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
21881	2024-08-05	Deep Learning Approaches for Glioblastoma Prognosis in Resource-Limited Settings: A Study Using Basic Patient Demographic, Clinical, and Surgical Inputs 2023-07, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2023.04.072 PMID:37088416	研究论文	本研究评估了不同新型深度学习模型在资源有限环境中对胶质母细胞瘤预后的预测能力	提出了一种基于简单临床、人口统计和手术变量的新型深度学习模型	研究模型的准确性可能受到健康基础设施受限区域的影响	研究旨在提高胶质母细胞瘤患者的预后预测准确性	分析了37,095名胶质母细胞瘤患者的数据	机器学习	胶质母细胞瘤	深度学习	概率矩阵分解、多任务逻辑回归、逻辑风险模型	临床和人口统计数据	37,095名患者
21882	2024-08-05	HiDeNN-FEM: A seamless machine learning approach to nonlinear finite element analysis 2023-Jul, Computational mechanics IF:3.7Q1 DOI:10.1007/s00466-023-02293-z PMID:38107347	研究论文	本文提出了一种基于HiDeNN近似的非线性有限元框架	引入了三种基本构建模块，实现了非线性有限元分析的深度学习网络应用	未提及具体的限制	开发一种无缝的机器学习方法用于非线性有限元分析	研究采用HiDeNN近似的非线性有限元模型	机器学习	NA	深度学习	NA	数值数据	2D和3D的数值示例
21883	2024-08-05	On the effect of training database size for MR-based synthetic CT generation in the head 2023-07, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102227 PMID:37167815	研究论文	使用深度学习方法从磁共振（MR）图像生成计算机断层扫描（CT）图像的研究	探讨了训练数据库大小对头部基于MR的合成CT生成的影响	缺乏具体的训练数据库规模和模型性能比较	研究提高MR引导放射治疗和PET/MR成像中CT图像生成的有效性	使用深度学习生成CT图像的MR图像	计算机视觉	NA	深度学习	NA	图像	NA
21884	2024-08-05	A Deep Learning Framework for Deriving Noninvasive Intracranial Pressure Waveforms from Transcranial Doppler 2023-07, Annals of neurology IF:8.1Q1 DOI:10.1002/ana.26682 PMID:37189299	研究论文	本文设计了一个深度学习框架，用于从血压、心电图和脑血流速度中估算非侵入性颅内压。	提出了一种利用领域对抗神经网络的框架，以更准确地估计非侵入性颅内压，相较于现有方法具有更高的准确性。	未提及此研究的具体限制	研究非侵入性监测颅内压的方法，以减少患者的侵入性检查风险。	使用血压、心电图和脑血流速度数据进行颅内压估算。	机器学习	NA	深度学习	领域对抗神经网络	生理信号数据	NA
21885	2024-08-05	Crowd-Sourced Deep Learning for Intracranial Hemorrhage Identification: Wisdom of Crowds or Laissez-Faire 2023-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7902 PMID:37290819	研究论文	本研究测试了集成学习在识别颅内出血中的有效性	探索了70个模型组合的集成学习是否优于单个最佳模型	所有集成学习方法在颅内出血检测中的表现均未超越单个最佳卷积神经网络的准确性	评估集成学习在选择最佳人工智能模型方面的效用	134名患者的去标识化头部CT扫描	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	134个去标识化的头部CT扫描样本
21886	2024-08-05	Tensor-based Feature Extraction for Pupil Recognition in Cataract Surgery 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10340785 PMID:38082579	研究论文	本文提出了一种基于张量的瞳孔特征提取方法以提高白内障手术中的瞳孔识别准确性	该文创新性地提出了一种叫做张量基础瞳孔特征提取的方法来处理手术中瞳孔变化的分析	未提供具体的局限性说明	提高白内障手术中瞳孔识别系统的准确性	研究对象为施行白内障手术的人类患者中获取的内科手术标注图像	数字病理学	白内障	NA	深度学习模型	图像	来自190例白内障手术的4,560张内科手术标注图像
21887	2024-08-05	Clinical feasibility of deep learning-based automatic head CBCT image segmentation and landmark detection in computer-aided surgical simulation for orthognathic surgery 2023-Jul, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2022.10.010 PMID:36372697	研究论文	本研究探讨了基于深度学习的自动分割和标志检测在矫正外科手术规划中的应用可行性	使用SkullEngine实现了颅骨CBCT图像的自动分割和标志检测，为矫正外科手术提供了新的方法	自动标志数字化的准确性需要进一步提高	研究深度学习自动分割和标志检测在矫正外科手术规划中的应用	61组锥形束计算机断层扫描(CBCT)图像	数字病理学	NA	深度学习	NA	图像	61组CBCT图像
