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
18841	2024-08-28	BI-RADS-NET: AN EXPLAINABLE MULTITASK LEARNING APPROACH FOR CANCER DIAGNOSIS IN BREAST ULTRASOUND IMAGES 2021-Oct, IEEE International Workshop on Machine Learning for Signal Processing : [proceedings]. IEEE International Workshop on Machine Learning for Signal Processing DOI:10.1109/mlsp52302.2021.9596314 PMID:35509454	研究论文	本文介绍了BI-RADS-Net，一种用于乳腺癌超声图像检测的可解释多任务学习深度学习方法	该方法通过学习与临床诊断相关的特征表示，同时解释和分类乳腺肿瘤，并提供基于形态学特征的预测解释	NA	开发一种可解释的深度学习方法，用于乳腺癌超声图像的癌症检测	乳腺肿瘤的检测和分类	计算机视觉	乳腺癌	深度学习	CNN	图像	1,192张图像
18842	2024-08-28	Predict Alzheimer's disease using hippocampus MRI data: a lightweight 3D deep convolutional network model with visual and global shape representations 2021-05-24, Alzheimer's research & therapy DOI:10.1186/s13195-021-00837-0 PMID:34030743	研究论文	本文提出了一种基于海马体MRI数据和全局形状表示的轻量级3D深度卷积网络模型DenseCNN2，用于阿尔茨海默病的分类	DenseCNN2模型结合了海马体分割和全局形状特征，提高了分类性能	NA	开发一种高效的阿尔茨海默病分类诊断工具	阿尔茨海默病患者和正常对照组的海马体MRI数据	机器学习	阿尔茨海默病	MRI	CNN	图像	326名阿尔茨海默病患者和607名正常对照组的海马体MRI数据
18843	2024-08-28	High-resolution 3D abdominal segmentation with random patch network fusion 2021-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2020.101894 PMID:33421919	研究论文	本文提出了一种基于随机空间初始化和统计融合的补丁网络，用于高分辨率3D腹部器官分割。	该方法通过随机空间初始化和统计融合在重叠区域的关注点（ROI）上，提高了多器官分割的性能。	NA	研究高分辨率3D腹部器官分割的挑战性问题。	3D腹部器官在高分辨率CT上的分割。	计算机视觉	NA	3D全卷积网络（FCN）	补丁网络	图像	260名受试者
18844	2024-08-28	Dental microfracture detection using wavelet features and machine learning 2021-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2580744 PMID:35505894	研究论文	本文提出了一种结合高分辨率锥束计算机断层扫描（CBCT）和机器学习算法来检测牙齿微裂纹的方法	该方法通过使用小波金字塔构造生成相位图像，并利用U-Net深度学习架构定位裂纹的方向和范围，提供了一种新的量化牙齿结构破坏的方法	目前该模型仅在2D切片上进行了验证，未来的工作将扩展到3D体积，并改进特征提取和临床验证	开发一种新的算法来早期检测牙齿微裂纹，以提高治疗效果和牙齿保留时间	研究对象为提取的人类牙齿，包括裂纹牙齿和对照牙齿	机器学习	NA	CBCT	U-Net	图像	22颗裂纹牙齿和14颗对照牙齿
18845	2024-08-28	Deep learning-based detection and segmentation of diffusion abnormalities in acute ischemic stroke 2021, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-021-00062-8 PMID:35602200	研究论文	本文开发了一种基于深度学习的工具，用于检测和分割急性缺血性卒中的扩散异常	提出的模型在小型病变中表现优于通用网络和DeepMedic，具有较低的假阳性率、平衡的精确度和敏感性，以及对数据扰动的鲁棒性	NA	开发一种高效的工具，用于检测和分割急性卒中的扩散异常	急性和亚急性缺血性卒中患者的扩散加权MRI图像	计算机视觉	脑血管疾病	深度学习	NA	图像	2,348例临床扩散加权MRI图像，以及280例外部数据集MRI图像
