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
19041	2024-08-30	A simulative deep learning model of SNP interactions on chromosome 19 for predicting Alzheimer's disease risk and rates of disease progression 2023-12, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.13319 PMID:37409680	研究论文	本文通过模拟深度学习模型分析染色体19上的单核苷酸多态性（SNP）交互作用，预测阿尔茨海默病（AD）的风险和疾病进展速率	采用了一种新颖的模拟深度学习模型，使用遮挡方法量化每个SNP及其上位效应对AD可能性的影响	NA	识别与阿尔茨海默病相关的遗传模式，以构建个性化的治疗策略	染色体19上的遗传数据和单核苷酸多态性（SNP）	机器学习	阿尔茨海默病	深度学习	深度学习模型	遗传数据	使用了来自阿尔茨海默病神经影像学倡议和阿尔茨海默病影像学与遗传生物标志物数据集的染色体19遗传数据
19042	2024-08-30	Parking Lot Occupancy Detection with Improved MobileNetV3 2023-Sep-03, Sensors (Basel, Switzerland) DOI:10.3390/s23177642 PMID:37688098	研究论文	本研究通过优化MobileNetV3模型并结合自定义架构改进，实现了停车场车位占用状态的精确检测	引入了卷积块注意力机制和蓝图可分离卷积，相较于传统深度可分离卷积，提升了模型性能	NA	提高停车场管理系统中车位占用检测的准确性	停车场车位占用状态	计算机视觉	NA	深度学习	MobileNetV3	视频	使用CNRPark-EXT和PKLot数据集进行训练和测试
19043	2024-08-30	Deep learning of image-derived measures of body composition in pediatric, adolescent, and young adult lymphoma: association with late treatment effects 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09587-z PMID:36988714	研究论文	本研究使用深度学习方法分析儿童、青少年和年轻成年淋巴瘤患者的标准护理CT图像中的身体成分测量，以评估其对治疗晚期效应的预测价值。	本研究首次将深度学习技术应用于半自动分析淋巴瘤患者的身体成分，并评估其与治疗晚期效应的关系。	研究为回顾性、单中心研究，样本量相对较小，可能影响结果的普遍性。	研究目的是将深度学习方法应用于半自动分析淋巴瘤患者的身体成分，并评估其对治疗晚期效应的预测价值。	研究对象为110名儿童、青少年和年轻成年淋巴瘤患者。	计算机视觉	淋巴瘤	深度学习	深度学习模型	图像	110名患者，260个CT图像数据集
19044	2024-08-30	The effect of hepatic steatosis on liver volume determined by proton density fat fraction and deep learning-measured liver volume 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09603-2 PMID:37012546	研究论文	本研究评估了肝脂肪变性（HS）对肝脏体积的影响，并开发了一种公式来估计校正HS影响的瘦肝体积	提出了一个公式来估计校正肝脂肪变性影响的瘦肝体积	这是一个回顾性研究，样本仅包括健康的成年肝脏捐赠者	评估肝脂肪变性对肝脏体积的影响并开发校正公式	肝脂肪变性对肝脏体积的影响	NA	NA	磁共振成像（MRI），质子密度脂肪分数（PDFF）测量	深度学习算法	图像	1038名捐赠者（平均年龄31±9岁，689名男性）
19045	2024-08-30	Liver PDFF estimation using a multi-decoder water-fat separation neural network with a reduced number of echoes 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09576-2 PMID:37014405	研究论文	本文提出了一种基于深度学习的多解码器水脂分离神经网络（MDWF-Net），用于从仅含3个回波的化学位移编码MRI图像中准确估计肝脏质子密度脂肪分数（PDFF）。	创新点在于使用多解码器水脂分离神经网络，通过减少回波数量来缩短MR扫描时间，同时保持PDFF估计的准确性。	NA	研究目的是通过减少回波数量，缩短MR扫描时间，同时保持肝脏PDFF估计的准确性。	研究对象是肝脏PDFF的估计，使用的是化学位移编码MRI图像。	机器学习	NA	MRI	CNN	图像	134名受试者的MRI数据用于训练，14名受试者的数据用于评估。
19046	2024-08-30	Dynamic evolution of brain structural patterns in liver transplantation recipients: a longitudinal study based on 3D convolutional neuronal network model 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09604-1 PMID:37014408	研究论文	本研究评估了肝移植受者在手术前后大脑结构模式的变化，使用基于深度学习的神经解剖生物标志物进行纵向测量。	采用3D卷积神经网络模型来预测大脑年龄，并通过网络遮挡敏感性分析确定各网络在年龄预测中的重要性。	NA	评估肝移植受者大脑健康的动态演变过程。	肝移植受者的大脑结构模式。	机器学习	NA	3D卷积神经网络	3D-CNN	MRI图像	3609名健康个体和60名肝移植受者及134名对照组