21888	2024-08-05	Electrocardiogram Detection of Pulmonary Hypertension Using Deep Learning 2023-07, Journal of cardiac failure IF:6.7Q1 DOI:10.1016/j.cardfail.2022.12.016 PMID:36706977	研究论文	本研究评估了使用深度学习方法通过心电图（ECG）数据单独检测肺动脉高压（PH）及其临床重要亚型的能力	创新在于使用深度学习算法识别心电图数据中潜在的肺动脉高压信号	本研究基于回顾性数据，可能存在选择偏倚，且未考虑其他影响因素	研究目标是评估深度学习在肺动脉高压早期检测中的应用	涉及到的研究对象为接受右心导管检查或超声心动图的成人患者	机器学习	肺动脉高压	深度学习	深度卷积神经网络	心电图	共涉及5016名PH患者和19454名非PH患者
21889	2024-08-05	Blind assessment of monomeric AlphaFold2 protein structure models with experimental NMR data 2023-07, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2023.107481 PMID:37257257	研究论文	本文评估了AlphaFold2模型在小单体蛋白质NMR结构模型上的表现	评估了AF2在未用于训练数据集的小单体溶液蛋白质NMR结构中的准确性，提供了新的基准NMR数据	仅涉及九个开放源代码的蛋白质NMR数据集，样本量较小	研究AF2模型对小型单体蛋白质NMR数据的预测能力	九个不同的小型单体蛋白质NMR数据集	结构生物学	NA	NMR	AlphaFold2	NMR数据	九个小型单体蛋白质（70-108个氨基酸）
21890	2024-08-05	Structure primed embedding on the transcription factor manifold enables transparent model architectures for gene regulatory network and latent activity inference 2023-Feb-03, bioRxiv : the preprint server for biology DOI:10.1101/2023.02.02.526909 PMID:36778259	研究论文	提出了一种基于深度学习的框架，以进行基因调控网络推断和潜在活性估计	提出了一种新颖的深度学习自编码器框架，有助于在保持可解释性的同时进行基因调控网络推断	尚待评估该框架在其他生物系统或大规模数据集中的适用性	研究基因调控网络及其潜在活性	关注转录因子及其与目标基因之间的调控关系	机器学习	NA	深度学习	自编码器	单细胞基因组数据	NA
21891	2024-08-07	Disentangling Normal Aging From Severity of Disease via Weak Supervision on Longitudinal MRI 2022-10, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3166131 PMID:35404811	研究论文	本文提出了一种通过弱监督学习方法，从纵向MRI数据中分离正常衰老与疾病严重程度的研究	通过弱监督学习，明确分离疾病效应与正常衰老，并能增强训练数据的多样性	需要进一步验证在不同数据集上的泛化能力	研究如何通过深度学习算法将纵向MRI数据映射到连续的疾病严重程度尺度上	纵向MRI数据中的正常衰老与疾病严重程度	机器学习	神经退行性疾病	深度学习算法	NA	MRI图像	632个样本来自阿尔茨海默病神经成像倡议(ADNI)
21892	2024-08-07	Bridging the Gap between Deep Learning and Hypothesis-Driven Analysis via Permutation Testing 2022-Sep, PRedictive Intelligence in MEdicine. PRIME (Workshop) DOI:10.1007/978-3-031-16919-9_2 PMID:36342897	研究论文	本文提出了一种基于排列测试的灵活且可扩展的方法，将假设检验整合到数据驱动的深度学习分析中，以预测和解释青少年中的负面情绪症状。	本文的创新点在于将排列测试的概念应用于深度学习分析，使得深度学习的结果能够与支持假设的统计显著性相关联。	NA	旨在将深度学习与假设驱动的分析相结合，通过排列测试方法提高深度学习在神经科学研究中的应用价值。	研究对象为621名青少年参与者，通过分析他们的自我报告评估来预测负面情绪症状。	机器学习	抑郁症	深度学习	NA	文本	621名青少年参与者
21893	2024-08-07	Hyperspectral Image Classification with Optimized Compressed Synergic Deep Convolution Neural Network with Aquila Optimization 2022, Computational intelligence and neuroscience DOI:10.1155/2022/6781740 PMID:35845897	研究论文	本文研究了如何利用优化后的压缩协同深度卷积神经网络（CSDCNN-AO）模型，从有限样本中准确分类高光谱图像（HSI）	提出了基于特征提取和分类的新型深度学习分类方法，并引入了Aquila优化技术以提高分类性能	NA	提高高光谱图像分类的准确性和效率	高光谱图像的分类	计算机视觉	NA	深度学习	压缩协同深度卷积神经网络（CSDCNN-AO）	高光谱图像	使用了四个高光谱图像数据集：Kennedy Space Center (KSC), Indian Pines (IP), Houston U (HU), Salinas Scene (SS)
21894	2024-08-07	Advanced Feature Extraction and Selection Approach Using Deep Learning and Aquila Optimizer for IoT Intrusion Detection System 2021-Dec-26, Sensors (Basel, Switzerland) DOI:10.3390/s22010140 PMID:35009682	研究论文	本文开发了一种新的特征提取和选择方法，利用深度学习和Aquila优化器为物联网入侵检测系统提供支持	提出了一种基于群智能算法Aquila优化器的特征选择方法，并结合卷积神经网络进行特征提取	NA	开发新的特征提取和选择方法，提高物联网入侵检测系统的性能	物联网入侵检测系统	机器学习	NA	深度学习	CNN	数据集	使用了四个知名公共数据集：CIC2017, NSL-KDD, BoT-IoT, 和 KDD99
