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
5601	2024-10-09	Coronary Artery Stenosis and High-Risk Plaque Assessed With an Unsupervised Fully Automated Deep Learning Technique 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.100861 PMID:39372456	研究论文	本文开发并验证了一种全自动深度学习系统，用于在冠状动脉CT血管造影（CCTA）中评估冠状动脉狭窄和高风险斑块（HRP）	本文首次提出了一种无监督的全自动深度学习技术，用于快速评估冠状动脉狭窄程度和高风险斑块	本文未详细讨论该系统在不同临床环境中的适用性和泛化能力	开发和验证一种全自动深度学习系统，用于在CCTA中评估冠状动脉狭窄和高风险斑块	冠状动脉狭窄和高风险斑块	计算机视觉	心血管疾病	深度学习	深度学习系统	图像	训练集包含570名患者，测试集包含769名患者用于狭窄评估，45名患者用于高风险斑块评估
5602	2024-10-09	Automated Assessment of Right Atrial Pressure From Ultrasound Videos Using Machine Learning 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101192 PMID:39372459	研究论文	本文研究了使用机器学习自动评估超声视频中的右心房压力	开发了全自动深度学习模型，用于识别超声心动图研究中的下腔静脉扫描并估计右心房压力	NA	评估机器学习是否能准确估计超声心动图测量的右心房压力	右心房压力的自动评估	机器学习	心血管疾病	深度学习	深度学习模型	视频	15,828个超声视频和319个右心导管测量的右心房压力
5603	2024-10-09	Impact of Case and Control Selection on Training Artificial Intelligence Screening of Cardiac Amyloidosis 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.100998 PMID:39372462	研究论文	研究评估了基于心电图波形的人工智能模型在心脏淀粉样变筛查中的表现，并分析了不同病例和对照定义对模型性能的影响	探讨了不同病例和对照选择对人工智能模型训练的影响，并提出了在没有专门淀粉样变诊所的机构中，使用较少筛选的病例进行模型训练的可行性	研究结果表明，仅依赖AUC或其他指标不足以评估深度学习算法的性能，需要在最具临床意义的群体中进行评估	评估基于心电图波形的人工智能模型在心脏淀粉样变筛查中的表现，并探讨不同病例和对照定义对模型性能的影响	心脏淀粉样变（CA）的筛查和诊断	机器学习	心血管疾病	人工智能模型	NA	心电图（ECG）波形数据	约130万份心电图数据，来自341,989名患者
5604	2024-10-09	Machine-Learning for Phenotyping and Prognostication of Myocardial Infarction and Injury in Suspected Acute Coronary Syndrome 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101011 PMID:39372465	研究论文	本研究开发了一种机器学习模型，用于对疑似急性冠状动脉综合征患者的心肌损伤和梗死进行数字表型分析，并预测30天事件	本研究首次使用极端梯度提升（XGB）和深度学习（DL）模型对心肌损伤和梗死进行表型分析，并预测30天死亡或心肌梗死事件	这些模型需要在随机临床试验中进行外部验证，以评估其在临床实践中的影响	开发机器学习模型，用于对疑似急性冠状动脉综合征患者的心肌损伤和梗死进行数字表型分析，并预测30天事件	疑似急性冠状动脉综合征患者	机器学习	心血管疾病	极端梯度提升（XGB）和深度学习（DL）	极端梯度提升（XGB）和深度学习（DL）	电子健康记录	训练集包含6722名患者，测试集包含8869名患者
5605	2024-10-08	Electrocardiographic Risk Stratification in Critically Ill Cardiac Patients: Can Deep Learning Fulfill its Promise? 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101168 PMID:39372472	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5606	2024-10-09	Optimizing mammography interpretation education: leveraging deep learning for cohort-specific error detection to enhance radiologist training 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.055502 PMID:39372519	研究论文	本研究探讨了利用卷积神经网络（CNN）进行迁移学习，以分类筛查乳腺X光片中与假阳性（FP）错误相关的区域，从而优化放射科医生培训的可行性	本研究首次尝试使用迁移学习技术，通过CNN模型对特定放射科医生群体的乳腺X光片中的假阳性区域进行分类，以预测其难度水平	本研究仅限于特定地理特征的放射科医生群体，未来研究需扩展到更广泛的群体	研究目的是通过深度学习技术优化乳腺X光片的解读教育，减少放射科医生的误诊	研究对象为两个地理上相距较远的放射科医生群体（A组和B组）的乳腺X光片	计算机视觉	乳腺疾病	卷积神经网络（CNN）	ResNet-50	图像	两个地理上相距较远的放射科医生群体（A组和B组）的乳腺X光片
