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
141	2024-09-23	Deep learning-based subtyping of gastric cancer histology predicts clinical outcome: a multi-institutional retrospective study 2023-09, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-023-01398-x PMID:37269416	研究论文	本研究利用深度学习技术对胃癌组织学亚型进行分类，并评估其对临床预后的预测能力	本研究首次系统评估了基于深度学习的胃癌组织学亚型分类方法，并展示了其相较于传统病理学家分类方法在患者生存分层方面的优势	尽管深度学习分类在生存分层方面表现更好，但其分类准确性仍需进一步提高，且其背后的生物学机制尚未完全理解	开发和验证一种基于深度学习的胃癌组织学亚型分类器，并评估其在临床预后预测中的潜力	胃腺癌患者的组织学亚型及其临床预后	数字病理	胃癌	深度学习	基于注意力机制的多实例学习	图像	TCGA队列中166例胃癌样本，欧洲队列322例，日本队列243例
142	2024-09-23	Whole Slide Imaging-Based Prediction of TP53 Mutations Identifies an Aggressive Disease Phenotype in Prostate Cancer 2023-09-01, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-22-3113 PMID:37352385	研究论文	本文开发了一种基于全切片图像的深度学习模型TiDo，用于预测前列腺癌中的TP53突变，并识别出一种具有侵袭性的疾病表型	本文首次提出了一种基于全切片图像的深度学习模型TiDo，用于预测前列腺癌中的TP53突变，并展示了其在独立多焦点队列中的成功泛化能力	模型无法完美预测单个TP53突变的空间存在，但可以通过描绘与侵袭性疾病生物标志物相关的下游表型来阐明肿瘤的预后	开发一种基于全切片图像的深度学习模型，用于预测前列腺癌中的TP53突变，并识别出具有侵袭性的疾病表型	前列腺癌中的TP53突变及其与侵袭性疾病表型的关系	数字病理学	前列腺癌	深度学习	深度学习模型	全切片图像	独立多焦点队列中的前列腺肿瘤样本
143	2024-09-19	Explainable Convolutional Neural Networks for Brain Cancer Detection and Localisation 2023-Sep-02, Sensors (Basel, Switzerland) DOI:10.3390/s23177614 PMID:37688069	研究论文	本文提出了一种利用卷积神经网络和类激活映射进行脑癌检测和定位的方法	利用深度学习技术，特别是卷积神经网络和类激活映射，提供了解释性，突出显示与脑癌相关的医学图像区域	NA	检测和定位脑癌	脑癌	计算机视觉	脑癌	卷积神经网络	卷积神经网络	图像	3000个磁共振图像
144	2024-09-19	Deep learning architecture for 3D image super-resolution of late gadolinium enhanced cardiac MRI 2023-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.5.051808 PMID:37235130	研究论文	本文提出了一种基于3D卷积神经网络（CNN）的方法，用于提高晚期钆增强心脏MRI图像的穿透平面分辨率	本文创新性地引入了一个梯度分支，为CNN超分辨率框架提供结构指导，从而提高了图像的穿透平面分辨率和分割效果	NA	提高晚期钆增强心脏MRI图像的穿透平面分辨率，并评估其对心脏腔室3D分割的影响	晚期钆增强心脏MRI图像的穿透平面分辨率和左心房（LA）的3D分割	计算机视觉	心血管疾病	3D卷积神经网络（CNN）	CNN	3D图像	使用了2018年心房分割挑战数据集和2022年左心房和瘢痕量化与分割挑战数据集
145	2024-09-19	A lightweight CORONA-NET for COVID-19 detection in X-ray images 2023-Sep-01, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.120023 PMID:37063778	研究论文	本文提出了一种轻量级的深度学习方法CORONA-NET，用于从胸部X光图像中诊断COVID-19	结合了卷积神经网络（CNN）、离散小波变换（DWT）和长短期记忆网络（LSTM），实现了高效的COVID-19检测	NA	开发一种自动化的COVID-19检测系统，以快速诊断和阻止病毒传播	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	卷积神经网络（CNN）、离散小波变换（DWT）、长短期记忆网络（LSTM）	CNN、LSTM	图像	3000张X光图像，其中1000张为COVID-19阳性
