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
17561	2024-09-08	Integrative deep learning analysis improves colon adenocarcinoma patient stratification at risk for mortality 2023-Aug, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104726 PMID:37499603	研究论文	本文开发并评估了结合福尔马林固定石蜡包埋（FFPE）全切片图像（WSIs）、临床变量和突变特征的深度学习模型，用于根据结肠腺癌（COAD）患者的死亡风险进行分层	本文的创新点在于整合了图像、临床和基因组特征，以提高结肠腺癌患者的风险分层效果	模型在预测中度风险（3年<OS<5年）患者的总体生存率方面效果较差	研究目的是通过整合图像、临床和基因组特征，提高结肠腺癌患者的风险分层效果	研究对象是结肠腺癌（COAD）患者	数字病理	结直肠癌	深度学习	深度学习模型	图像、临床变量、突变特征	训练数据集包含108名患者，外部验证数据集包含123名COAD患者和52名直肠腺癌（READ）患者
17562	2024-09-08	A robust semantic lung segmentation study for CNN-based COVID-19 diagnosis 2022-Dec-15, Chemometrics and intelligent laboratory systems : an international journal sponsored by the Chemometrics Society IF:3.7Q1 DOI:10.1016/j.chemolab.2022.104695 PMID:36311473	研究论文	本文通过深度学习系统使用胸部X光扫描图像诊断COVID-19，首先使用COVID-19胸部X光数据集对CXR图像中的肺部进行语义分割，然后使用改进的AlexNet提取特征并通过支持向量机进行分类	提出的方法在分类COVID-19、正常和病毒性肺炎三类数据时，成功率达到99.8%，优于现有的最先进方法	NA	通过胸部X光扫描图像诊断COVID-19	COVID-19胸部X光数据集中的肺部图像	计算机视觉	COVID-19	深度学习	DeepLabV3+, 改进的AlexNet (mAlexNet), 支持向量机 (SVM)	图像	COVID-19胸部X光数据集中的图像
17563	2024-09-08	Applying a deep residual network coupling with transfer learning for recyclable waste sorting 2022-Dec, Environmental science and pollution research international DOI:10.1007/s11356-022-22167-w PMID:35882737	研究论文	本研究利用深度残差网络结合迁移学习的方法，开发了一种智能高效的可回收废物分类方法	提出了基于迁移学习的RWNet模型，结合循环学习率和数据增强技术，显著提高了分类性能	塑料类废物的AUC值较低，分类效果有待进一步提升	开发一种智能高效的可回收废物分类方法，促进循环经济的发展	不同类型的可回收废物	计算机视觉	NA	深度学习	ResNet	图像	多种类型的可回收废物样本
17564	2024-09-08	Deep learning analysis of clinical course of primary nephrotic syndrome: Japan Nephrotic Syndrome Cohort Study (JNSCS) 2022-Dec, Clinical and experimental nephrology IF:2.2Q2 DOI:10.1007/s10157-022-02256-3 PMID:35962244	研究论文	本研究使用机器学习方法对日本肾病综合征队列研究中的205例病例进行聚类分析，以评估肾病综合征的自然病程	首次使用长短期记忆（LSTM）编码器-解码器架构对肾病综合征的时间序列数据进行聚类分析，识别出四种临床病程	研究样本仅限于日本肾病综合征队列研究的205例病例，可能存在地域和人群的局限性	评估肾病综合征的自然病程，并识别不同的临床病程模式	肾病综合征患者的临床参数、血清肌酐、血清白蛋白、尿液试纸血尿和蛋白尿	机器学习	肾病综合征	机器学习聚类	LSTM编码器-解码器架构	时间序列数据	205例肾病综合征患者
17565	2024-09-08	A pilot study of deep learning-based CT volumetry for traumatic hemothorax 2022-Dec, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-022-02087-5 PMID:35971025	研究论文	本研究使用nnU-Net深度学习方法对创伤性血胸患者进行CT体积测量，并评估其性能	采用先进的nnU-Net深度学习方法进行血胸的定量可视化，并与传统的手动测量和专家共识评分进行比较	研究样本量较小，仅包括77名患者，且仅限于一家创伤中心的数据	评估基于深度学习的CT体积测量方法在创伤性血胸中的应用效果	创伤性血胸患者的CT图像	计算机视觉	创伤	深度学习	nnU-Net	图像	77名成年创伤性血胸患者
