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
18101	2024-09-06	X-ray lens figure errors retrieved by deep learning from several beam intensity images 2024-Sep-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577524004958 PMID:39042577	研究论文	本文研究了使用深度学习从多个光束强度图像中检索X射线透镜表面误差的方法	提出了一种使用神经网络从光束强度图像中准确预测透镜误差轮廓的方法	NA	解决同步辐射光束聚焦中的相位问题，并验证仅使用传播光束在多个距离处的强度图像检索透镜表面误差的可能性	X射线透镜的表面误差	计算机视觉	NA	深度学习	神经网络	图像	数千次模拟
18102	2024-09-06	Artificial intelligence-based plasma exosome label-free SERS profiling strategy for early lung cancer detection 2024-Sep, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-024-05445-z PMID:39017700	研究论文	本文介绍了一种基于人工智能的无标记表面增强拉曼光谱（SERS）策略，用于早期肺癌的检测	利用深度学习模型和卷积神经网络（CNN）对细胞外囊泡的拉曼光谱数据进行特征提取，结合支持向量机（SVM）模型进行早期肺癌的准确诊断	NA	开发一种新的早期肺癌诊断方法	肺癌细胞和正常细胞的细胞外囊泡	机器学习	肺癌	表面增强拉曼光谱（SERS）	卷积神经网络（CNN）和支持向量机（SVM）	光谱数据	肺癌细胞系和正常细胞系的细胞外囊泡样本
18103	2024-09-06	Pre-therapy PET-based voxel-wise dosimetry prediction by characterizing intra-organ heterogeneity in PSMA-directed radiopharmaceutical theranostics 2024-Sep, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06737-3 PMID:38724653	研究论文	本研究旨在通过表征体内器官异质性，利用人工智能技术预测基于预治疗PET的体素级剂量分布	本研究首次利用深度学习技术预测体素级吸收剂量图，考虑了体内器官的异质性	本研究仅在转移性去势抵抗性前列腺癌患者中进行，样本量有限	通过表征体内器官异质性，预测基于预治疗PET的体素级吸收剂量图，以提高治疗效果	转移性去势抵抗性前列腺癌患者	数字病理学	前列腺癌	深度学习	深度学习模型	图像	23名患者，48个治疗周期
18104	2024-09-06	Privacy Risk Assessment for Synthetic Longitudinal Health Data 2024-Aug-30, Studies in health technology and informatics DOI:10.3233/SHTI240867 PMID:39234731	研究论文	本文探讨了合成纵向健康数据在隐私风险评估中的应用	提出了Anonymeter框架，用于评估合成数据生成的隐私风险，特别是针对欧洲数据保护委员会考虑的隐私风险	隐私风险评估仍然是一个开放的问题，实施和结果解释中遇到了挑战	评估合成数据生成方法的隐私风险，确保符合数据保护指南	合成纵向健康数据及其隐私风险	NA	NA	深度学习	NA	纵向健康数据	1312名参与者，16个时间点
18105	2024-09-06	Predicting Overall Survival of Glioblastoma Patients Using Deep Learning Classification Based on MRIs 2024-Aug-30, Studies in health technology and informatics DOI:10.3233/SHTI240878 PMID:39234740	研究论文	本文开发并评估了一种基于深度学习的方法，通过MRI图像预测胶质母细胞瘤患者的总体生存期	利用深度学习技术对常规生成的MRI序列进行自动分析，以实现准确的总体生存期预测	最佳模型的F1-score为0.51，准确率为0.67，仍有改进空间	开发一种能够通过MRI图像准确预测胶质母细胞瘤患者总体生存期的方法	胶质母细胞瘤患者的总体生存期	计算机视觉	脑肿瘤	深度学习	ResNet50	图像	NA
