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
15001	2024-10-08	Artificial intelligence-based differential diagnosis of orbital MALT lymphoma and IgG4 related ophthalmic disease using hematoxylin-eosin images 2024-Oct, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06501-1 PMID:38700592	研究论文	研究使用人工智能和苏木精-伊红染色图像区分IgG4相关眼病和眼眶MALT淋巴瘤的可能性	开发了一种基于深度学习的人工智能软件，能够区分IgG4相关眼病和眼眶MALT淋巴瘤	样本量较小，且仅限于IgG4相关眼病和眼眶MALT淋巴瘤的区分	探讨使用人工智能和苏木精-伊红染色图像区分IgG4相关眼病和眼眶MALT淋巴瘤的可能性	IgG4相关眼病和眼眶MALT淋巴瘤	数字病理学	淋巴瘤	深度学习	EVA	图像	127名患者，其中97名用于模型构建，30名用于模型评估
15002	2024-10-08	Evaluating a Natural Language Processing-Driven, AI-Assisted International Classification of Diseases, 10th Revision, Clinical Modification, Coding System for Diagnosis Related Groups in a Real Hospital Environment: Algorithm Development and Validation Study 2024-Sep-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58278 PMID:39302714	研究论文	评估基于自然语言处理和人工智能的国际疾病分类第10版临床修改版编码系统在实际医院环境中的算法开发和验证	开发了一种基于自然语言处理和深度学习模型的AI辅助编码系统，用于自动确定诊断和代码，以提高编码效率和准确性	研究仅在一家医院进行，样本量有限，可能影响结果的普适性	评估基于自然语言处理的AI辅助编码系统在实际医院环境中自动确定诊断和代码的可行性	国际疾病分类第10版临床修改版编码系统在诊断相关分组中的应用	自然语言处理	NA	自然语言处理	GPT-2	文本	使用高雄医学大学中和纪念医院2019年4月至2020年12月的患者出院总结作为参考数据集，以及2023年2月至4月的实际医院数据
15003	2024-10-08	Neural Conversational Agent for Weight Loss Counseling: Protocol for an Implementation and Feasibility Study 2024-Sep-20, JMIR research protocols IF:1.4Q3 DOI:10.2196/60361 PMID:39303273	研究论文	本文探讨了使用基于大型语言模型（LLM）的神经对话代理NAOMI进行体重管理咨询的可行性研究	本文首次提出使用基于LLM的神经对话代理NAOMI进行体重管理咨询，旨在克服传统咨询师培训成本高和时间长的限制	研究尚未完成，数据收集预计在2025年5月结束，目前无法评估其长期效果和广泛应用的可行性	探索使用神经对话代理NAOMI进行体重管理咨询的可行性，并测试其接受度和使用性	超重和肥胖患者，招募自初级保健诊所	机器学习	肥胖	深度学习	大型语言模型（LLM）	文本	10名18-65岁超重或肥胖患者（BMI≥25.0且≤39.9）
15004	2024-10-08	A systematic review of deep learning-based spinal bone lesion detection in medical images 2024-Sep, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851241263066 PMID:39033391	综述	本文系统回顾了基于深度学习的医学图像中脊柱骨病变检测的研究进展	本文不仅描述了这些模型在脊柱骨恶性病变识别中的诊断性能和不同方法，还指出了当前缺乏标准化方法和报告的问题	大多数研究存在重大局限性，如模型统计和数据获取报告不足、缺乏外部验证数据集以及可能的偏倚注释	探讨深度学习模型在脊柱骨病变检测中的应用及其局限性	脊柱骨病变及其在医学图像中的检测	计算机视觉	NA	深度学习	NA	图像	14项研究
15005	2024-10-08	Enhancing schizophrenia phenotype prediction from genotype data through knowledge-driven deep neural network models 2024-Sep, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2024.110910 PMID:39111546	研究论文	本文探讨了利用深度学习模型设计来提高从基因型数据预测精神分裂症表型的方法	引入了一种创新的三步方法，利用神经网络的能力有效处理基因相互作用，并通过知识驱动的深度神经网络模型增强预测能力	NA	提高从基因型数据预测精神分裂症表型的准确性	精神分裂症的基因型数据	机器学习	精神疾病	深度学习	神经网络	基因型数据	NA
15006	2024-10-08	Recurrent Inference Machine for Medical Image Registration 2024-Jun-19, ArXiv PMID:39371087	研究论文	本文提出了一种名为Recurrent Inference Image Registration (RIIR)网络的新型图像配准方法，旨在提高配准精度和数据效率	RIIR通过元学习的方式迭代地解决配准问题，结合隐式正则化和显式梯度输入，学习优化更新规则，从而提高配准精度和数据效率	NA	提高医学图像配准的精度和数据效率	脑部MRI和定量心脏MRI数据集	计算机视觉	NA	深度学习	RNN	图像	使用5%的训练数据进行实验