17566	2024-09-08	Reducing Geometric Uncertainty in Computational Hemodynamics by Deep Learning-Assisted Parallel-Chain MCMC 2022-12-01, Journal of biomechanical engineering DOI:10.1115/1.4055809 PMID:36166284	研究论文	本文提出了一种基于深度学习的并行马尔可夫链蒙特卡罗方法，用于减少计算血流动力学中的几何不确定性	本文的创新点在于引入深度学习模型来近似几何到血流动力学的映射，并通过并行马尔可夫链蒙特卡罗方法进行高效的贝叶斯后验采样和几何不确定性减少	本文的局限性在于仅在二维主动脉流中进行了数值研究，尚未在更复杂的实际血管系统中验证	本文的研究目的是减少计算血流动力学模型中的几何不确定性，提高模型预测的可靠性	本文的研究对象是血管几何形状的不确定性及其对血流动力学模拟结果的影响	计算流体动力学	心血管疾病	深度学习	深度学习模型	几何数据	NA
17567	2024-09-08	Computed cancer interactome explains the effects of somatic mutations in cancers 2022-12, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4479 PMID:36261849	研究论文	研究利用AlphaFold预测癌症蛋白质相互作用网络，并分析体细胞突变对这些相互作用的影响	首次应用AlphaFold预测癌症驱动蛋白的蛋白质相互作用，并提供这些相互作用的结构细节	研究依赖于AlphaFold的预测结果，可能存在预测误差	探讨体细胞突变对癌症蛋白质相互作用网络的影响	癌症驱动蛋白及其相互作用网络	生物信息学	癌症	AlphaFold	NA	蛋白质相互作用数据	1,798个预测的蛋白质相互作用，1,087个缺乏先前3D结构信息的二元蛋白质复合物
17568	2024-09-08	GeoPacker: A novel deep learning framework for protein side-chain modeling 2022-12, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4484 PMID:36309961	研究论文	本文介绍了一种名为GeoPacker的新型深度学习框架，用于蛋白质侧链建模	GeoPacker利用几何深度学习结合ResNet，显式表示原子间的旋转和平移不变性，以提取相对位置信息，显著提高了蛋白质侧链结构预测的准确性和效率	NA	开发一种高效且准确的蛋白质侧链预测方法	蛋白质侧链结构	机器学习	NA	深度学习	ResNet	蛋白质结构数据	NA
17569	2024-09-08	A longitudinal observational study of home-based conversations for detecting early dementia: protocol for the CUBOId TV task 2022-11-23, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2022-065033 PMID:36418120	研究论文	本文描述了CUBOId研究，探索多模态数据融合在家中监测轻度认知障碍（MCI）和早期阿尔茨海默病（AD）的可行性，重点介绍了一项名为'TV任务'的新颖语音任务	提出了一个新颖的'TV任务'，通过记录参与者在观看喜欢的电视节目时的对话音频，来跟踪疾病进展中的生态有效对话变化	NA	探索多模态数据融合在家中监测轻度认知障碍和早期阿尔茨海默病的可行性	轻度认知障碍（MCI）和早期阿尔茨海默病（AD）患者及其生活伴侣	NA	阿尔茨海默病	深度学习	NA	多模态数据（活动数据和语音数据）	参与者包括MCI或AD患者及其生活伴侣，数据采集时间为8-25个月
17570	2024-09-08	Quantifying deep neural network uncertainty for atrial fibrillation detection with limited labels 2022-11-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24574-y PMID:36418604	研究论文	本文提出了一种在标签有限且数据噪声较大的情况下，训练深度学习模型进行心房颤动检测并报告预测不确定性的方法	利用弱监督学习技术，通过在非ICU数据上训练的代理模型生成不完美标签，并结合模型不确定性估计技术，无需大量人工数据标注	依赖于代理模型的准确性，且未详细讨论在不同噪声水平下的模型性能	开发一种在标签有限和数据噪声较大的情况下，有效检测心房颤动的深度学习模型	心房颤动检测	机器学习	心血管疾病	深度学习	深度神经网络	生理数据	大量ICU遥测数据
