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
23461	2024-08-07	Comprehensive analysis of clinical images contributions for melanoma classification using convolutional neural networks 2024-May, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13607 PMID:38742379	研究论文	本研究旨在比较三种基于卷积神经网络（CNN）的模型在黑色素瘤分类中的表现，这些模型分别使用临床图像、皮肤镜图像以及两者的组合进行训练	本研究首次系统比较了仅使用临床图像、仅使用皮肤镜图像以及两者结合训练的CNN模型在黑色素瘤分类中的性能差异	研究结果显示，结合临床和皮肤镜图像的模型性能提升不明显，这可能是研究的局限之一	探讨不同类型图像在黑色素瘤分类中的有效性	黑色素瘤的分类	计算机视觉	黑色素瘤	卷积神经网络（CNN）	Inception-ResNetV2	图像	914对图像
23462	2024-08-07	Intelligent algorithm based on deep learning to predict the dosage for anesthesia: A study on prediction of drug efficacy based on deep learning 2024-May, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.2113 PMID:38745754	研究论文	本研究提出了一种基于深度学习的智能算法，用于预测麻醉药物的剂量，以帮助麻醉医师在手术过程中更好地控制药物剂量	本研究设计了基于人工神经网络的模型，使用SELU激活函数和加权正则化损失函数解决样本不平衡问题，并通过CNN和LSTM网络提取关键特征和预测剂量	NA	开发一种智能算法，用于预测麻醉药物的剂量，以辅助临床判断和手术过程的顺利进行	麻醉药物的剂量预测	机器学习	NA	深度学习	CNN, LSTM	生理数据	具体样本数量未在摘要中提及
23463	2024-08-07	Three dimensional convolutional neural network-based automated detection of midline shift in traumatic brain injury cases from head computed tomography scans 2024 Apr-Jun, Journal of neurosciences in rural practice IF:0.8Q4 DOI:10.25259/JNRP_490_2023 PMID:38746523	研究论文	本研究开发了一种基于三维卷积神经网络的自动检测工具，用于从头部CT扫描中检测创伤性脑损伤病例中的中线移位	本研究首次使用三维卷积神经网络自动检测中线移位，为紧急医疗人员提供了一种前沿的解决方案	该模型的准确性和敏感性有待提高，目前的准确率为55%，敏感性为40%	确定自动检测工具在CT图像中检测创伤性脑损伤患者中线移位的准确性和预测价值	创伤性脑损伤病例的中线移位	机器学习	创伤性脑损伤	三维卷积神经网络	CNN	图像	176个头部CT扫描
23464	2024-08-07	Subcutaneous fat predicts bone metastasis in breast cancer: A novel multimodality-based deep learning model 2024, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-230219 PMID:38043007	研究论文	本研究利用深度学习方法，结合临床信息和CT图像特征，预测乳腺癌患者的骨转移	首次提出使用皮下脂肪指数作为预测乳腺癌骨转移的独立预后因素，并采用多模态深度学习算法进行预测	NA	探索利用深度学习技术预测乳腺癌患者的骨转移	乳腺癌患者的骨转移预测	机器学习	乳腺癌	CT图像	CNN	图像	431名乳腺癌患者
23465	2024-08-07	Learning multi-site harmonization of magnetic resonance images without traveling human phantoms 2024, Communications engineering DOI:10.1038/s44172-023-00140-w PMID:38420332	研究论文	本文提出了一种无需人类受试者跨站点采集数据即可实现磁共振图像多站点协调的深度学习方法	该方法通过分离站点特定外观信息和站点不变解剖信息，生成适用于任何目标站点的图像，无需额外数据收集	NA	提高磁共振图像数据的一致性，实现多站点图像数据的有效整合	磁共振图像的多站点协调	计算机视觉	NA	深度学习	深度神经网络	图像	超过6,000张多站点T1和T2加权图像
