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	2024-08-04	DeepMPSF: A Deep Learning Network for Predicting General Protein Phosphorylation Sites Based on Multiple Protein Sequence Features 2023-11-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00996 PMID:37931253	研究论文	提出了一种基于多种蛋白质序列特征的深度学习模型DeepMPSF，用于预测蛋白质磷酸化位点。	DeepMPSF模型结合了序列语义特征和蛋白质背景生物物理特征，克服了现有方法对简单特征依赖的问题。	研究中未提到样本数据集的局限性或模型的具体应用场景。	研究目的是提高蛋白质磷酸化位点预测的准确性。	研究对象为人类蛋白质，特别是S/T和Y残基的磷酸化位点。	计算机技术	NA	深度学习	NA	人类蛋白质数据	对一个已确立的人类蛋白质数据集进行了训练和评估
122	2024-08-04	Sodium-based paracetamol: impact on blood pressure, cardiovascular events, and all-cause mortality 2023-11-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehad535 PMID:37611115	研究论文	本研究重新审视了含有碳酸氢钠的对乙酰氨基酚与血压、心血管事件和全因死亡率之间的关联	使用深度学习方法分析了含钠和不含钠的对乙酰氨基酚在心血管健康和死亡率方面的影响	研究中对其他潜在混杂因素的控制不足，尤其是吞咽困难及相关疾病的影响	探讨含钠对乙酰氨基酚对血压、心血管事件及全因死亡率的影响	对475442名年龄在60至90岁之间的英国患者进行了分析	数字病理学	心血管疾病	深度学习	NA	电子健康记录	475442名患者
123	2024-08-05	Automatized Detection of Periodontal Bone Loss on Periapical Radiographs by Vision Transformer Networks 2023-Nov-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13233562 PMID:38066803	研究论文	本研究评估了利用视觉变换器网络自动检测牙周骨丧失的模型	引入了视觉变换器网络来替代传统卷积神经网络用于牙周骨丧失检测	需要更大且经过人工注释的图像数据集来进一步优化诊断性能	评估各种模型在牙周骨丧失自动检测中的表现	21,819张去标识化的根尖放射影像	计算机视觉	牙周病	视觉变换器网络	ViT, BEiT, DeiT	图像	21,819张根尖放射影像
124	2024-08-05	The role of deep learning for periapical lesion detection on panoramic radiographs 2023-Nov, Dento maxillo facial radiology DOI:10.1259/dmfr.20230118 PMID:37641964	研究论文	本研究旨在使用深度学习自动检测全景放射片上的根尖病变	采用了10种不同的深度学习检测框架，结果显示深度学习模型在检测根尖病变方面表现出色	未提及具体限制	研究深度学习在全景放射片根尖病变检测中的应用	使用454个对象在357张全景放射片上进行标记和检测	计算机视觉	NA	深度学习	RetinaNet	图像	454个对象，357张全景放射片
125	2024-08-05	A deep learning approach based on multi-omics data integration to construct a risk stratification prediction model for skin cutaneous melanoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05358-x PMID:37673824	研究论文	本研究提出了一种基于深度学习的模型，从多组学数据中构建皮肤黑色素瘤的风险分类预测模型	提出了一种结合早期融合特征自编码器和晚期融合特征自编码器的深度学习框架，用于SKCM的风险亚型预测	尚未提及可能的局限性	构建SKCM的风险亚型分类模型以改善预测能力	SKCM患者的mRNA、miRNA和DNA甲基化数据	数字病理	皮肤癌	深度学习	自编码器（AE）	多组学数据	使用了两个独立测试数据集的SKCM患者数据
126	2024-08-05	Development and external validation of the multichannel deep learning model based on unenhanced CT for differentiating fat-poor angiomyolipoma from renal cell carcinoma: a two-center retrospective study 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05339-0 PMID:37672075	研究论文	本研究开发并评估了一种基于未增强CT的多通道深度学习模型，以区分贫脂肪血管平滑肌脂肪瘤和肾细胞癌	该文章创新性地提出了一种针对贫脂肪血管平滑肌脂肪瘤与肾细胞癌的深度学习分类器，并通过内外部验证其有效性	仅使用了两个中心的回顾性数据，可能影响模型的通用性和适应性	旨在区分贫脂肪血管平滑肌脂肪瘤和肾细胞癌	320名来自两个医疗中心的患者数据	数字病理学	肾细胞癌	未增强CT	深度学习模型	影像	总共452名患者，包括320名患者和132名患者
127	2024-08-05	SMiT: symmetric mask transformer for disease severity detection 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05223-x PMID:37698681	研究论文	本文提出了一种对病理图像进行诊断分级的对称掩码预训练视觉变换器SMiT模型	作者采用纯变换器框架，不依赖传统CNN模型，并提出了一种新的对称性掩码预训练方法	针对特定类型的癌症图像进行评估，可能不适用于所有病理图片	研究旨在提高病理图像分类中的疾病严重性检测准确性	涉及4500张结直肠癌的组织病理图像	数字病理学	癌症	变换器	视觉变换器	图像	4500张结直肠癌组织病理图像和公开的糖尿病视网膜病变数据集
