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
41	2024-09-27	Clinical Validation Benchmark Dataset and Expert Performance Baseline for Colorectal Polyp Localization Methods 2023-Aug-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9090167 PMID:37754931	研究论文	本文介绍了一个用于结直肠息肉定位方法临床验证的基准数据集和专家表现基线	首次在实验室环境中提供了一个标准化的比较方法，以便在临床验证之前评估人工智能和深度学习方法的表现	数据集仅包含65张未编辑的内镜图像，可能不足以全面评估所有情况	验证人工智能和深度学习方法在结直肠息肉定位中的表现，并建立专家表现的基线	结直肠息肉定位方法的表现	计算机视觉	结直肠癌	深度学习	NA	图像	65张内镜图像，其中三分之一包含病变
42	2024-09-27	WindowSHAP: An efficient framework for explaining time-series classifiers based on Shapley values 2023-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104438 PMID:37414368	研究论文	本文介绍了一种名为WindowSHAP的高效框架，用于基于Shapley值解释时间序列分类器	提出了WindowSHAP框架，通过将序列划分为时间窗口来减轻计算Shapley值的复杂性，并提高解释质量	NA	旨在解决现有方法在解释时间序列模型时存在的计算复杂性和解释质量问题	时间序列分类器及其在临床应用中的解释	机器学习	创伤性脑损伤，重症监护医学	Shapley值	NA	时间序列数据	120个时间步长（小时）
43	2024-09-27	DuSFE: Dual-Channel Squeeze-Fusion-Excitation co-attention for cross-modality registration of cardiac SPECT and CT 2023-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102840 PMID:37216735	研究论文	本文提出了一种新的双通道挤压-融合-激励（DuSFE）共注意力模块，用于心脏SPECT和CT衍生的μ-maps的跨模态刚性配准	本文首次研究了基于深度学习的心脏SPECT和CT衍生的μ-maps的跨模态配准，并提出了一种新的DuSFE共注意力模块，能够更好地提取和融合输入信息	NA	提高心脏SPECT和CT衍生的μ-maps的跨模态配准精度，从而改善心脏SPECT图像的衰减校正效果	心脏SPECT和CT衍生的μ-maps	计算机视觉	心血管疾病	深度学习	CNN	图像	临床患者MPI研究
44	2024-09-27	Pulmonary contusion: automated deep learning-based quantitative visualization 2023-Aug, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-023-02149-2 PMID:37318609	研究论文	研究利用深度学习模型自动量化肺挫伤，并评估其与急性呼吸窘迫综合征（ARDS）等临床结果的关系	首次使用深度学习模型（nnU-Net）自动量化肺挫伤，并将其与临床结果相关联	研究为回顾性分析，样本量相对较小，且未考虑所有可能的临床变量	开发和验证一种基于深度学习的自动化方法，用于量化肺挫伤并预测ARDS风险	肺挫伤患者及其临床结果	数字病理学	肺部疾病	深度学习	nnU-Net	图像	302名成年肺挫伤患者
45	2024-09-27	Comprehensive assessment of the anterior segment in refraction corrected OCT based on multitask learning 2023-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.493065 PMID:37799701	研究论文	提出了一种基于多任务学习的全自动深度学习方法，用于前段OCT图像中主要结构的分割和量化，并进行了屈光校正	首次提出了一种多任务深度学习方法，能够同时分割和量化前段结构，并进行屈光校正	仅使用了1251张AS-OCT图像进行训练和测试，样本量相对较小	开发一种能够识别所有重要前段结构的方法，以辅助临床诊断	前段OCT图像中的虹膜、晶状体、角膜、ICL和IOL等结构	计算机视觉	NA	多任务深度学习	深度学习网络	图像	1251张AS-OCT图像，来自180名患者
