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	2024-08-30	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）
142	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。
143	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
144	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
145	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）
146	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）
147	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
148	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
149	2024-08-24	Novel tools for early diagnosis and precision treatment based on artificial intelligence 2023-Sep, Chinese medical journal pulmonary and critical care medicine DOI:10.1016/j.pccm.2023.05.001 PMID:39171128	研究论文	本文探讨了基于人工智能的新工具在肺癌早期诊断和精准治疗中的应用	文章介绍了人工智能技术在肺癌诊断和治疗中的创新应用，包括机器学习和深度学习在肺结节检测、良恶性分类和亚型识别中的应用，以及非侵入性预测遗传突变和分子状态的能力	文章指出，人工智能在临床广泛应用中仍面临数据共享、标准化标签获取、临床应用监管和多模态整合等挑战	旨在提高肺癌的早期诊断和个性化治疗方案，从而改善患者的5年生存率	肺癌的早期诊断和精准治疗	机器学习	肺癌	人工智能	机器学习和深度学习	CT图像和病理图像	NA
150	2024-08-22	Biometric Contrastive Learning for Data-Efficient Deep Learning from Electrocardiographic Images 2023-Sep-14, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.13.23295494 PMID:37745527	研究论文	本文介绍了一种名为生物特征对比学习（BCL）的自监督预训练方法，用于从心电图（ECG）图像中进行数据高效的深度学习，以检测心脏疾病。	BCL方法通过利用来自同一患者的不同ECG图像的生物特征签名，提高了AI模型在有限标记数据下检测心脏疾病的效率。	NA	开发一种数据高效的深度学习方法，用于从心电图图像中检测心脏疾病。	心电图图像，用于检测心房颤动（AF）、性别和LVEF<40%。	机器学习	心血管疾病	生物特征对比学习（BCL）	卷积神经网络（CNN）	图像	78,288个个体的心电图图像
151	2024-08-19	Three-Dimensional Structural Phenotype of the Optic Nerve Head as a Function of Glaucoma Severity 2023-09-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2023.3315 PMID:37589980	研究论文	本研究详细描述和分析了青光眼严重程度作为函数的3维结构表型，增强了对青光眼复杂病理的理解	使用传统和人工智能驱动的方法，描述了不同青光眼阶段视神经头（ONH）中连接组织和神经组织的3维结构差异	本研究为横断面研究，未来需要进行纵向研究以建立特定的3维ONH结构变化与快速视野恶化的联系	描述不同青光眼阶段视神经头（ONH）中连接组织和神经组织的3维结构差异	视神经头（ONH）的3维结构	数字病理学	青光眼	光谱域光学相干断层扫描	深度神经网络	图像	541名中国个体和112名白人参与者
152	2024-08-09	Automated Segmentation of Optical Coherence Tomography Images of the Human Tympanic Membrane Using Deep Learning 2023-Sep, Algorithms IF:1.8Q2 DOI:10.3390/a16090445 PMID:39104565	研究论文	本文利用深度学习算法自动分割人耳鼓膜的光学相干断层扫描（OCT）图像	开发了一种基于卷积神经网络的深度学习算法，能够准确识别并分割耳鼓膜，提高图像可视化效果	未提及具体限制	改进数据分析和图像处理，使OCT医学影像成为耳鼻喉科领域便捷且可行的诊断工具	人耳鼓膜的OCT图像	计算机视觉	NA	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	3D体积的人耳鼓膜图像
153	2024-08-05	Generative Adversarial Network (GAN) for Simulating Electroencephalography 2023-09, Brain topography IF:2.3Q3 DOI:10.1007/s10548-023-00986-5 PMID:37410276	研究论文	本研究探讨了生成对抗网络在模拟脑电图方面的应用	本研究首次利用生成对抗网络生成多通道脑电图数据，能够重建脑电图信号的时空特性	数据生成依赖于网络训练的质量，可能对某些特征的再现存在限制	研究生成对抗网络在脑电图模拟中的有效性	生成高质量的合成脑电图数据以供神经成像分析使用	机器学习	NA	生成对抗网络	GAN	脑电图数据	NA
