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
181	2024-08-14	Deep learning enables the differentiation between early and late stages of hip avascular necrosis 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10104-5 PMID:37581656	研究论文	本文开发了一种深度学习方法，通过训练三种卷积神经网络（CNN）来区分早期和晚期股骨头坏死（AVN）阶段，以辅助治疗决策。	使用深度学习方法和卷积神经网络集合来准确区分早期和晚期股骨头坏死阶段，其性能与专家放射科医生相当。	模型在外部验证时性能有所下降。	开发一种深度学习方法来区分早期和晚期股骨头坏死，以辅助临床治疗决策。	股骨头坏死（AVN）的早期和晚期阶段。	机器学习	骨科疾病	卷积神经网络（CNN）	CNN	图像	104例MRI检查，外部验证集49例患者。
182	2024-08-14	Value of deep learning reconstruction of chest low-dose CT for image quality improvement and lung parenchyma assessment on lung window 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10087-3 PMID:37581663	研究论文	本研究探讨了低剂量计算机断层扫描（LDCT）结合深度学习重建（DLR）对图像质量和肺实质评估的改进效果	DLR能够有效降低图像噪声并提高图像质量，对于评估肺部病变具有良好表现，除了亚实性结节和肺部减低衰减	DLR在评估亚实性结节和肺部减低衰减方面表现不如常规剂量CT	评估DLR应用于胸部低剂量CT对图像质量和肺实质评估的改进	60名患者的胸部常规剂量CT和低剂量CT图像	计算机视觉	肺部疾病	低剂量计算机断层扫描（LDCT）	深度学习重建（DLR）	图像	60名患者
183	2024-08-14	Noninvasive identification of HER2-low-positive status by MRI-based deep learning radiomics predicts the disease-free survival of patients with breast cancer 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09990-6 PMID:37597033	研究论文	本研究旨在建立基于磁共振成像（MRI）的深度学习放射组学（DLR）特征，以预测乳腺癌患者的人表皮生长因子受体2（HER2）低阳性状态，并通过DLR模型验证其预后差异	成功构建了基于MRI的DLR模型，能够非侵入性地评估HER2状态，并进一步揭示预测HER2低阳性状态患者无病生存期的前景	NA	建立并验证基于MRI的深度学习放射组学模型，以预测乳腺癌患者的HER2低阳性状态及其无病生存期	乳腺癌患者的HER2低阳性状态及其无病生存期	数字病理学	乳腺癌	深度学习放射组学	深度学习模型	MRI图像	481名接受术前MRI的乳腺癌患者
184	2024-08-14	Effects of a comprehensive brain computed tomography deep learning model on radiologist detection accuracy 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10074-8 PMID:37606663	研究论文	本研究评估了一种全面的脑部CT深度学习模型对放射科医生检测准确性的影响	该深度学习模型显著提高了放射科医生的解读性能，并减少了解读时间	NA	评估深度学习模型在辅助放射科医生进行脑部CT扫描解读中的效果	放射科医生在使用和不使用深度学习模型辅助下的脑部CT扫描解读性能	计算机视觉	NA	深度学习	深度学习模型	图像	212,484例脑部CT扫描，32名放射科医生评估2848例扫描
185	2024-08-14	Accelerated 3D MR neurography of the brachial plexus using deep learning-constrained compressed sensing 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09996-0 PMID:37606664	研究论文	本研究探讨了深度学习约束的压缩感知（DLCS）在提高臂丛3D MRI图像质量和缩短采集时间方面的应用	DLCS4x在信号噪声比和对比噪声比方面优于SENSE4x、CS4x和DLCS8x，且在未增强组中，DLCS4x在臂丛的各个段中评分均高于其他方法	NA	提高臂丛3D MRI的图像质量和缩短采集时间	臂丛的3D MRI图像	计算机视觉	NA	深度学习约束的压缩感知（DLCS）	CNN	图像	54名接受增强成像的参与者和41名接受未增强成像的参与者
186	2024-08-14	Automated, fast, robust brain extraction on contrast-enhanced T1-weighted MRI in presence of brain tumors: an optimized model based on multi-center datasets 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10078-4 PMID:37615767	研究论文	本文开发了一种基于nnU-Net的深度学习模型，用于在脑肿瘤存在的情况下自动提取对比增强T1加权MRI图像中的脑部结构	该模型能够自动处理包含脑肿瘤的MRI神经影像数据，提取包括重要浅表结构在内的脑部结构，为肿瘤分析提供更多信息	模型在脑膜瘤和前庭神经鞘瘤组中的性能略有下降，并且在肿瘤周围水肿组中存在显著差异	优化现有的脑部提取模型，以提供更多肿瘤分析所需的信息	对比增强T1加权MRI图像中的脑部结构提取	计算机视觉	脑肿瘤	nnU-Net	深度学习模型	MRI图像	研究涉及920名患者，其中720例来自私人机构，200例来自公共数据集
