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
13161	2024-08-05	Advanced integration of 2DCNN-GRU model for accurate identification of shockable life-threatening cardiac arrhythmias: a deep learning approach 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1429161 PMID:39072217	研究论文	本研究提出了一种新的混合方法，用于自动检测危险的心律失常。	提出了一种新的深度学习架构的混合神经网络来分类危险心律失常，利用小段ECG信号的连续小波变换技术将信号转化为图像。	研究中使用的数据集可能在特征和样本方面存在不平衡的问题，尚未探讨其他心律失常种类。	旨在开发一种有效的混合方法，用于自动识别重症心律失常。	研究主要对象为心脏病患者的短ECG片段。	机器学习	心血管疾病	连续小波变换 (CWT)	混合神经网络	ECG数据	使用实际ECG数据以及通过SMOTE方法合成的ECG数据
13162	2024-08-05	Exploratory analysis of swallowing behaviour in community-dwelling older adults using a wearable device: Differences by age and ingestant under different task loads 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241264640 PMID:39070893	研究论文	本文开发了一种新的方法来评估吞咽行为	采用可穿戴设备非侵入性地监测吞咽声音，评估不同年龄和食物对吞咽行为的影响	研究样本相对较小，仅限于健康参与者，可能不适用于所有人群	提出一种新的评估吞咽行为的方法	健康的社区老年人，分为年轻组和老年组	数字病理学	老年疾病	深度学习	神经网络	生物声音	69名参与者（年轻组32人，老年组37人）
13163	2024-08-05	LSTM-Based Prediction Model for Tuberculosis Among HIV-Infected Patients Using Structured Electronic Medical Records: A Retrospective Machine Learning Study 2024, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S467877 PMID:39070689	研究论文	本研究建立了一种基于LSTM的预测模型，以利用电子病历预测HIV感染者中的结核病。	结合多层感知机分类器与长短时记忆网络（LSTM）提高了电子健康记录的提取和疾病预测能力。	尽管模型在识别HIV-结核共感染方面表现准确，但仍存在进一步优化和泛化的机会。	研究旨在通过电子健康记录构建预测模型，为HIV感染者中的结核病提供早期检测和精准干预的科学依据。	研究对象为4540名HIV感染患者，重点分析其结核病的感染情况及相关特征。	机器学习	结核病	机器学习，电子健康记录，自然语言处理	多层感知机，LSTM	电子病历数据	4540名（HIV感染者）
13164	2024-08-04	Automatic Visual Acuity Loss Prediction in Children with Optic Pathway Gliomas using Magnetic Resonance Imaging 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10339961 PMID:38083430	研究论文	本研究旨在通过多序列磁共振成像准确预测患有视路胶质瘤的儿童的视觉敏锐度丧失	提出了一种自动化深度学习框架，包括基于变换器的分割网络和机器学习方法用于预测视觉丧失	对于视觉丧失的风险预测依然存在挑战，特别是确定哪些儿童需要预防性治疗	研究通过MRI特征分析帮助早期预测NF1-OPG儿童的视觉结果	研究对象为75名患有NF1-OPG的儿童	数字病理学	视路胶质瘤	磁共振成像	基于变换器的分割网络	图像	75名儿童
13165	2024-08-07	Real-time vessel segmentation and reconstruction for virtual fixtures for an active handheld microneurosurgical instrument 2022-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-022-02584-5 PMID:35296950	研究论文	本文设计了一种实时血管分割和重建策略，用于手持式神经外科手术机器人Micron，以避免在岩枕部脑膜瘤手术中发生血管损伤	本文创新地整合了深度学习实时血管分割与3D重建算法，并实现了基于虚拟固定器的策略，防止手术工具进入血管周围的禁止区域	NA	提高患者在神经外科手术中的安全性，避免血管损伤	手持式神经外科手术机器人Micron在岩枕部脑膜瘤手术中的应用	计算机视觉	脑膜瘤	深度学习	CNN	图像	使用了模拟血管、岩静脉、颈内动脉和浅表血管的数据集进行测试
