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
221	2024-09-15	Deep transfer learning with fuzzy ensemble approach for the early detection of breast cancer 2024-Apr-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01267-8 PMID:38589813	研究论文	本文研究了使用深度学习和模糊集成方法进行乳腺癌早期检测	提出了基于改进的Gompertz函数的模糊排名方法，用于集成深度学习模型的决策分数，以提高分类准确性	NA	研究乳腺癌的早期检测	乳腺肿瘤的早期检测	计算机视觉	乳腺癌	深度学习	CNN	图像	使用了四个公共数据库，每个数据库包含986张乳腺X光片，分为三类（正常、良性、恶性）
222	2024-09-15	A convolutional neural network-based system for fully automatic segmentation of whole-body [68Ga]Ga-PSMA PET images in prostate cancer 2024-Apr, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06555-z PMID:38095671	研究论文	本文开发并评估了一种基于nnU-Net框架的全自动工具，用于在前列腺癌患者的全身[68Ga]Ga-PSMA PET扫描中检测和分割mPCa病变	提出了一个基于nnU-Net框架的全3D卷积神经网络（CNN），用于前列腺癌患者的全身[68Ga]Ga-PSMA PET图像的自动分割	NA	开发和评估一种全自动工具，用于在前列腺癌患者的全身[68Ga]Ga-PSMA PET扫描中检测和分割mPCa病变	前列腺癌患者的全身[68Ga]Ga-PSMA PET扫描图像	计算机视觉	前列腺癌	卷积神经网络（CNN）	nnU-Net	图像	412名前列腺癌患者
223	2024-09-15	Automated identification of uncertain cases in deep learning-based classification of dopamine transporter SPECT to improve clinical utility and acceptance 2024-Apr, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06566-w PMID:38133688	研究论文	本文设计并验证了一种基于卷积神经网络（CNN）的系统，用于识别多巴胺转运体SPECT图像分类中的不确定病例	提出了一个结合五个CNN的网络集成（NE）和一个不确定性检测模块（UDM），用于识别可能被错误分类的病例	NA	设计并验证一个CNN系统，用于识别多巴胺转运体SPECT图像分类中的不确定病例，以提高临床实用性和接受度	多巴胺转运体（DAT）-SPECT图像	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	开发数据集包含1740个临床DAT-SPECT图像，其中1250个用于训练，490个用于测试；另外两个独立测试数据集分别包含640和645个图像
224	2024-09-14	Machine learning in cardiac surgery: a narrative review 2024-Apr-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-23-1659 PMID:38738250	综述	本文综述了机器学习在心脏外科中的应用，特别是其在预测分析和临床决策支持中的作用	机器学习方法在心脏外科中用于生成术前风险概况，能够准确预测临床结果	与传统风险指标相比，机器学习在预测性能上的改进有限，当前在临床设置中的应用仍然有限	探讨机器学习在心脏外科中的临床应用及其在预测分析和临床决策支持中的潜力	心脏外科中的机器学习方法及其在临床决策支持中的应用	机器学习	心血管疾病	机器学习	NA	电子健康记录数据	NA
225	2024-09-14	Demystifying AI: Current State and Future Role in Medical Education Assessment 2024-04-01, Academic medicine : journal of the Association of American Medical Colleges IF:5.3Q1 DOI:10.1097/ACM.0000000000005598 PMID:38166201	研究论文	本文探讨了人工智能在医学教育评估中的现状和未来角色，介绍了精准教育的概念，并讨论了AI在解决传统评估方法局限性方面的潜力和挑战	提出了精准教育的概念，并探讨了AI在个性化教育体验中的应用，包括主动数据收集、客观评估和资源负担减轻	讨论了将AI整合到医学教育中的关键挑战和伦理考虑，如算法透明性、数据隐私和偏见传播	探讨AI在医学教育评估中的应用，旨在提高评估效率和公平性	医学教育评估中的数据复杂性、资源限制、偏见、反馈转化和教育连续性	机器学习	NA	人工智能（AI）、机器学习（ML）、深度学习（DL）	NA	数据	NA
226	2024-09-13	A deep learning-based approach for unbiased kinematic analysis in CNS injury 2024-Apr-12, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.08.588606 PMID:38645091	研究论文	本文介绍了一种基于深度学习的方法，用于脊髓损伤后无偏差的运动学分析	开发了两种基于深度学习算法的无标记运动学分析范式，MotorBox和MotoRater，用于替代传统的BMS测试，消除了评估中的主观偏差和变异性	NA	提高脊髓损伤后功能评估的准确性、敏感性和可重复性	脊髓损伤后的运动功能评估	机器学习	脊髓损伤	深度学习	NA	视频	NA
