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
22541	2024-08-05	Older Tissue Age Derived From Abdominal Computed Tomography Biomarkers of Muscle, Fat, and Bone Is Associated With Chronic Conditions and Higher Mortality 2024-Jun, Mayo Clinic proceedings IF:6.9Q1 DOI:10.1016/j.mayocp.2023.09.021 PMID:38310501	研究论文	本研究旨在确定医学影像衍生的身体成分是否有助于评估组织层面的生物年龄	使用深度学习模型构建的组织年龄估算模型结合了六种身体成分生物标志物	本研究样本仅限于一定地理区域，可能影响结果的普遍性	评估医学影像在组织层面生物年龄评估中的应用	4900名20至89岁、接受腹部CT扫描的人群	数字病理学	心血管疾病	CT扫描	深度学习模型	医学影像数据	4900名样本
22542	2024-08-05	Assistive tools for classifying neurological disorders using fMRI and deep learning: A guide and example 2024-Jun, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.3554 PMID:38841732	研究论文	本文介绍了结合fMRI和深度学习的辅助工具，用于分类神经疾病	本文提供了一些流行的深度学习和fMRI辅助工具的入门指南，并展示了使用这些工具的自闭症谱系障碍分类模型的实例	缺乏对非专业群体如学生和临床医生使用的模型设计，限制了其临床应用和推广	旨在提高fMRI和深度学习管道在神经疾病诊断中的可及性和实用性	自闭症谱系障碍（ASD）分类模型	计算机视觉	神经疾病	fMRI, 深度学习	卷积神经网络	图像	NA
22543	2024-08-05	Deep learning-based automated scan plane positioning for brain magnetic resonance imaging 2024-Jun-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1740 PMID:38846304	研究论文	本文提出了一种基于深度学习的自动扫描平面定位框架，用于脑部磁共振成像	本研究结合了物理知识，开发了一种新的深度学习框架，以提高脑部MRI扫描的定位准确性和效率	未提及具体的时间和空间限制，以及模型在其他类型MRI扫描的适用性	旨在开发一种有效、可靠且精确的自动化头部扫描平面定位方法	采用229个临床脑部MRI扫描进行研究	计算机视觉	NA	深度学习	级联3D卷积神经网络	图像	229个MRI头部扫描
22544	2024-08-05	Automated detection and classification of coronary atherosclerotic plaques on coronary CT angiography using deep learning algorithm 2024-Jun-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1513 PMID:38846308	研究论文	本研究评估了深度学习算法在冠状动脉计算机断层血管成像中检测和分类冠状动脉粥样硬化斑块的性能	本研究展示了深度学习算法在CAD斑块检测和分类上的高敏感性和准确性，这为初级放射科医师和介入心脏病学家提供了支持	限制在于回顾性分析和样本的临床经验差异	评估深度学习算法在冠状动脉疾病中检出和分类粥样硬化斑块的能力	669名怀疑患有冠状动脉疾病的患者的CCTA图像	数字病理学	心血管疾病	深度学习算法	NA	图像	669名患者
22545	2024-08-05	Pixelwise Gradient Model for Image Fusion (PGMIF): a multi-sequence magnetic resonance imaging (MRI) fusion model for tumor contrast enhancement of nasopharyngeal carcinoma 2024-Jun-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1559 PMID:38846293	研究论文	本研究提出了一种新的图像融合方法PGMIF，用于增强鼻咽癌的MRI肿瘤对比度	创新性地结合了基于像素梯度的图像融合和生成对抗网络(GAN)来提升肿瘤对比度	研究仅基于80例鼻咽癌患者的MRI数据，可能限制了方法的普适性	改善鼻咽癌患者MRI图像中的肿瘤对比度	80例鼻咽癌患者的T1加权和T2加权MRI图像	数字病理学	鼻咽癌	MRI	生成对抗网络(GAN)	图像	80例
22546	2024-08-05	Residual networks without pooling layers improve the accuracy of genomic predictions 2024-May-21, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-024-04649-2 PMID:38771334	研究论文	该文章介绍了一种新的残差神经网络用于基因组选择，超过了之前的预测精度	首次提出了达到35层的基因组选择残差神经网络，提高了预测精度	未提及具体限制	提高基因组选择中的性状预测准确性	残差神经网络在基因组选择中的应用	机器学习	NA	深度学习	残差神经网络	基因组数据	从四个公共数据集中提取的15个案例
22547	2024-08-05	Explainable AI-based Deep-SHAP for mapping the multivariate relationships between regional neuroimaging biomarkers and cognition 2024-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111403 PMID:38452732	研究论文	本研究提出了一种基于可解释人工智能的Deep-SHAP方法，用于映射区域神经影像生物标志物与认知之间的多变量关系	本研究创新性地结合了深度学习神经网络和Shapley加法解释（SHAP）方法，提出Deep-SHAP以探讨神经影像特征与认知的复杂关系	研究未明确提及限制因素	旨在揭示轻度认知障碍和阿尔茨海默病患者的脑影像特征与认知能力之间的关系	研究对象为轻度认知障碍和阿尔茨海默病患者的神经影像数据	数字病理学	轻度认知障碍和阿尔茨海默病	磁共振成像 (MRI) 和正电子发射断层扫描 (PET)	深度学习神经网络	影像数据	使用真实实验数据和模拟数据对Deep-SHAP进行验证，但未提供具体样本量
