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
14901	2024-10-10	Development of Deep Ensembles to Screen for Autism and Symptom Severity Using Retinal Photographs 2023-12-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2023.47692 PMID:38100107	研究论文	开发深度集成模型以使用视网膜照片筛查自闭症和症状严重程度	首次探索使用深度学习算法通过视网膜照片进行自闭症谱系障碍（ASD）及其症状严重程度的客观筛查	研究在单一医院进行，样本主要为男孩，可能影响结果的普适性	开发深度集成模型以区分ASD患者与典型发育（TD）个体的视网膜照片，并区分严重ASD与轻中度ASD	自闭症谱系障碍（ASD）患者和典型发育（TD）个体的视网膜照片	计算机视觉	自闭症	深度学习算法	深度集成模型	图像	1890只眼睛，958名参与者
14902	2024-10-10	Pay attention to doctor-patient dialogues: Multi-modal knowledge graph attention image-text embedding for COVID-19 diagnosis 2021-Nov, An international journal on information fusion DOI:10.1016/j.inffus.2021.05.015 PMID:34093095	研究论文	本文提出了一种多模态知识图谱注意力嵌入方法，用于COVID-19诊断，结合了医生-患者对话和医学图像信息	本文的创新点在于结合了多模态数据（文本和图像），并通过知识图谱注意力机制引入医学知识，以提高分类器的性能	NA	旨在解决当前深度学习方法在多模态数据充分性方面的问题，并提高COVID-19诊断的准确性和早期评估	COVID-19患者的医生-患者对话和医学图像	自然语言处理	COVID-19	知识图谱注意力机制	NA	文本和图像	1393个COVID-19患者对话和3706张图像，607个非COVID-19患者对话和10754张图像
14903	2024-10-10	AIDeveloper: Deep Learning Image Classification in Life Science and Beyond 2021-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202003743 PMID:34105281	研究论文	介绍了一种名为AIDeveloper的开源软件，用于在不需要编程的情况下训练神经网络进行图像分类	AIDeveloper提供了一种易于使用、可适应且开源的解决方案，无需编程即可训练神经网络进行图像分类	NA	开发一种无需编程即可训练神经网络进行图像分类的软件	图像分类在生命科学及其他领域的应用	计算机视觉	NA	神经网络	神经网络	图像	超过120万张图像用于训练神经网络进行血细胞分类
14904	2024-10-10	Image-driven classification of functioning and nonfunctioning pituitary adenoma by deep convolutional neural networks 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.05.023 PMID:34136106	研究论文	本文利用深度卷积神经网络对功能性和非功能性垂体腺瘤进行图像驱动的分类	首次提出基于深度学习的垂体腺瘤区域分割和分类模型，采用迁移学习和注意力机制提高模型性能	NA	开发一种自动化的方法来区分功能性和非功能性垂体腺瘤，以辅助治疗策略的制定	垂体腺瘤的功能性分类	计算机视觉	NA	卷积神经网络	CNN	图像	185名垂体腺瘤患者（来自两个中心）的3D MRI图像
14905	2024-10-10	Overview of current state of research on the application of artificial intelligence techniques for COVID-19 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.564 PMID:34141890	综述	本文综述了当前人工智能技术在COVID-19应用研究中的现状	本文通过综述AI技术在COVID-19预测、诊断、药物设计和分析社会影响方面的应用，为未来研究提供了建议	NA	探讨人工智能技术在COVID-19疫情中的应用	COVID-19的预测、诊断、药物设计和社会影响分析	机器学习	COVID-19	机器学习和深度学习	NA	NA	NA
