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
20181	2024-08-04	Deep Learning Classification of Usual Interstitial Pneumonia Predicts Outcomes 2024-05-01, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202307-1191OC PMID:38207093	研究论文	本文开发了一种可解释的深度学习算法，用于从CT影像中预测常见间质性肺炎的结果	应用多实例学习（MIL）方法实现了对常见间质性肺炎的准确分类和预测	本文未明确提及任何潜在的限制	研究的目的是利用CT影像提高对常见间质性肺炎的诊断精度和预后评估	研究对象为不同临床人群中被诊断为常见间质性肺炎的患者	数字病理学	肺纤维化	计算机断层扫描（CT）	多实例学习（MIL）	影像	总样本量为2,143，测试样本包括127, 239, 和979名患者
20182	2024-08-04	Circumventing drug resistance in gastric cancer: A spatial multi-omics exploration of chemo and immuno-therapeutic response dynamics 2024-May, Drug resistance updates : reviews and commentaries in antimicrobial and anticancer chemotherapy IF:15.8Q1 DOI:10.1016/j.drup.2024.101080 PMID:38579635	研究论文	本研究探讨了胃癌中药物耐药性的细胞和分子机制。	本研究通过空间多组学探索和深度学习模型预测治疗反应，揭示了药物耐药性的新机制。	本研究的局限性在于可能未考虑所有患者的个体差异和长期疗效评估。	研究胃癌中化疗和免疫治疗反应动态的药物耐药机制。	研究对象为接受化疗和免疫治疗的胃癌患者的术后组织样本。	数字病理学	胃癌	多组学	支持向量机（SVM）	图像及多组学数据	研究涉及多个胃癌患者的术后组织样本
20183	2024-08-04	AI models for automated segmentation of engineered polycystic kidney tubules 2024-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-52677-1 PMID:38310171	研究论文	本文比较了用于自动分割工程性多囊肾小管的深度学习模型	引入了UACANet模型，该模型使用自注意力机制并具有一定的可解释性，展示了其在囊肿检测方面的优势	模型的性能受限于所使用的图像数据集，可能无法泛化到其他类型的肾组织图像	开发能够直接在人体肾组织上自动检测囊肿生长的模型	研究对象为32个工程性多囊肾小管的免疫荧光图像	计算机视觉	肾脏疾病	深度学习算法	UNet++, UACANet	图像	32个工程性多囊肾小管
20184	2024-08-04	Random expert sampling for deep learning segmentation of acute ischemic stroke on non-contrast CT 2024-Feb-01, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2023-021283 PMID:38302420	研究论文	本研究探讨了在非对比CT上分割急性缺血性中风的深度学习算法的两种训练方法	提出了一种随机专家采样的方法，该方法在急性缺血性中风的CT扫描分割性能上优于传统多数投票模型	研究仅针对非对比CT影像，结果在其他类型影像上可能不适用	提高急性缺血性中风诊断中的影像分割准确性	260例急性缺血性中风患者的非对比CT影像数据	数字病理学	急性缺血性中风	深度学习	U-Net	影像	260个非对比CT研究，233名患者
20185	2024-08-04	Dual contrastive learning based image-to-image translation of unstained skin tissue into virtually stained H&E images 2024-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-52833-7 PMID:38282056	研究论文	本研究介绍了一种基于双对比学习的图像到图像生成模型，用于将未染色的皮肤组织图像转化为虚拟染色的H&E图像	提出了一种新颖的三阶段双对比学习模型，通过对比学习最大化传统H&E染色与虚拟染色图像之间的互信息	对于虚拟染色的效果，依赖于特定的数据集和评估模型，可能在其他类型的组织样本中表现不同	旨在提升组织病理学的染色过程，减少染色时间和有害化学品的使用	未染色的皮肤组织图像与传统的H&E染色图像的配对	数字病理学	NA	生成对抗网络 (GAN)	双对比学习生成对抗网络 (DCLGAN)	图像	包括一组未染色和H&E染色的图像对，使用明场显微镜扫描，放大倍率为20×