46	2024-09-27	Feasibility of deep learning-based polarization-sensitive optical coherence tomography angiography for imaging cutaneous microvasculature 2023-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.488822 PMID:37799704	研究论文	研究了基于深度学习的偏振敏感光学相干断层扫描血管造影术（PS-OCTA）在成像皮肤微血管中的可行性	提出了将深度学习与PS-OCT集成的方法，并评估了两种神经网络（RDN和GRDN）在PS-OCTA中的表现	研究仅限于18个皮肤位置的PS-OCT扫描，样本量较小	探讨深度学习在PS-OCTA成像皮肤微血管中的应用潜力	皮肤微血管的成像	计算机视觉	NA	偏振敏感光学相干断层扫描（PS-OCT）	残差密集网络（RDN）和升级的分组RDN（GRDN）	图像	18个皮肤位置，包含16,600对B扫描图像
47	2024-09-27	Persistent topological Laplacian analysis of SARS-CoV-2 variants 2023-Aug, Journal of computational biophysics and chemistry IF:2.0Q3 DOI:10.1142/s2737416523500278 PMID:37829318	研究论文	本文研究了持久拓扑拉普拉斯（PTLs）在分析SARS-CoV-2变种刺突受体结合域（RBD）蛋白质结构变化中的建模和分析能力	提出了持久拓扑拉普拉斯（PTLs）作为一种新的拓扑数据分析工具，用于克服持久同调的局限性，并展示了其在蛋白质结构变化分析中的优势	NA	探讨持久拓扑拉普拉斯在分析SARS-CoV-2变种蛋白质结构变化中的应用	SARS-CoV-2变种的刺突受体结合域（RBD）及其与血管紧张素转换酶2（ACE2）的结合结构变化	数据科学	NA	持久拓扑拉普拉斯（PTLs）	NA	蛋白质结构数据	多种SARS-CoV-2变种及其计算生成的RBD结构
48	2024-09-26	Predicting Individual Patient Platelet Demand in a Large Tertiary Care Hospital Using Machine Learning 2023-Aug, Transfusion medicine and hemotherapy : offizielles Organ der Deutschen Gesellschaft fur Transfusionsmedizin und Immunhamatologie IF:1.9Q4 DOI:10.1159/000528428 PMID:37767277	研究论文	本文研究了使用机器学习方法预测大型三级医院中单个患者的血小板需求	本文首次引入了基于AI的患者个体血小板需求预测方法	模型的敏感性表现不佳，需要进一步改进	评估多模态数据以预测患者在3天内的血小板输注需求	25,190名患者的数据，包括血小板输注数量、血小板计数、药物、急性血小板疾病、手术、年龄、性别和住院时间	机器学习	NA	机器学习	NA	多模态数据	25,190名患者（42%女性，58%男性）
49	2024-09-25	Unleashing the Power of Artificial Intelligence in Materials Design 2023-Aug-30, Materials (Basel, Switzerland) DOI:10.3390/ma16175927 PMID:37687620	研究论文	本文探讨了人工智能算法在材料设计中的应用，展示了其在预测材料性能、设计新型材料和发现新机制方面的潜力	本文介绍了人工智能在材料设计中的创新应用，包括机器学习、深度学习和材料信息学工具，这些方法能够从大量数据中提取有意义的信息，揭示材料属性、结构和成分之间的复杂关联	NA	本文旨在展示人工智能在材料设计中的应用，加速和丰富新材料发现的过程	本文研究的对象是人工智能算法在材料设计中的应用，特别是机器学习、深度学习和材料信息学工具	机器学习	NA	机器学习、深度学习、材料信息学	NA	材料属性、结构和成分的数据	NA
50	2024-09-25	Deep Learning and Geometry Flow Vector Using Estimating Vehicle Cuboid Technology in a Monovision Environment 2023-Aug-29, Sensors (Basel, Switzerland) DOI:10.3390/s23177504 PMID:37687960	研究论文	本研究提出了一种利用单目视觉传感器和道路几何信息准确估计道路车辆长方体的新模型	该模型通过利用对象检测模型和核心向量，克服了多传感器设置的局限性，提供了一种成本效益高的解决方案	NA	提供一种实用且高效的3D边界框估计方法	道路车辆的长方体估计	计算机视觉	NA	NA	NA	图像	通过CCTV摄像头捕获的真实道路图像进行验证