5607	2024-10-09	AlphaFold predictions of fold-switched conformations are driven by structure memorization 2024-Aug-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51801-z PMID:39181864	研究论文	本文探讨了AlphaFold在预测折叠切换蛋白质结构方面的能力，发现其成功部分源于对训练集结构的记忆而非学习到的蛋白质能量学	首次系统评估了AlphaFold在预测折叠切换蛋白质结构方面的局限性，并揭示了其成功预测的部分原因	AlphaFold在预测折叠切换蛋白质结构时表现不佳，部分成功源于对训练集结构的记忆而非学习到的蛋白质能量学	评估AlphaFold在预测折叠切换蛋白质结构方面的预测能力及其局限性	折叠切换蛋白质的结构预测	机器学习	NA	深度学习	AlphaFold	蛋白质结构	超过280,000个模型，包括AlphaFold2和AlphaFold3的多个实现
5608	2024-10-09	Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling 2024-Aug-16, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01207-4 PMID:39152209	研究论文	本文提出了一种基于Transformer的长程医学影像序列建模方法，用于眼科疾病的预后分析	本文首次将Transformer模型应用于长程医学影像序列，实现了动态疾病预后分析	本文仅在AMD和POAG两种眼科疾病上进行了验证，未来需在更多疾病类型上进行验证	开发一种能够从长程医学影像中动态预测疾病预后的方法	年龄相关性黄斑变性（AMD）和原发性开角型青光眼（POAG）	计算机视觉	眼科疾病	Transformer模型	Transformer	图像	使用来自AREDS和OHTS研究的长程影像数据，具体样本数量未明确说明
5609	2024-10-09	CT-based synthetic contrast-enhanced dual-energy CT generation using conditional denoising diffusion probabilistic model 2024-Aug-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad67a1 PMID:39053511	研究论文	研究利用条件去噪扩散概率模型从非对比单能量CT扫描生成合成对比增强双能量CT图像	首次采用条件去噪扩散概率模型生成合成对比增强双能量CT图像，为缺乏双能量CT扫描仪的机构和不适合碘对比成像的患者提供了一种替代成像解决方案	研究样本仅限于130名头颈部癌症患者，结果的普适性有待进一步验证	解决双能量CT扫描仪稀缺和碘对比剂对高风险患者健康风险的问题	头颈部癌症患者的非对比单能量CT和对比增强双能量CT图像	计算机视觉	头颈部癌症	条件去噪扩散概率模型	C-DDPM	图像	130名头颈部癌症患者
5610	2024-10-09	CEUS in prediction of early recurrence of hepatocellular carcinoma after curative resection and to stratify the risk of early recurrence: a retrospective observational study 2024-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04252-5 PMID:38557770	研究论文	本研究探讨了术前对比增强超声（CEUS）在预测肝细胞癌（HCC）根治性切除术后早期复发中的作用，并进行风险分层	首次利用CEUS图像中的肿瘤大小、卫星结节、深度学习放射组学复发评分和α-胎蛋白水平来预测HCC的早期复发	本研究为回顾性观察性研究，样本量有限，可能存在选择偏倚	探索术前CEUS在预测HCC根治性切除术后早期复发中的作用，并进行风险分层	556名接受根治性切除术的HCC患者	数字病理学	肝癌	对比增强超声（CEUS）	深度学习（DL）	图像	556名HCC患者
5611	2024-10-09	ArcheD, a residual neural network for prediction of cerebrospinal fluid amyloid-beta from amyloid PET images 2024-Jun, The European journal of neuroscience DOI:10.1111/ejn.16332 PMID:38576196	研究论文	开发了一种深度学习模型ArcheD，用于从淀粉样蛋白PET图像中直接预测脑脊液中的淀粉样蛋白-β浓度	提出了一种新的残差神经网络ArcheD，能够独立于示踪剂、脑参考区域或预选感兴趣区域，直接从淀粉样蛋白PET图像中预测脑脊液中的淀粉样蛋白-β浓度	未提及	开发一种深度学习模型，用于从淀粉样蛋白PET图像中直接预测脑脊液中的淀粉样蛋白-β浓度，以辅助阿尔茨海默病的早期识别和诊断	淀粉样蛋白PET图像和脑脊液中的淀粉样蛋白-β浓度	机器学习	阿尔茨海默病	深度学习	残差神经网络	图像	1870个淀粉样蛋白PET图像和脑脊液测量数据
5612	2024-10-09	Detection of Personal and Family History of Suicidal Thoughts and Behaviors using Deep Learning and Natural Language Processing: A Multi-Site Study 2024-Mar-11, Research square DOI:10.21203/rs.3.rs-4014472/v1 PMID:38559051	研究论文	本文开发并验证了一种基于深度学习和自然语言处理的工具，用于从电子健康记录中的临床笔记中检测个人和家庭自杀意念和行为的历史	本文首次使用深度学习方法，特别是预训练的transformer模型Bio_ClinicalBERT和GatorTron，来识别个人和家庭自杀意念和行为的历史，并展示了其在多个医疗系统中的有效性	本文未详细讨论深度学习模型在不同医疗系统中的泛化能力，以及其在实际临床应用中的可行性和接受度	开发和验证一种能够从电子健康记录中的临床笔记中检测个人和家庭自杀意念和行为历史的工具	个人和家庭自杀意念和行为的历史	自然语言处理	NA	深度学习	transformer	文本	NA
