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
22881	2024-08-07	Quantification of Epicardial Adipose Tissue Volume and Attenuation for Cardiac CT Scans Using Deep Learning in a Single Multi-Task Framework 2022-Dec, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2312412 PMID:39076659	研究论文	本文提出了一种基于深度学习框架的自动量化心脏CT扫描中心外膜脂肪组织体积和密度的方法	该研究首次在一个多任务框架中使用深度学习技术自动量化心外膜脂肪组织体积和密度，提高了量化任务的自动化程度和分析效率	NA	开发一种完全自动化的深度学习框架，用于量化心外膜脂肪组织体积和密度	心外膜脂肪组织体积和密度	计算机视觉	心血管疾病	深度学习	CNN	图像	300名患者的数据集，分为两个子集，每个子集包含150名患者，分别用于训练和评估模型
22882	2024-08-07	Multi-modal deep learning based on multi-dimensional and multi-level temporal data can enhance the prognostic prediction for multi-drug resistant pulmonary tuberculosis patients 2022-Nov, Science in One Health DOI:10.1016/j.soh.2022.100004 PMID:39076608	research paper	本文研究基于多维多层次时间数据的深度学习方法，以提高多药耐药性肺结核患者的预后预测	本文采用基于动态数据的多模态深度学习方法，为个性化治疗方案提供更深入的理解	目前大多数现有研究侧重于通过静态单尺度或低维信息预测治疗结果	提高多药耐药性肺结核患者的预后预测准确性	多药耐药性肺结核患者	machine learning	肺结核	深度学习	NA	多维多层次时间数据	NA
22883	2024-08-07	Artificial Intelligence in Echocardiography: The Time is Now 2022-Aug, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2308256 PMID:39076632	研究论文	本文探讨了人工智能（AI）在超声心动图领域的应用及其对诊断、治疗和患者护理的潜在革命性影响	AI在超声心动图中的应用展示了在训练、图像获取、解释和分析、诊断、预测和表型开发方面的巨大潜力	AI在超声心动图的实际临床应用和接受度方面仍存在障碍，尤其是缺乏临床结果研究，以及法律和伦理问题	推动AI在临床工作空间的应用，改善超声心动图的临床效用、效率和培训	AI在超声心动图中的应用及其对心血管疾病评估的影响	机器学习	心血管疾病	机器学习（ML）和深度学习（DL）	NA	图像	NA
22884	2024-08-07	From Left Atrial Dimension to Curved M-Mode Speckle-Tracking Images: Role of Echocardiography in Evaluating Patients with Atrial Fibrillation 2022-May, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2305171 PMID:39077610	综述	本文综述了利用斑点追踪超声心动图从左心房尺寸到曲面M型图像评估心房颤动患者的临床应用、优势和局限性	斑点追踪超声心动图被证明是一种可行且可重复的技术，用于直接评估左心房功能，并且深度学习神经网络已成功应用于超声心动图图像分析，实现基于人工智能的全自动测量	左心房应变和应变率的临床应用、优势和局限性需要充分理解，且其在心房颤动患者治疗决策中的预后价值和实用性需要进一步阐明	探讨斑点追踪超声心动图在评估心房颤动患者中的应用及其临床意义	心房颤动患者	医学影像	心房颤动	斑点追踪超声心动图	深度学习神经网络	图像	NA
22885	2024-08-07	COVID Student Study: A Year in the Life of College Students during the COVID-19 Pandemic Through the Lens of Mobile Phone Sensing 2022-Apr, Proceedings of the SIGCHI conference on human factors in computing systems. CHI Conference DOI:10.1145/3491102.3502043 PMID:39071774	研究论文	研究通过移动电话传感技术评估COVID-19大流行对大学生行为和心理健康的影响	利用移动电话传感技术追踪和分析大学生在疫情期间的行为变化，并探索其与自我报告的COVID-19关注度的关联	研究样本仅包括180名本科生，可能不足以代表所有大学生群体	评估COVID-19大流行对大学生行为和心理健康的影响	本科生在疫情期间的行为和心理健康状况	NA	NA	移动电话传感技术	深度学习模型	行为数据	180名本科生