20186	2024-08-04	Unleashing the potential of cell painting assays for compound activities and hazards prediction 2024, Frontiers in toxicology IF:3.6Q2 DOI:10.3389/ftox.2024.1401036 PMID:39086553	评论	这篇文章讨论了细胞绘画（CP）测定法在药物发现和毒理学中的应用潜力	文章创新性地探讨了将基于CP的表型数据与结构信息结合使用，以提高化合物活性和潜在风险预测的准确性	没有详细讨论CP测定法的局限性和挑战	研究目标是探讨CP测定法及其与机器学习/深度学习模型结合使用的潜力	研究对象包括各种化合物在单细胞水平上的表型反应	数字病理学	NA	图像分析	机器学习和深度学习模型	图像数据	数千种化合物
20187	2024-08-04	Deep learning identifies histopathologic changes in bladder cancers associated with smoke exposure status 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305135 PMID:39083547	研究论文	深度学习揭示了膀胱癌的组织病理特征，这些特征可以预测吸烟暴露状态	本研究利用深度学习模型首次探讨了膀胱癌组织图像与吸烟状态之间的潜在关联	样本仅来自多个中心，可能无法代表所有类型的膀胱癌患者	探讨膀胱癌组织病理学变化与吸烟暴露状态之间的关系	285例独特的膀胱癌病例的整片组织图像	数字病理学	膀胱癌	深度学习	混合效应逻辑回归模型	图像	483个整片组织图像，来自285个独特病例
20188	2024-08-04	A deep learning framework for predicting endometrial cancer from cytopathologic images with different staining styles 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306549 PMID:39083516	研究论文	本研究提出一个针对不同染色风格的细胞病理图像的子宫内膜癌筛查自动化框架	提出了一种基于对比学习的分类算法ECRNet和一种新型的CM-UNet用于细胞团块分割，针对不同染色风格的图像进行适应	尚未提到数据集的充分性或其他潜在偏差	研究子宫内膜癌的自动化筛查方法，以提高临床治疗效率	不同染色风格的细胞病理图像	数字病理学	子宫内膜癌	深度学习	CM-UNet与ECRNet	图像	XJTU-EC数据集，包含细胞分割和分类标签的细胞病理图像
20189	2024-08-04	Screening Targets and Therapeutic Drugs for Alzheimer's Disease Based on Deep Learning Model and Molecular Docking 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-231389 PMID:38995776	研究论文	本研究基于深度学习模型和分子对接，为阿尔茨海默病（AD）筛选治疗靶点和药物	本研究通过结合多层感知器（MLP）和转录组数据，从新视角提供了AD的潜在药物靶点和药物	NA	旨在寻找阿尔茨海默病的潜在治疗靶点和药物	本研究涉及阿尔茨海默病患者和正常对照脑组织的转录组数据	计算机视觉	阿尔茨海默病	深度学习，分子对接	多层感知器（MLP）	转录组数据	包括AD脑组织的转录组数据和正常对照脑组织的转录组数据
20190	2024-08-04	Two complementary AI approaches for predicting UMLS semantic group assignment: heuristic reasoning and deep learning 2023-11-17, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad152 PMID:37528056	研究论文	该研究使用启发式和深度学习方法预测UMLS语义组分配	提出了结合启发式和深度学习的混合方法以提高UMLS语义组预测的准确性	研究未提及可能的适用性限制	研究的目的是提高新UMLS原子的语义组分配准确率	新UMLS Metathesaurus原子	自然语言处理	NA	深度学习	全连接多层神经网络	文本	1,563,692个新未见原子