18106	2024-09-06	X-ray absorption spectroscopy combined with deep learning for auto and rapid illicit drug detection 2024-Jul-03, The American journal of drug and alcohol abuse DOI:10.1080/00952990.2024.2377262 PMID:39158551	研究论文	本文探讨了利用X射线吸收光谱（XAS）结合深度学习技术进行自动和快速非法药物检测的新方法	本文提出了一种结合XAS和改进的transformer编码器模型的新方法，用于自动、快速和准确地检测非法药物，相比LSTM和ResU-net模型，该方法在训练时间和准确性上均有显著提升	NA	探索一种自动、快速和准确检测非法药物的新方法	50种与药物具有相似分子式的同分异构体或化合物	机器学习	NA	X射线吸收光谱（XAS）	transformer编码器模型	光谱数据	50种物质
18107	2024-09-06	Deep Learning-Based Facial and Skeletal Transformations for Surgical Planning 2024-07, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241253186 PMID:38808566	研究论文	本文开发并验证了一种基于深度学习的新型双向3D框架P2P-ConvGC，用于正颌手术中面部和骨骼形状的准确预测	提出了P2P-ConvGC框架，通过两阶段点采样策略生成多个非重叠点子集来表示高分辨率的面部和骨骼形状，并分别输入到预测系统中进行预测	NA	开发一种能够准确预测面部和骨骼形状的深度学习模型，以应用于正颌手术的虚拟手术规划	面部和骨骼形状的预测	计算机视觉	NA	深度学习	P2P-ConvGC	3D点集	基于大规模数据集进行验证，具体样本数量未提及
18108	2024-09-06	Data-independent acquisition in metaproteomics 2024 Jul-Aug, Expert review of proteomics IF:3.8Q1 DOI:10.1080/14789450.2024.2394190 PMID:39152734	综述	本文综述了数据非依赖采集（DIA）质谱技术在元蛋白质组学中的应用	介绍了DIA技术在提高元蛋白质组学深度和准确性方面的潜力，并讨论了未来可能采用的深度学习和从头测序方法	DIA技术和元蛋白质组学的复杂性带来了挑战	探讨DIA技术在元蛋白质组学中的应用及其未来发展方向	元蛋白质组学中的微生物群落功能和微生物间及宿主-微生物相互作用	NA	NA	数据非依赖采集（DIA）质谱技术	NA	蛋白质组学数据	NA
18109	2024-09-06	A muti-modal feature fusion method based on deep learning for predicting immunotherapy response 2024-06-07, Journal of theoretical biology IF:1.9Q3 DOI:10.1016/j.jtbi.2024.111816 PMID:38589007	研究论文	本文开发了一种基于深度学习的多模态特征融合模型，用于预测免疫治疗反应	本文提出的多模态特征融合模型利用图神经网络将基因网络中的基因关系映射到低维向量空间，并融合生物通路特征和免疫细胞浸润特征，以提高对免疫治疗反应的预测性能	NA	预测免疫治疗反应	癌症患者对免疫检查点治疗的反应	机器学习	NA	图神经网络	多模态特征融合模型	基因网络数据、生物通路特征、免疫细胞浸润特征	五个数据集，涵盖黑色素瘤、肺癌和胃癌等多种癌症类型
18110	2024-09-06	MOSAIC: An Artificial Intelligence-Based Framework for Multimodal Analysis, Classification, and Personalized Prognostic Assessment in Rare Cancers 2024-Jun, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.24.00008 PMID:38875514	研究论文	本文介绍了一种基于人工智能的框架MOSAIC，用于罕见癌症的多模态分析、分类和个性化预后评估	MOSAIC框架结合了深度学习和联邦学习技术，提供了比传统统计方法更精确的分类和预后评估	NA	开发和验证一种用于罕见癌症分类和预后评估的人工智能框架	罕见癌症，特别是骨髓增生异常综合征（MDS）	机器学习	血液系统疾病	深度学习	梯度提升生存模型	临床和基因组数据	4427名MDS患者
18111	2024-09-06	A deep learning method to identify and localize large-vessel occlusions from cerebral digital subtraction angiography 2024 May-Jun, Journal of neuroimaging : official journal of the American Society of Neuroimaging IF:2.3Q2 DOI:10.1111/jon.13193 PMID:38506407	研究论文	开发了一种深度学习算法，用于从脑部数字减影血管造影中识别和定位大血管闭塞	使用有限的训练数据集，开发了一种能够有效识别和定位大血管闭塞的深度学习模型	模型的改进需要扩展和完善大血管闭塞的数据集	开发一种算法，用于在脑部数字减影血管造影中识别和定位闭塞的动脉血管	脑部数字减影血管造影图像中的大血管闭塞	计算机视觉	NA	深度学习	深度学习模型	图像	188名患者，其中86名患有M1和近端M2段闭塞
