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
14241	2024-10-26	A deep learning approach for predicting visceral pleural invasion in cT1 lung adenocarcinoma 2024-Sep-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-24-601 PMID:39444851	研究论文	本文开发了一种深度学习模型，用于预测cT1期肺腺癌中的胸膜侵犯	本文首次利用深度学习技术，结合放射组学和CT影像数据，开发了一种非侵入性预测胸膜侵犯的模型	尽管3D-ROI-only模型在AUC值上表现最佳，但在决策曲线、校准曲线和生存分析中，其预测胸膜侵犯状态的性能较差	开发一种机器学习模型，用于非侵入性预测胸膜侵犯，为手术决策提供支持	cT1期肺腺癌患者	机器学习	肺癌	深度学习	CNN	影像	983名患者
14242	2024-10-26	Detection of chronic obstructive pulmonary disease with deep learning using inspiratory and expiratory chest computed tomography and clinical information 2024-Sep-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-24-367 PMID:39444883	研究论文	本研究开发了一种使用双相（吸气和呼气）胸部CT图像和临床信息自动检测慢性阻塞性肺病（COPD）的卷积神经网络（CNN）模型	本研究创新性地结合了双相胸部CT图像和临床信息，开发了一种新的CNN模型，显著提高了COPD的检测准确性	NA	开发一种自动检测慢性阻塞性肺病（COPD）的卷积神经网络（CNN）模型	慢性阻塞性肺病（COPD）的自动检测	计算机视觉	慢性阻塞性肺病	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	2047名参与者，包括从不吸烟者、前吸烟者和当前吸烟者
14243	2024-10-26	The development and validation of a prognostic prediction modeling study in acute myocardial infarction patients after percutaneous coronary intervention: hemorrhea and major cardiovascular adverse events 2024-Sep-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-24-1362 PMID:39444902	研究论文	本研究开发并验证了一种机器学习模型，用于预测经皮冠状动脉介入治疗后急性心肌梗死患者的出血和主要心血管不良事件风险	本研究利用机器学习技术，通过正则化、交叉验证和集成学习等方法，提高了预测模型的准确性，并引入了SHAP方法以提高模型的可解释性	NA	本研究旨在通过机器学习方法识别经皮冠状动脉介入治疗后患者的出血和主要心血管不良事件风险	研究对象为7931名接受经皮冠状动脉介入治疗的患者	机器学习	心血管疾病	机器学习算法，包括XGBoost、随机森林和深度学习神经网络	XGBoost模型	临床特征数据	7931名患者
14244	2024-10-26	m6ATM: a deep learning framework for demystifying the m6A epitranscriptome with Nanopore long-read RNA-seq data 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae529 PMID:39438075	研究论文	介绍了一种基于深度学习的计算框架m6ATM，用于解析m6A表观转录组，使用Nanopore长读长RNA-seq数据进行单碱基分辨率的m6A位点预测	提出了m6ATM框架，结合WaveNet编码器和双流多实例学习模型，能够从DRS数据中提取特征并预测m6A位点	NA	开发一种高性能的m6A检测工具，以推动表观转录组研究的进展	m6A表观转录组及其在生物过程中的作用	机器学习	肝癌	Nanopore长读长RNA-seq	深度神经网络	RNA序列数据	包含不同m6A修饰比例的体外转录数据集和人类细胞系数据
14245	2024-10-26	Predictability of antigen binding based on short motifs in the antibody CDRH3 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae537 PMID:39438077	研究论文	本文提出了一种基于抗体CDRH3区域短基序预测抗原结合状态的方法	本文发现了一种简单分类器，其在独立生成的实验数据集上优于专门为此类数据集设计的深度学习模型	本文仅分析了基于突变实验的抗体数据集，未来需要更多实验数据验证	探索免疫受体与抗原结合的规则，预测未知免疫受体的抗原结合状态	抗体CDRH3区域的短基序	生物信息学	NA	NA	分类器	序列数据	11,336个位置特异性短基序，178个基序用于分类器训练
14246	2024-10-26	DeepCheck: multitask learning aids in assessing microbial genome quality 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae539 PMID:39438078	研究论文	本文介绍了一种名为DeepCheck的多任务深度学习框架，用于同时预测微生物基因组的质量，包括完整性和污染度	DeepCheck通过多任务学习方法，同时预测基因组的完整性和污染度，克服了现有方法将这两个任务分开处理的局限性	NA	开发一种新的深度学习框架，以提高微生物基因组质量评估的准确性和泛化能力	微生物基因组的完整性和污染度	机器学习	NA	多任务深度学习	深度学习框架	基因组数据	NA
