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
21781	2024-08-05	HiCDiff: single-cell Hi-C data denoising with diffusion models 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae279 PMID:38856167	研究论文	本文提出了一种基于扩散模型的单细胞Hi-C数据去噪方法HiCDiff	文章创新性地使用了生成性扩散模型来去噪单细胞Hi-C数据	没有明确提到数据集的局限性或模型的局限性	研究目的是改善单细胞Hi-C数据的分析质量	研究对象为单细胞Hi-C数据中的染色体接触矩阵	数字病理学	NA	深度残差网络	扩散模型	基因组数据	多个单细胞Hi-C测试数据集
21782	2024-08-05	Advancing Ligand Docking through Deep Learning: Challenges and Prospects in Virtual Screening 2024-05-21, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.4c00093 PMID:38577892	研究论文	本文探讨了深度学习在分子对接中的应用及其在虚拟筛选中的挑战和前景	提出深度学习方法能够突破传统搜索评分框架，提高准确性和处理速度	尽管深度学习模型提高了成功率，但仍可能产生不合理的局部结构	旨在提升分子对接的准确性与效率，推动深度学习在虚拟筛选中的应用	研究分子对接中的深度学习应用及其评估指标	计算机视觉	NA	深度学习	NA	蛋白质-配体复合物	NA
21783	2024-08-05	Deep Learning-Based Automatic Classification of Ischemic Stroke Subtype Using Diffusion-Weighted Images 2024-May, Journal of stroke IF:6.0Q1 DOI:10.5853/jos.2024.00535 PMID:38836277	研究论文	本研究旨在基于扩散加权成像(DWI)和心房颤动(AF)数据，开发深度学习算法自动分类缺血性中风亚型	本研究创新性在于利用深度学习算法结合DWI和AF数据信息进行缺血性中风亚型的自动分类	本研究的局限性在于模型的外部验证可能受限于专家的标注意见	研究目的在于提高缺血性中风亚型的分类准确性，从而促进有效的二级预防	研究对象是来自三家中心的2988名缺血性中风患者	机器学习	缺血性中风	扩散加权成像(DWI)	U-net与EfficientNetV2	影像	2988名缺血性中风患者
21784	2024-08-05	A Multimodal Ensemble Deep Learning Model for Functional Outcome Prognosis of Stroke Patients 2024-May, Journal of stroke IF:6.0Q1 DOI:10.5853/jos.2023.03426 PMID:38836278	研究论文	本研究构建了一个集成深度学习模型，以预测急性缺血性中风患者90天的功能结果。	该文章的创新点在于结合多模态影像和临床数据，以改进急性缺血性中风患者的预后预测。	该研究的局限性未在摘要中明确提及。	本研究旨在为急性缺血性中风患者构建一个准确的功能结果预测模型。	研究对象为2606名急性缺血性中风患者。	机器学习	中风	深度学习	3D卷积神经网络，深度神经网络	影像，临床数据	2606名急性缺血性中风患者
21785	2024-08-05	Development and Validation of a Deep Learning Radiomics Model to Predict High-Risk Pathologic Pulmonary Nodules Using Preoperative Computed Tomography 2024-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.08.040 PMID:37802672	研究论文	本研究构建并验证了一种深度学习放射组学模型，用于预测高风险的病理性肺结节	本模型结合了临床特征、放射组学特征和深度迁移学习特征，展示了优于传统模型的预测能力	该研究的验证队列样本量较小，可能影响模型的推广性	准确识别肺结节的高风险病理因素	469例肺腺癌患者的临床和影像数据	数字病理学	肺癌	计算机断层扫描(CT)	逻辑回归(LR)和深度迁移学习(DTL)	影像	469例肺腺癌患者，其中训练队列400例，外部验证队列69例
21786	2024-08-05	Automated Segmentation and Classification of Knee Synovitis Based on MRI Using Deep Learning 2024-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.10.036 PMID:37951778	研究论文	该文章开发了一种深度学习模型用于自动分割和分类膝关节滑膜炎	首次将深度学习应用于膝关节滑膜炎的分割和分类，表现出超过放射科医生的准确性	研究为回顾性，样本可能限制了外部验证的普遍性	开发深度学习模型以分割膝关节滑膜炎的相关结构并进行分类	376名病理确诊的膝关节滑膜炎患者数据	计算机视觉	关节炎	深度学习	语义分割模型	图像	376名患者的数据
21787	2024-08-05	Nonproliferative diabetic retinopathy dataset(NDRD): A database for diabetic retinopathy screening research and deep learning evaluation 2024 Apr-Jun, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241259328 PMID:38864242	研究论文	本文提供了一种非增殖性糖尿病视网膜病变数据库，重点关注早期糖尿病视网膜病变及其临床应用	NDRD数据库特别关注微小病变，为模型训练提供了更多针对性的样本	现有的分割模型在小病变的分割性能上表现不佳，仍有很大的改进空间	探索非增殖性糖尿病视网膜病变的临床应用及模型性能	针对非增殖性糖尿病视网膜病变的图像数据进行分析	数字病理学	糖尿病视网膜病	深度学习	NA	图像	采用Optos Panoramic 200激光扫描眼底镜拍摄的糖尿病视网膜病变图像