17571	2024-09-08	An imConvNet-based deep learning model for Chinese medical named entity recognition 2022-11-21, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-022-02049-4 PMID:36411432	研究论文	本文提出了一种基于imConvNet的深度学习模型，用于中文医学命名实体识别	改进卷积神经网络模型（imConvNet）以获取额外的文本特征，并结合Bert预训练模型和BiLSTM模型进行命名实体识别	NA	提高中文医学命名实体识别的准确性	中文医学文本中的命名实体	自然语言处理	NA	卷积神经网络（CNN）	BERT-imConvNet-BiLSTM-CRF	文本	公共医学数据集yidu-s4k和实际电子病历文本
17572	2024-09-08	Deep Learning Prediction of Pathologic Complete Response in Breast Cancer Using MRI and Other Clinical Data: A Systematic Review 2022-11-21, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography8060232 PMID:36412691	综述	本文系统综述了使用深度学习方法，特别是卷积神经网络（CNN），结合MRI和其他临床数据预测乳腺癌病理完全缓解（pCR）的研究	本文填补了深度学习预测pCR的综述文献的空白，并探讨了CNN在无需肿瘤分割的情况下处理全乳腺MRI图像的潜力	本文仅限于综述现有研究，未提供新的实验数据或模型	系统综述使用深度学习方法预测乳腺癌病理完全缓解的研究	乳腺癌患者在接受新辅助化疗（NAC）后的病理完全缓解（pCR）	计算机视觉	乳腺癌	卷积神经网络（CNN）	卷积神经网络（CNN）	图像和临床数据	NA
17573	2024-09-08	White blood cell detection, classification and analysis using phase imaging with computational specificity (PICS) 2022-11-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-21250-z PMID:36414631	研究论文	本文使用颜色空间光干涉显微镜（cSLIM）和深度学习工具，对未标记血涂片中的白细胞进行定位、分类和分割	结合定量相位成像（QPI）无标签数据与人工智能（AI）技术，提出了一种名为计算特异性相位成像（PICS）的新方法	训练数据集的平均精度为75%，像素级多数投票F1得分为80%，仍有提升空间	开发一种快速、自动化的方法来评估未标记血涂片中的白细胞异常	白细胞（WBCs）的定位、分类和分割	数字病理学	NA	定量相位成像（QPI）	EfficientNet 和 U-net	图像	数字染色的血涂片图像
17574	2024-09-08	DeepPROTACs is a deep learning-based targeted degradation predictor for PROTACs 2022-11-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-34807-3 PMID:36414666	研究论文	本文介绍了一种基于深度学习的PROTACs靶向降解预测模型DeepPROTACs	DeepPROTACs模型能够基于目标蛋白质和E3连接酶的结构预测PROTAC分子的降解能力	NA	帮助设计有效的PROTACs分子	PROTACs分子的降解能力	机器学习	NA	深度学习	图卷积网络和双向长短期记忆网络	蛋白质结构和SMILES表示	主要来自PROTAC-DB的数据集，根据DC和Dmax值进行适当标记
17575	2024-09-08	Multiple high-regional-incidence cardiac disease diagnosis with deep learning and its potential to elevate cardiologist performance 2022-Nov-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2022.105434 PMID:36388959	研究论文	本文构建了一个大规模的心电图数据集，并开发了一种深度学习模型用于多种高发区域心脏疾病的诊断，展示了其提升心脏病专家诊断性能的潜力	本文首次报道了基于AI的心电图诊断模型能够辅助心脏病专家提高诊断性能	本文未详细讨论模型的泛化能力和在不同数据集上的表现	开发一种能够辅助心脏病专家提高诊断性能的AI模型	多种高发区域的心脏疾病，包括心律失常和急性冠状动脉综合征相关疾病	机器学习	心血管疾病	深度学习	深度学习模型	心电图	162,622份12导联心电图