14906	2024-10-10	Generalizable, Reproducible, and Neuroscientifically Interpretable Imaging Biomarkers for Alzheimer's Disease 2020-Jul, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202000675 PMID:32714766	研究论文	本文提出了一种深度学习模型3DAN，用于阿尔茨海默病的诊断，并通过多中心和公共数据库验证其泛化性和可重复性	本文创新性地提出了3DAN模型，结合注意力机制模块，能够同时捕捉候选影像生物标志物并提高阿尔茨海默病的诊断准确性	NA	开发个性化、可重复且神经科学上可解释的生物标志物，以支持阿尔茨海默病的精准医学	阿尔茨海默病及其轻度认知障碍阶段	机器学习	阿尔茨海默病	深度学习	3D注意力网络（3DAN）	影像	716个内部多中心样本和1116个公共数据库样本
14907	2024-10-10	Deep learning applications in pulmonary medical imaging: recent updates and insights on COVID-19 2020, Machine vision and applications IF:2.4Q2 DOI:10.1007/s00138-020-01101-5 PMID:32834523	综述	本文综述了深度学习在肺部医学影像分析中的应用发展，特别关注了COVID-19的贡献	本文总结了深度学习在肺部影像分析中的最新进展，并特别强调了其在COVID-19中的应用	本文主要集中在2017年2月至2020年5月期间的研究，可能未涵盖最新的研究成果	探讨深度学习在肺部医学影像分析中的应用及其对COVID-19的贡献	肺部影像分析中的深度学习应用，包括分类、分割和检测等任务，以及不同肺部病理如气道疾病、肺癌、COVID-19和其他感染	计算机视觉	肺部疾病	深度学习	NA	影像	超过160项贡献和调查
14908	2024-10-10	Deep learning application engine (DLAE): Development and integration of deep learning algorithms in medical imaging 2019 Jul-Dec, SoftwareX IF:2.4Q2 DOI:10.1016/j.softx.2019.100347 PMID:34113706	研究论文	介绍了一个深度学习应用引擎（DLAE）系统概念，并展示了其在医学影像中的潜在应用和临床工作流程中的集成路径	开发了一个开源软件应用程序，提供了一种无需编码的深度学习方法，支持多种深度学习技术在医学影像中的应用	NA	开发和集成深度学习算法在医学影像中的应用	深度学习应用引擎（DLAE）系统及其在医学影像中的应用	计算机视觉	NA	深度学习	卷积神经网络、全卷积网络、生成对抗网络、边界框检测器	图像	NA
14909	2024-10-10	A feasibility study on an automated method to generate patient-specific dose distributions for radiotherapy using deep learning 2019-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.13262 PMID:30367492	研究论文	研究开发了一种基于深度学习技术的自动化方法，用于生成放射治疗中的患者个性化剂量分布	提出了将辐射几何信息添加到输入中以提高剂量分布预测准确性的创新方法	研究仅限于早期鼻咽癌病例，且样本量较小	开发一种能够预测最佳剂量分布的方法，以应用于放射治疗计划	早期鼻咽癌患者的放射治疗剂量分布	机器学习	鼻咽癌	深度学习	ResNet101	图像	80例早期鼻咽癌患者，其中70例用于训练，10例用于测试
14910	2024-10-10	ANI-1: an extensible neural network potential with DFT accuracy at force field computational cost 2017-Apr-01, Chemical science IF:7.6Q1 DOI:10.1039/c6sc05720a PMID:28507695	研究论文	本文介绍了一种名为ANI-1的可扩展神经网络势能模型，能够在力场计算成本下实现DFT精度	ANI-1利用深度神经网络和量子力学DFT计算，实现了对有机分子的高精度且可转移的势能预测	ANI-1的训练数据集仅限于包含最多8个重原子的有机分子，可能限制了其在更大分子系统中的应用	开发一种能够在力场计算成本下实现DFT精度的神经网络势能模型	有机分子及其势能预测	机器学习	NA	深度神经网络	神经网络	分子数据	训练数据集包含最多8个重原子的有机分子
