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
16601	2024-09-23	Fairness-related performance and explainability effects in deep learning models for brain image analysis 2022-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.6.061102 PMID:36046104	研究论文	研究深度学习模型在脑图像分析中的公平性和可解释性影响	首次探讨了可解释人工智能（XAI）方法中不公平表现的体现，并展示了XAI如何用于调查潜在的不公平原因	研究样本仅限于9至10岁的青少年，且仅分析了性别和种族的交叉影响	分析社会人口统计学相关混杂因素对分类器性能和可解释性方法的影响	T1加权脑MRI数据集中的4547名9至10岁青少年	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	4547名9至10岁青少年
16602	2024-09-23	Interpretable deep learning for chromatin-informed inference of transcriptional programs driven by somatic alterations across cancers 2022-10-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkac881 PMID:36243974	研究论文	开发了一种名为CITRUS的半解释性神经网络模型，用于在癌症中通过体细胞突变推断转录程序	引入自注意力机制来模拟体细胞突变对转录因子的上下文影响，并使用隐藏节点层显式表示转录因子的状态	NA	开发一种工具，通过解释体细胞突变在特定转录程序中的影响，促进个性化治疗决策	癌症中的体细胞突变和转录程序	机器学习	NA	自注意力机制	神经网络	基因组、转录组和表观基因组数据	17种癌症类型的数据
16603	2024-09-23	3Din vivodose verification in prostate proton therapy with deep learning-based proton-acoustic imaging 2022-10-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac9881 PMID:36206745	研究论文	本文开发了一种基于深度学习的质子-声学成像方法，用于解决前列腺质子治疗中剂量验证的有限视角问题	提出了一种深度级联卷积神经网络（DC-CNN），用于重建高质量的辐射诱导压力，并从压力中推导出精确的3D剂量	研究仅限于前列腺癌患者，且样本量相对较小	提高质子治疗中剂量验证的准确性	前列腺癌患者的质子治疗剂量	计算机视觉	前列腺癌	质子-声学成像	深度级联卷积神经网络（DC-CNN）	图像	81名前列腺癌患者的治疗计划，其中69名用于训练，12名用于测试
16604	2024-09-23	Emerging dominant SARS-CoV-2 variants 2022-Oct-18, ArXiv PMID:36299737	研究论文	本文利用人工智能模型预测SARS-CoV-2新变种的出现及其对感染的影响	结合生物物理学、基因分型、实验数据、代数拓扑和深度学习构建AI模型，准确预测了SARS-CoV-2变种的出现	NA	预测SARS-CoV-2新变种的出现，为政策制定者和疫苗制造商提供准备	SARS-CoV-2病毒及其变种的感染性和抗体抵抗性	机器学习	NA	深度学习	AI模型	基因组数据	NA
16605	2024-09-23	Deep Learning-based Classification of Fibrotic Lung Disease: Can Computer Vision See the Future? 2022-10-01, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202206-1036ED PMID:35704686	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16606	2024-09-23	G2Φnet: Relating genotype and biomechanical phenotype of tissues with deep learning 2022-10, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010660 PMID:36315608	研究论文	本文介绍了一种名为G2Φnet的深度学习网络，用于关联基因型与生物力学表型，并展示了其在推断小鼠主动脉非线性基因型依赖的力学行为中的应用	提出了G2Φnet，这是一种新颖的神经网络，能够利用有限、噪声和不结构化的实验数据推断生物力学响应并同时归因于相关的基因型	NA	旨在整合遗传学和生物力学特征，以更好地理解基因型与生物力学表型之间的关系	软组织的生物力学特性及其与基因型的关系	机器学习	NA	深度学习	神经网络	实验数据	涉及四个小鼠模型的主动脉数据
16607	2024-09-23	Improving high frequency image features of deep learning reconstructions via k-space refinement with null-space kernel 2022-09, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29261 PMID:35426470	研究论文	本文提出了一种利用空空间核对k空间进行细化以改进深度学习重建图像高频特征的方法	本文的创新点在于使用空空间核对k空间进行细化，从而改善深度学习重建图像中的模糊细节和纹理	NA	本文的研究目的是提出一种新颖的细化方法，以改善深度学习MRI重建中丢失的高频细节和纹理	本文的研究对象是深度学习重建图像中的高频细节和纹理	计算机视觉	NA	深度学习	神经网络	图像	本文在三个大规模公共数据集（膝盖和大脑）上进行了测试