146	2024-09-17	Deep Learning Assessment of Progression of Emphysema and Fibrotic Interstitial Lung Abnormality 2023-09-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202211-2098OC PMID:37364281	研究论文	研究使用深度学习算法评估吸烟者中肺气肿和纤维化间质性肺异常的进展及其对死亡率的影响	首次评估了吸烟者中肺气肿和纤维化间质性肺异常的联合进展及其对死亡率的影响	研究仅基于COPDGene研究中的4450名吸烟者的数据，样本量有限	定义吸烟者中纤维化间质性肺异常的临床意义进展，并评估纤维化和肺气肿进展对死亡率的影响	吸烟者中的肺气肿和纤维化间质性肺异常	计算机视觉	肺部疾病	深度学习算法	NA	CT扫描图像	4450名吸烟者
147	2024-09-15	Leveraging global binary masks for structure segmentation in medical images 2023-09-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf2e2 PMID:37607564	研究论文	本文提出了一种利用全局二值掩码进行医学图像结构分割的框架	通过利用器官解剖位置和形状信息的一致性，提出了一种基于全局二值掩码的器官分割方法，有效缓解了训练数据稀缺和图像强度变化对模型性能的影响	仅在脑部和心脏CT图像数据集上进行了验证，尚未在其他类型的医学图像上进行测试	探索利用全局二值掩码进行医学图像结构分割的有效性	脑部和心脏的CT图像	计算机视觉	NA	深度学习	U-Net	图像	脑部CT图像数据集26个训练样本，10个验证样本，10个测试样本；心脏CT图像数据集12个训练样本，3个验证样本，5个测试样本
148	2024-09-13	Proteogenomic insights suggest druggable pathways in endometrial carcinoma 2023-09-11, Cancer cell IF:48.8Q1 DOI:10.1016/j.ccell.2023.07.007 PMID:37567170	研究论文	研究通过多组学平台分析了138个子宫内膜癌肿瘤和20个正常组织样本，揭示了潜在的可药物化通路和分子影像标志物	研究首次通过多组学平台全面分析子宫内膜癌，发现了新的生物标志物和潜在的治疗靶点	研究样本量有限，需要进一步验证结果在更大规模研究中的适用性	揭示子宫内膜癌中的可药物化通路和分子影像标志物，以指导患者分层和精准治疗	子宫内膜癌肿瘤和正常组织样本	数字病理学	子宫内膜癌	多组学平台	深度学习	图像	138个肿瘤样本和20个正常组织样本
149	2024-08-31	Antigen-specific CD4+ T cells exhibit distinct transcriptional phenotypes in the lymph node and blood following vaccination in humans 2023-Sep-15, Research square DOI:10.21203/rs.3.rs-3304466/v1 PMID:37790414	研究论文	研究评估了BNT162b2 mRNA疫苗接种后，人类血液和引流淋巴结中针对SARS-CoV-2刺突蛋白的CD4 T细胞的单细胞转录组特征	使用新的深度学习方法Trex进行反向表位映射，结合单细胞TCR测序和转录组学来预测抗原特异性	NA	探讨SARS-CoV-2感染和mRNA疫苗接种后CD4 T细胞的转录组特征	人类血液和引流淋巴结中的刺突特异性CD4 T细胞	免疫学	NA	单细胞转录组学	深度学习	转录组数据	多个刺突特异性CD4 T细胞克隆型
150	2024-08-31	Deep learning-assisted diagnosis of benign and malignant parotid tumors based on contrast-enhanced CT: a multicenter study 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09568-2 PMID:37067576	研究论文	本研究开发了基于CT图像的深度学习辅助诊断模型，以帮助放射科医生区分良性和恶性腮腺肿瘤	开发的深度学习模型在预测良性和恶性腮腺肿瘤方面优于传统的支持向量机模型	NA	开发深度学习辅助诊断模型，以提高放射科医生对腮腺肿瘤的诊断性能	良性和恶性腮腺肿瘤的诊断	机器学习	腮腺肿瘤	深度学习	CNN	图像	573名经组织病理学确认的腮腺肿瘤患者
