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
22701	2024-08-05	Deep ensemble learning of sparse regression models for brain disease diagnosis 2017-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2017.01.008 PMID:28167394	研究论文	本文提出了一种结合稀疏回归模型和深度学习的新框架用于阿尔茨海默病和轻度认知障碍的诊断和预后	这是第一个将稀疏回归模型与深度神经网络结合的工作	NA	研究稀疏回归与深度学习在脑疾病诊断中的应用	阿尔茨海默病和轻度认知障碍患者	机器学习	阿尔茨海默病	NA	深度卷积神经网络	脑成像数据	ADNI队列的样本
22702	2024-08-05	Imaging-based enrichment criteria using deep learning algorithms for efficient clinical trials in mild cognitive impairment 2015-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1016/j.jalz.2015.01.010 PMID:26093156	研究论文	本文介绍了一种新的多模态影像标志物，用于预测轻度认知障碍患者未来的认知和神经衰退	提出了一种新的深度学习算法（随机去噪自编码器标志物，rDAm），用于临床试验中识别最有可能受益的轻度认知障碍患者群体	研究可能未能考虑所有类型的轻度认知障碍患者，限制了结果的通用性	提高在轻度认知障碍患者中进行临床试验的效率和发现治疗效果的能力	轻度认知障碍患者，尤其是可能在试验期间恶化并受益于治疗的个体	计算机视觉	阿尔茨海默病	正电子发射断层扫描（PET），结构磁共振成像	随机去噪自编码器	多模态影像数据	使用ADNI2 MCI数据，样本数量减少至少五倍
22703	2024-08-05	Predicting effects of noncoding variants with deep learning-based sequence model 2015-Oct, Nature methods IF:36.1Q1 DOI:10.1038/nmeth.3547 PMID:26301843	研究论文	本研究开发了一种基于深度学习的算法框架DeepSEA，用于从序列预测非编码变体的功能效应	提出了一种新算法，能够直接从大规模染色质剖析数据中学习调控序列编码，从而以单核苷酸敏感性预测序列变化的染色质效应	NA	预测非编码变体的功能效应	非编码变体，包括表达数量性状位点（eQTL）和与疾病相关的变体	计算机视觉	NA	深度学习	NA	序列数据	大规模染色质剖析数据
22704	2024-08-05	Randomized denoising autoencoders for smaller and efficient imaging based AD clinical trials 2014, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-319-10470-6_59 PMID:25485413	研究论文	本文探讨如何利用随机去噪自编码器(rDA)提高阿尔茨海默病临床试验的效率	提出了一种新颖的深度学习模型rDA，它考虑了方差，并在样本大小估计上显著优于基于多核学习的策略	未提及具体的局限性	提高阿尔茨海默病的影像学临床试验效率	针对阿尔茨海默病的预测性测量和样本大小估计	机器学习	阿尔茨海默病	深度学习	随机去噪自编码器(rDA)	影像	NA
22705	2024-08-05	A Siamese deep learning framework for efficient hardware Trojan detection using power side-channel data 2024-Jun-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62744-2 PMID:38844523	研究论文	本文提出了一种新颖的Siamese神经网络框架来检测硬件特洛伊木马	采用了非侵入性的电源侧信道信号处理，且不需要IC的黄金模型	研究中没有提到实际应用中的复杂环境或其他类型的攻击	提高集成电路安全性，检测隐藏的硬件特洛伊木马	使用从Trojan Power & EM Side-Channel数据集中提取的特征进行训练	计算机视觉	NA	电源侧信道信号处理	SNN, LSTM, GRU, CNN	信号数据	使用Trojan Power & EM Side-Channel数据集的样本
22706	2024-08-05	Exploring potential circRNA biomarkers for cancers based on double-line heterogeneous graph representation learning 2024-Jun-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02564-6 PMID:38844961	研究论文	本研究提出了一种新的方法CDA-DGRL，用于预测circRNA-疾病关联	该方法通过图网络和双线表示模型整合图节点特征，实现了对局部和全局图网络结构的有效捕捉，解决了现有模型在稀疏局部结构信息利用上的局限性	该研究可能受到现有生物数据稀疏性的限制，尽管提出了方法来缓解这一问题	本研究旨在可靠地识别circRNA-疾病关联，以减少传统生物实验的需求	该研究的对象是circRNA和疾病之间的关联	数字病理学	NA	深度学习框架，图神经网络	图卷积神经网络	生物信息数据	通过对circR2Disease数据集进行五折交叉验证获得结果
22707	2024-08-07	Author Correction: Opportunistic detection of type 2 diabetes using deep learning from frontal chest radiographs 2024-Jun-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49184-2 PMID:38844459	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