18846	2024-08-28	A deep learning framework for drug repurposing via emulating clinical trials on real-world patient data 2021-Jan, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-020-00276-w PMID:35603127	研究论文	本文介绍了一种基于真实世界患者数据模拟临床试验的深度学习框架，用于药物再利用的候选药物生成和测试	该框架结合了因果推断和深度学习方法，模拟随机临床试验，用于大规模医疗索赔数据库中的药物再利用	NA	开发一种高效的、易于定制的框架，用于药物再利用的候选药物生成和测试	冠状动脉疾病患者群体	机器学习	心血管疾病	深度学习	NA	电子健康记录和保险索赔数据	数百万冠状动脉疾病患者
18847	2024-08-28	Drug-target affinity prediction using graph neural network and contact maps 2020-May-27, RSC advances IF:3.9Q2 DOI:10.1039/d0ra02297g PMID:35517730	research paper	本文利用分子和蛋白质的结构信息，分别构建药物分子和蛋白质的图结构，并引入图神经网络获取其表示，提出了一种名为DGraphDTA的方法进行药物-靶标亲和力预测。	本文提出了一种基于图神经网络和接触图的药物-靶标亲和力预测方法DGraphDTA，该方法利用蛋白质的序列预测其结构特征，提高了预测的准确性和泛化能力。	NA	提高计算机辅助药物设计中药物-靶标亲和力预测的准确性。	药物分子和蛋白质的结构信息及其相互作用。	machine learning	NA	图神经网络	图神经网络	图结构	NA
18848	2024-08-28	Towards machine learned quality control: A benchmark for sharpness quantification in digital pathology 2018-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2017.09.001 PMID:29241972	研究论文	本文介绍了一种用于模糊检测的基准数据集，并比较了当前最先进的清晰度描述符及其在随机森林框架内的预测性能，同时展示了卷积神经网络如残差网络可以从头开始训练模糊检测器。	提出了一个用于模糊检测的基准数据集，并展示了卷积神经网络在训练模糊检测器方面的应用，以及在临床设置中测试了该框架，显示出优于现有质量控制流程的性能。	未提及具体限制。	旨在解决数字病理学中高吞吐量扫描的质量控制问题。	数字病理学中的模糊区域检测。	数字病理学	NA	卷积神经网络	CNN	图像	未提及具体样本数量。
18849	2024-08-27	Research on terahertz image analysis of thin-shell seeds based on semantic segmentation 2024-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124897 PMID:39094271	研究论文	本研究探讨了结合太赫兹时域光谱和成像与语义分割模型，用于快速无损评估薄壳种子内部结构和质量特征	本研究首次采用DeepLab V3+模型进行种子组织自动分割，显著提高了速度和准确性	NA	探索太赫兹成像技术与深度学习模型在薄壳种子内部结构和质量评估中的应用	120个来自三种不同品种的西瓜种子	计算机视觉	NA	太赫兹时域光谱和成像	DeepLab V3+	图像	120个西瓜种子样本
18850	2024-08-27	Neuroimaging biomarkers for the diagnosis and prognosis of patients with disorders of consciousness 2024-Nov-15, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.149133 PMID:39084451	综述	本文综述了利用神经影像学和电生理技术在意识障碍患者中诊断和预后评估的神经影像生物标志物的研究进展	神经影像技术能够揭示传统行为评估可能忽视的隐蔽意识，结合不同任务范式或分析方法可以显著提高诊断和预后的准确性	神经生物标志物的稳定性仍需进一步验证，未来研究可能需要结合大数据和深度学习方法	探讨神经影像生物标志物在意识障碍患者中的临床应用价值	意识障碍患者的脑活动模式	神经影像学	意识障碍	功能性磁共振成像(fMRI)、静息态功能磁共振成像(rs-fMRI)、脑电图(EEG)、正电子发射断层扫描(PET)	NA	影像数据	NA
