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
1	2024-12-16	OCTOPUS - Optical coherence tomography plaque and stent analysis software 2023-Feb, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e13396 PMID:36816277	研究论文	本文介绍并评估了一种高度自动化的软件包OCTOPUS，用于在血管内光学相干断层扫描（IVOCT）图像中进行冠状动脉斑块和支架的定量分析	开发了OCTOPUS软件，提供高度自动化的冠状动脉斑块和支架分析，包括深度学习斑块分割和机器学习支架支柱识别等算法	目前OCTOPUS主要作为离线研究工具使用，尚未应用于实时治疗规划	开发一种用于IVOCT图像中冠状动脉斑块和支架分析的自动化软件	冠状动脉斑块和支架	数字病理学	心血管疾病	光学相干断层扫描（IVOCT）	深度学习模型和机器学习模型	图像	34个新的pullbacks样本
2	2024-12-08	Deep Learning Solution for Quantification of Fluorescence Particles on a Membrane 2023-Feb-05, Sensors (Basel, Switzerland) DOI:10.3390/s23041794 PMID:36850392	研究论文	本文提出了一种基于YOLOv5算法的深度学习方法，用于检测和量化膜上荧光颗粒，特别是SARS-CoV-2病毒颗粒	本文创新性地使用了YOLOv5算法和CSPnet作为其骨干网络，结合测试时间增强（TTA）算法，实现了对多尺度、形状多变的荧光细胞的高效检测和量化	本文未提及具体的局限性	开发一种高效、准确的深度学习方法，用于检测和量化环境水样中的SARS-CoV-2病毒颗粒	SARS-CoV-2病毒颗粒及其荧光细胞	计算机视觉	NA	YOLOv5算法	CNN	图像	使用由Linde + Robinson实验室提供的私有数据集进行评估
3	2024-12-08	A deep generative prior for high-resolution isotropic MR head slices 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654032 PMID:39629055	研究论文	本文训练了一个StyleGAN3-T模型，用于生成高分辨率各向同性的头部MR切片	本文首次在头部MR切片上训练了一个StyleGAN3-T模型，并保留了图像的完整性以适用于下游任务	NA	开发一个能够生成高分辨率各向同性头部MR切片的生成模型	头部MR切片	计算机视觉	NA	StyleGAN3-T	GAN	图像	使用了来自多个方向和对比度的1mm各向同性体积的切片
4	2024-11-09	A method using deep learning to discover new predictors from left-ventricular mechanical dyssynchrony for CRT response 2023-02, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1007/s12350-022-03067-5 PMID:35915327	研究论文	本研究利用深度学习技术从左心室机械不同步性的极坐标图中发现新的预测因子，以帮助选择可能对心脏再同步治疗有高反应的心衰患者	本研究首次使用自编码器技术从左心室机械不同步性的极坐标图中提取新的预测因子，并在外部验证中显示出良好的预测价值	本研究样本量较小，且仅在一个外部验证集中进行了验证，需要进一步的大规模多中心研究来验证其普适性	发现新的预测因子以提高心脏再同步治疗反应的预测准确性	左心室机械不同步性的极坐标图和心脏再同步治疗反应	机器学习	心血管疾病	自编码器技术	自编码器	图像	157名接受静息门控单光子发射计算机断层扫描心肌灌注成像的患者
5	2024-10-26	Deep Constrained Spherical Deconvolution for Robust Harmonization 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654398 PMID:37228707	研究论文	本文提出了一种基于深度学习的DW-MRI信号协调方法，以提高微结构估计的可靠性和可重复性	引入了数据驱动的扫描仪不变正则化方案，以更稳健地估计纤维方向分布函数（FODF）	NA	旨在解决DW-MRI在多站点和/或纵向扩散研究中的测量变异性问题	DW-MRI信号和纤维方向分布函数（FODF）	计算机视觉	NA	扩散加权磁共振成像（DW-MRI）	深度学习	图像	研究了Human Connectome Project的年轻成人测试-重测组以及MASiVar数据集（包括跨站点和跨扫描/重扫描数据）