154	2024-08-05	Clinical Validation of Explainable Deep Learning Model for Predicting the Mortality of In-Hospital Cardiac Arrest Using Diagnosis Codes of Electronic Health Records 2023-Sep, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2409265 PMID:39076399	研究论文	本研究评估了D-SHAP模型在使用电子健康记录的诊断代码预测医院内心脏骤停患者死亡率的表现	引入了可解释的深度学习模型，能够准确识别与高死亡风险相关的诊断代码	D-SHAP与临床判断之间存在一些不一致，特别是在较少发生的疾病中	评估深度学习模型在预测医院内心脏骤停患者死亡概率方面的表现	分析168,693名至少有一次医院内心脏骤停的患者及其1,569,478份临床记录	机器学习	心脏病	深度学习	D-SHAP	临床记录	402名患者
155	2024-08-05	A comprehensive assessment of hurdle and zero-inflated models for single cell RNA-sequencing analysis 2023-09-20, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad272 PMID:37507115	研究论文	本文开发了一个基于Python的包（TensorZINB），用于解决零膨胀负二项式（ZINB）模型，并系统评估了多种单细胞RNA测序分析模型的表现	提出了一种混合模型类，结合嵌套模型以提升性能，并开发了新的方法将连续分布转换为等价的离散形式	没有提及具体的现实应用场景和额外的生物学验证实验	全面评估单细胞RNA测序分析中不同比例模型的性能	针对单细胞RNA测序数据集开发和优化统计模型	数字病理学	NA	RNA-seq	零膨胀负二项式（ZINB）	基因表达数据	使用了一个真实的单细胞RNA-seq数据集进行评估
156	2024-08-05	Real-time guidance by deep learning of experienced operators to improve the standardization of echocardiographic acquisitions 2023-Sep, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyad040 PMID:39045079	研究论文	本文研究实时深度学习指导的经验丰富的超声技师改善心脏超声采集标准化的效果	通过实时深度学习指导超声技师，提高心脏超声采集的标准化程度	本文未评估由经验较少的操作员使用深度学习指导的影响	旨在改善心脏超声的标准化，以减少操作员之间的变异性	88名心律正常的患者，进行心脏超声检查	医学影像学	心血管疾病	深度学习	NA	超声波影像	88名患者
157	2024-08-07	Deep learning-based computed tomography quantification of left ventricular mass 2023-Sep, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyad043 PMID:39045069	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
158	2024-08-05	The use of deep learning in medical imaging to improve spine care: A scoping review of current literature and clinical applications 2023-Sep, North American Spine Society journal DOI:10.1016/j.xnsj.2023.100236 PMID:37599816	综述	本文评估了深度学习在脊柱影像学中的当前文献和临床应用	提供了深度学习在脊柱护理中的最新应用情况和研究发现	未能全面覆盖所有相关研究，且只有15%的模型经过外部验证	探讨深度学习在脊柱影像学中的使用情况和有效性	评估脊柱影像学中深度学习算法的应用和临床效果	医学影像	脊柱疾病	深度学习	U-Net和ResNet	文献数据	365项研究，总样本量232,394名患者
159	2024-08-05	Self-supervised deep learning for highly efficient spatial immunophenotyping 2023-Sep, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104769 PMID:37672979	研究论文	该文章提出了一种自监督学习方法，用于高效的细胞免疫表型识别。	文章提出的SANDI模型通过自监督学习显著降低了标注负担，同时维持了细胞表型识别的准确性。	研究的样本数量和标注参考集的规模可能限制了模型的泛化能力。	本研究旨在开发一种高效的细胞免疫表型识别方法，以支持标志物的发现和临床转化。	研究对象是多重免疫组化数据集中的单细胞图像。	数字病理学	卵巢癌	多重免疫组化	自监督学习模型 (SANDI)	图像	涉及2825到15,258个单细胞图像
160	2024-08-05	Disentangling accelerated cognitive decline from the normal aging process and unraveling its genetic components: A neuroimaging-based deep learning approach 2023-Sep-08, Research square DOI:10.21203/rs.3.rs-3328861/v1 PMID:37720047	研究论文	该文章介绍了一种基于深度学习的方法，用于区分正常衰老过程中的认知下降与阿尔茨海默病相关的加速认知下降	提出了一种新的双损失Siamese ResNet网络，能够提取细粒度神经影像信息，并识别新的遗传变异rs144614292	研究样本主要来源于ADNI，对其他人群的适用性需要进一步验证	探讨加速认知下降与自然衰老过程之间的关系及其遗传基础	针对1,313名个体的纵向结构磁共振成像（MRI）数据进行分析	数字病理学	老年痴呆症	MRI	Siamese ResNet	影像数据	1,313名个体，训练于414名认知正常的人群