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
20621	2024-08-07	A Self-supervised Learning-Based Fine-Grained Classification Model for Distinguishing Malignant From Benign Subcentimeter Solid Pulmonary Nodules 2024-May-21, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.002 PMID:38777719	研究论文	本研究开发并验证了一种基于自监督学习的细粒度分类模型，用于区分恶性与良性亚厘米实性肺结节	采用自监督预训练的细粒度网络来预测肺结节的恶性程度，相较于传统方法具有更好的性能	NA	开发并验证一种模型，用于区分恶性与良性亚厘米实性肺结节	亚厘米实性肺结节	机器学习	肺部疾病	自监督学习	细粒度网络	CT图像	共1276名患者，包含1389个亚厘米实性肺结节
20622	2024-08-07	PrCRS: a prediction model of severe CRS in CAR-T therapy based on transfer learning 2024-May-20, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05804-8 PMID:38769505	研究论文	本文提出了一种基于迁移学习的深度学习预测模型PrCRS，用于预测CAR-T疗法中严重细胞因子释放综合征（CRS）的发生	本研究首次采用深度学习模型，特别是基于U-net和Transformer的模型，来更准确地预测严重CRS的发生，填补了该领域的研究空白	NA	开发一种能够提前预测严重CRS发生的模型，以预防其在CAR-T疗法中的不良事件	CAR-T疗法中的严重细胞因子释放综合征（CRS）	机器学习	血液恶性肿瘤和实体肿瘤	迁移学习	U-net和Transformer	数据	使用来自COVID-19患者的数据进行迁移学习
20623	2024-08-07	Ventilator-Associated Pneumonia Prediction Models Based on AI: Scoping Review 2024-May-14, JMIR medical informatics IF:3.1Q2 DOI:10.2196/57026 PMID:38771220	综述	本文综述了基于人工智能的呼吸机相关肺炎预测模型，旨在为未来临床实践中早期识别高风险群体提供参考	人工智能模型相比传统方法具有更好的预测性能，有望在未来为呼吸机相关肺炎风险预测提供不可或缺的工具	当前研究主要处于模型构建和验证阶段，对于临床应用的实施和指导需要进一步研究	回顾基于人工智能的呼吸机相关肺炎预测模型，为临床实践中早期识别高风险群体提供参考	呼吸机相关肺炎的预测模型	机器学习	呼吸系统疾病	机器学习	随机森林模型	文本数据	5项研究的样本量小于1000
20624	2024-08-07	Comparison of deep learning models with simple method to assess the problem of antimicrobial peptides prediction 2024-May, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202200181 PMID:36961202	研究论文	本文比较了深度学习模型与简单方法在抗菌肽预测问题上的表现	提出了一种仅使用氨基酸组成预测抗菌肽能力的简单方法，并展示了与最佳方法相当的结果	NA	比较简单和复杂方法在抗菌肽预测中的效果	抗菌肽的预测方法	机器学习	NA	BERT transformer, 多层感知器 (MLP), 轻量注意力 (LA)	BERT, MLP, LA	序列	NA
20625	2024-08-07	NRG Oncology Assessment of Artificial Intelligence Deep Learning-Based Auto-segmentation for Radiation Therapy: Current Developments, Clinical Considerations, and Future Directions 2024-May-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.10.033 PMID:37972715	研究论文	本文评估了人工智能深度学习在放射治疗中自动分割的应用，探讨了当前进展、临床考虑和未来方向	介绍了商业AI自动分割工具在减少手动轮廓绘制工作量和缩短治疗计划时间方面的显著优势	商业AI自动分割模型在多样化的临床场景中，尤其是在非受控环境中的应用存在挑战	评估商业AI自动分割工具的临床应用和潜力，并提出未来发展的建议	深度学习神经网络在放射治疗中的自动分割应用	机器学习	NA	深度学习	深度学习神经网络	图像	NA
20626	2024-08-07	Deep-NCA: A deep learning methodology for performing noncompartmental analysis of pharmacokinetic data 2024-05, CPT: pharmacometrics & systems pharmacology DOI:10.1002/psp4.13124 PMID:38465417	研究论文	本文介绍了一种名为Deep-NCA的深度学习模型，用于提高非房室分析（NCA）中关键药代动力学（PK）参数的预测精度	Deep-NCA采用合成PK数据进行模型训练，并使用创新的个性化数据预处理方法，相比传统NCA在稀疏PK数据上表现更优	需要进一步验证和改进以提高其在实际应用中的效率和准确性	开发一种新的深度学习方法来改善药代动力学数据的非房室分析	药代动力学数据的非房室分析	机器学习	NA	深度学习	深度学习模型	药代动力学数据	六个未见过的模拟药物在多种给药方案下的数据
20627	2024-08-07	Deep network fault diagnosis for imbalanced small-sized samples via a coupled adversarial autoencoder based on the Bayesian method 2024-May-01, The Review of scientific instruments DOI:10.1063/5.0193162 PMID:38717264	研究论文	本文介绍了一种基于贝叶斯方法的耦合对抗自编码器（CoAAE），用于解决深度网络故障诊断中样本量小且不平衡的问题	提出了一种新的耦合对抗自编码器模型，通过生成假样本来增加样本量，并利用并行耦合网络处理样本不平衡问题	NA	解决深度网络故障诊断中样本量小且不平衡的问题	深度网络故障诊断模型	机器学习	NA	耦合对抗自编码器（CoAAE）	CNN	数据	小样本且不平衡