6	2024-10-26	Topological-Preserving Membrane Skeleton Segmentation in Multiplex Immunofluorescence Imaging 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654087 PMID:37786583	研究论文	本文提出了一种基于深度学习的膜骨架分割方法，用于多重免疫荧光成像中的细胞分割	本文创新性地结合了全局和局部信息，使用深度学习方法进行膜骨架分割，并提出了一个新的体积度量指标用于评估	本文未详细讨论模型在不同细胞类型和成像条件下的泛化能力	研究目的是提高多重免疫荧光成像中细胞分割的准确性和拓扑保持性	研究对象是多重免疫荧光成像中的膜骨架	计算机视觉	NA	多重免疫荧光成像	深度学习网络	图像	80张膜多重免疫荧光图像用于5折交叉验证
7	2024-10-26	Longitudinal Variability Analysis on Low-dose Abdominal CT with Deep Learning-based Segmentation 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2653762 PMID:37465093	研究论文	研究使用深度学习方法对低剂量腹部CT图像进行纵向变异性分析	首次对低剂量单切片CT图像进行纵向变异性的全面研究，并使用深度学习进行自动分割	研究仅限于2D切片，且样本量相对较小	评估低剂量腹部CT图像在纵向变异性中的稳定性和变异性	1469名受试者的1816张低剂量腹部CT图像	计算机视觉	NA	深度学习	NA	图像	1469名受试者的1816张图像
8	2024-10-26	Batch size: go big or go home? Counterintuitive improvement in medical autoencoders with smaller batch size 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2653643 PMID:37465095	研究论文	本文探讨了在训练医学自编码器时，较小批次大小对模型性能的反直觉改善	本文提出了与传统观点相反的证据，即在处理具有全局相似性和局部差异的数据（如电子健康记录和医学影像）时，较小的批次大小可以提高自编码器的性能	本文仅在特定的数据集（巴尔的摩衰老纵向研究和多模态脑肿瘤分割挑战）上进行了实验，结果可能不适用于所有类型的医学数据	研究批次大小对医学自编码器性能的影响，特别是在处理电子健康记录和医学影像数据时	电子健康记录数据和医学影像数据	机器学习	NA	自编码器	自编码器	文本和图像	巴尔的摩衰老纵向研究的电子健康记录数据和多模态脑肿瘤分割挑战的医学影像数据
9	2024-10-18	Utility of Normalized Body Composition Areas, Derived From Outpatient Abdominal CT Using a Fully Automated Deep Learning Method, for Predicting Subsequent Cardiovascular Events 2023-Feb, AJR. American journal of roentgenology DOI:10.2214/AJR.22.27977 PMID:36043607	研究论文	本研究探讨了使用全自动深度学习方法从门诊腹部CT中提取的归一化身体成分区域对后续心血管事件的预测能力	本研究首次使用全自动深度学习算法从常规CT扫描中提取身体成分测量值，并独立于传统体重指标预测心血管风险	本研究为回顾性研究，样本主要为黑人和白人患者，可能存在选择偏倚	确定通过全自动深度学习算法从常规CT扫描中获得的身体成分测量值是否能独立于体重、BMI和其他心血管风险因素预测后续心血管事件	9752名门诊患者，其中5519名女性和4233名男性，平均年龄53.2岁，890名患者自报为黑人，8862名自报为白人	计算机视觉	心血管疾病	深度学习	NA	图像	9752名门诊患者
10	2024-10-18	Detectability of Small Low-Attenuation Lesions With Deep Learning CT Image Reconstruction: A 24-Reader Phantom Study 2023-Feb, AJR. American journal of roentgenology DOI:10.2214/AJR.22.28407 PMID:36129222	研究论文	本研究评估了深度学习图像重建（DLIR）算法在低对比度检测性能和辐射节省潜力方面与滤波反投影（FBP）和迭代重建（IR）的比较	DLIR算法在减少辐射剂量的情况下，仍能保持低对比度病变的检测性能，这是传统IR技术的一个主要缺点	研究仅在模拟人体的多阅读器非劣效性设计和任务型观察者模型中进行，未在真实临床环境中验证	评估DLIR算法在低对比度检测性能和辐射节省潜力方面的表现	低对比度检测性能和辐射节省潜力	计算机视觉	NA	深度学习图像重建（DLIR）	NA	图像	24名不同经验水平的阅读者评估图像
