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
241	2024-09-08	Characterisation of quantitative imaging biomarkers for inflammatory and fibrotic radiation-induced lung injuries using preclinical radiomics 2024-03, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110106 PMID:38253201	研究论文	本研究利用放射组学技术，通过定量影像生物标志物识别急性炎症和晚期纤维化放射性肺损伤的预后和预测标志物	首次在临床前模型中应用深度学习放射组学技术，建立了急性炎症和晚期肺损伤的预测模型	研究仅限于小鼠模型，尚未在人类中验证	识别与放射性肺损伤相关的放射组学特征，并建立预测模型	C3H/HeN和C57BL6小鼠的放射性肺损伤	数字病理学	肺损伤	放射组学	随机森林分类器	影像	C3H/HeN和C57BL6小鼠各若干只
242	2024-09-08	Evaluating AI-generated CBCT-based synthetic CT images for target delineation in palliative treatments of pelvic bone metastasis at conventional C-arm linacs 2024-03, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110110 PMID:38272314	研究论文	评估基于AI生成的CBCT合成CT图像在常规C臂直线加速器上进行骨盆骨转移姑息治疗中的靶区勾画和治疗计划的可行性	利用深度学习模型生成CBCT合成CT图像，以提高常规C臂直线加速器上姑息治疗中靶区勾画的准确性	部分合成CT图像质量不足，需要通过增加PTV边距来补偿	评估AI生成的CBCT合成CT图像在姑息放射治疗中的靶区勾画和治疗计划的可行性	22名骨盆骨转移的女性患者	计算机视觉	骨转移	深度学习	深度学习模型	图像	22名女性患者，23个靶区
243	2024-09-07	RNA3DB: A structurally-dissimilar dataset split for training and benchmarking deep learning models for RNA structure prediction 2024-Mar-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.30.578025 PMID:38352531	研究论文	本文介绍了RNA3DB数据集，用于训练和基准测试深度学习模型进行RNA结构预测	提出了RNA3DB数据集，通过将RNA 3D链分成非冗余的组件，确保训练集和测试集在序列和结构上的差异，从而避免性能虚高的问题	NA	开发一个可重复且可定制的工具，用于生成结构上不相似的RNA数据集分割	RNA结构预测的深度学习模型	机器学习	NA	深度学习	深度学习模型	结构化RNA数据	RNA3DB数据集包含从蛋白质数据库（PDB）中提取的结构化RNA，具体样本数量未明确提及
244	2024-09-07	Transcranial direct current stimulation improves motor function in rats with 6-hydroxydopamine-induced Parkinsonism 2024-03-05, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2023.114815 PMID:38122905	研究论文	研究探讨了经颅直流电刺激（tDCS）对6-羟多巴胺诱导的帕金森病大鼠模型运动功能的改善作用	首次使用深度学习视频分析（DeepLabCut）检测帕金森病大鼠在跑步机行走时的前肢运动异常	tDCS治疗效果是短暂的，停止治疗后效果迅速消失	研究tDCS对帕金森病大鼠运动功能的改善效果	6-羟多巴胺诱导的帕金森病大鼠模型	神经科学	帕金森病	经颅直流电刺激（tDCS）	NA	视频	实验涉及的样本为帕金森病大鼠模型
245	2024-09-06	Context-dependent design of induced-fit enzymes using deep learning generates well-expressed, thermally stable and active enzymes 2024-Mar-12, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2313809121 PMID:38437538	研究论文	本文介绍了一种基于深度学习的酶设计策略CoSaNN，用于结构预测和序列优化，旨在提高酶的表达水平、热稳定性和催化多样性	引入CoSaNN策略，通过深度学习控制酶构象，扩展化学空间，采用上下文依赖的方法生成酶设计，并开发了预测蛋白质溶解度的图神经网络SolvIT	未提及具体限制	提高工程酶在工业应用中的表达水平、热稳定性和催化多样性	酶的表达水平、热稳定性和催化活性	机器学习	NA	深度学习	图神经网络	蛋白质序列和结构数据	54%的酶在表达中成功，30%的酶热稳定性提高