5613	2024-10-09	Substrate recognition principles for the PP2A-B55 protein phosphatase 2024-Feb-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.10.579793 PMID:38370611	研究论文	研究PP2A-B55蛋白磷酸酶的底物识别原理	通过整合AlphaFold建模和全面的突变扫描，揭示了底物α-螺旋通过进化保守机制与B55结合，并利用深度学习蛋白质设计生成了特异且强效的竞争性肽抑制剂	NA	揭示PP2A-B55蛋白磷酸酶的底物选择机制	PP2A-B55蛋白磷酸酶及其底物	NA	NA	AlphaFold建模、突变扫描、深度学习蛋白质设计	深度学习	蛋白质序列	NA
5614	2024-10-09	Correction to: Growing ecosystem of deep learning methods for modeling protein-protein interactions 2024-Jan-29, Protein engineering, design & selection : PEDS DOI:10.1093/protein/gzae016 PMID:39377372	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5615	2024-10-09	Automated Cell Lineage Reconstruction using Label-Free 4D Microscopy 2024-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.20.576449 PMID:38328064	研究论文	本文介绍了一种名为embGAN的深度学习管道，用于在无标记的3D时间序列显微镜成像中实现自动细胞检测和跟踪	embGAN无需手动数据标注即可进行训练，学习到的检测具有高度的尺度不变性，并且在多个实验室和仪器的图像中具有良好的泛化能力	NA	开发一种自动化的细胞谱系重建方法	无标记的3D时间序列显微镜成像中的细胞检测和跟踪	计算机视觉	NA	深度学习	GAN	图像	多个实验室和仪器的图像
5616	2024-10-09	Breast Multiparametric MRI for Prediction of Neoadjuvant Chemotherapy Response in Breast Cancer: The BMMR2 Challenge 2024-01, Radiology. Imaging cancer DOI:10.1148/rycan.230033 PMID:38180338	研究论文	描述了BMMR2挑战的设计、实施和结果，旨在通过多参数乳腺MRI预测新辅助化疗反应	识别了几种具有高预测性能的模型，进一步扩展了多参数乳腺MRI作为治疗反应早期标志物的价值	NA	通过多参数乳腺MRI识别基于图像的标志物，预测新辅助化疗后的病理完全反应	多参数乳腺MRI数据，包括扩散加权成像和动态对比增强MRI，以及临床数据	数字病理学	乳腺癌	多参数MRI	深度学习和人工智能方法	图像	573例乳腺MRI研究，来自191名女性（平均年龄48.9岁±10.56）
5617	2024-10-09	Enhancing healthcare recommendation: transfer learning in deep convolutional neural networks for Alzheimer disease detection 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1445325 PMID:39371344	研究论文	本研究利用深度卷积神经网络和迁移学习技术，通过MRI数据检测阿尔茨海默病和轻度认知障碍	采用迁移学习技术提升模型性能，并使用多种深度学习架构进行对比，发现ResNet-101在多类分类任务中表现最佳	NA	开发有效的模型用于检测阿尔茨海默病和轻度认知障碍	阿尔茨海默病和轻度认知障碍的MRI数据	计算机视觉	阿尔茨海默病	MRI	CNN	图像	ADNI和OASIS数据集中的大量MRI数据
5618	2024-10-09	DGDRP: drug-specific gene selection for drug response prediction via re-ranking through propagating and learning biological network 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1441558 PMID:39371421	研究论文	本文提出了一种基于图神经网络（GNN）的药物特异性基因选择模型DGDRP，用于药物反应预测	DGDRP通过路径知识增强的网络传播算法和GNN学习到的基因与药物目标嵌入相似性进行基因重排序，从而选择与药物机制相关的基因，提高了药物反应预测的准确性	NA	开发一种新的方法来提高药物反应预测的准确性，并发现有效的生物标志物	药物特异性基因的选择和药物反应预测	机器学习	NA	图神经网络（GNN）	GNN	基因数据	NA
5619	2024-10-09	Deep learning-based Alzheimer's disease detection: reproducibility and the effect of modeling choices 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1360095 PMID:39371524	研究论文	本文研究了基于深度学习的阿尔茨海默病检测方法的再现性和建模选择的影响	本文探讨了数据增强技术和模型复杂度对阿尔茨海默病检测性能的影响，强调了这些常被忽视的因素的重要性	本文未详细讨论其他可能影响模型性能的因素，如数据质量和样本多样性	研究如何通过严格遵循最佳实践来确保机器学习在临床实践中的可靠性和再现性	阿尔茨海默病的检测	机器学习	阿尔茨海默病	磁共振成像 (MRI)	3D卷积神经网络 (CNN)	图像	使用了来自ADNI语料库的MRI数据进行二分类问题研究
5620	2024-10-09	Spiking representation learning for associative memories 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1439414 PMID:39371606	研究论文	本文介绍了一种新型脉冲神经网络（SNN），用于无监督表示学习和联想记忆操作	利用Hebbian突触和活动依赖的结构可塑性，结合Poisson脉冲发生器模型，实现了高效的表示学习和联想记忆操作	NA	解决人工脉冲神经网络在处理大规模现实数据集时的挑战	脉冲神经网络的表示学习和联想记忆操作	机器学习	NA	Hebbian突触和活动依赖的结构可塑性	脉冲神经网络（SNN）	NA	NA