14247	2024-10-26	DEEP LEARNING FOR AUTOMATIC PREDICTION OF EARLY ACTIVATION OF TREATMENT-NAIVE NONEXUDATIVE MACULAR NEOVASCULARIZATIONS IN AGE-RELATED MACULAR DEGENERATION 2024-08-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004106 PMID:38489765	研究论文	本研究开发了一种基于光学相干断层扫描（OCT）和OCT血管造影（OCTA）的深度学习分类器，用于预测未经治疗的非渗出性黄斑新生血管化的早期渗出风险	本研究首次结合OCTA和OCT B-scan图像，通过深度学习模型预测非渗出性黄斑新生血管化的早期渗出风险，并展示了组合模型在性能上的显著提升	本研究为回顾性研究，样本量相对较小，且仅限于年龄相关性黄斑变性的患者	开发一种深度学习分类器，用于识别非渗出性黄斑新生血管化在诊断后两年内渗出的风险	年龄相关性黄斑变性患者的非渗出性黄斑新生血管化	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描（OCT）和OCT血管造影（OCTA）	卷积神经网络（CNN）	图像	89名患者，其中35名属于EX组，54名属于QU组
14248	2024-10-26	AUTOMATED DETECTION OF VITRITIS USING ULTRAWIDE-FIELD FUNDUS PHOTOGRAPHS AND DEEP LEARNING 2024-06-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004049 PMID:38261816	研究论文	评估深度学习算法在超广角眼底照片上自动检测和分级玻璃体炎的性能	提出了一种基于超广角眼底成像的新深度学习模型，用于高效检测玻璃体炎	模型在六级分级中的性能有限，需要更大的样本量来改进	评估深度学习算法在超广角眼底照片上自动检测和分级玻璃体炎的性能	玻璃体炎的自动检测和分级	计算机视觉	眼科疾病	深度学习	DenseNet121	图像	1181张图像
14249	2024-10-26	Learning-based Free-Water Correction using Single-shell Diffusion MRI 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006901 PMID:39281711	研究论文	本文提出了一种基于深度学习的单壳扩散MRI自由水校正方法	利用数据驱动技术在不同扩散MRI采集方案中可靠地推断自由水体积，包括单壳采集	当前数学模型在临床常见的单壳采集中的适用性有限	提高单壳扩散MRI分析的准确性和可靠性	脑微结构和连接性评估	计算机视觉	NA	扩散磁共振成像（dMRI）	深度学习	图像	NA
14250	2024-10-26	An ensemble deep learning model for medical image fusion with Siamese neural networks and VGG-19 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309651 PMID:39441782	研究论文	本文提出了一种基于Siamese神经网络和VGG-19的集成深度学习模型，用于多模态医学图像融合	该模型结合了预训练和非预训练网络，通过堆叠集成方法，能够有效保留详细信息并提高图像质量，显著改善对比度、增加分辨率并减少伪影	NA	开发一种高效的混合学习模型，用于多模态医学图像融合	多模态医学图像	计算机视觉	NA	深度学习	Siamese神经网络, VGG-19	图像	来自Havard-Medical-Image-Fusion Datasets、GitHub和Kaggle的公开可用源图像
14251	2024-10-26	Deep learning and AI in reducing magnetic resonance imaging scanning time: advantages and pitfalls in clinical practice 2024, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/192822 PMID:39444654	研究论文	本文探讨了深度学习和人工智能在减少磁共振成像扫描时间中的应用及其在临床实践中的优势和局限	开发了基于人工智能的算法，特别是深度学习模型，用于从更少的数据点重建高分辨率图像，显著提高了MRI效率	未具体提及	描述和讨论引入深度学习重建技术以减少MRI扫描时间在临床实践中的优缺点	磁共振成像（MRI）扫描时间的减少及其在临床实践中的应用	计算机视觉	NA	深度学习	深度学习模型	图像	未具体提及
14252	2024-10-26	Dry age-related macular degeneration classification from optical coherence tomography images based on ensemble deep learning architecture 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1438768 PMID:39444813	研究论文	本文提出了一种基于集成深度学习架构的光学相干断层扫描图像干性年龄相关性黄斑变性分类方法	本文创新性地整合了四种不同的卷积神经网络（ResNet50、EfficientNetB4、MobileNetV3和Xception），并通过集成学习提高了干性AMD的分类准确性	NA	开发一种深度学习架构，以提高干性年龄相关性黄斑变性的分类准确性	干性年龄相关性黄斑变性的分类	计算机视觉	眼科疾病	深度学习	集成学习	图像	1,310名患者的4,096张原始图像，经过旋转和翻转操作后，数据集包含16,384张视网膜OCT图像
14253	2024-10-26	Trends and hotspots in the field of diabetic retinopathy imaging research from 2000-2023 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1481088 PMID:39444814	研究论文	本研究通过文献计量分析评估了2000年至2023年间糖尿病视网膜病变成像研究领域的进展和热点	本研究首次通过文献计量分析方法，系统地评估了糖尿病视网膜病变成像研究领域的发展趋势和关键热点	本研究仅基于Web of Science Core Collection数据库中的文献信息，可能存在一定的数据偏差	评估糖尿病视网膜病变成像研究领域的发展趋势和关键热点	2000年至2023年间发表的糖尿病视网膜病变成像研究相关文献	计算机视觉	糖尿病视网膜病变	文献计量分析	NA	文献	共分析了1328篇文献，其中美国发表719篇，中国发表609篇