51	2024-09-25	Hybrid Fusion of High-Resolution and Ultra-Widefield OCTA Acquisitions for the Automatic Diagnosis of Diabetic Retinopathy 2023-Aug-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13172770 PMID:37685306	研究论文	本研究评估了一种深度学习算法，用于使用高分辨率和超广角OCTA自动评估糖尿病视网膜病变的严重程度	本研究提出了一种新颖的深度学习算法，采用独特的混合融合框架，结合了高分辨率和超广角OCTA的结构和血流信息	本研究仅使用了PLEX®Elite 9000设备的数据，未来需要扩展数据集并整合其他成像模式	本研究的目的是开发一种自动评估糖尿病视网膜病变严重程度的深度学习算法	本研究的对象是糖尿病视网膜病变患者	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管造影（OCTA）	深度学习算法	图像	875只眼睛，444名患者用于训练；53名患者（97只眼睛）用于测试
52	2024-09-25	A New Weighted Deep Learning Feature Using Particle Swarm and Ant Lion Optimization for Cervical Cancer Diagnosis on Pap Smear Images 2023-Aug-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13172762 PMID:37685299	研究论文	本文提出了一种新的加权深度学习特征，结合粒子群优化和蚁狮优化算法，用于宫颈癌的诊断	本文创新性地将整个细胞、细胞质区域或仅核区域分为七类宫颈癌，并使用新的进化算法进行特征优化	结果的进一步提升需要大量数据的支持	提高宫颈癌早期检测的准确性	宫颈癌的诊断	计算机视觉	宫颈癌	卷积神经网络	支持向量机分类器和随机森林分类器	图像	NA
53	2024-09-25	A Systematic Review on Deep Structured Learning for COVID-19 Screening Using Chest CT from 2020 to 2022 2023-Aug-24, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare11172388 PMID:37685422	综述	本文综述了2020年至2022年间使用胸部CT进行COVID-19筛查的深度结构学习方法	探讨了AI在COVID-19筛查中的应用，涵盖了数据收集、系统贡献、新兴技术和挑战	由于数据集规模随时间变化，难以比较2020年和2022年的结果	评估深度学习算法在COVID-19筛查中的有效性	COVID-19的检测、定位和分割	计算机视觉	COVID-19	深度学习	NA	图像	231篇研究论文
54	2024-09-25	iCircDA-NEAE: Accelerated attribute network embedding and dynamic convolutional autoencoder for circRNA-disease associations prediction 2023-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011344 PMID:37651321	研究论文	提出了一种名为iCircDA-NEAE的新型深度学习模型，用于预测circRNA与疾病之间的关联	首次同时使用疾病语义相似性、高斯交互轮廓核、circRNA表达谱相似性和Jaccard相似性，并基于加速属性网络嵌入和动态卷积自编码器提取隐藏特征	现有方法在数据中未充分利用生物信息，且提取的特征不足以代表circRNA与疾病之间的关联特征	开发一种新的深度学习模型，以提高circRNA与疾病关联预测的准确性	circRNA与疾病之间的关联	机器学习	NA	深度学习	卷积神经网络	生物信息数据	circR2Disease数据集
55	2024-09-23	A ligand-receptor interactome atlas of the zebrafish 2023-Aug-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2023.107309 PMID:37539027	研究论文	本文构建了一个斑马鱼的配体-受体相互作用图谱，并提供了相关的R和Python脚本资源	本文的创新点在于结合了斑马鱼蛋白质组的物理相互作用数据和现有的人类配体-受体对数据库，构建了一个全面的斑马鱼配体-受体相互作用图谱	本文的局限性在于依赖于预测的细胞定位数据，可能存在一定的不确定性	本文的研究目的是填补斑马鱼蛋白质组注释的空白，揭示细胞间通信的功能，并识别新的靶向药物	本文的研究对象是斑马鱼的配体、受体及其相互作用网络	生物信息学	NA	深度学习算法	NA	蛋白质组数据	NA