20628	2024-08-07	Artificial intelligence-assisted evaluation of cardiac function by oncology staff in chemotherapy patients 2024-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztae017 PMID:38774364	研究论文	本研究评估了肿瘤科工作人员使用AI辅助手持超声设备进行左心室射血分数计算的可行性和准确性	使用AI技术辅助肿瘤科工作人员进行左心室射血分数的自动计算	研究仅在特定患者群体中进行，可能需要进一步验证在更广泛人群中的适用性	评估AI辅助下肿瘤科工作人员计算左心室射血分数的可行性和准确性	肿瘤科患者的心脏功能评估	NA	NA	深度学习算法	深度学习模型	图像	115名患者
20629	2024-08-07	Predicting heart failure outcomes by integrating breath-by-breath measurements from cardiopulmonary exercise testing and clinical data through a deep learning survival neural network 2024-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztae005 PMID:38774366	研究论文	本研究通过深度学习生存神经网络整合心肺运动测试中的逐次呼吸测量数据和临床数据，预测心力衰竭患者的预后	本研究首次将心肺运动测试中的逐次呼吸数据整合到深度学习模型中，提高了预测心力衰竭长期预后的准确性	NA	开发并验证一个基于深度学习框架的时间到事件预测模型，用于预测心力衰竭的预后	2490名患有高风险心脏疾病或心力衰竭的成年患者	机器学习	心血管疾病	深度学习	DeepSurv	时间序列数据	2490名患者
20630	2024-08-07	Using natural language processing for automated classification of disease and to identify misclassified ICD codes in cardiac disease 2024-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztae008 PMID:38774372	研究论文	本文使用自然语言处理（NLP）技术自动分类疾病，并识别心脏疾病中误分类的国际疾病分类（ICD）代码	开发了一种新的NLP算法，该算法在医疗记录中分类疾病的准确性很高，并且能够识别ICD编码错误	算法中有70%的误分类是由于算法本身的不正确标记，而非ICD编码错误	研究使用NLP技术自动分类非结构化医疗记录中的疾病，并与传统ICD编码进行比较	心房颤动（AF）和心力衰竭（HF）的诊断	自然语言处理	心血管疾病	自然语言处理（NLP）	极端梯度提升（XGBoost）	文本	使用了两个数据集：MIMIC-III数据集（55,177条记录）和比利时医院数据集（12,706条记录），最终保留了1,438份报告在比利时数据集中
20631	2024-08-07	Artificial intelligence-based classification of echocardiographic views 2024-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztae015 PMID:38774376	研究论文	本文研究了使用卷积神经网络（CNN）对超声心动图视图进行自动分类的方法	本文首次使用二维和三维CNN对超声心动图视图进行分类，并实现了高准确率	NA	旨在通过人工智能增强超声心动图的自动评估能力	超声心动图视图的自动分类	机器学习	NA	卷积神经网络（CNN）	CNN	视频	研究使用了来自909名患者的经胸超声心动图（TTE）研究，以及229名患者的内部验证数据
20632	2024-08-07	Decoding 2.3 million ECGs: interpretable deep learning for advancing cardiovascular diagnosis and mortality risk stratification 2024-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztae014 PMID:38774384	研究论文	本文利用232万份心电图数据，开发了一种深度学习模型，用于心血管疾病的诊断和死亡风险分层，并展示了其在临床知识发现方面的潜力	本文首次大规模应用人工智能模型于心电图分析，提供细粒度的解释性，以推进心血管诊断和死亡风险分层	NA	探索人工智能在心电图分析中的应用，以提高心血管疾病诊断的准确性和死亡风险分层	心电图数据，心血管疾病诊断，死亡风险分层	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	232万份心电图数据，来自155万8772名患者，随访7年
20633	2024-08-07	Optimized 3D brachial plexus MR neurography using deep learning reconstruction 2024-Apr, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-023-04484-4 PMID:37914895	研究论文	评估使用深度学习重建（DLR）的快速单侧3D臂丛磁共振神经成像（MRN）是否能提供与未使用DLR的标准扫描相似的图像质量	使用深度学习重建技术优化了3D臂丛MR神经成像的采集速度，同时保持了图像质量	NA	评估深度学习重建技术在快速3D臂丛MR神经成像中的应用效果	30名受试者的臂丛3.0T MRN图像质量	计算机视觉	NA	深度学习重建（DLR）	深度学习模型	图像	30名受试者
