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	2024-09-01	Using deep learning-based natural language processing to identify reasons for statin nonuse in patients with atherosclerotic cardiovascular disease 2022, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-022-00157-w PMID:35856080	研究论文	本研究利用基于深度学习的自然语言处理技术，从非结构化的电子健康记录中识别出动脉粥样硬化心血管疾病患者未使用他汀类药物的原因	开发并验证了基于深度学习的自然语言处理方法（临床双向编码器表示变换器BERT），用于分类他汀类药物未使用及其原因	NA	识别大规模医疗系统中他汀类药物未使用的原因，以开发针对性的干预措施，提高他汀类药物的使用率	动脉粥样硬化心血管疾病患者的电子健康记录	自然语言处理	心血管疾病	自然语言处理（NLP）	双向编码器表示变换器（BERT）	文本	56,530名动脉粥样硬化心血管疾病患者
17562	2024-09-01	Three-Dimensional Reconstruction of a CT Image under Deep Learning Algorithm to Evaluate the Application of Percutaneous Kyphoplasty in Osteoporotic Thoracolumbar Compression Fractures 2022, Contrast media & molecular imaging DOI:10.1155/2022/9107021 PMID:35919502	研究论文	本研究通过优化传统的V-Net网络并提出改进的V-Net，用于基于深度学习的三维CT图像重建，以评估经皮椎体成形术在治疗骨质疏松性胸腰椎压缩性骨折中的应用	本研究引入了改进的V-Net网络，其Dice系数明显高于U-Net、V-Net和CNN，Hausdorff距离则低于这些网络，显示出更好的分割和重建质量	NA	探讨基于深度学习的V-Net网络进行三维CT图像重建，评估经皮椎体成形术治疗骨质疏松性胸腰椎压缩性骨折的疗效	106名骨质疏松性胸腰椎压缩性骨折患者，分为经皮椎体成形术组和对照组	计算机视觉	骨质疏松症	CT扫描	V-Net网络	图像	106名患者，128个椎体
17563	2024-09-01	High-Throughput Molecular Imaging via Deep-Learning-Enabled Raman Spectroscopy 2021-12-07, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.1c02178 PMID:34797972	研究论文	本文介绍了一种通过深度学习增强的拉曼光谱技术，称为DeepeR，用于实现高通量的分子成像	通过深度学习技术，实现了拉曼光谱图像的去噪和重建，提高了信号噪声比，并开发了神经网络进行空间超分辨率处理，显著加快了成像速度	NA	开发一种高通量的分子成像技术，以克服传统拉曼光谱技术数据采集速度慢的限制	拉曼光谱图像的去噪、重建和超分辨率处理	计算机视觉	NA	拉曼光谱	神经网络	图像	超过150万个光谱（总计400小时的数据采集）
17564	2024-09-01	Trustworthy and Intelligent COVID-19 Diagnostic IoMT Through XR and Deep-Learning-Based Clinic Data Access 2021-Nov-01, IEEE internet of things journal IF:8.2Q1 DOI:10.1109/JIOT.2021.3055804 PMID:35782175	研究论文	本文介绍了一种基于扩展现实（XR）和深度学习的互联网医疗物联网（IoMT）解决方案，用于COVID-19远程诊断，结合虚拟现实/增强现实（AR）远程手术规划/演练硬件、定制的5G云计算和深度学习算法，提供实时COVID-19治疗方案线索	与现有的感知治疗技术相比，该新技术能显著提高性能和安全性。采用了一种新颖的辅助分类器生成对抗网络（AC-GAN）的智能预测算法，并使用Copycat网络进行模型窃取和攻击，以提高IoMT的安全性能	NA	开发一种新的COVID-19诊断集成框架，并探索XR和深度学习在IoMT实施中的集成	COVID-19患者	机器学习	COVID-19	5G传输	辅助分类器生成对抗网络（AC-GAN）	临床数据	347名阳性COVID-19患者和2270名阴性COVID-19患者
