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
20121	2024-08-04	Discovery Viewer (DV): Web-Based Medical AI Model Development Platform and Deployment Hub 2023-Dec-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10121396 PMID:38135987	研究论文	该论文介绍了Discovery Viewer（DV）平台，一个基于网络的医学人工智能模型开发和部署中心	提供一个适应性环境，允许非人工智能专家学习、开发和分享深度学习概念，促进模型的持续改进	未提及具体的技术细节和模型限制	旨在使医疗人工智能模型的开发更加便捷，促进技术在临床环境中的应用	针对肌肉骨骼疾病的AI项目进行开发和测试，涵盖分割、回归和分类任务	机器学习	NA	深度学习	NA	样本数据	参与项目的样本占80%，剩余样本由志愿者进行注释和训练
20122	2024-08-05	Potential added value of an AI software with prediction of malignancy for the management of incidental lung nodules 2023-Dec, Research in diagnostic and interventional imaging DOI:10.1016/j.redii.2023.100031 PMID:39076687	研究论文	本文研究了一种人工智能软件在意外发现的肺结节管理中的潜在价值	研究展示了使用深度学习算法的人工智能软件在预测肺结节恶性程度中的有效性及其高阴性预测值	样本量较小，仅包括83名患者的90个肺结节的回顾性分析	旨在评估人工智能软件在意外发现的肺结节管理中的影响	对在急诊CT扫描中意外发现的肺结节进行评估	计算机视觉	肺癌	深度学习算法	NA	影像	90个肺结节，涉及83名患者
20123	2024-08-04	DeepMPSF: A Deep Learning Network for Predicting General Protein Phosphorylation Sites Based on Multiple Protein Sequence Features 2023-11-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00996 PMID:37931253	研究论文	提出了一种基于多种蛋白质序列特征的深度学习模型DeepMPSF，用于预测蛋白质磷酸化位点。	DeepMPSF模型结合了序列语义特征和蛋白质背景生物物理特征，克服了现有方法对简单特征依赖的问题。	研究中未提到样本数据集的局限性或模型的具体应用场景。	研究目的是提高蛋白质磷酸化位点预测的准确性。	研究对象为人类蛋白质，特别是S/T和Y残基的磷酸化位点。	计算机技术	NA	深度学习	NA	人类蛋白质数据	对一个已确立的人类蛋白质数据集进行了训练和评估
20124	2024-08-04	Sodium-based paracetamol: impact on blood pressure, cardiovascular events, and all-cause mortality 2023-11-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehad535 PMID:37611115	研究论文	本研究重新审视了含有碳酸氢钠的对乙酰氨基酚与血压、心血管事件和全因死亡率之间的关联	使用深度学习方法分析了含钠和不含钠的对乙酰氨基酚在心血管健康和死亡率方面的影响	研究中对其他潜在混杂因素的控制不足，尤其是吞咽困难及相关疾病的影响	探讨含钠对乙酰氨基酚对血压、心血管事件及全因死亡率的影响	对475442名年龄在60至90岁之间的英国患者进行了分析	数字病理学	心血管疾病	深度学习	NA	电子健康记录	475442名患者
20125	2024-08-05	Machine Learning in Cardio-Oncology: New Insights from an Emerging Discipline 2023-Oct, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2410296 PMID:39077576	综述	本文概述了机器学习在心脏肿瘤学中的应用，包括心脏毒性的预测、诊断和治疗	提出了机器学习在心脏肿瘤学领域的新应用，尤其是在风险分层方面	缺乏具体的样本数据和定量分析	研究机器学习在心脏肿瘤学中的应用和影响	癌症患者的心脏毒性和相关风险因素	机器学习	心脏病	机器学习	深度学习、人工神经网络、随机森林	NA	NA
20126	2024-08-04	Expert-level pediatric brain tumor segmentation in a limited data scenario with stepwise transfer learning 2023-Sep-18, medRxiv : the preprint server for health sciences DOI:10.1101/2023.06.29.23292048 PMID:37425854	研究论文	该研究探讨了在有限数据情境下使用分步迁移学习实现儿童脑肿瘤的自动分割	本研究采用了一种新颖的领域内分步迁移学习方法，有效提升了儿童低级别胶质瘤的自动分割精度	虽然研究证明了AI模型的临床可接受性，但仍需更多数据和进一步的临床验证	本研究旨在开发和验证儿童脑肿瘤的人工智能自动分割算法	研究对象为184个来自国家脑肿瘤联盟和100个来自儿科癌症中心的数据集中的儿童低级别胶质瘤影像	数字病理学	脑肿瘤	深度学习	神经网络	影像	总共284个样本（184个来自国家脑肿瘤联盟和100个来自儿科癌症中心）