20634	2024-08-07	Artificial Intelligence-Based Distinction of Actinic Keratosis and Seborrheic Keratosis 2024-Apr, Cureus DOI:10.7759/cureus.58692 PMID:38774175	研究论文	本文研究了基于人工智能技术在区分光化性角化病和脂溢性角化病中的应用	开发了一种新型人工智能模型，使用先进的深度学习方法，能够准确区分光化性角化病和脂溢性角化病	NA	开发并评估一种人工智能模型，能够准确区分光化性角化病和脂溢性角化病	光化性角化病和脂溢性角化病	计算机视觉	皮肤疾病	深度学习	AI模型	图像	1000张光化性角化病图像和1000张脂溢性角化病图像
20635	2024-08-07	What does artificial intelligence mean in rheumatology? 2024-Mar, Archives of rheumatology IF:1.1Q4 DOI:10.46497/ArchRheumatol.2024.10664 PMID:38774703	研究论文	本文探讨了人工智能在风湿病学中的应用及其潜力	介绍了大型语言模型通过转换器将自我学习融入深度学习的新发展	提到了AI模型扩展能力带来的重大伦理挑战，特别是误用的风险	探索人工智能在风湿病学中的应用，以革新医疗保健和研究	主要研究对象为风湿病学领域的人工智能应用	机器学习	风湿病	深度学习	NA	图像、视频、基因组学、转录组学、蛋白质组学、代谢组学数据	NA
20636	2024-08-07	The BONSAI (Brain and Optic Nerve Study with Artificial Intelligence) deep learning system can accurately identify pediatric papilledema on standard ocular fundus photographs 2024-02, Journal of AAPOS : the official publication of the American Association for Pediatric Ophthalmology and Strabismus IF:1.2Q3 DOI:10.1016/j.jaapos.2023.10.005 PMID:38216117	研究论文	本文研究了一种名为BONSAI的深度学习系统，该系统能够准确识别标准眼底照片中的儿童视乳头水肿	该研究首次验证了在成人中已验证的深度学习系统在儿童中的应用，并展示了其在识别视乳头水肿及其他视盘异常方面的准确性	研究仅在三个中心进行，可能存在地域和种族的局限性	验证深度学习系统在儿童中识别视乳头水肿及其他视盘异常的准确性	儿童视乳头水肿及其他视盘异常	机器学习	NA	深度学习系统	深度学习系统	图像	898张眼底照片，涉及447名患者
20637	2024-08-07	Correlation Attention Registration Based on Deep Learning from Histopathology to MRI of Prostate 2024, Critical reviews in biomedical engineering DOI:10.1615/CritRevBiomedEng.2023050566 PMID:38305277	研究论文	本文探讨了如何利用深度学习技术，通过相关注意力注册框架，将前列腺癌的组织病理学图像与MRI图像进行精确注册	引入了L2-Pearson相关层增强特征匹配，并采用增强注意力回归网络区分关键与非关键特征	未明确提及	提高前列腺癌图像从组织病理学到MRI的注册性能	前列腺癌的组织病理学图像与MRI图像	计算机视觉	前列腺癌	深度学习	CNN	图像	使用了来自癌症影像档案的配对前列腺组织病理学和MRI数据集
20638	2024-08-07	Influence of deep learning image reconstruction algorithm for reducing radiation dose and image noise compared to iterative reconstruction and filtered back projection for head and chest computed tomography examinations: a systematic review 2024, F1000Research DOI:10.12688/f1000research.147345.1 PMID:38725640	综述	本文系统回顾了深度学习图像重建（DLIR）算法在头部和胸部CT检查中降低辐射剂量和图像噪声的影响，并与迭代重建（IR）和滤波反投影（FBP）进行比较	DLIR算法在降低辐射剂量和图像噪声方面显示出比传统IR和FBP技术更好的效果	研究时间跨度仅为2017至2023年，可能未涵盖所有相关研究	评估DLIR算法在头部和胸部CT检查中的应用效果，特别是在降低辐射剂量和图像噪声方面	头部和胸部CT检查中的DLIR算法应用	计算机视觉	NA	深度学习图像重建（DLIR）	深度学习模型	图像	总共包括1292个样本
20639	2024-08-07	The use of artificial intelligence in induced pluripotent stem cell-based technology over 10-year period: A systematic scoping review 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302537 PMID:38771829	综述	本文是一篇系统范围综述，探讨了人工智能在诱导多能干细胞技术中的应用	人工智能技术，特别是机器学习和深度学习，在iPSC分类、细胞功能监测和遗传分析中的应用显著提高了iPSC技术的精确度	人工智能技术在iPSC研究中的应用仍处于早期阶段，存在挑战和机遇	探索人工智能在诱导多能干细胞研究进展中的作用	诱导多能干细胞技术及其在疾病模型、药物筛选和再生医学中的应用	机器学习	NA	机器学习 (ML) 和深度学习 (DL)	NA	NA	涵盖了79项符合条件的研究
20640	2024-08-07	Robust deep learning method for fruit decay detection and plant identification: enhancing food security and quality control 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1366395 PMID:38774219	研究论文	本文提出了一种用于水果腐烂检测和植物识别的鲁棒深度学习方法	该方法不仅关注模型精度，还考虑了鲁棒性和有限数据场景的挑战，实现了99.93%的高精度	NA	提高食品质量和安全控制	水果腐烂检测和植物识别	机器学习	NA	深度学习	NA	图像	NA