187	2024-08-13	Unsupervised deep learning framework for temperature-compensated damage assessment using ultrasonic guided waves on edge device 2024-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-54418-w PMID:38355983	研究论文	本文提出了一种利用超声导波在边缘设备上进行温度补偿损伤评估的无监督深度学习框架	利用TinyML框架开发轻量级机器学习模型，可直接部署在嵌入式边缘设备上，实现高效的结构健康监测	尽管模型轻量，但在有限特征下仍需提高准确性以更好地检测小尺寸缺陷	开发一种适用于边缘设备的轻量级机器学习模型，用于结构健康监测	蜂窝复合材料夹层结构中的脱粘和分层损伤	机器学习	NA	超声导波	无监督学习	数据	在0-90°C温度范围内进行的有限元模拟和实验数据
188	2024-08-12	Performance analysis and knowledge-based quality assurance of critical organ auto-segmentation for pediatric craniospinal irradiation 2024-02-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-55015-7 PMID:38378834	研究论文	本研究评估了两种自动分割方法（图谱技术和深度学习神经网络）在儿童颅脊照射治疗区域自动分割中的性能，并开发了一种基于知识的质量保证工具来前瞻性地评估分割准确性。	本研究开发了一种新的基于知识的质量保证工具，用于前瞻性地评估自动分割的准确性，并比较了两种不同方法的性能。	NA	评估和确保儿童颅脊照射治疗区域自动分割的质量和准确性。	儿童颅脊照射治疗区域的自动分割方法及其质量保证工具。	数字病理学	中枢神经系统疾病	深度学习神经网络	神经网络	图像	100名年龄在2至25岁之间的患者，中位年龄为8岁
189	2024-08-09	Deep learning for acute rib fracture detection in CT data: a systematic review and meta-analysis 2024-Feb-28, The British journal of radiology DOI:10.1093/bjr/tqae014 PMID:38323515	综述	对使用深度学习模型在CT数据中进行肋骨骨折分类、检测和分割的研究进行系统回顾和荟萃分析	本综述为当前使用深度学习模型进行肋骨骨折检测的现状提供了分类参考，并为未来的研究提供了数据提取、偏倚风险评估和荟萃分析的参考	大多数研究的偏倚风险源于不适当的患者和数据选择	评估深度学习模型在CT数据中检测急性肋骨骨折的性能及其偏倚风险	深度学习模型在CT数据中对肋骨骨折的分类、检测和分割	计算机视觉	NA	深度学习	NA	CT数据	共选择了27项研究
190	2024-08-09	Artificial intelligence for radiographic imaging detection of caries lesions: a systematic review 2024-Feb-24, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04046-7 PMID:38402191	系统综述	本系统综述旨在评估用于检测龋齿病变的人工智能模型的诊断性能	人工智能模型在龋齿病变检测中展现了良好的诊断性能，可能成为重要的辅助工具	这些研究的局限性主要与数据集的大小和异质性有关	评估人工智能模型在龋齿病变检测中的诊断性能	用于检测龋齿病变的人工智能模型	计算机视觉	口腔疾病	人工神经网络 (ANN), 卷积神经网络 (CNN), 深度卷积神经网络 (DCNN)	CNN, ANN, DCNN	影像	影像检查数量从15到2900不等
191	2024-08-09	Deep learning in oral cancer- a systematic review 2024-Feb-10, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-03993-5 PMID:38341571	综述	本文是一篇关于深度学习在口腔癌诊断和预后预测中应用的系统综述	NA	NA	旨在回顾深度学习在口腔癌诊断和预后预测中的研究	口腔癌的诊断和预后预测	机器学习	口腔癌	深度学习	CNN	NA	54项合格研究，包括51项诊断研究和3项预后预测研究
192	2024-08-09	Could the underlying biological basis of prognostic radiomics and deep learning signatures be explored in patients with lung cancer? A systematic review 2024-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111314 PMID:38244306	综述	本文综述了预测性放射组学和深度学习特征在肺癌患者中的潜在生物学基础，并评估了现有研究的质量	NA	纳入的研究总体上存在高偏倚风险	总结肺癌患者中预测性放射组学和深度学习特征的潜在生物学关联，并评估研究质量	肺癌患者的预测性放射组学和深度学习特征的生物学基础	数字病理学	肺癌	基因测序	机器学习	图像	7,338名患者
193	2024-08-09	Deep learning in MRI-guided radiation therapy: A systematic review 2024-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14155 PMID:37712893	综述	本文系统回顾了197项关于MRI引导放疗和深度学习技术的研究，分类讨论了图像分割、图像合成、放射组学和实时MRI等领域的进展	强调了深度学习在多模态、视觉变换器和扩散模型等新趋势中的应用	NA	探讨深度学习技术在MRI引导放疗中的临床重要性和当前挑战	MRI引导放疗中的图像分割、图像合成、放射组学和实时MRI	机器学习	NA	深度学习	视觉变换器、扩散模型	图像	197项研究
