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
101	2024-11-22	ImSpect: Image-driven self-supervised learning for surgical margin evaluation with mass spectrometry 2024-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03106-1 PMID:38600411	研究论文	提出了一种新的框架ImSpect，通过将iKnife的1D数据转换为2D图像，并利用自监督学习进行基底细胞癌手术中的切缘评估	首次将公开的、最先进的预训练网络和数据集应用于iKnife数据，并利用自监督学习处理大量未标记的术中数据	NA	开发一种新的方法，利用质谱数据对癌症手术中的组织切缘进行实时评估	基底细胞癌手术中的切缘评估	计算机视觉	皮肤癌	质谱	深度学习模型	图像	NA
102	2024-11-21	Machine Learning in Spine Oncology: A Narrative Review 2024-Jun-11, Global spine journal IF:2.6Q1 DOI:10.1177/21925682241261342 PMID:38860699	综述	本文综述了机器学习在脊柱肿瘤学中的应用	机器学习在脊柱肿瘤的诊断、预后和治疗中的应用具有显著潜力	NA	探讨机器学习在脊柱肿瘤学中的应用及其对医疗实践的影响	脊柱肿瘤的诊断、预后和治疗	机器学习	脊柱肿瘤	机器学习算法	神经网络和深度学习算法	医学影像和临床特征	45项研究符合纳入标准，涉及480篇文献
103	2024-11-21	Convolutional Neural Networks to Study Contrast-Enhanced Magnetic Resonance Imaging-Based Skeletal Calf Muscle Perfusion in Peripheral Artery Disease 2024-06-01, The American journal of cardiology DOI:10.1016/j.amjcard.2024.03.035 PMID:38580040	研究论文	研究使用卷积神经网络（CNN）通过对比增强磁共振成像（CE-MRI）的骨骼小腿肌肉灌注模式特征来区分外周动脉疾病（PAD）患者与匹配的对照组	首次使用卷积神经网络分析对比增强磁共振成像的骨骼小腿肌肉灌注模式，以区分PAD患者与对照组	研究样本量较小，且仅限于小腿肌肉的灌注模式分析	探索使用深度学习方法通过CE-MRI图像区分PAD患者与对照组	PAD患者与匹配的对照组的小腿肌肉灌注模式	计算机视觉	外周动脉疾病	对比增强磁共振成像（CE-MRI）	卷积神经网络（CNN）	图像	56名参与者，包括36名PAD患者和20名匹配的对照组
104	2024-11-20	Deep learning survival model predicts outcome after intracerebral hemorrhage from initial CT scan 2024-Jun-16, European stroke journal IF:5.8Q1 DOI:10.1177/23969873241260154 PMID:38880882	研究论文	本研究利用深度学习模型预测脑出血患者从初始CT扫描后的长期功能障碍	本研究开发了一种可推广的深度学习模型，用于预测脑出血后的依赖性生活和残疾，相比现有的预测工具，该模型在长期预测方面具有更高的准确性	本研究的局限性在于仅使用了非对比CT扫描数据，且样本量相对较小	本研究旨在从入院时的非对比CT扫描中预测脑出血患者的长期功能障碍	本研究的研究对象是脑出血患者	计算机视觉	脑血管疾病	深度学习	深度学习模型	图像	训练集包含882名患者，验证集包含146名患者
105	2024-11-20	Identifying Pathological Subtypes of Brain Metastasis from Lung Cancer Using MRI-Based Deep Learning Approach: A Multicenter Study 2024-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00988-0 PMID:38347392	研究论文	本研究探讨了基于多参数MRI的深度学习方法区分肺癌脑转移病理亚型的可行性	开发了一种基于ResNet-18基础网络的注意力引导残差融合网络（ARFN）模型，用于多参数MRI序列的分类	研究为回顾性分析，样本量有限，且仅涉及五家医疗中心的病例	研究基于多参数MRI的深度学习方法在区分肺癌脑转移病理亚型中的可行性	肺癌脑转移的病理亚型，包括小细胞肺癌（SCLC）和非小细胞肺癌（NSCLC）	计算机视觉	肺癌	深度学习	注意力引导残差融合网络（ARFN）	MRI图像	246名患者，共456个脑转移病例
