择的心脏MRI数据进行了分析	数字病理学	NA	人工智能	卷积神经网络	影像	4240个映射，来自807名患者
1926	2024-08-05	RelCurator: a text mining-based curation system for extracting gene-phenotype relationships specific to neurodegenerative disorders 2023-08, Genes & genomics IF:1.6Q3 DOI:10.1007/s13258-023-01405-6 PMID:37300788	研究论文	该文章提出了一个文本挖掘基础的Curator系统，旨在提取与神经退行性疾病相关的基因-表型关系的句子	本研究的创新点在于使用双向门控递归单元网络和BioWordVec词嵌入，开发了一种深度学习模型来预测基因-表型关系	未提及特定限制	旨在从医学文献中提取基因-表型关系，以支持精准医学	研究对象为与神经退行性疾病相关的基因和表型实体	自然语言处理	神经退行性疾病	深度学习	双向门控递归单元网络 (BiGRU)	文本	超过130,000个标记的PubMed句子
1927	2024-08-05	Batch-balanced focal loss: a hybrid solution to class imbalance in deep learning 2023-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.5.051809 PMID:37361550	研究论文	验证了一种名为批平衡焦点损失(BBFL)的方法在处理不平衡数据集时对卷积神经网络(CNN)分类性能的提升效果	BBFL结合了批平衡和焦点损失两种策略以应对类别不平衡问题	本文未讨论BBFL在其他类型数据集上的表现	提升卷积神经网络在不平衡数据集上的分类能力	针对不平衡的视网膜神经纤维层缺损(RNFLD)和青光眼图像数据集进行研究	计算机视觉	青光眼	卷积神经网络(CNN)	InceptionV3, MobileNetV2	图像	视网膜神经纤维层缺损数据集(n=7,258); 青光眼数据集(n=7,873)
1928	2024-08-05	Machine learning in computational histopathology: Challenges and opportunities 2023-09, Genes, chromosomes & cancer DOI:10.1002/gcc.23177 PMID:37314068	review	文章回顾了机器学习在计算数字病理学中的应用及其挑战与机遇	提供了机器学习在数字病理学领域成功应用的背景和临床任务的自动化情况	未详细讨论特定机器学习模型的局限性和实际应用的障碍	探讨机器学习在数字病理学中的应用潜力和未来发展方向	数字病理学图像及其在癌症诊断和分期中的应用	数字病理学	癌症	机器学习，深度学习	NA	数字病理图像	大规模数字病理切片数据集
1929	2024-08-05	Automatic retinoblastoma screening and surveillance using deep learning 2023-08, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-023-02320-z PMID:37344582	研究论文	本文研究了一种基于深度学习的视网膜母细胞瘤自动筛查和监测方法	提出了一种深度学习算法DLA-RB，能够准确区分正常眼底、稳定视网膜母细胞瘤和主动视网膜母细胞瘤	目前样本集中仅包括在北京同仁医院就诊的患者，可能影响结果的普遍适用性	旨在应用深度学习算法降低随访和后代筛查的负担	视网膜母细胞瘤患者及其相关影像数据	计算机视觉	视网膜母细胞瘤	深度学习	深度学习助手(DLA-RB)	图像	共收集了36623张图像和103名患者的139只眼睛
1930	2024-08-05	Traditional Machine Learning Methods versus Deep Learning for Meningioma Classification, Grading, Outcome Prediction, and Segmentation: A Systematic Review and Meta-Analysis 2023-11, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2023.08.023 PMID:37574189	meta-analysis	本研究评估了传统机器学习方法与深度学习在脑膜瘤分类、分级、预后预测和分割中的表现	首次系统性比较了传统机器学习与深度学习在脑膜瘤管理中的性能	由于性能指标报告不足，无法进一步统计分析其他性能指标	评估脑膜瘤管理中传统机器学习与深度学习算法的表现	脑膜瘤的分类、分级、预后预测和分割	机器学习	脑膜瘤	机器学习	传统机器学习，深度学习	文献数据	534条记录筛选，包含43篇文章
