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
15181	2024-10-02	Bone metastasis classification using whole body images from prostate cancer patients based on convolutional neural networks application 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0237213 PMID:32797099	研究论文	本文探讨了使用卷积神经网络（CNN）对前列腺癌患者全身骨扫描图像进行骨转移分类的方法	本文提出了一套简单、快速且更准确的CNN架构，用于骨转移分类，并展示了其在骨扫描图像分类中的优越性能	NA	开发和展示一套用于自动分类全身骨扫描图像的简单但稳健的CNN模型	前列腺癌患者的全身骨扫描图像	计算机视觉	前列腺癌	卷积神经网络（CNN）	CNN	图像	NA
15182	2024-10-02	Comment on: "Deep learning for pharmacovigilance: recurrent neural network architectures for labeling adverse drug reactions in Twitter posts" 2019-06-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocz013 PMID:31087070	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15183	2024-10-02	Combining Citizen Science and Deep Learning to Amplify Expertise in Neuroimaging 2019, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2019.00029 PMID:31139070	研究论文	本文提出了一种结合公民科学和深度学习的方法，以放大神经影像学中的专家知识	通过公民科学平台放大专家标签，并利用这些标签训练深度学习模型，以模拟专家的决策	NA	探索如何通过结合公民科学和深度学习来提高大规模数据集的质量控制	脑部磁共振图像的质量控制	计算机视觉	NA	深度学习	深度学习算法	图像	NA
15184	2024-10-02	EdgeScaping: Mapping the spatial distribution of pairwise gene expression intensities 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0220279 PMID:31386677	研究论文	提出了一种名为EdgeScaping的新方法，用于构建和分析基因表达强度的成对网络，并将其应用于人类肿瘤基因表达矩阵	EdgeScaping采用了一种创新的技术，将传统的成对基因表达数据转换为基于图像的格式，从而实现特征压缩和高可扩展性，并利用深度学习图像分析算法探索基因间的非线性关系	NA	开发一种新的方法来构建和分析基因共表达网络，特别是识别传统方法可能忽略的非线性关系和基因表达强度	基因表达数据和基因共表达网络	生物信息学	NA	深度学习图像分析算法	NA	基因表达矩阵	NA
15185	2024-10-02	A Comparison of Shallow and Deep Learning Methods for Predicting Cognitive Performance of Stroke Patients From MRI Lesion Images 2019, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2019.00053 PMID:31417388	研究论文	本文比较了浅层和深层学习方法在从MRI病变图像预测中风患者认知表现方面的效果	提出了基于卷积神经网络（CNN）的深度学习方法，并设计了一种混合方法，通过重用CNN的高级特征作为岭回归（RR）模型的额外输入，显著提高了预测准确性	研究结果表明，训练数据的大小和图像冗余度是影响计算模型准确性的关键因素，但未详细探讨其他可能的影响因素	研究如何利用机器学习技术从神经影像数据中预测中风患者的认知表现	中风患者的MRI病变图像及其认知表现	机器学习	中风	卷积神经网络（CNN）、岭回归（RR）、支持向量回归	卷积神经网络（CNN）	图像	异质性中风患者样本
15186	2024-10-02	Uncovering convolutional neural network decisions for diagnosing multiple sclerosis on conventional MRI using layer-wise relevance propagation 2019, NeuroImage. Clinical DOI:10.1016/j.nicl.2019.102003 PMID:31634822	研究论文	本文提出了一种基于3D卷积神经网络和层级相关传播的透明深度学习框架，用于诊断多发性硬化症	使用层级相关传播技术揭示了卷积神经网络在诊断多发性硬化症时的决策依据，验证了模型的有效性	研究样本量较小，可能影响模型的泛化能力	开发一种透明的深度学习框架，用于诊断多发性硬化症，并验证其决策依据	多发性硬化症患者和健康对照组的MRI数据	计算机视觉	神经炎症疾病	层级相关传播	卷积神经网络	图像	921例阿尔茨海默病神经影像学数据，76例多发性硬化症患者，71例健康对照组
15187	2024-10-01	DeepEMC-T2 mapping: Deep learning-enabled T2 mapping based on echo modulation curve modeling 2024-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30239 PMID:39129209	研究论文	提出了一种基于深度学习的回波调制曲线建模的T2映射方法，称为DeepEMC-T2映射，用于从较少的回波中高效估计准确的T2图	DeepEMC-T2映射通过改进的U-Net网络直接从多回波自旋回波图像中估计T2和质子密度图，无需像素级字典匹配步骤，提高了T2/PD估计的准确性	NA	开发一种高效的深度学习方法，用于从多回波自旋回波图像中准确估计T2映射	T2弛豫时间和质子密度图	计算机视觉	NA	深度学习	U-Net	图像	67个轴向采集的数据集用于网络训练和评估，57个冠状采集的数据集用于评估框架的泛化性