15007	2024-10-08	Location-based Radiology Report-Guided Semi-supervised Learning for Prostate Cancer Detection 2024-Jun-18, ArXiv PMID:39371085	研究论文	提出了一种基于放射报告中的病变位置信息指导的半监督学习方法，用于前列腺癌的检测	利用放射报告中自动提取的病变位置信息，通过半监督学习方法减少对标注图像的依赖，从而降低标注负担	NA	提高计算机辅助前列腺癌在MRI上的检测效果	前列腺癌的检测	计算机视觉	前列腺癌	半监督学习	NA	图像	NA
15008	2024-10-08	Uncertainty-Aware Active Domain Adaptive Salient Object Detection 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3413598 PMID:38889015	研究论文	提出了一种新的成本效益高的显著目标检测框架，通过有限数量的主动选择的注释，将模型从合成数据适应到真实世界数据	设计了一种不确定性感知的主动域适应算法，用于生成真实世界目标图像的标签，并利用数据增强的预测方差计算超像素级别的不确定性值	NA	减轻数据标注的负担，提高显著目标检测的性能	显著目标检测模型	计算机视觉	NA	深度学习	NA	图像	六个基准显著目标检测数据集
15009	2024-10-08	The Value of Topological Radiomics Analysis in Predicting Malignant Risk of Pulmonary Ground-Glass Nodules: A Multi-Center Study 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241287089 PMID:39363876	研究论文	本研究探讨了拓扑放射组学分析在预测肺部磨玻璃结节恶性风险中的应用	本研究创新性地将拓扑数据分析与纹理分析相结合，开发了基于同调的拓扑特征，显著提高了模型的区分能力	本研究为回顾性分析，未来需要进行前瞻性研究以进一步验证模型的有效性	旨在通过拓扑放射组学分析提高肺部磨玻璃结节恶性风险的预测准确性	肺部磨玻璃结节	数字病理学	肺癌	放射组学分析	机器学习与深度学习算法	影像	3223名患者
15010	2024-10-08	Three-dimensional label-free morphology of CD8 + T cells as a sepsis biomarker 2023-Nov-07, Light, science & applications DOI:10.1038/s41377-023-01309-w PMID:37932249	研究论文	研究探讨了三维无标记CD8+ T细胞形态作为脓毒症生物标志物的潜力	首次提出三维无标记CD8+ T细胞形态作为脓毒症的生物标志物，并开发了深度学习模型进行预测	样本量较小，仅包括8名脓毒症恢复患者和20名健康对照	研究三维无标记CD8+ T细胞形态作为脓毒症诊断和预后生物标志物的潜力	脓毒症患者和健康对照的CD8+ T细胞形态	数字病理学	脓毒症	深度学习	深度学习模型	细胞形态	8名脓毒症恢复患者和20名健康对照
15011	2024-10-08	Can Deep Adult Lung Segmentation Models Generalize to the Pediatric Population? 2023-Nov-01, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.120531 PMID:37397242	研究论文	本文研究了深度成人肺分割模型在儿科人群中的泛化能力，并提出了一种改进性能的方法	提出了新的评估指标MLCD和AHS，并采用分阶段系统方法通过CXR模态特定的权重初始化、堆叠集成和集成堆叠集成来提高性能	NA	分析深度成人肺分割模型在儿科人群中的泛化能力，并提出改进方法	成人肺分割模型在儿科人群中的应用	计算机视觉	NA	深度学习	CNN	图像	NA
15012	2024-10-08	A comprehensive review of machine learning algorithms and their application in geriatric medicine: present and future 2023-Nov, Aging clinical and experimental research IF:3.4Q2 DOI:10.1007/s40520-023-02552-2 PMID:37682491	综述	本文综述了机器学习算法及其在老年医学中的应用现状和未来发展	本文详细描述了各种机器学习算法的分类、用途和能力，并特别关注了其在老年医学中的应用	本文主要集中在算法的技术层面和临床应用，未深入探讨数据隐私和伦理问题	探讨机器学习算法在老年医学中的应用及其未来发展	机器学习算法及其在老年医学中的应用	机器学习	老年病	NA	NA	NA	NA
15013	2024-10-08	THPLM: a sequence-based deep learning framework for protein stability changes prediction upon point variations using pretrained protein language model 2023-11-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad646 PMID:37874953	研究论文	提出了一种基于序列的深度学习框架THPLM，用于预测蛋白质稳定性变化，使用预训练的蛋白质语言模型ESM-2	利用预训练的蛋白质语言模型ESM-2和简单的卷积神经网络，THPLM在蛋白质稳定性变化预测方面表现优异	NA	探索蛋白质稳定性变化的预测方法，特别是在点突变情况下的预测	蛋白质稳定性变化	机器学习	NA	深度学习	卷积神经网络	序列	NA
15014	2024-10-08	Lyme rashes disease classification using deep feature fusion technique 2023-Nov, 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.13519 PMID:38009027	研究论文	本文提出了一种新的深度特征融合系统，用于分类莱姆病皮疹	本文创新性地提出了一个深度特征融合机制，通过集成多个深度学习模型的特征来提高分类准确性	NA	开发一种自动分类莱姆病皮疹的方法，以帮助临床医生和皮肤科医生更有效地研究和诊断	莱姆病皮疹的分类	计算机视觉	莱姆病	深度学习	深度卷积神经网络	图像	NA