22886	2024-08-07	Prediction of trabecular bone architectural features by deep learning models using simulated DXA images 2020-Dec, Bone reports IF:2.1Q3 DOI:10.1016/j.bonr.2020.100295 PMID:32695850	研究论文	本研究利用深度学习模型通过模拟DXA图像预测松质骨的微观结构特征	首次使用深度学习技术从DXA图像中预测松质骨的主要微观结构特征	研究仅限于使用模拟DXA图像，且输入图像的数量和分辨率对预测准确性有显著影响	验证基于DXA图像的深度学习模型预测松质骨微观结构特征的准确性	松质骨的微观结构特征	计算机视觉	NA	深度学习	CNN	图像	1249个6mm×6mm×6mm的松质骨立方体
22887	2024-08-07	Diagnosis and detection of infected tissue of COVID-19 patients based on lung x-ray image using convolutional neural network approaches 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110170 PMID:32834651	研究论文	本文使用三种基于深度学习的方法，通过肺部X光图像检测和诊断COVID-19患者	提出了一种基于卷积神经网络（CNN）的方法，用于直接使用肺部图像进行疾病诊断，并展示了其在准确性和敏感性上优于深度神经网络（DNN）方法	NA	设计一种快速且成本较低的COVID-19诊断方法	COVID-19患者的肺部感染组织	计算机视觉	COVID-19	卷积神经网络（CNN）	CNN	图像	未明确提及具体样本数量
22888	2024-08-07	A fully open-source framework for deep learning protein real-valued distances 2020-08-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-70181-0 PMID:32770096	研究论文	本文介绍了一个名为protein distance net（PDNET）的全开源框架，用于深度学习蛋白质的实值距离预测	PDNET框架包含一个代表性数据集以及用于训练和测试深度学习方法的脚本，支持在网页浏览器中使用免费平台如Google Colab进行模型训练和测试	NA	推进深度学习方法在蛋白质结构预测中的应用	蛋白质的实值距离预测	机器学习	NA	深度学习	CNN	数据集	一个代表性数据集
22889	2024-08-07	Deep learning based detection of intracranial aneurysms on digital subtraction angiography: A feasibility study 2020-Aug, The neuroradiology journal DOI:10.1177/1971400920937647 PMID:32633602	研究论文	本文评估了商用级深度学习软件在全脑前后和侧位2D数字减影血管造影图像上检测颅内动脉瘤的可行性	使用商用级深度学习软件进行颅内动脉瘤检测，结果与更专业设计的深度学习技术相当	NA	评估商用级深度学习软件在数字减影血管造影图像上检测颅内动脉瘤的可行性	颅内动脉瘤的检测	计算机视觉	NA	深度学习	NA	图像	706张数字减影血管造影图像，来自240名患者（157名女性，平均年龄59岁；83名男性，平均年龄55岁）
22890	2024-08-07	The Future of Concurrent Automated Coronary Artery Calcium Scoring on Screening Low-Dose Computed Tomography 2020-Jun-12, Cureus DOI:10.7759/cureus.8574 PMID:32670710	研究论文	本文评估了低剂量计算机断层扫描（LDCT）在肺癌筛查中检测和分级冠状动脉钙化（CAC）的作用，并探讨了人工智能（AI）在CAC评估中的应用。	本文首次探讨了AI在LDCT筛查过程中对钙化评分量化的潜力，以及其在提高放射科医生合规性和简化工作流程方面的应用。	目前AI在CAC评估中的应用仍处于早期阶段，需要更多广泛的研究来验证其效果。	评估LDCT在肺癌筛查中检测CAC的作用，并探讨AI在CAC评估中的应用。	低剂量计算机断层扫描（LDCT）在肺癌筛查中的应用，以及人工智能（AI）在冠状动脉钙化（CAC）评估中的应用。	计算机视觉	肺癌	低剂量计算机断层扫描（LDCT）	人工智能（AI）	图像	NA