20191	2024-08-04	Assisted annotation in Deep LOGISMOS: Simultaneous multi-compartment 3D MRI segmentation of calf muscles 2023-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.16284 PMID:36750977	研究论文	本文提出了一种结合深度学习和图优化的辅助注释新方法，用于3D下肢肌肉分割。	创新点在于在辅助注释的范式下结合了深度学习和图优化，以降低标注成本并提高分割精度。	样本数量虽然庞大，但仍然可能影响结果的普适性。	研究旨在提高3D MR图像中小腿肌肉分割的自动化程度和准确性。	研究对象为93名参与者的350张下肢T1加权MR图像。	数字病理	肌肉疾病	深度学习	卷积神经网络	图像	93名参与者的350张MR图像
20192	2024-08-04	Deep Learning-Generated Synthetic MR Imaging STIR Spine Images Are Superior in Image Quality and Diagnostically Equivalent to Conventional STIR: A Multicenter, Multireader Trial 2023-08, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7920 PMID:37414452	研究论文	本研究评估了合成STIR脊柱MR影像与获取的STIR影像的性能	使用深度学习生成的合成STIR影像在图像质量上显著优于传统STIR影像	文中未详细讨论合成影像在所有潜在病理情况下的适用性	探讨合成STIR脊柱MR影像的诊断等效性与图像质量	328个临床病例中的110个脊柱MR影像，涉及93名患者	医学成像	NA	深度学习图像重建	NA	影像	110个脊柱MR影像研究，93名患者
20193	2024-08-04	Artificial Intelligence Model Trained with Sparse Data to Detect Facial and Cranial Bone Fractures from Head CT 2023-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00829-6 PMID:37095310	研究论文	提出一种深度学习系统，自动检测颅骨和面部骨折。	本研究首次结合YOLOv4和改进的ResUNet实现完整的骨折检测和分割。	缺乏对面部骨折的自动检测研究和相应的验证数据。	研究旨在开发一个能够自动检测头部CT图像中颅骨和面部骨折的深度学习系统。	主要研究对象为接受头部创伤的患者的头部CT影像。	计算机视觉	NA	深度学习	YOLOv4，ResUNet++	图像	共分析1,447个头部CT研究（共16,985张图像），测试192个头部CT研究（共5,890张图像）
20194	2024-08-04	Application of Deep Learning-Based Denoising Technique for Radiation Dose Reduction in Dynamic Abdominal CT: Comparison with Standard-Dose CT Using Hybrid Iterative Reconstruction Method 2023-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00808-x PMID:36944812	研究论文	本文评估基于深度学习的去噪算法在降低腹部CT辐射剂量中的应用效果	首次将深度学习去噪算法与减少30%的辐射剂量相结合进行比较	仅限于腹部CT影像的评估，结果可能不适用于其他类型的CT	评估深度学习去噪算法在腹部CT中的图像质量与辐射剂量减少的关系	50名接受标准剂量腹部CT的患者和50名接受降低剂量腹部CT的患者	数字病理学	NA	深度学习去噪（DLD）	NA	图像	100例患者（50例标准剂量，50例减少剂量）
20195	2024-08-04	Genetic Susceptibility to Atrial Fibrillation Identified via Deep Learning of 12-Lead Electrocardiograms 2023-08, Circulation. Genomic and precision medicine DOI:10.1161/CIRCGEN.122.003808 PMID:37278238	研究论文	本文探讨了利用12导联心电图的人工智能模型预测房颤的遗传易感性	首次结合深度学习和基因组范围关联研究，揭示特定基因与房颤风险之间的关系	研究样本主要来自英国生物库，结果可能不适用于其他人群	研究心电图基础上的人工智能算法预测新发房颤的遗传基础	分析39,986名无房颤的UK Biobank参与者的心电图和遗传数据	数字病理学	房颤	人工智能算法 (AI), 心电图 (ECG)	深度学习模型	心电图数据	39,986名UK Biobank参与者