128	2024-08-05	Combining radiomics and deep learning features of intra-tumoral and peri-tumoral regions for the classification of breast cancer lung metastasis and primary lung cancer with low-dose CT 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05329-2 PMID:37642722	研究论文	本研究探讨了低剂量CT下，肿瘤内区域和肿瘤周围区域的放射组学和深度学习特征在乳腺癌肺转移和原发性肺癌诊断中的表现	提出了一种融合模型，结合了深度学习特征和传统放射组学特征，采用多区域策略	本文未提及样本的异质性和模型在其他类型肺癌中的适用性	研究低剂量CT下，乳腺癌肺转移和原发性肺癌的分类性能	100例乳腺癌患者的低剂量CT影像数据，包括60例BCLM与40例PLC	数字病理学	肺癌	低剂量CT	ResNet18基础的多输入残差卷积网络	图像	100例乳腺癌患者的低剂量CT影像
129	2024-08-05	Detection of Intracerebral Hemorrhage Using Low-Field, Portable Magnetic Resonance Imaging in Patients With Stroke 2023-11, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.123.043146 PMID:37795593	研究论文	本研究探讨了在中风患者中使用低场便携式磁共振成像（pMRI）检测自发性脑内出血的敏感性和特异性	该研究首次将深度学习重建算法与临床信息结合，用于提高便携式磁共振成像对脑内出血的检测准确性	研究仅在Yale New Haven医院进行，样本数量相对较少，可能影响结果的普适性	本研究旨在评估低场pMRI在自发性脑内出血检测中的效果	对189例中风患者的pMRI检查进行了评估	数字病理学	脑血管疾病	低场磁共振成像（pMRI）	深度学习算法	医学影像	189例（38例脑内出血，89例急性缺血性中风，8例蛛网膜下腔出血，3例原发性脑室出血，51例无颅内异常）
130	2024-08-05	Comparing a pre-defined versus deep learning approach for extracting brain atrophy patterns to predict cognitive decline due to Alzheimer's disease in patients with mild cognitive symptoms 2023-Nov-08, Research square DOI:10.21203/rs.3.rs-3569391/v1 PMID:37986841	研究论文	该文章比较了预定义方法与深度学习方法在提取脑萎缩模式以预测阿尔茨海默病相关认知衰退中的表现	探讨了使用整个脑图像的深度学习模型是否能提高MRI预测性能	深度学习模型未显著改善阿尔茨海默病临床疾病进展的预测	预测具有主观认知衰退或轻度认知障碍的个体未来的阿尔茨海默病相关认知衰退	来自瑞典BioFINDER-1研究的332名主观认知衰退/轻度认知障碍个体	数字病理学	阿尔茨海默病	磁共振成像 (MRI)	深度学习模型	图像	332名患者
131	2024-08-05	A deep learning-based system to identify originating mural layer of upper gastrointestinal submucosal tumors under EUS 2023 Nov-Dec, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000029 PMID:38948124	研究论文	本研究提出了一种名为SMT Master的系统，用于在EUS下确定上消化道黏膜下肿瘤的来源壁层	开发了三种深度卷积神经网络模型来实现病变分割、壁层分割和来源壁层分类的自动化	研究模型的验证仅限于特定患者样本，可能影响结果的广泛适用性	旨在提高EUS程序中对黏膜下肿瘤来源壁层的识别准确性	基于2721张EUS图像和多个患者的图像进行模型训练和验证	机器学习	NA	深度卷积神经网络 (DCNN)	DCNN	图像	2721张EUS图像，来自201名患者
132	2024-08-05	Ventricle tracking in transesophageal echocardiography (TEE) images during cardiopulmonary resuscitation (CPR) using deep learning and monogenic filtering 2023-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-023-00293-9 PMID:37872984	研究论文	本文研究了在心肺复苏期间使用深度学习和单基过滤法对经食道超声心动图（TEE）图像中的心室进行追踪	提出了一种实时计算心脏射血分数（EF）的方法，通过检测收缩和舒张来优化心肺复苏的质量	数据量不足的问题通过薄板样条变换解决，但仍需更多的数据验证	优化心肺复苏期间的心脏功能监测	心脏骤停患者的经食道超声心动图（TEE）图像	数字病理	心脏疾病	深度学习, 单基过滤	ResUNet++	图像	NA
133	2024-08-05	Deep Learning to Estimate Left Ventricular Ejection Fraction From Routine Coronary Angiographic Images 2023-Nov, JACC. Advances DOI:10.1016/j.jacadv.2023.100632 PMID:38938722	研究论文	该文章主要研究通过常规冠状动脉造影图像估算左心室射血分数的深度学习模型	提出了一种结合3D卷积神经网络和变换器的创新深度学习算法，可快速准确评估左心室射血分数	研究受限于数据集仅来自Mayo Clinic，且患者在训练、验证和测试集中的分配较为固定	评估机器学习模型从常规冠状动脉造影图像中估算左心室射血分数的能力	涉及17,346名患者的18,809个冠状动脉造影图像	计算机视觉	心血管疾病	深度学习	3D卷积神经网络和变换器	影像	18,809个冠状动脉造影图像来自17,346名患者