16608	2024-09-23	Bayesian deep learning outperforms clinical trial estimators of intracerebral and intraventricular hemorrhage volume 2022-09, Journal of neuroimaging : official journal of the American Society of Neuroimaging IF:2.3Q2 DOI:10.1111/jon.12997 PMID:35434846	研究论文	本文研究了贝叶斯深度学习在脑内出血和脑室内出血体积估计中的应用，并比较了其与临床试验中使用的线性和半定量估计方法的性能	贝叶斯深度学习方法能够近似不确定性，特别是在脑内出血和脑室内出血估计相交的情况下，提供了一种改进临床试验质量保证的机会	NA	研究贝叶斯深度学习在脑内出血和脑室内出血体积估计中的应用，并评估其与传统估计方法的性能	脑内出血和脑室内出血的体积估计	计算机视觉	脑部疾病	深度学习	贝叶斯深度学习模型	CT影像	使用来自Minimally Invasive Surgery Plus Alteplase for ICH Evacuation (MISTIE) III和Clot Lysis: Evaluating Accelerated Resolution of IVH (CLEAR) III临床试验的诊断CT数据进行训练和验证
16609	2024-09-23	Glo-In-One: holistic glomerular detection, segmentation, and lesion characterization with large-scale web image mining 2022-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.5.052408 PMID:35747553	研究论文	开发了一个名为Glo-In-One的工具包，用于肾病理学中肾小球的检测、分割和病变特征描述，并通过大规模网络图像挖掘实现自监督深度学习	提出了Glo-In-One工具包，通过单行命令实现肾小球的全面检测、分割和病变特征描述，并发布了30,000张未标记的肾小球图像以促进自监督深度学习算法的发展	当前版本的Glo-In-One工具包仅提供了细粒度的全球肾小球硬化（GGS）特征描述，未来可能需要扩展到其他类型的病变	开发一个用户友好的工具包，使非技术人员也能进行肾小球的定量检测、分割和病变特征描述	肾小球的检测、分割和病变特征描述	数字病理学	NA	自监督深度学习	NA	图像	30,000张未标记的肾小球图像
16610	2024-09-23	Real time volumetric MRI for 3D motion tracking via geometry-informed deep learning 2022-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.15822 PMID:35766221	研究论文	开发了一种几何信息引导的深度学习框架，用于实时体积MRI的3D运动跟踪	引入几何先验知识到深度学习模型中，实现了高空间和时间分辨率的体积成像	仅在七个腹部患者上进行了训练和测试，需要进一步验证其泛化能力	提高放射治疗精度的3D运动跟踪	腹部患者的体积MRI重建和3D运动跟踪	计算机视觉	NA	MRI	2D-3D深度学习网络	图像	七个腹部患者
16611	2024-09-23	Clinical Validation and Extension of an Automated, Deep Learning-Based Algorithm for Quantitative Sinus CT Analysis 2022-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7616 PMID:36538385	研究论文	本文描述了一种基于卷积神经网络的自动化深度学习算法，用于定量分析鼻窦CT图像，并在慢性鼻窦炎患者中进行了临床验证和扩展	本文提出了一种新的自动化方法，用于客观量化鼻窦不透明的程度，并计算了鼻窦不透明的百分比、平均Hounsfield单位和骨炎的百分比	本文的研究结果需要在多机构的前瞻性研究中进一步验证	开发和验证一种自动化深度学习算法，用于定量分析鼻窦CT图像，以辅助慢性鼻窦炎的诊断	慢性鼻窦炎患者的鼻窦CT图像	计算机视觉	鼻窦炎	卷积神经网络	CNN	图像	88名慢性鼻窦炎患者
16612	2024-09-23	Deep learning predicts DNA methylation regulatory variants in the human brain and elucidates the genetics of psychiatric disorders 2022-08-23, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2206069119 PMID:35969790	研究论文	本文介绍了一种名为INTERACT的深度学习模型，用于预测人类大脑中DNA甲基化调控变异，并阐明精神疾病的遗传基础	本文提出了INTERACT模型，结合卷积神经网络和transformer，能够有效预测DNA甲基化水平，并识别出不受连锁不平衡影响的调控变异	NA	研究目的是通过深度学习方法识别功能性调控变异，以阐明复杂性状的遗传基础	研究对象是人类大脑中的DNA甲基化调控变异及其在精神疾病中的作用	机器学习	精神疾病	深度学习	卷积神经网络和transformer	DNA甲基化数据	涉及多种祖先样本的多样性数据
16613	2024-09-23	Learned iterative segmentation of highly variable anatomy from limited data: Applications to whole heart segmentation for congenital heart disease 2022-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102469 PMID:35640385	研究论文	本文提出了一种用于先天性心脏病患者全心脏分割的迭代分割模型，并展示了该模型可以从一个小数据集中准确学习	本文提出了一种新的损失函数，用于评估输出分割序列，并使用它来学习模型参数	NA	开发一种能够从有限数据中学习并应用于先天性心脏病患者全心脏分割的迭代分割模型	先天性心脏病患者的3D心脏MR扫描图像	计算机视觉	先天性心脏病	NA	递归神经网络	图像	NA
