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
361	2024-10-08	Electrocardiographic Risk Stratification in Critically Ill Cardiac Patients: Can Deep Learning Fulfill its Promise? 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101168 PMID:39372472	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
362	2024-10-09	Optimizing mammography interpretation education: leveraging deep learning for cohort-specific error detection to enhance radiologist training 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.055502 PMID:39372519	研究论文	本研究探讨了利用卷积神经网络（CNN）进行迁移学习，以分类筛查乳腺X光片中与假阳性（FP）错误相关的区域，从而优化放射科医生培训的可行性	本研究首次尝试使用迁移学习技术，通过CNN模型对特定放射科医生群体的乳腺X光片中的假阳性区域进行分类，以预测其难度水平	本研究仅限于特定地理特征的放射科医生群体，未来研究需扩展到更广泛的群体	研究目的是通过深度学习技术优化乳腺X光片的解读教育，减少放射科医生的误诊	研究对象为两个地理上相距较远的放射科医生群体（A组和B组）的乳腺X光片	计算机视觉	乳腺疾病	卷积神经网络（CNN）	ResNet-50	图像	两个地理上相距较远的放射科医生群体（A组和B组）的乳腺X光片
363	2024-10-08	Evaluating a Natural Language Processing-Driven, AI-Assisted International Classification of Diseases, 10th Revision, Clinical Modification, Coding System for Diagnosis Related Groups in a Real Hospital Environment: Algorithm Development and Validation Study 2024-Sep-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58278 PMID:39302714	研究论文	评估基于自然语言处理和人工智能的国际疾病分类第10版临床修改版编码系统在实际医院环境中的算法开发和验证	开发了一种基于自然语言处理和深度学习模型的AI辅助编码系统，用于自动确定诊断和代码，以提高编码效率和准确性	研究仅在一家医院进行，样本量有限，可能影响结果的普适性	评估基于自然语言处理的AI辅助编码系统在实际医院环境中自动确定诊断和代码的可行性	国际疾病分类第10版临床修改版编码系统在诊断相关分组中的应用	自然语言处理	NA	自然语言处理	GPT-2	文本	使用高雄医学大学中和纪念医院2019年4月至2020年12月的患者出院总结作为参考数据集，以及2023年2月至4月的实际医院数据
364	2024-10-08	Neural Conversational Agent for Weight Loss Counseling: Protocol for an Implementation and Feasibility Study 2024-Sep-20, JMIR research protocols IF:1.4Q3 DOI:10.2196/60361 PMID:39303273	研究论文	本文探讨了使用基于大型语言模型（LLM）的神经对话代理NAOMI进行体重管理咨询的可行性研究	本文首次提出使用基于LLM的神经对话代理NAOMI进行体重管理咨询，旨在克服传统咨询师培训成本高和时间长的限制	研究尚未完成，数据收集预计在2025年5月结束，目前无法评估其长期效果和广泛应用的可行性	探索使用神经对话代理NAOMI进行体重管理咨询的可行性，并测试其接受度和使用性	超重和肥胖患者，招募自初级保健诊所	机器学习	肥胖	深度学习	大型语言模型（LLM）	文本	10名18-65岁超重或肥胖患者（BMI≥25.0且≤39.9）
365	2024-10-08	A systematic review of deep learning-based spinal bone lesion detection in medical images 2024-Sep, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851241263066 PMID:39033391	综述	本文系统回顾了基于深度学习的医学图像中脊柱骨病变检测的研究进展	本文不仅描述了这些模型在脊柱骨恶性病变识别中的诊断性能和不同方法，还指出了当前缺乏标准化方法和报告的问题	大多数研究存在重大局限性，如模型统计和数据获取报告不足、缺乏外部验证数据集以及可能的偏倚注释	探讨深度学习模型在脊柱骨病变检测中的应用及其局限性	脊柱骨病变及其在医学图像中的检测	计算机视觉	NA	深度学习	NA	图像	14项研究
