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
21041	2024-08-07	Towards Machine Learning Prediction of Deep Brain Stimulation (DBS) Intra-operative Efficacy Maps 2019-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2509728 PMID:31602087	研究论文	本文提出了一种基于机器学习的方法，通过卷积神经网络对磁共振成像（MRI）中的每个体素进行分类，以预测深部脑刺激（DBS）手术中的疗效图	本文将DBS手术中的疗效预测问题重新定义为分类问题，并使用基于补丁的卷积神经网络进行分类，相较于基于注册的方法，提高了分类性能	尽管本文的方法显示出改进，但仍需要进一步的验证	改进DBS手术前的规划和个性化治疗策略	187名患者的2,869个刺激坐标及其相关的3D补丁和疗效评分	机器学习	NA	磁共振成像（MRI）	卷积神经网络（CNN）	图像	187名患者，2,869个刺激坐标
21042	2024-08-07	Cortical graph neural network for AD and MCI diagnosis and transfer learning across populations 2019, NeuroImage. Clinical DOI:10.1016/j.nicl.2019.101929 PMID:31491832	研究论文	本研究利用结合皮质厚度和几何信息的谱图卷积神经网络（graph-CNN），基于ADNI-2队列的3089个T1加权MRI数据，识别轻度认知障碍（MCI）和阿尔茨海默病（AD），并评估其在不同人群中的预测可行性	本研究首次展示了将基于一个人群训练的AD/MCI分类器迁移到其他人群的可行性，并发现结合皮质几何信息的CNN有潜力提高分类性能	NA	探索机器学习与神经影像数据结合在早期诊断MCI和AD中的应用，并评估分类器在不同人群中的预测能力	轻度认知障碍（MCI）和阿尔茨海默病（AD）的诊断	机器学习	阿尔茨海默病	谱图卷积神经网络（graph-CNN）	CNN	MRI图像	ADNI-2队列3089个样本，ADNI-1队列3602个样本，亚洲队列347个样本
21043	2024-08-07	An artificial intelligent diagnostic system on mobile Android terminals for cholelithiasis by lightweight convolutional neural network 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0221720 PMID:31513631	research paper	本文提出了一种基于Android移动终端的轻量级卷积神经网络人工智能诊断系统，用于胆结石识别	该系统针对移动设备的计算能力和存储容量限制，设计了轻量级的卷积神经网络MobileNetV2，实现了高效的胆结石识别	训练任务在PC上完成，移动终端仅执行识别任务	开发适用于移动设备的人工智能诊断系统，用于胆结石的识别	胆结石的CT图像	machine learning	胆结石	卷积神经网络	CNN	image	从山东省第三医院收集的胆结石CT图像数据集
21044	2024-08-07	Integration of Machine Learning Methods to Dissect Genetically Imputed Transcriptomic Profiles in Alzheimer's Disease 2019, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2019.00726 PMID:31552082	研究论文	本研究利用组织特异性的cis-eQTL基因表达预测模型，对808个样本的基因型进行分析，并通过无监督和有监督的机器学习方法解析 imputed 转录组数据，以识别潜在的生物学关联。	研究首次将变分自编码器和支持向量机分类器结合，用于组织特异性基因优先级排序，并发现这种组合可以提高深度学习分类器的准确性。	尽管使用了深度学习分类模型，但由于eQTL变异的遗传力较低，预测能力相对较低，且分类能力高度依赖于网络结构。	旨在通过机器学习技术解析阿尔茨海默病的遗传 imputed 转录组数据，以更好地理解其生物学基础。	研究对象包括对照组、轻度认知障碍患者和阿尔茨海默病患者。	机器学习	阿尔茨海默病	cis-eQTL基因表达预测模型	变分自编码器、支持向量机、循环神经网络	转录组数据	808个样本
21045	2024-08-07	Extraction of chemical-protein interactions from the literature using neural networks and narrow instance representation 2019-01-01, Database : the journal of biological databases and curation DOI:10.1093/database/baz095 PMID:31622463	研究论文	本文采用深度学习方法从生物医学文献中提取化学-蛋白质相互作用，基于在BioCreative VI CHEMPROT任务中的参与进行了多种改进	使用简单的深度学习模型和非常窄的关系实例表示，仅使用最短依赖路径中的最多10个单词及其相应的依赖边	NA	改进从生物医学文献中检索和自动提取关系的方法，以收集越来越多的已发表作品中的结构化信息	化学-蛋白质相互作用	自然语言处理	NA	深度学习	双向长短期记忆循环网络或卷积神经网络	文本	测试集上的F1-score为0.6306
21046	2024-08-07	Translational AI and Deep Learning in Diagnostic Pathology 2019, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2019.00185 PMID:31632973	综述	本文综述了人工智能在病理学中的应用，特别是深度学习技术在细胞成像和诊断病理学实际应用中的创新	介绍了深度学习技术在病理学中的不同方法，以及推动这一创新的公共挑战和新兴应用	NA	探讨人工智能在临床实践中的转化，特别是如何无缝集成到数字病理工作流程中，以提高诊断效率和准确性	深度学习技术在病理学中的应用	数字病理学	NA	深度学习	NA	图像	NA
