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
101	2024-08-04	Predicting Visual Field Worsening with Longitudinal OCT Data Using a Gated Transformer Network 2023-08, Ophthalmology IF:13.1Q1 DOI:10.1016/j.ophtha.2023.03.019 PMID:37003520	研究论文	本研究旨在利用门控变换网络(GTN)从纵向OCT数据中识别视野恶化。	该研究引入了一种新方法，通过多种标准定义视野恶化，并使用GTN进行预测。	对于基线更严重的青光眼患者，GTN的性能较差。	研究的目的是通过分析OCT数据预测视野恶化。	研究对象为4211只眼睛的纵向OCT数据和视野结果。	数字病理学	青光眼	OCT	门控变换网络(GTN)	眼部扫描数据	4211只眼睛（2666名患者）
102	2024-08-04	Uncertainty aware training to improve deep learning model calibration for classification of cardiac MR images 2023-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102861 PMID:37327613	研究论文	本文研究了如何通过不确定性感知训练提高心脏MR图像分类模型的校准能力。	提出了三种新颖的不确定性感知训练策略，并与两种最新的方法进行了比较，强调了更好的模型校准。	使用不同的校准指标时，最优模型之间缺乏一致性。	研究旨在提高人工智能分类模型在临床决策支持中的可靠性。	研究对象为心脏再同步治疗响应预测和冠状动脉疾病诊断。	计算机视觉	心血管疾病	心脏磁共振成像（CMR）	信心加权方法	图像	NA
103	2024-08-05	The Use of Artificial Intelligence for Detecting and Predicting Atrial Arrhythmias Post Catheter Ablation 2023-Aug, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2408215 PMID:39076714	评论	这篇文章探讨了人工智能在导管消融后检测和预测心房性心律失常的应用	文章创新地聚焦于心房颤动以外的心房扑动和心房性心动过速的AI研究	目前的AI研究主要集中在心房颤动，心房扑动和心房性心动过速的研究相对较少	研究旨在探讨AI算法与心电生理特征、影像数据、风险评分计算器和临床变量结合预测心律失常	主要关注心房颤动、心房扑动和心房性心动过速的心律失常	自然语言处理	心血管疾病	人工智能	机器学习和深度学习	影像数据和临床变量	NA
104	2024-08-05	A deep learning framework to scale linear facial measurements to actual size using horizontal visible iris diameter: a study on an Iranian population 2023-08-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-40839-6 PMID:37612309	研究论文	本研究开发了一种深度学习工具，通过虹膜直径对人脸图像进行线性测量的校准	提出使用虹膜的水平可见直径作为自动校正图像放大比例的参考标志	研究仅在伊朗人群中进行，可能无法推广到其他种群	旨在提高面部图像测量的精度以支持临床评估	研究对象为94名受试者的面部图像	计算机视觉	NA	深度学习	NA	图像	94个受试者
105	2024-08-05	Unlocking the Potential: Predicting Redox Behavior of Organic Molecules, from Linear Fits to Neural Networks 2023-Aug-08, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.3c00355 PMID:37463673	综述	本文讨论了有机分子的还原和氧化电位预测的现代技术	探讨了从线性拟合到神经网络的不同预测方法，超越常规的第一性原理计算和热力学循环	未详细讨论每种方法的适用范围和具体局限性	研究有机分子的还原氧化行为预测方法	还原活性有机分子及其在不同应用中的表现	化学	NA	机器学习	神经网络	数据集	目前可用的还原活性有机分子数据集及其实验和计算性质
106	2024-08-05	Enhancing Opioid Bioactivity Predictions through Integration of Ligand-Based and Structure-Based Drug Discovery Strategies with Transfer and Deep Learning Techniques 2023-Aug-07, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.04.552065 PMID:37609329	研究论文	本文探讨了通过结合基于配体和基于结构的药物发现策略与迁移和深度学习技术来提高阿片类生物活性预测的有效性	创新点在于使用结合的分子描述符构建稳健的深度学习模型，以提升阿片类配体在各个OR亚型上的生物活性预测	研究可能面临样本不足以实现充分预测性能的问题	旨在发现更好的阿片类药物以降低成瘾潜力	研究对象为阿片受体（OR）亚家族中的配体	计算机视觉	NA	深度学习	NA	分子描述符	NA
107	2024-08-05	Osteoarthritis year in review 2022: imaging 2023-08, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2023.03.005 PMID:36924919	综述	这篇叙述性综述总结了2021年4月1日至2022年3月31日间关于骨关节炎（OA）成像的原创研究	文章重点强调了人工智能在OA成像应用中的加速发展，特别是在预测模型的开发和小梁纹理分析中的应用	仅考虑了英文的在体人类研究，未涉及其他语言或动物研究	阐述与骨关节炎成像相关的研究进展	关注膝关节、髋关节和手关节等不同关节的成像研究	数字病理学	骨关节炎	磁共振成像/MRI	人工智能/AI	成像	NA
