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
81	2024-08-14	Non-Metastatic Axillary Lymph Nodes Have Distinct Morphology and Immunophenotype in Obese Breast Cancer patients at Risk for Metastasis 2023-Apr-17, medRxiv : the preprint server for health sciences DOI:10.1101/2023.04.14.23288545 PMID:37131732	研究论文	本研究开发了一个深度学习框架，用于识别肥胖乳腺癌患者中非转移性腋窝淋巴结的形态学差异	首次使用深度学习框架分析肥胖乳腺癌患者中非转移性腋窝淋巴结的形态学和免疫表型差异	NA	探索肥胖乳腺癌患者中淋巴结脂肪组织与乳腺癌淋巴结转移之间的潜在机制	肥胖乳腺癌患者的非转移性腋窝淋巴结	数字病理学	乳腺癌	深度学习	NA	图像	具体样本数量未在摘要中提及
82	2024-08-14	Performance of high-resolution CT for detection and discrimination tasks related to stenotic lesions - A phantom study using model observers 2023-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.16194 PMID:36583447	研究论文	本研究通过使用模型观察者对狭窄病变进行高分辨率CT检测和鉴别任务的性能进行了比较	使用高分辨率CT模式和正常分辨率模式在同一CT扫描仪上进行比较，并引入了深度学习算法AiCE以提高检测性能	研究仅限于使用模型观察者和特定的CT扫描仪，未涉及临床实际应用	评估高分辨率CT在检测和鉴别狭窄病变中的性能	狭窄病变模拟体	计算机视觉	心血管疾病	高分辨率CT扫描	非预白化模型观察者	图像	三个丙烯酸圆柱体，每个直径15.0厘米，厚度1.3厘米，包含一系列不同直径和狭窄严重程度的孔洞
83	2024-08-05	Impact of Noisy Labels on Dental Deep Learning-Calculus Detection on Bitewing Radiographs 2023-Apr-23, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm12093058 PMID:37176499	研究论文	本研究评估了标签噪声对牙科深度学习中计算石检测的影响	探讨了不同标签不一致性对模型性能的影响，特别是在口腔X光图像上	只分析了特定的数据集，无法推广到所有类型的医学图像	评估数据标签不一致性对牙科计算石检测模型性能的影响	牙科X光图像中的计算石标注数据	计算机视觉	NA	YOLOv5	目标检测网络	医学图像	2584张咬翼X光图像
84	2024-08-05	The Genetic Determinants of Aortic Distention 2023-04-11, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2023.01.044 PMID:37019578	研究论文	本研究探讨了影响主动脉扩张能力的流行病学和遗传决定因素	首次识别了多个影响主动脉扩张性和应变的遗传位点，并探讨了其与心血管疾病发生率的关系	未能明确所有新识别位点与胸主动脉直径的显著关联	发现与主动脉扩张性和应变相关的流行病学因素和遗传决定因素	研究对象为42342名UK生物银行参与者的胸主动脉影像数据	计算机视觉	心血管疾病	深度学习	NA	图像	42342
85	2024-08-05	Automated labelling of radiology reports using natural language processing: Comparison of traditional and newer methods 2023-Apr, Health care science DOI:10.1002/hcs2.40 PMID:38938764	研究论文	使用自然语言处理自动标记放射学报告的方法及其性能比较	提出了不同的自动标记方法，并比较了它们在放射学报告标记中的性能	基于规则的模型需对负面词的处理进行妥善安排	研究使用自然语言处理自动标记放射学报告的方法	比较传统与新型自动标记方法在放射学报告中的应用效果	自然语言处理	NA	自然语言处理	BERT、长短期记忆网络	文本	大型放射学研究数据集
86	2024-08-05	JOINT DEEP LEARNING FOR IMPROVED MYOCARDIAL SCAR DETECTION FROM CARDIAC MRI 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230541 PMID:38523738	研究论文	本文提出了一种新颖的联合深度学习框架，用于改善从心脏MRI检测心肌瘢痕的效果	该方法通过引入信息传递模块，直接传递心肌分割的信息来指导瘢痕检测，创造性地将瘢痕检测与心肌分割结合在一起	采用的图像中存在噪声和伪影可能仍然影响检测精度	研究旨在改善心脏MRI中心肌瘢痕的自动识别	研究对象为心脏磁共振成像中的心肌瘢痕	数字病理学	心血管疾病	心脏磁共振成像（CMR）	联合深度学习（JDL）	图像	实验中使用了多种心脏MRI图像
87	2024-08-05	Prediction of total knee replacement using deep learning analysis of knee MRI 2023-04-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-33934-1 PMID:37117260	研究论文	本文开发了深度学习风险评估模型，以预测膝关节骨关节炎向全膝关节置换的进展	创新点在于使用深度学习模型分析膝MRI，提供比传统风险评估模型更准确的TKR预测	该研究仅限于回顾性分析，且样本来自特定的膝关节骨关节炎研究	研究目的在于提高对膝关节骨关节炎进展到全膝关节置换的预测能力	研究对象为353对骨关节炎患者，分为有TKR和无TKR的病例对照组	机器学习	膝关节骨关节炎	MRI	深度学习模型	医学影像	353对病例对照组