246	2024-09-06	Improved Vertebral Fracture Assessment: The Game-Changing Potential of Deep Learning with Multidetector CT 2024-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.240409 PMID:38530170	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
247	2024-08-31	Gaussian Aquila optimizer based dual convolutional neural networks for identification and grading of osteoarthritis using knee joint images 2024-03-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-57002-4 PMID:38538646	研究论文	本研究利用基于高斯鹰优化器的双卷积神经网络对膝关节图像进行识别和分级，以诊断骨关节炎	提出了一种新的高斯鹰优化器（GAO），用于优化双卷积神经网络（DCNN）模型的参数，该模型通过减少层数来降低计算负担	NA	旨在通过早期检测骨关节炎并及时治疗，减轻患者的疼痛	骨关节炎患者的膝关节图像	计算机视觉	骨关节炎	卷积神经网络	双卷积神经网络	图像	总共2283张膝关节图像，其中1267张为正常膝关节图像，1016张为骨关节炎图像
248	2024-08-31	Detecting abnormal cell behaviors from dry mass time series 2024-03-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-57684-w PMID:38528035	研究论文	本文介绍了一种新的自监督学习模型StArDusTS，用于检测细胞群体中的异常行为，通过分析细胞随时间的干质量时间序列来实现	提出了一个新颖的自监督学习模型StArDusTS，用于自动检测细胞异常行为，无需预先标签	NA	开发一种能够预测单细胞病理变化的新型自监督学习模型	细胞群体中的异常行为检测	机器学习	NA	自监督学习	StArDusTS	时间序列	涉及不同细胞系
249	2024-08-31	PlaqueNet: deep learning enabled coronary artery plaque segmentation from coronary computed tomography angiography 2024-Mar-22, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-024-00157-8 PMID:38514491	研究论文	本文介绍了一种名为PlaqueNet的深度学习方法，用于从冠状动脉CT血管造影图像中分割冠状动脉斑块	采用了先进的残差网络模块和深度可分离空洞空间金字塔池化结合双三次高效通道注意力（DASPP-BICECA）模块，提高了特征提取能力和分割准确性	NA	旨在通过深度学习技术提高冠状动脉斑块的检测准确性，以支持早期治疗和降低心血管疾病风险	冠状动脉斑块的分割	计算机视觉	心血管疾病	冠状动脉CT血管造影（CCTA）	CNN	图像	未具体说明样本数量
250	2024-08-29	A deep learning method for multi-task intelligent detection of oral cancer based on optical fiber Raman spectroscopy 2024-03-14, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d3ay02250a PMID:38419435	研究论文	本文提出了一种结合拉曼光谱和深度学习的多任务智能口腔癌检测方法	该方法能够同时处理肿瘤分期、淋巴结分期和组织学分级等多个分类任务，并采用了四种不同的多任务网络模型	初步实验结果显示模型性能良好，但仍需进一步验证和优化	开发一种有效的多任务智能口腔癌检测方法，以提高诊断准确性	口腔癌患者的正常和癌变组织样本	机器学习	口腔癌	拉曼光谱	多任务网络模型（MTN-Alexnet, MTN-Googlenet, MTN-Resnet50, MTN-Transformer）	拉曼光谱数据	70个组织样本，来自35名口腔癌患者