14911	2024-10-09	A multi-task deep learning model based on comprehensive feature integration and self-attention mechanism for predicting response to anti-PD1/PD-L1 2024-Dec-05, International immunopharmacology IF:4.8Q1 DOI:10.1016/j.intimp.2024.113099 PMID:39265355	研究论文	本文构建了一个基于综合特征集成和自注意力机制的多任务深度学习模型，用于预测抗PD1/PD-L1治疗的反应	本文创新性地整合了多层次的特征，并通过自注意力机制构建了一个多任务深度学习模型，以预测免疫检查点抑制剂的疗效	本文的模型在不同癌症类型中的表现存在差异，尤其是在非小细胞肺癌和皮肤黑色素瘤测试集中的表现较好，但在膀胱尿路上皮癌测试集中的表现较差	本文旨在通过多维特征选择和深度学习模型构建，综合利用与免疫检查点抑制剂相关的生物标志物，以预测其疗效	本文的研究对象是免疫检查点抑制剂在治疗晚期癌症中的疗效预测	机器学习	NA	下一代测序基因表达	多任务深度学习模型	基因表达数据	本文涉及的样本包括膀胱尿路上皮癌测试集1（n=298）、膀胱尿路上皮癌测试集2（n=89）、非小细胞肺癌测试集（n=27）和皮肤黑色素瘤测试集（n=27）
14912	2024-10-09	Automatic removal of large blood vasculature for objective assessment of brain tumors using quantitative dynamic contrast-enhanced magnetic resonance imaging 2024-Nov, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5218 PMID:39051137	研究论文	本文提出了一种基于数据聚类算法、形态学操作和定量动态对比增强磁共振成像（DCE-MRI）图谱的方法，用于自动去除大脑肿瘤区域中的大血管（LBV），以实现对肿瘤的客观评估	本文提出了一种新的方法，结合rCBV和Slope-2图谱进行数据聚类，以提高LBV分割的准确性和计算效率	本文为回顾性研究，样本量有限，且未提及该方法在其他类型肿瘤或不同成像条件下的适用性	研究目的是通过自动去除大脑肿瘤区域中的大血管，提高定量DCE-MRI参数评估和肿瘤分类的客观性	研究对象为103例经组织病理学证实的大脑肿瘤患者	数字病理学	脑肿瘤	动态对比增强磁共振成像（DCE-MRI）	k-means聚类算法	图像	103例大脑肿瘤患者
14913	2024-10-09	Exploring the potential of multiomics liquid biopsy testing in the clinical setting of lung cancer 2024-Nov, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.13396 PMID:38822635	review	本文探讨了多组学液体活检在肺癌临床应用中的潜力	本文介绍了人工智能和多组学如何通过多标记、多分析物和多来源的方法，识别与患者健康状况相关的临床有价值的生物标志物组合	临床实施面临挑战，包括研究的可重复性和方法学标准化的缺乏	探讨人工智能和多组学在肺癌液体活检中的应用潜力	肺癌液体活检中的生物标志物	machine learning	lung cancer	multiomics	deep learning	NA	NA
14914	2024-10-09	A deep learning approach to explore the association of age-related macular degeneration polygenic risk score with retinal optical coherence tomography: A preliminary study 2024-Nov, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.16710 PMID:38761033	研究论文	本文使用深度学习技术研究年龄相关性黄斑变性（AMD）的多基因风险评分（PRS）与视网膜光学相干断层扫描（OCT）图像之间的关系	开发了一种从OCT图像中高效估计PRS的方法，并使用深度学习技术分析OCT图像与AMD的PRS之间的关联	研究样本量较小，仅为332名患者	探讨AMD的遗传因素与OCT扫描图像之间的关系	年龄相关性黄斑变性（AMD）患者及其OCT图像	机器学习	眼科疾病	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	332名患者，其中235名患有AMD，97名为对照组