13166	2024-08-07	A fully automatic deep learning system for COVID-19 diagnostic and prognostic analysis 2020-08, The European respiratory journal DOI:10.1183/13993003.00775-2020 PMID:32444412	研究论文	本文提出了一种全自动的深度学习系统，用于COVID-19的诊断和预后分析，通过常规的计算机断层扫描（CT）图像进行分析	该系统能够自动识别COVID-19与其他肺炎的区别，并成功将患者分为高风险和低风险组，且住院时间有显著差异	NA	开发一种快速筛查COVID-19并识别潜在高风险患者的工具，以优化医疗资源和早期预防	COVID-19患者和其他肺炎患者的CT图像	机器学习	COVID-19	深度学习	深度学习系统	图像	共收集了5372名患者的CT图像，其中1266名患者用于训练和外部验证
13167	2024-08-07	DoseGAN: a generative adversarial network for synthetic dose prediction using attention-gated discrimination and generation 2020-07-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-68062-7 PMID:32632116	研究论文	本文提出了一种基于注意力门控生成对抗网络（DoseGAN）的合成剂量预测方法，以提高治疗计划效率和放疗计划质量	DoseGAN通过注意力门控机制聚焦于相关解剖结构，提高了学习效率，增加了模型复杂性，并减少了网络冗余	NA	开发一种新的深度学习算法，用于预测放射剂量，以提高治疗计划效率和放疗计划质量	前列腺SBRT患者的放射剂量预测	机器学习	前列腺癌	生成对抗网络（GAN）	GAN	图像	141名前列腺SBRT患者
13168	2024-08-07	Learning context-aware structural representations to predict antigen and antibody binding interfaces 2020-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaa263 PMID:32321157	研究论文	本文开发了一个统一的深度学习框架，用于预测抗体和抗原的结合界面	该框架结合了图卷积、注意力机制和迁移学习，以提高预测准确性和提供生物学解释	NA	理解抗体与其抗原的特异性相互作用，以改进药物和疫苗设计	抗体和抗原的结合界面	机器学习	NA	深度学习	图卷积网络、注意力机制	蛋白质结构数据	NA
13169	2024-08-07	COVID-19 Pneumonia Diagnosis Using a Simple 2D Deep Learning Framework With a Single Chest CT Image: Model Development and Validation 2020-06-29, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/19569 PMID:32568730	研究论文	开发并验证了一种基于单个胸部CT图像的简单2D深度学习框架FCONet，用于诊断COVID-19肺炎	FCONet框架通过迁移学习使用四种先进的预训练深度学习模型之一作为骨干，实现了高效的COVID-19肺炎诊断	NA	快速开发一种AI技术，用于在CT图像中诊断COVID-19肺炎并区分其他类型的肺炎和非肺炎疾病	COVID-19肺炎、其他肺炎和非肺炎疾病的胸部CT图像	计算机视觉	COVID-19	深度学习	ResNet-50	图像	3993张胸部CT图像
13170	2024-08-07	Building a PubMed knowledge graph 2020-06-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-020-0543-2 PMID:32591513	research paper	本文构建了一个PubMed知识图谱（PKG），通过从2900万篇PubMed摘要中提取生物实体，并整合多源数据，如作者姓名消歧、资金数据等，以促进医学领域的知识发现。	本文采用了BioBERT深度学习方法进行生物实体提取，显著优于现有模型，并在作者姓名消歧方面取得了高F1分数。	NA	解决PubMed中概念提取困难和歧义问题，促进医学领域的知识发现。	PubMed中的生物实体、作者、文章、机构和资金数据。	自然语言处理	NA	BioBERT	BioBERT	文本	2900万篇PubMed摘要