23466	2024-08-07	MHCII-peptide presentation: an assessment of the state-of-the-art prediction methods 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1293706 PMID:38646540	研究论文	本文评估了最新的MHCII-肽结合预测计算方法的性能	采用了深度学习算法和大量训练数据，新开发的预测方法性能优于旧方法	NA	评估和概述最新的MHCII-肽结合预测计算方法	MHCII-肽结合预测方法	生物信息学	NA	深度学习	NA	蛋白质序列数据	包含20种人类MHCII蛋白同种型的结合和非结合肽的独立数据集
23467	2024-08-07	Artificial intelligence in the healthcare sector: comparison of deep learning networks using chest X-ray images 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1386110 PMID:38660365	研究论文	本研究探讨了深度学习网络在胸部X光图像疾病诊断中的应用	本研究首次比较了ResNet101、AlexNet、GoogLeNet和Xception在胸部X光图像疾病诊断中的成功率	研究使用的数据集仅包含COVID-19、病毒性肺炎和健康个体的胸部X光图像	旨在确定深度学习网络在疾病诊断中的成功率	深度学习网络ResNet101、AlexNet、GoogLeNet和Xception	计算机视觉	NA	深度学习	CNN	图像	1,680张胸部X光图像，包括COVID-19、病毒性肺炎和健康个体
23468	2024-08-07	A hybrid deep learning scheme for MRI-based preliminary multiclassification diagnosis of primary brain tumors 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1363756 PMID:38746679	研究论文	本研究探索了一种结合多种先进技术的混合深度学习方案，用于提高原发性脑肿瘤诊断的分类性能和可解释性	本研究通过结合超分辨率重建、动态学习率退火策略、特征迁移和机器学习等技术，提高了深度学习模型的分类性能和可解释性	NA	探索一种混合深度学习方案，以提高原发性脑肿瘤诊断的准确性和自动化程度	原发性脑肿瘤的诊断	机器学习	脑肿瘤	深度学习	DenseNet121, LightGBM	MRI图像	230名原发性脑肿瘤患者，包括97名脑膜瘤、66名胶质瘤和67名垂体瘤
23469	2024-08-07	MAMILNet: advancing precision oncology with multi-scale attentional multi-instance learning for whole slide image analysis 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1275769 PMID:38746682	研究论文	本文介绍了MAMILNet，一种用于全切片图像分析的多尺度注意力多实例学习框架，旨在提高肿瘤检测、分类和治疗反应预测的精确度	MAMILNet通过引入注意力机制和多尺度策略，提高了模型的泛化能力和预测准确性，同时减少了病理学家的手动工作量	NA	推动精准肿瘤学和个体化治疗计划的发展	全切片图像分析中的肿瘤检测、分类和治疗反应预测	数字病理学	NA	多尺度注意力多实例学习	注意力机制	图像	1171例涵盖多种癌症类型
23470	2024-08-07	Editorial: IoT, UAV, BCI empowered deep learning models in precision agriculture 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1399753 PMID:38751845	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
23471	2024-08-07	Patient-derived PixelPrint phantoms for evaluating clinical imaging performance of a deep learning CT reconstruction algorithm 2023-Dec-09, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.07.23299625 PMID:38106064	研究论文	本研究使用基于患者胸部CT扫描的3D打印PixelPrint肺部幻影，评估商业深度学习重建（DLR）算法在不同辐射剂量水平下的临床成像性能	使用基于患者的3D打印PixelPrint肺部幻影，提供比传统CT幻影更真实的组织结构，实现基于结构的图像质量评估	NA	评估深度学习重建算法在不同辐射剂量下的临床成像性能	深度学习重建算法和3D打印PixelPrint肺部幻影	计算机视觉	NA	3D打印技术	深度学习重建算法	图像	使用了一个基于患者胸部CT扫描的肺部幻影，并通过不同大小的扩展环模拟小和中等体型的患者