56	2024-09-23	3D cine-magnetic resonance imaging using spatial and temporal implicit neural representation learning (STINR-MR) 2023-Aug-18, ArXiv PMID:37645038	研究论文	提出了一种基于机器学习的框架STINR-MR，用于从高度欠采样的数据中准确重建3D cine-MRI图像	STINR-MR通过联合重建和形变配准方法，解决了时空重建问题，并实现了高加速因子	NA	开发一种准确重建3D cine-MRI图像的机器学习框架	3D cine-MRI图像的重建	计算机视觉	NA	隐式神经表示学习	隐式神经表示网络	图像	使用4D扩展心脏-躯干(XCAT)数字幻影模拟数据和临床采集的健康人类受试者数据进行评估
57	2024-09-23	Whole genome deconvolution unveils Alzheimer's resilient epigenetic signature 2023-08-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-40611-4 PMID:37587197	研究论文	开发了一种名为Cellformer的深度学习方法，用于将批量ATAC-seq数据解卷积为细胞类型特异性表达，揭示了阿尔茨海默病中具有抗性的细胞类型特异性基因调控机制	提出了Cellformer方法，能够将批量ATAC-seq数据解卷积为细胞类型特异性表达，从而揭示阿尔茨海默病中的细胞类型特异性基因调控机制	NA	揭示阿尔茨海默病中具有抗性的细胞类型特异性基因调控机制	阿尔茨海默病中具有抗性的细胞类型特异性基因调控机制	机器学习	阿尔茨海默病	ATAC-seq	深度学习	基因组数据	191个来自3个脑区的批量样本
58	2024-09-23	Deep learning for obstructive sleep apnea diagnosis based on single channel oximetry 2023-08-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-40604-3 PMID:37573327	研究论文	本文开发并评估了一种基于单通道血氧仪信号的深度学习模型OxiNet，用于阻塞性睡眠呼吸暂停（OSA）的诊断	OxiNet模型在诊断OSA方面表现优异，漏诊率仅为0.2%，远低于最佳基准的21%	研究为回顾性研究，且未提及模型的泛化能力和长期性能	开发一种基于单通道血氧仪信号的深度学习模型，用于提高OSA的诊断准确性	阻塞性睡眠呼吸暂停（OSA）的诊断	机器学习	呼吸系统疾病	深度学习	OxiNet	信号	12,923个多导睡眠图记录
59	2024-09-23	Toward MR protocol-agnostic, bias-corrected brain age predicted from clinical-grade MRIs 2023-Aug-11, Research square DOI:10.21203/rs.3.rs-3229072/v1 PMID:37609150	研究论文	本文提出了一种不受磁共振成像协议限制、能够从临床级MRI中预测大脑年龄并进行偏差校正的方法	采用双重迁移学习方法，开发了一种对模态、分辨率或切片方向不敏感的大脑年龄模型，并引入了偏差校正层	NA	开发一种适用于临床级MRI的大脑年龄预测模型，以促进个性化医学	大脑年龄预测及其偏差校正	计算机视觉	NA	磁共振成像 (MRI)	卷积神经网络 (CNN)	图像	6224例临床MRI，来自1540名患者，使用8台扫描仪，分布在15个以上设施中
60	2024-09-23	Prediction of Ovarian Cancer Response to Therapy Based on Deep Learning Analysis of Histopathology Images 2023-Aug-10, Cancers IF:4.5Q1 DOI:10.3390/cancers15164044 PMID:37627071	研究论文	本研究利用深度学习神经网络框架分析病理图像，预测卵巢癌对化疗的敏感性	开发了一种基于Inception V3深度学习算法的方法，用于预测卵巢癌对标准铂类治疗的反应	需要进一步研究以验证初步结果，并扩展到其他癌症类型和成像模式	通过深度学习分析病理图像，预测卵巢癌对化疗的敏感性，以实现精准医学研究的目标	高级别浆液性卵巢癌的病理图像	数字病理学	卵巢癌	深度学习	Inception V3卷积神经网络	图像	248名患有2至4期浆液性卵巢癌的患者