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	2024-09-23	Evaluation of deep learning and convolutional neural network algorithms accuracy for detecting and predicting anatomical landmarks on 2D lateral cephalometric images: A systematic review and meta-analysis 2023-Jul, The Saudi dental journal DOI:10.1016/j.sdentj.2023.05.014 PMID:37520606	meta-analysis	本文通过系统综述和荟萃分析评估了深度学习和卷积神经网络算法在二维侧位头影图像中检测和预测解剖标志点的准确性	本文首次系统性地评估了多种深度学习和卷积神经网络算法在头影图像中检测解剖标志点的准确性	研究结果显示不同研究和临床医生之间的准确性存在差异，需要更多研究来确定其在临床环境中的有效性和可靠性	评估机器学习算法在二维侧位头影图像中检测和预测解剖标志点的准确性	二维侧位头影图像中的解剖标志点	计算机视觉	NA	卷积神经网络 (CNN)	卷积神经网络 (CNN)	图像	包括21篇研究文章，涉及全球多个地区的数据
82	2024-09-20	Coronary X-ray angiography segmentation using Artificial Intelligence: a multicentric validation study of a deep learning model 2023-Jul, The international journal of cardiovascular imaging DOI:10.1007/s10554-023-02839-5 PMID:37027105	研究论文	本文验证了一种基于深度学习的人工智能模型在冠状动脉造影图像分割中的应用	首次在多中心数据集上验证了该深度学习模型在冠状动脉造影图像分割中的准确性	研究仅限于一个月内的患者数据，且样本量相对较小	验证人工智能模型在冠状动脉造影图像分割中的准确性	冠状动脉造影图像的自动分割	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	90名患者，117张图像，123个感兴趣区域
83	2024-09-20	Deep learning framework for rapid and accurate respiratory COVID-19 prediction using chest X-ray images 2023-Jul, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2023.101596 PMID:37275558	研究论文	本文提出了一种基于深度特征拼接和多头自注意力网络的端到端深度学习框架，用于通过胸部X光图像快速准确地预测COVID-19	该研究采用了深度特征拼接和多头自注意力网络，结合了DenseNet、VGG-16和InceptionV3的预训练模型，并在COVID-19_Radiography_Dataset上进行了端到端训练和评估	NA	开发一种快速准确的深度学习框架，用于通过胸部X光图像预测COVID-19	COVID-19感染的胸部X光图像	计算机视觉	呼吸系统疾病	深度学习	多头自注意力网络	图像	使用了COVID-19_Radiography_Dataset进行训练和评估
84	2024-09-06	SpineQ: Unsupervised 3D Lumbar Quantitative Assessment 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10485565 PMID:38557307	研究论文	本文提出了一种无监督的3D腰椎定量评估方法SpineQ，能够从不同视角分析MRI图像并生成多组织分割结果	本文的创新点在于结合了基于规则和深度学习的方法，实现了无监督的3D腰椎定量评估，无需繁琐的手动标注	本文的局限性在于仅进行了初步测试，尚未在更大规模的数据集上验证其有效性	开发一种无监督的3D腰椎定量评估方法，提高临床诊断和手术规划的效率和一致性	腰椎的MRI图像	计算机视觉	NA	深度学习	NA	图像	NA
85	2024-09-01	Deep Learning Algorithm Detects Presence of Disorganization of Retinal Inner Layers (DRIL)-An Early Imaging Biomarker in Diabetic Retinopathy 2023-07-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.7.6 PMID:37410472	研究论文	本研究开发并训练了一种基于深度学习的算法，用于在光学相干断层扫描（OCT）图像上检测糖尿病视网膜病变（DR）的早期影像生物标志物——视网膜内层紊乱（DRIL）	本研究首次展示了基于深度学习的OCT分类算法能够快速自动识别DRIL，有助于在研究和临床决策中筛查DRIL	NA	开发和训练一种深度学习算法，用于检测OCT图像上的视网膜内层紊乱（DRIL）	糖尿病视网膜病变（DR）患者	计算机视觉	糖尿病视网膜病变	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	664名患者（5992张B扫描图像来自1201只眼睛）
86	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
87	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