21047	2024-08-07	Deep Leaning Based Multi-Modal Fusion for Fast MR Reconstruction 2018-Nov-29, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2018.2883958 PMID:30507491	研究论文	本文提出了一种基于深度学习的多模态融合方法，用于快速磁共振成像重建	首次通过深度学习融合多模态磁共振成像数据以加速特定目标图像的重建	NA	加速磁共振成像过程并减少运动伪影	T1加权图像和欠采样的T2加权图像	计算机视觉	NA	深度学习	Dense-Unet	图像	3D T2加权图像体积，欠采样率为8
21048	2024-08-05	Decoding phenotypic screening: A comparative analysis of image representations 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.02.022 PMID:38510976	研究论文	本文旨在利用JUMP-CP数据集开发高通量筛选数据的通用表示模型	提出了一种使用自监督学习的方法，能够提供更鲁棒的表征，并优化训练策略	研究可能面临的数据集限制和适用性问题	开发用于高通量筛选数据的通用表示模型	主要针对使用U2OS细胞和CellPainting协议生成的数据	数字病理学	NA	深度学习	自监督学习模型	图像	使用了来自多个联盟伙伴的数据
21049	2024-08-05	Deep learning-based voxel sampling for particle therapy treatment planning 2024-Jul-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5bba PMID:38917844	研究论文	本文提出了一种基于深度学习的体素采样方法来改善粒子治疗的治疗计划	引入了一种不依赖于特定患者输入的深度学习模型，以实现最佳体素采样	使用了70名头颈癌患者的数据进行训练，可能限制了模型的泛化能力	旨在通过优化体素选择过程来提高粒子治疗的计算效率	研究对象为接受碳离子治疗的头颈癌患者	数字病理学	NA	人工智能（AI）基础设施	深度学习模型	治疗计划数据	70名头颈癌患者（50名用于训练，10名用于验证，10名用于测试）
21050	2024-08-05	Uncertainty quantification via localized gradients for deep learning-based medical image assessments 2024-Jul-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad611d PMID:38981594	研究论文	本研究介绍了一种新的基于梯度的不确定性量化方法，用于深度学习医学图像评估.	提出了一种新的后处理不确定性量化方法，克服了现有方法的局限，能够增强用户对临床模型的信任.	研究主要集中在转移疾病的分界，可能不适用于其他类型的医学图像评估.	旨在提高深度学习医学图像评估模型的可靠性和用户信任.	研究对象为深度学习模型在医学图像评估中的应用，包括转移性疾病的检测.	数字病理学	NA	深度学习	NA	图像	四个临床相关实验的性能评估
21051	2024-08-05	CGMega: explainable graph neural network framework with attention mechanisms for cancer gene module dissection 2024-Jul-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50426-6 PMID:39013885	研究论文	提出一种解释性图神经网络框架CGMega，以进行癌症基因模块分解	开发了基于图注意力的深度学习框架CGMega，超越当前癌症基因预测方法，并有效整合多组学信息	NA	研究癌症基因模块的分解及其在癌症发展中的作用	应用CGMega于乳腺癌细胞系和急性髓系白血病患者	数字病理学	急性髓系白血病	深度学习	图神经网络	基因组数据	乳腺癌细胞系和急性髓系白血病患者的样本
21052	2024-08-05	Identifying rice field weeds from unmanned aerial vehicle remote sensing imagery using deep learning 2024-Jul-16, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01232-0 PMID:39014411	研究论文	本文提出了一种名为RMS-DETR的多尺度特征增强DETR网络，用于识别水稻田杂草	通过在DETR模型中添加多尺度特征提取分支，提升了对水稻田杂草的识别能力	引入多尺度特征层导致模型计算增加，降低了模型推理速度	旨在提高水稻田杂草的精确识别能力，以便于精准喷药	水稻田中的杂草	计算机视觉	NA	深度学习	DETR	图像	构建的水稻田杂草数据集和DOTA公共数据集
21053	2024-08-05	Machine learning without a processor: Emergent learning in a nonlinear analog network 2024-Jul-09, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2319718121 PMID:38954545	研究论文	本文介绍了一种基于非线性类脑电子网络的自主学习能力。	提出了一种非线性循环神经网络，能够执行线性系统无法完成的任务，并具备快速、低功耗的特点。	目前的实现仍未充分探索非线性元素的可行性和实用性。	探索非线性元素在模拟机器学习中的潜力。	介绍了一种由自调节非线性电阻元件组成的非线性类脑网络。	机器学习	NA	类脑电子网络	非线性循环神经网络	NA	NA
21054	2024-08-05	Sharing massive biomedical data at magnitudes lower bandwidth using implicit neural function 2024-Jul-09, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2320870121 PMID:38959033	研究论文	本文提出了一种通过隐式神经函数进行生物医学数据压缩的方法BRIEF。	BRIEF通过紧凑的神经网络表示目标数据，具备数据特定性并避免通用化问题，实现了极高的压缩比和更好的保真度。	NA	研究如何高效存储和共享海量生物医学数据。	生物医学数据。	机器学习	NA	隐式神经函数	NA	生物医学数据	NA
