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
22861	2024-08-05	Evaluation of a Natural Language Processing Model to Identify and Characterize Patients in the United States With High-Risk Non-Muscle-Invasive Bladder Cancer 2023-09, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00096 PMID:37906722	研究论文	本研究开发了一种自然语言处理模型，以识别美国高风险非肌肉侵袭性膀胱癌患者并描述其特征	采用深度学习方法训练自然语言处理，以识别高风险非肌肉侵袭性膀胱癌的标准，并使用电子病历进行回顾性分析	本研究基于回顾性数据，可能存在数据不完整或不准确的问题	研究旨在开发自然语言处理模型，以识别高风险非肌肉侵袭性膀胱癌患者	研究对象为2011年至2020年间被诊断为膀胱癌的成人患者	自然语言处理	膀胱癌	自然语言处理 (NLP)	深度学习模型	电子病历数据	共包含4402名患者的三组独立数据集，用于模型开发、验证和回顾性分析
22862	2024-08-05	Deep learning estimation of three-dimensional left atrial shape from two-chamber and four-chamber cardiac long axis views 2023-04-24, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jead010 PMID:36725705	研究论文	本文开发了一种深度学习神经网络从二腔和四腔长轴视图推断左心房的三维形状、体积和表面积	提出了一种新的基于深度学习的方法来提高左心房三维体积和表面积估计的准确性	使用的训练数据主要来自单一来源，可能影响模型的普适性	开发出一种更准确的左心房三维形状和体积估计方法	左心房的三维形状、体积和表面积	数字病理学	心血管疾病	3D冠状动脉计算机断层扫描血管成像 (CCTA)	3D UNet	图像	1700个样本用于训练/验证/测试，其中1400/100/200用于训练/验证/测试，另外20个样本用于独立测试
22863	2024-08-05	Multiple generation distinct toxicant exposures induce epigenetic transgenerational inheritance of enhanced pathology and obesity 2023, Environmental epigenetics IF:4.8Q1 DOI:10.1093/eep/dvad006 PMID:38162685	研究论文	本研究评估了多代鼠类在不同毒物暴露下对疾病和肥胖的影响	首次展示了多代暴露对雄性精子表观遗传改变和病理的显著影响	本研究主要基于动物模型，可能无法完全转化到人类	研究多代暴露对表观遗传及疾病易感性的影响	三代和转代F5代的雄性及雌性鼠类	数字病理学	肥胖	深度学习，基于人工智能的组织病理学分析	NA	NA	多代鼠类，具体样本数量未说明
22864	2024-08-05	CardiSort: a convolutional neural network for cross vendor automated sorting of cardiac MR images 2022-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-022-08724-4 PMID:35368227	研究论文	开发了一种基于图像的自动深度学习方法，能够根据序列类型和成像平面对心脏MR图像进行分类，从而提高临床后处理效率	创新性地提出了CardiSort深度学习网络，能够在多厂商数据上对心脏MRI研究进行序列和成像平面的分类	对表现不佳的类和因采集参数在中心之间变化较大的序列（例如灌注成像）accuracy较低	旨在通过深度学习方法改善心脏MR图像的临床后处理流程	心脏MR图像，来自于4个中心和3个厂商的多中心多厂商的MRI研究	计算机视觉	NA	深度学习	CNN	图像	单厂商训练234名患者，跨厂商训练434名患者，外部验证80名患者
22865	2024-08-05	MITEA: A dataset for machine learning segmentation of the left ventricle in 3D echocardiography using subject-specific labels from cardiac magnetic resonance imaging 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.1016703 PMID:36704465	研究论文	本文提出了一个用于3D超声心动图左心室分割的机器学习数据集，并使用特定于受试者的心脏磁共振成像标签进行标注	引入了一个大规模的3D超声心动图数据集，利用心脏磁共振成像的高分辨率标签解决传统手工标注中的专家一致性问题	样本量虽然较大，但依然排除了10个受试者，可能影响研究的代表性	开发用于3D超声心动图分析的自动化方法，并验证所构建数据集的有效性	该研究对象是143名人类受试者的3D超声心动图图像，包括健康对照组与心脏疾病患者	机器学习	心血管疾病	3D超声心动图	深度学习网络	图像	536个3D超声心动图像，来自143名受试者