151	2024-08-30	Parking Lot Occupancy Detection with Improved MobileNetV3 2023-Sep-03, Sensors (Basel, Switzerland) DOI:10.3390/s23177642 PMID:37688098	研究论文	本研究通过优化MobileNetV3模型并结合自定义架构改进，实现了停车场车位占用状态的精确检测	引入了卷积块注意力机制和蓝图可分离卷积，相较于传统深度可分离卷积，提升了模型性能	NA	提高停车场管理系统中车位占用检测的准确性	停车场车位占用状态	计算机视觉	NA	深度学习	MobileNetV3	视频	使用CNRPark-EXT和PKLot数据集进行训练和测试
152	2024-08-30	Deep learning of image-derived measures of body composition in pediatric, adolescent, and young adult lymphoma: association with late treatment effects 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09587-z PMID:36988714	研究论文	本研究使用深度学习方法分析儿童、青少年和年轻成年淋巴瘤患者的标准护理CT图像中的身体成分测量，以评估其对治疗晚期效应的预测价值。	本研究首次将深度学习技术应用于半自动分析淋巴瘤患者的身体成分，并评估其与治疗晚期效应的关系。	研究为回顾性、单中心研究，样本量相对较小，可能影响结果的普遍性。	研究目的是将深度学习方法应用于半自动分析淋巴瘤患者的身体成分，并评估其对治疗晚期效应的预测价值。	研究对象为110名儿童、青少年和年轻成年淋巴瘤患者。	计算机视觉	淋巴瘤	深度学习	深度学习模型	图像	110名患者，260个CT图像数据集
153	2024-08-30	The effect of hepatic steatosis on liver volume determined by proton density fat fraction and deep learning-measured liver volume 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09603-2 PMID:37012546	研究论文	本研究评估了肝脂肪变性（HS）对肝脏体积的影响，并开发了一种公式来估计校正HS影响的瘦肝体积	提出了一个公式来估计校正肝脂肪变性影响的瘦肝体积	这是一个回顾性研究，样本仅包括健康的成年肝脏捐赠者	评估肝脂肪变性对肝脏体积的影响并开发校正公式	肝脂肪变性对肝脏体积的影响	NA	NA	磁共振成像（MRI），质子密度脂肪分数（PDFF）测量	深度学习算法	图像	1038名捐赠者（平均年龄31±9岁，689名男性）
154	2024-08-30	Liver PDFF estimation using a multi-decoder water-fat separation neural network with a reduced number of echoes 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09576-2 PMID:37014405	研究论文	本文提出了一种基于深度学习的多解码器水脂分离神经网络（MDWF-Net），用于从仅含3个回波的化学位移编码MRI图像中准确估计肝脏质子密度脂肪分数（PDFF）。	创新点在于使用多解码器水脂分离神经网络，通过减少回波数量来缩短MR扫描时间，同时保持PDFF估计的准确性。	NA	研究目的是通过减少回波数量，缩短MR扫描时间，同时保持肝脏PDFF估计的准确性。	研究对象是肝脏PDFF的估计，使用的是化学位移编码MRI图像。	机器学习	NA	MRI	CNN	图像	134名受试者的MRI数据用于训练，14名受试者的数据用于评估。
155	2024-08-30	Dynamic evolution of brain structural patterns in liver transplantation recipients: a longitudinal study based on 3D convolutional neuronal network model 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09604-1 PMID:37014408	研究论文	本研究评估了肝移植受者在手术前后大脑结构模式的变化，使用基于深度学习的神经解剖生物标志物进行纵向测量。	采用3D卷积神经网络模型来预测大脑年龄，并通过网络遮挡敏感性分析确定各网络在年龄预测中的重要性。	NA	评估肝移植受者大脑健康的动态演变过程。	肝移植受者的大脑结构模式。	机器学习	NA	3D卷积神经网络	3D-CNN	MRI图像	3609名健康个体和60名肝移植受者及134名对照组