227	2024-09-13	Automated cutaneous squamous cell carcinoma grading using deep learning with transfer learning 2024 Apr-Jun, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie DOI:10.47162/RJME.65.2.10 PMID:39020538	研究论文	本研究开发并验证了一种基于深度学习的模型，用于自动化皮肤鳞状细胞癌的病理分级	利用迁移学习训练三种不同架构的深度神经网络，提高了诊断准确性和效率	NA	开发和验证一种基于深度学习的模型，用于自动化皮肤鳞状细胞癌的病理分级	皮肤鳞状细胞癌的病理分级	计算机视觉	皮肤癌	深度学习	深度神经网络（DNN）	图像	300张皮肤鳞状细胞癌的病理图像，60张用于临床验证
228	2024-09-07	Longitudinal MRI analysis using a hybrid DenseNet-BiLSTM method for Alzheimer's disease prediction 2024-04-12, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2024.114900 PMID:38341100	研究论文	本文提出了一种混合DenseNet-BiLSTM方法，用于阿尔茨海默病的纵向MRI分析和预测	该研究创新性地结合了卷积DenseNet和双向LSTM层，以提取纵向MRI图像中的空间和时间特征，从而提高诊断准确性	NA	提高阿尔茨海默病的诊断准确性和理解疾病进展	纵向MRI图像中的空间和时间特征	计算机视觉	阿尔茨海默病	MRI	DenseNet-BiLSTM	图像	684张纵向MRI图像，包括正常对照组、轻度认知障碍患者和阿尔茨海默病患者
229	2024-09-07	Explainable deep learning-based survival prediction for non-small cell lung cancer patients undergoing radical radiotherapy 2024-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110084 PMID:38244779	研究论文	本文比较了Cox比例风险回归、随机生存森林和深度学习在预测接受放射治疗的非小细胞肺癌患者总体生存率方面的表现，并使用可解释技术提供每个协变量对预测的贡献	本文提出了使用深度学习方法进行生存预测，并结合可解释技术提高模型的透明度和可解释性	NA	比较不同机器学习方法在预测非小细胞肺癌患者总体生存率方面的表现，并提高模型的可解释性	接受放射治疗的非小细胞肺癌患者	机器学习	肺癌	深度学习	深度学习	数值数据	471名非小细胞肺癌患者
230	2024-09-06	Intelligently Quantifying the Entire Irregular Dental Structure 2024-04, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241226871 PMID:38372132	研究论文	本文提出了一种人工智能测量工具，用于对不规则牙结构进行整体定量分析	本文创新性地使用了轻量级模型LU-Net，并通过补偿模块解决了边界不清晰导致的分割难题，同时进行了额外的牙釉质分割以建立测量坐标系统	NA	开发一种能够对不规则牙结构进行整体定量分析的工具，以满足临床需求	不规则牙结构，特别是腭骨	计算机视觉	NA	深度学习语义分割	LU-Net	图像	测试集中包含腭骨和牙釉质的样本
231	2024-09-06	B-mode US and Deep Learning Rivals Shear-Wave Elastography in Screening for Fibrosis 2024-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.240868 PMID:38652032	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
232	2024-08-30	A Transformer-Based microvascular invasion classifier enhances prognostic stratification in HCC following radiofrequency ablation 2024-04, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.15846 PMID:38263714	研究论文	本研究开发了一种基于Transformer的深度学习网络，用于预测接受射频消融治疗的肝细胞癌患者的微血管侵犯风险，以提高预后分层的准确性。	使用Swin Transformer深度学习网络分析磁共振成像数据，预测微血管侵犯风险，为早期肝细胞癌患者提供了一种新的影像学预后标志物。	研究样本主要集中在乙型肝炎病毒感染的患者，且样本量相对较小，可能限制了研究结果的普适性。	开发一种新的深度学习模型，用于提高肝细胞癌患者在接受射频消融治疗后的预后分层准确性。	接受射频消融治疗的肝细胞癌患者，特别是早期阶段的患者。	机器学习	肝细胞癌	磁共振成像	Swin Transformer	影像数据	训练集包含696例手术切除患者，验证集包含180例患者。
233	2024-08-29	Deep Learning Nomogram for the Identification of Deep Stromal Invasion in Patients With Early-Stage Cervical Adenocarcinoma and Adenosquamous Carcinoma: A Multicenter Study 2024-04, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28882 PMID:37392060	研究论文	本研究开发了一种深度学习诺模图，用于识别早期宫颈腺癌和腺鳞癌患者的深层基质侵犯	本研究通过整合临床独立风险因素和深度学习得分，构建了一种新的诺模图，用于评估深层基质侵犯，具有较高的准确性和诊断能力	本研究为回顾性研究，且仅在三个中心进行了验证	开发一种诺模图以准确识别宫颈腺癌/腺鳞癌中的深层基质侵犯，从而优化治疗决策	早期宫颈腺癌和腺鳞癌患者	计算机视觉	宫颈癌	深度学习	Resnet18	图像	650名患者
