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
21121	2024-08-05	Reducing false positives in deep learning-based brain metastasis detection by using both gradient-echo and spin-echo contrast-enhanced MRI: validation in a multi-center diagnostic cohort 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10318-7 PMID:37891415	研究论文	本研究开发了一种结合梯度回波和涡轮自旋回波增强MRI的深度学习模型用于脑转移瘤的检测	通过使用双增强成像，改进的深度学习模型提高了脑转移瘤的真实阳性检出率并减少了过度估计	N/A	评估双增强深度学习模型在脑转移瘤检测中的临床应用	200名脑转移瘤患者的数据用于模型训练，62名内部患者和48名外部患者用于测试	数字病理学	脑癌	增强MRI	深度学习	医学影像	200名训练样本，62名内部测试样本，48名外部测试样本
21122	2024-08-05	An assessment of the value of deep neural networks in genetic risk prediction for surgically relevant outcomes 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294368 PMID:39008506	研究论文	本文评估深度神经网络在手术相关结果的遗传风险预测中的价值	将深度神经网络与基因组学结合，提供了新的手术风险预测模型	预测模型的效果在某些情况下与线性模型相似，可能需要更大样本量进行验证	提高手术相关结果的预测准确性	关注房颤、静脉血栓栓塞和肺炎等手术相关结果	机器学习	NA	深度学习	线性模型和深度学习模型	遗传数据和临床特征	使用了UK Biobank的数据集
21123	2024-08-05	Artificial intelligence automatic measurement technology of lumbosacral radiographic parameters 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1404058 PMID:39011157	研究论文	本研究旨在开发和评估一种基于深度学习的模型，以自动测量侧位腰椎X光片上的骶腰部放射学参数	提出了一种全新的深度学习模型，能够自动识别关键脊椎点并计算相关参数，克服了手工测量的局限性	模型的准确性可能受到训练数据集质量和多样性的影响	研究旨在改善骶腰放射学参数的测量效率和准确性	回顾性收集了1240张侧位腰椎X光片用于模型训练和评估	数字病理学	NA	深度学习	NA	图像	1240张侧位腰椎X光片
21124	2024-08-05	Disentangling Accelerated Cognitive Decline from the Normal Aging Process and Unraveling Its Genetic Components: A Neuroimaging-Based Deep Learning Approach 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-231020 PMID:38306043	研究论文	该文章探讨了如何通过神经影像学深度学习方法区分正常衰老过程与阿尔茨海默病（AD）相关的加速认知衰退。	本研究通过一种新的深度学习模型识别了NELL1基因内的新变体（rs144614292），这是先前AD全基因组关联研究中未报道的。	研究仅基于特定样本，结果的普遍性可能受限于样本选择。	该研究旨在理清正常衰老与AD相关的加速认知衰退之间的关系，并揭示其遗传成分。	该研究对象为阿尔茨海默病神经影像学倡议（ADNI）研究中的1,313名个体。	数字病理学	阿尔茨海默病	MRI	Siamese ResNet	结构性MRI数据	1,313名个体，其中414名为认知正常者
21125	2024-08-05	Classification of pain expression images in elderly with hip fractures based on improved ResNet50 network 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1421800 PMID:39011450	研究论文	本研究旨在设计一种改进的ResNet 50网络，以实现针对老年髋部骨折患者痛苦表情的自动分类模型	该文章创新地结合了深度学习在图像识别中的优势，利用MTCNN和转移学习来改进ResNet50网络	研究中可能未涉及其他年龄群体或不同类型骨折患者的痛苦表情识别	探索如何使用改进的ResNet50网络自动识别老年髋部骨折患者的痛苦表情	老年髋部骨折患者	计算机视觉	老年疾病	深度学习	ResNet50	图像	训练集99.6%准确率、验证集98.7%准确率及测试集98.2%准确率
21126	2024-08-05	Detection of Intracerebral Hemorrhage Using Low-Field, Portable Magnetic Resonance Imaging in Patients With Stroke 2023-11, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.123.043146 PMID:37795593	研究论文	本研究探讨了在中风患者中使用低场便携式磁共振成像（pMRI）检测自发性脑内出血的敏感性和特异性	该研究首次将深度学习重建算法与临床信息结合，用于提高便携式磁共振成像对脑内出血的检测准确性	研究仅在Yale New Haven医院进行，样本数量相对较少，可能影响结果的普适性	本研究旨在评估低场pMRI在自发性脑内出血检测中的效果	对189例中风患者的pMRI检查进行了评估	数字病理学	脑血管疾病	低场磁共振成像（pMRI）	深度学习算法	医学影像	189例（38例脑内出血，89例急性缺血性中风，8例蛛网膜下腔出血，3例原发性脑室出血，51例无颅内异常）