366	2024-10-08	Enhancing schizophrenia phenotype prediction from genotype data through knowledge-driven deep neural network models 2024-Sep, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2024.110910 PMID:39111546	研究论文	本文探讨了利用深度学习模型设计来提高从基因型数据预测精神分裂症表型的方法	引入了一种创新的三步方法，利用神经网络的能力有效处理基因相互作用，并通过知识驱动的深度神经网络模型增强预测能力	NA	提高从基因型数据预测精神分裂症表型的准确性	精神分裂症的基因型数据	机器学习	精神疾病	深度学习	神经网络	基因型数据	NA
367	2024-10-07	Accuracy of deep learning in the differential diagnosis of coronary artery stenosis: a systematic review and meta-analysis 2024-Sep-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01403-4 PMID:39285323	meta-analysis	本研究系统评价和荟萃分析了基于冠状动脉造影（CAG）或冠状动脉CT造影（CCTA）图像的深度学习模型在诊断冠状动脉狭窄中的准确性	首次系统性地评估了深度学习在冠状动脉狭窄诊断中的准确性	对于不同程度的狭窄，深度学习模型的准确性仍需进一步提高	评估基于CAG和CCTA图像的深度学习模型在诊断冠状动脉狭窄中的准确性	冠状动脉狭窄的诊断	machine learning	心血管疾病	深度学习	NA	image	3568名患者和13,362张图像
368	2024-10-06	Deep learning reveals a damage signalling hierarchy that coordinates different cell behaviours driving wound re-epithelialisation 2024-Sep-15, Development (Cambridge, England) DOI:10.1242/dev.202943 PMID:39177163	研究论文	本文使用深度学习工具量化了果蝇蛹翅上皮修复过程中不同细胞行为的贡献	首次使用深度学习工具量化伤口修复过程中不同细胞行为的贡献，揭示了损伤信号层次结构	NA	研究伤口再上皮化过程中不同细胞行为的调控机制	果蝇蛹翅上皮修复过程中的细胞行为	计算机视觉	NA	深度学习	NA	视频	NA
369	2024-10-06	Deep learning algorithms for melanoma detection using dermoscopic images: A systematic review and meta-analysis 2024-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102934 PMID:39088883	综述	本文系统回顾和荟萃分析了使用皮肤镜图像进行黑色素瘤检测的深度学习算法性能	深度学习算法在黑色素瘤诊断中的准确性与资深皮肤科医生相当	需要进一步的高质量、大规模多中心研究来解决基于医学人工智能诊断的具体挑战	评估不同深度学习算法在皮肤镜图像诊断黑色素瘤中的表现，并讨论皮肤科医生与深度学习之间的关系	深度学习算法在皮肤镜图像中检测黑色素瘤的诊断性能	计算机视觉	皮肤癌	深度学习	NA	图像	2309条记录中，37项研究符合纳入标准，27项提供了足够的数据进行荟萃分析
370	2024-10-06	CHNet: A multi-task global-local Collaborative Hybrid Network for KRAS mutation status prediction in colorectal cancer 2024-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102931 PMID:39094228	研究论文	本文提出了一种名为CHNet的多任务全局-局部协作混合网络，用于更准确地预测结直肠癌患者的KRAS突变状态	CHNet通过两个分支分别提取全局和局部特征，并设计了通道混合Transformer和空间混合Transformer来捕捉全局和局部信息，同时引入了自适应协作注意力模块和类激活图损失来增强任务间的协作和互补信息的学习	NA	提高结直肠癌患者KRAS突变状态预测的准确性，以支持个性化治疗策略的制定	结直肠癌患者的KRAS突变状态	计算机视觉	结直肠癌	Transformer, CNN	CHNet	MRI图像	T2加权MRI数据集
