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
19461	2024-08-14	Deep learning for accelerated and robust MRI reconstruction 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01173-8 PMID:39042206	综述	本文综述了深度学习在磁共振成像（MRI）重建中的最新进展，重点介绍了各种深度学习方法和架构，旨在提高图像质量、加速扫描并解决数据相关挑战	探讨了端到端神经网络、预训练和生成模型以及自监督方法，强调了它们在克服传统MRI限制方面的贡献	讨论了当前深度学习在MRI重建中的成功、局限以及未来发展方向	利用深度学习技术优化MRI重建，以显著影响临床影像实践	磁共振成像（MRI）重建	计算机视觉	NA	深度学习（DL）	神经网络	图像	NA
19462	2024-08-14	A Deep Learning-Based Assessment Pipeline for Intraepithelial and Stromal Tumor-Infiltrating Lymphocytes in High-Grade Serous Ovarian Carcinoma 2024-07, The American journal of pathology DOI:10.1016/j.ajpath.2024.02.016 PMID:38537936	研究论文	本研究开发了两个卷积神经网络模型，用于检测和确定高级别浆液性卵巢癌患者全切片图像中肿瘤浸润淋巴细胞（TILs）的空间位置，并建立了一个空间评估流程，客观量化上皮内和间质TILs	本研究首次使用深度学习技术客观量化上皮内和间质TILs，并根据TILs密度将患者分为三种免疫表型，为个性化治疗提供了新的评估方法	NA	开发一种新的评估方法，用于客观量化高级别浆液性卵巢癌患者中的肿瘤浸润淋巴细胞（TILs），并探索其在临床个性化治疗中的应用潜力	高级别浆液性卵巢癌患者中的肿瘤浸润淋巴细胞（TILs）	机器学习	卵巢癌	卷积神经网络（CNN）	CNN	图像	多个队列的高级别浆液性卵巢癌患者
19463	2024-08-14	Multimodal Cardiac Imaging Revisited by Artificial Intelligence: An Innovative Way of Assessment or Just an Aid? 2024-Jul, Cureus DOI:10.7759/cureus.64272 PMID:39130913	综述	本文综述了人工智能在多模态心脏影像中的应用及其对心血管疾病诊断的影响	人工智能，尤其是机器学习和深度学习，显著提升了心脏诊断能力，如无创冠状动脉疾病诊断、心律失常检测及个性化治疗策略	仍需解决数据标准化、算法验证、监管批准及伦理问题等挑战	探讨人工智能在多模态心脏影像中的应用及其对心血管疾病诊断的贡献	人工智能在心脏影像中的应用及其对心血管疾病诊断的影响	计算机视觉	心血管疾病	机器学习, 深度学习	NA	影像	NA
19464	2024-08-14	Molecular Mechanism of Phosphorylation-Mediated Impacts on the Conformation Dynamics of GTP-Bound KRAS Probed by GaMD Trajectory-Based Deep Learning 2024-May-15, Molecules (Basel, Switzerland) DOI:10.3390/molecules29102317 PMID:38792177	研究论文	本研究使用高斯加速分子动力学（GaMD）模拟结合深度学习（DL）探索磷酸化对GTP结合KRAS构象动力学的影响	首次结合GaMD模拟和深度学习分析磷酸化对KRAS构象动力学的影响，揭示了磷酸化位点pY32、pY64和pY137对KRAS功能的关键作用	NA	探索磷酸化对GTP结合KRAS构象动力学的影响及其分子机制	GTP结合KRAS的构象动力学及其磷酸化位点的影响	生物信息学	NA	高斯加速分子动力学（GaMD）模拟	深度学习（DL）	分子动力学轨迹	NA