15188	2024-10-01	Artificial intelligence in myopia in children: current trends and future directions 2024-Nov-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001086 PMID:39259652	综述	本文综述了人工智能在儿童近视管理中的当前趋势和未来方向	本文介绍了利用人工智能进行大规模近视筛查、多模态数据分析和深度学习模型在近视进展和精准治疗中的应用	技术进步带来了监管和临床整合的实际挑战	探讨人工智能在儿童近视管理中的应用潜力	儿童近视及其进展	机器学习	眼科疾病	NA	传统机器学习模型、深度学习模型	多模态数据	NA
15189	2024-10-01	Deep learning aided measurement of outer retinal layer metrics as biomarkers for inherited retinal degenerations: opportunities and challenges 2024-Nov-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001088 PMID:39259656	综述	本文综述了用于评估遗传性视网膜变性（IRDs）的现有视网膜成像和视觉功能测试方法，重点介绍了深度学习（DL）方法在确定IRDs结构生物标志物中的应用	本文探讨了深度学习在处理视网膜图像以检测与疾病相关的结构变化中的应用	需要更多的工作来研究结构和功能之间的关系	评估遗传性视网膜变性（IRDs）的结构生物标志物	外视网膜层结构，包括外核层、椭圆体带、光感受器外段、RPE等	计算机视觉	遗传性视网膜变性	深度学习	NA	图像	NA
15190	2024-10-01	Enhanced multistage deep learning for diagnosing anterior disc displacement in the temporomandibular joint using MRI 2024-Oct-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae033 PMID:39024472	研究论文	本文提出了一种基于多阶段深度学习的前移盘诊断方法，使用MRI图像进行颞下颌关节（TMJ）的自动诊断	采用多阶段方法，易于识别和改进影响最终结果的因素	NA	开发一种自动诊断颞下颌关节前移盘的方法	颞下颌关节的前移盘诊断	机器学习	NA	MRI	DeepLabV3+	图像	368个颞下颌关节样本，来自204名患者
15191	2024-10-01	Fully automatic quantification for hand synovitis in rheumatoid arthritis using pixel-classification-based segmentation network in DCE-MRI 2024-Oct, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01592-6 PMID:38789911	研究论文	提出了一种基于深度学习的分类分割方法，用于在动态对比增强磁共振成像（DCE-MRI）中自动量化类风湿性关节炎（RA）患者的滑膜炎	开发了一种基于膨胀因果卷积和SELU激活函数的深度学习模型，用于增强滑膜的分割和量化	研究为回顾性研究，样本量较小，且依赖于专家指导下的手动分割	开发一种自动化的方法，用于在DCE-MRI中量化RA患者的滑膜炎	类风湿性关节炎患者的滑膜炎	计算机视觉	类风湿性关节炎	动态对比增强磁共振成像（DCE-MRI）	深度学习模型	图像	28名类风湿性关节炎患者
15192	2024-10-01	Radiation dose reduction and image quality improvement with ultra-high resolution temporal bone CT using deep learning-based reconstruction: An anatomical study 2024-Oct, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.05.001 PMID:38744577	研究论文	本研究评估了使用深度学习重建（DLR）的超高分辨率CT（UHR-CT）在减少辐射剂量的同时保持或提高颞骨图像质量的效果	本研究首次展示了使用深度学习重建的超高分辨率CT在大幅减少辐射剂量的同时，仍能保持或提高图像质量	本研究仅在尸体颞骨CT上进行了评估，尚未在临床环境中验证其效果	评估使用深度学习重建的超高分辨率CT在减少辐射剂量的同时保持或提高颞骨图像质量的效果	颞骨CT图像质量	计算机视觉	NA	深度学习重建（DLR）	深度学习模型	图像	6具尸体颞骨
15193	2024-09-15	Breaking barriers in inner ear MRI: The changing role of deep learning reconstruction 2024-Oct, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.07.010 PMID:39271366	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15194	2024-10-01	Deep learning prediction of electrospray ionization tandem mass spectra of chemically derived molecules 2024-Sep-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52805-5 PMID:39333165	研究论文	本文介绍了一种深度学习方法DeepCDM，用于预测化学衍生分子（CDMs）的电喷雾电离串联质谱	通过迁移学习将通用模型转化为专门针对CDMs的高预测性模型，并成功应用于预测丹磺酰化分子的质谱	NA	开发一种能够准确预测化学衍生分子质谱的深度学习方法	化学衍生分子（CDMs）的电喷雾电离串联质谱	机器学习	NA	电喷雾电离串联质谱	深度学习模型	质谱数据	小规模的实验获取的CDMs串联质谱数据集