108	2024-08-05	EASL: A Framework for Designing, Implementing, and Evaluating ML Solutions in Clinical Healthcare Settings 2023-Aug, Proceedings of machine learning research PMID:38988337	研究论文	我们介绍了解释性分析系统实验室(EASL)框架，这是一种用于临床机器学习工具开发、实施和评估的端到端解决方案	EASL框架集成了模型开发、实施和评估的资源，为临床环境中的机器学习应用提供全面支持	NA	本研究旨在促进临床机器学习工具的开发与评估	设计和评估医学影像的深度学习分类器	机器学习	NA	深度学习	NA	医学影像	NA
109	2024-08-05	Application of multiple deep learning models for automatic burn wound assessment 2023-Aug, Burns : journal of the International Society for Burn Injuries IF:3.2Q1 DOI:10.1016/j.burns.2022.07.006 PMID:35945064	研究论文	本文提出了一种基于多种深度学习模型的烧伤伤口自动评估系统	引入边界基础和区域基础标签方法及多个强大的深度学习模型进行烧伤面积评估	未提及具体的局限性	提高烧伤伤口的评估准确性，特别是总体表面积和深层烧伤区域的分割	涉及4991张早期烧伤图像和1050张手掌图像	计算机视觉	NA	深度学习	U-Net, PSPNet, DeeplabV3+, Mask R-CNN	图像	4991张早期烧伤图像和1050张手掌图像
110	2024-08-05	Evaluating the ecological vulnerability of Chongqing using deep learning 2023-Aug, Environmental science and pollution research international DOI:10.1007/s11356-023-28032-8 PMID:37407859	研究论文	本研究利用深度学习评估重庆的生态脆弱性并生成脆弱性地图	使用深度学习方法评估生态脆弱性，并生成支持生态环境保护和治理决策的脆弱性地图	虽然研究区域整体脆弱性不高，但主要生态问题仍需未来的生态保护和管理措施来解决	评估重庆地区的生态脆弱性	重庆地区的生态脆弱性及影响因素	自然语言处理	NA	深度神经网络（DNN）、卷积神经网络（CNN）	CNN、DNN	地图、因素	选择了16个影响生态脆弱性的因素
111	2024-08-05	SwarmDeepSurv: swarm intelligence advances deep survival network for prognostic radiomics signatures in four solid cancers 2023-Aug-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100777 PMID:37602223	研究论文	本文提出了一种新方法SwarmDeepSurv，用于在四种实体肿瘤中进行预后放射组学特征的研究	SwarmDeepSurv结合了群体智能算法与深度生存模型，优化了预后预测并选择了不同的特征	未提及明显的局限性	研究生物标志物与治疗效果之间的关系	四种不同类型的癌症样本	机器学习	NA	深度学习	NA	多中心数据	1,058 个样本
112	2024-08-05	Identifying Mitral Valve Prolapse at Risk for Arrhythmias and Fibrosis From Electrocardiograms Using Deep Learning 2023-Aug, JACC. Advances DOI:10.1016/j.jacadv.2023.100446 PMID:37936601	研究论文	本文利用深度学习分析心电图识别有心律失常和纤维化风险的二尖瓣脱垂患者	该研究采用卷积神经网络（CNN）分析12导联心电图，能够识别出有心律失常和死亡风险的二尖瓣脱垂患者，并发现与心律失常风险相关的新型心电图表现	本文未详细讨论心电图预测的临床应用和长期跟踪的具体实施方案	评估基于心电图的机器学习能否识别风险较高的二尖瓣脱垂患者	569名来自加州大学旧金山分校的二尖瓣脱垂患者以及与之相关的心电图数据	机器学习	心脏病	深度学习	卷积神经网络（CNN）	心电图	6916个12导联心电图，来自569名患者
113	2024-08-05	Automated detection and localization of pericardial effusion from point-of-care cardiac ultrasound examination 2023-Aug, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-023-02855-6 PMID:37243852	研究论文	本研究开发了一种深度学习方法，以快速准确地识别和定位心包积液。	引入了基于YoloV3算法的深度学习方法，显著提高了心包积液检测的准确性和定位能力。	未提及关于算法在不同设备或操作员技能水平上的广泛适用性限制。	旨在提高心包积液在临床超声检查中的识别和定位效率。	对包含心包积液的病人以及对照组的心脏超声检查图像进行分析。	数字病理学	心脏疾病	POCUS	YoloV3	图像	共分析了37个心包积液病例和39个阴性对照