18851	2024-08-27	Multi-instance learning attention model for amyloid quantification of brain sub regions in longitudinal cognitive decline 2024-Nov-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.149103 PMID:38955250	研究论文	本研究旨在开发一种深度学习模型，通过PET扫描自动检测大脑不同区域的淀粉样蛋白沉积，无需相应的MRI扫描	提出了一种基于多实例学习和注意力的深度学习模型，该模型在ADNI和A4研究的外部数据集上表现优于现有模型	NA	开发一种能够仅通过PET扫描自动检测大脑不同区域淀粉样蛋白沉积的深度学习模型	大脑不同区域的淀粉样蛋白沉积	机器学习	阿尔茨海默病	PET扫描	多实例学习注意力模型	图像	2647个F-Florbetapir PET扫描用于训练和验证，1413个F-Florbetapir PET扫描用于外部数据集测试
18852	2024-08-27	An integrated CBLA-Net with fractional discrete wavelet transform and frequency-based CARS to predict heavy metal elements by XRF 2024-Sep-22, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2024.343073 PMID:39182974	研究论文	本文提出了一种综合框架，用于通过XRF预测土壤中重金属元素的浓度，包括预处理、变量选择和决策制定	引入了基于分数离散小波变换的最优去噪方法和基于频率的竞争自适应重加权采样算法进行特征选择，并设计了一种新的深度学习网络CBLA-Net，用于精确估计重金属元素浓度	NA	提高通过XRF技术预测土壤中重金属元素浓度的准确性	土壤中的重金属元素浓度	机器学习	NA	XRF	CBLA-Net	光谱数据	未具体说明样本数量
18853	2024-08-27	In vivo ultrasound localization microscopy for high-density microbubbles 2024-Sep, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107410 PMID:39084108	研究论文	本文介绍了一种结合Transformer和U-Net架构的深度学习框架ULM-TransUNet，用于提高高密度微泡条件下的超声定位显微成像质量	提出了ULM-TransUNet框架，能够学习重叠微泡的复杂数据模式，提高定位精度	目前仅通过数值模拟和体内实验验证，尚未在临床广泛应用	旨在提高高密度微泡条件下的超声定位显微成像性能	高密度微泡的超声定位显微成像	计算机视觉	NA	超声定位显微成像（ULM）	Transformer和U-Net	图像	具体样本数量未在摘要中提及
18854	2024-08-27	Spectral analysis enhanced net (SAE-Net) to classify breast lesions with BI-RADS category 4 or higher 2024-Sep, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107406 PMID:39047350	research paper	本文提出了一种名为SAE-Net的新型网络，结合组织微观结构信息与形态学信息，用于提高高级别乳腺病变的识别	SAE-Net通过结合灰度图像分支和光谱模式分支，能够同时学习图像形态学特征和超声射频信号的微观结构特征	NA	提高乳腺超声筛查中高级别乳腺病变的识别准确性	乳腺病变，特别是BI-RADS分类为4级或以上的病变	computer vision	breast cancer	NA	CNN	image	NA
18855	2024-08-27	Deep coherence learning: An unsupervised deep beamformer for high quality single plane wave imaging in medical ultrasound 2024-Sep, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107408 PMID:39094387	研究论文	本文提出了一种新的无监督学习方法——深度相干学习（DCL），用于提高医学超声中单平面波成像（PWI）的质量	提出的DCL-based深度学习波束形成器（DL-DCL）能够从低质量的单平面波数据中生成高质量的PWI，并具有通用波束形成能力	NA	旨在通过深度学习技术提高医学超声中单平面波成像的质量	医学超声中的单平面波成像	计算机视觉	NA	深度学习	深度相干学习（DCL）	图像	使用公开数据集进行了模拟、幻影和体内研究