23472	2024-08-07	Deep Learning-Based Analysis of Glottal Attack and Offset Times in Adductor Laryngeal Dystonia 2023-Nov-15, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2023.10.011 PMID:37977969	研究论文	本文开发了一种基于深度学习的自动化测量方法，用于从高速度视频喉镜（HSV）中测量连接言语中的声门攻击时间（GAT）和声门关闭时间（GOT），以辅助诊断声带肌张力障碍（AdLD）。	本文创新地设计并训练了一个深度学习框架，用于自动分割声门区域并检测声带边缘，从而实现对GAT和GOT的自动测量。	NA	开发一种自动化测量方法，以辅助诊断声带肌张力障碍（AdLD）。	声带肌张力障碍（AdLD）患者和正常发音的成年人。	自然语言处理	NA	高速度视频喉镜（HSV）	深度学习框架	视频	来自声带肌张力障碍患者和正常发音成年人的HSV数据，包括阅读'Rainbow Passage'和六个CAPE-V句子的记录。
23473	2024-08-07	Automatic reorientation by deep learning to generate short-axis SPECT myocardial perfusion images 2023-10, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1007/s12350-023-03226-2 PMID:36859594	研究论文	本研究开发了一种基于深度学习的方法，用于自动重新定位单光子发射计算机断层扫描（SPECT）心肌灌注图像（MPI）到标准短轴切片	本研究首次采用卷积神经网络（CNN）预测变换参数，并通过空间变换网络（STN）生成重新定位的图像	NA	开发一种基于深度学习的方法，用于自动重新定位SPECT心肌灌注图像到标准短轴切片	SPECT心肌灌注图像的自动重新定位	计算机视觉	心血管疾病	深度学习	CNN	图像	共254名患者，包括226个应激SPECT MPI和247个休息SPECT MPI
23474	2024-08-07	ChampKit: A framework for rapid evaluation of deep neural networks for patch-based histopathology classification 2023-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2023.107631 PMID:37271050	研究论文	本文介绍了一个名为ChampKit的软件工具，用于快速评估基于补丁的组织病理学分类的深度神经网络模型	ChampKit提供了一个可扩展、完全可复制的评估工具包，支持多种公共数据集，并允许用户通过命令行直接训练和评估模型，无需编写代码	本文未明确提及具体限制	旨在提供一个工具，以系统地评估不同组织病理学分类任务的神经网络模型	深度神经网络模型在组织病理学图像分类中的应用	计算机视觉	NA	深度学习	CNN, ViT	图像	涉及六个数据集
23475	2024-08-07	Leveraging deep learning models to understand the daily experience of anxiety in teenagers over the course of a year 2023-05-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2023.02.084 PMID:36858267	研究论文	本文利用深度学习模型评估青少年在一年中焦虑症状的日常变化，并探讨GAD-7评估与日常焦虑测量之间的关系	本文首次通过深度学习模型LSTM分析了青少年焦虑症状的动态变化，并揭示了GAD-7评估与日常焦虑体验之间的差异	研究样本较小，仅包括30名青少年，可能影响结果的普遍性	评估GAD-7等即时评估方法与青少年日常焦虑体验之间的关系	青少年的焦虑症状及其日常变化	机器学习	NA	NA	LSTM	文本	30名年龄在15至17岁之间的青少年
