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
1041	2024-09-30	Classification of Shoulder Implant Manufacturer Using Pre-Trained DenseNet201 Combined With Capsule Network 2024-Oct, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.2672 PMID:39334563	研究论文	本研究旨在通过X射线影像和深度学习技术，提前识别肩部植入物制造商，以加速修订手术和治疗	提出了基于预训练DenseNet201与胶囊网络（DenseNet201-Caps）的肩部植入物分类模型，并通过多阶段分类方法提高了准确性	DenseNet201-Caps在区分Cofield和Depuy制造商时存在困难	加速修订手术和治疗，提前识别肩部植入物制造商	肩部植入物制造商的分类	计算机视觉	NA	深度学习	DenseNet201与胶囊网络	X射线影像	聚类的肩部植入物数据集
1042	2024-08-07	Correction to: Fully automated segmentation and volumetric measurement of ocular adnexal lymphoma by deep learning-based self-configuring nnU-net on multi-sequence MRI: a multi-center study 2024-Oct, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03437-5 PMID:39085640	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1043	2024-09-30	Artificial intelligence-assisted automated heart failure detection and classification from electronic health records 2024-Oct, ESC heart failure IF:3.2Q2 DOI:10.1002/ehf2.14828 PMID:38700133	研究论文	本文探讨了通过电子健康记录（EHR）、DICOM图像和深度学习算法自动检测和分类心力衰竭（HF）患者的方法	结合关键词搜索、AI自动解读DICOM超声心动图图像和生物样本分析，实现了HF亚型的自动识别	NA	通过自动化方法提高心力衰竭患者的检测和分类准确性	心力衰竭患者及其亚型分类	机器学习	心血管疾病	深度学习	NA	文本、图像	60,850份EHR数据，最终筛选出578名患者，包括186名对照组、236名HFpEF患者和156名HFrEF患者
1044	2024-09-30	Challenges for augmenting intelligence in cardiac imaging 2024-Oct, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00142-0 PMID:39214759	研究论文	本文探讨了人工智能在心脏影像中的应用及其面临的挑战	提出将人工智能视为增强智能，以补充而非取代人类判断，并强调从孤立测量转向整合非线性复杂数据以识别疾病表型	数据稀缺、隐私问题、伦理担忧以及缺乏统一模型和高质量标注数据等问题限制了AI在心脏影像中的应用	探讨人工智能在心脏影像中的应用及其面临的挑战，并提出改进方法	心脏影像数据及其在医疗中的应用	计算机视觉	心血管疾病	深度学习	NA	图像	NA
1045	2024-09-30	Deep learning assessment of senescence-associated nuclear morphologies in mammary tissue from healthy female donors to predict future risk of breast cancer: a retrospective cohort study 2024-Oct, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00150-X PMID:39332852	研究论文	本研究利用深度学习技术评估健康女性乳腺组织中与衰老相关的细胞核形态，以预测未来乳腺癌的风险	首次将深度学习应用于评估乳腺组织中衰老细胞的核形态，并结合多种模型提高乳腺癌风险预测的准确性	研究基于回顾性队列，且样本主要来自健康女性，可能限制了结果的普适性	探索衰老标志物在健康女性乳腺组织中对乳腺癌发展的临床相关性	健康女性乳腺组织的细胞核形态	数字病理学	乳腺癌	深度学习	深度学习模型	图像	4382名健康女性捐赠者