22708	2024-08-05	Choroidalyzer: An Open-Source, End-to-End Pipeline for Choroidal Analysis in Optical Coherence Tomography 2024-Jun-03, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.6.6 PMID:38833259	研究论文	本文开发了一个开源的全自动管道Choroidalyzer，用于光学相干层析中的脉络膜分析	Choroidalyzer通过自动化方法提高了脉络膜、血管和中心凹分割的准确性，是一种客观和标准化的分析工具	本文未涉及不同成像设备和系统疾病对结果的潜在影响	本研究的目的是开发一个脉络膜分析的开源管道	本文的研究对象包括233名受试者，涉及6个系统性疾病队列	数字病理学	NA	OCT	U-Net	图像	5600个OCT B扫描
22709	2024-08-05	Automatic detection of brain tumors with the aid of ensemble deep learning architectures and class activation map indicators by employing magnetic resonance images 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2022.11.010 PMID:36593139	研究论文	本研究旨在通过集成深度学习架构和类激活图指标自动检测脑肿瘤	使用集成深度学习架构（ResNet50, VGG19, InceptionV3和MobileNet）和类激活图（CAMs）作为辅助工具进行脑肿瘤诊断	暂未提及研究的局限性	实现脑肿瘤的自动检测，提高早期诊断的准确性	使用MRI图像检测不同类型的脑肿瘤	计算机视觉	脑癌	MRI	ResNet50, VGG19, InceptionV3, MobileNet	图像	未提及
22710	2024-08-05	Predicting disease-related MRI patterns of multiple sclerosis through GAN-based image editing 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2023.12.001 PMID:38143166	研究论文	本研究应用 StyleGAN 模型探索与多发性硬化症相关的模式并预测MRI中的疾病进展	使用StyleGAN模型在潜在空间中模拟多发性硬化症的进展，展示了深度学习在医学影像中的潜力	没有提到具体的局限性	研究多发性硬化症的MRI图像模式及其进展预测	多发性硬化症患者和健康对照者的T1加权GRE MRI图像和基于扩散的ADC图	计算机视觉	多发性硬化症	深度学习	StyleGAN	图像	使用多发性硬化症患者和健康对照者的MRI样本
22711	2024-08-05	Artificial intelligence-based analysis of whole-body bone scintigraphy: The quest for the optimal deep learning algorithm and comparison with human observer performance 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2023.01.008 PMID:36932023	研究论文	本研究开发了深度学习模型，以自动化分析全身骨显像扫描并与人类观察者的表现进行比较	提出了使用深度学习模型自动化分类正常和异常扫描以及区分恶性与非肿瘤性骨病	AI模型在第二项分析中的性能与人类观察者相当，需更多数据来验证	研究旨在提高对全身骨显像扫描的解读效率和准确性	研究对象包括7188名患者中的3772名和2248名参与者	计算机视觉	恶性骨病	深度学习	CNN	医学图像	3772名患者用于第一项分析，2248名患者用于第二项分析
22712	2024-08-05	Towards MR contrast independent synthetic CT generation 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2023.07.001 PMID:37537099	研究论文	本文提出了一种合成CT生成方法，以提高其对不同 MRI 对比度的通用性	引入了一种预训练的深度学习模型，用于生成人工质子密度、T1和T2图，从而提升合成CT的生成质量	该方法主要在T2w MR图像数据集上验证，其普适性和适应性在其他类型图像上的表现可能有限	改善合成CT模型的通用性，使其在不同对比度的MR图像上表现更加稳定	研究对象为T2w MR图像以及其他对比度的MR图像	数字病理学	NA	深度学习	NA	MR图像	使用了仅有的T2w MR图像数据集进行研究
22713	2024-08-05	Automatic AI-based contouring of prostate MRI for online adaptive radiotherapy 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2023.05.001 PMID:37263911	研究论文	本研究针对MR引导放疗中的在线适应性方案，提出了一种基于AI的自动轮廓生成方法。	提出了一种快速、准确的深度学习模型用于自动化MRI分割，以适应临床MR引导放疗工作流程。	样本数量较小，仅46名患者，可能限制了结果的普遍适用性。	旨在训练并验证一种用于在线MR引导放疗的自动轮廓生成模型。	研究对象包括47名接受MRI检查的前列腺肿瘤患者。	数字病理学	前列腺癌	MRI	深度学习模型	图像	47名患者的232例T2w MRI数据集
