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
20021	2024-08-07	Disease Concept-Embedding Based on the Self-Supervised Method for Medical Information Extraction from Electronic Health Records and Disease Retrieval: Algorithm Development and Validation Study 2021-01-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/25113 PMID:33502324	研究论文	本研究开发并验证了一种基于自监督方法的疾病概念嵌入模型，用于从电子健康记录中提取医疗信息并进行疾病检索	提出了一种基于Transformer的模型，结合BERT和对比学习方法（DIM和SimCLR）进行疾病概念的无监督嵌入	使用较小的数据集或较少的无监督预训练方法会降低预测性能	创建一个模型从电子健康记录中提取概念嵌入，用于疾病模式检索和进一步分类任务	从电子健康记录中提取医疗信息并进行疾病检索	自然语言处理	NA	Transformer, BERT, DIM, SimCLR	Transformer	文本	1,040,989次急诊部门访问和305,897个样本
20022	2024-08-07	Integrating deep learning CT-scan model, biological and clinical variables to predict severity of COVID-19 patients 2021-01-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-20657-4 PMID:33504775	研究论文	本文通过整合深度学习CT扫描模型、生物学和临床变量来预测COVID-19患者的严重程度	构建了包含深度学习模型和五个临床生物学变量的多模态AI严重程度评分，显著提高了预测性能	深度学习模型提供的预后信息与其他严重程度标志物相关，导致AUC增加有限	识别COVID-19疾病严重程度的预测因子	COVID-19患者	机器学习	COVID-19	深度学习	神经网络	CT扫描图像	1003名冠状病毒感染患者
20023	2024-08-07	Prediction of Alzheimer's disease-specific phospholipase c gamma-1 SNV by deep learning-based approach for high-throughput screening 2021-01-19, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2011250118 PMID:33397809	研究论文	本研究利用全基因组关联研究（GWAS）和基于深度学习的剪接预测工具，发现阿尔茨海默病（AD）特异性的单核苷酸变异（SNV）及磷脂酶c gamma-1基因的异常剪接	本研究结合计算和深度学习分析，首次预测了与AD相关的关键SNV，并展示了其在AD预测中的临床应用潜力	NA	旨在发现阿尔茨海默病特异性的单核苷酸变异及其对基因剪接的影响	阿尔茨海默病特异性的单核苷酸变异和磷脂酶c gamma-1基因的异常剪接	机器学习	阿尔茨海默病	全基因组关联研究（GWAS）	深度学习	基因序列	使用AD小鼠模型和人类基因序列进行训练和预测
20024	2024-08-07	Assessing the Role of Pericardial Fat as a Biomarker Connected to Coronary Calcification-A Deep Learning Based Approach Using Fully Automated Body Composition Analysis 2021-Jan-19, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10020356 PMID:33477874	研究论文	本研究使用深度学习方法，通过全自动体成分分析评估心包脂肪作为冠状动脉钙化的生物标志物的角色	本研究首次证明了全自动脂肪组织分析在临床心脏CT中的可行性，并在大规模临床队列中确认了EAT和PAT的体积和密度与CACS无相关性	研究结果显示EAT和PAT的体积和密度与CACS无显著相关性，但未达到男性患者EAT衰减的显著性水平	探索全自动EAT和PAT量化在心血管风险分层中的潜在应用	966名具有中等Framingham风险评分的冠状动脉疾病患者	数字病理学	心血管疾病	深度学习	深度学习网络	CT图像	966名患者
20025	2024-08-07	Cascaded deep transfer learning on thoracic CT in COVID-19 patients treated with steroids 2021-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.8.S1.014501 PMID:33415179	研究论文	本文开发了一种机器智能方法，利用级联深度迁移学习从胸部CT扫描中提取特征，以辅助管理接受激素治疗的COVID-19患者	采用级联迁移学习方法，通过微调VGG19网络从胸部CT切片中提取量化特征，并使用支持向量机区分是否需要激素治疗的患者	NA	开发一种机器智能方法，用于辅助管理接受激素治疗的COVID-19患者	COVID-19患者接受激素治疗的胸部CT扫描	计算机视觉	COVID-19	迁移学习	VGG19网络	CT扫描图像	NA
20026	2024-08-07	Deep-learning based multi-modal retinal image registration for the longitudinal analysis of patients with age-related macular degeneration 2021-Jan-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.408573 PMID:33520392	研究论文	本研究报告了一种基于深度学习的注册算法，用于对来自纵向临床研究的多模态视网膜图像进行对齐，以实现对大规模临床数据中结构变化分析所需的准确性和鲁棒性	提出的深度学习方法在所有模态中实现了优越的整体性能，没有出现传统方法中的重大失败，并且在多模态注册中表现出更好的鲁棒性	深度学习方法在单模态纵向注册中的平均误差略高于传统特征点方法	开发一种能够准确且鲁棒地对齐多模态视网膜图像的深度学习算法，以促进对视网膜疾病进展的详细研究	多模态视网膜图像的注册	计算机视觉	年龄相关性黄斑变性	深度学习	CNN	图像	大规模临床数据