22891	2024-08-07	Machine learning with multiparametric magnetic resonance imaging of the breast for early prediction of response to neoadjuvant chemotherapy 2020-Feb, Breast (Edinburgh, Scotland) DOI:10.1016/j.breast.2019.11.009 PMID:31786416	研究论文	本文探讨了使用多参数磁共振成像（MRI）结合机器学习和深度学习方法，对接受新辅助化疗的局部晚期乳腺癌患者进行早期治疗反应预测的研究。	本文首次应用机器学习和深度学习方法，利用多参数MRI特征预测新辅助化疗的早期反应。	临床实施中存在挑战，如数据质量和模型泛化能力等。	提高患者护理质量，通过早期预测治疗反应来优化治疗方案。	局部晚期乳腺癌患者及其对新辅助化疗的反应。	机器学习	乳腺癌	多参数磁共振成像（MRI）	机器学习和深度学习模型	图像	NA
22892	2024-08-07	A promising approach for screening pulmonary hypertension based on frontal chest radiographs using deep learning: A retrospective study 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0236378 PMID:32706807	研究论文	本研究利用深度学习技术，通过前胸放射图像快速检测疑似肺动脉高压（PH）患者的异常情况，以进行疾病筛查	本研究开发了一种基于深度学习的方法，用于从前胸放射图像中快速检测可能提示肺动脉高压的异常情况，提供了一种非侵入性和易于使用的筛查方法	本研究为回顾性研究，需要在前瞻性临床环境中进一步验证	开发一种快速、简单且有效的深度学习方法，用于筛查疑似肺动脉高压患者	762名患者的前胸放射图像和通过多普勒经胸超声心动图测量的肺动脉收缩压（PASP）值	计算机视觉	肺动脉高压	深度学习算法	Resnet50, Xception, Inception V3	图像	762名患者（357名健康对照和405名肺动脉高压患者），共762张图像（641张用于训练，80张用于内部测试，41张用于外部测试）
22893	2024-08-07	Comparison and validation of seven white matter hyperintensities segmentation software in elderly patients 2020, NeuroImage. Clinical DOI:10.1016/j.nicl.2020.102357 PMID:32739882	研究论文	本文比较并验证了七种用于老年患者白质高信号（WMH）分割的软件	使用深度学习方法NicMSlesion在研究数据集上表现最佳，但在临床数据集上性能显著下降	深度学习方法在含有伪影的数据上性能严重下降	比较自动方法分割老年患者白质高信号（WMH），以帮助放射科医生和研究人员选择最合适的方法	147名患者的数据集，包括97名来自ADNI 2数据库的患者和50名来自ADNI 3的患者，以及60名因认知障碍转诊的患者	计算机视觉	NA	MRI	NA	图像	147名患者
22894	2024-08-07	Toward predicting the evolution of lung tumors during radiotherapy observed on a longitudinal MR imaging study via a deep learning algorithm 2019-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.13765 PMID:31410855	研究论文	本研究旨在通过深度学习算法预测放射治疗期间肺肿瘤在纵向MRI研究中的空间和时间演变，以促进自适应放射治疗（ART）。	开发了一种预测神经网络（P-net），该网络结合卷积神经网络、门控循环单元和注意力模型，用于预测肿瘤的空间分布和时间演变。	研究样本量较小，需要进一步的前瞻性研究以验证算法的有效性。	预测放射治疗期间肺肿瘤的空间和时间演变，以支持自适应放射治疗决策。	肺肿瘤在放射治疗期间的空间和时间演变。	机器学习	肺肿瘤	MRI-T2w扫描	卷积神经网络、门控循环单元、注意力模型	图像	10名肺肿瘤患者
22895	2024-08-05	Enhancing the image quality of prostate diffusion-weighted imaging in patients with prostate cancer through model-based deep learning reconstruction 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100588 PMID:39070063	研究论文	本研究评估了模型基础的深度学习重建在前列腺扩散加权成像中的有效性。	本研究展示了深度学习重建在前列腺扩散加权成像中显著提高了图像质量的定性和定量特性。	本研究未与其他基于深度学习的方法进行比较，这是一个需要未来研究关注的局限性。	评估模型基础的深度学习重建在前列腺扩散加权成像中的效用。	32名已确诊为前列腺癌的患者，病变≥10mm。	数字病理学	前列腺癌	深度学习重建	NA	图像	32名前列腺癌患者