1046	2024-09-28	Genome analysis through image processing with deep learning models 2024-Oct, Journal of human genetics IF:2.6Q2 DOI:10.1038/s10038-024-01275-0 PMID:39085457	综述	本文综述了通过深度学习模型进行图像处理以分析基因组序列的三种典型应用	本文介绍了将基因组信息编码为图像或将图像中的空间信息整合到分析过程中的创新方法	NA	总结和评估使用图像处理和深度学习模型进行基因组分析的方法	基因组序列及其图像表示	计算机视觉	NA	深度学习	NA	图像	NA
1047	2024-09-28	Efficient HLA imputation from sequential SNPs data by transformer 2024-Oct, Journal of human genetics IF:2.6Q2 DOI:10.1038/s10038-024-01278-x PMID:39095607	研究论文	本文提出了一种基于Transformer模型的HLA基因型推断方法HLARIMNT，通过利用SNP数据序列进行高效推断	本文创新性地使用Transformer模型进行HLA基因型推断，相较于传统的CNN模型，在推断罕见等位基因方面表现出更高的效率和准确性	本文未详细讨论HLARIMNT在不同种族群体中的适用性	开发一种高效的HLA基因型推断方法，以减少直接分型的成本和时间	HLA基因型及其与疾病的相关性	机器学习	NA	Transformer模型	Transformer	SNP数据	使用了两个参考面板：Pan-Asian参考面板（n=530）和Type 1 Diabetes genetics Consortium（T1DGC）参考面板（n=5225），以及一个合并面板（n=1060）
1048	2024-09-28	Two-stage strategy using denoising autoencoders for robust reference-free genotype imputation with missing input genotypes 2024-Oct, Journal of human genetics IF:2.6Q2 DOI:10.1038/s10038-024-01261-6 PMID:38918526	研究论文	本文提出了一种基于去噪自编码器的两阶段策略，用于在没有参考基因组的情况下进行稳健的基因型填补	本文提出了一种新的两阶段填补策略，通过使用去噪自编码器处理缺失的基因型数据，提高了RNN-IMP模型的填补准确性	RNN-IMP模型对输入基因型中的缺失值敏感	开发一种无需参考基因组且具有高填补准确性的基因型填补方法	基因型填补方法的性能评估	机器学习	NA	深度学习	RNN-IMP	基因型数据	1000 Genomes Project Phase 3数据集和相应的模拟Omni2.5 SNP基因型数据
1049	2024-09-28	Comparison of the Accuracy of a Deep Learning Method for Lesion Detection in PET/CT and PET/MRI Images 2024-Oct, Molecular imaging and biology IF:3.0Q2 DOI:10.1007/s11307-024-01943-9 PMID:39141195	研究论文	本文开发并验证了一种用于PET/CT和PET/MRI图像中病灶检测的深度学习算法，并探讨了影响其性能的因素	本文创新性地开发了一种通用的病灶识别算法，并将其应用于PET/CT和PET/MRI图像中	本文的局限性在于仅分析了PET/CT和PET/MRI图像中的病灶检测性能，未涉及其他类型的医学影像	开发和验证一种通用的病灶识别算法，并探讨影响其性能的因素	PET/CT和PET/MRI图像中的病灶检测	计算机视觉	NA	深度学习	2D和3D fractional-residual (F-Res)模型	图像	1014个PET/CT数据集和38个患者的PET/CT及PET/MRI数据
1050	2024-09-28	Genotype imputation methods for whole and complex genomic regions utilizing deep learning technology 2024-Oct, Journal of human genetics IF:2.6Q2 DOI:10.1038/s10038-023-01213-6 PMID:38225263	研究论文	本文探讨了利用深度学习技术进行全基因组和复杂基因区域基因型填补的方法	本文介绍了基于深度学习的基因型填补方法，能够学习复杂的连锁不平衡模式，并应用于HLA区域	当前基于深度学习的基因型填补方法在准确性上仅略优于统计和传统机器学习方法	提高全基因组关联研究和后续精细定位的效力	未测量的基因型	机器学习	NA	深度学习	深度学习模型	基因型数据	NA