21895	2024-08-07	Low-dose CT reconstruction with Noise2Noise network and testing-time fine-tuning 2021-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.15101 PMID:34791655	研究论文	本文提出了一种基于深度学习的低剂量CT图像重建算法，该算法无需使用正常剂量的图像进行训练	提出的Noise2Noise网络在迭代重建过程中进行微调，无需清洁图像进行网络训练，且在测试时进行微调以优化每次重建	NA	开发一种无需清洁图像进行训练的低剂量CT图像重建算法	低剂量CT图像重建	计算机视觉	NA	Noise2Noise网络	深度神经网络	图像	使用2016年低剂量CT挑战数据集进行验证
21896	2024-08-07	Machine learning approach for the prediction of postpartum hemorrhage in vaginal birth 2021-11-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-02198-y PMID:34799687	研究论文	本研究利用机器学习模型预测阴道分娩后的产后出血	构建了五种机器学习模型和一个包含两层神经网络的深度学习模型，通过集成学习方法提高了预测准确性	需要进一步研究以分析合适的变量并准备大规模数据集	预测阴道分娩后的产后出血	在东京女子医科大学东中心进行阴道分娩的女性	机器学习	产后出血	机器学习	神经网络	临床变量	共9,894名进行阴道分娩的患者，其中188例（1.9%）出血量超过1000毫升
21897	2024-08-07	Deep learning and manual assessment show that the absolute mitotic count does not contain prognostic information in triple negative breast cancer 2019-Aug, Cellular oncology (Dordrecht) DOI:10.1007/s13402-019-00445-z PMID:30989469	研究论文	本文通过深度学习和手动评估方法，研究了绝对有丝分裂计数在三阴性乳腺癌中的预后价值	首次使用深度学习和手动方法评估三阴性乳腺癌中有丝分裂计数的预后价值	研究仅限于回顾性三阴性乳腺癌队列，可能限制了结果的普遍性	评估有丝分裂计数作为三阴性乳腺癌预后因素的价值	三阴性乳腺癌患者的有丝分裂计数	机器学习	乳腺癌	卷积神经网络	CNN	图像	298例三阴性乳腺癌患者
21898	2024-08-07	Distinction between benign and malignant breast masses at breast ultrasound using deep learning method with convolutional neural network 2019-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-019-00831-5 PMID:30888570	研究论文	本研究使用卷积神经网络（CNN）深度学习方法区分乳腺超声图像中的良性与恶性肿块	本研究展示了CNN模型在区分乳腺超声图像中良性与恶性肿块的高诊断性能，与放射科医生相比，具有同等或更好的诊断效果	NA	利用深度学习和卷积神经网络区分乳腺超声图像中的良性与恶性肿块	乳腺超声图像中的良性与恶性肿块	机器学习	乳腺疾病	卷积神经网络（CNN）	CNN	图像	训练数据包括480张良性肿块图像和467张恶性肿块图像，测试数据包括48张良性肿块图像和72张恶性肿块图像
21899	2024-08-05	An exploratory deep learning approach to investigate tuberculosis pathogenesis in nonhuman primate model: Combining automated radiological analysis with clinical and biomarkers data 2024-Aug, Journal of medical primatology IF:0.8Q3 DOI:10.1111/jmp.12722 PMID:38949157	研究论文	该文章探讨了在非人类灵长类动物模型中，通过结合自动影像分析与临床及生物标志物数据来研究结核病的发病机制	提出了一种新的基于机器学习的CT分析方法TB-Net，该方法在疾病进展分析中表现优于标准深度学习模型	样本量较小，仅使用了六只猕猴进行实验	旨在开发一种综合方法来检测和监测结核病病例	使用六只猕猴作为研究对象，分析其感染结核分枝杆菌后的肺部变化	机器学习	结核病	计算机断层扫描（CT）	TB-Net	影像	六只猕猴
21900	2024-08-05	A deep-learning approach to predict bleeding risk over time in patients on extended anticoagulation therapy 2024-Jul, Journal of thrombosis and haemostasis : JTH IF:5.5Q1 DOI:10.1016/j.jtha.2024.04.005 PMID:38642704	研究论文	这篇文章展示了深度学习如何利用患者的时间序列随访数据来改进主要出血的预测	文章的创新点在于将时间序列随访数据纳入预测模型，超越了仅依赖基线预测因子的传统临床模型	研究依赖于收集到的随访数据，可能受到临床访谈不规律性的影响	研究的目的是提高在接受长期抗凝治疗的患者中对主要出血风险的预测能力	研究对象是2542名在长期抗凝治疗中的患者，其中118名发生了主要出血	机器学习	NA	深度学习	前馈神经网络和递归神经网络的集成	时间序列数据	2542名患者（其中118名发生主要出血）