114	2024-08-05	RelCurator: a text mining-based curation system for extracting gene-phenotype relationships specific to neurodegenerative disorders 2023-08, Genes & genomics IF:1.6Q3 DOI:10.1007/s13258-023-01405-6 PMID:37300788	研究论文	该文章提出了一个文本挖掘基础的Curator系统，旨在提取与神经退行性疾病相关的基因-表型关系的句子	本研究的创新点在于使用双向门控递归单元网络和BioWordVec词嵌入，开发了一种深度学习模型来预测基因-表型关系	未提及特定限制	旨在从医学文献中提取基因-表型关系，以支持精准医学	研究对象为与神经退行性疾病相关的基因和表型实体	自然语言处理	神经退行性疾病	深度学习	双向门控递归单元网络 (BiGRU)	文本	超过130,000个标记的PubMed句子
115	2024-08-05	Automatic retinoblastoma screening and surveillance using deep learning 2023-08, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-023-02320-z PMID:37344582	研究论文	本文研究了一种基于深度学习的视网膜母细胞瘤自动筛查和监测方法	提出了一种深度学习算法DLA-RB，能够准确区分正常眼底、稳定视网膜母细胞瘤和主动视网膜母细胞瘤	目前样本集中仅包括在北京同仁医院就诊的患者，可能影响结果的普遍适用性	旨在应用深度学习算法降低随访和后代筛查的负担	视网膜母细胞瘤患者及其相关影像数据	计算机视觉	视网膜母细胞瘤	深度学习	深度学习助手(DLA-RB)	图像	共收集了36623张图像和103名患者的139只眼睛
116	2024-08-05	Clinical concept and relation extraction using prompt-based machine reading comprehension 2023-08-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad107 PMID:37316988	研究论文	开发了一种自然语言处理系统，用于临床概念提取和关系提取	提出了一种统一的基于提示的机器阅读理解架构，具有良好的跨机构应用的通用性	NA	解决临床概念提取和关系提取的问题	临床概念和社交决定健康关系的提取	自然语言处理	NA	机器阅读理解（MRC）	变压器模型	文本	使用了两个基准数据集（药物和不良药物事件；健康的社会决定因素关系）
117	2024-08-05	A Novel ECG-Based Deep Learning Algorithm to Predict Cardiomyopathy in Patients With Premature Ventricular Complexes 2023-08, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2023.05.025 PMID:37480862	研究论文	本研究开发了一种深度学习算法，从12导联心电图中预测早期心室复合体患者的心肌病	本研究创新性地使用深度学习方法来预测PVC导致的心肌病，并表明该模型能够独立于PVC负担进行准确预测	本研究的一项限制是仅在一个医院进行内部训练和测试，外部验证也只在其他几家医院进行	该研究旨在通过深度学习模型预测PVC患者中的心肌病	研究对象为有记录的早期心室复合体患者，涉及383,514个心电图样本	机器学习	心血管疾病	深度学习	多变量Cox模型	心电图	14,241个样本
118	2024-08-05	Using deep learning to automatically generate design starting points for free-form imaging optical systems: retraction 2023-08-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.492842 PMID:37706939	更正	该文章已被作者撤回	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
119	2024-08-05	A Deep Learning Approach for Histology-Based Nucleus Segmentation and Tumor Microenvironment Characterization 2023-08, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100196 PMID:37100227	研究论文	本文提出了一种基于组织学的深度学习方法，用于细胞核分割和肿瘤微环境特征描述	提出了一种名为HD-Yolo的新方法，显著加快了细胞核分割和肿瘤微环境定量的处理速度	现有算法计算密集且耗时，对于全切片图像分析不够高效	研究肿瘤组织及其周围微环境，以提供肿瘤发生、发展和转移的关键见解	针对不同类型的肿瘤组织进行细胞核识别和分类	数字病理学	肺癌、肝癌和乳腺癌	深度学习	Yolo	图像	3种不同组织类型的样本，分别用于肺癌、肝癌和乳腺癌
120	2024-08-05	Mapping the Spatial Extent of Hypoperfusion in Chronic Thromboembolic Pulmonary Hypertension Using Multienergy CT 2023-Aug, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.220221 PMID:37693197	研究论文	本研究评估了一种新型自动化方法，以在多能CT血管造影中空间描绘和量化慢性血栓栓塞性肺动脉高压（CTEPH）中的低灌注程度	提出了一种利用多能CT影像自动识别和定量低灌注区域的新方法	本研究为回顾性分析，样本量有限，可能影响结果的普遍适用性	旨在评估通过多能CT影像量化低灌注区域能否帮助评估CTEPH的疾病严重程度	51名CTEPH患者与110名无肺血管异常影像的健康对照	数字病理学	慢性血栓栓塞性肺动脉高压	多能CT	深度学习	影像	51名CTEPH患者与110名健康对照