22714	2024-08-05	Deep learning-based affine medical image registration for multimodal minimal-invasive image-guided interventions - A comparative study on generalizability 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2023.05.003 PMID:37355435	研究论文	本研究实现了20种神经网络用于医疗图像的仿射配准，并评估了其性能和对新数据集的通用性	提出了多种神经网络在医疗图像配准中的应用，特别关注其对新数据集的通用性	该研究只使用了两个特定的数据集，可能不代表所有医疗图像类型	研究医疗图像配准技术的通用性和性能	主要研究对象为三维CT和MR图像的仿射配准	计算机视觉	NA	深度学习	CNN	图像	两个数据集：一个合成数据集和一个真实患者数据集
22715	2024-08-05	The use of deep learning in interventional radiotherapy (brachytherapy): A review with a focus on open source and open data 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2022.10.005 PMID:36376203	review	本文回顾了深度学习在介入放射治疗（近距离放射治疗）中的应用，重点分析了开源和开放数据。	探讨了深度学习在介入放射治疗各个过程中的作用，并分析了开源代码和数据的可用性。	开源代码、数据和模型的发布意愿不足，限制了结果可重复性，同时评估仅限于单一机构的数据集。	研究深度学习在介入放射治疗中的应用和发展。	介入放射治疗过程及相关领域的深度学习应用。	医学影像	NA	深度学习	NA	开放数据	NA
22716	2024-08-05	Automated prognosis of renal function decline in ADPKD patients using deep learning 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2023.08.001 PMID:37612178	研究论文	本研究开发了基于深度学习的方法来自动预测ADPKD患者的肾功能下降。	提出了结合自动生成的肾脏MRI图像特征与传统生物标志物的新方法，采用卷积神经网络（CNN）和多层感知器（MLP）进行预测。	研究主要基于样本量为135的患者，可能限制了结果的广泛适用性。	探索如何通过深度学习提高ADPKD患者肾功能下降的预后准确性。	涉及多人群，即135名ADPKD患者，通过分析其肾脏影像和生物标志物来进行研究。	计算机视觉	肾脏疾病	深度学习	卷积神经网络（CNN）和多层感知器（MLP）	影像	135名ADPKD患者
22717	2024-08-05	PSMA-PET improves deep learning-based automated CT kidney segmentation 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2023.08.006 PMID:37666698	研究论文	本文探讨了结合PSMA-PET数据在自动化CT肾脏分割中的应用	提出将PSMA-PET数据整合到现有的CT基础自动分割方法中，提升肾脏分割的准确性	未提及具体的样本大小及应用场景的限制	研究PSMA-PET数据对CT肾脏分割的价值	肾脏的自动化分割	数字病理学	NA	深度学习	NA	CT图像, PSMA-PET数据	NA
22718	2024-08-05	Feature-guided deep learning reduces signal loss and increases lesion CNR in diffusion-weighted imaging of the liver 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2023.07.005 PMID:37543450	研究论文	本研究旨在开发一种特征引导的深度学习方法，以提高肝脏扩散加权成像的图像质量	提出了一种通过优化特征而非“黄金标准”目标图像来训练U-Net的深度学习方法	不同放射科医师的整体质量评分存在差异	提高肝脏扩散加权成像的图像质量，尤其是降低脉动引起的信号损失	使用来自40名肝脏病变患者的数据进行研究	数字病理学	肝病	扩散加权成像	U-Net	影像	40名肝脏病变患者
22719	2024-08-05	Deep learning algorithm (YOLOv7) for automated renal mass detection on contrast-enhanced MRI: a 2D and 2.5D evaluation of results 2024-04, Abdominal radiology (New York) DOI:10.1007/s00261-023-04172-w PMID:38368481	研究论文	本研究探讨了深度学习算法YOLOv7在对比增强MRI上检测肾肿瘤的应用	本研究首次使用YOLOv7进行肾肿瘤的自动检测，并引入了一种新开发的2.5维评估方法	研究中使用的方法和结果可能需要在更大和更多样化的样本上验证	自动化检测与分类肾肿瘤以提高诊断和治疗的准确性	326名接受MRI检查的肾细胞癌患者及其1034个肿瘤样本	计算机视觉	肾癌	对比增强MRI	YOLOv7	图像	326名患者及1034个肿瘤
22720	2024-08-05	CenTime: Event-conditional modelling of censoring in survival analysis 2024-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103016 PMID:37913577	研究论文	该论文介绍了一种新的生存分析方法CenTime，可以直接估计事件发生时间	提出了一种创新的事件条件删失机制，即使在无删失数据稀缺的情况下也能有效工作	未提及具体的限制	研究如何预测临床重要事件的发生时间	基于患者数据估计特定事件的发生时间，如死亡或癌症复发	生存分析	癌症	深度学习	NA	患者数据	NA