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	2024-08-05	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
142	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
143	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
144	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
145	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
146	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
147	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
148	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
149	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
150	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
151	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）
152	2024-08-05	LncRNA expression signature identified using genome-wide transcriptomic profiling to predict lymph node metastasis in patients with stage T1 and T2 gastric cancer 2023-11, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-023-01428-8 PMID:37691031	研究论文	这篇文章描述了一种新的10-lncRNA表达特征，用于预测早期胃癌患者的淋巴结转移	提出了一种基于深度学习的10-lncRNA风险预测模型，能够有效识别早期胃癌的LN转移	尚未详细描述研究中的潜在偏差或随访数据	识别淋巴结转移的有效方法以改善早期胃癌的治疗决策	T1和T2期胃癌患者的淋巴结状态	数字病理学	胃癌	转录组分析	深度学习模型	基因表达数据	涉及T1和T2患者的多个样本，具体数字未提供
153	2024-08-05	Review of machine learning and deep learning models for toxicity prediction 2023-11, Experimental biology and medicine (Maywood, N.J.) DOI:10.1177/15353702231209421 PMID:38057999	综述	本文总结了近年来基于机器学习和深度学习的毒性预测模型。	综述了各种机器学习和深度学习算法在毒性预测中的应用，强调了数据集质量对模型性能的影响。	不同数据集中对相同化学品的毒性分配存在差异，说明缺乏基准数据集以开发可靠的毒性预测模型。	评估化学品的毒性以保护公众健康和环境。	近年来开发的毒性预测模型，特别是基于机器学习和深度学习的模型。	机器学习	NA	机器学习和深度学习	支持向量机，随机森林，深度神经网络等	数据集	NA
154	2024-08-05	A biologically inspired architecture with switching units can learn to generalize across backgrounds 2023-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2023.09.014 PMID:37839332	研究论文	该文章展示了一种生物启发的网络结构，通过切换单元可以学习在不同背景下进行泛化	提出了一种瓶颈切换网络，这是一种类生物的架构，可以避免在新背景下的灾难性遗忘	未详细讨论与其他生物启发机制的比较	研究如何通过生物感知原则来提高人工系统的环境适应能力	使用MNIST数字及CIFAR-10数据集探索在不同背景下的数字分类	机器学习	NA	NA	切换网络	图像	使用MNIST数字数据集和CIFAR-10数据集的样本
155	2024-08-07	Deep Learning-Facilitated Study of the Rate of Change in Photoreceptor Outer Segment Metrics in RPGR-Related X-Linked Retinitis Pigmentosa 2023-Nov-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.64.14.31 PMID:37988107	研究论文	本研究利用深度学习模型（DLM）辅助测量视网膜色素上皮（RPGR）相关X连锁视网膜色素变性（XLRP）患者的视网膜外节（OS）三维（3D）指标，并评估这些指标的纵向变化及其相关因素	本研究首次利用深度学习模型辅助测量视网膜外节的三维指标，并评估其在视网膜色素变性中的应用	本研究为回顾性队列研究，样本仅包括34名男性患者，可能存在选择偏倚	旨在评估视网膜外节指标在视网膜色素变性中的纵向变化及其相关因素	视网膜色素上皮（RPGR）相关X连锁视网膜色素变性（XLRP）患者的视网膜外节（OS）三维指标	计算机视觉	视网膜色素变性	深度学习	深度学习模型（DLM）	图像	34名男性患者
156	2024-08-07	Cusp bifurcation in a metastatic regulatory network 2023-11-07, Journal of theoretical biology IF:1.9Q3 DOI:10.1016/j.jtbi.2023.111630 PMID:37804940	研究论文	本文探讨了利用尖点分岔理论来模拟转移性乳腺癌系统的可能性	首次将双参数分岔理论应用于转移性系统，并提出了一种基于数学理论的转移性细胞状态转换的新视角	NA	旨在从基础生物学和临床角度理解癌症转移的潜力	转移性乳腺癌系统	NA	乳腺癌	常微分方程 (ODEs)	NA	NA	NA
157	2024-08-07	Editorial Comment: Implementing Deep Learning to Extrapolate Hepatic Proton Density Fat Fraction From T1-Weighted In-Phase and Opposed-Phase MRI 2023-11, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29918 PMID:37466191	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
158	2024-08-07	Deep learning for embryo evaluation using time-lapse: a systematic review of diagnostic test accuracy 2023-11, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2023.04.027 PMID:37116822	综述	本研究旨在调查使用时间流逝监测的卷积神经网络模型在胚胎评估中的准确性	应用人工智能在时间流逝监测中提供更高效、准确和客观的胚胎评估	本系统综述受限于所包含研究之间的高度异质性	调查卷积神经网络模型在胚胎评估中的诊断测试准确性	胚胎评估的准确性	机器学习	NA	卷积神经网络	CNN	图像	共分析了522,516张图像，涉及222,998个胚胎
159	2024-08-07	Recent advances in artificial intelligence for cardiac CT: Enhancing diagnosis and prognosis prediction 2023-Nov, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2023.06.011 PMID:37407346	综述	本文综述了人工智能在心脏CT领域的最新进展，特别是在提高诊断和预测预后方面的应用	深度学习技术在放射学中的应用，实现了从大型数据集中自动提取特征和学习，特别是在基于图像的应用中	需要进一步的研究和验证来全面评估这些AI驱动技术在心脏CT中的诊断性能、辐射剂量减少能力和临床正确性	探讨人工智能在心脏CT领域的应用，以提高诊断和预测预后的准确性	心脏CT图像分析及相关诊断技术	计算机视觉	心血管疾病	深度学习	CNN	图像	NA
160	2024-08-07	DLC-ac4C: A Prediction Model for N4-acetylcytidine Sites in Human mRNA Based on DenseNet and Bidirectional LSTM Methods 2023-Nov-22, Current genomics IF:1.8Q3 DOI:10.2174/0113892029270191231013111911 PMID:38178985	研究论文	本文提出了一种基于DenseNet和双向LSTM方法的预测模型DLC-ac4C，用于识别人类mRNA中的N4-乙酰胞苷位点	本研究通过结合DenseNet和双向LSTM，并引入通道注意力机制，更好地从序列角度捕捉隐藏的信息特征，提高了ac4C位点的识别效果	NA	改进现有计算方法在ac4C位点预测中的性能不足，提出一种新的集成深度学习预测框架	人类mRNA中的N4-乙酰胞苷位点	机器学习	NA	DenseNet, 双向LSTM	DenseNet, 双向LSTM	RNA序列	独立测试数据