134	2024-08-05	Detect and attribute the extreme maize yield losses based on spatio-temporal deep learning 2023-Nov, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2022.05.006 PMID:38933002	研究论文	本研究开发了一种基于深度学习的多任务学习框架，以估计美国玉米带2006年至2018年间玉米产量的变化。	提出了一种新的时空深度学习框架，用于评估和归因作物产量对气候变化的响应。	未提及具体限制	准确估计大空间尺度的作物产量并理解极端气候压力下的产量损失。	研究对象为美国玉米带的玉米产量。	机器学习	NA	深度学习	深度神经网络	县级产量数据	2006年至2018年期间的县级玉米产量数据
135	2024-08-05	Traditional Machine Learning Methods versus Deep Learning for Meningioma Classification, Grading, Outcome Prediction, and Segmentation: A Systematic Review and Meta-Analysis 2023-11, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2023.08.023 PMID:37574189	meta-analysis	本研究评估了传统机器学习方法与深度学习在脑膜瘤分类、分级、预后预测和分割中的表现	首次系统性比较了传统机器学习与深度学习在脑膜瘤管理中的性能	由于性能指标报告不足，无法进一步统计分析其他性能指标	评估脑膜瘤管理中传统机器学习与深度学习算法的表现	脑膜瘤的分类、分级、预后预测和分割	机器学习	脑膜瘤	机器学习	传统机器学习，深度学习	文献数据	534条记录筛选，包含43篇文章
136	2024-08-05	DeepN4: Learning N4ITK Bias Field Correction for T1-weighted Images 2023-Nov-13, Research square DOI:10.21203/rs.3.rs-3585882/v1 PMID:38014176	研究论文	本文提出了一种深度学习方法DeepN4，用于纠正T1加权MRI图像中的偏差场	本文创新地将深度学习应用于N4ITK偏差场校正，提供了一种便携灵活且完全可微分的方法	研究可能受限于训练数据集的多样性和深度学习模型的复杂性	研究旨在改进T1加权MRI图像的偏差场校正方法	该研究对象为72台不同扫描仪和不同年龄范围的8个独立队列的T1w MRI图像	数字病理学	NA	深度学习	深度神经网络	医学图像	72台扫描仪，8个独立队列
137	2024-08-05	Machine learning and deep learning for brain tumor MRI image segmentation 2023-11, Experimental biology and medicine (Maywood, N.J.) DOI:10.1177/15353702231214259 PMID:38102956	综述	文章综述了用于脑肿瘤MRI图像分割的常用机器学习和深度学习技术	结合两种或更多技术的趋势是当前的创新点	讨论了所述机器学习和深度学习方法的局限性和优点	研究脑肿瘤MRI图像分割的技术	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	MRI	机器学习和深度学习技术	图像	NA
138	2024-08-05	Integrative approaches based on genomic techniques in the functional studies on enhancers 2023-11-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad442 PMID:38048082	综述	本文综述了基于组学技术的增强子功能研究的整合方法	提出了多维组学数据整合的方法，以识别和表征未知增强子的功能及调控机制	多维组学数据由于复杂性和大量性，整合全基因组水平仍面临困难	探讨有效的增强子研究方法和数据整合技术	各种组学方法在增强子研究中的应用	数字病理学	NA	高通量测序技术	机器学习和深度学习	基因组数据	NA
139	2024-08-05	Unraveling Neuronal Identities Using SIMS: A Deep Learning Label Transfer Tool for Single-Cell RNA Sequencing Analysis 2023-Nov-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.02.28.529615 PMID:36909548	研究论文	本文介绍了一种名为SIMS的深度学习标签转移工具，用于单细胞RNA测序分析	SIMS是一种数据高效的机器学习管道，可以在最小编码的情况下应用于新数据集，且在复杂数据集中能够高效、准确地进行细胞分类	可能在某些特定情况下对细胞类型的区分能力不足，具体条件未在摘要中详细说明	目标是提高单细胞数据集中的细胞标签转移和分类准确性	研究对象为成人大脑皮层和海马体中的细胞，以及发育过程中神经元亚型的预测	机器学习	NA	RNA测序	NA	单细胞数据	涉及多个单细胞数据集，包括成人大脑皮层、海马体和皮层类器官
140	2024-08-05	Deep Learning-Enabled Assessment of Left Heart Structure and Function Predicts Cardiovascular Outcomes 2023-11-14, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2023.09.800 PMID:37940231	研究论文	本研究开发了一种深度学习模型，用于自动评估心脏结构和功能，并预测心血管结果	提出了一种3D卷积神经网络模型，能够自动化分析心脏超声图像并与临床结果相关联	研究样本主要来自回顾性数据，未来需进一步验证在更广泛人群中的应用	探索深度学习驱动的心脏超声测量与新发心血管事件之间的关系	回顾性多机构的心脏超声图像数据	机器学习	心血管疾病	深度学习	3D卷积神经网络	图像	64,028个心脏超声图像（n = 27,135）