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
21	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
22	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
23	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
24	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
25	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
26	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
27	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
28	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
29	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
30	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
31	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）
32	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
33	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
34	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
35	2024-09-21	DDCNet: Deep Dilated Convolutional Neural Network for Dense Prediction 2023-Feb-28, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2022.12.024 PMID:37332394	研究论文	本文提出了一种用于密集预测任务的深度扩张卷积神经网络DDCNet	通过在深层网络中使用扩张卷积层，实现了更大的有效感受野和更高的空间特征分辨率，同时减少了可训练参数的数量	NA	设计一种能够在保持高空间特征分辨率的同时提供更大感受野的网络架构	密集像素匹配问题，如光流和视差估计	计算机视觉	NA	扩张卷积	CNN	图像	NA
36	2024-09-19	A fuzzy fine-tuned model for COVID-19 diagnosis 2023-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106483 PMID:36621192	研究论文	本文提出了一种模糊微调的Xception模型用于COVID-19的自动诊断	使用盲/无参考图像空间质量评估器过滤不适当数据，结合两个数据集进行多类别分类，并采用加权多类别交叉熵减少数据不平衡的影响	未提及具体限制	开发一种准确、易获取且成本低廉的COVID-19诊断方法	COVID-19疾病的自动诊断	计算机视觉	COVID-19	深度学习	Xception	图像	合并了两个数据集，用于区分正常、COVID-19和不同类型的肺炎（细菌性和病毒性）
37	2024-09-17	Pure Isotropic Proton NMR Spectra in Solids using Deep Learning 2023-Feb-13, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202216607 PMID:36562545	研究论文	本文介绍了一种利用深度学习方法从二维魔角旋转谱中提取纯各向同性质子核磁共振谱的技术	提出了一种新的深度学习方法，能够从魔角旋转谱中提取高分辨率的纯各向同性质子核磁共振谱	该方法仅在8种有机固体上进行了验证	提高固体状态下质子核磁共振谱的分辨率	有机固体的质子核磁共振谱	机器学习	NA	核磁共振谱	深度学习模型	谱数据	8种有机固体
38	2024-09-17	MOFormer: Self-Supervised Transformer Model for Metal-Organic Framework Property Prediction 2023-Feb-08, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.2c11420 PMID:36706365	研究论文	提出了一种基于Transformer模型的自监督学习方法MOFormer，用于金属有机框架（MOFs）的性质预测	MOFormer采用文本字符串表示MOF（MOFid）作为输入，避免了获取MOF的3D结构，加速了筛选过程，并通过自监督学习框架预训练模型，提高了预测准确性	NA	开发一种高效的深度学习方法，用于金属有机框架的性质预测	金属有机框架（MOFs）及其性质预测	机器学习	NA	Transformer模型	Transformer	文本	超过40万公开的MOF数据
39	2024-09-17	Comparison of deep learning-based denoising methods in cardiac SPECT 2023-Feb-08, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-023-00531-0 PMID:36752847	研究论文	本文比较了几种基于深度学习的去噪方法在心脏SPECT图像中的应用效果	本文首次系统比较了多种深度学习去噪模型在心脏SPECT图像中的去噪效果和缺陷检测性能	cGAN在去噪效果最佳的同时，缺陷检测性能最差	研究不同深度学习去噪模型在心脏SPECT图像中的去噪效果和缺陷检测性能差异	心脏SPECT图像的去噪效果和缺陷检测性能	计算机视觉	心血管疾病	深度学习	CNN, RES, UNET, cGAN	图像	使用全时间、半时间、三八分之一时间和四分之一时间采集的MPS研究数据进行训练和测试
40	2024-09-17	Multi-scale, domain knowledge-guided attention + random forest: a two-stage deep learning-based multi-scale guided attention models to diagnose idiopathic pulmonary fibrosis from computed tomography images 2023-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.16053 PMID:36254789	研究论文	本文提出了一种基于深度学习的多尺度引导注意力模型，结合随机森林分类器，用于从CT图像中诊断特发性肺纤维化	本文的创新点在于提出了一个两阶段模型，第一阶段使用多尺度、领域知识引导的注意力模型，第二阶段使用随机森林分类器，以提高模型的准确性和可解释性	本文的局限性在于仅使用了349名IPF患者和529名非IPF的ILD患者的CT扫描数据，样本量相对较小	本文的研究目的是开发一种基于深度学习的自动化系统，用于从CT扫描图像中诊断特发性肺纤维化	本文的研究对象是特发性肺纤维化患者和间质性肺疾病患者	计算机视觉	肺病	深度学习	多尺度引导注意力模型 + 随机森林	图像	349名IPF患者和529名非IPF的ILD患者