15195	2024-10-01	Spatial interpolation of global DEM using federated deep learning 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72807-z PMID:39333214	研究论文	本文提出了一种基于联邦学习和多尺度U-Net的全球DEM空间插值模型	利用联邦学习保护数据隐私，同时提高插值速度	插值精度较传统方法低	提高DEM数据的空间插值效率和隐私保护	全球数字高程模型（DEM）数据	计算机视觉	NA	联邦学习	多尺度U-Net	图像	NA
15196	2024-10-01	A complex-valued convolutional fusion-type multi-stream spatiotemporal network for automatic modulation classification 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73547-w PMID:39333244	研究论文	本文介绍了一种用于自动调制分类的复值卷积融合型多流时空网络	提出了复值卷积融合型多流时空网络（CC-MSNet），结合空间和时间特征提取模块，提高了低信噪比条件下的识别准确率	未提及具体局限性	提高非合作通信系统中自动调制分类的准确性	自动调制分类中的调制识别	机器学习	NA	复值卷积	卷积神经网络	信号	使用了三个基准数据集：RML2016.10a, RML2016.10b, 和 RML2016.04c
15197	2024-10-01	Identifying defects and varieties of Malting Barley Kernels 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73683-3 PMID:39333255	研究论文	本文介绍了一种综合方法，用于分类大麦麦芽颗粒，涉及双面颗粒成像、专门设计的图像处理算法、优化的深度神经网络架构和机械分选系统	本文提出了一种专门为大麦颗粒图像分析设计的卷积神经网络，并展示了其在分类大麦颗粒缺陷和品种方面的优越性能	传统方法在形态特征识别方面具有优势，这为未来的研究提供了将形态特征提取技术与现代卷积网络相结合的方向	开发一种能够精确分类大麦麦芽颗粒缺陷和品种的方法	大麦麦芽颗粒的缺陷和品种	计算机视觉	NA	图像处理算法	卷积神经网络	图像	NA
15198	2024-10-01	Harnessing probabilistic neural network with triple tree seed algorithm-based smart enterprise quantitative risk management framework 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73876-w PMID:39333638	研究论文	本文提出了一种基于三重树种子算法和概率神经网络的智能企业量化风险管理框架	本文创新性地结合了深度学习技术和改进的元启发式算法，用于企业风险评估模型	NA	研究目的是开发一种有效的企业风险评估模型，以支持企业决策	研究对象是企业风险管理系统和相关风险评估技术	机器学习	NA	深度学习	概率神经网络	金融数据	使用了德国和澳大利亚的信用数据集进行实验评估
15199	2024-10-01	Drug-target interaction prediction with collaborative contrastive learning and adaptive self-paced sampling strategy 2024-Sep-27, BMC biology IF:4.4Q1 DOI:10.1186/s12915-024-02012-x PMID:39334132	研究论文	提出了一种结合协同对比学习和自适应自步采样策略的深度学习模型CCL-ASPS，用于药物-靶点相互作用预测	利用多个生物网络学习药物和靶点的融合嵌入，确保从各个网络中获得一致的表示，并动态选择更具信息量的负样本对进行对比学习	未提及	提高药物-靶点相互作用预测的准确性	药物和靶点的相互作用	机器学习	NA	协同对比学习	深度学习模型	生物网络数据	未提及
15200	2024-10-01	A deep learning-informed interpretation of why and when dose metrics outside the PTV can affect the risk of distant metastasis in SBRT NSCLC patients 2024-Sep-27, Radiation oncology (London, England) DOI:10.1186/s13014-024-02519-1 PMID:39334387	研究论文	本研究通过深度学习模型分析了NSCLC患者SBRT治疗中PTV外剂量与远处转移风险的关系，并解释了先前研究结论不一致的原因	本研究通过深度学习模型和可解释AI技术，识别了影响远处转移风险的关键预测因素，并解释了先前研究结论不一致的原因	本研究仅分析了478例NSCLC患者的SBRT治疗数据，样本量有限	探讨NSCLC患者SBRT治疗中PTV外剂量与远处转移风险的关系，并解释先前研究结论不一致的原因	NSCLC患者SBRT治疗中的PTV外剂量与远处转移风险	机器学习	肺癌	深度学习	深度学习模型	数据	478例NSCLC患者