234	2024-08-29	Radiomics and Deep Learning to Predict Pulmonary Nodule Metastasis at CT 2024-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.233356 PMID:38591975	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
235	2024-08-27	Gra-CRC-miRTar: The pre-trained nucleotide-to-graph neural networks to identify potential miRNA targets in colorectal cancer 2024-Apr-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.15.589599 PMID:38659732	研究论文	本文提出了一种预训练的核苷酸到图神经网络框架Gra-CRC-miRTar，用于识别结直肠癌中的潜在miRNA靶点	构建了两个预训练模型来编码RNA序列并将其转换为de Bruijn图，使用不同的图神经网络学习潜在表示，并通过多层感知器进行预测任务	NA	提高结直肠癌治疗干预的基础	结直肠癌中的miRNA靶点	机器学习	结直肠癌	图神经网络	多层感知器（MLP）	RNA序列	201个实验验证的miRNA-mRNA对
236	2024-08-27	Left Ventricular Trabeculations at Cardiac MRI: Reference Ranges and Association with Cardiovascular Risk Factors in UK Biobank 2024-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.232455 PMID:38563665	研究论文	本研究利用深度学习算法对英国生物库的心脏MRI扫描进行自动分割，评估个体特征和心血管风险因素与左心室（LV）乳头肌质量（LVM）的关系，并建立健康参与者的正常参考范围	首次应用自动分割技术评估左心室乳头肌质量与心血管风险因素的关系，并建立了健康人群的年龄和性别特异性参考范围	研究仅包括白人成年参与者，可能限制了结果的普遍性	评估个体特征和心血管风险因素与左心室乳头肌质量的关系，并建立正常参考范围	左心室乳头肌质量及其与心血管风险因素的关系	数字病理学	心血管疾病	深度学习算法	NA	图像	共43,038名参与者，其中28,672人属于暴露组，7384人属于参考组
237	2024-08-27	Predicting Invasiveness of Lung Adenocarcinoma at Chest CT with Deep Learning Ternary Classification Models 2024-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.232057 PMID:38591974	研究论文	本文研究了使用深度学习三元分类模型在胸部CT上预测肺腺癌侵袭性的方法	提出了一种结合裁决方法的策略，通过框架优化、联合学习和裁决策略，提高了深度学习模型在分类肺腺癌侵袭性方面的性能	研究为回顾性研究，且仅在特定数据集上进行了验证	旨在确定包含裁决方法的策略是否能增强深度学习三元分类模型在预测肺腺癌侵袭性方面的性能，并保持对纯磨玻璃结节（pGGNs）的分类性能	肺腺癌的侵袭性分类	机器学习	肺腺癌	深度学习	三元分类模型	CT影像	共4929个结节来自4483名患者，外部测试集包含361个pGGNs来自281名患者
238	2024-08-27	Clinical Utility of a CT-based AI Prognostic Model for Segmentectomy in Non-Small Cell Lung Cancer 2024-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.231793 PMID:38625008	研究论文	开发并验证了一种基于深度学习的预测模型，使用术前CT扫描和临床影像信息对接受肺段切除术的IA期非小细胞肺癌患者进行风险分层	该模型在自由复发和肺癌特异性生存方面表现出比日本临床肿瘤学组标准更高的敏感性	这是一项单中心回顾性研究，需要进一步的多中心研究来验证模型的有效性	开发和验证一种基于CT的深度学习预测模型，用于对接受肺段切除术的IA期非小细胞肺癌患者进行风险分层	接受肺段切除术的IA期非小细胞肺癌患者	机器学习	肺癌	深度学习	DL模型	影像数据	预训练集包括1756名患者，内部集包括730名患者，肺段切除术测试集包括222名患者
239	2024-08-27	US-based Sequential Algorithm Integrating an AI Model for Advanced Liver Fibrosis Screening 2024-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.231461 PMID:38652028	研究论文	本研究构建了包含超声深度学习模型的序贯临床算法，并比较其与其它非侵入性测试预测晚期肝纤维化的能力	提出了一种结合FIB-4指数和超声深度学习模型的序贯算法，提高了诊断准确性和转诊管理	NA	构建序贯临床算法以提高晚期肝纤维化的筛查准确性	慢性肝病患者及肝功能异常但原因不明的成人患者	机器学习	肝病	超声深度学习	深度学习网络（FIB-Net）	图像	训练集3067例，验证集1599例，测试集1228例
240	2024-08-24	BlastAssist: a deep learning pipeline to measure interpretable features of human embryos 2024-Apr-03, Human reproduction (Oxford, England) DOI:10.1093/humrep/deae024 PMID:38396213	研究论文	BlastAssist是一个深度学习管道，用于测量人类胚胎的可解释特征	BlastAssist管道能够测量一组全面的可解释特征，并在测量这些特征方面与胚胎学家和人类专家的表现相当或更优	尚未在其他诊所或其他时间流逝显微镜系统上测试BlastAssist管道，且未考虑混杂变量	评估BlastAssist深度学习管道在测量人类胚胎可解释特征方面的性能	人类胚胎的可解释特征	机器学习	NA	深度学习	CNN	图像	67,043,973张图像（32,939个胚胎）