20127	2024-08-05	Clinical Validation of Explainable Deep Learning Model for Predicting the Mortality of In-Hospital Cardiac Arrest Using Diagnosis Codes of Electronic Health Records 2023-Sep, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2409265 PMID:39076399	研究论文	本研究评估了D-SHAP模型在使用电子健康记录的诊断代码预测医院内心脏骤停患者死亡率的表现	引入了可解释的深度学习模型，能够准确识别与高死亡风险相关的诊断代码	D-SHAP与临床判断之间存在一些不一致，特别是在较少发生的疾病中	评估深度学习模型在预测医院内心脏骤停患者死亡概率方面的表现	分析168,693名至少有一次医院内心脏骤停的患者及其1,569,478份临床记录	机器学习	心脏病	深度学习	D-SHAP	临床记录	402名患者
20128	2024-08-04	Uncertainty aware training to improve deep learning model calibration for classification of cardiac MR images 2023-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102861 PMID:37327613	研究论文	本文研究了如何通过不确定性感知训练提高心脏MR图像分类模型的校准能力。	提出了三种新颖的不确定性感知训练策略，并与两种最新的方法进行了比较，强调了更好的模型校准。	使用不同的校准指标时，最优模型之间缺乏一致性。	研究旨在提高人工智能分类模型在临床决策支持中的可靠性。	研究对象为心脏再同步治疗响应预测和冠状动脉疾病诊断。	计算机视觉	心血管疾病	心脏磁共振成像（CMR）	信心加权方法	图像	NA
20129	2024-08-05	The Use of Artificial Intelligence for Detecting and Predicting Atrial Arrhythmias Post Catheter Ablation 2023-Aug, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2408215 PMID:39076714	评论	这篇文章探讨了人工智能在导管消融后检测和预测心房性心律失常的应用	文章创新地聚焦于心房颤动以外的心房扑动和心房性心动过速的AI研究	目前的AI研究主要集中在心房颤动，心房扑动和心房性心动过速的研究相对较少	研究旨在探讨AI算法与心电生理特征、影像数据、风险评分计算器和临床变量结合预测心律失常	主要关注心房颤动、心房扑动和心房性心动过速的心律失常	自然语言处理	心血管疾病	人工智能	机器学习和深度学习	影像数据和临床变量	NA
20130	2024-08-05	Audiological Diagnosis of Valvular and Congenital Heart Diseases in the Era of Artificial Intelligence 2023-Jun, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2406175 PMID:39077516	研究论文	本文探讨了结合人工智能技术的电子听诊器在先天性心脏病和瓣膜性心脏病诊断中的应用	提出了建立大型标准化心音数据库，并统一算法进行外部验证的研究方向	目前对疾病严重程度、远程监测和预后等方面的研究较少	旨在提高心脏疾病的诊断准确性	电子听诊器、人工智能算法与心脏病	计算机视觉	心脏病	人工智能、深度学习	深度学习算法、基于特征提取的机器学习算法	心音	NA
20131	2024-08-05	Elbow trauma in children: development and evaluation of radiological artificial intelligence models 2023-Jun, Research in diagnostic and interventional imaging DOI:10.1016/j.redii.2023.100029 PMID:39077546	研究论文	本文针对儿童肘部创伤，开发了一种能够检测后创伤性损伤的人工智能模型并评估其性能	通过深度学习模型的端到端开发，实现了对儿童肘部X光照影像的分析，为临床实践提供了新的辅助工具	模型在外部测试集的准确性下降，尤其是第二个模型的特异性显著降低	开发和评估能够改善放射科医生对儿童肘部创伤X光解读的人工智能模型	1956张儿童肘部X光影像，涉及935名年龄在0至18岁之间的患者	计算机视觉	NA	深度卷积神经网络（CNN）	深度学习模型	影像	1956张X光影像
20132	2024-08-04	The emerging role of artificial intelligence and digital twins in pre-clinical molecular imaging 2023 May-Jun, Nuclear medicine and biology IF:3.6Q1 DOI:10.1016/j.nucmedbio.2023.108337 PMID:37030076	研究论文	本文探讨了人工智能和数字双胞胎在临床前分子成像中的新兴作用	提出使用深度学习方法提升数字双胞胎的发展能力和应用	目前尚未提及具体的局限性	探索数字双胞胎在临床前分子成像中的应用潜力	以小鼠为模型的临床前分子成像	数字病理学	NA	深度学习，生成对抗网络	NA	图像	特定基因小鼠模型
20133	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
20134	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）
20135	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
20136	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
20137	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
20138	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
20139	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
20140	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