14915	2024-10-09	Deep Learning for prediction of late recurrence of retinal detachment using preoperative and postoperative ultra-wide field imaging 2024-Nov, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.16693 PMID:38682863	研究论文	本文开发了一种深度学习模型，用于基于术前和术后超广角成像预测视网膜脱离的晚期复发	本文首次使用深度学习模型基于术前和术后超广角伪彩色和自体荧光图像预测视网膜脱离的晚期复发	本文仅使用了回顾性数据，且样本量相对较小	开发一种自动预测视网膜脱离晚期复发的深度学习模型	视网膜脱离的晚期复发	计算机视觉	眼科疾病	深度学习	深度学习模型	图像	412只眼睛
14916	2024-10-09	When Metal Nanoclusters Meet Smart Synthesis 2024-Oct-08, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c09597 PMID:39316700	研究论文	本文探讨了原子精确金属纳米团簇（MNCs）的智能合成方法及其在科学领域的应用前景	引入智能合成方法，包括自动化闭环框架、数据解释和AI反馈，以解决MNCs合成中的挑战	智能合成方法在MNCs合成中的应用仍处于研究前沿，存在固有的挑战和机遇	总结智能合成在纳米材料中的应用，并探讨智能合成在MNCs领域的研究前沿	原子精确金属纳米团簇（MNCs）及其智能合成方法	NA	NA	智能合成方法，包括自动化闭环框架、数据解释和AI反馈	深度学习算法	NA	NA
14917	2024-10-09	[Opportunities and challenges in the development of artificial intelligence research in spinal surgery] 2024-Oct-08, Zhonghua yi xue za zhi DOI:10.3760/cma.j.cn112137-20240410-00840 PMID:39375126	研究论文	本文探讨了人工智能在脊柱外科研究中的应用及其面临的机遇与挑战	人工智能在脊柱疾病的诊断、治疗策略制定、手术导航、预后评估和术后康复中展现出巨大潜力	当前研究仍处于初级阶段，面临标准化数据库缺乏、算法学习模型简单、多模态临床信息融合不足和临床适用性有限等挑战	推动脊柱外科诊断和治疗技术的创新与完善	脊柱疾病及其相关治疗和康复	机器学习	脊柱疾病	深度学习	NA	多模态临床信息	NA
14918	2024-10-09	[Accuracy and efficiency of 2D/3D single-vertebra spine navigation registration method based on dual-view feature fusion] 2024-Oct-08, Zhonghua yi xue za zhi DOI:10.3760/cma.j.cn112137-20240408-00815 PMID:39375133	研究论文	研究基于双视图特征融合的脊柱2D/3D单椎体导航注册方法的准确性和效率	提出了一种基于双视图特征融合的脊柱2D/3D单椎体导航注册方法，通过融合前后位和侧位X光图像特征，显著提高了注册精度和效率	NA	探讨脊柱2D/3D术前CT和术中X光注册的准确性和效率	140例腰椎脊柱患者的术前CT和术中前后位及侧位X光图像	计算机视觉	NA	卷积神经网络 (CNN)	CNN	图像	140例腰椎脊柱患者
14919	2024-10-09	Solving Zero-Shot Sparse-View CT Reconstruction With Variational Score Solver 2024-Oct-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3475516 PMID:39374276	研究论文	本文提出了一种名为变分分数求解器（VSS）的新方法，用于解决零样本稀疏视图CT重建问题	本文的创新点在于使用变分分数求解器（VSS）进行稀疏视图CT重建，无需配对数据，并通过潜在扩散模型获取概率分布，实现高质量重建	本文未提及具体的局限性	研究目的是解决稀疏视图CT重建问题，减少对配对数据的依赖，提高重建质量	研究对象是稀疏视图CT重建技术	计算机视觉	NA	潜在扩散模型	变分分数求解器（VSS）	CT图像	未提及具体样本数量
14920	2024-10-09	A Deep Learning-Driven Sampling Technique to Explore the Phase Space of an RNA Stem-Loop 2024-Oct-07, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00669 PMID:39374435	研究论文	本文介绍了一种基于深度学习的采样技术，用于探索RNA茎环的相空间	本文将原本用于蛋白质折叠的深度学习驱动采样技术DeepDriveMD（DDMD）应用于RNA茎环折叠问题，克服了传统方法在计算成本和先验知识需求上的挑战	NA	探索RNA茎环折叠的相空间，优化计算资源的使用	RNA茎环的折叠和展开过程	机器学习	NA	深度学习驱动采样技术	DeepDriveMD	接触图	NA