11	2024-10-18	Editorial Comment: More Evidence Supporting Deep Learning Reconstructions in Abdominal CT-What Should We Do? 2023-Feb, AJR. American journal of roentgenology DOI:10.2214/AJR.22.28554 PMID:36169549	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12	2024-10-06	Visual Enhancement and Semantic Segmentation of Murine Tissue Scans with Pulsed THz Spectroscopy 2023-Feb, Proceedings. IEEE International Conference on Semantic Computing DOI:10.1109/ICSC56153.2023.00018 PMID:39360127	研究论文	本文探讨了使用脉冲太赫兹光谱技术对小鼠组织扫描进行视觉增强和语义分割的应用	引入了两阶段管道，使用无监督图像到图像翻译网络和监督分割网络，以解决传统深度学习方法在太赫兹成像中的低分辨率和缺乏专家标记图像的问题	依赖于合成太赫兹扫描，可能存在与实际数据的差异	提高太赫兹成像技术在医学图像中的应用效果，特别是对切除的乳腺癌组织的分割和分类	小鼠切除的乳腺癌组织	计算机视觉	乳腺癌	脉冲太赫兹光谱技术	无监督图像到图像翻译网络和监督分割网络	图像	NA
13	2024-10-02	Exploring a global interpretation mechanism for deep learning networks when predicting sepsis 2023-02-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-30091-3 PMID:36810645	研究论文	本研究通过一种新的机制解释深度学习模型在预测脓毒症时的全局解释机制，并识别出额外的临床特征	提出了一种新的全局解释机制来解释黑箱机器学习模型，并识别出与脓毒症相关的临床特征	识别出的特征中，有3个特征与临床特征有强相关性，但未被机制识别	通过新的解释机制识别脓毒症检测的额外临床特征，并提供机制的适当评估	脓毒症检测的临床特征和黑箱机器学习模型的解释机制	机器学习	脓毒症	长短期记忆网络（LSTM）	LSTM	生理数据	约40,000名重症监护病房（ICU）患者，40个生理变量
14	2024-09-29	Deep learning model integrating positron emission tomography and clinical data for prognosis prediction in non-small cell lung cancer patients 2023-Feb-06, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05160-z PMID:36747153	研究论文	本文提出了一种结合正电子发射断层扫描（PET）图像和临床数据的多模态深度学习模型，用于非小细胞肺癌（NSCLC）患者的预后预测	本文的创新点在于将PET图像信息与临床数据结合，通过深度学习模型提高了NSCLC患者生存预测的准确性	本文未详细讨论模型的泛化能力和在不同数据集上的表现	提高非小细胞肺癌患者的生存预测准确性	非小细胞肺癌患者	机器学习	肺癌	深度学习	多模态深度学习模型	图像和临床数据	NA
15	2024-09-23	Spatially Aware Transformer Networks for Contextual Prediction of Diabetic Nephropathy Progression from Whole Slide Images 2023-Feb-23, medRxiv : the preprint server for health sciences DOI:10.1101/2023.02.20.23286044 PMID:36865174	研究论文	本文提出了一种基于Transformer的框架，用于从全切片图像中预测糖尿病肾病进展	本文的创新点在于引入了非线性降维、相对欧几里得像素距离嵌入以及空间自注意力机制，以捕捉全切片图像中的大规模空间解剖结构和关系	由于样本量较小，研究存在变异性和泛化性的挑战	研究目的是开发一种能够从全切片图像中预测糖尿病肾病进展的人工智能方法	研究对象是来自首尔国立大学医院的56例糖尿病肾病患者的肾活检全切片图像	数字病理学	糖尿病肾病	Transformer网络	Transformer	图像	56例糖尿病肾病患者的肾活检全切片图像
16	2024-09-23	Spatially aware deep learning reveals tumor heterogeneity patterns that encode distinct kidney cancer states 2023-Feb-20, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.18.524545 PMID:36712053	研究论文	开发空间感知深度学习模型，分析肾细胞癌的肿瘤异质性模式	发现通过人类病理学家分析无法实现的全切片图像中的核级异质性模式，并揭示了与PBRM1功能丧失、不良临床因素和ICI选择性患者反应相关的微异质性结构	NA	揭示肾细胞癌中肿瘤与免疫相互作用的新结构，并提供对ICI选择性反应的见解	肾细胞癌的肿瘤异质性模式及其与免疫检查点抑制剂反应的关系	数字病理学	肾癌	深度学习	CNN	图像	1102名患者
17	2024-09-23	Artificial Intelligence Based Analysis of Corneal Confocal Microscopy Images for Diagnosing Peripheral Neuropathy: A Binary Classification Model 2023-Feb-06, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm12041284 PMID:36835819	研究论文	开发了一种基于人工智能的深度学习算法，用于通过角膜共聚焦显微镜图像对糖尿病或前驱糖尿病患者的外周神经病变进行二分类诊断	使用改进的ResNet-50模型进行外周神经病变的二分类，并结合Grad-CAM和Guided Grad-CAM方法评估算法的诊断性能	需要进行大规模的前瞻性真实世界研究以验证其在筛查和诊断项目中的诊断效能	开发一种基于人工智能的深度学习算法，用于通过角膜共聚焦显微镜图像诊断外周神经病变	糖尿病或前驱糖尿病患者的外周神经病变	计算机视觉	糖尿病	深度学习	ResNet-50	图像	279名参与者（149名无外周神经病变，130名有外周神经病变）
18	2024-09-23	Deep Learning Dynamic Allostery of G-Protein-Coupled Receptors 2023-Feb-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.15.524128 PMID:36711515	研究论文	本文利用高斯加速分子动力学（GaMD）、深度学习（DL）和自由能分析工作流程（GLOW）系统地映射了G蛋白偶联受体（GPCRs）在结合变构调节剂后的自由能景观变化	本文首次通过深度学习揭示了GPCR变构调节的动态机制，为设计选择性变构药物提供了新的思路	本文主要依赖于计算模型和模拟数据，缺乏实验验证	揭示G蛋白偶联受体（GPCRs）的动态变构调节机制	G蛋白偶联受体（GPCRs）及其变构调节剂	机器学习	NA	高斯加速分子动力学（GaMD）	深度学习（DL）	结构数据	18个高分辨率实验结构，44个GPCR系统，总模拟时间66微秒
19	2024-09-23	Deep Learning for Brain MRI Confirms Patterned Pathological Progression in Alzheimer's Disease 2023-02, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202204717 PMID:36575159	研究论文	本研究提出了一种可解释的深度学习算法Ensemble 3DCNN，用于分析阿尔茨海默病（AD）患者脑部MRI数据的纵向变化	首次使用Ensemble 3DCNN算法结合增强解析技术，研究AD患者脑部MRI的纵向变化模式	研究样本主要来自多中心ADNI和OASIS队列，可能存在样本偏倚	验证深度学习在检测与AD病理相关的渐进性结构MRI异常中的价值	阿尔茨海默病患者脑部MRI数据	计算机视觉	阿尔茨海默病	深度学习	3DCNN	MRI图像	2369例T1加权图像
20	2024-09-23	Assessing Variants of Uncertain Significance Implicated in Hearing Loss Using a Comprehensive Deafness Proteome 2023-Feb-01, Research square DOI:10.21203/rs.3.rs-2508462/v1 PMID:36778238	研究论文	使用AlphaFold2算法预测所有DVD基因的结构，并通过DDGun3D预测折叠自由能差异，以评估与听力损失相关的意义未明变异	利用AlphaFold2和DDGun3D技术对Deafness Variation Database中的意义未明变异进行重新分类，提高了诊断准确性	研究仅限于Deafness Variation Database中的变异，且样本量较小	评估与听力损失相关的意义未明变异，并提高其分类准确性	Deafness Variation Database中的意义未明变异	生物信息学	听力损失	AlphaFold2, DDGun3D	深度学习	基因变异数据	119名患者