17565	2024-09-01	SrvfNet: A Generative Network for Unsupervised Multiple Diffeomorphic Functional Alignment 2021-Jun, Conference on Computer Vision and Pattern Recognition Workshops. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Workshops DOI:10.1109/cvprw53098.2021.00505 PMID:35794879	研究论文	本文介绍了一种名为SrvfNet的生成式深度学习框架，用于对包含平方根速度函数（SRVF）的大量功能数据进行联合多重微分同胚对齐	该框架是完全无监督的，不仅能对预定义模板进行对齐，还能从数据中联合预测最优模板并同时实现对齐	NA	开发一种新的深度学习框架，用于功能数据的无监督多重微分同胚对齐	功能数据，特别是包含平方根速度函数的集合	机器学习	NA	深度学习	生成式编码器-解码器架构	功能数据	涉及合成数据和磁共振成像（MRI）数据中的扩散轮廓
17566	2024-09-01	Shedding Light on the Black Box: Explaining Deep Neural Network Prediction of Clinical Outcomes 2021-Jan-04, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-020-01701-8 PMID:33404886	研究论文	本研究开发了一种深度神经网络模型，用于预测心血管手术后的临床结果，并引入了一种新的解释方法，通过定义影响分数来关联临床观察与结果	本研究引入了影响分数这一新解释方法，有助于揭示深度神经网络模型的预测机制	影响分数与逻辑回归模型的对数优势比之间的相关性仅为中等，可能限制了其解释的准确性	旨在解释深度神经网络模型在临床结果预测中的应用，并提高其可解释性	心血管手术后的临床结果	机器学习	心血管疾病	深度神经网络	深度神经网络模型	图像	使用过往病史的时间图像表示作为输入，具体样本数量未提及
17567	2024-09-01	DDxNet: a deep learning model for automatic interpretation of electronic health records, electrocardiograms and electroencephalograms 2020-10-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-73126-9 PMID:33009423	研究论文	本文开发了DDxNet，一种用于时间变化临床数据（如电子健康记录、心电图和脑电图）的深度学习模型，旨在提高诊断任务的准确性和效率	DDxNet能够处理多种模态（如ECG、EEG、EHR）、不同级别的特征化需求（如异常检测、表型分析）和数据保真度（如单导联ECG、22通道EEG），并能快速开发模型	NA	开发一种通用的深度学习模型，以快速准确地解释电子健康记录、心电图和脑电图，提高诊断效率	电子健康记录、心电图和脑电图	机器学习	NA	深度学习	深度架构	时间变化临床数据	NA
17568	2024-08-31	Gra-CRC-miRTar: The pre-trained nucleotide-to-graph neural networks to identify potential miRNA targets in colorectal cancer 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.07.014 PMID:39171252	研究论文	本文提出了一种名为Gra-CRC-miRTar的预训练核酸到图神经网络框架，用于识别结直肠癌中的潜在miRNA靶点	构建了两个预训练模型来编码RNA序列并将其转换为de Bruijn图，使用不同的图神经网络学习潜在表示，并通过多层感知器（MLP）进行预测任务	NA	旨在改进现有的治疗干预措施，通过识别结直肠癌中失调的miRNA靶点	结直肠癌中的miRNA靶点	机器学习	结直肠癌	图神经网络	多层感知器（MLP）	RNA序列	201个实验验证的miRNA-mRNA对
17569	2024-08-31	Deep Learning-Based Clustering of OCT Images for Biomarker Discovery in Age-Related Macular Degeneration (PINNACLE Study Report 4) 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100543 PMID:39139544	研究论文	本文介绍了一种基于深度学习的生物标志物发现系统，用于加速年龄相关性黄斑变性（AMD）的生物标志物发现。	使用自监督对比学习，无需任何临床标注，自动发现细微的生物标志物差异，超越了临床上已建立的评分系统中使用的生物标志物集合。	NA	加速年龄相关性黄斑变性（AMD）的生物标志物发现。	46,496张视网膜OCT图像中的已知和未知AMD生物标志物特征。	机器学习	年龄相关性黄斑变性	深度学习	神经网络	图像	3456名年龄在51至102岁之间的成年人