19465	2024-08-14	Computational Pathology for Prediction of Isocitrate Dehydrogenase Gene Mutation from Whole Slide Images in Adult Patients with Diffuse Glioma 2024-05, The American journal of pathology DOI:10.1016/j.ajpath.2024.01.009 PMID:38325551	研究论文	开发了一种基于聚类的卷积神经网络和视觉变换器的混合深度学习模型，用于从无注释的苏木精和伊红染色的全切片病理图像中检测成人弥漫性胶质瘤患者的异柠檬酸脱氢酶基因突变状态	提出的混合模型在验证集和外部测试集上的表现优于其他模型，尤其是在具有不同IDH状态但共享组织学特征的困难亚组中	NA	开发一种计算病理学工具，用于快速初步检测成人弥漫性胶质瘤患者的异柠檬酸脱氢酶基因突变	成人弥漫性胶质瘤患者的异柠檬酸脱氢酶基因突变状态	数字病理学	脑瘤	NA	卷积神经网络和视觉变换器	图像	2275名成人弥漫性胶质瘤患者
19466	2024-08-14	A Histopathologic Image Analysis for the Classification of Endocervical Adenocarcinoma Silva Patterns Depend on Weakly Supervised Deep Learning 2024-05, The American journal of pathology DOI:10.1016/j.ajpath.2024.01.016 PMID:38382842	研究论文	研究开发了一种基于弱监督深度学习的深度学习管道（Silva3-AI），用于自动分析基于全切片图像的组织病理学图像并准确识别Silva模式	Silva3-AI模型采用视觉变换器和循环神经网络架构，利用多倍率补丁，实现了高精度的Silva模式识别，并与具有10年诊断经验的专业病理学家的表现相当	NA	开发一种自动分析组织病理学图像并识别Silva模式的深度学习管道	子宫颈腺癌中的Silva模式	数字病理学	子宫颈癌	弱监督深度学习	视觉变换器和循环神经网络	图像	初始研究包括202名子宫颈腺癌患者，随后从其他7个医疗中心收集了161名患者进行独立测试
19467	2024-08-14	A physics-informed deep learning framework for modeling of coronary in-stent restenosis 2024-Apr, Biomechanics and modeling in mechanobiology IF:3.0Q3 DOI:10.1007/s10237-023-01796-1 PMID:38236483	研究论文	本文开发了一种基于物理信息的深度学习框架，用于模拟冠状动脉支架内再狭窄	采用物理信息神经网络（PINNs）这一新型深度学习方法，将物理定律和测量数据融入模型中，提高了预测准确性	NA	开发一种稳健的多物理场代理模型，用于估计支架内再狭窄，并提供疾病进展因素的见解	冠状动脉支架内再狭窄的预测和治疗规划	机器学习	心血管疾病	物理信息神经网络（PINNs）	物理信息神经网络（PINNs）	患者特定数据（手术相关、临床和遗传等）	NA
19468	2024-08-14	Brain volume is a better biomarker of outcomes in ischemic stroke compared to brain atrophy 2024-Mar-19, ArXiv PMID:38562453	研究论文	本文评估了脑体积在缺血性中风后功能结果中的作用，并比较了其与脑萎缩指标（如脑实质分数BPF）作为生物标志物的有效性。	首次展示了在缺血性中风后，较高的脑体积作为生物标志物比脑萎缩指标更能解释有利的功能结果。	研究仅限于单一中心的病例，且样本时间跨度有限，可能影响结果的普遍性。	评估脑体积在缺血性中风后作为功能结果生物标志物的有效性。	缺血性中风患者的功能结果。	NA	中风	深度学习	逻辑回归	影像	467名缺血性中风患者
19469	2024-08-14	A gradient mapping guided explainable deep neural network for extracapsular extension identification in 3D head and neck cancer computed tomography images 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16680 PMID:37643447	研究论文	本文提出了一种基于梯度映射引导的可解释深度神经网络，用于自动识别3D头颈部癌症CT图像中的外囊扩展（ECE）	本文创新性地提出了梯度映射引导的可解释网络（GMGENet）框架，无需标注淋巴结区域信息即可自动识别ECE	NA	旨在开发一种自动识别头颈部鳞状细胞癌（HNSCC）患者CT图像中ECE的方法，以改善诊断和治疗计划	头颈部鳞状细胞癌（HNSCC）患者的3D CT图像中的外囊扩展（ECE）	计算机视觉	头颈部癌	梯度加权类激活映射（Grad-CAM）	深度神经网络	图像	NA
