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
281	2024-10-24	Predicting the effort required to manually mend auto-segmentations 2024-Jun-13, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.12.24308779 PMID:38947045	研究论文	研究如何评估自动分割结果在临床实践中所需的修正努力，并探讨使用深度学习模型预测修正努力的可行性	提出了一种新的混合指标Mendability Index (MI)，并初步探索了使用深度学习模型预测修正努力的可行性	初步探索了深度学习模型的可行性，但未深入讨论其应用细节和潜在问题	研究如何更好地评估自动分割结果在临床实践中的修正需求	自动分割结果的修正时间和修正努力	计算机视觉	NA	深度学习	深度学习模型	图像	7个来自三个不同机构的对象，包含原始CT图像、真实分割、自动分割、修正分割和记录的修正时间
282	2024-10-24	Ribonanza: deep learning of RNA structure through dual crowdsourcing 2024-Jun-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.24.581671 PMID:38464325	研究论文	本文介绍了通过众包收集的RNA结构化学映射数据集Ribonanza，并利用该数据集训练和评估了多种深度神经网络模型	提出了Ribonanza数据集，并通过Kaggle挑战赛训练和评估了多种深度神经网络模型，最终整合成一个名为RibonanzaNet的自包含模型	NA	解决RNA结构从序列预测的问题，并提高模型在RNA结构建模中的性能	RNA序列及其结构	机器学习	NA	深度学习	深度神经网络	RNA序列数据	两百万个多样化的RNA序列
283	2024-10-24	A Hybrid Deep Learning Classification of Perimetric Glaucoma Using Peripapillary Nerve Fiber Layer Reflectance and Other OCT Parameters from Three Anatomy Regions 2024-Jun-06, ArXiv PMID:38883241	研究论文	研究使用混合深度学习模型结合视网膜神经纤维层反射和其他OCT参数来提高青光眼诊断的准确性	提出了一种混合深度学习模型，结合视网膜神经纤维层反射和其他OCT参数，显著提高了青光眼的诊断准确性	研究样本量相对较小，可能需要进一步验证在大规模数据集上的表现	探讨深度学习模型是否能有效结合视网膜神经纤维层反射和其他OCT参数用于青光眼诊断	视网膜神经纤维层反射、OCT参数、青光眼患者和正常受试者	计算机视觉	眼科疾病	OCT	混合深度学习模型（FCN和CNN）	图像	106名正常受试者和164名青光眼患者
284	2024-10-24	Artificial intelligence-based morphologic classification and molecular characterization of neuroblastic tumors from digital histopathology 2024-Jun-04, Research square DOI:10.21203/rs.3.rs-4396782/v1 PMID:38883758	研究论文	开发了一种基于注意力机制的多实例学习和自监督学习的深度学习模型，用于从数字病理学图像中对神经母细胞瘤进行形态学分类和分子特征分析	首次将注意力机制的多实例学习和自监督学习应用于神经母细胞瘤的病理分类和分子特征分析	NA	开发一种自动化诊断和精确分类神经母细胞瘤的工具	神经母细胞瘤的病理分类和分子特征分析	数字病理学	NA	深度学习	注意力机制的多实例学习 (aMIL) 和自监督学习 (SSL)	图像	外部测试数据集
285	2024-10-24	Chemical signatures delineate heterogeneous amyloid plaque populations across the Alzheimer's disease spectrum 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.03.596890 PMID:38895368	研究论文	本文利用先进的化学成像工具和深度学习算法，研究了阿尔茨海默病中不同类型淀粉样斑块的化学特征	首次使用空间生物化学技术对不同斑块形态进行表征，揭示了斑块的异质性及其与疾病病理的关联	NA	研究阿尔茨海默病中淀粉样斑块的异质性及其与疾病病理的关联	阿尔茨海默病中的淀粉样斑块	数字病理	阿尔茨海默病	功能性淀粉样显微镜结合MALDI质谱成像(MSI)	深度学习算法	图像	NA
286	2024-10-24	Human motion data expansion from arbitrary sparse sensors with shallow recurrent decoders 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.01.596487 PMID:38895371	研究论文	本文开发了一种深度学习架构，利用浅层循环解码器网络将有限（稀疏）的传感器数据映射到全面的（密集）配置，从而推断未监测的身体部位的运动	本文的创新点在于利用传感器的时间历史信息，通过浅层循环解码器网络将稀疏传感器数据扩展为密集配置，即使只有一个传感器也能重建全面的时间序列测量	本文未提及具体的局限性	研究目的是通过深度学习和稀疏传感技术扩展人体运动数据，以提高数字生物标志物估计的准确性和可用性	研究对象包括控制运动任务、步态模式探索和自由移动环境中的数据	机器学习	NA	深度学习	浅层循环解码器网络	时间序列数据	涉及多种数据集，包括控制运动任务、步态模式探索和自由移动环境