21127	2024-08-05	Bidirectional Mapping with Contrastive Learning on Multimodal Neuroimaging Data 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43898-1_14 PMID:39005889	研究论文	文章提出了一种新的双向映射模型，通过对比学习减少脑结构与功能之间单向映射的偏差	创新点在于提出了双向映射模型BMCL，解决了单向映射方法的偏差问题	研究中只使用了两个公开数据集，可能限制了结果的普遍性	探讨脑结构与功能之间的相互作用，并识别不同临床表型和脑疾病的潜在生物标志物	使用临床表型和神经退行性疾病的预测作为研究对象	计算机视觉	神经退行性疾病	对比学习	BMCL	多模态神经影像数据	使用了两个公开数据集（HCP和OASIS）中的样本
21128	2024-08-05	Disentangling accelerated cognitive decline from the normal aging process and unraveling its genetic components: A neuroimaging-based deep learning approach 2023-Sep-08, Research square DOI:10.21203/rs.3.rs-3328861/v1 PMID:37720047	研究论文	该文章介绍了一种基于深度学习的方法，用于区分正常衰老过程中的认知下降与阿尔茨海默病相关的加速认知下降	提出了一种新的双损失Siamese ResNet网络，能够提取细粒度神经影像信息，并识别新的遗传变异rs144614292	研究样本主要来源于ADNI，对其他人群的适用性需要进一步验证	探讨加速认知下降与自然衰老过程之间的关系及其遗传基础	针对1,313名个体的纵向结构磁共振成像（MRI）数据进行分析	数字病理学	老年痴呆症	MRI	Siamese ResNet	影像数据	1,313名个体，训练于414名认知正常的人群
21129	2024-08-05	3D Biological/Biomedical Image Registration with enhanced Feature Extraction and Outlier Detection 2023-Sep, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine DOI:10.1145/3584371.3612965 PMID:39006863	研究论文	本文提出了一种用于三维生物医学图像配准的新方法	结合了传统和深度学习技术用于特征提取，并采用自适应最大似然估计样本一致性方法进行异常值检测	NA	提高三维图像配准的精度和效率	3D显微镜图像和医学图像	计算机视觉	NA	SIFT, ResNet50	深度神经网络	图像	使用3D MRI和3D多重显微图像的序列切片
21130	2024-08-05	Osteoarthritis year in review 2022: imaging 2023-08, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2023.03.005 PMID:36924919	综述	这篇叙述性综述总结了2021年4月1日至2022年3月31日间关于骨关节炎（OA）成像的原创研究	文章重点强调了人工智能在OA成像应用中的加速发展，特别是在预测模型的开发和小梁纹理分析中的应用	仅考虑了英文的在体人类研究，未涉及其他语言或动物研究	阐述与骨关节炎成像相关的研究进展	关注膝关节、髋关节和手关节等不同关节的成像研究	数字病理学	骨关节炎	磁共振成像/MRI	人工智能/AI	成像	NA
21131	2024-08-07	Skin Diseases Classification Using Deep Leaning Methods 2020 Apr-Jun, Current health sciences journal DOI:10.12865/CHSJ.46.02.06 PMID:32874685	研究论文	本文提出了一种基于卷积神经网络（CNN）的皮肤病变分类架构，使用图像像素和诊断标签作为输入	使用CNN技术进行皮肤病变分类，相比传统算法具有更高的性能	NA	开发计算机辅助诊断方法，为皮肤科医生提供强大的诊断工具	皮肤病变图像的自动分类	计算机视觉	皮肤疾病	卷积神经网络（CNN）	CNN	图像	10015张图像，包含7种类型的皮肤病变
21132	2024-08-07	Deep learning for cardiovascular medicine: a practical primer 2019-07-01, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehz056 PMID:30815669	综述	本文综述了深度学习在心血管医学中的应用现状，探讨了其优势与局限性，并为临床医生和研究者提供了技术背景	深度学习能够自动化医学图像解释，增强临床决策，识别新型表型，并在复杂疾病中选择更好的治疗路径	深度学习模型解释困难，需要大量标注数据进行训练，设计缺乏标准化，训练数据效率低，临床试验适用性有限	探讨深度学习在心血管医学中的应用及其挑战	心血管医学中的深度学习应用	机器学习	心血管疾病	深度学习	多层神经网络	图像	NA
21133	2024-08-07	3D whole brain segmentation using spatially localized atlas network tiles 2019-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2019.03.041 PMID:30910724	研究论文	本文提出了一种基于空间定位图谱网络块（SLANT）的方法，用于高分辨率全脑分割	使用多个独立的三维全卷积网络（FCN）进行空间分布学习，并结合传统医学图像处理方法与深度学习，提高了分割性能并减少了计算时间	NA	提高全脑分割的性能和效率	全脑分割	计算机视觉	NA	深度卷积神经网络（CNN）	三维全卷积网络（FCN）	MRI图像	5111个初始未标记扫描
21134	2024-08-07	Combining learning and constraints for genome-wide protein annotation 2019-Jun-17, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-2875-5 PMID:31208327	研究论文	本文介绍了OCELOT系统，该系统通过结合序列预测器和模糊逻辑规则的一致性层，用于全基因组蛋白质的功能和相互作用注释	OCELOT系统通过整合先验知识，显著提高了预测质量，并在实验中表现优于其他方法	NA	开发一种能够考虑现有知识约束的预测框架，以提高机器生成注释的质量	全基因组蛋白质的功能和相互作用注释	机器学习	NA	NA	NA	序列	酵母基因组