251	2024-08-29	Deep Learning to Differentiate Benign and Malignant Vertebral Fractures at Multidetector CT 2024-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.231429 PMID:38530172	研究论文	研究基于CT的深度学习模型区分良性与恶性椎体骨折的可靠性	开发了使用三维U-Net编码器-分类器架构的深度学习模型，并应用数据增强技术，提高了区分良性与恶性椎体骨折的能力	研究使用了回顾性数据，且外部测试集来自单一额外医院	探讨深度学习模型在区分良性与恶性椎体骨折中的可靠性	良性与恶性椎体骨折的CT扫描图像	计算机视觉	NA	深度学习	三维U-Net	CT扫描图像	训练集包含381名患者，1307个椎骨；内部和外部测试集分别包含86名和65名患者
252	2024-08-29	WATUNet: a deep neural network for segmentation of volumetric sweep imaging ultrasound 2024-Mar-01, Machine learning: science and technology DOI:10.1088/2632-2153/ad2e15 PMID:38464559	研究论文	本文介绍了一种名为Wavelet_Attention_UNet（WATUNet）的新型分割模型，该模型通过在编码器和解码器之间加入小波门和注意力门，改进了传统UNet架构的局限性，提高了模型性能。	WATUNet模型通过引入小波门和注意力门，解决了传统UNet架构中的梯度消失问题，增强了多尺度特征提取和选择性区域注意力。	NA	旨在通过深度学习技术，特别是卷积神经网络，改进乳腺癌诊断的准确性、节省时间和成本，并改善患者治疗效果。	研究对象包括公共的'Breast Ultrasound Images'数据集和作者在罗切斯特大学采集的私有VSI数据集，涵盖了三种类型的病变：无肿块、良性肿块和恶性肿块。	计算机视觉	乳腺癌	卷积神经网络	WATUNet	图像	使用了780张公共数据集图像和3818张私有VSI数据集图像
253	2024-08-28	AsymMirai: Interpretable Mammography-based Deep Learning Model for 1-5-year Breast Cancer Risk Prediction 2024-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.232780 PMID:38501952	研究论文	研究通过分析双侧不对称性，构建了一个可解释的深度学习模型AsymMirai，用于预测1-5年乳腺癌风险	AsymMirai模型通过引入局部双侧不对称性模块，提高了模型的解释性，并能近似Mirai模型的预测性能	研究为回顾性研究，且样本主要来自EMBED数据库，可能存在选择偏倚	旨在探索双侧不对称性是否是Mirai模型推理过程的基础，并构建一个简化的、可解释的模型AsymMirai	乳腺癌风险预测	数字病理学	乳腺癌	深度学习	CNN	影像	210,067张筛查乳腺X线照片，来自81,824名患者
254	2024-08-27	GeneAI 3.0: powerful, novel, generalized hybrid and ensemble deep learning frameworks for miRNA species classification of stationary patterns from nucleotides 2024-03-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-56786-9 PMID:38531923	research paper	本文介绍了AtheroPoint的GeneAI 3.0，一种用于从miRNA序列中的固定模式提取特征的强大、新颖且通用的方法，基于机器学习（EML）和卷积神经网络（CNN）的深度学习（EDL）框架	GeneAI 3.0利用五种传统特征和三种现代特征生成复合特征集，并通过新的分类器设计，显著提高了miRNA物种分类的准确性和可靠性	NA	开发一种新的深度学习和机器学习框架，用于提高miRNA物种分类的准确性和通用性	miRNA序列的分类，包括人类、猩猩、鼠和鼠	machine learning	NA	深度学习	CNN	序列数据	未明确提及具体样本数量
255	2024-08-24	Deep Learning-Based Multiparametric MRI Model for Preoperative T-Stage in Rectal Cancer 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28856 PMID:37367938	研究论文	本研究开发了一种基于术前多参数MRI的深度学习模型，用于评估直肠癌并提高T分期准确性	提出的多参数深度学习模型在评估直肠癌患者时表现优于放射科医生的评估、临床模型以及单一参数模型	研究为回顾性，样本量相对较小	开发和验证一种基于术前多参数MRI的深度学习模型，以提高直肠癌T分期的准确性	直肠癌患者	机器学习	直肠癌	MRI	卷积神经网络	图像	260名患者，其中123名T1-2期，134名T3-4期