18112	2024-09-06	Multi-Class Deep Learning Model for Detecting Pediatric Distal Forearm Fractures Based on the AO/OTA Classification 2024-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00968-4 PMID:38308069	研究论文	本研究开发了一种基于AO/OTA分类系统的多类卷积神经网络模型，用于检测儿童远端前臂骨折	本研究首次将YOLOv4模型应用于儿童远端前臂骨折的检测，并基于AO/OTA分类系统进行多类分类	研究样本量相对较小，且仅使用了GRAZPEDWRI-DX数据集	开发一种能够精确检测儿童远端前臂骨折的深度学习模型，以支持临床医生的快速治疗计划	儿童远端前臂骨折的检测	计算机视觉	NA	卷积神经网络	YOLOv4	图像	7006张腕部X光图像，来自1809名患者，其中80%用于训练，20%用于验证
18113	2024-09-06	Enhancing YOLO5 for the Assessment of Irregular Pelvic Radiographs with Multimodal Information 2024-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00986-2 PMID:38315343	研究论文	本文提出了一种通过整合年龄和性别信息来增强YOLO5模型在评估不规则骨盆X光片中诊断发育性髋关节发育不良（DDH）性能的方法	本文首次将多模态信息（年龄和性别）整合到YOLO5模型中，以提高DDH诊断的准确性	本文未详细讨论模型在不同种族或不同医疗条件下的泛化能力	提高深度学习模型在诊断发育性髋关节发育不良中的准确性	发育性髋关节发育不良的诊断	计算机视觉	骨科疾病	YOLO5	YOLO5	图像	7750张骨盆X光片，年龄范围从4个月到16岁，涵盖多种畸形和术后病例
18114	2024-09-06	Development of Medical Imaging Data Standardization for Imaging-Based Observational Research: OMOP Common Data Model Extension 2024-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00982-6 PMID:38315345	研究论文	本文提出了OMOP通用数据模型的一个扩展，即医学影像CDM（MI-CDM），以支持基于影像的观察性研究	引入了两个新表和两个词汇表，以满足影像研究的结构和语义需求，并支持DICOM数据源的链接和影像特征的来源追踪	NA	开发一个标准化的数据模型，以支持基于影像的观察性研究和结果研究	医学影像数据的标准化	数字病理学	NA	深度学习	NA	影像	NA
18115	2024-09-06	Development and Validation of Deep Learning-Based Automated Detection of Cervical Lymphadenopathy in Patients with Lymphoma for Treatment Response Assessment: A Bi-institutional Feasibility Study 2024-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00966-6 PMID:38316667	研究论文	开发并验证了一种基于深度学习的模型，用于在淋巴瘤患者中自动检测和分割颈部淋巴结，以评估治疗反应	首次使用3D SegResNet模型在头颈部增强CT扫描中自动检测和分割异常颈部淋巴结，并评估其在治疗反应评估中的临床效用	模型的分割性能有待提高，平均Dice相似系数为0.39，精确度和召回率分别为60.9%和57.0%	训练和评估深度学习模型，用于在淋巴瘤患者中准确检测和分割异常颈部淋巴结，并评估其在治疗反应评估中的临床效用	淋巴瘤患者的颈部淋巴结	计算机视觉	淋巴瘤	深度学习	3D SegResNet	CT图像	共216名患者，分为开发组（76名）、内部测试组1（27名）、内部测试组2（87名）和外部测试组（26名）