88	2024-08-11	Performance of alternative manual and automated deep learning segmentation techniques for the prediction of benign and malignant lung nodules 2023-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.4.044006 PMID:37564098	研究论文	本文评估了放射性活检（RB）、最佳拟合边界框（BB）和基于深度学习的分割方法no-new-U-Net（nnU-Net）与标准全手动（FM）分割方法在预测良性与恶性肺结节方面的性能。	本文引入了基于深度学习的分割方法nnU-Net，并与传统的放射性活检和最佳拟合边界框方法进行了比较。	需要进一步验证RB方法的效率，并且深度学习分割方法的性能与FM和BB方法相似。	评估不同分割技术在预测肺结节良恶性方面的性能。	肺结节的分割技术和预测模型。	计算机视觉	肺部疾病	CT扫描	nnU-Net	影像数据	188个CT扫描数据
89	2024-08-10	Flood risk mapping and analysis using an integrated framework of machine learning models and analytic hierarchy process 2023-Jul, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.14018 PMID:36088657	研究论文	本研究提出了一种将机器学习模型与分析层次过程方法相结合的新方法，用于开发全面的洪水风险评估地图	本研究的创新点在于将机器学习模型与分析层次过程方法相结合，形成了一个综合的洪水风险评估框架	NA	开发一个综合的洪水风险评估框架，用于洪水易发区域的洪水风险地图绘制	越南广平省的洪水风险评估	机器学习	NA	机器学习技术，分析层次过程方法	深度学习模型	地理空间数据	包括696个历史洪水事件位置和多个洪水影响因素的数据
90	2024-08-06	Effect of image resolution on automated classification of chest X-rays 2023-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.4.044503 PMID:37547812	研究论文	本研究探讨了图像分辨率对胸部X光图像分类性能的影响	提出了多尺度特征的提取方法，而不仅仅是关注最高的图像分辨率	未提及具体的限制因素	研究影像分辨率对胸部X光图像分类性能的影响	使用MIMIC-CXR-JPG数据集的胸部X光图像进行分析	计算机视觉	NA	深度学习	DenseNet121，EfficientNet-B4	图像	377,110张高分辨率胸部X光图像
91	2024-08-04	Using Ensemble OCT-Derived Features beyond Intensity Features for Enhanced Stargardt Atrophy Prediction with Deep Learning 2023-Jul-02, Applied sciences (Basel, Switzerland) DOI:10.3390/app13148555 PMID:39086558	研究论文	本文提出了一种使用高级OCT衍生特征来增强对Stargardt萎缩预测的方法	本研究的创新点在于使用了多个OCT衍生特征，而不仅仅依赖常用的平均强度特征	未提及特定限制	研究预测Stargardt疾病进展的有效方法	Stargardt疾病患者的视网膜层变化	数字病理学	Stargardt病	SD-OCT	集成深度学习神经网络	图像	涉及多个视网膜层的图像数据
92	2024-08-04	A hybrid method of correcting CBCT for proton range estimation with deep learning and deformable image registration 2023-Jul-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace754 PMID:37442128	研究论文	本研究旨在开发一种新的方法，通过深度学习和可变形图像配准从腹部/盆腔的锥束CT生成合成CT，以促进质子范围的估算	提出了将无监督深度学习（CycleGAN）与可变形图像配准（DIR）结合的混合方法，分别生成几何加权和强度加权的合成CT成分	研究的样本量相对较小，仅限于81名儿科患者，且只评估了在特定条件下的方法有效性	探索一种准确的合成CT生成方法，以便在质子治疗中提高质子束穿透气体区域的范围估算	使用81名儿科患者的锥束CT、同日重复CT和规划CT数据进行训练、验证和测试	数字病理学	NA	深度学习（CycleGAN）、可变形图像配准（DIR）	CycleGAN	CT图像	81名儿科患者的CT数据（训练60，验证6，测试15）
93	2024-08-07	Applications of Artificial Intelligence and Deep Learning in Glaucoma: Erratum 2023 Jul-Aug 01, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1097/APO.0000000000000628 PMID:37523439	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
94	2024-08-04	Automatic Visual Acuity Loss Prediction in Children with Optic Pathway Gliomas using Magnetic Resonance Imaging 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10339961 PMID:38083430	研究论文	本研究旨在通过多序列磁共振成像准确预测患有视路胶质瘤的儿童的视觉敏锐度丧失	提出了一种自动化深度学习框架，包括基于变换器的分割网络和机器学习方法用于预测视觉丧失	对于视觉丧失的风险预测依然存在挑战，特别是确定哪些儿童需要预防性治疗	研究通过MRI特征分析帮助早期预测NF1-OPG儿童的视觉结果	研究对象为75名患有NF1-OPG的儿童	数字病理学	视路胶质瘤	磁共振成像	基于变换器的分割网络	图像	75名儿童