21135	2024-08-07	Deep convolutional neural networks for mammography: advances, challenges and applications 2019-Jun-06, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-2823-4 PMID:31167642	综述	本文详细回顾了深度卷积神经网络（CNNs）在乳腺X线摄影图像分析中的应用，包括其优势、局限性和性能	总结了83项研究中应用CNNs在乳腺摄影中的最佳实践，以提高诊断准确性，并深入探讨了用于各种任务的CNNs架构	指出了当前研究中存在的挑战和需要进一步探索的方向	旨在为乳腺摄影研究社区提供当前和未来研究的基石，并指导选择最适合的数据库	乳腺X线摄影图像分析	计算机视觉	乳腺癌	深度学习（DL），卷积神经网络（CNN）	CNN	图像	涉及83项研究
21136	2024-08-07	Deep learning as a predictive tool for fetal heart pregnancy following time-lapse incubation and blastocyst transfer 2019-06-04, Human reproduction (Oxford, England) DOI:10.1093/humrep/dez064 PMID:31111884	研究论文	本研究开发了一种名为IVY的深度学习模型，能够从原始时间流逝视频中直接预测胎儿心脏妊娠的概率，无需任何手动形态动力学注释或囊胚形态评估。	该模型提供了一个客观且完全自动化的系统，用于从时间流逝视频中预测妊娠概率，避免了传统方法中的人为主观性和变异性。	本研究为回顾性分析，显示了深度学习模型的高预测能力，但其临床影响尚不确定，需要进一步的前瞻性随机对照试验来评估其临床意义。此外，模型目前仅适用于第5天的胚胎，对于第3天移植的情况需要额外调整。	开发一种深度学习模型，用于从时间流逝视频中预测胎儿心脏妊娠的概率。	时间流逝视频和临床结果。	机器学习	NA	深度学习	深度学习模型	视频	10,638个胚胎
21137	2024-08-07	Biomedical Image Processing with Containers and Deep Learning: An Automated Analysis Pipeline: Data architecture, artificial intelligence, automated processing, containerization, and clusters orchestration ease the transition from data acquisition to insights in medium-to-large datasets 2019-06, BioEssays : news and reviews in molecular, cellular and developmental biology IF:3.2Q1 DOI:10.1002/bies.201900004 PMID:31094000	研究论文	本文介绍了一种结合数据管理、人工智能、容器化、集群编排和质量控制的统一分析管道，用于处理中型到大型生物医学图像数据集	提出了一个结合多种技术的新型分析方法，能够加速研究进程	NA	开发一种自动化的分析管道，以简化从数据采集到洞察的过程	中型到大型生物医学图像数据集	计算机视觉	NA	深度学习	NA	图像	NA
21138	2024-08-07	DeepConv-DTI: Prediction of drug-target interactions via deep learning with convolution on protein sequences 2019-06, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1007129 PMID:31199797	研究论文	本文提出了一种基于深度学习的药物-靶点相互作用预测模型DeepConv-DTI，通过在蛋白质序列上进行卷积操作来捕捉参与药物-靶点相互作用的蛋白质局部残基模式	该模型在原始蛋白质序列上执行卷积操作，能够捕捉到更广泛的蛋白质类别中的局部残基模式，并且在预测性能上优于以往基于蛋白质描述符的模型和近期开发的深度学习模型	NA	开发一种新的计算模型，用于提高药物-靶点相互作用的预测准确性	药物-靶点相互作用	机器学习	NA	卷积神经网络(CNN)	CNN	蛋白质序列	大规模的药物-靶点相互作用信息
21139	2024-08-07	PPR-Meta: a tool for identifying phages and plasmids from metagenomic fragments using deep learning 2019-06-01, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giz066 PMID:31220250	研究论文	介绍了一种名为PPR-Meta的工具，利用深度学习技术从宏基因组片段中同时识别噬菌体和质粒	PPR-Meta是首个能够同时高效可靠地识别噬菌体和质粒片段的工具	NA	开发一种能够同时识别宏基因组数据中噬菌体和质粒片段的工具	噬菌体和质粒片段	机器学习	NA	深度学习	Bi-path Convolutional Neural Network	序列	使用人工拼接和真实宏基因组数据进行测试
21140	2024-08-07	Intelligent ICU for Autonomous Patient Monitoring Using Pervasive Sensing and Deep Learning 2019-05-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44004-w PMID:31142754	研究论文	本研究探讨了使用无处不在的传感技术和人工智能在重症监护室（ICU）中进行自主和细致监测的可行性	本研究展示了使用非侵入性系统对重症患者及其环境进行细致和自主监测的潜力	本研究为试点研究，样本量较小，需要进一步的大规模研究验证	研究在ICU中使用传感技术和人工智能进行自主监测的可行性	重症监护室中的患者及其环境	机器学习	NA	深度学习	NA	图像、声音、光强度	本研究未明确提及具体样本数量