16614	2024-09-23	Scaffolding protein functional sites using deep learning 2022-07-22, Science (New York, N.Y.) DOI:10.1126/science.abn2100 PMID:35862514	研究论文	本文介绍了使用深度学习方法构建蛋白质功能位点的新方法	提出了两种新的深度学习方法：'constrained hallucination' 和 'inpainting'，用于构建蛋白质功能位点，无需预先指定折叠或二级结构	NA	开发新的深度学习方法以构建蛋白质功能位点	蛋白质功能位点的构建	机器学习	NA	深度学习	RoseTTAFold 网络	蛋白质序列和结构数据	NA
16615	2024-09-23	Multi-population generalizability of a deep learning-based chest radiograph severity score for COVID-19 2022-Jul-22, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000029587 PMID:35866818	研究论文	本文研究了基于深度学习的COVID-19胸部X光片严重程度评分模型在不同患者群体中的泛化能力	本文通过调整和测试一个基于卷积Siamese神经网络的模型，评估其在不同患者群体中的泛化能力，并使用UMAP技术可视化神经网络结果	本文仅在美国的医院和巴西的急诊部门进行了测试，未涵盖更多国家和地区的数据	研究基于深度学习的COVID-19胸部X光片严重程度评分模型在不同患者群体中的泛化能力	COVID-19患者，包括住院患者和门诊患者	计算机视觉	COVID-19	卷积Siamese神经网络	卷积神经网络	图像	共928例胸部X光片，包括美国住院患者（267例）、门诊患者（108例）和巴西急诊部门患者（303例）
16616	2024-09-23	Multiplexed high-throughput localized electroporation workflow with deep learning-based analysis for cell engineering 2022-07-22, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abn7637 PMID:35867793	研究论文	本文介绍了一种高吞吐量的多孔板局部电穿孔设备（LEPD），结合深度学习图像分析，用于细胞工程中的快速实验因素优化	开发了一种高吞吐量的多孔板局部电穿孔设备，并结合深度学习图像分析，实现了快速优化实验因素和高效递送生物分子	NA	优化细胞内递送协议，实现高效的基因操作	不同类型的贴壁细胞和悬浮细胞，以及人类诱导多能干细胞	机器学习	NA	局部电穿孔	深度学习	图像	不同类型的贴壁细胞和悬浮细胞，以及人类诱导多能干细胞
16617	2024-09-23	Deep learning for survival analysis in breast cancer with whole slide image data 2022-07-11, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac381 PMID:35674341	研究论文	本文提出并实验评估了一种用于乳腺癌生存分析的多分辨率深度学习方法	该方法整合了多分辨率图像数据和深度学习模型的肿瘤、淋巴细胞及核分割结果，显著提高了深度学习模型的性能	由于全切片图像数据的规模和复杂性以及机器学习方法训练数据的相对有限性，该分析具有挑战性	旨在通过全切片组织图像数据中的定量分析，发现新的生物标志物，以改善癌症诊断和预后，并增进对癌症机制的理解	乳腺癌的生存分析	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	NA
16618	2024-09-23	Dental anomaly detection using intraoral photos via deep learning 2022-07-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-15788-1 PMID:35804050	研究论文	本文研究了使用深度神经网络（DNNs）通过口腔内照片自动检测牙科异常	提出了一种使用深度神经网络自动检测牙科异常的方法，比传统的人工检测更高效且可靠	模型在某些异常检测上的F1分数略低于有8年临床经验的牙医	提高牙科异常检测的效率和可靠性，加速研究发现	非综合征性口腔颌面裂（OFC）儿童的牙科异常	计算机视觉	NA	深度神经网络（DNNs）	卷积神经网络（CNN）	图像	来自非综合征性口腔颌面裂儿童和对照组的最大国际队列（OFC1）的口腔内照片
16619	2024-09-23	A streamable large-scale clinical EEG dataset for Deep Learning 2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC48229.2022.9871708 PMID:36085766	研究论文	本文发布了一个大规模的临床脑电图（EEG）数据集，旨在简化深度学习模型的数据访问和管理	本文首次发布了一个大规模的临床EEG数据集，为深度学习在神经科学领域的应用提供了重要的数据资源	NA	本文旨在为神经科学领域的研究人员提供一个大规模的临床EEG数据集，以支持深度学习模型的实验和应用	本文的研究对象是1,574名青少年参与者的闭眼EEG数据	生物医学研究	NA	深度学习	NA	脑电图（EEG）数据	1,574名青少年参与者
16620	2024-09-23	External COVID-19 Deep Learning Model Validation on ACR AI-LAB: It's a Brave New World 2022-07, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2022.03.013 PMID:35483438	研究论文	本研究使用ACR AI-LAB平台在独立学术医学中心测试了外部开发的COVID-19胸部X光片深度学习模型，评估其肺部疾病严重程度	首次在ACR AI-LAB平台上验证外部开发的COVID-19胸部X光片深度学习模型，展示了PXS评分模型的可推广性	样本量较小，仅包含141名患者的数据	评估外部开发的COVID-19胸部X光片深度学习模型在本地数据上的表现，并探讨其在临床应用中的潜力	COVID-19患者的胸部X光片及其肺部疾病严重程度	计算机视觉	COVID-19	深度学习	深度学习模型	图像	141名COVID-19患者