1051	2024-09-28	Deep Learning for Automatic Knee Osteoarthritis Severity Grading and Classification 2024-Oct, Indian journal of orthopaedics IF:1.1Q3 DOI:10.1007/s43465-024-01259-4 PMID:39324090	研究论文	本研究开发了一种基于深度学习的方法，用于自动评估和分类膝关节骨性关节炎的严重程度	采用迁移学习方法和Inception V3架构，提高了膝关节骨性关节炎检测的准确性	测试准确率为67%，仍有提升空间	开发一种自动化的方法，用于准确和及时地识别膝关节退化，以支持有效的治疗和管理	膝关节骨性关节炎的严重程度和膝关节置换的可能性	计算机视觉	骨关节炎	深度学习	Inception V3	图像	使用了Osteoarthritis Initiative (OAI)数据集，包含多个模型训练和测试
1052	2024-09-27	Artificial intelligence-enhanced opportunistic screening of osteoporosis in CT scan: a scoping Review 2024-Oct, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-024-07179-1 PMID:38985200	综述	本文综述了利用人工智能（AI）增强的CT扫描机会性筛查骨质疏松症和骨质减少风险的研究现状	本文展示了AI在利用CT扫描增强机会性筛查骨质疏松症方面的潜力	该领域仍处于早期阶段，大多数解决方案处于概念验证阶段，方法、工作流程和基准选择存在显著异质性	评估当前利用人工智能（AI）增强的机会性筛查方法在CT扫描中评估椎体骨小梁结构以分层骨质疏松症和骨质减少风险的研究	研究对象为利用AI技术通过CT扫描分类骨质疏松症/骨质减少或确定骨密度的文章	机器学习	骨质疏松症	CT扫描	深度学习	图像	14项研究符合纳入标准
1053	2024-09-27	Artificial Intelligence-Based Histopathological Subtyping of High-Grade Serous Ovarian Cancer 2024-Oct, The American journal of pathology DOI:10.1016/j.ajpath.2024.06.010 PMID:39032605	研究论文	本研究开发了一种基于人工智能的高级别浆液性卵巢癌亚型分类算法	利用深度学习技术开发了一种通用的亚型分类算法，能够复制病理学家的共识诊断	研究仅限于高级别浆液性卵巢癌，且依赖于TCGA数据集和特定验证集	开发一种基于人工智能的高级别浆液性卵巢癌亚型分类算法	高级别浆液性卵巢癌的亚型分类	数字病理	卵巢癌	深度学习	NA	图像	使用了TCGA数据集、JGOG3022A1和Kindai/Kyoto队列的数据
1054	2024-09-27	Intra-arterial Pressure-Enabled Drug Delivery Significantly Increases Penetration of Glass Microspheres in a Porcine Liver Tumor Model 2024-Oct, Journal of vascular and interventional radiology : JVIR IF:2.6Q2 DOI:10.1016/j.jvir.2024.06.030 PMID:38969336	研究论文	研究通过压力辅助药物输送（PEDD）显著提高玻璃微球在猪肝肿瘤模型中的渗透率	提出了一种新的压力辅助药物输送技术（PEDD），显著提高了玻璃微球在肝肿瘤中的渗透率	研究仅在猪模型中进行，尚未在人体中验证	验证压力辅助药物输送技术（PEDD）在提高肝肿瘤药物输送效果中的应用	猪肝肿瘤模型中的玻璃微球渗透率	NA	肝肿瘤	压力辅助药物输送技术（PEDD）	深度学习算法	图像	27头转基因猪（Oncopigs）
1055	2024-09-27	Video-based automatic hand hygiene detection for operating rooms using 3D convolutional neural networks 2024-Oct, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01179-6 PMID:38896344	研究论文	本研究利用深度学习方法，基于手术室视频检测麻醉人员的手卫生行为	提出了一种基于3D卷积神经网络的算法，用于自动检测手术室中的手卫生行为	研究仅在一个手术室进行，数据收集时间有限	开发一种高效的监控系统，以防止手术室中的医院获得性感染	麻醉人员的手卫生行为	计算机视觉	NA	3D卷积神经网络	3D CNN	视频	从2018年11月至2019年2月，在一个手术室收集了四个月的视频数据，并添加了模拟数据