22866	2024-08-05	Global analysis of N6-methyladenosine functions and its disease association using deep learning and network-based methods 2019-01, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1006663 PMID:30601803	研究论文	本文提出了一种计算方案用于预测m6A调控基因及其相关疾病	提出了Deep-m6A模型和Hot-m6A网络管道以解决m6A调控基因的检测和功能优先排序	对m6A调控的具体基因如何影响癌症等疾病的机制了解仍然有限	探讨m6A在基因调控及其在疾病中的作用	涉及m6A调控基因及其关联疾病的研究	计算机视觉	白血病, 肾细胞癌	MeRIP-Seq	深度学习模型, 网络模型	人类样本数据	75个MeRIP-seq人类样本
22867	2024-08-05	A new method for enhancer prediction based on deep belief network 2017-Oct-16, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-017-1828-0 PMID:29072144	研究论文	本文提出了一种基于深度置信网络的增强子预测新方法	该研究提出了一种结合多种特征的新计算方法，称为EnhancerDBN，在增强子预测中表现优于现有的13种方法	目前的研究可能受限于计算模型在不同细胞系间的不一致性	旨在提高增强子预测的准确性和性能	关注增强子作为基因表达调控的重要元素	计算生物学	NA	深度学习	深度置信网络	DNA序列特征、DNA甲基化、组蛋白修饰	NA
22868	2024-08-05	Multi-categorical deep learning neural network to classify retinal images: A pilot study employing small database 2017, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0187336 PMID:29095872	研究论文	这项研究使用深度学习卷积神经网络自动检测多种视网膜疾病	首次将转移学习与集成分类器结合，提升了多类别视网膜疾病的分类性能	由于数据集规模较小，本研究中的深度学习技术难以应用于临床	探讨深度学习在多种视网膜疾病检测中的应用	视网膜图像的多类别分类	计算机视觉	视网膜疾病	深度学习	CNN	图像	使用来自STARE数据库的10个类别的有限样本
22869	2024-08-05	A deep convolutional neural network-based automatic delineation strategy for multiple brain metastases stereotactic radiosurgery 2017, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0185844 PMID:28985229	研究论文	本研究提出了一种基于深度卷积神经网络的自动化脑转移瘤轮廓绘制策略。	开发了用于对比增强T1加权磁共振成像数据集进行脑转移瘤分割的深度学习卷积神经网络算法，并将其集成到自动化分割工作流中。	在患者案例的分割结果中，DICE系数平均值略低，可能需要进一步优化算法。	旨在提升立体定向放射外科（SRS）的治疗规划效率和效果。	针对脑转移瘤进行目标 delineation 的自动化流程。	数字病理学	脑部疾病	磁共振成像(MRI)	CNN	图像	BRATS数据及临床患者数据
22870	2024-08-07	A deep learning-based quantitative prediction model for the processing potentials of soybeans as soymilk raw materials 2024-Sep-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.139671 PMID:38761740	研究论文	本文建立了一个基于深度学习的模型，用于定量预测大豆作为豆浆原料的处理潜力	本文提出的深度学习模型能够定量预测大豆的豆浆品质和利润属性，相较于传统的相关分析、回归分析和分类模型，具有更高的预测准确性	模型在预测豆浆气味品质方面仍有改进空间，未来可通过大数据训练进一步优化	解决现有技术在评估大豆潜力方面的局限性，推动豆浆产业更高效和盈利	54种大豆品种及其对应的豆浆	机器学习	NA	深度学习	深度学习模型	化学、质构和感官分析数据	54种大豆品种及其对应的豆浆