18856	2024-08-27	A Multiscale Connected UNet for the Segmentation of Lung Cancer Cells in Pathology Sections Stained Using Rapid On-Site Cytopathological Evaluation 2024-Sep, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.011 PMID:38897537	研究论文	本研究提出了一种基于深度学习的分割算法，用于快速现场细胞病理学评估（ROSE），以提高内镜超声引导下经支气管针吸活检（EBUS-TBNA）手术中的诊断效率	该算法通过使用CUNet3+网络模型，能够准确分割ROSE染色病理切片中的癌细胞团簇，并在准确性上优于传统的分割算法	NA	提高肺癌早期检测的准确性	肺癌细胞在ROSE染色病理切片中的分割	数字病理学	肺癌	深度学习	CUNet3+	图像	内部测试数据集
18857	2024-08-27	Deep Learning Classification and Quantification of Pejorative and Nonpejorative Architectures in Resected Hepatocellular Carcinoma from Digital Histopathologic Images 2024-Sep, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.007 PMID:38879083	研究论文	本研究利用基于ResNet34的监督式深度学习方法，对680张全切片图像（WSIs）进行分析，构建了一种算法用于识别和量化肝细胞癌切除标本中的有害和非有害结构	本研究首次采用深度学习技术识别和量化肝细胞癌中的有害结构，并验证了其在预测复发风险中的有效性	研究仅在一个外部医院的数据集上进行了验证，需要进一步在更多数据集上验证其泛化能力	开发一种基于人工智能的特征的复合预测算法，用于早期肝细胞癌切除后的复发预测	肝细胞癌切除标本中的有害和非有害结构	数字病理学	肝细胞癌	深度学习	ResNet34	图像	680张全切片图像（WSIs）来自107个肝切除标本，以及29个来自另一个医院的肝细胞癌样本
18858	2024-08-27	Deep learning based diagnosis of PTSD using 3D-CNN and resting-state fMRI data 2024-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2024.111845 PMID:38908302	研究论文	本研究使用基于深度学习的三维卷积神经网络（3D-CNN）和静息态功能磁共振成像（rs-fMRI）数据来诊断创伤后应激障碍（PTSD）	本研究首次使用3D-CNN模型对rs-fMRI数据进行分析，显示出比其他六种机器学习技术更高的分类准确率	NA	旨在通过分类PTSD患者与健康对照来准确检测PTSD	PTSD患者与健康对照的rs-fMRI扫描数据	机器学习	心理疾病	功能磁共振成像（fMRI）	三维卷积神经网络（3D-CNN）	图像	19名PTSD男性患者和24名健康对照男性
18859	2024-08-27	scSwinFormer: A Transformer-Based Cell-Type Annotation Method for scRNA-Seq Data Using Smooth Gene Embedding and Global Features 2024-Aug-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00616 PMID:39101690	研究论文	本文介绍了一种基于Transformer的深度学习方法scSwinFormer，用于大规模scRNA-seq数据的细胞类型注释	scSwinFormer通过平滑基因嵌入模块和自注意力模块捕捉基因间的潜在依赖关系，并利用Cell Token整合scRNA-seq数据中的全局信息，提高了细胞类型注释的准确性	NA	开发一种新的方法来提高scRNA-seq数据细胞类型注释的准确性	scRNA-seq数据的细胞类型注释	机器学习	NA	scRNA-seq	Transformer	基因表达数据	多个真实数据集
18860	2024-08-27	Denoising Drug Discovery Data for Improved Absorption, Distribution, Metabolism, Excretion, and Toxicity Property Prediction 2024-Aug-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00639 PMID:39108185	研究论文	本文开发了一种基于深度学习的去噪方案，用于提高小分子吸收、分布、代谢、排泄和毒性（ADMET）属性预测的准确性	首次提出使用训练误差（TE）作为噪声检测指标，通过微调原始模型与去噪数据来提高ADMET数据模型的性能	该方法主要适用于中等噪声的模型，对于低噪声和高噪声模型的性能改善有限	提高ADMET属性预测模型的准确性	小分子的ADMET属性	机器学习	NA	深度学习	NA	数据	NA