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
6561	2024-09-19	Intelligent deep model based on convolutional neural network's and multi-layer perceptron to classify cardiac abnormality in diabetic patients 2024-Sep, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01444-7 PMID:38900229	研究论文	本文探讨了使用机器学习和深度学习算法自动识别糖尿病患者的心脏疾病，无需专家干预	本文引入了两种模型：MLP模型和深度CNN模型，分别用于区分心脏疾病和特定心脏状况的识别	NA	自动识别糖尿病患者的心脏疾病	糖尿病患者的心脏疾病	机器学习	心血管疾病	NA	CNN, MLP	ECG数据	使用PTB-Diagnostic ECG数据集，包含多种ECG记录
6562	2024-09-19	A multi-label dataset and its evaluation for automated scoring system for cleanliness assessment in video capsule endoscopy 2024-Sep, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01441-w PMID:38884670	研究论文	本文开发了一种用于视频胶囊内镜清洁度评估的自动化评分系统，并构建了一个多标签数据集进行评估	首次提出了基于韩国-加拿大评分系统的视频胶囊内镜清洁度自动化评估方法，并开发了相应的移动应用程序AI-KODA	需要进一步研究以提高KODA评分系统的评分者间一致性，并开发自动化的多任务分类方法	开发和评估一种用于视频胶囊内镜清洁度评估的自动化评分系统	视频胶囊内镜的清洁度评估	计算机视觉	NA	机器学习和深度学习算法	随机森林分类器、Adaboost、KNeighbours、高斯朴素贝叶斯、深度学习算法	图像	28名患者的胶囊视频数据集
6563	2024-09-19	Learning meaningful representation of single-neuron morphology via large-scale pre-training 2024-09-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae395 PMID:39230697	研究论文	提出了一种名为MorphRep的模型，用于学习单神经元形态的有意义表示，并通过大规模预训练实现	通过图结构数据编码神经元形态，使用图变换器进行特征编码，并强制多个增强视图之间的一致性，实现了最先进的性能	NA	研究单神经元形态的结构、形式和形状，评估神经元发育和衰老的变化，以及确定脑部疾病和治疗的影响	单神经元形态	计算机视觉	NA	图变换器	图变换器	图结构数据	超过250,000个现有的神经元形态数据
6564	2024-09-19	Protein Multiple Conformation Prediction Using Multi-Objective Evolution Algorithm 2024-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-023-00597-5 PMID:38190097	研究论文	提出了一种名为MultiSFold的方法，使用基于距离的多目标进化算法来预测蛋白质的多种构象	MultiSFold在预测蛋白质多种构象方面显著优于AlphaFold2，成功率提高了46.25%	NA	改进蛋白质多种构象的预测方法	蛋白质的多种构象	生物信息学	NA	多目标进化算法	NA	蛋白质结构数据	80个蛋白质目标，每个目标有两个代表性构象状态，以及244个人类蛋白质
6565	2024-09-19	Predicting circRNA-RBP Binding Sites Using a Hybrid Deep Neural Network 2024-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00616-z PMID:38381315	研究论文	提出了一种名为circ-FHN的新模型，利用circRNA序列预测circRNA-RBP结合位点	采用混合深度学习模型，结合CNN和BiGRU，提取circRNA序列的高级抽象特征和长期依赖关系	未提及	开发一种计算方法来预测circRNA-RBP结合位点，以替代传统生物实验	circRNA和RNA结合蛋白（RBP）的相互作用	机器学习	NA	NA	混合深度神经网络（CNN和BiGRU）	序列	16个数据集
6566	2024-09-19	SeFilter-DIA: Squeeze-and-Excitation Network for Filtering High-Confidence Peptides of Data-Independent Acquisition Proteomics 2024-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00611-4 PMID:38472692	研究论文	本文介绍了一种名为SeFilter-DIA的深度学习算法，用于自动化识别高置信度肽段	利用压缩激励神经网络和残差网络模型，SeFilter-DIA能够有效区分高置信度和低置信度肽段，并在基准数据集上取得了优异的性能	NA	自动化识别高置信度肽段，提高蛋白质组学分析的效率和客观性	高置信度肽段的自动化识别	机器学习	NA	深度学习	压缩激励神经网络和残差网络	质谱数据	基准数据集