88	2024-08-05	Using mesoscopic tract-tracing data to guide the estimation of fiber orientation distributions in the mouse brain from diffusion MRI 2023-04-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.119999 PMID:36871795	research paper	本研究旨在利用中观轨迹追踪数据改进小鼠脑部扩散MRI的纤维方向分布估计	提出了一种利用中观轨迹追踪数据训练深度学习网络的方法，以改善小鼠脑部FODs的估计	未提及具体的局限性	改善小鼠脑部扩散MRI信号中的纤维方向估计	小鼠脑部的纤维方向分布	数字病理学	NA	扩散MRI	深度学习网络	MRI数据	使用了来自艾伦小鼠脑连接图谱的中观轨迹追踪数据
89	2024-08-05	Generalizability of Deep Learning Segmentation Algorithms for Automated Assessment of Cartilage Morphology and MRI Relaxometry 2023-04, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28365 PMID:35852498	研究论文	评估深度学习模型在不同数据集上进行自动化评估的泛化能力	提出了将预训练的深度学习模型应用于不同MR扫描仪和获取参数的数据集上，以评估其泛化能力	深度学习模型的泛化能力依赖于训练数据集的特性，可能在其他类型的病理情况下表现不佳	评估深度学习模型在没有微调的情况下对新数据集的适用性	59名受试者及其不同的MR扫描数据集	数字病理学	NA	qDESS	NA	MRI图像	59名受试者（26名女性），分为四个研究小组
90	2024-08-05	Cross-scanner harmonization methods for structural MRI may need further work: A comparison study 2023-04-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.119912 PMID:36731814	研究论文	该研究评估了多种扫描仪标定方法对脑部MRI影像的一致性影响	比较了深度学习、直方图匹配和统计方法在MRI扫描一致性中的应用，提供了未来研究的框架	现有方法在长时间数据集上均未能有效和谐处理	旨在提高针对不同扫描仪的MRI数据的一致性	涉及在GE和西门子扫描仪上扫描的参与者数据	数字病理学	衰老和癫痫	深度学习、直方图匹配和统计方法	深度学习模型（如CycleGAN和CGAN）	MRI影像数据	涉及共567名参与者，113名为交叉扫描者，454名为纵向扫描者
91	2024-08-05	Deep learning estimation of three-dimensional left atrial shape from two-chamber and four-chamber cardiac long axis views 2023-04-24, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jead010 PMID:36725705	研究论文	本文开发了一种深度学习神经网络从二腔和四腔长轴视图推断左心房的三维形状、体积和表面积	提出了一种新的基于深度学习的方法来提高左心房三维体积和表面积估计的准确性	使用的训练数据主要来自单一来源，可能影响模型的普适性	开发出一种更准确的左心房三维形状和体积估计方法	左心房的三维形状、体积和表面积	数字病理学	心血管疾病	3D冠状动脉计算机断层扫描血管成像 (CCTA)	3D UNet	图像	1700个样本用于训练/验证/测试，其中1400/100/200用于训练/验证/测试，另外20个样本用于独立测试
92	2024-08-07	Fast, accurate antibody structure prediction from deep learning on massive set of natural antibodies 2023-04-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-38063-x PMID:37185622	研究论文	本文介绍了一种名为IgFold的快速深度学习方法，用于抗体结构预测	IgFold能够在显著更短的时间内（少于25秒）预测出与现有方法（包括AlphaFold）相似或更高质量的抗体结构	NA	开发一种快速且准确的抗体结构预测方法	抗体的结构	机器学习	NA	深度学习	语言模型和图网络	序列数据	558百万自然抗体序列用于预训练模型，1.4百万配对抗体序列用于结构预测
93	2024-08-07	Regional Deep Atrophy: a Self-Supervised Learning Method to Automatically Identify Regions Associated With Alzheimer's Disease Progression From Longitudinal MRI 2023-Apr-10, ArXiv PMID:37090239	研究论文	本文提出了一种名为区域深度萎缩（RDA）的自监督学习方法，用于自动识别与阿尔茨海默病进展相关的脑区	RDA结合了深度萎缩（DeepAtrophy）的时间推断方法与可变形配准神经网络及注意力机制，提高了模型的可解释性	DeepAtrophy方法缺乏解释性，不清楚MRI中的哪些变化对进展测量有贡献	开发一种新的方法来提高阿尔茨海默病进展监测的准确性和可解释性	阿尔茨海默病患者的纵向MRI扫描数据	计算机视觉	阿尔茨海默病	自监督学习	卷积神经网络	MRI图像	NA