256	2024-08-24	Magnetic Resonance Spectroscopy Spectral Registration Using Deep Learning 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28868 PMID:37401726	研究论文	本研究探讨了一种基于卷积神经网络的磁共振波谱（MRS）光谱注册（SR）方法，用于单体素Meshcher-Garwood点解析波谱（MEGA-PRESS）MRS数据的频率和相位同时校正。	本研究首次应用深度学习方法于磁共振波谱的光谱注册，提出了一种基于卷积神经网络的SR方法（CNN-SR），用于同时进行频率和相位校正。	本研究仅使用了模拟数据和来自Big GABA的101个MEGA-PRESS内侧顶叶数据进行验证，可能需要更多不同来源的真实数据以验证其广泛适用性。	研究目的是开发一种新的深度学习方法，用于磁共振波谱数据的频率和相位校正。	研究对象包括40,000个模拟的MEGA-PRESS数据集和101个来自Big GABA的实际MEGA-PRESS数据。	机器学习	NA	磁共振波谱（MRS）	卷积神经网络（CNN）	波谱数据	40,000个模拟数据集和101个实际数据集
257	2024-08-24	Deep Learning for Discrimination of Hypertrophic Cardiomyopathy and Hypertensive Heart Disease on MRI Native T1 Maps 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28904 PMID:37431848	研究论文	本研究探讨了深度学习技术在基于T1图像的肥厚型心肌病和高血压性心脏病鉴别诊断中的可行性，并比较了其与其他方法的诊断性能	本研究首次探讨了深度学习技术在肥厚型心肌病和高血压性心脏病的鉴别诊断中的应用，展示了其优越的诊断性能	本研究为回顾性研究，且样本量相对较小，可能影响结果的普遍性	研究深度学习技术在肥厚型心肌病和高血压性心脏病鉴别诊断中的可行性	肥厚型心肌病和高血压性心脏病患者	机器学习	心血管疾病	深度学习	ResNet32	图像	128名肥厚型心肌病患者和59名高血压性心脏病患者
258	2024-08-24	MRI-Based Radiomics and Deep Learning in Biological Characteristics and Prognosis of Hepatocellular Carcinoma: Opportunities and Challenges 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28982 PMID:37647155	研究论文	本文探讨了基于MRI的放射组学和深度学习技术在肝细胞癌生物学特征和预后预测中的应用及挑战	利用放射组学和深度学习方法开发人工智能模型，以提高肝细胞癌生物学特征和预后预测的准确性	人工智能模型在解释性方面存在挑战，阻碍了其在临床实践中的应用	研究人工智能技术在肝细胞癌临床护理中的应用，以提高生物学特征和预后预测的准确性	肝细胞癌的生物学特征和预后	机器学习	肝细胞癌	放射组学，深度学习	卷积神经网络	图像	NA
259	2024-08-24	Editorial for "Deep Learning for Discrimination of Hypertrophic Cardiomyopathy and Hypertensive Heart Disease on MRI Native T1 Maps" 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29021 PMID:37737641	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
260	2024-08-23	Multi-organ segmentation of organ-at-risk (OAR's) of head and neck site using ensemble learning technique 2024-03, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.02.001 PMID:38364707	研究论文	本文提出了一种使用深度学习模型结合集成学习技术自动分割头颈部癌症患者风险器官（OAR）的新方法	采用集成学习技术提高了风险器官分割的准确性和效率	由于内存限制，训练模型时使用了缩减的CT扫描数据	旨在提高风险器官分割的准确性和效率，这对于放射治疗计划至关重要	头颈部癌症患者的风险器官	计算机视觉	头颈部癌症	集成学习技术	3D U-Net 和 3D DenseNet-FCN	CT扫描图像	182名患者的CT扫描数据用于训练，78名患者的数据用于测试，以及31名患者的公开数据集