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
121	2024-08-05	Hyperspectral Imaging in Brain Tumor Surgery-Evidence of Machine Learning-Based Performance 2023-07, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2023.03.149 PMID:37030483	研究论文	该文章讨论了高光谱成像在脑肿瘤手术中的应用及其机器学习性能的证据	提出了微神经外科高光谱成像指导的合理性和临床范例，并强调了基于机器学习的方法	目前文献中相关文章数量有限，缺乏经过验证的机器学习和公共数据集	研究高光谱成像在神经外科手术中提升组织检测和诊断的潜力	探讨在胶质瘤手术中使用高光谱成像的组织分类性能	数字病理学	脑肿瘤	高光谱成像	深度学习	数据集	有限的病例系列或病例报告
122	2024-08-05	Predicting benefit from immune checkpoint inhibitors in patients with non-small-cell lung cancer by CT-based ensemble deep learning: a retrospective study 2023-07, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00082-1 PMID:37268451	研究论文	本文探讨了基于胸部CT扫描的深度学习如何预测非小细胞肺癌患者对免疫检查点抑制剂的响应。	提出了一种名为Deep-CT的集成深度学习模型，能够通过预处理CT数据独立于传统生物标志物进行生存预测。	本研究为回顾性建模研究，可能存在选择偏倚和数据依赖的局限性。	旨在探索深度学习在胸部CT扫描中的应用，以评估其在预测免疫检查点抑制剂疗效中的附加价值。	研究对象为976名接受免疫检查点抑制剂治疗的晚期非小细胞肺癌患者。	计算机视觉	肺癌	深度学习	集成深度学习模型	影像数据	976名患者
123	2024-08-05	Automated Brain Tumor Detection Using Machine Learning: A Bibliometric Review 2023-07, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2023.03.115 PMID:37019303	综述	本研究系统回顾了使用机器学习进行脑肿瘤分类的文献	提供了关于自动化脑肿瘤检测的最新研究概况和文献计量分析	仅限于过去五年的文献，可能未涵盖所有相关研究	开发使用机器学习进行脑肿瘤检测的研究概述	1747篇关于自动脑肿瘤检测的研究	机器学习	脑肿瘤	机器学习	卷积神经网络	NA	来自679个不同来源的1747项研究
124	2024-08-07	Opportunistic detection of type 2 diabetes using deep learning from frontal chest radiographs 2023-07-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-39631-x PMID:37419921	研究论文	本研究利用深度学习模型从胸部X光片和电子健康记录中检测2型糖尿病	研究结合了胸部X光片和电子健康记录数据，以提高2型糖尿病的检测率	外部验证仅在不同机构进行，且结果略低于主要测试结果	目标是通过深度学习模型检测2型糖尿病	研究对象为271,065个胸部X光片和160,244名患者	机器学习	糖尿病	深度学习	NA	图像	271,065个胸部X光片，160,244名患者
125	2024-08-05	Deep Learning Based Apples Counting for Yield Forecast Using Proposed Flying Robotic System 2023-Jul-05, Sensors (Basel, Switzerland) DOI:10.3390/s23136171 PMID:37448020	研究论文	本文研究了一种基于深度学习的苹果计数方法，旨在提高产量预测的准确性	提出了一种飞行机器人系统(FRS)用于自主检测和计数苹果，并比较了两种神经网络模型的性能	论文中未提及具体的环境和光照条件对模型性能的影响	提高苹果产量预测的准确性	使用自定义数据集和深度学习模型检测和计数苹果	计算机视觉	NA	深度学习，卷积神经网络(CNN)	SSD Mobilenet 和 Faster R-CNN	图像	4000张苹果图像
126	2024-08-05	Adaptively Lightweight Spatiotemporal Information-Extraction-Operator-Based DL Method for Aero-Engine RUL Prediction 2023-Jul-05, Sensors (Basel, Switzerland) DOI:10.3390/s23136163 PMID:37448012	研究论文	提出了一种名为Involution GRU的轻量级自适应时空信息提取操作符，用于预测航空发动机的剩余使用寿命（RUL）	创新性地引入了自适应特征提取操作符，改善了现有模型的复杂性和自适应性	NA	提高航空发动机RUL预测的准确性和性能	航空发动机的剩余使用寿命	机器学习	NA	深度学习	Inv-GRU	多种原始数据	使用C-MAPSS数据集进行比较实验