15015	2024-10-08	Deep learning-enabled 3D multimodal fusion of cone-beam CT and intraoral mesh scans for clinically applicable tooth-bone reconstruction 2023-Sep-08, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100825 PMID:37720330	研究论文	本文提出了一种基于深度学习的3D多模态融合框架，用于临床适用的牙骨重建	引入了Deep Dental Multimodal Fusion (DDMF)框架，结合了CBCT和IOS数据，采用新颖的像素表示学习架构、先验知识引导的损失函数和基于几何的3D融合技术	NA	开发一种自动化的多模态框架，用于高保真度的牙骨结构3D重建，以支持虚拟牙科治疗规划	牙骨结构的3D模型	计算机视觉	NA	深度学习	NA	图像	大规模真实世界数据集
15016	2024-10-08	Task-based assessment of digital mammography microcalcification detection with deep learning denoising algorithmss using in silico and physical phantom studies 2023-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.5.053502 PMID:37808969	研究论文	研究使用深度学习去噪算法在数字乳腺摄影微钙化检测中的任务评估，通过体内和物理模型研究	提出使用深度学习去噪算法来改善低剂量乳腺摄影图像质量，并探讨了训练数据集中信号存在区域的重要性	研究结果显示在物理模型和临床系统中，去噪后的半剂量乳腺摄影图像在微钙化信号检测方面没有明显改善	评估深度学习去噪算法在低剂量乳腺摄影图像中检测微钙化的效果	乳腺微钙化检测	计算机视觉	乳腺癌	深度学习去噪算法	卷积神经网络	图像	使用了一个人体模型物理幻影和数字压缩乳腺幻影进行研究
15017	2024-10-08	Active learning of enhancer and silencer regulatory grammar in photoreceptors 2023-Aug-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.21.554146 PMID:37662358	研究论文	本文研究了在视网膜光感受器中使用主动机器学习方法来训练增强子和沉默子调控语法的深度学习模型	本文提出了一种新的主动机器学习方法，通过迭代训练模型来预测包含光感受器转录因子CRX结合基序的序列活性，使用比当前方法少一个数量级的训练数据	本文未提及具体的局限性	研究如何通过主动机器学习方法训练准确的深度学习模型来预测调控元件的活性	研究对象包括增强子和沉默子的调控语法以及光感受器转录因子CRX的结合基序	机器学习	NA	主动机器学习	深度学习模型	DNA序列	使用了多轮合成的DNA序列进行实验
15018	2024-10-08	DeepAIR: A deep learning framework for effective integration of sequence and 3D structure to enable adaptive immune receptor analysis 2023-08-09, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abo5128 PMID:37556545	研究论文	本文介绍了一种名为DeepAIR的深度学习框架，用于整合序列和3D结构特征，以准确预测适应性免疫受体（AIR）与抗原的结合	DeepAIR框架首次将序列和结构特征整合用于预测AIR-抗原结合，显著提高了预测准确性	NA	开发一种能够准确预测适应性免疫受体与抗原结合的深度学习框架	适应性免疫受体（AIR），包括T细胞受体（TCR）和B细胞受体（BCR）	机器学习	NA	深度学习	深度学习框架	序列和3D结构数据	使用了TCR和BCR的组合数据，具体样本数量未明确提及
15019	2024-10-08	Generative design of de novo proteins based on secondary structure constraints using an attention-based diffusion model 2023-Jul-13, Chem IF:19.1Q1 DOI:10.1016/j.chempr.2023.03.020 PMID:37614363	研究论文	本文报道了两种基于深度学习的生成模型，用于根据二级结构设计目标预测氨基酸序列和3D蛋白质结构	模型能够发现自然机制或系统中尚未发现的新蛋白质序列，具有设计新蛋白质的能力	未来的工作可能需要进一步的条件调整和其他功能属性的探索	开发能够根据二级结构设计目标生成新蛋白质序列和结构的深度学习模型	氨基酸序列和3D蛋白质结构	机器学习	NA	深度学习	基于注意力机制的扩散模型	3D蛋白质结构数据	从实验已知的3D蛋白质结构中提取的数据集
15020	2024-10-08	Image harmonization: A review of statistical and deep learning methods for removing batch effects and evaluation metrics for effective harmonization 2023-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120125 PMID:37084926	综述	本文综述了用于消除批次效应的统计和深度学习方法，并介绍了评估图像协调方法的指标	提供了评估新提出的协调方法的标准化框架，并提出了对最终用户和方法学家的建议	NA	探讨如何消除批次效应以提高下游分析结果的泛化性和可重复性	磁共振成像和计算机断层扫描数据的批次效应	计算机视觉	NA	深度学习	NA	图像	NA