22871	2024-08-07	Semantically redundant training data removal and deep model classification performance: A study with chest X-rays 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102379 PMID:38608333	研究论文	本研究探讨了深度学习模型在胸部X光片分类中，语义冗余训练数据对模型性能的影响，并提出了一种基于熵的样本评分方法来识别和移除冗余数据	提出了一种基于熵的样本评分方法来识别和移除语义冗余的训练数据，以提高模型性能	NA	研究语义冗余训练数据对深度学习模型分类性能的影响	胸部X光片	计算机视觉	NA	深度学习	NA	图像	使用了公开的NIH胸部X光数据集
22872	2024-08-07	Motion correction and super-resolution for multi-slice cardiac magnetic resonance imaging via an end-to-end deep learning approach 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102389 PMID:38692199	研究论文	本文提出了一种端到端的深度学习模型，用于多切片心脏磁共振成像的运动校正和超分辨率重建	该模型通过两个特定组件分别进行运动校正和超分辨率处理，显著减少了切片间的错位并生成了高分辨率的3D心脏体积	NA	旨在从采集的心脏磁共振短轴切片中重建高分辨率的3D心脏体积	心脏磁共振短轴切片	计算机视觉	NA	深度学习	深度学习模型	图像	模拟数据集中的左心室和心肌的Dice系数分别为0.974±0.010和0.938±0.017；真实世界数据集中的左心室和心肌的Dice系数分别为0.945±0.023和0.786±0.060
22873	2024-08-07	A robust deep learning system for screening of obstructive sleep apnea using T-F spectrum of ECG signals 2024-Jun-03, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2359635 PMID:38829354	研究论文	本文提出了一种利用时间-频率（T-F）谱的深度卷积神经网络（DCNN）系统，用于自动筛查阻塞性睡眠呼吸暂停（OSA）患者	该系统通过使用滤波融合算法去除原始ECG数据中的噪声，并采用Stock-well变换将滤波后的时域ECG转换为T-F谱，使用较少的学习参数实现了更高的准确性	NA	开发一种自动化的深度学习系统，用于准确检测阻塞性睡眠呼吸暂停，提高诊断性能并减轻临床医生的工作负担	阻塞性睡眠呼吸暂停（OSA）患者的ECG信号	机器学习	睡眠相关疾病	深度卷积神经网络（DCNN）	DCNN	时间-频率谱	NA
22874	2024-08-07	Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease 2024-Jun-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26707 PMID:38798082	研究论文	本文提出了一种利用模型可解释性增强分类模型在不同队列间泛化能力的框架，通过MRI扫描和临床诊断数据训练深度神经网络，重点关注与疾病相关的大脑区域	本文采用领域泛化技术，通过统一视觉显著性先验来对齐类别注意力，提高了模型与死后组织学检查的相关性	NA	开发深度学习模型评估由认知障碍引起的结构脑变化的MRI扫描，并提高模型在不同数据源和设备间的泛化能力	使用MRI扫描和临床诊断数据，训练深度神经网络区分正常认知、轻度认知障碍和阿尔茨海默病引起的痴呆	计算机视觉	阿尔茨海默病	MRI扫描	深度神经网络	图像	共使用了四个独立队列的数据，总计7433个样本
22875	2024-08-07	Rapid identification of medicinal plants via visual feature-based deep learning 2024-May-31, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01202-6 PMID:38822406	研究论文	本研究利用自研设备获取高分辨率数据，构建了一个视觉多品种中药材图像数据集，并提出了一种新的混合监督预训练网络，通过结合全局特征和局部细节，有效提升了特征捕获能力。	提出了一种随机局部数据增强预处理方法和一种新的混合监督预训练网络，通过引入并行分类分支和新的损失函数，增强了特征捕获能力和训练效率。	NA	准确识别中药材，避免因加工条件和栽培环境差异影响临床安全和药物疗效。	中药材	计算机视觉	NA	深度学习	Masked Autoencoders (MAE)	图像	多品种中药材图像数据集
