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
22001	2024-08-07	An Exaggeration? Reality?: Can ChatGPT Be Used in Neonatal Nursing? 2024 Apr-Jun 01, The Journal of perinatal & neonatal nursing IF:1.5Q2 DOI:10.1097/JPN.0000000000000826 PMID:38758263	研究论文	探讨ChatGPT在新生儿护理中的应用及其潜在影响	文章介绍了ChatGPT在新生儿护理领域的应用，特别是在疼痛评估、喂养过程和患者状态确定等方面的显著改进	需要对基础数据的准确性进行严格验证，并对缺乏科学依据的结果持怀疑态度	评估和探讨人工智能技术在新生儿护理中的应用潜力	ChatGPT在新生儿护理中的应用及其对护理质量的影响	自然语言处理	NA	自然语言处理	NA	文本	NA
22002	2024-08-07	[[Fundamentals] 8. Works on Mac or Windows! Practical Deep Learning with PyTorch] 2024, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.2024-2336 PMID:38644222	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
22003	2024-08-07	Deep learning-based classification of the capillary ultrastructure in human skeletal muscles 2024, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2024.1363384 PMID:38751446	研究论文	本研究利用卷积神经网络（CNN）对人类骨骼肌毛细血管超微结构进行分类，以区分健康参与者与系统性病理患者	使用预训练的CNN模型在电子显微镜图像上区分健康控制组与系统性病理患者的毛细血管超微结构，其准确性高于传统的形态计量分析	NA	训练CNN模型以识别健康参与者与系统性病理患者肌肉活检中毛细血管的形态计量模式，用于假设生成	人类骨骼肌毛细血管的超微结构	机器学习	糖尿病，高血压，外周动脉疾病	透射电子显微镜（TEM）	CNN（ResNet101）	图像	1810张电子显微镜图像，来自70名参与者
22004	2024-08-07	The Importance of Understanding Deep Learning 2024, Erkenntnis DOI:10.1007/s10670-022-00605-y PMID:38751773	research paper	本文探讨了深度神经网络（DNNs）的理解问题及其在科学中的应用	本文提出了对深度神经网络理解的不同概念，特别是解释性理解的重要性	本文未明确指出具体的实验或数据分析限制	探讨当前对深度神经网络理解不足是否限制了其在科学中的应用	深度神经网络（DNNs）及其在科学中的应用	machine learning	NA	NA	DNNs	NA	NA
22005	2024-08-07	Detection of sweet corn seed viability based on hyperspectral imaging combined with firefly algorithm optimized deep learning 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1361309 PMID:38751847	研究论文	本研究利用高光谱成像技术结合萤火虫算法优化的深度学习方法，对甜玉米种子的不同活力等级进行识别	本研究提出的萤火虫算法优化的CNN-LSTM模型在甜玉米种子活力等级分类中表现出优于其他模型的性能	NA	识别甜玉米种子的活力等级	甜玉米种子	机器学习	NA	高光谱成像	CNN-LSTM	光谱图像	496颗种子，包括四个活力等级的种子
22006	2024-08-07	Implementation of transfer learning for the segmentation of human mesenchymal stem cells-A validation study 2023-Aug, Tissue & cell IF:2.7Q3 DOI:10.1016/j.tice.2023.102149 PMID:37429132	研究论文	本文开发了一种深度学习算法用于分割人类间充质干细胞（MSCs）的显微图像，并验证了其性能	使用预训练的DeepLab算法并通过对图像背景进行模糊处理来克服部分标注的限制	数据集中的图像仅部分标注，通过模糊背景来处理未标注的细胞	开发和验证用于分割人类间充质干细胞的深度学习算法	人类间充质干细胞（MSCs）的显微图像分割	计算机视觉	NA	深度学习	DeepLab算法	图像	算法1训练了139张模糊背景的图像，算法2训练了37张正常背景的图像
22007	2024-08-07	Development and Verification of Time-Series Deep Learning for Drug-Induced Liver Injury Detection in Patients Taking Angiotensin II Receptor Blockers: A Multicenter Distributed Research Network Approach 2023-Jul, Healthcare informatics research IF:2.3Q3 DOI:10.4258/hir.2023.29.3.246 PMID:37591680	研究论文	本研究开发并验证了一种基于多中心、多模型的时序深度学习模型，用于预测服用血管紧张素II受体阻滞剂（ARBs）患者的药物性肝损伤（DILI）	采用多中心分布式研究网络方法，利用韩国六家医院的电子健康记录（EHRs），开发了一种可解释的时序模型，用于分析DILI的发生率和相关变量的时间模式	NA	开发并验证一种用于预测服用ARBs患者DILI的时序深度学习模型	服用血管紧张素II受体阻滞剂（ARBs）的患者及其药物性肝损伤（DILI）	机器学习	肝损伤	深度学习	时序分类模型	电子健康记录（EHRs）	10,852名患者