19047	2024-08-30	Intelligent noninvasive meningioma grading with a fully automatic segmentation using interpretable multiparametric deep learning 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09590-4 PMID:37052658	研究论文	本文建立了一种基于多参数深度学习模型的全自动无创脑膜瘤分级系统，并进行了分割	采用多参数三维U-net和ResNet构建的两阶段深度学习分级模型，结合T1C和T2图像，提高了分级和分割的准确性	NA	开发一种稳健的、可解释的多参数深度学习模型，用于自动无创脑膜瘤分级和分割	257名经病理证实的脑膜瘤患者（162例低级别，95例高级别）的脑部MRI图像	机器学习	脑膜瘤	MRI	U-net, ResNet	图像	训练集257例，验证集61例
19048	2024-08-30	Risk estimation for idiopathic normal-pressure hydrocephalus: development and validation of a brain morphometry-based nomogram 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09612-1 PMID:37059905	研究论文	开发并验证了一种基于脑部形态测量的诺模图，用于预测特发性正常压力脑积水	利用深度学习技术进行脑部分割和三维体积测量，开发了一种结合高凸紧密度、胼胝体角度小于90°和标准化侧脑室体积的诺模图	NA	开发和验证一种基于MRI特征的诺模图，用于预测特发性正常压力脑积水	60岁及以上被临床诊断为特发性正常压力脑积水、帕金森病、阿尔茨海默病或健康对照的患者	NA	特发性正常压力脑积水	MRI	深度学习	图像	452名患者（平均年龄±标准差，73.2±6.5岁；200名男性）
19049	2024-08-30	Deep learning-based diagnosis of osteoblastic bone metastases and bone islands in computed tomograph images: a multicenter diagnostic study 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09573-5 PMID:37060446	研究论文	本研究开发并验证了一种基于CT图像的深度学习（DL）模型，用于区分骨岛和成骨性骨转移瘤	采用三切片CT图像输入的2.5D深度学习模型在分类硬化性骨病变方面优于2D模型	NA	开发和验证一种深度学习模型，用于区分骨岛和成骨性骨转移瘤	硬化性骨病变（SBLs）患者	计算机视觉	骨转移瘤	深度学习	2D和2.5D深度学习模型	CT图像	共使用了1918个SBLs样本，涉及728名患者（站点1），122个SBLs样本，涉及71名患者（站点2），71个SBLs样本，涉及47名患者（站点3）
19050	2024-08-30	Fully automated segmentation and radiomics feature extraction of hypopharyngeal cancer on MRI using deep learning 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09827-2 PMID:37338554	研究论文	本文使用卷积神经网络实现喉下癌（HPC）在MRI上的全自动分割和放射组学特征提取	DeepLab V3+模型在自动分割和放射组学特征提取方面优于U-Net模型，特别是在小肿瘤体积的分割上表现更佳	NA	研究目的是利用深度学习技术实现喉下癌肿瘤在MRI上的自动分割和放射组学特征提取	研究对象为222名喉下癌患者，其中178名用于训练，44名用于测试	计算机视觉	喉下癌	MRI	CNN	图像	222名喉下癌患者
19051	2024-08-30	Neural network combining with clinical ultrasonography: A new approach for classification of salivary gland tumors 2023-08, Head & neck DOI:10.1002/hed.27396 PMID:37222027	研究论文	本文探讨了深度学习方法在唾液腺肿瘤超声图像分类中的应用	首次比较了超声训练模型与计算机断层扫描或磁共振成像训练模型的准确性	研究为回顾性，样本量有限	比较不同成像技术训练模型在唾液腺肿瘤分类中的准确性	唾液腺肿瘤的超声图像	机器学习	NA	深度学习	神经网络	图像	638名患者，包括558例良性肿瘤和80例恶性肿瘤
19052	2024-08-30	COVID-19 mortality prediction in the intensive care unit with deep learning based on longitudinal chest X-rays and clinical data 2022-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-022-08588-8 PMID:35184218	研究论文	本研究旨在利用基于纵向胸部X光片和临床数据的深度学习模型预测重症监护室（ICU）中COVID-19患者的院内死亡率	本研究的创新点在于结合纵向胸部X光片和临床数据，通过深度学习模型显著提高了COVID-19患者在ICU中的死亡率预测准确性	NA	开发深度学习模型，预测ICU中COVID-19患者的院内死亡率	COVID-19患者在ICU中的院内死亡率	机器学习	COVID-19	深度学习	Transformer网络	图像和文本	654名患者（212名死亡，442名存活，共5645张胸部X光片）
19053	2024-08-30	Recent advances and clinical applications of deep learning in medical image analysis 2022-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102444 PMID:35472844	review	本文综述了深度学习在医学图像分析中的最新进展和临床应用	强调了最先进的无监督和半监督深度学习在医学图像分析中的最新进展和贡献	深度学习模型在医学图像分析中的进一步改进主要受限于缺乏大型且标注良好的数据集	提供深度学习方法在各种医学图像分析任务中应用的全面概述	医学图像分析任务，包括分类、分割、检测和图像配准	computer vision	NA	deep learning	CNN	image	NA