20196	2024-08-04	Machine learning driven index of tumor multinucleation correlates with survival and suppressed anti-tumor immunity in head and neck squamous cell carcinoma patients 2023-Aug, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2023.106459 PMID:37307602	研究论文	本研究通过机器学习方法识别肿瘤细胞多核化的生物特征，并与头颈鳞状细胞癌患者的生存率相关联	首次使用深度学习模型开发的多核化指数（MuNI）与头颈鳞状细胞癌患者的生存率和肿瘤免疫微环境之间的相关性	研究未深入探讨多核化与肿瘤免疫之间的机制	旨在明确头颈鳞状细胞癌患者肿瘤生物学特征与生存之间的关系	头颈鳞状细胞癌患者的肿瘤细胞	机器学习	头颈癌	深度学习	NA	图像	训练集来自机构的OPSCC队列，验证集为TCGA的头颈鳞状细胞癌患者数据
20197	2024-08-04	Deep imputation of missing values in time series health data: A review with benchmarking 2023-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104440 PMID:37429511	综述	该文章评估了多变量时间序列数据中缺失值的深度插补方法	通过六个数据中心实验对深度插补方法进行了基准测试，展示了不同方法在时间序列健康数据集上的性能差异	缺失值评估受限于少数数据集、较低缺失率和完全随机缺失值类型	研究缺失值插补方法对数据质量和数据驱动预测模型的影响	五个时间序列健康数据集的缺失值插补	机器学习	NA	深度学习	NA	时间序列	五个健康数据集
20198	2024-08-04	Automatic Spine Segmentation and Parameter Measurement for Radiological Analysis of Whole-Spine Lateral Radiographs Using Deep Learning and Computer Vision 2023-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00830-z PMID:37131065	研究论文	本文提出了一种结合深度学习和计算机视觉的全脊柱侧位X光片自动测量脊柱参数的流水线	该研究通过结合Mask R-CNN模型与计算机视觉算法，提出了一种自动测量脊柱参数的方法，克服了手动测量的局限性	虽然该方法显示出高精度，但可能在某些情况下仍受限于影像质量与个体差异	旨在提高脊柱侧位X光片的诊断与治疗计划的效率和准确性	使用1807张侧位X光片进行模型训练与验证	计算机视觉	脊柱疾病	深度学习	Mask R-CNN	图像	共使用1807张侧位X光片，训练集1607张，验证集200张
20199	2024-08-04	Deep-Stacked Convolutional Neural Networks for Brain Abnormality Classification Based on MRI Images 2023-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00828-7 PMID:37145248	研究论文	本文介绍了一种基于深层堆叠卷积神经网络（Deep-Stacked CNN）用于脑部异常分类的自动诊断系统	提出了一种深层异构模型，通过堆叠泛化利用不同CNN分类器的优势，提升多类脑病分类的鲁棒性	在缺乏足够标注数据时，仍需面对医疗图像CNN分类器面临的标签不足和类别不平衡等挑战	提高脑部异常的自动诊断准确性	不同预训练CNN的组合以用于多类脑病的自动分类	计算机视觉	NA	卷积神经网络（CNN）	深层堆叠卷积神经网络（Deep-Stacked CNN）	MRI图像	NA
20200	2024-08-04	Multi-Modal Brain Tumor Data Completion Based on Reconstruction Consistency Loss 2023-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00697-6 PMID:36856903	研究论文	提出了一种基于重建一致性损失的多模态脑肿瘤数据补全方法	引入了一种新型生成对抗网络框架RAGAN，并采用循环监督学习生成缺失的多模态脑MRI数据	虽未显著优于其他算法，但DICE值仅比现有最先进算法高出2%	解决多模态脑MRI数据中的缺失问题，以便提高脑肿瘤的分割和诊断效果	缺失的T1、T1ce和FLAIR模态数据	医学图像处理	脑肿瘤	生成对抗网络（GAN）	随机生成对抗网络（RAGAN）	图像	生成10,686条每个缺失模态的MRI数据