22876	2024-08-07	DASUNet: a deeply supervised change detection network integrating full-scale features 2024-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63257-8 PMID:38816456	研究论文	本文提出了一种深度监督的变化检测网络DASUNet，该网络采用孪生架构，融合全尺度特征信息，并实现端到端训练	DASUNet网络通过采用空洞空间金字塔池化模块和深度监督模块，有效融合了全尺度特征信息，提高了特征信息的获取能力	NA	提高变化检测技术的准确性和应用范围	变化检测技术中的特征信息融合	计算机视觉	NA	深度学习	CNN	图像	在CDD和WHU-CD数据集上进行了实验，分别达到了94.32%和90.37%的F1分数
22877	2024-08-07	Interdisciplinary approach to identify language markers for post-traumatic stress disorder using machine learning and deep learning 2024-05-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61557-7 PMID:38816468	研究论文	本研究探讨了语言作为创伤后应激障碍（PTSD）的潜在诊断生物标志物的可能性，通过分析2015年11月13日巴黎恐怖袭击事件后148名个体的访谈数据，采用跨学科方法结合精神病学、语言学和自然语言处理技术，评估语言特征与PTSD之间的关系。	本研究首次采用跨学科方法，结合精神病学、语言学和自然语言处理技术，探讨语言作为PTSD的诊断生物标志物，并提出了一种三步法的方法论。	研究样本仅限于2015年巴黎恐怖袭击事件后的个体，可能限制了结果的普遍性。	探讨语言作为创伤后应激障碍的诊断生物标志物的可能性，并提出一种跨学科的方法论。	2015年11月13日巴黎恐怖袭击事件后148名个体的访谈数据。	自然语言处理	心理疾病	机器学习, 深度学习	机器学习模型, 深度学习模型	文本	148名个体
22878	2024-08-07	A review of machine learning methods for cancer characterization from microbiome data 2024-May-30, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00617-7 PMID:38816569	综述	本文综述了从微生物组数据中利用机器学习方法进行癌症特征化的研究	提出了基于随机森林的方法，并探讨了利用深度学习和改进的机器学习模型来提高模型性能和泛化能力的可能性	当前方法在临床广泛应用上仍不足，且存在模型泛化能力差的问题	探讨机器学习方法在从微生物组数据中进行癌症特征化的应用	微生物组数据与癌症特征化	机器学习	NA	机器学习	随机森林	微生物组数据	NA
22879	2024-08-07	Assessment and classification of COVID-19 DNA sequence using pairwise features concatenation from multi-transformer and deep features with machine learning models 2024-May-23, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100147 PMID:38796034	研究论文	本文提出了一种基于多变换器和深度特征的机器学习模型，用于COVID-19 DNA序列的评估和分类	本文提出了一种新颖的多变换器深度学习模型和成对特征融合技术，用于DNA序列分类	NA	旨在通过深度学习和机器学习方法，对COVID-19病毒的基因组序列进行分类和分析，以支持战略规划、遏制和治疗	COVID-19病毒的DNA序列	机器学习	COVID-19	深度学习	多变换器	DNA序列	NA
22880	2024-08-07	K-band: Self-supervised MRI Reconstruction via Stochastic Gradient Descent over K-space Subsets 2024-May-23, ArXiv PMID:38827449	研究论文	介绍了一种名为k-band的新型数学框架，用于在仅使用部分、有限分辨率的k空间数据的情况下训练深度学习模型进行MRI重建	提出了一种使用随机梯度下降（SGD）在k空间子集上训练的方法，能够在有限分辨率数据上实现与高分辨率数据训练相媲美的性能	NA	开发一种实用的、易于实施的自监督训练框架，用于MRI重建	高维动态/体积磁共振成像（MRI）中的逆问题解决	机器学习	NA	深度学习（DL）	DL模型	k空间数据	使用部分、有限分辨率的k空间数据进行训练