22008	2024-08-07	Single-cell multi-scale footprinting reveals the modular organization of DNA regulatory elements 2023-Mar-29, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.28.533945 PMID:37034577	研究论文	本文开发了一种名为PRINT的计算方法，利用深度学习校正染色质可及性数据中的序列偏差，并识别DNA-蛋白质相互作用的多尺度足迹，以揭示DNA调控元件的模块化组织	开发了PRINT方法，能够更准确地推断转录因子和核小体的结合，并发现调控元件在细胞状态间的广泛结构和功能变化	NA	连接调控元件的结构变化与细胞命运和功能的改变	DNA调控元件及其在造血过程中的变化	机器学习	NA	深度学习	NA	染色质可及性数据	涉及造血干细胞（HSCs）的年龄相关变化
22009	2024-08-07	Semiautomated intraoperative measurement of Cobb angle and coronal C7 plumb line using deep learning and computer vision for scoliosis correction: a feasibility study 2022-Nov-01, Journal of neurosurgery. Spine DOI:10.3171/2022.4.SPINE22133 PMID:36303475	研究论文	本研究旨在验证一种利用深度学习和计算机视觉进行脊柱侧弯手术中脊柱对齐度测量的新型非放射性半自动化设备	开发了一种非放射性的半自动化设备，利用深度学习和计算机视觉在手术中测量脊柱对齐度	设备需要使用3D打印标记物，并且在验证过程中仅在脊柱侧弯的尸体模型上进行了测试	验证一种新型非放射性半自动化设备在脊柱侧弯手术中测量脊柱对齐度的可行性	脊柱侧弯手术中的脊柱对齐度测量	计算机视觉	脊柱侧弯	深度学习	计算机视觉模型	图像	标记检测模型训练使用了100张图像，测试使用了130张图像；验证模型中使用了50个角度模板和21个铅垂线测量模型；尸体验证研究中使用了1个脊柱侧弯的尸体模型
22010	2024-08-07	Spatial interplay of tissue hypoxia and T-cell regulation in ductal carcinoma in situ 2022-Sep-15, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-022-00419-9 PMID:36109587	研究论文	研究组织缺氧与T细胞调节在导管原位癌（DCIS）中的相互作用	设计了一个针对DCIS组织结构复杂性的深度学习系统，并发现T调节细胞在缺氧肿瘤细胞中的空间共定位可能是DCIS进展的关键事件和有用标记	NA	探讨缺氧在导管原位癌中与T细胞调节的关系	导管原位癌（DCIS）及其与侵袭性导管癌的同步成分	数字病理学	乳腺癌	深度学习	NA	图像	纯DCIS病例与同步DCIS和侵袭性成分的侵袭性导管癌病例
22011	2024-08-07	Fast and accurate Ab Initio Protein structure prediction using deep learning potentials 2022-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010539 PMID:36112717	研究论文	本文开发了一个名为DeepFold的开源程序，利用深度残差神经网络预测的空间约束和基于知识的能量函数，通过梯度下降折叠模拟，提高了蛋白质结构预测的准确性和速度	DeepFold在缺乏序列和/或结构同源性的蛋白质模型中，其准确性显著超越了传统的折叠方法和其他领先的深度学习方法，特别是在最难目标上的建模性能	NA	提高蛋白质结构预测的准确性和速度	蛋白质结构预测	机器学习	NA	深度学习	深度残差神经网络	蛋白质序列	大规模基准测试
22012	2024-08-07	Evaluating frailty, mortality, and complications associated with metastatic spine tumor surgery using machine learning-derived body composition analysis 2022-Aug-01, Journal of neurosurgery. Spine DOI:10.3171/2022.1.SPINE211284 PMID:35213829	研究论文	本研究利用机器学习衍生的身体成分分析评估了转移性脊柱肿瘤手术相关的虚弱、死亡率和并发症	通过深度学习方法评估癌症患者的身体成分，以改善术前风险分层	仅基于484名患者的观察性研究，样本量有限	评估身体成分与脊柱转移瘤手术后并发症、住院时间和死亡率的关系	接受脊柱转移瘤手术的癌症患者	机器学习	脊柱肿瘤	深度学习	k-means聚类分析	CT图像	484名癌症患者
22013	2024-08-07	Diagnostic triage in patients with central lumbar spinal stenosis using a deep learning system of radiographs 2022-Jul-01, Journal of neurosurgery. Spine DOI:10.3171/2021.11.SPINE211136 PMID:35061993	研究论文	本研究旨在开发一种基于卷积神经网络（CNN）的深度学习模型，用于通过X射线诊断严重的中央腰椎管狭窄症（LSS），并使用梯度加权类激活映射（Grad-CAM）评估放射学诊断特征	本研究开发了一种新的深度学习模型，通过X射线图像准确诊断中央腰椎管狭窄症，并能定位狭窄病变，辅助医生识别LSS	多变量逻辑回归分析显示，结合人口统计学因素（年龄和性别）并未提高模型性能	开发和评估一种深度学习模型，用于通过X射线诊断严重的中央腰椎管狭窄症	中央腰椎管狭窄症患者和健康对照组的X射线图像	机器学习	脊柱疾病	卷积神经网络（CNN）	CNN	图像	12,442张图像用于训练模型，5折交叉验证