6567	2024-09-19	DeepPI: Alignment-Free Analysis of Flexible Length Proteins Based on Deep Learning and Image Generator 2024-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00618-x PMID:38568406	研究论文	本文介绍了一种基于深度学习和图像生成器的无对齐分析工具DeepPI，用于分析大规模蛋白质数据库中的灵活长度蛋白质	DeepPI利用全局平均池化处理灵活长度的蛋白质，减少了信息损失，并通过图像生成器将一维序列转换为二维结构，提取不同形状的共同部分	NA	开发一种新的蛋白质分析工具，克服传统方法在固定长度序列和相邻氨基酸信息上的限制	大规模蛋白质数据库中的灵活长度蛋白质	机器学习	NA	深度学习	NA	序列	NA
6568	2024-09-19	Stability of radiomic features from positron emission tomography images: a phantom study comparing advanced reconstruction algorithms and ordered subset expectation maximization 2024-Sep, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01416-x PMID:38625624	研究论文	本研究比较了不同重建算法（包括高级重建算法和传统OSEM）对正电子发射断层扫描（PET）图像中放射组学特征的重复性和可重复性的影响	本研究首次比较了高级重建算法（如HYPER迭代、HYPER深度学习重建和HYPER深度渐进重建）与传统OSEM在PET图像放射组学特征稳定性方面的差异	研究仅使用了异质性幻影进行实验，未涉及临床数据，因此结果的临床适用性有限	探讨不同重建算法对PET图像放射组学特征稳定性的影响	PET图像中的放射组学特征	计算机视觉	NA	正电子发射断层扫描（PET）	NA	图像	使用了一个异质性幻影，包含4毫米和8毫米直径的丙烯酸球珠
6569	2024-09-19	In vivo EPID-based daily treatment error identification for volumetric-modulated arc therapy in head and neck cancers with a hierarchical convolutional neural network: a feasibility study 2024-Sep, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01414-z PMID:38647634	研究论文	本文提出了一种基于EPID剂量测量的深度学习方法，用于分类头颈部癌症患者每日VMAT治疗中的各种错误类型	本文创新性地使用了分层卷积神经网络（HCNN）模型来分类错误类型和幅度，并结合EPID剂量差异图进行分析	临床数据集中的F1分数较低，表明模型在实际临床应用中的性能有待提高	研究目的是通过深度学习方法识别头颈部癌症患者每日VMAT治疗中的错误类型，为临床决策提供支持	研究对象为42名头颈部癌症患者的146个弧度治疗数据	机器学习	头颈部癌症	EPID剂量测量	分层卷积神经网络（HCNN）	图像	146个弧度数据，来自42名患者
6570	2024-09-19	Exploring Novel Fentanyl Analogues Using a Graph-Based Transformer Model 2024-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00623-0 PMID:38683279	研究论文	本文介绍了一种基于分子图的Transformer模型，结合基于子结构替换的数据增强方法生成新型芬太尼类似物	本文提出的模型能够生成更多新颖的潜在芬太尼类似物，并且能够学习原始芬太尼分子的某些性质	NA	探索新型芬太尼类似物的结构	芬太尼及其类似物的分子结构	机器学习	NA	Transformer模型	Transformer	分子图	生成了140,000个分子，经过筛选后得到36,799个潜在的芬太尼类似物