17570	2024-08-31	Enhanced forecasting of chlorophyll-a concentration in coastal waters through integration of Fourier analysis and Transformer networks 2024-Oct-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122160 PMID:39096816	research paper	本文介绍了一种创新的深度学习预测模型ChloroFormer，通过整合Transformer网络和傅里叶分析，利用沿海现场数据预测叶绿素-a浓度	该模型在捕捉叶绿素-a浓度的短期和中长期依赖模式方面表现优异，特别是在极端和频繁藻华情况下，能准确预测峰值叶绿素-a浓度	NA	提高沿海水域叶绿素-a浓度的预测准确性	叶绿素-a浓度及其对沿海生态和经济的影响	machine learning	NA	Transformer networks, Fourier analysis	Transformer	in-situ data	两个不同研究区域的沿海现场数据
17571	2024-08-31	Predicting the severity of mood and neuropsychiatric symptoms from digital biomarkers using wearable physiological data and deep learning 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108959 PMID:39089109	研究论文	本研究利用可穿戴设备收集的生理数据和深度学习技术，预测轻度认知障碍老年人的情绪和神经精神症状的严重程度	本研究首次结合传统生理标志物和自监督卷积自动编码器提取的深度学习特征，实现了对情绪障碍症状严重程度的日常预测	研究样本仅限于轻度认知障碍的老年人，未来研究需验证在其他人群中的适用性	探索利用数字生物标志物和深度学习方法对老年人情绪和神经精神症状进行持续和非侵入性评估的可能性	轻度认知障碍老年人的情绪和神经精神症状	机器学习	神经精神疾病	深度学习	卷积自动编码器	生理数据	研究未明确具体样本数量
17572	2024-08-31	A personal view on the history of toxins: From ancient times to artificial intelligence 2024-Sep, Toxicon : official journal of the International Society on Toxinology IF:2.6Q3 DOI:10.1016/j.toxicon.2024.108034 PMID:39038662	综述	本文回顾了从古代到现代，特别是结合人工智能技术，在生物活性物质发现和特性研究方面的进展	文章介绍了使用高端仪器和基于深度学习的人工智能计算方法的突破	NA	探讨生物活性物质的历史发展和当前的研究进展	植物、微生物和动物中的生物活性物质	NA	NA	深度学习	NA	NA	NA
17573	2024-08-31	Characterizing Sentinel Lymph Node Status in Breast Cancer Patients Using a Deep-Learning Model Compared With Radiologists' Analysis of Grayscale Ultrasound and Lymphosonography 2024-Sep-01, Ultrasound quarterly IF:0.7Q4 DOI:10.1097/RUQ.0000000000000683 PMID:38958999	研究论文	本研究使用深度学习模型来区分乳腺癌患者中良性和恶性的前哨淋巴结（SLNs），并与放射科医生的评估进行比较	本研究采用AutoML开发的图像分类模型，展示了在平衡数据集上的改进诊断性能	放射科医生的表现并未受到数据集分布的影响，且读者间的一致性较低	评估深度学习模型在乳腺癌患者前哨淋巴结状态识别中的表现	乳腺癌患者的前哨淋巴结	机器学习	乳腺癌	超声检查	AutoML	图像	79名乳腺癌患者，217个前哨淋巴结
17574	2024-08-07	Predicting tumour origin with cytology-based deep learning: hype or hope? 2024-Sep, Nature reviews. Clinical oncology DOI:10.1038/s41571-024-00906-x PMID:38773339	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
17575	2024-08-31	Visual interpretability of image-based classification models by generative latent space disentanglement applied to in vitro fertilization 2024-Aug-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51136-9 PMID:39191720	研究论文	本文介绍了一种名为DISCOVER的生成模型，旨在通过解耦潜在空间来提高基于图像的分类模型的可解释性	DISCOVER模型能够学习解耦的潜在表示，每个潜在特征编码一个独特的分类驱动视觉属性，从而实现“人在回路”的解释	NA	提高深度学习模型在图像分类任务中的可解释性	体外受精胚胎形态质量的分类	计算机视觉	NA	生成模型	生成模型	图像	具体样本数量未在摘要中提及