20027	2024-08-07	Acoustic and Language Based Deep Learning Approaches for Alzheimer's Dementia Detection From Spontaneous Speech 2021, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2021.623607 PMID:33613269	研究论文	本文通过重新实现使用CNN-LSTM架构的自然语言处理方法，并设计了一种端到端的深度学习解决方案，用于从患者的自发言语中进行阿尔茨海默病痴呆的二元分类	提出了一种结合声学特征的深度学习方法Speech-GRU，提高了分类准确率，并探讨了双模态方法在阿尔茨海默病分类中的应用	现有模型在ADReSS数据集上的准确率仅为72.92%，低于在DementiaBank数据集上的表现	早期检测阿尔茨海默病痴呆	从自发言语中检测阿尔茨海默病痴呆	自然语言处理	阿尔茨海默病	CNN-LSTM架构	CNN-LSTM, Speech-GRU	自发言语	使用ADReSS数据集
20028	2024-08-07	Artificial Intelligence, Radiomics, and Deep Learning in Neuro-Oncology 2020-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdaa179 PMID:33521635	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20029	2024-08-07	Optical techniques, computed tomography and deep learning role in the diagnosis of COVID-19 pandemic towards increasing the survival rate of vulnerable populations 2020-09, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2020.101880 PMID:32562732	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20030	2024-08-07	Neural network-based identification of patients at high risk for intraoperative cerebrospinal fluid leaks in endoscopic pituitary surgery 2020-08-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2019.4.JNS19477 PMID:31226693	研究论文	研究使用基于神经网络的模型来识别内镜下经鼻蝶手术中高风险发生脑脊液漏的患者	开发了一种基于深度学习的预测模型，能够准确识别高风险患者，提高了预测的准确性和敏感性	NA	研究是否可以使用基于神经网络的模型可靠地识别高风险患者	内镜下经鼻蝶手术中发生脑脊液漏的风险	机器学习	NA	深度学习	深度神经网络	NA	154名接受内镜下经鼻蝶手术的患者
20031	2024-08-07	Artificial Intelligence in Dentistry: Chances and Challenges 2020-07, Journal of dental research IF:5.7Q1 DOI:10.1177/0022034520915714 PMID:32315260	综述	本文综述了人工智能在牙科诊断、治疗规划和执行中的应用、局限性和未来潜力	探讨了人工智能在牙科领域的应用如何简化护理流程，减轻牙科工作者的日常劳动，提高健康水平并降低成本	当前人工智能解决方案在牙科常规实践中应用有限，主要原因包括数据可用性、结构和全面性的限制，方法学严谨性和标准的缺乏，以及实际应用中的价值和有用性问题	探讨人工智能在牙科领域的应用及其未来发展	牙科诊断、治疗规划、执行以及牙科研究和发现	机器学习	NA	深度学习	多层数学操作	图像	NA
20032	2024-08-07	Artifact removal from neurophysiological signals: impact on intracranial and arterial pressure monitoring in traumatic brain injury 2020-06-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2019.2.JNS182260 PMID:31075774	研究论文	本文通过深度学习技术消除神经生理信号中的伪影，特别是颅内压和动脉血压监测中的伪影，以提高创伤性脑损伤患者临床参数的预测能力	提出了一种基于堆叠卷积自编码器和卷积神经网络的模型，有效消除了颅内压和动脉血压信号中的伪影	NA	消除颅内压和动脉血压监测中的信号伪影，评估伪影消除后临床参数的预测能力变化	创伤性脑损伤患者的颅内压和动脉血压信号	机器学习	创伤性脑损伤	深度学习	堆叠卷积自编码器和卷积神经网络	信号	309名创伤性脑损伤患者
20033	2024-08-07	Artificial Intelligence in COPD: New Venues to Study a Complex Disease 2020 May-Dec, Barcelona respiratory network reviews DOI:10.23866/BRNRev:2019-0014 PMID:33521399	综述	本文综述了人工智能（AI）在慢性阻塞性肺疾病（COPD）研究中的应用及其带来的新机遇	AI在临床决策自动化、放射学解释和预测方面的显著成果，以及在COPD复杂系统理解与建模中的应用	讨论了AI在COPD应用中的挑战和局限性	探索AI在COPD研究中的应用及其潜力	COPD这一复杂且异质性疾病	机器学习	慢性阻塞性肺疾病	AI	深度学习	临床数据、影像数据和分子数据	NA