22548	2024-08-05	Evaluation of High-Dimensional Data Classification for Skin Malignancy Detection Using DL-Based Techniques 2024-May, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2024.2345184 PMID:38767503	研究论文	本文主要通过深度学习技术评估皮肤恶性肿瘤的高维数据分类	提出使用Isomap与视觉变换器结合的方法来分析和分类高维皮肤病变图像	未提及具体的限制	提高皮肤恶性肿瘤分类的准确性	高维皮肤病变数据集	数字病理学	皮肤癌	深度学习	视觉变换器	高维图像	NA
22549	2024-08-05	Flow starvation during square-flow assisted ventilation detected by supervised deep learning techniques 2024-03-14, Critical care (London, England) DOI:10.1186/s13054-024-04845-y PMID:38486268	研究论文	本研究开发了一种监督人工智能算法，以识别方流辅助通气中的气道压力变形	提出了一种基于深度学习的算法，有助于识别患者与通气机不匹配的流量饥饿问题	研究结果可能受到样本量和公认的专家分类标准的影响	旨在利用人工智能改善呼吸机与患者之间的互动识别	包含在方流辅助通气下接受机械通气超过24小时的重症患者	计算机视觉	NA	卷积神经网络和递归神经网络	递归神经网络	呼吸数据	28名患者分析的6428次呼吸
22550	2024-08-05	Deep learning algorithms for predicting renal replacement therapy initiation in CKD patients: a retrospective cohort study 2024-Mar-14, BMC nephrology IF:2.2Q2 DOI:10.1186/s12882-024-03538-6 PMID:38486160	研究论文	本研究开发了深度学习算法来预测慢性肾病患者的肾脏替代疗法启动风险	本研究通过结合病史和处方数据，提出了一种新的深度学习算法用于CKD患者的RRT风险预测	需要进一步的前瞻性观察研究和随机对照试验以全面理解深度学习算法的影响，特别是在可解释性、偏倚最小化和过拟合方面	该研究旨在提高慢性肾病患者肾脏替代疗法启动风险的预测准确性	研究对象为香港三家主要医院的慢性肾病患者	机器学习	NA	深度学习算法	CNN + LSTM + ANN	患者数据	多中心研究包含了多名慢性肾病患者
22551	2024-08-05	Deep Learning Techniques to Characterize the RPS28P7 Pseudogene and the Metazoa-SRP Gene as Drug Potential Targets in Pancreatic Cancer Patients 2024-Feb-08, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12020395 PMID:38397997	研究论文	本研究旨在发现潜在的新标记和药物靶点，以帮助分层和延长胰腺癌早期死亡患者的预期生存时间	提出了RPS28P7伪基因作为可以被小分子或RNA技术调节的药物靶点	未在死亡组中观察到相应蛋白质的上调或下调，且强调需在目标人群中进一步验证	探讨某些胰腺癌患者早亡和晚亡的分子机制，寻找新的生物标志物和药物靶点	死于胰腺癌的患者与存活患者的基因拷贝数、基因表达和蛋白表达数据	数字病理学	胰腺癌	深度学习算法	NA	基因拷贝数数据、基因表达数据和蛋白表达数据	来自GDC队列的胰腺癌死亡与存活患者的数据对比
22552	2024-08-05	Role of Optimization in RNA-Protein-Binding Prediction 2024-Feb-04, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb46020087 PMID:38392205	研究论文	本文探讨了优化在RNA-蛋白质结合预测中的角色。	通过使用不同的优化方法对RNA-蛋白质结合CNN预测模型进行研究，提供了优化器在提高 RNA-蛋白质结合预测性能方面的证据。	未提及具体的局限性	了解优化在RNA结合蛋白分类问题中的影响。	主要研究RNA结合蛋白及其绑定位点。	机器学习	NA	深度学习，卷积神经网络（CNN）	CNN	RNA-Seq数据	使用了24个数据集的平均AUC为85.30
22553	2024-08-05	A CT-based Deep Learning Radiomics Nomogram for the Prediction of EGFR Mutation Status in Head and Neck Squamous Cell Carcinoma 2024-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.06.026 PMID:37481418	研究论文	本文构建并验证了一种基于CT的深度学习放射组学游程图，以预测头颈部鳞状细胞癌的EGFR突变状态	使用了基于对比增强计算机断层扫描的深度学习放射组学游程图，结合了关键临床因素和特征数据以提高EGFR突变状态的预测准确性	NA	准确评估头颈部鳞状细胞癌患者的EGFR突变状态，以指导预后和治疗选择	300名接受对比增强CT扫描的头颈部鳞状细胞癌患者	计算机视觉	NA	CECT，深度学习	GoogLeNet	影像	300名头颈部鳞状细胞癌患者，其中训练集200名，测试集100名