17576	2024-08-31	Clinical validation of artificial intelligence-based preoperative virtual reduction for Neer 3- or 4-part proximal humerus fractures 2024-Aug-27, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-024-07798-z PMID:39192203	研究论文	本研究验证了基于人工智能的术前虚拟复位模型在Neer 3-或4-部分肱骨近端骨折中的复位质量	开发了一种基于人工智能的术前虚拟复位模型，能够自动分割和复位骨折碎片，改变了骨科手术术前手术规划的范式	研究级别为IV级，可能存在证据强度不足的问题	验证基于人工智能的术前虚拟复位模型在肱骨近端骨折中的复位质量	Neer 3-或4-部分肱骨近端骨折的复位模型	机器学习	骨折	深度学习	NA	三维CT扫描图像	20例肱骨近端骨折的术前和术后三维CT扫描
17577	2024-08-31	Optimizing protein sequence classification: integrating deep learning models with Bayesian optimization for enhanced biological analysis 2024-Aug-27, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02631-y PMID:39192227	研究论文	本研究提出了一种名为ProtICNN-BiLSTM的先进模型，该模型结合了基于注意力的改进卷积神经网络（ICNN）和双向长短期记忆（BiLSTM）单元，以提高蛋白质序列分类的准确性。	ProtICNN-BiLSTM模型通过结合CNN和BiLSTM架构，有效捕捉蛋白质序列的局部和全局依赖关系，并通过贝叶斯优化优化模型超参数，提高了分类的效率和鲁棒性。	NA	提高蛋白质序列分类的准确性，推动生物分析和医疗进步。	蛋白质序列的分类。	机器学习	NA	贝叶斯优化	CNN, BiLSTM	序列数据	PDB-14,189及其他蛋白质数据
17578	2024-08-31	Development of an artificial intelligence model for predicting implant size in total knee arthroplasty using simple X-ray images 2024-Aug-27, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-024-05013-2 PMID:39192371	研究论文	开发了一种使用简单X光图像预测全膝关节置换术中植入物尺寸的人工智能模型	该研究独特之处在于仅使用简单的X光图像，无需其他数据如人口统计特征，就能实现具有强大预测能力的模型	NA	减轻外科医生在全膝关节置换术前准备中的时间和劳动负担	714名接受全膝关节置换术的膝关节骨性关节炎患者	机器学习	膝关节骨性关节炎	数据增强技术	ResNet-101	X光图像	1412张膝关节前后位和侧位X光图像
17579	2024-08-31	Sexually dimorphic computational histopathological signatures prognostic of overall survival in high-grade gliomas via deep learning 2024-Aug-23, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adi0302 PMID:39178259	研究论文	本研究利用端到端的深度学习方法，通过分析苏木精和伊红（H&E）染色的组织切片，识别高级别胶质瘤（HGG）中与性别相关的组织病理学特征，并构建性别特异性的生存风险预测模型。	首次采用端到端的深度学习方法，利用常规H&E染色的组织切片，分别训练男性和女性HGG患者的模型，以识别与生存相关的性别特异性肿瘤微环境（TME）病理学特征。	NA	旨在通过深度学习方法识别高级别胶质瘤中性别特异性的组织病理学特征，并构建性别特异性的生存预测模型。	高级别胶质瘤患者的组织病理学特征及生存预测。	数字病理学	脑肿瘤	深度学习	ResNet18	图像	训练和三个独立验证队列中分别包含男性和女性高级别胶质瘤患者的数据。
17580	2024-08-31	Characterization of Trabecular Bone Microarchitecture and Mechanical Properties Using Bone Surface Curvature Distributions 2024-Aug-22, Journal of functional biomaterials IF:5.0Q2 DOI:10.3390/jfb15080239 PMID:39194677	研究论文	本研究通过分析骨表面曲率分布，利用卷积神经网络模型预测骨小梁的微观结构和力学性能	首次提出使用骨表面曲率分布来预测骨小梁的微观结构和力学性能，并通过深度学习模型验证了其有效性	NA	探索骨表面曲率分布与骨小梁微观结构及力学性能之间的关系	骨小梁的微观结构和力学性能	数字病理学	NA	卷积神经网络 (CNN)	CNN	图像	NA