13171	2024-08-07	Multifactorial Deep Learning Reveals Pan-Cancer Genomic Tumor Clusters with Distinct Immunogenomic Landscape and Response to Immunotherapy 2020-06-15, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-19-1744 PMID:31911545	研究论文	本研究开发了一种泛癌深度机器学习模型，整合肿瘤突变负荷、微卫星不稳定性及体细胞拷贝数变异，将不同类型的肿瘤分类为不同的基因组集群，并评估每个基因组集群的免疫微环境及其与免疫治疗反应的关联。	本研究首次使用深度学习模型整合多因素输入数据，揭示了跨模态统计相关性，以解析免疫治疗原发性抵抗的分子机制。	NA	研究肿瘤基因组特征对肿瘤免疫微环境和免疫治疗反应的影响，并建立新的预测性生物标志物。	29种癌症类型的8,646个肿瘤样本，以及两个黑色素瘤免疫治疗临床队列。	机器学习	NA	RNA测序	深度学习模型	基因组数据	8,646个肿瘤样本
13172	2024-08-07	Age and sex affect deep learning prediction of cardiometabolic risk factors from retinal images 2020-06-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-65794-4 PMID:32523046	研究论文	本研究首次使用来自3000名卡塔尔公民的视网膜图像训练深度学习模型，探讨视网膜图像预测心血管代谢风险因素的能力，并研究年龄和性别在这些预测中的中介作用。	首次使用视网膜图像训练深度学习模型来预测心血管代谢风险因素，并发现年龄和性别在这些预测中的中介作用。	研究结果表明，年龄和性别的影响不能完全解释预测性能，表明还有其他因素影响预测结果。	探讨视网膜图像预测心血管代谢风险因素的能力，并研究年龄和性别在这些预测中的中介作用。	视网膜图像、心血管代谢风险因素、年龄和性别。	计算机视觉	心血管疾病	深度学习	MobileNet-V2	图像	3000名卡塔尔公民
13173	2024-08-07	Introduction to machine and deep learning for medical physicists 2020-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.14140 PMID:32418339	review	本文综述了机器学习和深度学习在医学物理学中的应用，包括模型构建的基本方面，如数据处理、模型训练和验证	深度学习作为机器学习的一个子集，能够从原始输入数据中学习多层次表示，消除了传统机器学习中手工特征的必要性	人类可能倾向于在短期内高估技术的能力，而在长期内低估其能力，这需要平衡模型准确性和可解释性	探讨机器学习和深度学习在放射肿瘤学中的应用，并推动其在临床实践中的实施	机器学习和深度学习技术在医学物理学中的应用	machine learning	NA	machine learning, deep learning	CNN, LSTM, GAN	image, text	NA
13174	2024-08-07	Efficient GAN-based Chest Radiographs (CXR) augmentation to diagnose coronavirus disease pneumonia 2020, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.46684 PMID:32624700	研究论文	本文利用基于GAN的胸部X光片增强技术来诊断冠状病毒疾病肺炎	本文提出了基于GAN的合成数据和四种不同类型的深度学习模型，这些模型提供了与现有技术相当的结果	本文未提及具体的局限性	旨在通过CT图像中的COVID-19放射学变化来检测患者是否可能患有COVID-19	研究对象为胸部X光片和CT图像中的COVID-19放射学变化	计算机视觉	冠状病毒疾病	GAN	深度神经网络	图像	未提及具体样本数量
13175	2024-08-07	Detection of Diabetic Retinopathy Using Bichannel Convolutional Neural Network 2020, Journal of ophthalmology IF:1.8Q3 DOI:10.1155/2020/9139713 PMID:32655944	research paper	本文提出了一种使用双通道卷积神经网络检测糖尿病视网膜病变的方法	提出了通过计算眼底照片的绿色成分的熵图像，并结合未锐化掩蔽（UM）进行图像增强，以提高基于卷积神经网络的糖尿病视网膜病变检测性能	NA	提高糖尿病视网膜病变的自动筛查和诊断性能	糖尿病视网膜病变	computer vision	糖尿病视网膜病变	卷积神经网络（CNN）	双通道CNN	图像	NA