1931	2024-08-05	Automated segmentation of five different body tissues on computed tomography using deep learning 2023-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.15932 PMID:36008356	研究论文	该文开发并验证了一种用于CT扫描上五种不同身体组织的自动分割计算机工具。	文中采用了训练与标注相结合的策略，提高了注释效率，并比较了多种卷积神经网络在组织分割中的表现。	不同CNN模型在分割身体组织时未表现出显著差异。	旨在开发一种高效的计算工具，以自动化分割CT扫描显示的多种身体组织。	该研究对象为100个CT扫描样本，涉及内脏脂肪组织、皮下脂肪组织、肌肉及骨骼等多种身体组织。	计算机视觉	NA	卷积神经网络（CNN）	UNet, R2Unet, UNet++	图像	100个CT扫描样本
1932	2024-08-05	DeepN4: Learning N4ITK Bias Field Correction for T1-weighted Images 2023-Nov-13, Research square DOI:10.21203/rs.3.rs-3585882/v1 PMID:38014176	研究论文	本文提出了一种深度学习方法DeepN4，用于纠正T1加权MRI图像中的偏差场	本文创新地将深度学习应用于N4ITK偏差场校正，提供了一种便携灵活且完全可微分的方法	研究可能受限于训练数据集的多样性和深度学习模型的复杂性	研究旨在改进T1加权MRI图像的偏差场校正方法	该研究对象为72台不同扫描仪和不同年龄范围的8个独立队列的T1w MRI图像	数字病理学	NA	深度学习	深度神经网络	医学图像	72台扫描仪，8个独立队列
1933	2024-08-05	Deep learning-based fast volumetric imaging using kV and MV projection images for lung cancer radiotherapy: A feasibility study 2023-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.16377 PMID:36939395	研究论文	该研究提出了一种快速体积成像方法，用于肺癌放射治疗，旨在减少获取时间并提高治疗的准确性	创新点在于结合了2D和3D网络，以快速生成高质量的3D成像，并增强了图像的一致性和准确性	结果基于模拟数据和真实设备的幻影结果，未进行在临床环境下的全面验证	研究旨在开发一种有效的体积成像方法，以提高肺癌放射治疗的准确性和效率	研究对象为50名肺癌患者，通过对每个相位的CT进行射线追踪生成正交的kV和MV成像对	数字病理	肺癌	正交kV/MV成像	结合2D和3D网络的模型	图像	50名肺癌患者
1934	2024-08-05	An X-Ray C-Arm Guided Automatic Targeting System for Histotripsy 2023-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2022.3198600 PMID:35984807	研究论文	本研究提出了一种基于CBCT的自动靶向系统用于非侵入性治疗癌症的Histotripsy技术。	提出了一种替代超声成像的X射线C臂靶向方法，结合深度学习和数字模型提高靶点定位精度。	实验主要在验证物模型上进行，临床应用的准确性和效果尚待进一步验证。	探讨CBCT在Histotripsy靶向中的应用，提升靶点定位的准确性和自动化程度。	研究主要针对肿瘤靶点的精准定位与治疗技术。	数字病理学	癌症	CBCT	深度学习	影像	在虚拟模型实验中评估了靶向精度
1935	2024-08-05	A Comprehensive Evaluation of Generalizability of Deep Learning-Based Hi-C Resolution Improvement Methods 2023-12-29, Genes IF:2.8Q2 DOI:10.3390/genes15010054 PMID:38254945	研究论文	本研究评估了现有Hi-C分辨率提升方法的可泛化性。	提出了一个框架Hi-CY，使用多种评估指标比较现有的Hi-C分辨率提升方法，并强调了现有方法在稀疏Hi-C数据集上的性能不足。	现有深度学习方法在实验生成的稀疏Hi-C数据集上泛化能力差，性能降低高达57%。	研究Hi-C分辨率提升方法的可泛化性，并识别改进的方向。	评估七个实验生成的低分辨率Hi-C数据集，分析不同稀疏程度的读取情况。	机器学习	NA	Hi-C	深度学习方法	Hi-C数据集	七个实验生成的低分辨率Hi-C数据集