21788	2024-08-05	Sensitivity Decouple Learning for Image Compression Artifacts Reduction 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3403034 PMID:38787669	研究论文	提出了一种灵敏度解耦学习的方法，以减少图像压缩伪影	将压缩图像的内在属性解耦为两种互补特征，以提高图像压缩伪影的减少效果	NA	改善图像压缩伪影的减少效果，为下游解析任务提供更好的性能	图像压缩伪影	计算机视觉	NA	对抗训练	双重意识引导网络（DAGN）	图像	BSD500数据集上的处理，每张图像的处理时间为29.7毫秒
21789	2024-08-05	Deep learning prediction of post-SBRT liver function changes and NTCP modeling in hepatocellular carcinoma based on DGAE-MRI 2023-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.16386 PMID:36988423	研究论文	本文开发了基于DGAE-MRI的正常组织并发症概率(NTCP)模型，以适应接受SBRT治疗的 hepatocellular cancer(HCC)患者的个性化放疗	创新性地采用DGAE-MRI的体素级功能信息，提高了放疗对患者特异性反应的估计	研究样本量较小，需在更大患者群体中进行进一步验证	旨在建立基于动态Gadoxetic Acid增强MRI的NTCP模型，以提高HCC患者放疗的个性化适应性	146名接受SBRT治疗的HCC患者，其中24名患者进行了DGAE MRI	数字病理学	肝癌	动态Gadoxetic Acid增强MRI (DGAE-MRI)	条件Wasserstein生成对抗网络 (cWGAN)	图像	146名HCC患者中有24名进行了DGAE MRI
21790	2024-08-05	Prediction of total knee replacement using deep learning analysis of knee MRI 2023-04-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-33934-1 PMID:37117260	研究论文	本文开发了深度学习风险评估模型，以预测膝关节骨关节炎向全膝关节置换的进展	创新点在于使用深度学习模型分析膝MRI，提供比传统风险评估模型更准确的TKR预测	该研究仅限于回顾性分析，且样本来自特定的膝关节骨关节炎研究	研究目的在于提高对膝关节骨关节炎进展到全膝关节置换的预测能力	研究对象为353对骨关节炎患者，分为有TKR和无TKR的病例对照组	机器学习	膝关节骨关节炎	MRI	深度学习模型	医学影像	353对病例对照组
21791	2024-08-05	MR image reconstruction from undersampled data for image-guided radiation therapy using a patient-specific deep manifold image prior 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.1013783 PMID:36479074	研究论文	本研究提出了一种利用患者特定图像先验进行高质量MR图像重建的方法	该研究创新地利用患者特定的图像先验，结合深度自编码器来提高重建的MR图像质量	该研究的局限性在于仅针对特定患者数据进行测试，可能无法普遍适用	本研究旨在提高利用欠采样数据进行MR图像重建的质量，以用于图像引导放射治疗	研究对象包括一名患者案例和三名肝癌患者的真实病例研究	数字病理学	肝癌	MRI	深度自编码器	图像	4个患者案例（包括1个患者案例和3个肝癌患者案例）
21792	2024-08-05	Image-based consensus molecular subtype (imCMS) classification of colorectal cancer using deep learning 2021-03, Gut IF:23.0Q1 DOI:10.1136/gutjnl-2019-319866 PMID:32690604	研究论文	该文章提出了一种基于图像的深度学习方法来预测结直肠癌的共识分子亚型.	通过使用深度学习方法从标准H&E组织切片中推断结直肠癌的分子亚型，提供了一种经济高效的分类工具.	该研究主要依赖于多组学数据，可能不适用于没有相关数据的样本.	研究旨在明确图像分析与分子分类之间的联系，从而改善结直肠癌的分类方式.	研究对象为结直肠癌患者的组织切片，分析其分子亚型.	数字病理学	结直肠癌	深度学习	神经网络	图像	在研究中使用了1206个组织切片
21793	2024-08-05	On the evaluation of deep learning interpretability methods for medical images under the scope of faithfulness 2024-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108238 PMID:38823117	研究论文	本文评估了深度学习模型对医学图像的可解释性，尤其关注忠实性	提出了一种基于HiResCAM的定量评估方法，探讨忠实性与评价指标之间的联系	HAAS指标未能提供有用的比较结果，评估几乎所有图图为不准确	评估医学归因图的质量并检验忠实性与指标结果的一致性	对四个医学图像数据集进行预训练深度学习架构的微调	数字病理学	NA	HiResCAM	深度学习架构	医学图像	四个医学图像数据集