20034	2024-08-07	Preliminary development of a deep learning-based automated primary headache diagnosis model using Japanese natural language processing of medical questionnaire 2020, Surgical neurology international DOI:10.25259/SNI_827_2020 PMID:33500813	研究论文	本文初步开发了一种基于深度学习的自动化原发性头痛诊断模型，使用日本自然语言处理技术处理医疗问卷中的非结构化句子	该模型通过深度学习框架处理医疗问卷中的非结构化句子，旨在减少医生和患者的时间和负担，并提高他们的生活质量	NA	解决日本原发性头痛治疗中医疗资源不足的问题	原发性头痛患者	自然语言处理	头痛	深度学习	DL框架	文本	848名原发性头痛患者（495名女性和353名男性）
20035	2024-08-07	A Deep Learning-Based Approach for Identifying the Medicinal Uses of Plant-Derived Natural Compounds 2020, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2020.584875 PMID:33519445	研究论文	本文提出了一种基于深度学习的方法，用于识别植物衍生天然化合物的药用用途	利用深度学习处理大量异构药物和天然化合物数据，有效利用异构特征缓解信息不完整问题	NA	开发一种新方法以减少确认天然化合物生物活性所需的时间和成本	植物衍生天然化合物及其药用用途	机器学习	NA	深度学习	深度学习模型	数据	4,507种天然化合物和2,882种已批准和研究中的药物
20036	2024-08-07	The Era of Radiogenomics in Precision Medicine: An Emerging Approach to Support Diagnosis, Treatment Decisions, and Prognostication in Oncology 2020, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2020.570465 PMID:33575207	研究论文	本文综述了放射基因组学在精准医学中的应用，探讨了其在肿瘤诊断、治疗决策和预后评估中的作用	放射基因组学结合了大量从医学图像中提取的定量数据与个体基因组表型，通过深度学习构建预测模型，为个性化医疗提供了新的科学方法	放射基因组学的工作流程标准和国际统一的统计方法指南需要进一步确认	探讨放射基因组学在肿瘤学中的应用，支持诊断、治疗决策和预后评估	放射基因组学在不同类型肿瘤中的预测价值	数字病理学	肿瘤	深度学习	深度学习模型	医学图像数据和基因组数据	NA
20037	2024-08-07	Descriptor Free QSAR Modeling Using Deep Learning With Long Short-Term Memory Neural Networks 2019, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2019.00017 PMID:33733106	研究论文	本研究探索了在不使用预计算描述符的情况下，利用长短期记忆（LSTM）神经网络构建高质量可解释的QSAR模型的前景	使用LSTM神经网络直接从SMILES代码或新开发的线性分子表示法中训练模型，提高了对训练集中不相似化合物的预测能力	NA	研究使用LSTM神经网络构建无需预计算描述符的QSAR模型的可行性	QSAR模型的构建方法及其在不同数据集上的应用	机器学习	NA	LSTM神经网络	LSTM	文本	训练集包含7,866至31,919个化合物
20038	2024-08-07	Addressing docking pose selection with structure-based deep learning: Recent advances, challenges and opportunities 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.05.024 PMID:38827235	评论	本文综述了基于深度学习的分子对接姿势选择的最新进展与挑战	提出了两种新开发的基于深度学习的姿势选择器	当前对接程序使用的评分函数参数化的设计限制了正确识别配体本征结合构象的能力	探讨基于深度学习的对接姿势选择方法的发展及未来方向	本文讨论了分子对接中配体与其靶标结合方式的选择	数字病理学	NA	深度学习	NA	结构数据	NA
20039	2024-08-06	An efficient method for disaster tweets classification using gradient-based optimized convolutional neural networks with BERT embeddings 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102843 PMID:39101121	研究论文	提出了一种基于BERT嵌入的卷积神经网络（CNN）模型，用于有效分类与灾难相关的推特	提出了结合BERT嵌入和基于梯度的优化技术的CNN模型，以提高灾难推特分类的准确性	目前所用的模型和方法可能在其他非灾难推特的分类上表现不佳	研究旨在开发有效的方法以分类与灾难相关的真实和虚假推特	研究对象为在Twitter平台上讨论的关于灾难情景的推特	自然语言处理	NA	BERT嵌入	CNN	文本	NA
20040	2024-08-06	Corrigendum to "Addressing docking pose selection with structure-based deep learning: Recent advances, challenges and opportunities" [Comput Struct Biotechnol J vol. 23 (2024) 2141-2151] 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.07.001 PMID:39100805	更正	这篇文章是对之前论文的更正。	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA