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	2024-08-04	Systolic Blood Pressure and Cardiovascular Risk in Patients With Diabetes: A Prospective Cohort Study 2023-03, Hypertension (Dallas, Tex. : 1979) DOI:10.1161/HYPERTENSIONAHA.122.20489 PMID:36583386	研究论文	本文研究了收缩压(SBP)与糖尿病患者心血管事件之间的关系	首次使用深度学习模型揭示了SBP与心血管结果之间的单调关系	研究仅限于特定人群，可能无法推广到更广泛的糖尿病患者群体	探讨SBP与糖尿病患者心血管疾病风险之间的关系	50到90岁之间的49000名糖尿病患者	心血管疾病	糖尿病相关心血管疾病	深度学习	NA	电子健康记录	49000名糖尿病患者
20022	2024-08-05	Improved image quality with deep learning reconstruction - a study on a semi-anthropomorphic upper-abdomen phantom 2023-Mar, Research in diagnostic and interventional imaging DOI:10.1016/j.redii.2023.100022 PMID:39076164	研究论文	本研究评估了一种深度学习重建算法在不同剂量下的图像质量	该研究提出的新型DLR算法在保持噪声纹理特征的同时实现了显著的噪声降低	现有研究可能没有全面评估所有临床应用的重建效果	评估深度学习重建算法在不同辐射剂量下的性能	使用半人类上腹部假体进行CT扫描重建的图像质量	数字病理学	NA	深度学习重建（DLR）	NA	CT图像	五种剂量水平的CT扫描（CTDIvol 5, 10, 15, 20和25 mGy）
20023	2024-08-04	DeepWEST: Deep Learning of Kinetic Models with the Weighted Ensemble Simulation Toolkit for Enhanced Sampling 2023-Feb-28, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.2c00282 PMID:36719802	研究论文	本文介绍了一种混合方法，通过深度学习动模型为加权集成模拟提供良好采样的初始状态分布	提出了一种深度学习动模型的方法，克服了初始采样对加权集成方法性能的显著影响	没有提到特定的限制	提高分子动力学模拟中动力学性质的采样效率	短时间的分子动力学轨迹	计算机视觉	NA	分子动力学模拟	深度学习动模型	短MD轨迹	NA
20024	2024-08-04	Clustered photoplethysmogram pulse wave shapes and their associations with clinical data 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1176753 PMID:37954447	研究论文	本文探讨了光电容积脉搏波形与临床数据之间的关系	提出了无监督机器学习和深度学习方法来克服数据标记的局限性	在处理真实数据时，为波形标记类别可能存在挑战	研究如何最有效地分类和识别光电容积脉搏波形	分析数字体积脉搏(DVP)的波形变异性和与临床数据的关联	机器学习	NA	K-medoids聚类、卷积神经网络自编码器	NA	临床数据	NA
20025	2024-08-05	Interpreting Infrared Thermography with Deep Learning to Assess the Mortality Risk of Critically Ill Patients at Risk of Hypoperfusion 2023-Jan, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2401007 PMID:39076877	研究论文	本研究旨在通过红外热成像结合深度学习方法评估危重病人低灌注风险的死亡风险	结合红外热成像和深度学习方法的创新应用，可提高对低灌注病人死亡风险的准确评估	研究为事后分析，可能受到临床数据收集和选择偏倚的影响	评估危重病人低灌注风险的死亡风险	373名高风险低灌注的危重病人	机器学习	NA	红外热成像，深度学习	ResNet（18）	热成像图像	373名病人
20026	2024-08-07	Quantification of Epicardial Adipose Tissue Volume and Attenuation for Cardiac CT Scans Using Deep Learning in a Single Multi-Task Framework 2022-Dec, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2312412 PMID:39076659	研究论文	本文提出了一种基于深度学习框架的自动量化心脏CT扫描中心外膜脂肪组织体积和密度的方法	该研究首次在一个多任务框架中使用深度学习技术自动量化心外膜脂肪组织体积和密度，提高了量化任务的自动化程度和分析效率	NA	开发一种完全自动化的深度学习框架，用于量化心外膜脂肪组织体积和密度	心外膜脂肪组织体积和密度	计算机视觉	心血管疾病	深度学习	CNN	图像	300名患者的数据集，分为两个子集，每个子集包含150名患者，分别用于训练和评估模型
20027	2024-08-07	Multi-modal deep learning based on multi-dimensional and multi-level temporal data can enhance the prognostic prediction for multi-drug resistant pulmonary tuberculosis patients 2022-Nov, Science in One Health DOI:10.1016/j.soh.2022.100004 PMID:39076608	research paper	本文研究基于多维多层次时间数据的深度学习方法，以提高多药耐药性肺结核患者的预后预测	本文采用基于动态数据的多模态深度学习方法，为个性化治疗方案提供更深入的理解	目前大多数现有研究侧重于通过静态单尺度或低维信息预测治疗结果	提高多药耐药性肺结核患者的预后预测准确性	多药耐药性肺结核患者	machine learning	肺结核	深度学习	NA	多维多层次时间数据	NA
20028	2024-08-07	Artificial Intelligence in Echocardiography: The Time is Now 2022-Aug, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2308256 PMID:39076632	研究论文	本文探讨了人工智能（AI）在超声心动图领域的应用及其对诊断、治疗和患者护理的潜在革命性影响	AI在超声心动图中的应用展示了在训练、图像获取、解释和分析、诊断、预测和表型开发方面的巨大潜力	AI在超声心动图的实际临床应用和接受度方面仍存在障碍，尤其是缺乏临床结果研究，以及法律和伦理问题	推动AI在临床工作空间的应用，改善超声心动图的临床效用、效率和培训	AI在超声心动图中的应用及其对心血管疾病评估的影响	机器学习	心血管疾病	机器学习（ML）和深度学习（DL）	NA	图像	NA
20029	2024-08-07	From Left Atrial Dimension to Curved M-Mode Speckle-Tracking Images: Role of Echocardiography in Evaluating Patients with Atrial Fibrillation 2022-May, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2305171 PMID:39077610	综述	本文综述了利用斑点追踪超声心动图从左心房尺寸到曲面M型图像评估心房颤动患者的临床应用、优势和局限性	斑点追踪超声心动图被证明是一种可行且可重复的技术，用于直接评估左心房功能，并且深度学习神经网络已成功应用于超声心动图图像分析，实现基于人工智能的全自动测量	左心房应变和应变率的临床应用、优势和局限性需要充分理解，且其在心房颤动患者治疗决策中的预后价值和实用性需要进一步阐明	探讨斑点追踪超声心动图在评估心房颤动患者中的应用及其临床意义	心房颤动患者	医学影像	心房颤动	斑点追踪超声心动图	深度学习神经网络	图像	NA
20030	2024-08-07	COVID Student Study: A Year in the Life of College Students during the COVID-19 Pandemic Through the Lens of Mobile Phone Sensing 2022-Apr, Proceedings of the SIGCHI conference on human factors in computing systems. CHI Conference DOI:10.1145/3491102.3502043 PMID:39071774	研究论文	研究通过移动电话传感技术评估COVID-19大流行对大学生行为和心理健康的影响	利用移动电话传感技术追踪和分析大学生在疫情期间的行为变化，并探索其与自我报告的COVID-19关注度的关联	研究样本仅包括180名本科生，可能不足以代表所有大学生群体	评估COVID-19大流行对大学生行为和心理健康的影响	本科生在疫情期间的行为和心理健康状况	NA	NA	移动电话传感技术	深度学习模型	行为数据	180名本科生
20031	2024-08-07	Prediction of trabecular bone architectural features by deep learning models using simulated DXA images 2020-Dec, Bone reports IF:2.1Q3 DOI:10.1016/j.bonr.2020.100295 PMID:32695850	研究论文	本研究利用深度学习模型通过模拟DXA图像预测松质骨的微观结构特征	首次使用深度学习技术从DXA图像中预测松质骨的主要微观结构特征	研究仅限于使用模拟DXA图像，且输入图像的数量和分辨率对预测准确性有显著影响	验证基于DXA图像的深度学习模型预测松质骨微观结构特征的准确性	松质骨的微观结构特征	计算机视觉	NA	深度学习	CNN	图像	1249个6mm×6mm×6mm的松质骨立方体
20032	2024-08-07	Diagnosis and detection of infected tissue of COVID-19 patients based on lung x-ray image using convolutional neural network approaches 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110170 PMID:32834651	研究论文	本文使用三种基于深度学习的方法，通过肺部X光图像检测和诊断COVID-19患者	提出了一种基于卷积神经网络（CNN）的方法，用于直接使用肺部图像进行疾病诊断，并展示了其在准确性和敏感性上优于深度神经网络（DNN）方法	NA	设计一种快速且成本较低的COVID-19诊断方法	COVID-19患者的肺部感染组织	计算机视觉	COVID-19	卷积神经网络（CNN）	CNN	图像	未明确提及具体样本数量
20033	2024-08-07	A fully open-source framework for deep learning protein real-valued distances 2020-08-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-70181-0 PMID:32770096	研究论文	本文介绍了一个名为protein distance net（PDNET）的全开源框架，用于深度学习蛋白质的实值距离预测	PDNET框架包含一个代表性数据集以及用于训练和测试深度学习方法的脚本，支持在网页浏览器中使用免费平台如Google Colab进行模型训练和测试	NA	推进深度学习方法在蛋白质结构预测中的应用	蛋白质的实值距离预测	机器学习	NA	深度学习	CNN	数据集	一个代表性数据集
20034	2024-08-07	Deep learning based detection of intracranial aneurysms on digital subtraction angiography: A feasibility study 2020-Aug, The neuroradiology journal DOI:10.1177/1971400920937647 PMID:32633602	研究论文	本文评估了商用级深度学习软件在全脑前后和侧位2D数字减影血管造影图像上检测颅内动脉瘤的可行性	使用商用级深度学习软件进行颅内动脉瘤检测，结果与更专业设计的深度学习技术相当	NA	评估商用级深度学习软件在数字减影血管造影图像上检测颅内动脉瘤的可行性	颅内动脉瘤的检测	计算机视觉	NA	深度学习	NA	图像	706张数字减影血管造影图像，来自240名患者（157名女性，平均年龄59岁；83名男性，平均年龄55岁）
20035	2024-08-07	The Future of Concurrent Automated Coronary Artery Calcium Scoring on Screening Low-Dose Computed Tomography 2020-Jun-12, Cureus DOI:10.7759/cureus.8574 PMID:32670710	研究论文	本文评估了低剂量计算机断层扫描（LDCT）在肺癌筛查中检测和分级冠状动脉钙化（CAC）的作用，并探讨了人工智能（AI）在CAC评估中的应用。	本文首次探讨了AI在LDCT筛查过程中对钙化评分量化的潜力，以及其在提高放射科医生合规性和简化工作流程方面的应用。	目前AI在CAC评估中的应用仍处于早期阶段，需要更多广泛的研究来验证其效果。	评估LDCT在肺癌筛查中检测CAC的作用，并探讨AI在CAC评估中的应用。	低剂量计算机断层扫描（LDCT）在肺癌筛查中的应用，以及人工智能（AI）在冠状动脉钙化（CAC）评估中的应用。	计算机视觉	肺癌	低剂量计算机断层扫描（LDCT）	人工智能（AI）	图像	NA
20036	2024-08-07	Machine learning with multiparametric magnetic resonance imaging of the breast for early prediction of response to neoadjuvant chemotherapy 2020-Feb, Breast (Edinburgh, Scotland) DOI:10.1016/j.breast.2019.11.009 PMID:31786416	研究论文	本文探讨了使用多参数磁共振成像（MRI）结合机器学习和深度学习方法，对接受新辅助化疗的局部晚期乳腺癌患者进行早期治疗反应预测的研究。	本文首次应用机器学习和深度学习方法，利用多参数MRI特征预测新辅助化疗的早期反应。	临床实施中存在挑战，如数据质量和模型泛化能力等。	提高患者护理质量，通过早期预测治疗反应来优化治疗方案。	局部晚期乳腺癌患者及其对新辅助化疗的反应。	机器学习	乳腺癌	多参数磁共振成像（MRI）	机器学习和深度学习模型	图像	NA
20037	2024-08-07	A promising approach for screening pulmonary hypertension based on frontal chest radiographs using deep learning: A retrospective study 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0236378 PMID:32706807	研究论文	本研究利用深度学习技术，通过前胸放射图像快速检测疑似肺动脉高压（PH）患者的异常情况，以进行疾病筛查	本研究开发了一种基于深度学习的方法，用于从前胸放射图像中快速检测可能提示肺动脉高压的异常情况，提供了一种非侵入性和易于使用的筛查方法	本研究为回顾性研究，需要在前瞻性临床环境中进一步验证	开发一种快速、简单且有效的深度学习方法，用于筛查疑似肺动脉高压患者	762名患者的前胸放射图像和通过多普勒经胸超声心动图测量的肺动脉收缩压（PASP）值	计算机视觉	肺动脉高压	深度学习算法	Resnet50, Xception, Inception V3	图像	762名患者（357名健康对照和405名肺动脉高压患者），共762张图像（641张用于训练，80张用于内部测试，41张用于外部测试）
20038	2024-08-07	Comparison and validation of seven white matter hyperintensities segmentation software in elderly patients 2020, NeuroImage. Clinical DOI:10.1016/j.nicl.2020.102357 PMID:32739882	研究论文	本文比较并验证了七种用于老年患者白质高信号（WMH）分割的软件	使用深度学习方法NicMSlesion在研究数据集上表现最佳，但在临床数据集上性能显著下降	深度学习方法在含有伪影的数据上性能严重下降	比较自动方法分割老年患者白质高信号（WMH），以帮助放射科医生和研究人员选择最合适的方法	147名患者的数据集，包括97名来自ADNI 2数据库的患者和50名来自ADNI 3的患者，以及60名因认知障碍转诊的患者	计算机视觉	NA	MRI	NA	图像	147名患者
20039	2024-08-07	Toward predicting the evolution of lung tumors during radiotherapy observed on a longitudinal MR imaging study via a deep learning algorithm 2019-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.13765 PMID:31410855	研究论文	本研究旨在通过深度学习算法预测放射治疗期间肺肿瘤在纵向MRI研究中的空间和时间演变，以促进自适应放射治疗（ART）。	开发了一种预测神经网络（P-net），该网络结合卷积神经网络、门控循环单元和注意力模型，用于预测肿瘤的空间分布和时间演变。	研究样本量较小，需要进一步的前瞻性研究以验证算法的有效性。	预测放射治疗期间肺肿瘤的空间和时间演变，以支持自适应放射治疗决策。	肺肿瘤在放射治疗期间的空间和时间演变。	机器学习	肺肿瘤	MRI-T2w扫描	卷积神经网络、门控循环单元、注意力模型	图像	10名肺肿瘤患者
20040	2024-08-07	Deep learning can predict microsatellite instability directly from histology in gastrointestinal cancer 2019-07, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-019-0462-y PMID:31160815	研究论文	本文展示了深度残差学习可以从普遍可获得的H&E组织学图像中直接预测胃肠道癌症患者的微卫星不稳定性	提出了一种新的方法，即利用深度学习技术直接从组织学图像中预测微卫星不稳定性，无需额外的遗传或免疫组织化学测试	NA	探索深度学习技术在预测胃肠道癌症微卫星不稳定性中的应用	胃肠道癌症患者的微卫星不稳定性	机器学习	胃肠道癌症	深度学习	深度残差学习	图像	NA