6571	2024-09-19	A transformer-based deep learning model for early prediction of lymph node metastasis in locally advanced gastric cancer after neoadjuvant chemotherapy using pretreatment CT images 2024-Sep, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102805 PMID:39281097	研究论文	本研究开发并验证了一种基于Transformer的深度学习网络，用于在接受新辅助化疗后局部晚期胃癌患者的基线CT图像上早期预测淋巴结转移	本研究首次使用基于Transformer的深度学习模型，通过基线CT图像预测新辅助化疗后局部晚期胃癌患者的淋巴结转移情况	本研究为回顾性研究，未来需要进行多中心前瞻性研究以进一步验证模型的有效性	开发并验证一种深度学习网络，用于早期预测新辅助化疗后局部晚期胃癌患者的淋巴结转移情况	局部晚期胃癌患者在接受新辅助化疗后的淋巴结转移情况	计算机视觉	胃癌	深度学习	Transformer	图像	共1205例局部晚期胃癌患者
6572	2024-09-19	Current status and quality of prognosis prediction models of non-small cell lung cancer constructed using computed tomography (CT)-based radiomics: a systematic review and radiomics quality score 2.0 assessment 2024-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-22 PMID:39281123	综述	本文综述了基于CT的放射组学在非小细胞肺癌预后预测模型中的应用现状，并通过放射组学质量评分2.0评估其科学性和质量	引入了最新的放射组学质量评分2.0（RQS 2.0）评分标准，以评估研究的质量和科学性	纳入的研究质量普遍不高，手工放射组学（HCR）研究的质量尤为低下，仅有4项研究进行了独立队列验证	回顾基于CT的放射组学在非小细胞肺癌预后预测中的应用，评估其科学性和质量，为后续相关研究提供参考	基于CT的放射组学在非小细胞肺癌预后预测中的应用	数字病理学	肺癌	放射组学	NA	图像	17项研究，涵盖了多种非小细胞肺癌治疗方式和预后预测结果
6573	2024-09-19	Deep learning-based reconstruction for 3-dimensional heavily T2-weighted fat-saturated magnetic resonance (MR) myelography in epidural fluid detection: image quality and diagnostic performance 2024-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-455 PMID:39281122	研究论文	本研究比较了基于深度学习的重建（DLR）与传统重建（CR）在三维重度T2加权脂肪抑制磁共振脊髓造影（MRM）中检测硬膜外液的诊断性能和图像质量	本研究首次将基于深度学习的重建技术应用于三维重度T2加权脂肪抑制磁共振脊髓造影，显著提高了图像质量和诊断性能	本研究为回顾性研究，样本量较小，且仅限于临床怀疑颅内低压的患者	比较传统重建与基于深度学习的重建在三维重度T2加权脂肪抑制磁共振脊髓造影中检测硬膜外液的诊断性能和图像质量	三维重度T2加权脂肪抑制磁共振脊髓造影图像	计算机视觉	NA	磁共振成像	深度学习	图像	21名患者，共21次磁共振脊髓造影检查
6574	2024-09-19	A paradigm shift in oncology imaging: a prospective cross-sectional study to assess low-dose deep learning image reconstruction versus standard-dose iterative reconstruction for comprehensive lesion detection in dual-energy computed tomography 2024-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-197 PMID:39281146	研究论文	本研究评估了低剂量深度学习图像重建（DLIR）与标准剂量迭代重建（IR）在双能计算机断层扫描（DECT）中检测肿瘤病灶的能力	首次评估了低剂量低千电子伏特（keV）虚拟单色图像（VMIs）使用深度学习图像重建（DLIR）在胸腹盆腔DECT中检测多种肿瘤病灶的能力	对于小尺寸（≤0.5 cm）和低对比度的肝脏病灶，低剂量DLIR的检测能力不如标准剂量IR	评估低剂量深度学习图像重建（DLIR）与标准剂量迭代重建（IR）在肿瘤患者中检测多种类型病灶的能力	肿瘤患者中的肺结节、淋巴结和肝脏病灶	计算机视觉	肿瘤	深度学习图像重建（DLIR）	深度学习模型	图像	56名肿瘤患者
6575	2024-09-19	Denoising of volumetric magnetic resonance imaging using multi-channel three-dimensional convolutional neural network with applications on fast spin echo acquisitions 2024-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-625 PMID:39281152	研究论文	本文提出了一种基于多通道三维卷积神经网络的磁共振成像去噪方法	本文创新性地使用了多通道三维卷积神经网络，利用多次激发（NEX）采集中的固有噪声信息进行去噪	NA	开发一种基于深度学习的方法，用于去噪三维快速自旋回波磁共振成像	三维快速自旋回波磁共振成像	计算机视觉	NA	磁共振成像	三维卷积神经网络	图像	合成数据和真实膝关节数据