22896	2024-08-05	Smartphone-based machine learning model for real-time assessment of medical kidney biopsy 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100385 PMID:39071542	研究论文	本文开发了一种基于智能手机的机器学习模型，以实时评估肾活检的质量	首次利用智能手机图像和深度学习模型评估肾活检中皮质的百分比	研究需要进一步优化和验证模型性能，尤其是在不同场景中的表现	旨在开发能实时评估肾活检样本质量的机器学习模型	747个肾活检样本及其智能手机拍摄的图像	机器学习	NA	深度学习、U-Net	卷积神经网络（CNN）	图像	747个肾活检样本
22897	2024-08-05	An emerging network for COVID-19 CT-scan classification using an ensemble deep transfer learning model 2024-Sep, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2024.107277 PMID:38878849	研究论文	本文介绍了一种基于人工智能的方法来通过CT扫描诊断COVID-19	提出了一种称为CT6-CNN的网络，并基于此设计了两个集成深度迁移学习模型	未提及具体的局限性	旨在通过CT样本实现COVID-19的早期诊断	使用SARS-CoV-2 CT数据集进行COVID-19的诊断	数字病理学	COVID-19	深度学习	CT6-CNN，集成深度迁移学习模型	图像	2481个CT扫描
22898	2024-08-04	A stepwise strategy integrating dynamic stress CT myocardial perfusion and deep learning-based FFRCT in the work-up of stable coronary artery disease 2024-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10562-x PMID:38214735	研究论文	该研究验证了一种新颖的分步策略，通过限制CT衍生的分数流量储备(FFRCT)和保留心肌灌注成像(CT-MPI)以优化稳定性冠状动脉疾病的诊断。	提出了一种结合动态应激CT心肌灌注与基于深度学习的FFRCT的分步策略，提高了诊断效率	研究是回顾性，样本规模相对较小，可能影响结果的广泛适用性	研究旨在优化稳定性冠状动脉疾病的诊断流程	87名患者，这些患者因怀疑或已知冠状动脉疾病接受了相关检査	数字病理学	冠状动脉疾病	动态CT心肌灌注成像、深度学习	NA	连续的患者数据	87名患者
22899	2024-08-04	Deep learning-based multimodal segmentation of oropharyngeal squamous cell carcinoma on CT and MRI using self-configuring nnU-Net 2024-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10585-y PMID:38243135	研究论文	本研究评估了基于深度学习的模型在CT和MRI上对口咽鳞状细胞癌的分割效果	采用自配置的nnU-Net框架进行多模态影像的分割，展示了其在CT和MRI上的可靠性和准确性	单中心的回顾性研究，样本量有限	评估深度学习模型对口咽鳞状细胞癌进行分割的有效性	91名口咽鳞状细胞癌患者	数字病理	口咽癌	nnU-Net	自配置nnU-Net	CT和MRI影像	91名患者（开发组56名，测试组1 13名，测试组2 22名）
22900	2024-08-04	MI-DenseCFNet: deep learning-based multimodal diagnosis models for Aureus and Aspergillus pneumonia 2024-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10578-3 PMID:38231392	研究论文	建立并融合了一个多输入DenseNet诊断模型，以区分金黄色葡萄球菌肺炎和曲霉肺炎	MI-DenseCFNet结合了深度学习神经网络与关键临床特征，显著提高了诊断准确性	样本量仅为60名患者，可能影响模型的广泛适用性	提高diagnostic accuracy和效率以区分金黄色葡萄球菌肺炎和曲霉肺炎	60名临床确诊的金黄色葡萄球菌肺炎及曲霉肺炎患者	计算机视觉	肺炎	深度学习	DenseNet	图像和临床数据	60名患者