156	2024-08-30	Intelligent noninvasive meningioma grading with a fully automatic segmentation using interpretable multiparametric deep learning 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09590-4 PMID:37052658	研究论文	本文建立了一种基于多参数深度学习模型的全自动无创脑膜瘤分级系统，并进行了分割	采用多参数三维U-net和ResNet构建的两阶段深度学习分级模型，结合T1C和T2图像，提高了分级和分割的准确性	NA	开发一种稳健的、可解释的多参数深度学习模型，用于自动无创脑膜瘤分级和分割	257名经病理证实的脑膜瘤患者（162例低级别，95例高级别）的脑部MRI图像	机器学习	脑膜瘤	MRI	U-net, ResNet	图像	训练集257例，验证集61例
157	2024-08-30	Risk estimation for idiopathic normal-pressure hydrocephalus: development and validation of a brain morphometry-based nomogram 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09612-1 PMID:37059905	研究论文	开发并验证了一种基于脑部形态测量的诺模图，用于预测特发性正常压力脑积水	利用深度学习技术进行脑部分割和三维体积测量，开发了一种结合高凸紧密度、胼胝体角度小于90°和标准化侧脑室体积的诺模图	NA	开发和验证一种基于MRI特征的诺模图，用于预测特发性正常压力脑积水	60岁及以上被临床诊断为特发性正常压力脑积水、帕金森病、阿尔茨海默病或健康对照的患者	NA	特发性正常压力脑积水	MRI	深度学习	图像	452名患者（平均年龄±标准差，73.2±6.5岁；200名男性）
158	2024-08-30	Deep learning-based diagnosis of osteoblastic bone metastases and bone islands in computed tomograph images: a multicenter diagnostic study 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09573-5 PMID:37060446	研究论文	本研究开发并验证了一种基于CT图像的深度学习（DL）模型，用于区分骨岛和成骨性骨转移瘤	采用三切片CT图像输入的2.5D深度学习模型在分类硬化性骨病变方面优于2D模型	NA	开发和验证一种深度学习模型，用于区分骨岛和成骨性骨转移瘤	硬化性骨病变（SBLs）患者	计算机视觉	骨转移瘤	深度学习	2D和2.5D深度学习模型	CT图像	共使用了1918个SBLs样本，涉及728名患者（站点1），122个SBLs样本，涉及71名患者（站点2），71个SBLs样本，涉及47名患者（站点3）
159	2024-08-30	Fully automated segmentation and radiomics feature extraction of hypopharyngeal cancer on MRI using deep learning 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09827-2 PMID:37338554	研究论文	本文使用卷积神经网络实现喉下癌（HPC）在MRI上的全自动分割和放射组学特征提取	DeepLab V3+模型在自动分割和放射组学特征提取方面优于U-Net模型，特别是在小肿瘤体积的分割上表现更佳	NA	研究目的是利用深度学习技术实现喉下癌肿瘤在MRI上的自动分割和放射组学特征提取	研究对象为222名喉下癌患者，其中178名用于训练，44名用于测试	计算机视觉	喉下癌	MRI	CNN	图像	222名喉下癌患者
160	2024-08-27	Early Diagnosis: End-to-End CNN-LSTM Models for Mass Spectrometry Data Classification 2023-09-12, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.3c00613 PMID:37624777	研究论文	本文提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的端到端深度学习方法，用于质谱数据分类，以实现早期癌症诊断	该方法能够直接处理原始质谱数据，避免了复杂的前处理和特征选择步骤，同时能够有效降低数据的高维度并捕捉时间模式	NA	提高诊断过程中早期癌症检测的准确性	肿瘤组织和正常组织的早期鉴别	机器学习	NA	LC-MS	CNN-LSTM	质谱数据	NA