1936	2024-08-05	Machine Learning to Advance Human Genome-Wide Association Studies 2023-12-25, Genes IF:2.8Q2 DOI:10.3390/genes15010034 PMID:38254924	综述	本文综述了机器学习在对人类基因组广泛关联研究中的应用	本文创新性在于介绍了机器学习在分配人类遗传位点与健康结果之间的应用，强调了新工具的整合	文章中提到的方法和工具在应用方面的优势和挑战，但未深入探讨具体的实践案例	探讨机器学习在遗传流行病学研究中的应用进展与潜力	主要讨论人类基因组与健康结果之间的关系	机器学习	NA	机器学习，包括深度学习和增强学习	NA	遗传变异数据	NA
1937	2024-08-05	A Triboelectric Sensor with Double Bubble Structure Applied in a High Security Double Lock System 2023-12-22, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.3c01574 PMID:38063342	研究论文	提出了一种集成了双气泡结构的摩擦电传感器的高安全性双锁系统	创新点在于将摩擦电纳米发电机与深度学习模型结合，使用双气泡结构提高灵敏度	未提及实际应用中的长期稳定性和耐用性	设计一种具有更高安全性能的智能锁系统	聚焦于摩擦电传感器和深度学习模型的集成应用	数字病理学	NA	摩擦电纳米发电机	长短期记忆网络	生理信号	实验中使用了识别四种典型呼吸信号的样本
1938	2024-08-05	The Evolution of Artificial Intelligence in Biomedicine: Bibliometric Analysis 2023-Dec-19, JMIR AI DOI:10.2196/45770 PMID:38875563	研究论文	本研究探讨了生物医学领域中人工智能技术的演变和未来趋势。	提出了背景增强预测方法，提升了回归模型的预测效果。	研究可能局限于已发表文献的数据，未能覆盖所有相关领域。	预测不同生物医学领域中人工智能技术的未来发展趋势。	分析与人工智能和生物医学交叉领域相关的文献。	计算机视觉	NA	回归模型	背景增强预测模型	文献数据	从PubMed数据库中收集的大量相关文章
1939	2024-08-05	A Trainable Open-Source Machine Learning Accelerometer Activity Recognition Toolbox: Deep Learning Approach 2023-Jun-08, JMIR AI DOI:10.2196/42337 PMID:38875548	研究论文	本研究开发了一种准确、可训练的开源手机活动追踪工具箱。	提出了一种开放源代码的深度学习加速器活动识别工具，能够适应新行为的检测。	维度自适应神经架构模型在测试自有数据时准确性大幅下降至26%。	解决当前活动追踪器在科学应用中动作判别准确性不足的问题。	使用加速度计和陀螺仪数据识别不同类别的活动。	机器学习	NA	深度学习	维度自适应神经架构模型	加速度计和陀螺仪数据	6种不同的行为，包含来自自身记录的数据和MotionSense数据
1940	2024-08-05	Natural Language Processing for Clinical Laboratory Data Repository Systems: Implementation and Evaluation for Respiratory Viruses 2023-Jun-06, JMIR AI DOI:10.2196/44835 PMID:38875570	研究论文	本文探讨了自然语言处理技术在临床实验室数据中的应用，评估了其在呼吸病毒信息提取中的可行性	提出了一种基于深度学习的自然语言处理模型，以替代耗时且资源密集的手工规则工具	模型性能在不同病毒类别和类型间存在差异，且在检测到的病毒案例中的表现较差	研究自然语言处理模型在实验室报告信息提取中的可行性	省级实验室报告中的文本数据，涵盖14种呼吸病毒及其亚型	自然语言处理	呼吸道病毒感染	深度学习	层次多标签分类器	文本	87,500份独特的实验室报告