287	2024-10-24	Automated classification of cellular expression in multiplexed imaging data with Nimbus 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.02.597062 PMID:38895405	研究论文	本文介绍了使用Nimbus深度学习模型对多重成像数据中的细胞表达进行自动分类	开发了Nimbus模型，该模型无需重新训练即可预测不同细胞类型和组织来源的多重成像数据中的标记物表达	NA	开发一种能够准确预测多重成像数据中标记物表达的深度学习模型	多重成像数据中的细胞表达和标记物表达	计算机视觉	NA	深度学习	深度学习模型	图像	包含197亿个标记物表达注释的Pan-Multiplex数据集，涵盖15种不同细胞类型
288	2024-10-19	[Deep transfer learning radiomics model based on temporal bone CT for assisting in the diagnosis of inner ear malformations] 2024-Jun, Lin chuang er bi yan hou tou jing wai ke za zhi = Journal of clinical otorhinolaryngology, head, and neck surgery DOI:10.13201/j.issn.2096-7993.2024.06.017 PMID:38858123	研究论文	评估传统放射组学、深度学习和深度学习放射组学在区分正常和内耳畸形方面的诊断效果	结合深度学习和放射组学特征，通过特征融合建立模型，提高了诊断准确性	模型之间的差异未达到统计学显著性	评估不同方法在诊断内耳畸形中的效果	内耳畸形和正常内耳的CT图像	计算机视觉	耳鼻喉疾病	深度迁移学习	深度学习放射组学模型	CT图像	572例颞骨CT数据，包括201例内耳畸形和371例正常内耳
289	2024-10-18	Speech decoding from stereo-electroencephalography (sEEG) signals using advanced deep learning methods 2024-06-27, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad593a PMID:38885688	研究论文	本研究使用立体脑电图（sEEG）信号和先进的深度学习方法解码语音波形	首次全面探索使用立体脑电图（sEEG）信号进行语音解码，并展示了深度学习方法在此领域的优越性	研究仅限于解码荷兰语单词，且样本量较小	探索使用立体脑电图（sEEG）信号解码语音的可行性，并评估不同深度学习方法的性能	癫痫患者的立体脑电图（sEEG）信号和其对应的语音波形	机器学习	NA	立体脑电图（sEEG）	RNN, Transformer	信号	癫痫患者参与者的sEEG数据
290	2024-10-13	Attention-based Imputation of Missing Values in Electronic Health Records Tabular Data 2024-Jun, Proceedings. IEEE International Conference on Healthcare Informatics DOI:10.1109/ichi61247.2024.00030 PMID:39387063	研究论文	本文提出了一种基于注意力机制的电子健康记录表格数据缺失值插补框架	利用特征间（自注意力）或样本间注意力来重建缺失数据，并采用对比学习中的数据处理方法提高插补模型的泛化能力	未提及具体局限性	提高机器学习在患者特定预测建模中对电子健康记录表格数据缺失值插补的准确性	电子健康记录表格数据中的缺失值	机器学习	NA	注意力机制	自注意力模型	表格数据	五个表格数据集和两个电子健康记录数据集
291	2024-10-11	Enhancing fall risk assessment: instrumenting vision with deep learning during walks 2024-06-22, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-024-01400-2 PMID:38909239	研究论文	本文提出了一种基于深度学习的物体检测算法VARFA，用于在步行过程中通过视觉和视频数据增强跌倒风险评估	本文的创新点在于提出了一种自动化的深度学习方法，通过视频数据评估视觉注意力，补充了传统的惯性测量单元（IMU）数据，从而更全面地评估跌倒风险	本文的局限性在于仅在实验室环境中进行了验证，尚未在实际临床环境中进行测试	本文的研究目的是通过自动化方法提高跌倒风险评估的效率和准确性	本文的研究对象是步行过程中的视觉注意力和环境细节	计算机视觉	NA	深度学习	YoloV8, U-NET	视频	实验室环境下的步行视频数据
292	2024-10-10	Evaluation of image quality on low contrast media with deep learning image reconstruction algorithm in prospective ECG-triggering coronary CT angiography 2024-Jun, The international journal of cardiovascular imaging DOI:10.1007/s10554-024-03113-y PMID:38722507	研究论文	评估低对比剂剂量下使用深度学习图像重建算法对冠状动脉CT血管造影图像质量的影响	使用深度学习图像重建算法（DLIR）在低对比剂剂量下实现高质量的冠状动脉CT血管造影图像	研究仅限于特定的对比剂浓度和流速，未探讨其他可能影响图像质量的因素	评估低剂量对比剂注射协议与深度学习图像重建算法对冠状动脉CT血管造影图像质量的影响	冠状动脉CT血管造影图像质量	计算机视觉	心血管疾病	深度学习图像重建算法	深度学习模型	图像	210名患者，分为三组，每组70人