18116	2024-09-06	Deep Learning-Assisted Diffusion Tensor Imaging for Evaluation of the Physis and Metaphysis 2024-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00993-3 PMID:38321313	研究论文	本文探讨了使用深度学习辅助的扩散张量成像（DTI）技术来自动分割骺板和干骺端，以预测儿童身高的变化	本文提出了使用UNETR模型进行自动分割，相比传统的手动分割方法，显著提高了效率并减少了人为误差	研究样本量较小，且仅限于儿童群体，未来需要在大规模和多样化的样本中验证模型的有效性	开发一种自动化的方法来替代手动分割骺板DTI图像，以提高效率和准确性	骺板和干骺端的扩散张量成像	计算机视觉	NA	扩散张量成像（DTI）	UNETR	图像	385个DTI扫描，来自191名平均年龄为12.6岁±2.01岁的受试者
18117	2024-09-06	Automated Quantification of Total Cerebral Blood Flow from Phase-Contrast MRI and Deep Learning 2024-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00948-0 PMID:38343224	研究论文	本文开发并验证了一种基于深度学习的自动化技术，用于从相位对比MRI中量化总脑血流量	提出了一种基于深度学习的自动化方法，用于从相位对比MRI中量化总脑血流量，减少了手动选择脑供血动脉的时间和主观性	仅在内部和外部测试集上进行了验证，未提及在更大规模或不同人群中的应用	开发和验证一种自动化技术，用于从相位对比MRI中量化总脑血流量	总脑血流量（tCBF）的量化	计算机视觉	NA	相位对比磁共振成像（PC MRI）	U-Net	图像	218张训练图像，40张测试图像，20张外部数据集
18118	2024-09-06	Deep Learning-based Diagnosis of Pulmonary Tuberculosis on Chest X-ray in the Emergency Department: A Retrospective Study 2024-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00952-4 PMID:38343228	研究论文	本研究开发了一种基于深度学习的算法，用于在急诊科通过胸部X光片检测肺结核	使用EfficientNetV2架构和伪标签进行半监督学习，显著提高了检测性能	算法在不同类型的胸部X光片上的表现存在差异，特别是前-后位和便携式前-后位X光片	开发一种能够在急诊科快速准确检测肺结核的深度学习算法	胸部X光片图像	计算机视觉	肺结核	深度学习	EfficientNetV2	图像	3498张胸部X光片图像，包括来自台湾大学医院的2144张训练图像和1354张测试图像，以及来自NIH ChestX-ray14、Montgomery County和Shenzhen的公共数据库图像
18119	2024-09-06	MRI-Based Machine Learning Fusion Models to Distinguish Encephalitis and Gliomas 2024-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00957-z PMID:38343248	研究论文	本文比较了经典机器学习模型和深度学习模型在区分脑炎和胶质瘤中的表现，并评估了融合放射组学在区分这两种疾病中的有效性	本文创新性地结合了经典机器学习和深度学习技术，提出了一种深度学习放射组学模型，显著提高了区分脑炎和胶质瘤的准确性	本文仅分析了116例患者的MRI图像，样本量较小，可能影响模型的泛化能力	比较经典机器学习模型和深度学习模型在区分脑炎和胶质瘤中的表现，并评估融合放射组学的有效性	脑炎和胶质瘤的MRI图像	机器学习	NA	机器学习	CNN	图像	116例患者
18120	2024-09-06	Development of Local Software for Automatic Measurement of Geometric Parameters in the Proximal Femur Using a Combination of a Deep Learning Approach and an Active Shape Model on X-ray Images 2024-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00953-3 PMID:38343246	研究论文	本文提出了一种结合深度学习和主动形状模型（ASM）的方法，用于在X光图像上自动测量近端股骨的几何参数	本文的创新点在于将深度学习神经网络与主动形状模型相结合，实现了对近端股骨几何参数的自动测量	本文的局限性在于仅使用了428张X光图像进行训练和测试，样本量相对较小	本文的研究目的是开发一种自动测量近端股骨几何参数的方法，以帮助医生早期识别髋部和股骨疾病	本文的研究对象是近端股骨的几何参数，包括股骨颈轴长（FNAL）、股骨头直径（FHD）、股骨颈宽度（FNW）、股骨干宽度（SW）、颈干角（NSA）和阿尔法角（AA）	计算机视觉	骨科疾病	深度学习	神经网络	图像	428张X光图像，其中208张为男性，220张为女性