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
15981	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
15982	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
15983	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
15984	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
15985	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
15986	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
15987	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
15988	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
15989	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
15990	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
15991	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
15992	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
15993	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
15994	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
15995	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
15996	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）
15997	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
15998	2024-10-26	Longitudinal Variability Analysis on Low-dose Abdominal CT with Deep Learning-based Segmentation 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2653762 PMID:37465093	研究论文	研究使用深度学习方法对低剂量腹部CT图像进行纵向变异性分析	首次对低剂量单切片CT图像进行纵向变异性的全面研究，并使用深度学习进行自动分割	研究仅限于2D切片，且样本量相对较小	评估低剂量腹部CT图像在纵向变异性中的稳定性和变异性	1469名受试者的1816张低剂量腹部CT图像	计算机视觉	NA	深度学习	NA	图像	1469名受试者的1816张图像
15999	2024-10-26	Batch size: go big or go home? Counterintuitive improvement in medical autoencoders with smaller batch size 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2653643 PMID:37465095	研究论文	本文探讨了在训练医学自编码器时，较小批次大小对模型性能的反直觉改善	本文提出了与传统观点相反的证据，即在处理具有全局相似性和局部差异的数据（如电子健康记录和医学影像）时，较小的批次大小可以提高自编码器的性能	本文仅在特定的数据集（巴尔的摩衰老纵向研究和多模态脑肿瘤分割挑战）上进行了实验，结果可能不适用于所有类型的医学数据	研究批次大小对医学自编码器性能的影响，特别是在处理电子健康记录和医学影像数据时	电子健康记录数据和医学影像数据	机器学习	NA	自编码器	自编码器	文本和图像	巴尔的摩衰老纵向研究的电子健康记录数据和多模态脑肿瘤分割挑战的医学影像数据
16000	2024-10-26	Quantification of muscle, bones, and fat on single slice thigh CT 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2611664 PMID:36303572	研究论文	本文提出了一种两阶段深度学习管道，用于在有限的人工标注数据下进行大腿CT切片中的肌肉、骨骼和脂肪分割	通过迁移学习的方法，利用伪标签进行初步训练，然后使用有限的人工标注数据进行微调，提高了模型在有限数据下的性能	需要大量的计算资源和时间来生成伪标签和训练模型	开发一种在有限人工标注数据下进行大腿CT切片中肌肉、骨骼和脂肪分割的方法	大腿CT切片中的肌肉、骨骼和脂肪	计算机视觉	NA	深度学习	深度神经网络	图像	研究包括2836张来自Baltimore Longitudinal Study of Aging (BLSA)的切片和121张来自Genetic and Epigenetic Signatures of Translational Aging Laboratory Testing (GESTALT)的切片，共计56个大腿CT扫描