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
13681	2024-10-20	Deep Learning of Electrocardiograms in Sinus Rhythm From US Veterans to Predict Atrial Fibrillation 2023-12-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2023.3701 PMID:37851434	研究论文	研究使用深度学习模型分析心电图（ECG）来预测房颤（AF）	首次在多样化的患者群体中应用深度学习模型预测房颤	研究仅限于美国退伍军人事务部医院网络和一所非VA学术医疗中心的患者	评估深度学习模型在门诊心电图中预测房颤的能力	心电图数据和患者人口统计信息	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）	心电图	共907,858份心电图，来自6个VA站点和1个非VA学术医疗中心
13682	2024-10-20	Predictive analyses of regulatory sequences with EUGENe 2023-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00544-w PMID:38177592	研究论文	本文介绍了一个名为EUGENe的FAIR工具包，用于使用深度学习分析基因组序列	EUGENe是一个简单、灵活且可扩展的接口，旨在简化并定制端到端的深度学习序列分析	NA	开发一个符合FAIR原则的工具包，用于深度学习在基因组学中的应用	基因组序列的深度学习分析	机器学习	NA	深度学习	神经网络	序列数据	NA
13683	2024-10-20	Assessment of a deep learning model for COVID-19 classification on chest radiographs: a comparison across image acquisition techniques and clinical factors 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.064504 PMID:38162317	研究论文	评估预训练深度学习模型在胸部X光片上对COVID-19分类的性能，并比较不同图像采集技术和临床因素的影响	使用DenseNet-121架构模型结合三种分类算法进行COVID-19分类，并评估其在不同测试集上的性能	模型在当前测试集上的性能显著低于原始测试集，可能由于模型过拟合和泛化能力不足	评估预训练深度学习模型在胸部X光片上对COVID-19分类的性能，并考虑不同图像采集参数、临床因素和患者人口统计学的影响	COVID-19阳性患者和阴性患者的胸部X光片	计算机视觉	COVID-19	深度学习	DenseNet-121	图像	9860名患者的标准和软组织胸部X光片用于训练和测试，5893名患者的当前测试集用于评估模型性能
13684	2024-10-20	Cross-Attention for Improved Motion Correction in Brain PET 2023-Oct, Machine learning in clinical neuroimaging : 6th international workshop, MLCN 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, proceedings. MLCN (Workshop) (6th : 2023 : Vancouver, B.C.) DOI:10.1007/978-3-031-44858-4_4 PMID:38174216	研究论文	本文提出了一种基于交叉注意力机制的深度学习网络，用于改善脑部PET图像重建中的运动校正	引入了交叉注意力机制，增强了模型对不同测试对象的鲁棒性，并显著提高了运动校正的性能	NA	提高脑部PET图像重建的质量，减少运动伪影对临床诊断和治疗的影响	脑部PET图像的运动校正	计算机视觉	NA	深度学习	交叉注意力机制	图像	使用了来自两个不同扫描仪（HRRT和mCT）的脑部PET数据进行验证
13685	2024-10-20	Deep learning tools to accelerate antibiotic discovery 2023 Jul-Dec, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2023.2250721 PMID:37794737	综述	本文综述了深度学习在抗生素发现中的关键框架，重点介绍了物理化学特征和数据集限制	本文介绍了多种深度学习模型在抗生素发现中的应用，包括判别模型和生成模型，并探讨了这些技术在药物发现中的潜力	本文指出深度学习在抗菌预测中面临数据不平衡、数据集有限、实验验证、目标菌株和结构等挑战	本文旨在探讨深度学习技术在抗生素开发中的应用前景和挑战	本文研究对象为抗生素发现中的深度学习模型及其应用	机器学习	NA	深度学习	卷积神经网络、循环神经网络、图神经网络、神经语言模型、变分自编码器、生成对抗网络、归一化流、扩散模型	高维数据	NA
13686	2024-10-20	MCP-Net: Introducing Patlak Loss Optimization to Whole-body Dynamic PET Inter-frame Motion Correction 2023-Jun-27, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3290003 PMID:37368811	研究论文	提出了一种集成Patlak损失优化的神经网络框架MCP-Net，用于全身动态PET图像的帧间运动校正	直接减少Patlak拟合误差，并结合了功能信息，提高了模型的性能和泛化能力	NA	改进全身动态PET图像的帧间运动校正，提高参数成像的准确性	全身动态PET图像的帧间运动校正	计算机视觉	NA	动态正电子发射断层扫描（PET）	神经网络	图像	NA