22014	2024-08-07	Improving brain age estimates with deep learning leads to identification of novel genetic factors associated with brain aging 2021-09, Neurobiology of aging IF:3.7Q2 DOI:10.1016/j.neurobiolaging.2021.03.014 PMID:34098431	研究论文	本研究通过深度学习提高大脑年龄估计的准确性，进而识别与大脑衰老相关的新遗传因子	本研究展示了更准确的大脑预测年龄（PBA）有助于更好地表征与大脑衰老相关的遗传因子，并发现了三个新的与大脑衰老相关的单核苷酸多态性位点	NA	研究与大脑衰老相关的遗传因子	大脑衰老的遗传因素	机器学习	NA	卷积神经网络（CNN）	CNN	图像	16,998名UK Biobank受试者
22015	2024-08-07	Convolutional neural network allows amylose content prediction in yam (Dioscorea alata L.) flour using near infrared spectroscopy 2024-Jun, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.12825 PMID:37400424	研究论文	本研究利用近红外光谱技术结合卷积神经网络预测山药粉中的直链淀粉含量	首次使用卷积神经网络成功预测山药粉中的直链淀粉含量	PLS方法未能成功预测直链淀粉含量	验证卷积神经网络在预测山药粉直链淀粉含量方面的可靠性和效率	山药粉中的直链淀粉含量	机器学习	NA	近红外光谱技术	卷积神经网络	光谱数据	186份山药粉样品
22016	2024-08-07	Financial impact of incorporating deep learning reconstruction into magnetic resonance imaging routine 2024-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111434 PMID:38520806	研究论文	本文评估了将深度学习重建算法应用于磁共振成像常规流程对财务影响的实用性和经济可行性	本文首次详细分析了深度学习重建算法在磁共振成像中的应用，相较于传统扩容方法，如增加扫描仪或提高周末设备利用率，能显著降低运营成本	NA	研究深度学习重建算法在磁共振成像中的应用对医院运营成本的影响	深度学习重建算法在磁共振成像中的应用	机器学习	NA	深度学习重建算法	深度学习	NA	涉及五台磁共振成像扫描仪
22017	2024-08-07	Deep learning reconstruction for turbo spin echo to prospectively accelerate ankle MRI: A multi-reader study 2024-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111451 PMID:38593573	研究论文	评估深度学习重建技术在加速踝关节磁共振成像中的应用效果	深度学习重建技术（DLR-TSE）在踝关节MRI中显著缩短了采集时间，同时提高了图像质量并减少了伪影和噪声	NA	评估深度学习重建技术在踝关节MRI中的应用效果	踝关节MRI的采集时间、图像质量和病变检测能力	计算机视觉	NA	深度学习重建技术（DLR-TSE）	NA	图像	56名患者
22018	2024-08-07	Thin-slice elbow MRI with deep learning reconstruction: Superior diagnostic performance of elbow ligament pathologies 2024-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111471 PMID:38636411	研究论文	本研究比较了1毫米切片厚度的MRI与深度学习重建（DLR）和3毫米切片厚度的MRI在肘部肌腱和韧带病理诊断中的图像质量和诊断性能	使用深度学习重建技术提高了1毫米切片厚度MRI在诊断肘部肌腱和韧带病理中的性能	研究为回顾性研究，且样本量较小	评估不同切片厚度和深度学习重建技术对肘部MRI图像质量和诊断性能的影响	肘部肌腱和韧带的病理	计算机视觉	NA	MRI	深度学习重建（DLR）	图像	53名患者
22019	2024-08-07	Using deep learning to optimize the prostate MRI protocol by assessing the diagnostic efficacy of MRI sequences 2024-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111470 PMID:38640822	研究论文	本研究利用深度学习技术评估和优化前列腺MRI协议的诊断效能	通过深度学习模型比较加速和完整MRI协议的诊断性能，发现省略特定DWI序列可以减少扫描时间而不影响诊断质量	NA	探索使用深度学习优化前列腺MRI协议的方法	前列腺MRI协议的诊断效能	机器学习	前列腺癌	MRI	深度学习模型	图像	840名患者
22020	2024-08-07	Deep learning-based radiomics of computed tomography angiography to predict adverse events after initial endovascular repair for acute uncomplicated Stanford type B aortic dissection 2024-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111468 PMID:38648727	研究论文	本研究旨在构建一个结合深度学习衍生的计算机断层扫描血管造影（CTA）放射组学特征和临床生物标志物的预测模型，以预测急性未复杂化的斯坦福B型主动脉夹层（uTBAD）患者在接受初始胸主动脉腔内修复术（TEVAR）后的不良事件（AEs）	本研究创新性地将深度学习基础的放射组学与临床指标相结合，用于预测急性uTBAD患者术后不良事件	NA	构建一个预测模型，结合CTA的放射组学特征和临床生物标志物，预测急性uTBAD患者术后不良事件	急性未复杂化的斯坦福B型主动脉夹层（uTBAD）患者	机器学习	心血管疾病	计算机断层扫描血管造影（CTA）	三维深度卷积神经网络（CNN）	图像	369名接受TEVAR治疗的急性uTBAD患者