293	2024-10-10	Exploring the potential of machine learning in gynecological care: a review 2024-06, Archives of gynecology and obstetrics IF:2.1Q2 DOI:10.1007/s00404-024-07479-1 PMID:38625543	综述	本文综述了机器学习在妇科护理中的潜力及其在孕早期、中期和晚期与超声技术的结合应用	探讨了机器学习在妇科健康中的应用，包括自然语言处理（NLP）和ChatGPT的概念	讨论了在妇科领域应用机器学习时面临的挑战	综述机器学习在妇科护理中的应用及其潜力	孕早期、中期和晚期，以及不孕症治疗、乳腺癌和宫颈癌	机器学习	妇科疾病	机器学习（ML）和深度学习（DL）	NA	数据集	NA
294	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
295	2024-10-08	Recurrent Inference Machine for Medical Image Registration 2024-Jun-19, ArXiv PMID:39371087	研究论文	本文提出了一种名为Recurrent Inference Image Registration (RIIR)网络的新型图像配准方法，旨在提高配准精度和数据效率	RIIR通过元学习的方式迭代地解决配准问题，结合隐式正则化和显式梯度输入，学习优化更新规则，从而提高配准精度和数据效率	NA	提高医学图像配准的精度和数据效率	脑部MRI和定量心脏MRI数据集	计算机视觉	NA	深度学习	RNN	图像	使用5%的训练数据进行实验
296	2024-10-08	Location-based Radiology Report-Guided Semi-supervised Learning for Prostate Cancer Detection 2024-Jun-18, ArXiv PMID:39371085	研究论文	提出了一种基于放射报告中的病变位置信息指导的半监督学习方法，用于前列腺癌的检测	利用放射报告中自动提取的病变位置信息，通过半监督学习方法减少对标注图像的依赖，从而降低标注负担	NA	提高计算机辅助前列腺癌在MRI上的检测效果	前列腺癌的检测	计算机视觉	前列腺癌	半监督学习	NA	图像	NA
297	2024-10-07	Inferring single-cell spatial gene expression with tissue morphology via explainable deep learning 2024-Jun-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.12.598686 PMID:38915550	研究论文	开发了一种基于视觉变换器（ViT）的框架，用于从组织形态学图像推断单细胞空间基因表达	提出了名为SPiRiT的框架，通过整合交叉验证和模型解释在超参数调优中，显著提高了预测准确性	NA	探索利用组织形态学图像推断单细胞空间基因表达的可行性	人类乳腺癌和小鼠幼崽的组织形态学图像	计算机视觉	乳腺癌	NA	视觉变换器（ViT）	图像	人类乳腺癌和小鼠幼崽的组织样本
298	2024-10-06	Hematologic cancer diagnosis and classification using machine and deep learning: State-of-the-art techniques and emerging research directives 2024-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102883 PMID:38657439	综述	本文综述了过去20年中使用机器学习和深度学习技术进行血液癌症诊断和分类的研究进展	本文总结了现有研究的优势和局限性，为该领域的研究人员提供了有价值的指导	本文主要基于已发表的研究进行综述，未提出新的技术或模型	评估和总结机器学习和深度学习在血液癌症诊断和分类中的应用	血液癌症的诊断和分类	机器学习	血液癌症	机器学习和深度学习	NA	图像	约57篇研究论文
299	2024-10-06	Learning the cellular activity representation based on gene regulatory networks for prediction of tumor response to drugs 2024-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102864 PMID:38640702	研究论文	本文提出了一种基于基因调控网络学习肿瘤细胞活性表示的方法，用于预测肿瘤对药物的反应	该方法通过整合基因调控网络的先验知识，模拟细胞生物系统，生成新的低维活性表示，从而提高预测性能	NA	预测肿瘤细胞对抗癌药物的反应，实现癌症精准医疗	肿瘤细胞对药物的反应	机器学习	NA	基因调控网络	深度学习模型	基因表达数据	NA
300	2024-10-06	Improving multiple sclerosis lesion segmentation across clinical sites: A federated learning approach with noise-resilient training 2024-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102872 PMID:38701636	研究论文	本文探讨了在多发性硬化症（MS）病变分割中使用联邦学习框架和噪声鲁棒训练策略，以解决多临床站点数据隐私和标签噪声问题	提出了Decoupled Hard Label Correction (DHLC)和Centrally Enhanced Label Correction (CELC)策略，以提高模型在多站点数据上的鲁棒性和准确性	未提及具体的局限性	提高多发性硬化症病变分割的准确性和鲁棒性，以支持疾病进展的理解和治疗策略的制定	多发性硬化症病变分割模型	计算机视觉	神经系统疾病	联邦学习	深度学习模型	医学影像	涉及两个多站点数据集