371	2024-10-06	Comprehensive review of deep learning in orthopaedics: Applications, challenges, trustworthiness, and fusion 2024-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102935 PMID:39079201	综述	本文全面回顾了深度学习在骨科中的应用、挑战、可信度及融合技术	首次全面综述了深度学习在骨科实践中的各个方面	数据稀缺和模型可解释性不足是主要挑战	填补深度学习在骨科应用方面的知识空白，并为研究人员提供开发可靠深度学习应用的指南	深度学习在骨科中的应用，包括骨折检测、骨肿瘤诊断、植入物识别和骨关节炎严重程度评估等	机器学习	NA	深度学习	NA	图像	NA
372	2024-10-06	Deep Learning-based Unsupervised Domain Adaptation via a Unified Model for Prostate Lesion Detection Using Multisite Biparametric MRI Datasets 2024-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.230521 PMID:39166972	研究论文	本文研究了基于深度学习的无监督域适应方法，通过统一生成模型提高多站点双参数MRI数据集上前列腺癌检测的性能	提出了一种新的无监督域适应方法，使用统一生成模型将扩散加权成像（DWI）数据转换为符合PI-RADS指南的图像风格，以提高前列腺癌检测的准确性	研究仅限于多站点双参数MRI数据集，未涵盖其他类型的成像数据	研究无监督域适应方法在多站点双参数MRI数据集上对前列腺癌检测性能的提升	前列腺癌检测	计算机视觉	前列腺癌	扩散加权成像（DWI）	生成模型	图像	5150名患者（14191个样本），测试集包含1692个测试案例（2393个样本）
373	2024-10-06	Improving Fairness of Automated Chest Radiograph Diagnosis by Contrastive Learning 2024-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.230342 PMID:39166973	研究论文	本文开发了一种使用监督对比学习（SCL）来减少胸部X光诊断偏差的人工智能模型	本文提出了一种使用监督对比学习（SCL）来生成公平图像嵌入的方法，以减少胸部X光诊断中的偏差	本文未提及具体的局限性	开发一种减少胸部X光诊断偏差的人工智能模型	胸部X光图像及其诊断	计算机视觉	NA	监督对比学习（SCL）	卷积神经网络（CNN）	图像	两个数据集：MIDRC数据集包含77,887张胸部X光图像，涉及27,796名患者；ChestX-ray14数据集包含112,120张胸部X光图像，涉及30,805名患者
374	2024-10-05	Mineral prospectivity prediction based on convolutional neural network and ensemble learning 2024-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73357-0 PMID:39349559	研究论文	本文提出了一种基于卷积神经网络和集成学习的矿产远景预测方法	通过集成学习结合卷积神经网络和自注意力机制算法，提高了矿产远景预测的稳定性和准确性	未来可以通过增加更多的矿化因素和引入新的算法结构来进一步提高结果的科学性和稳定性	解决不同算法在矿产远景预测中的不稳定问题	金矿化相关的14个因素和10种地球化学勘探数据以及4种地质因素	计算机视觉	NA	卷积神经网络	CNN	图像	14个金矿化相关因素，10种地球化学勘探数据和4种地质因素
375	2024-10-05	Deep learning for discriminating non-trivial conformational changes in molecular dynamics simulations of SARS-CoV-2 spike-ACE2 2024-09-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72842-w PMID:39349594	研究论文	本研究利用深度学习方法分析分子动力学模拟数据，预测SARS-CoV-2刺突蛋白与ACE2结合域的点突变对病毒感染性和免疫原性的影响	本研究创新性地将分子动力学模拟轨迹转化为残基间距离图，并使用深度卷积神经网络预测突变类型对病毒感染性和免疫原性的影响	本研究主要基于分子动力学模拟数据，未涉及实际实验验证	本研究的目的是利用深度学习方法分析分子动力学模拟数据，预测SARS-CoV-2刺突蛋白的点突变对病毒感染性和免疫原性的影响	本研究的对象是SARS-CoV-2刺突蛋白与ACE2结合域的分子动力学模拟轨迹	计算生物学	COVID-19	分子动力学模拟	深度卷积神经网络	分子动力学模拟数据	NA