95	2024-08-05	Deep Learning-Based TEM Image Analysis for Fully Automated Detection of Gold Nanoparticles Internalized Within Tumor Cell 2023-07-25, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/micmic/ozad066 PMID:37488822	研究论文	本研究开发了基于深度学习的TEM图像分析方法，用于全自动检测肿瘤细胞内的金纳米颗粒	本研究的创新点在于提出了一种全自动的深度学习方法，能够有效检测细胞TEM图像中的金纳米颗粒	有可能受到转移学习和模型调整的效果限制	本研究旨在提高金纳米颗粒在肿瘤细胞内定量分析的准确性和效率	研究对象为含金纳米颗粒的肿瘤细胞的TEM图像	计算机视觉	癌症	深度学习，传输学习	YOLO v5	图像	78张原始TEM图像（12040张增强图像）
96	2024-08-05	Unsupervised deep learning-based displacement estimation for vascular elasticity imaging applications 2023-07-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace0f0 PMID:37348487	研究论文	本文提出了一种基于无监督深度学习的血管壁位移估计方法	创新性地应用无监督深度学习方法提高血管壁位移估计的质量	未在真实病例中进行广泛测试	旨在提高血管弹性成像的准确性和分辨率	研究对象包括人类颈动脉及其脉搏波传播的跟踪	数字病理学	心血管疾病	超声弹性成像	深度学习网络	图像，超声RF信号	通过模型训练涉及多种超声数据集，具体样本数未说明
97	2024-08-05	Investigation of the best effective fold of data augmentation for training deep learning models for recognition of contiguity between mandibular third molar and inferior alveolar canal on panoramic radiographs 2023-Jul, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-023-04992-6 PMID:37043029	研究论文	本研究旨在使用全景放射影像训练深度学习模型，以识别下颌第三磨牙与下 alveolar 管之间的连续性，并探索最佳的数据增强折数	该研究探讨了在训练深度学习模型时，数据增强不同折数对模型识别性能的影响	不同增强折数间虽然没有显著差异，但最高的AUC并没有在所有模型中表现出一致性	研究旨在提高深度学习模型识别下颌第三磨牙与下 alveolar 管之间连续性的能力	研究对象为1800张经过裁剪的下颌第三磨牙影像	数字病理学	NA	深度学习模型	AlexNet, VGG-16, GoogLeNet	图像	1800张下颌第三磨牙裁剪影像
98	2024-08-05	Stroke-GFCN: ischemic stroke lesion prediction with a fully convolutional graph network 2023-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.4.044502 PMID:37465592	研究论文	本研究提出了一种几何深度学习模型，用于缺血性脑卒中的病灶分割。	本文创新性地使用了全卷积图网络，并结合样条卷积和图结构特征来改进缺血性脑卒中病灶的预测。	本研究没有使用优化的训练方法，如数据增强或补丁处理，这可能影响模型表现的进一步提升。	研究旨在提高缺血性脑卒中病灶的分割准确性，以便为临床干预提供支持。	研究对象为缺血性脑卒中病灶的CT灌注参数图像数据。	计算机视觉	脑卒中	CT灌注参数	全卷积图网络	图像	NA
99	2024-08-05	iQDeep: an integrated web server for protein scoring using multiscale deep learning models 2023-07-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2023.168057 PMID:37356909	研究论文	本文介绍了一个集成的网络服务器iQDeep，用于蛋白质评分，采用多尺度深度学习模型	iQDeep提供了一个独立且开放访问的蛋白质评分系统，针对多种预测建模场景进行了优化	NA	旨在提供一个可靠的蛋白质评分方法，提高蛋白质结构预测的准确性	主要研究对象为蛋白质及其结构预测	数字病理学	NA	多尺度深度残差神经网络（ResNets）	深度残差神经网络	结构数据	在多个CASP实验中进行了广泛测试和比较
100	2024-08-05	HLA-II immunopeptidome profiling and deep learning reveal features of antigenicity to inform antigen discovery 2023-07-11, Immunity IF:25.5Q1 DOI:10.1016/j.immuni.2023.05.009 PMID:37301199	研究论文	本研究通过单等位基因免疫肽组学分析HLA-II结合体，结合深度学习，揭示抗原特征以辅助抗原发现	创新性地开发了基于深度学习的模型CAPTAn，用于预测与HLA-II亲和力相关的肽抗原	目前对影响抗原呈递的因素理解仍不完全，且在配体数据库中多样性等位基因的代表性不足	研究HLA-II抗原结合体的特征，以提供新的抗原发现工具	358,024个HLA-II结合肽，特别关注HLA-DQ和HLA-DP	数字病理学	NA	单等位基因免疫肽组学	深度学习模型(CAPTAn)	PEPTIDES	NA