1056	2024-09-27	Deep learning can predict subgenome dominance in ancient but not in neo/synthetic polyploidized genomes 2024-Oct, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.16979 PMID:39133828	研究论文	本文利用深度学习构建卷积神经网络模型，研究古多倍体和新/合成多倍体基因组中的亚基因组优势机制	本文首次利用深度学习方法构建卷积神经网络模型，分析古多倍体和新/合成多倍体基因组中的亚基因组优势，并发现古多倍体中的亚基因组优势与启动子区域的长期序列分化相关	本文的模型未能预测新/合成多倍体中新同源基因对的表达优势	研究亚基因组优势的机制及其在古多倍体和新/合成多倍体中的差异	古多倍体和新/合成多倍体基因组中的亚基因组优势	机器学习	NA	深度学习	卷积神经网络（CNN）	DNA序列和甲基化位点	三个代表性多倍体系统（Brassica、Gossypium和Cucurbitaceae）的古多倍体和新/合成多倍体基因组
1057	2024-09-26	Assessment of Pelvic Tilt in Anteroposterior Radiographs by Area Ratio Based on Deep Learning 2024-Oct-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005093 PMID:38975768	研究论文	基于深度学习语义分割模型，通过面积比评估前后位X光片中的骨盆倾斜度	使用深度学习神经网络自动计算面积比，实现更准确和稳健的骨盆倾斜度测量	NA	评估骨盆倾斜度	骨盆倾斜度	计算机视觉	NA	深度学习	语义分割模型	图像	231例临床病例
1058	2024-09-26	Low muscle quality on a procedural computed tomography scan assessed with deep learning as a practical useful predictor of mortality in patients with severe aortic valve stenosis 2024-Oct, Clinical nutrition ESPEN IF:2.9Q3 DOI:10.1016/j.clnesp.2024.06.013 PMID:38944828	研究论文	研究使用深度学习算法评估程序性CT扫描中的肌肉质量，以预测严重主动脉瓣狭窄患者的死亡率	首次使用深度学习算法自动评估程序性CT扫描中的肌肉质量，并将其作为独立预测TAVI患者死亡率的实用工具	研究仅限于接受TAVI手术的严重主动脉瓣狭窄患者，结果可能不适用于其他患者群体	探讨使用深度学习算法评估程序性CT扫描中的肌肉质量是否能独立预测TAVI患者的死亡风险	接受TAVI手术的严重主动脉瓣狭窄患者	计算机视觉	心血管疾病	深度学习算法	深度学习模型	CT扫描图像	1199名患者
1059	2024-09-26	Downgrading Breast Imaging Reporting and Data System categories in ultrasound using strain elastography and computer-aided diagnosis system: a multicenter, prospective study 2024-Oct-01, The British journal of radiology DOI:10.1093/bjr/tqae136 PMID:39102827	研究论文	研究通过添加应变弹性成像（SR）和基于深度学习的计算机辅助诊断（CAD）系统，重新分类乳腺影像报告和数据系统（BI-RADS）3和4a-c类别，以减少不必要的活检	利用SR和CAD系统重新分类BI-RADS 3和4a-c类别，显著减少活检频率，提高诊断效率	研究仅限于BI-RADS 3和4a-c类别的乳腺病变，未涵盖其他类别	评估添加SR和CAD系统对乳腺超声BI-RADS 3和4a-c类别重新分类的效果，减少不必要的活检	乳腺超声BI-RADS 3和4a-c类别的病变	计算机视觉	乳腺癌	应变弹性成像（SR），计算机辅助诊断（CAD）	深度学习	图像	1049个病变（691个良性，358个恶性）
1060	2024-09-26	Automated estimation of thoracic rotation in chest X-ray radiographs: a deep learning approach for enhanced technical assessment 2024-Oct-01, The British journal of radiology DOI:10.1093/bjr/tqae149 PMID:39141433	研究论文	本研究开发了一种基于深度学习的自动估算胸部X光片中胸椎旋转的方法，以提高技术评估的准确性	本研究提出了一种新颖的基于深度学习的方法，用于自动估算胸部X光片中的垂直胸椎旋转，并实现了对胸部X光检查技术充分性的定量评估	NA	开发一种自动估算胸椎旋转的方法，以评估胸部X光片的技术充分性	胸部X光片中的胸椎旋转	计算机视觉	NA	深度学习	分割网络	图像	800张胸部X光片