22554	2024-08-05	Lifelike PixelPrint phantoms for assessing clinical image quality and dose reduction capabilities of a deep learning CT reconstruction algorithm 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006547 PMID:38836183	研究论文	本文提出使用逼真的3D打印PixelPrint幽灵来评估深度学习CT重建算法的性能和辐射剂量降低能力	采用3D打印PixelPrint幽灵进行评估，提供比传统幽灵更真实的组织特征	未提及研究的具体局限性	评估深度学习CT重建算法在降低辐射剂量方面的有效性	定制的PixelPrint肺幽灵和不同辐射暴露下的成像比较	医学影像学	NA	深度学习CT重建（DLR）	NA	图像	使用多种辐射剂量进行比较（CTDI：0.5到20 mGy）
22555	2024-08-05	Deep Learning-Based CT Reconstruction Kernel Conversion in the Quantification of Interstitial Lung Disease: Effect on Reproducibility 2024-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.06.008 PMID:37516583	研究论文	本研究探讨了不同CT重建核对间质性肺病定量分析的影响，并验证了基于深度学习的核转换是否能减少不同CT核之间自动定量结果的变异性	该研究首次量化了不同CT重建核对间质性肺病定量的影响，并提出了使用深度学习算法进行核转换以提高测量重现性的创新方法	本研究的局限性在于其为回顾性分析，且仅使用了三种重建核，可能无法覆盖所有临床场景	研究旨在评估不同CT重建核对间质性肺病定量分析的影响	回顾性纳入了194名患有间质性肺病或间质性肺部异常的患者	数字病理学	间质性肺病	深度学习算法	NA	图像	共涉及194名患者
22556	2024-08-05	Preoperatively Predicting Ki67 Expression in Pituitary Adenomas Using Deep Segmentation Network and Radiomics Analysis Based on Multiparameter MRI 2024-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.05.023 PMID:37330356	研究论文	本研究探讨了使用深度分割网络和基于多参数MRI的放射组学分析预测垂体腺瘤中Ki67增殖指数的可行性	采用cfVB-Net自自动分割模型并结合放射组学特征对垂体腺瘤患者的Ki67表达进行预测	研究主要依赖于单中心数据，可能限制结果的广泛适用性	研究旨在评估基于多参数MRI的深度分割网络在预测垂体腺瘤Ki67增殖指数的有效性	1214名垂体腺瘤患者被分类为高Ki67表达组和低Ki67表达组	数字病理学	NA	多参数MRI	cfVB-Net	医学影像	1214名患者
22557	2024-08-05	Predicting EGFR Mutation Status in Non-Small Cell Lung Cancer Using Artificial Intelligence: A Systematic Review and Meta-Analysis 2024-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.03.040 PMID:37120403	meta-analysis	本文系统评估了人工智能算法在预测非小细胞肺癌患者EGFR突变状态中的表现和质量	本文创新点在于比较了传统机器学习和深度学习算法在EGFR突变状态预测中的性能，并提出了改进诊断表现的因素	研究可能受限于纳入的文献数量和质量	评估人工智能算法（包括传统机器学习和深度学习）在非小细胞肺癌患者EGFR突变预测中的性能	非小细胞肺癌患者的EGFR突变状态	自然语言处理	肺癌	人工智能算法	深度学习与传统机器学习	影像数据	纳入42个研究，共涉及多年收集的临床数据
22558	2024-08-07	Deep Learning-Based CT Noise Reduction for Perivascular Adipose Tissue Evaluation 2024-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.11.035 PMID:38177033	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
22559	2024-08-05	A Novel Hybrid Deep Learning Method for Predicting the Flow Fields of Biomimetic Flapping Wings 2024-Jan-25, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9020072 PMID:38392118	研究论文	本文提出了一种新的混合深度学习方法，用于预测仿生拍翅翼的流场	提出了一种混合粗数据驱动的物理信息神经网络模型（HCDD-PINN），能有效提高非线性偏微分方程解的预测精度和可靠性	主要局限是在处理二维不可稳态拍翅问题时，三维和优化问题的优势尚未充分验证	快速准确地解决与仿生拍翅结构相关的非线性偏微分方程	仿生拍翅结构的流动场特征	计算机视觉	NA	物理信息深度学习	HCDD-PINN	流场数据	使用的内部训练数据比传统计算流体动力学所需的网格粗得多
22560	2024-08-05	Deep Learning-Based Technique for Remote Sensing Image Enhancement Using Multiscale Feature Fusion 2024-Jan-21, Sensors (Basel, Switzerland) DOI:10.3390/s24020673 PMID:38276366	研究论文	本研究提出了一种新颖的深度学习模型用于遥感图像增强	提出了一种基于U-Net的改进层次模型GSA-Net，结合多尺度特征融合，提高图像增强效果	由于样本数据不足，需要采用伽玛校正生成低光图像以供训练	研究遥感图像增强的深度学习技术	旨在改善通过低光遥感获取的图像质量	计算机视觉	NA	深度学习	GSA-Net	图像	使用NWPU VHR-10数据集进行测试