13687	2024-10-20	Dynamic functional connectivity analysis with temporal convolutional network for attention deficit/hyperactivity disorder identification 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1322967 PMID:38148943	研究论文	本文提出了一种新的时间依赖神经网络（TDNet），用于从静息态功能磁共振成像（rs-fMRI）时间序列中学习功能连接（FC）表示和时间依赖关系，以实现注意力缺陷/多动障碍（ADHD）的自动化识别	本文创新性地使用时间卷积网络（TCN）来有效捕捉长程时间模式，并通过膨胀卷积和全连接层进行疾病预测	现有方法主要考虑两个相邻时间戳的依赖关系，这在变化涉及多个时间戳时存在局限性	揭示注意力缺陷/多动障碍（ADHD）患者脑活动异常的机制	静息态功能磁共振成像（rs-fMRI）数据中的动态功能连接（dFC）	计算机视觉	精神疾病	功能磁共振成像（fMRI）	时间卷积网络（TCN）	时间序列数据	使用了公开的ADHD-200数据库进行实验
13688	2024-10-20	Creating high-resolution 3D cranial implant geometry using deep learning techniques 2023, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2023.1297933 PMID:38149174	研究论文	本文提出了一种利用深度学习技术从CT扫描创建的缺陷3D头骨模型中生成高分辨率3D颅骨植入物几何形状的方法	本文提出了一种双神经网络系统，用于修复低分辨率缺陷模型并增强修复模型的体积分辨率，从而生成适合临床使用的高质量植入物模型	本文未提及具体的局限性	开发一种实用的深度学习方法，用于从缺陷的3D头骨模型中生成高分辨率的颅骨植入物几何形状	3D头骨模型和颅骨植入物几何形状	计算机视觉	NA	深度学习技术	神经网络	3D模型	未提及具体样本数量
13689	2024-10-20	Efficient semi-supervised semantic segmentation of electron microscopy cancer images with sparse annotations 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1308707 PMID:38162122	研究论文	研究了多种先进的深度学习模型用于电子显微镜癌症图像的半监督语义分割	探索了半监督学习方法Cross Pseudo Supervision，并比较了多种深度学习模型的性能	需要进一步研究如何减少手动分割的时间瓶颈	加速电子显微镜癌症图像的分析	肿瘤活检中的细胞核和核仁的分割	计算机视觉	癌症	深度学习	CNN	图像	三个完全注释的内部数据集
13690	2024-10-20	Comparison of state-of-the-art deep learning architectures for detection of freezing of gait in Parkinson's disease 2023, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2023.1306129 PMID:38178885	研究论文	比较了用于帕金森病中冻结步态检测的先进深度学习架构的性能	本文比较了标准卷积神经网络（CNN）与两种更复杂的网络（MiniRocket和InceptionTime）在冻结步态检测中的性能	研究仅限于使用加速度数据，且模型在未见测试集上的表现有待进一步验证	验证深度学习在大型异质数据集中检测冻结步态的可行性，并比较不同深度学习模型的性能	帕金森病患者中的冻结步态	机器学习	神经退行性疾病	卷积神经网络（CNN）	CNN	加速度数据	70名参与者用于训练和测试，10名参与者提供未见测试集
13691	2024-10-20	TSP-GNN: a novel neuropsychiatric disorder classification framework based on task-specific prior knowledge and graph neural network 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1288882 PMID:38188031	研究论文	提出了一种基于任务特定先验知识和图神经网络的新型神经精神障碍分类框架	首次将任务特定先验连接模式与深度学习相结合，用于神经精神障碍分类	NA	开发一种新的神经精神障碍分类模型，利用任务特定先验连接模式提高分类准确性	神经精神障碍及其在特定任务情境下的功能连接模式	机器学习	神经精神障碍	图神经网络	图神经网络	功能连接矩阵	使用公开数据集进行验证
13692	2024-10-19	Clinical impact of deep learning-derived intravascular ultrasound characteristics in patients with deferred coronary artery 2024-Dec-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2024.132543 PMID:39265789	研究论文	本研究旨在利用深度学习模型从血管内超声图像中提取几何参数和最大衰减（或钙化）负担指数，以预测非罪犯冠状动脉病变患者的不良预后	首次利用深度学习技术从血管内超声图像中提取几何参数和最大衰减（或钙化）负担指数，以预测非罪犯冠状动脉病变患者的不良预后	样本量相对较小，且仅限于非罪犯冠状动脉病变患者	识别和验证预测非罪犯冠状动脉病变患者长期不良预后的形态学标准	非罪犯冠状动脉病变患者	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	1115名患者