94	2024-08-07	Self-supervised learning for medical image classification: a systematic review and implementation guidelines 2023-Apr-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00811-0 PMID:37100953	综述	本文对自监督学习在医学图像分类中的应用进行了系统性回顾，并提供了实施指南	自监督学习能够从大量无标签的医学数据集中学习有用信息，有助于开发稳健的医学影像模型	NA	总结自监督学习在医学图像分类中的应用，并为未来研究提供实施指南	自监督学习策略及其在医学影像分类中的应用	计算机视觉	NA	自监督学习	NA	医学图像	筛选了412项相关研究，最终包含79篇论文进行数据提取和分析
95	2024-08-07	Predicting Hypoperfusion Lesion and Target Mismatch in Stroke from Diffusion-weighted MRI Using Deep Learning 2023-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.220882 PMID:36472536	研究论文	本文使用深度学习模型从扩散加权磁共振成像（DWI）和临床信息中预测脑卒中的低灌注病变并识别目标不匹配患者	采用三维U-Net深度学习模型，通过DWI和临床信息预测低灌注病变，并识别目标不匹配患者，其敏感性高于临床-DWI不匹配方法	NA	利用深度学习模型预测脑卒中的低灌注病变并识别目标不匹配患者	急性缺血性脑卒患者的扩散加权磁共振成像（DWI）和临床信息	机器学习	脑卒中	扩散加权磁共振成像（DWI）	三维U-Net	影像数据	413名患者（平均年龄67岁，207名男性）
96	2024-08-07	High-throughput image analysis with deep learning captures heterogeneity and spatial relationships after kidney injury 2023-04-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-33433-3 PMID:37076596	研究论文	本文利用深度学习技术进行高通量图像分析，以捕捉肾脏损伤后的异质性和空间关系	本文提出了一种利用深度学习工具量化肾脏损伤异质性反应的方法，无需特殊设备或编程专业知识	NA	研究肾脏损伤后的恢复过程及其异质性和空间关系	肾脏损伤后的异质性反应和空间关系	计算机视觉	肾脏疾病	深度学习	深度学习模型	图像	多个肾脏样本
97	2024-08-07	TransMHCII: a novel MHC-II binding prediction model built using a protein language model and an image classifier 2023-Apr, Antibody therapeutics DOI:10.1093/abt/tbad011 PMID:37342671	研究论文	本文介绍了一种利用蛋白质语言模型提取特征来预测主要组织相容性复合体II类（MHC-II）肽结合亲和力的方法，采用了一种新颖的迁移学习方法，将模型骨干替换为设计用于图像分类任务的架构。	本文提出的TransMHCII模型在接收者操作特征曲线下面积、平衡精度和Jaccard分数上优于NetMHCIIpan 3.2和NetMHCIIpan 4.0-BA，展示了架构创新在生物学问题深度学习模型开发中的潜力。	NA	开发一种新的MHC-II结合预测模型，利用蛋白质语言模型和图像分类器的特征。	主要组织相容性复合体II类（MHC-II）肽的结合亲和力。	机器学习	NA	蛋白质语言模型（PLMs）和图像分类器	EfficientNet v2b0, EfficientNet v2m 或 ViT-16	图像	NA
98	2024-08-07	ACCELERATED PARALLEL MRI USING MEMORY EFFICIENT AND ROBUST MONOTONE OPERATOR LEARNING (MOL) 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230471 PMID:38738185	研究论文	本文研究了单调算子学习（MOL）框架在并行MRI加速中的应用	MOL算法结合了单调卷积神经网络（CNN）和共轭梯度算法，提供了与压缩感知算法相似的唯一性、收敛性和稳定性保证，同时显著提高了内存效率	NA	验证MOL框架在并行MRI加速中的有效性	并行MRI加速	计算机视觉	NA	单调算子学习（MOL）	CNN	图像	NA
99	2024-08-07	Yield prediction through integration of genetic, environment, and management data through deep learning 2023-04-11, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkad006 PMID:36625555	研究论文	本文通过深度神经网络整合遗传、环境和管理数据来预测玉米产量，并比较了两种模型开发方法的效果	本文发现深度学习和最佳线性无偏预测（BLUP）模型在包含交互作用时表现最佳，且优化深度神经网络子模块以适应每种数据类型能提高模型性能	NA	准确预测由不同基因型、环境和管理干预组合产生的表型结果	玉米产量预测	机器学习	NA	深度学习	深度神经网络	遗传、环境和管理数据	NA
100	2024-08-07	Deep-Learning-Based Hepatic Ploidy Quantification Using H&E Histopathology Images 2023-04-16, Genes IF:2.8Q2 DOI:10.3390/genes14040921 PMID:37107679	研究论文	开发了一种基于深度学习的算法，用于使用常规临床实践中常见的H&E组织病理学图像量化肝细胞的倍性	首次成功尝试在H&E图像上自动化倍性分析	NA	提高临床样本中肝细胞倍性量化的可及性	肝细胞的倍性	数字病理学	NA	深度学习	深度学习模型	图像	NA