19054	2024-08-30	A deep learning model identifies emphasis on hard work as an important predictor of income inequality 2022-06-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-13902-x PMID:35701456	研究论文	本文通过重新训练一个现有的深度学习模型，分析了世界价值观调查受访者对收入不平等必要性的看法，并发现强调努力工作是预测收入不平等的重要心理因素	本文首次使用机器学习模型来识别和验证强调努力工作作为收入不平等的心理预测因素，并提出了新假设	研究主要基于相关性和实验数据，未来研究需进一步验证因果关系	探讨和验证心理因素在解释社会收入不平等中的作用	世界价值观调查受访者对收入不平等的看法	机器学习	NA	深度学习模型	深度学习模型	调查数据	世界价值观调查受访者
19055	2024-08-30	Retro Drug Design: From Target Properties to Molecular Structures 2022-06-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.2c00123 PMID:35653613	研究论文	本文介绍了一种新的策略——逆向药物设计（RDD），用于从头创建满足多个预定义要求的新型小分子药物	RDD利用人工智能和其他计算方法，通过蒙特卡洛采样算法和深度学习模型生成具有目标属性的分子结构，显示出高度的创新性	NA	旨在通过逆向药物设计策略加速和优化药物发现过程	新型小分子药物的生成和其生物活性及ADMET属性的优化	药物发现	NA	人工智能（AI）、蒙特卡洛采样算法、深度学习	深度学习模型	分子结构	3,040个结构中筛选出20个进行合成和实验测量，其中15个为有效化合物，8个为强效化合物
19056	2024-08-30	Deep learning enables reference-free isotropic super-resolution for volumetric fluorescence microscopy 2022-06-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-30949-6 PMID:35676288	研究论文	本文提出了一种基于深度学习的无监督超分辨率技术，用于提升体积荧光显微镜中的各向异性图像分辨率	该方法无需高分辨率目标图像匹配，仅通过单一3D图像堆栈进行网络训练，简化了实施过程	NA	解决体积荧光显微镜中各向异性空间分辨率的限制问题	体积荧光显微镜中的各向异性图像	计算机视觉	NA	深度学习	生成对抗网络	图像	单一3D图像堆栈
19057	2024-08-30	A streamlined platform for analyzing tera-scale DDA and DIA mass spectrometry data enables highly sensitive immunopeptidomics 2022-06-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-30867-7 PMID:35672356	研究论文	本文介绍了一种集成数据依赖采集（DDA）和数据独立采集（DIA）方法的流线型平台，用于分析大规模质谱数据，特别是在免疫肽组学应用中提高灵敏度	该平台整合了基于深度学习的谱库搜索、数据库搜索和从头测序解决方案，不仅提高了灵敏度，还能准确控制肽鉴定的特异性	NA	开发一种能够分析大规模质谱数据的平台，以提高免疫肽组学的灵敏度	DDA和DIA质谱数据分析	生物信息学	COVID-19	质谱分析	深度学习	质谱数据	数千个样本
19058	2024-08-30	BrainGAN: Brain MRI Image Generation and Classification Framework Using GAN Architectures and CNN Models 2022-Jun-06, Sensors (Basel, Switzerland) DOI:10.3390/s22114297 PMID:35684918	研究论文	本文提出了一种名为BrainGAN的框架，用于生成和分类脑部MRI图像，该框架使用GAN架构和深度学习模型	本文通过应用生成对抗网络（GAN）的增强技术解决了脑部MRI图像缺乏的问题，并提出了一个自动检查生成图像满意度的方法	NA	开发一种在医学影像领域应用深度学习模型的有效框架	脑部MRI图像的生成和分类	计算机视觉	NA	生成对抗网络（GAN）	CNN, MobileNetV2, ResNet152V2	图像	测试集由真实的脑部MRI图像组成
19059	2024-08-30	Automated soccer head impact exposure tracking using video and deep learning 2022-06-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-13220-2 PMID:35661123	研究论文	本文开发并应用了一种名为DeepImpact的计算机视觉算法，用于自动检测足球比赛视频中的头球事件	DeepImpact算法通过使用深度学习网络自动检测和分类足球视频中的头球事件，提供了一种低成本且高效的替代传统穿戴式传感器和手动视频分析的方法	算法在独立测试中的精确度较低，需要通过额外的人工视频验证来减少误报	研究头球暴露与脑损伤风险之间的潜在联系	足球比赛视频中的头球事件	计算机视觉	NA	深度学习	CNN	视频	使用了包含五个职业足球比赛视频的独立测试数据集
19060	2024-08-30	Deep Learning Based Real-Time Semantic Segmentation of Cerebral Vessels and Cranial Nerves in Microvascular Decompression Scenes 2022-06-02, Cells IF:5.1Q2 DOI:10.3390/cells11111830 PMID:35681525	研究论文	本文提出了一种轻量级的快速语义分割网络MVDNet，用于微血管减压场景中的脑部血管和颅神经的实时分割	设计了轻量级非对称瓶颈模块（LAB）和特征融合模块（FFM），实现了分割精度和速度的良好平衡	NA	实现微血管减压手术中脑部血管和颅神经的自动提取	脑部血管和颅神经	计算机视觉	NA	深度学习	CNN	图像	MVD测试集