17576	2024-09-08	UnMICST: Deep learning with real augmentation for robust segmentation of highly multiplexed images of human tissues 2022-11-18, Communications biology IF:5.2Q1 DOI:10.1038/s42003-022-04076-3 PMID:36400937	研究论文	本文报道了两种方法显著改善了使用多种机器学习架构对组织图像进行分割的效果	意外发现有意模糊和饱和的图像在训练数据中的包含显著提高了后续图像分割效果，并且实际增强优于计算增强（高斯模糊）	NA	提高高度多重化图像中组织分割的准确性	高度多重化（20-60通道）、亚细胞分辨率的哺乳动物组织图像	计算机视觉	NA	深度学习	多种机器学习架构	图像	多种组织类型
17577	2024-09-08	Identifying behavioral structure from deep variational embeddings of animal motion 2022-11-18, Communications biology IF:5.2Q1 DOI:10.1038/s42003-022-04080-7 PMID:36400882	研究论文	本文介绍了一种无监督的概率深度学习框架，用于从动物运动的深度变分嵌入中识别行为结构	提出了VAME方法，能够识别离散的行为模式并捕捉其层次结构，无需人工干预	NA	开发一种能够量化和检测行为层次结构的技术	动物运动的行为模式	机器学习	NA	深度变分嵌入	深度学习框架	动物运动数据	使用了一个患有β淀粉样蛋白沉积症的小鼠模型作为案例研究
17578	2024-09-08	Automated Lung-Related Pneumonia and COVID-19 Detection Based on Novel Feature Extraction Framework and Vision Transformer Approaches Using Chest X-ray Images 2022-Nov-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9110709 PMID:36421110	研究论文	本文提出了一种基于新型特征提取框架和视觉变换器方法的自动化肺部相关肺炎和COVID-19检测模型，使用胸部X光图像进行高精度分类	本文创新性地采用了集成技术提取更丰富的特征，并结合全局二阶池化进一步提取图像的高级全局特征，最后通过视觉变换器方法分析图像块	NA	构建一个能够对胸部X光图像进行高分类准确率的深度学习模型，用于肺部疾病的检测	胸部X光图像中的肺部相关肺炎和COVID-19	计算机视觉	肺部疾病	视觉变换器	视觉变换器	图像	COVID-19 Radiography Dataset和Covid-ChestX-ray-15k dataset
17579	2024-09-08	Automatic ovarian tumors recognition system based on ensemble convolutional neural network with ultrasound imaging 2022-11-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-022-02047-6 PMID:36397100	研究论文	本文提出了一种基于集成卷积神经网络的自动卵巢肿瘤识别系统，使用超声图像进行辅助诊断	本文创新性地使用了集成学习方法，结合多个卷积神经网络模型，提高了诊断的准确性和稳定性	本文的研究样本数量有限，未来需要增加认证图像的数量以提高方法的鲁棒性和可靠性	开发一种快速且准确的方法，通过深度学习技术辅助超声图像中卵巢肿瘤的鉴别诊断	卵巢肿瘤的鉴别诊断，特别是良性和恶性肿瘤的区分	计算机视觉	妇科疾病	深度学习	卷积神经网络（CNN）	图像	使用了十次随机抽样的训练和验证数据，最终评估数据为十次测试结果的平均值
17580	2024-09-08	Manta Ray Foraging Optimization Transfer Learning-Based Gastric Cancer Diagnosis and Classification on Endoscopic Images 2022-Nov-17, Cancers IF:4.5Q1 DOI:10.3390/cancers14225661 PMID:36428752	研究论文	本文提出了一种基于蝠鲼觅食优化迁移学习的胃癌诊断和分类技术，用于内窥镜图像的胃癌诊断	本文创新性地结合了蝠鲼觅食优化算法和迁移学习技术，用于胃癌诊断和分类，提高了分类准确率	NA	开发一种自动化的胃癌诊断模型，提高内窥镜图像的分类准确率	胃癌诊断和分类	计算机视觉	胃癌	蝠鲼觅食优化算法	Elman神经网络	图像	NA