6576	2024-09-19	Instance segmentation of cells and nuclei from multi-organ cross-protocol microscopic images 2024-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-801 PMID:39281162	研究论文	本文提出了一种用于多器官跨协议显微图像中细胞和细胞核实例分割的模型	采用了YOLOv9-E模型生成边界框提示，并通过预训练的SAM模型进行零样本推理生成分割掩码，最后使用非极大值抑制和图像处理方法进行掩码细化	NA	开发一种计算机辅助方法，利用图像处理技术和深度学习算法来解决显微图像中细胞和细胞核分割的挑战	多器官跨协议显微图像中的细胞和细胞核	计算机视觉	NA	深度学习算法	YOLOv9-E, SAM	图像	4738张显微图像
6577	2024-09-19	Multidimensional quantitative characterization of periocular morphology: distinguishing esotropia from epicanthus by deep learning network 2024-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-155 PMID:39281168	研究论文	本研究利用深度学习模型对眼周形态进行多维度定量分析，以区分内斜视和内眦赘皮	首次应用深度学习模型对眼周形态进行定量分析，以区分内斜视和内眦赘皮	样本量有限，仅包括300名受试者	开发一种客观的方法来区分内斜视和内眦赘皮	7-18岁患有单纯内眦赘皮或共同性内斜视的儿童及健康志愿者	计算机视觉	NA	深度学习	深度学习网络	图像	300名受试者
6578	2024-09-19	Automatic substantia nigra segmentation with Swin-Unet in susceptibility- and T2-weighted imaging: application to Parkinson disease diagnosis 2024-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-27 PMID:39281181	研究论文	本文开发了一种基于Swin-Unet的深度学习方法，用于在磁敏感加权成像（SWI）和T2加权成像（T2WI）上自动分割黑质区域，并应用于帕金森病（PD）的诊断	本文创新性地使用Swin-Unet进行黑质区域的自动分割，并结合机器学习模型区分PD患者和健康对照组	本文未详细讨论模型的泛化能力和在不同数据集上的表现	开发一种自动化的深度学习方法，用于在SWI和T2WI上准确分割黑质区域，并辅助帕金森病的诊断	帕金森病患者和健康对照组的黑质区域	计算机视觉	神经退行性疾病	磁共振成像（MRI）	Swin-Unet	图像	83名帕金森病患者和83名年龄性别匹配的健康对照组
6579	2024-09-19	Deep learning model based on primary tumor to predict lymph node status in clinical stage IA lung adenocarcinoma: a multicenter study 2024-Sep, Journal of the National Cancer Center IF:7.6Q1 DOI:10.1016/j.jncc.2024.01.005 PMID:39281718	研究论文	开发了一种基于深度学习的模型，用于预测临床IA期肺腺癌患者的淋巴结状态	首次使用深度残差网络（ResNet）模型来预测肺腺癌患者的淋巴结状态，并展示了其在多中心数据集上的泛化能力	研究样本主要来自两家医院，可能存在样本偏倚	开发和验证一种深度学习模型，用于预测临床IA期肺腺癌患者的淋巴结状态	临床IA期肺腺癌患者及其淋巴结状态	计算机视觉	肺癌	深度学习	ResNet	图像	1009名病理确诊的临床T1N0M0期肺腺癌患者
6580	2024-09-19	A novel universal deep learning approach for accurate detection of epilepsy 2024-09, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2024.104219 PMID:39284648	研究论文	提出了一种新的通用深度学习方法，用于从任何设备的脑电图信号中准确检测癫痫	将VEEG视频转换为图像，分离部分并统一来自不同设备的图像，通过添加空间注意力层提高分类准确率	脑电图数据稀缺且来自不同设备，通道数和采样频率不同	构建高精度的癫痫诊断模型	脑电图信号	机器学习	癫痫	深度学习	NA	图像	视频被分割成不同周期的标记帧进行测试