376	2024-10-05	Sex estimation using skull silhouette images from postmortem computed tomography by deep learning 2024-09-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74703-y PMID:39349950	研究论文	本研究利用深度学习技术，通过死后计算机断层扫描（PMCT）获取的二维头骨轮廓图像进行性别估计	本研究首次将深度学习应用于死后计算机断层扫描（PMCT）获取的头骨轮廓图像进行性别估计，并展示了X射线图像在个人识别中的可行性	本研究仅使用了264个PMCT病例，样本量相对较小，可能影响结果的普适性	研究目的是通过头骨结构快速估计性别，以在灾难中进行快速个人识别	研究对象为通过死后计算机断层扫描（PMCT）获取的头骨轮廓图像	计算机视觉	NA	深度学习	AlexNet 和 VGG16	图像	264个PMCT病例（每种性别132例）
377	2024-10-05	PIDiff: Physics informed diffusion model for protein pocket-specific 3D molecular generation 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108865 PMID:39067153	研究论文	本文提出了一种基于物理化学原理的蛋白质口袋特异性3D分子生成模型PIDiff	PIDiff模型不仅学习蛋白质和配体的结构信息，还考虑了蛋白质-配体结合的物理化学原理，通过最小化结合自由能来生成分子	NA	开发一种能够生成与目标蛋白质结构结合的药物分子的方法	蛋白质口袋特异性3D分子生成	机器学习	NA	扩散模型	扩散模型	3D分子结构	使用CrossDocked2020基准数据集进行评估
378	2024-10-05	Multiregional dynamic contrast-enhanced MRI-based integrated system for predicting pathological complete response of axillary lymph node to neoadjuvant chemotherapy in breast cancer: multicentre study 2024-Sep, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105311 PMID:39191174	研究论文	本研究开发了一种基于多区域动态对比增强磁共振成像（DCE-MRI）和临床病理特征的人工智能系统，用于预测乳腺癌新辅助化疗后腋窝淋巴结的病理完全缓解（pCR）	本研究创新性地构建了一个全自动集成系统（FAIS-DL），通过深度学习技术进行肿瘤和腋窝淋巴结分割，并预测腋窝pCR，其预测性能显著优于临床模型和基于单区域DCE-MRI的深度学习模型	本研究的主要局限性在于其多中心数据集的异质性，可能影响模型的泛化能力	开发一种人工智能系统，用于准确评估乳腺癌新辅助化疗后腋窝淋巴结的病理完全缓解	乳腺癌患者在接受新辅助化疗后的腋窝淋巴结病理完全缓解	计算机视觉	乳腺癌	动态对比增强磁共振成像（DCE-MRI）、RNA测序	深度学习模型	图像、临床病理数据	共评估了1145名患者，其中506名用于训练和验证，127名用于内部测试，414名用于外部测试，98名用于前瞻性测试
379	2024-10-04	Evaluation of deep learning estimation of whole heart anatomy from automated cardiovascular magnetic resonance short- and long-axis analyses in UK Biobank 2024-Sep-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae123 PMID:38723059	研究论文	本文评估了深度学习神经网络从心血管磁共振成像（CMR）的短轴和长轴分析中自动预测全心脏解剖结构的准确性，并比较了其与传统体积估算方法在心血管风险因素和疾病关联性上的差异	本文首次使用深度学习神经网络从CMR图像中自动预测全心脏的三维解剖结构，并展示了其与传统方法相比在关联心血管风险因素和疾病方面的优势	本文仅在UK Biobank的数据集上进行了验证，未来需要在更多样化的数据集上进行进一步验证	评估深度学习方法在自动预测心脏解剖结构及其与心血管风险因素和疾病关联性方面的有效性	左心室、右心室、左心房和右心房的体积及其与心血管风险因素和疾病的关联性	计算机视觉	心血管疾病	深度学习	神经网络	图像	4723名心血管疾病患者和5733名无心血管疾病者
380	2024-10-04	Federated influencer learning for secure and efficient collaborative learning in realistic medical database environment 2024-09-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73863-1 PMID:39349569	研究论文	提出了一种名为联邦影响者学习（FIL）的新型安全高效协作学习范式，以解决现有联邦学习（FL）在实际医疗数据库环境中面临的挑战	FIL采用平等地位的参与者结构，无需模型参数交易、中央服务器和生成模型，支持模型无关训练，提高了安全性	未提及具体局限性	提高深度学习在医疗数据环境中的性能和安全性	医疗图像数据（X射线、MRI、PET）和自然图像数据（CIFAR-10）	机器学习	NA	联邦学习（FL）	模型无关	图像	涉及大型医疗和自然图像数据集，具体样本数量未提及