127	2024-08-07	Development of deep learning model and evaluation in real clinical practice of lingual mandibular bone depression (Stafne cyst) on panoramic radiographs 2023-Jul, Dento maxillo facial radiology DOI:10.1259/dmfr.20220413 PMID:37192044	研究论文	本研究旨在开发一种深度学习模型，用于全景X光片上舌侧下颌骨凹陷（Stafne囊肿）与真正病理性放射透光性囊肿或肿瘤的全自动鉴别诊断，并评估该模型在实际临床实践中的表现	本研究开发了一种使用EfficientDet算法的深度学习模型，能够自动区分舌侧下颌骨凹陷与真正需要治疗的病理性放射透光性病变	NA	开发并评估一种深度学习模型，用于全景X光片上舌侧下颌骨凹陷与真正病理性放射透光性病变的自动鉴别诊断	舌侧下颌骨凹陷（Stafne囊肿）与真正病理性放射透光性囊肿或肿瘤	计算机视觉	NA	EfficientDet算法	深度学习模型	图像	训练和验证数据集包含443张图像，测试数据集包含1500张图像
128	2024-08-07	Deep learning microstructure estimation of developing brains from diffusion MRI: a newborn and fetal study 2023-Jul-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.01.547351 PMID:37425859	研究论文	本文提出一种深度学习方法，通过仅有的六个扩散加权测量数据来估计新生儿和胎儿大脑的纤维方向分布函数（FOD）	使用深度学习方法，通过显著减少的测量数据，实现了与传统方法相媲美或更优的结果	强调了扩散磁共振成像在分析发育中大脑微观结构时的内在局限性	克服标准FOD计算方法在新生儿和胎儿大脑微观结构估计中的限制	新生儿和胎儿的大脑白质微观结构	计算机视觉	NA	扩散加权磁共振成像（dMRI）	深度学习模型	图像	两个临床数据集的新生儿和胎儿
129	2024-08-07	Assessment of Parafoveal Diabetic Macular Ischemia on Optical Coherence Tomography Angiography Images to Predict Diabetic Retinal Disease Progression and Visual Acuity Deterioration 2023-07-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2023.1821 PMID:37227703	研究论文	本研究使用光学相干断层扫描血管成像（OCTA）图像上的糖尿病黄斑缺血（DMI）评估，预测糖尿病视网膜疾病进展和视力恶化	提出了一种基于OCTA图像的自动化二元DMI算法，用于预测糖尿病视网膜病变（DR）的进展、糖尿病黄斑水肿（DME）的发展和视力恶化	NA	探讨基于OCTA图像的自动化DMI算法对糖尿病视网膜病变进展、糖尿病黄斑水肿发展和视力恶化的预测价值	糖尿病患者	数字病理学	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	深度学习算法	图像	321只眼，来自178名患者
130	2024-08-07	MPI-VGAE: protein-metabolite enzymatic reaction link learning by variational graph autoencoders 2023-07-20, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad189 PMID:37225420	研究论文	本研究开发了一种基于变分图自编码器（VGAE）的框架MPI-VGAE，用于在十种生物的基因组规模异构酶促反应网络中预测代谢物-蛋白质相互作用（MPI）	MPI-VGAE框架首次应用于酶促反应链接预测，并在重建数百条代谢途径、功能性酶促反应网络和代谢物-代谢物相互作用网络时表现出最稳健的性能	NA	探索代谢物和蛋白质在细胞过程中的机制功能，理解疾病的病因	代谢物-蛋白质相互作用及酶促反应链接	机器学习	阿尔茨海默病，结直肠癌	变分图自编码器（VGAE）	VGAE	网络数据	涉及十种生物的基因组规模异构酶促反应网络