194	2024-08-07	Genetic Algorithm-Based Receptor Ligand: A Genetic Algorithm-Guided Generative Model to Boost the Novelty and Drug-Likeness of Molecules in a Sampling Chemical Space 2024-02-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01964 PMID:38302422	研究论文	提出了一种基于遗传算法的生成模型GARel，用于设计具有新颖骨架和药物相似性的分子	GARel模型通过遗传算法引导，能够生成具有更多样化和新颖骨架的分子，并具有更好的物理化学性质和有利的对接分数	NA	开发一种能够平衡新颖性和药物相似性的深度学习生成模型，以推动药物发现领域的发展	设计针对AA2AR、EGFR和SARS-Cov2的抑制剂分子	机器学习	NA	遗传算法	深度学习生成模型	分子结构	针对三个目标（AA2AR、EGFR和SARS-Cov2）设计抑制剂分子
195	2024-08-04	Pediatric diabetes prediction using deep learning 2024-02-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-51438-4 PMID:38378741	研究论文	本研究提出了一种新的高准确性糖尿病早期预测技术	创新点在于使用深度学习和优化的深度神经网络实现高达99.8%的糖尿病预测准确率	该研究可能缺乏对不同种族或地区数据的外部验证	研究旨在开发精准的儿童糖尿病预测系统	研究对象为548名拥有18个重要特征的患者	机器学习	糖尿病	深度学习	深度神经网络（DNN）	数据	548名患者
196	2024-08-04	AI models for automated segmentation of engineered polycystic kidney tubules 2024-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-52677-1 PMID:38310171	研究论文	本文比较了用于自动分割工程性多囊肾小管的深度学习模型	引入了UACANet模型，该模型使用自注意力机制并具有一定的可解释性，展示了其在囊肿检测方面的优势	模型的性能受限于所使用的图像数据集，可能无法泛化到其他类型的肾组织图像	开发能够直接在人体肾组织上自动检测囊肿生长的模型	研究对象为32个工程性多囊肾小管的免疫荧光图像	计算机视觉	肾脏疾病	深度学习算法	UNet++, UACANet	图像	32个工程性多囊肾小管
197	2024-08-04	Random expert sampling for deep learning segmentation of acute ischemic stroke on non-contrast CT 2024-Feb-01, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2023-021283 PMID:38302420	研究论文	本研究探讨了在非对比CT上分割急性缺血性中风的深度学习算法的两种训练方法	提出了一种随机专家采样的方法，该方法在急性缺血性中风的CT扫描分割性能上优于传统多数投票模型	研究仅针对非对比CT影像，结果在其他类型影像上可能不适用	提高急性缺血性中风诊断中的影像分割准确性	260例急性缺血性中风患者的非对比CT影像数据	数字病理学	急性缺血性中风	深度学习	U-Net	影像	260个非对比CT研究，233名患者
198	2024-08-04	Folding-upon-binding pathways of an intrinsically disordered protein from a deep Markov state model 2024-02-06, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2313360121 PMID:38294935	研究论文	本文研究了一个内在无序蛋白质在与其生理相互作用伙伴结合时的折叠路径	采用深度学习的马尔可夫状态建模方法，揭示了折叠与结合的多步诱导适配机制，与传统的典型构象选择路径有所不同	未能找到典型的构象选择路径的证据	研究内在无序蛋白质的结合机制及其折叠过程	麻疹病毒核蛋白N与麻疹病毒磷蛋白复合物的X域的结合	计算生物学	NA	深度学习, 马尔可夫状态建模	NA	分子动态模拟数据	NA
199	2024-08-04	Mixtures Recomposition by Neural Nets: A Multidisciplinary Overview 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01633 PMID:38284618	综述	本综述探讨了人工神经网络在化学混合物重组中的最新进展	提出了神经网络与物理知识的混合，促进了对化学混合物的理解和预测能力	未提供具体的实验数据支持，主要为理论探讨	研究人工神经网络在化学混合物重组中的应用潜力	聚焦于化学混合物及其成分的重组	机器学习	NA	人工神经网络	深度学习模型	NA	NA
200	2024-08-04	Leveraging DFT and Molecular Fragmentation for Chemically Accurate pKa Prediction Using Machine Learning 2024-02-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01923 PMID:38301279	研究论文	我们提出了一种基于随机森林的量子力学/机器学习框架，用于准确预测复杂有机分子的pKa值	我们的工作扩展了CBH的适用性，利用其生成可用于机器学习的分子描述符	未提及具体限制	准确预测复杂有机分子的pKa值	复杂有机分子	机器学习	NA	密度泛函理论（DFT）	随机森林	NA	在两个基准数据集（SAMPL6和诺华）上评估模型性能