14254	2024-10-26	Prediction of benign and malignant ground glass pulmonary nodules based on multi-feature fusion of attention mechanism 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1447132 PMID:39445066	研究论文	本研究开发并验证了一种新的特征融合算法，通过深度学习提高良性和恶性磨玻璃结节的分类性能	首次应用注意力机制融合全肺CT图像、影像组学特征、临床和形态学特征，显著提高了磨玻璃结节的分类性能	NA	开发和验证一种新的特征融合算法，以提高良性和恶性磨玻璃结节的分类性能	良性和恶性磨玻璃结节	计算机视觉	肺部疾病	深度学习	卷积神经网络 (CNN) 和反向传播神经网络 (BPNN)	图像	385例磨玻璃结节，其中172例为良性，203例为恶性
14255	2024-10-26	Enhancing facial feature de-identification in multiframe brain images: A generative adversarial network approach 2024, Progress in brain research DOI:10.1016/bs.pbr.2024.07.003 PMID:39448110	研究论文	本文提出了一种基于生成对抗网络（GAN）的深度学习方法，用于在脑部图像中对面部特征进行去识别化处理	本文的创新点在于使用生成对抗网络合成新的面部特征和轮廓，并专注于部分头部图像而非全头部图像	本文的局限性在于耳部检测的准确率在测试数据集中较低，仅为65.98%	本文的研究目的是开发一种有效的面部特征去识别化方法，以符合隐私法规	本文的研究对象是脑部图像中的面部特征，包括耳朵、鼻子、嘴巴和眼睛	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	本文使用了490例公开的头颅CT图像数据集和70例头颅MR图像数据集进行训练和测试
14256	2024-10-26	Invariant point message passing for protein side chain packing 2023-Dec-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.03.551328 PMID:38187664	研究论文	本文介绍了一种基于几何图神经网络的蛋白质侧链包装方法PIPPack，通过几何感知的不变点消息传递（IPMP）处理局部结构和序列信息，生成理想的侧链坐标	本文提出了一种新的蛋白质侧链包装方法PIPPack，结合了几何图神经网络和不变点消息传递技术，显著提高了计算速度	NA	开发一种高效且准确的蛋白质侧链包装方法	蛋白质侧链的包装	机器学习	NA	几何图神经网络	IPMP	蛋白质结构数据	约1400个高质量蛋白质链
14257	2024-10-26	Deep Learning for Improved Precision and Reproducibility of Left Ventricular Strain in Echocardiography: A Test-Retest Study 2023-07, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2023.02.017 PMID:36933849	研究论文	本文研究了一种基于深度学习的人工智能方法，用于提高超声心动图测量左心室纵向应变的精度和重复性	提出了一种基于深度学习的人工智能方法，用于自动测量左心室全局纵向应变，减少了用户相关变异性	仅在两个中心的数据集上进行了测试，样本量较小	评估人工智能方法在不同超声心动图记录者之间重复测量左心室全局纵向应变的重复性，并与手动测量结果进行比较	左心室全局纵向应变	机器学习	心血管疾病	深度学习	NA	图像	两个数据集，分别包含40和32个样本
14258	2024-10-26	Implementation considerations for deep learning with diffusion MRI streamline tractography 2023-Apr-06, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.03.535465 PMID:37066284	研究论文	本文讨论了使用扩散MRI（dMRI）和递归神经网络（RNN）进行流线束追踪的实现考虑	本文提出了使用RNN在连续空间中建模dMRI特征以传播流线的方法，并发布了训练模型和相关实现	目前缺乏广泛可用的开源实现	降低该领域的进入门槛，促进进一步创新	扩散MRI流线束追踪的实现	计算机视觉	NA	扩散MRI（dMRI）	递归神经网络（RNN）	图像	NA
14259	2024-10-26	Deep Constrained Spherical Deconvolution for Robust Harmonization 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654398 PMID:37228707	研究论文	本文提出了一种基于深度学习的DW-MRI信号协调方法，以提高微结构估计的可靠性和可重复性	引入了数据驱动的扫描仪不变正则化方案，以更稳健地估计纤维方向分布函数（FODF）	NA	旨在解决DW-MRI在多站点和/或纵向扩散研究中的测量变异性问题	DW-MRI信号和纤维方向分布函数（FODF）	计算机视觉	NA	扩散加权磁共振成像（DW-MRI）	深度学习	图像	研究了Human Connectome Project的年轻成人测试-重测组以及MASiVar数据集（包括跨站点和跨扫描/重扫描数据）
14260	2024-10-26	Topological-Preserving Membrane Skeleton Segmentation in Multiplex Immunofluorescence Imaging 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654087 PMID:37786583	研究论文	本文提出了一种基于深度学习的膜骨架分割方法，用于多重免疫荧光成像中的细胞分割	本文创新性地结合了全局和局部信息，使用深度学习方法进行膜骨架分割，并提出了一个新的体积度量指标用于评估	本文未详细讨论模型在不同细胞类型和成像条件下的泛化能力	研究目的是提高多重免疫荧光成像中细胞分割的准确性和拓扑保持性	研究对象是多重免疫荧光成像中的膜骨架	计算机视觉	NA	多重免疫荧光成像	深度学习网络	图像	80张膜多重免疫荧光图像用于5折交叉验证