131	2024-08-07	Nextflow Pipeline for Visium and H&E Data from Patient-Derived Xenograft Samples 2023-Jul-30, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.27.550727 PMID:37546876	研究论文	开发了一个自动化数据处理管道，用于量化来自患者来源异种移植样本的Visium空间转录组学数据和匹配的苏木精和伊红（H&E）染色图像	该管道能够使用Xenome进行读数去卷积，使用Space Ranger量化宿主和移植物种的空间基因表达，提取B等位基因频率，并使用Velocyto进行剪接量化。此外，还生成了与Visium点互补的形态学和深度学习衍生特征量化，实现多模态H&E/表达比较	NA	设计一个基于Nextflow DSL2的管道，用于同时处理10x Genomics Visium空间转录组学数据和匹配的H&E染色全切片图像，优化用于患者来源异种移植（PDX）癌症标本	患者来源异种移植（PDX）癌症标本	数字病理学	NA	Visium空间转录组学, H&E染色	NA	图像, 基因表达数据	四个黑色素瘤PDX样本
132	2024-08-07	Enhanced cell segmentation with limited annotated data using generative adversarial networks 2023-Jul-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.26.550715 PMID:37546774	研究论文	本文提出了一种基于定制CycleGAN架构的细胞分割模型，用于在有限标注细胞图像数据的情况下增强细胞分割效果	利用CycleGAN生成具有真实细胞形态细节和细微差别的合成图像，增加了训练数据的多样性并提高了合成样本的真实性，从而提升了细胞分割模型的预测准确性和鲁棒性	NA	解决显微镜成像中标注数据稀缺的问题，加速细胞分割基础模型的发展	细胞分割模型	计算机视觉	NA	生成对抗网络(GAN)	CycleGAN	图像	有限标注的细胞图像
133	2024-08-07	Extracting social determinants of health from clinical note text with classification and sequence-to-sequence approaches 2023-07-19, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad071 PMID:37100768	研究论文	本文通过分类和序列到序列方法从临床笔记文本中提取健康社会决定因素（SDOH）	提出了两种不同的深度学习模型，分别采用分类和序列到序列（seq2seq）方法，以高准确度从临床文本中提取SDOH	模型在新医疗机构的文本上准确度下降，泛化性有待未来研究	从临床文本中提取健康社会决定因素（SDOH）	临床文本中的健康社会决定因素（SDOH）	自然语言处理	NA	深度学习	分类模型和序列到序列模型	文本	使用了来自MIMIC-III语料库、社会历史标注语料库和内部语料库的标注和未标注数据
134	2024-08-07	Development and Verification of Time-Series Deep Learning for Drug-Induced Liver Injury Detection in Patients Taking Angiotensin II Receptor Blockers: A Multicenter Distributed Research Network Approach 2023-Jul, Healthcare informatics research IF:2.3Q3 DOI:10.4258/hir.2023.29.3.246 PMID:37591680	研究论文	本研究开发并验证了一种基于多中心、多模型的时序深度学习模型，用于预测服用血管紧张素II受体阻滞剂（ARBs）患者的药物性肝损伤（DILI）	采用多中心分布式研究网络方法，利用韩国六家医院的电子健康记录（EHRs），开发了一种可解释的时序模型，用于分析DILI的发生率和相关变量的时间模式	NA	开发并验证一种用于预测服用ARBs患者DILI的时序深度学习模型	服用血管紧张素II受体阻滞剂（ARBs）的患者及其药物性肝损伤（DILI）	机器学习	肝损伤	深度学习	时序分类模型	电子健康记录（EHRs）	10,852名患者
135	2024-08-07	Interpretable deep learning for improving cancer patient survival based on personal transcriptomes 2023-07-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-38429-7 PMID:37443344	研究论文	本文开发了一种可解释的神经网络模型，用于基于药物处方和个人转录组数据预测癌症患者的生存率	该模型能够通过分析个人转录组数据和药物处方，提高癌症患者的生存预测准确性，并揭示决策过程中的关键通路	NA	提高癌症患者的生存预测准确性并揭示药物选择的关键通路	癌症患者的生存率和药物选择	机器学习	癌症	深度学习	神经网络	转录组数据	涉及的患者数量未明确提及