21794	2024-08-05	Robustness of Deep Learning models in electrocardiogram noise detection and classification 2024-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108249 PMID:38815528	研究论文	本文介绍了一种基于深度学习的心电图噪声分类器，用于知识驱动的心电图滤波系统	首次比较了递归神经网络（RNN）和卷积神经网络（CNN）在心电图噪声检测和分类中的表现及其复杂性	未提及本研究的具体局限性	研究旨在提高心电图噪声检测和分类的准确性	比较不同深度学习模型在心电图噪声分类中的性能	计算机视觉	心脏病	深度学习	CNN，RNN	数据集	六个数据集
21795	2024-08-05	Empirical validation of Conformal Prediction for trustworthy skin lesions classification 2024-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108231 PMID:38820714	研究论文	本研究探讨了顺应性预测在皮肤病变分类中的不确定性量化	引入了一种新兴的无分布假设的不确定性量化技术，并评估了不同方法的优缺点	没有提到特定的局限性信息	研究顺应性预测在医学影像领域的应用	评估深度神经网络中的不确定性量化	数字医学影像	皮肤病变	顺应性预测、Monte Carlo Dropout和证据深度学习	深度神经网络	医学影像数据集	三个公共医学影像数据集
21796	2024-08-05	Efficacy of the methods of age determination using artificial intelligence in panoramic radiographs - a systematic review 2024-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-024-03162-x PMID:38400923	系统评价	本文系统评价了人工智能在全景放射片中年龄判定方法的有效性	探讨了人工智能与传统手动方法在年龄判定中的显著差异	研究中缺乏对深度学习和机器学习模型或手动模型进行比较	研究人工智能在全景放射片年龄判定中的应用效果	分析包含36篇文献的年龄判定方法	计算机视觉	NA	人工智能	深度学习，机器学习	全景放射片	36篇文献
21797	2024-08-05	Deep learning prediction and experimental investigation of specific capacitance of nitrogen-doped porous biochar 2024-Jul, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2024.130865 PMID:38801954	研究论文	本研究建立了一个用于预测氮掺杂多孔生物炭比电容的深度学习模型。	利用DenseNet架构建立CNN模型，揭示了氮掺杂多孔生物炭的理化性质对比电容的影响	在摘要中没有提及具体的实验条件和样本的广泛性	预测氮掺杂多孔生物炭的电容并探索最影响的因素	氮掺杂多孔生物炭及其电容性质	机器学习	NA	深度学习	CNN	数据	氮掺杂多孔生物炭样本
21798	2024-08-05	[Artificial intelligence research advances in discrimination and diagnosis of pulmonary ground-glass nodules] 2024-Jun-12, Zhonghua jie he he hu xi za zhi = Zhonghua jiehe he huxi zazhi = Chinese journal of tuberculosis and respiratory diseases DOI:10.3760/cma.j.cn112147-20231214-00370 PMID:38858209	研究论文	本研究探讨了人工智能在肺部磨玻璃结节（GGNs）鉴别和诊断中的应用进展	本研究指出深度学习算法在分析复杂影像数据和预测GGNs性质方面的应用，以及在预测EGFR突变方面的潜力	需要进行广泛的验证研究，标准化影像协议，并改善AI算法的可解释性	旨在提高GGNs的早期检测、诊断和管理策略	研究对象为肺部磨玻璃结节及其良恶性特征	计算机视觉	肺癌	深度学习	NA	影像	NA
21799	2024-08-05	Exploring the Conformational Ensembles of Protein-Protein Complex with Transformer-Based Generative Model 2024-Jun-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00255 PMID:38816696	研究论文	本文探讨了一种基于变换器架构的深度学习模型以生成蛋白质-蛋白质复合物的构象集合	该研究训练了一种生成神经网络，能够直接生成具有物理现实感的新构象	尽管使用了分子动力学模拟，本文仍然存在取样效率和计算成本的挑战	研究蛋白质-蛋白质相互作用的构象变化及其在生物学功能中的联系	蛋白质-蛋白质复合物的构象集合	数字病理学	NA	分子动力学模拟	变换器	构象数据	NA
21800	2024-08-05	Fast Nano-IR Hyperspectral Imaging Empowered by Large-Dataset-Free Miniaturized Spatial-Spectral Network 2024-Jun-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01211 PMID:38822784	研究论文	论文提出了一种通过迷你化空间-光谱网络加速纳米红外成像的方法	该研究开发的迷你化深度学习模型SS-Net能够在没有大型标注数据集的情况下迅速完成模型训练，提升成像速度	缺乏对模型在其他类型样本上的全面验证	探讨如何快速实现纳米红外成像，提高成像速度	针对纳米规模红外成像技术的优化和加速	数字病理学	NA	压缩采样	SS-Net	图像	在开放刺激拉曼散射数据集上进行验证，样本数量未具体说明