106	2024-11-20	Atrial Septal Defect Detection in Children Based on Ultrasound Video Using Multiple Instances Learning 2024-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00987-1 PMID:38347394	研究论文	本文研究了一种基于心脏超声视频的深度学习方法，用于辅助房间隔缺损（ASD）的诊断	提出了一种基于多实例学习的深度学习模型，用于视频房间隔缺损检测，有效提高了ASD检测的准确性	NA	研究基于心脏超声视频的深度学习方法，辅助房间隔缺损（ASD）的诊断	儿童患者的房间隔缺损（ASD）检测	计算机视觉	心血管疾病	多实例学习	resNet18 和 r3D 网络	视频	300名儿童患者的数据用于五折交叉验证，30名儿童患者的数据用于临床医生测试
107	2024-11-20	Basal Cell Carcinoma Diagnosis with Fusion of Deep Learning and Telangiectasia Features 2024-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00969-3 PMID:38332404	研究论文	本文提出了一种结合深度学习和毛细血管扩张特征的基底细胞癌诊断方法	本文创新性地将手工特征（基于U-Net的语义分割）与深度学习特征（基于EfficientNet-B5）融合，提高了基底细胞癌诊断的准确性和可解释性	本文未进一步探索深度学习技术在个体皮肤镜特征检测中的应用	提高基底细胞癌诊断的准确性和可解释性	基底细胞癌与非基底细胞癌的分类	计算机视觉	皮肤癌	深度学习	EfficientNet-B5	图像	395张图像
108	2024-11-20	EfficientNet-Based System for Detecting EGFR-Mutant Status and Predicting Prognosis of Tyrosine Kinase Inhibitors in Patients with NSCLC 2024-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01022-z PMID:38361006	研究论文	开发并验证了一种基于EfficientNetV2-L模型的深度学习系统，用于检测非小细胞肺癌患者的EGFR突变状态并预测EGFR酪氨酸激酶抑制剂的预后	提出了基于EfficientNetV2-L模型的EME系统，用于非侵入性预测EGFR状态、分层生存预后并关联生物学通路	研究为回顾性多中心研究，样本量有限，且未涵盖所有可能的EGFR突变类型	开发和验证一种基于深度学习的系统，用于检测EGFR突变状态并预测EGFR-TKI的预后	非小细胞肺癌患者的EGFR突变状态及EGFR-TKI治疗的预后	计算机视觉	肺癌	深度学习	EfficientNetV2-L	图像	485名非小细胞肺癌患者
109	2024-11-20	Deep Learning for Chest X-ray Diagnosis: Competition Between Radiologists with or Without Artificial Intelligence Assistance 2024-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00990-6 PMID:38332402	研究论文	本研究旨在评估深度学习算法在帮助放射科医生提高胸部X光诊断效率和准确性方面的表现	本研究首次通过竞赛形式验证了深度学习方法在辅助放射科医生解读胸部X光片方面的积极效果	研究样本量较小，仅涉及100张胸部X光片，可能影响结果的普适性	评估深度学习算法在胸部X光诊断中辅助放射科医生的表现	胸部X光片中的正常发现和13种不同异常	计算机视觉	NA	深度学习算法	NA	图像	100张胸部X光片，涉及111名放射科医生（29名高级，32名中级，50名初级）
110	2024-11-20	Inconsistency between Human Observation and Deep Learning Models: Assessing Validity of Postmortem Computed Tomography Diagnosis of Drowning 2024-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00974-6 PMID:38336949	研究论文	评估深度学习模型在溺水诊断中的有效性，并与人类观察结果进行比较	首次系统评估了深度学习模型在溺水诊断中的有效性，并揭示了模型与人类专家观察结果之间的不一致性	研究结果表明，尽管模型分类性能高，但其预测可能不可靠，需要谨慎评估	评估深度学习模型在溺水诊断中的医学有效性	溺水与非溺水病例的死后CT扫描图像	计算机视觉	NA	深度学习	NA	图像	153例溺水病例和160例非溺水病例，年龄范围8-91岁