13693	2024-08-07	Deep learning applications in digital pathology 2024-Nov, Nature reviews. Nephrology DOI:10.1038/s41581-024-00870-w PMID:39014062	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13694	2024-10-19	Deep learning radiomics based on ultrasound images for the assisted diagnosis of chronic kidney disease 2024-Nov, Nephrology (Carlton, Vic.) DOI:10.1111/nep.14376 PMID:39134509	研究论文	本研究旨在通过构建基于灰度超声图像的慢性肾病筛查模型，探讨超声图像在慢性肾病筛查中的价值	本研究创新性地融合了ResNet34和纹理特征，构建了用于慢性肾病及其分期筛查的深度学习模型	本研究仅使用了浙江省同德医院的1049名患者的4365张肾脏超声图像，样本量和数据来源有限	探讨超声图像在慢性肾病筛查中的应用价值	慢性肾病及其分期	计算机视觉	肾脏疾病	卷积神经网络	ResNet34	图像	1049名患者，4365张肾脏超声图像
13695	2024-10-19	Diagnosing Cataracts in the Digital Age: A Survey on AI, Metaverse, and Digital Twin Applications 2024-Nov, Seminars in ophthalmology IF:1.9Q2 DOI:10.1080/08820538.2024.2403436 PMID:39300918	综述	研究探讨了白内障诊断的演变，重点关注传统方法和创新技术集成	引入人工智能、机器学习和深度学习技术，以及元宇宙、数字孪生和远程眼科技术，以提高诊断准确性和可及性	NA	解决传统白内障分级中的主观性问题，并评估新技术如何增强诊断准确性和可及性	白内障诊断	计算机视觉	眼科疾病	人工智能、机器学习、深度学习	NA	NA	NA
13696	2024-10-19	FCS videos: Fluorescence correlation spectroscopy in space and time 2024-Nov, Biochimica et biophysica acta. General subjects DOI:10.1016/j.bbagen.2024.130716 PMID:39349260	研究论文	本文介绍了通过深度学习将荧光相关光谱（FCS）的时间分辨率提高到秒级，从而实现FCS视频的技术，展示了其在脂质双层和细胞膜研究中的应用	本文通过深度学习将FCS的时间分辨率提高到秒级，实现了FCS视频，为分子过程研究提供了新的可能性	FCS视频的测量时间仍然有限，通常在分钟级别	提高荧光相关光谱（FCS）的时间分辨率，实现FCS视频，以研究分子参数在空间和时间上的变化	脂质双层和细胞膜	生物医学	NA	荧光相关光谱（FCS）	深度学习	视频	NA
13697	2024-10-19	Deep Learning Artificial Intelligence Predicts Homologous Recombination Deficiency and Platinum Response From Histologic Slides 2024-Oct-20, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO.23.02641 PMID:39083703	研究论文	本文介绍了一种名为DeepHRD的深度学习平台，用于从常规的苏木精和伊红染色（H&E）病理切片中预测同源重组缺陷（HRD）和铂类药物反应	DeepHRD可以从常规的H&E染色切片中直接预测HRD，而不需要分子检测，这在多个独立数据集中得到了验证	NA	开发一种无需分子检测即可预测HRD和铂类药物反应的深度学习平台	乳腺癌和卵巢癌的H&E染色病理切片	数字病理学	乳腺癌和卵巢癌	深度学习	深度学习平台	图像	乳腺癌样本1008个，卵巢癌样本459个
13698	2024-10-19	Dual convolution-transformer UNet (DCT-UNet) for organs at risk and clinical target volume segmentation in MRI for cervical cancer brachytherapy 2024-Oct-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad84b2 PMID:39378904	研究论文	本文提出了一种用于宫颈癌近距离放射治疗中MRI图像中危及器官和临床靶区体积自动分割的深度学习方法	设计了一种双卷积-变换器UNet（DCT-UNet）模型，并采用尺寸自适应多模型方法，显著提高了HR-CTV的分割效果	NA	开发一种自动分割方法，以提高宫颈癌近距离放射治疗中MRI图像中危及器官和临床靶区体积的分割精度和速度	宫颈癌近距离放射治疗中的MRI图像中的危及器官（膀胱、直肠、乙状结肠）和临床靶区体积（HR-CTV）	计算机视觉	宫颈癌	深度学习	DCT-UNet	图像	NA
13699	2024-10-19	Deep learning-based surgical step recognition for laparoscopic right-sided colectomy 2024-Oct-18, Langenbeck's archives of surgery DOI:10.1007/s00423-024-03502-w PMID:39419830	研究论文	本研究开发了一种基于深度学习的腹腔镜右半结肠切除术步骤识别模型，并评估了其识别性能	首次使用深度学习算法开发了腹腔镜右半结肠切除术的自动步骤识别模型	本研究为单中心回顾性研究，样本量有限，且仅包括了两种手术类型	开发和评估一种用于腹腔镜右半结肠切除术步骤识别的深度学习模型	腹腔镜右半结肠切除术的手术步骤	计算机视觉	结肠癌	深度学习	NA	视频	78名患者，其中35名进行了腹腔镜回盲部切除术，44名进行了腹腔镜右半结肠切除术
13700	2024-10-19	Computational screening of umami tastants using deep learning 2024-Oct-18, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11006-4 PMID:39422798	研究论文	本研究开发了一种基于深度学习的虚拟筛选管道，用于从大型分子数据库中识别高活性的鲜味调味剂	首次使用基于transformer的架构进行鲜味分子分类，并构建了预测鲜味化合物活性的神经网络模型	NA	开发一种高效的方法来识别新的鲜味调味剂	鲜味分子及其活性	机器学习	NA	深度学习	transformer和神经网络	分子数据	439个鲜味分子和428个非鲜味分子