21055	2024-08-05	Colorimetric Analyses of the Optic Nerve Head and Retina Indicate Increased Blood Flow After Vitrectomy 2024-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.7.12 PMID:39007833	研究论文	本研究评估了玻璃体切除术及后玻璃体剥离对视神经头和视网膜颜色变化的影响	本研究首次通过色度和形态分析方法评估玻璃体切除术对视神经头和视网膜血流的影响	本研究样本仅限于54名患者，可能影响结果的普遍适用性	研究玻璃体切除术及后玻璃体剥离对血流变化的影响	54名接受玻璃体切除术的患者及31名年龄和性别匹配的对照眼	数字病理学	视网膜血管疾病	色度分析	NA	图像	54名患者
21056	2024-08-05	Quantitative susceptibility mapping based basal ganglia segmentation via AGSeg: leveraging active gradient guiding mechanism in deep learning 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1858 PMID:39022266	研究论文	本文提出了一种基于主动梯度引导机制的深度学习方法AGSeg，以实现基底神经节的准确分割	提出的AGSeg网络通过主动梯度模块和梯度引导模块提升了对目标核边界的关注，从而改善了分割效果	未提及模型在不同疾病类型或其他影像数据上的适用性	提高基底神经节的自动化分割精度，以支持随后的疾病诊断和手术规划	使用临床扫描和健康志愿者的数据进行基底神经节的三维磁化率测量	计算机视觉	NA	磁化率定量成像（QSM）	深度学习网络（AGSeg）	三维磁化率图像	210个三维磁化率测量
21057	2024-08-05	Research into super-resolution in medical imaging from 2000 to 2023: bibliometric analysis and visualization 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-67 PMID:39022237	研究论文	本文对2000年至2023年间医学影像超级分辨率的文献进行了 bibliometric 分析和可视化研究	首次系统性分析了医学影像超分辨率领域的全球趋势并通过图形可视化提供未来研究前景	文章没有针对具体的超分辨率技术或算法进行深入探讨	识别医学影像超分辨率领域的全球趋势和未来研究发展	分析了3262篇医学影像超分辨率相关的文献	数字病理学	NA	NA	NA	文献	3262篇文献
21058	2024-08-05	Brain metastasis magnetic resonance imaging-based deep learning for predicting epidermal growth factor receptor (EGFR) mutation and subtypes in metastatic non-small cell lung cancer 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1744 PMID:39022238	研究论文	本研究旨在开发一种深度学习模型，以在非小细胞肺癌患者中预操作性地检测EGFR突变及其亚型	开发了多尺度特征融合网络（MSF-Net），能有效整合不同阶段的残差网络特征，增强了对EGFR突变的预测能力	未提及可能的局限性，样本来自两个特定中心	基于脑转移的MRI数据，预测非小细胞肺癌患者的EGFR突变状态及亚型	160名接受对比增强T1加权和72名接受T2加权MRI的非小细胞肺癌患者	计算机视觉	非小细胞肺癌	磁共振成像（MRI）	多尺度特征融合网络（MSF-Net）	医学影像	160名和72名患者
21059	2024-08-05	Application of metal artifact reduction algorithm in reducing metal artifacts in post-surgery pediatric low radiation dose spine computed tomography (CT) images 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1659 PMID:39022236	研究论文	本研究评估了金属伪影减少算法在降低术后儿童低剂量脊柱CT图像中金属伪影的应用效果	引入了金属伪影减少算法（MAR）和深度学习图像重建（DLIR）结合使用，显著改善图像质量	研究仅限于回顾性分析，未比较不同算法在更大人群或不同条件下的效果	旨在评估金属伪影减少算法在术后儿童低剂量脊柱CT图像中的实际应用效果	参与研究的对象为77名3至15岁的儿童	数字病理	NA	适应性统计迭代重建-V（ASIR-V）、深度学习图像重建（DLIR）	NA	图像	77名儿童，评估116个椎弓根螺钉
21060	2024-08-05	Deep learning methods for diagnosis of graves' ophthalmopathy using magnetic resonance imaging 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-80 PMID:39022293	研究论文	本研究开发并验证了深度学习模型用于基于磁共振成像诊断Graves'眼病	提出了使用深度学习技术，通过MRI T1加权扫描准确诊断Graves'眼病的新方法	研究没有考虑MRI以外的其他影像学方法的比较	旨在提高使用MRI诊断Graves'眼病的准确性	对199例临床验证的Graves'眼病患者和145例正常对照进行回顾性研究	计算机视觉	Graves'眼病	磁共振成像	ResNet101, Swin Transformer	图像	199例Graves'眼病患者与145例正常对照，共344例