13176	2024-08-07	Assessment of vector-host-pathogen relationships using data mining and machine learning 2020, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2020.06.031 PMID:32670510	综述	本文综述了利用数据挖掘和机器学习技术系统评估微生物病原体、节肢动物媒介和哺乳动物宿主之间关系的方法和进展	本文展示了过去十年中数据挖掘和机器学习任务与技术的日益增多，包括预测、分类、聚类、关联规则挖掘和深度学习等	在应用于不同系统生物学水平的媒介-宿主-病原体相互作用研究中，存在一些关键挑战	探讨数据挖掘和机器学习在理解媒介-宿主-病原体关系基本方面的潜力及未来方向	微生物病原体、节肢动物媒介和哺乳动物宿主之间的关系	机器学习	NA	数据挖掘, 机器学习	深度学习	数据集	32篇关键论文
13177	2024-08-07	Improved Prediction on Heart Transplant Rejection Using Convolutional Autoencoder and Multiple Instance Learning on Whole-Slide Imaging 2019-May, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi.2019.8834632 PMID:32577622	研究论文	本文开发了一种先进的流程，用于质量控制、特征提取、聚类和分类，以提高心脏移植排斥反应的预测准确性。	本文首次结合卷积自编码器和多实例学习（MIL）在全切片成像上进行心脏移植排斥反应的自动训练和预测。	NA	提高心脏移植排斥反应的预测准确性。	心脏移植排斥反应的预测。	计算机视觉	心血管疾病	卷积自编码器，多实例学习（MIL）	CNN	图像	NA
13178	2024-08-05	Differentiation of glioblastoma from solitary brain metastasis using deep ensembles: Empirical estimation of uncertainty for clinical reliability 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108288 PMID:38941861	研究论文	本文开发了一种临床可靠的深度学习模型，以区分胶质母细胞瘤与孤立性脑转移。	通过提供预测不确定性估计和可解释性，提升了深度学习模型的临床可靠性。	模型的高不确定性组在预测性能上表现较差，可能受到数据不平衡的影响。	研究旨在开发一种能够区分胶质母细胞瘤和孤立性脑转移的深度学习模型。	研究对象包括469名患者，其中300名为胶质母细胞瘤患者，169名为孤立性脑转移患者。	深度学习	胶质母细胞瘤	深度集成学习	DenseNet121	多参数MRI	469名患者，包含300名胶质母细胞瘤和169名孤立性脑转移
13179	2024-08-05	Light&fast generative adversarial network for high-fidelity CT image synthesis of liver tumor 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108252 PMID:38843572	研究论文	提出了一种生成对抗网络模型，以提升肝肿瘤CT图像合成的真实度	本研究通过新颖的梯度传递采样模块和注意力模块，提高了图像合成的质量和生成模型的准确性	本研究主要集中于肝细胞癌的模型构建，可能对其他类型的肿瘤适用性有限	改善肝细胞癌辅助诊断的准确性	生成接近真实分布的肝脏和肿瘤图像	数字病理学	肝癌	生成对抗网络(GAN)	NA	图像	NA
13180	2024-08-05	MACFNet: Detection of Alzheimer's disease via multiscale attention and cross-enhancement fusion network 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108259 PMID:38865795	研究论文	本研究提出了一种新颖的多尺度注意力和交叉增强融合网络MACFNet，用于阿尔茨海默病的检测	提出了一种新颖的交叉增强融合模块和高效空间通道注意力模块，改进了不同模态低级特征的融合和交互	该研究的结果依赖于阿尔茨海默病神经影像倡议（ADNI）数据集，可能在其他数据集上表现不同	旨在提高阿尔茨海默病的早期诊断准确性	研究对象为阿尔茨海默病患者与正常对照及轻度认知障碍者	数字病理学	老年痴呆症	深度学习	多尺度注意力网络	神经影像数据	使用来自阿尔茨海默病神经影像倡议（ADNI）数据集的样本