111	2024-11-20	Deep Learning for Automated Detection and Localization of Traumatic Abdominal Solid Organ Injuries on CT Scans 2024-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01038-5 PMID:38366294	研究论文	本研究开发了一种深度学习模型，用于自动检测和定位CT扫描中的创伤性腹部实质器官损伤	本研究首次将深度学习模型应用于创伤性腹部实质器官损伤的自动检测和定位	该模型不能替代临床医生的角色，仅作为加速治疗决策过程的潜在工具	开发一种深度学习模型，以帮助医疗专业人员快速识别危及生命的损伤	创伤性腹部实质器官损伤的检测和定位	计算机视觉	NA	深度学习	深度学习模型	图像	训练集包含1302个扫描，测试集包含194个扫描
112	2024-11-20	Classification of H. pylori Infection from Histopathological Images Using Deep Learning 2024-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01021-0 PMID:38332407	研究论文	研究利用深度学习模型对204张组织病理学图像进行二分类，区分幽门螺杆菌感染阳性与阴性病例	使用ResNet101模型在较小数据集上实现了高准确率，突显了深度学习模型在有限数据下的有效性	研究仅使用了204张图像，样本量较小	探索深度学习模型在幽门螺杆菌感染诊断中的应用潜力	幽门螺杆菌感染的组织病理学图像	计算机视觉	胃病	深度学习	ResNet101	图像	204张组织病理学图像
113	2024-11-20	Fast Real-Time Brain Tumor Detection Based on Stimulated Raman Histology and Self-Supervised Deep Learning Model 2024-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01001-4 PMID:38326533	研究论文	本文提出了一种基于受激拉曼组织学和自监督深度学习模型的快速实时脑肿瘤检测方法	结合受激拉曼组织学和深度卷积神经网络，提出了一种新的自监督深度学习模型VQSRS，用于实时癌症诊断	NA	提高脑肿瘤手术中实时诊断的速度和准确性	脑肿瘤的实时检测和分类	计算机视觉	脑肿瘤	受激拉曼组织学	VQSRS	图像	NA
114	2024-11-17	Deep Learning-Based Prediction Modeling of Major Adverse Cardiovascular Events After Liver Transplantation 2024-Jun, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.03.005 PMID:38993485	研究论文	验证深度学习模型预测肝移植后主要不良心血管事件的能力	使用双向门控循环单元（BiGRU）深度学习模型预测肝移植后主要不良心血管事件的风险	仅基于纵向索赔数据进行预测，未考虑其他可能影响结果的因素	验证深度学习模型在预测肝移植后主要不良心血管事件中的有效性	肝移植患者及其术后主要不良心血管事件的风险	机器学习	心血管疾病	深度学习	双向门控循环单元（BiGRU）	纵向索赔数据	18,304名肝移植患者
115	2024-11-14	Quantum-to-Classical Neural Network Transfer Learning Applied to Drug Toxicity Prediction 2024-Jun-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00432 PMID:38795030	研究论文	本文提出了一种混合量子-经典神经网络，用于预测药物毒性，并展示了其在Tox21数据集上的应用	利用量子电路设计模拟经典神经网络行为，通过Hadamard测试减少量子比特数量，并实现了量子到经典设备的可学习权重转移	NA	解决药物毒性预测中的计算复杂性问题，提高药物筛选效率	药物毒性预测	机器学习	NA	量子计算	混合量子-经典神经网络	数据集	Tox21数据集