23476	2024-08-07	STRIDE: Systematic Radar Intelligence Analysis for ADRD Risk Evaluation with Gait Signature Simulation and Deep Learning 2023-May-15, IEEE sensors journal IF:4.3Q2 DOI:10.1109/jsen.2023.3263071 PMID:37547101	研究论文	本文提出了一种名为STRIDE的系统，结合微多普勒雷达传感器和先进的人工智能技术，用于评估阿尔茨海默病相关痴呆（ADRD）的风险	STRIDE系统嵌入了一种新的深度学习分类框架，并开发了一个包含人体行走模拟模型和微多普勒雷达模拟模型的“数字孪生”，以生成步态特征数据集	NA	评估阿尔茨海默病相关痴呆（ADRD）的风险	通过微多普勒雷达捕捉的人体步态运动	机器学习	阿尔茨海默病	微多普勒雷达	深度学习	步态特征数据	NA
23477	2024-08-07	U-net Models Based on Computed Tomography Perfusion Predict Tissue Outcome in Patients with Different Reperfusion Patterns 2022-10, Translational stroke research IF:3.8Q2 DOI:10.1007/s12975-022-00986-w PMID:35043358	研究论文	本文开发了一种基于计算机断层扫描灌注（CTP）图像的U-net深度学习模型，用于更准确地评估急性大血管闭塞（LVO）患者的缺血核心和风险组织	U-net模型在识别梗死核心和风险组织方面优于固定阈值方法，提供了针对不同再灌注模式的患者的个性化预测	NA	评估脑灌注对于急性大血管闭塞患者治疗选择的重要性，并开发一种新的深度学习模型以更准确地评估缺血核心和风险组织	急性缺血性卒中接受血管内治疗的患者，分为主要再灌注组和最小再灌注组	机器学习	脑血管疾病	CTP	U-net	图像	110名急性缺血性卒中患者
23478	2024-08-07	SVision: a deep learning approach to resolve complex structural variants 2022-10, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01609-w PMID:36109679	研究论文	本文开发了一种基于深度学习的多目标识别框架SVision，用于自动检测和表征长读长测序数据中的复杂结构变异	SVision能够识别复杂事件的内部结构，并能敏感地检测常见和先前未表征的复杂重排	NA	开发一种新的方法来解析复杂结构变异	复杂结构变异	机器学习	NA	深度学习	多目标识别框架	长读长测序数据	从单个基因组中揭示了80个高质量的复杂结构变异，具有25种不同的结构
23479	2024-08-07	BindVAE: Dirichlet variational autoencoders for de novo motif discovery from accessible chromatin 2022-08-15, Genome biology IF:10.1Q1 DOI:10.1186/s13059-022-02723-w PMID:35971180	研究论文	本文介绍了一种名为BindVAE的新型无监督深度学习方法，基于Dirichlet变分自编码器，用于从开放染色质区域联合解码多个转录因子（TF）结合信号。	BindVAE能够将输入的DNA序列分解为不同的潜在因子，这些因子编码细胞类型特异性的体内结合信号、TFs合作结合的复合模式以及结合位点周围的基因组上下文。	NA	开发一种新的无监督深度学习方法，用于从开放染色质区域中联合解码多个转录因子结合信号。	DNA序列中的转录因子结合信号	机器学习	NA	Dirichlet变分自编码器	变分自编码器（VAE）	DNA序列	NA
23480	2024-08-07	A Novel Deep Learning Radiomics Model to Discriminate AD, MCI and NC: An Exploratory Study Based on Tau PET Scans from ADNI 2022-Aug-12, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci12081067 PMID:36009130	研究论文	本文探索了一种基于深度学习放射组学（DLR）的新模型，用于区分阿尔茨海默病（AD）患者、轻度认知障碍（MCI）患者和正常对照（NC）受试者，该模型在tau正电子发射断层扫描（tau-PET）的基础上进行了验证。	提出了一个基于深度学习放射组学的新模型，用于区分AD、MCI和NC，并在tau-PET扫描上进行了验证。	NA	探索和验证一种新的深度学习放射组学模型，用于区分阿尔茨海默病、轻度认知障碍和正常对照。	阿尔茨海默病（AD）患者、轻度认知障碍（MCI）患者和正常对照（NC）受试者。	机器学习	阿尔茨海默病	tau正电子发射断层扫描（tau-PET）	深度学习放射组学（DLR）模型	图像	211名正常对照（NC）、197名轻度认知障碍（MCI）和117名阿尔茨海默病（AD）患者。