116	2024-11-14	Shoulder Bone Segmentation with DeepLab and U-Net 2024-Jun, Osteology (Basel, Switzerland) DOI:10.3390/osteology4020008 PMID:39474235	研究论文	比较了基于DeepLab和U-Net的两种深度学习模型在ZTE MRI上进行肩部骨骼自动分割的性能	首次在肩部骨骼分割任务中比较了DeepLab和U-Net模型的性能，并实现了U-Net模型在MRI控制台上的应用	研究处于早期阶段，样本量较小，且存在模型对分割区域估计不准确的问题	评估和比较两种深度学习模型在肩部骨骼分割任务中的表现，以改进术前规划	肩部骨骼，特别是肱骨头和髋臼的分割	计算机视觉	NA	ZTE MRI	DeepLab, U-Net	图像	31例正常肩部样本用于训练，13例用于测试
117	2024-11-12	A deep learning framework for predicting disease-gene associations with functional modules and graph augmentation 2024-Jun-14, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05841-3 PMID:38877401	研究论文	本文介绍了一种名为ModulePred的深度学习框架，用于预测疾病-基因关联，通过功能模块和图增强技术提高预测性能	本文创新性地引入了功能模块（如蛋白质复合物）和图增强技术，以解决现有研究中忽略的功能模块累积影响和数据不完整问题	NA	探索基因-疾病关联的机制，以改进预防和治疗策略	疾病-基因关联、蛋白质复合物和蛋白质相互作用	机器学习	NA	图神经网络	图神经网络	图数据	NA
118	2024-11-10	VASCilia (Vision Analysis StereoCilia): A Napari Plugin for Deep Learning-Based 3D Analysis of Cochlear Hair Cell Stereocilia Bundles 2024-Jun-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.17.599381 PMID:38948743	研究论文	介绍了一种名为VASCilia的Napari插件，用于自动生成3D共聚焦显微镜图像中耳蜗毛细胞静纤毛束的实例分割和分析	VASCilia是首个提供端到端自动化解决方案的软件，结合了用户友好的手动控制和先进的基于深度学习的功能，用于3D静纤毛束的实例分割和分析	NA	开发一种自动化工具，用于高效分析耳蜗毛细胞静纤毛束的3D图像，以支持听力研究	耳蜗毛细胞静纤毛束的3D图像	计算机视觉	NA	深度学习	深度学习模型	图像	约55个3D图像堆栈，包含1,870个毛细胞实例，其中410个是内毛细胞，1,460个是外毛细胞
119	2024-11-09	Empowering brain cancer diagnosis: harnessing artificial intelligence for advanced imaging insights 2024-06-25, Reviews in the neurosciences IF:3.4Q2 DOI:10.1515/revneuro-2023-0115 PMID:38291768	综述	本文探讨了人工智能在脑癌影像诊断中的应用及其对诊断、预后和治疗的影响	强调了智能应用在标准化程序和个性化治疗方面的巨大潜力，从而改善患者预后	存在数据质量、可用性、可解释性、透明度和伦理等方面的挑战	探索人工智能在脑癌影像中的应用及其对诊断、预后和治疗的影响	脑癌的诊断、预后和治疗	计算机视觉	脑癌	深度学习和因果学习	NA	影像	NA
120	2024-11-09	Diagnostic machine learning applications on clinical populations using functional near infrared spectroscopy: a review 2024-06-25, Reviews in the neurosciences IF:3.4Q2 DOI:10.1515/revneuro-2023-0117 PMID:38308531	综述	本文综述了功能性近红外光谱（fNIRS）与机器学习（ML）在临床人群中诊断分类的应用	这是首次报道使用fNIRS进行诊断机器学习应用的综述	样本量与准确性之间存在显著负相关	探讨fNIRS与ML在精神疾病诊断中的应用	精神疾病患者，包括精神分裂症、注意缺陷多动障碍和自闭症谱系障碍	机器学习	精神疾病	功能性近红外光谱（fNIRS）	支持向量机（SVM）和深度学习（DL）	近红外光谱数据	45项研究，其中8项研究招募了超过100名参与者