19470	2024-08-14	Deep learning enables the differentiation between early and late stages of hip avascular necrosis 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10104-5 PMID:37581656	研究论文	本文开发了一种深度学习方法，通过训练三种卷积神经网络（CNN）来区分早期和晚期股骨头坏死（AVN）阶段，以辅助治疗决策。	使用深度学习方法和卷积神经网络集合来准确区分早期和晚期股骨头坏死阶段，其性能与专家放射科医生相当。	模型在外部验证时性能有所下降。	开发一种深度学习方法来区分早期和晚期股骨头坏死，以辅助临床治疗决策。	股骨头坏死（AVN）的早期和晚期阶段。	机器学习	骨科疾病	卷积神经网络（CNN）	CNN	图像	104例MRI检查，外部验证集49例患者。
19471	2024-08-14	Value of deep learning reconstruction of chest low-dose CT for image quality improvement and lung parenchyma assessment on lung window 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10087-3 PMID:37581663	研究论文	本研究探讨了低剂量计算机断层扫描（LDCT）结合深度学习重建（DLR）对图像质量和肺实质评估的改进效果	DLR能够有效降低图像噪声并提高图像质量，对于评估肺部病变具有良好表现，除了亚实性结节和肺部减低衰减	DLR在评估亚实性结节和肺部减低衰减方面表现不如常规剂量CT	评估DLR应用于胸部低剂量CT对图像质量和肺实质评估的改进	60名患者的胸部常规剂量CT和低剂量CT图像	计算机视觉	肺部疾病	低剂量计算机断层扫描（LDCT）	深度学习重建（DLR）	图像	60名患者
19472	2024-08-14	Noninvasive identification of HER2-low-positive status by MRI-based deep learning radiomics predicts the disease-free survival of patients with breast cancer 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09990-6 PMID:37597033	研究论文	本研究旨在建立基于磁共振成像（MRI）的深度学习放射组学（DLR）特征，以预测乳腺癌患者的人表皮生长因子受体2（HER2）低阳性状态，并通过DLR模型验证其预后差异	成功构建了基于MRI的DLR模型，能够非侵入性地评估HER2状态，并进一步揭示预测HER2低阳性状态患者无病生存期的前景	NA	建立并验证基于MRI的深度学习放射组学模型，以预测乳腺癌患者的HER2低阳性状态及其无病生存期	乳腺癌患者的HER2低阳性状态及其无病生存期	数字病理学	乳腺癌	深度学习放射组学	深度学习模型	MRI图像	481名接受术前MRI的乳腺癌患者
19473	2024-08-14	Effects of a comprehensive brain computed tomography deep learning model on radiologist detection accuracy 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10074-8 PMID:37606663	研究论文	本研究评估了一种全面的脑部CT深度学习模型对放射科医生检测准确性的影响	该深度学习模型显著提高了放射科医生的解读性能，并减少了解读时间	NA	评估深度学习模型在辅助放射科医生进行脑部CT扫描解读中的效果	放射科医生在使用和不使用深度学习模型辅助下的脑部CT扫描解读性能	计算机视觉	NA	深度学习	深度学习模型	图像	212,484例脑部CT扫描，32名放射科医生评估2848例扫描
19474	2024-08-14	Accelerated 3D MR neurography of the brachial plexus using deep learning-constrained compressed sensing 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09996-0 PMID:37606664	研究论文	本研究探讨了深度学习约束的压缩感知（DLCS）在提高臂丛3D MRI图像质量和缩短采集时间方面的应用	DLCS4x在信号噪声比和对比噪声比方面优于SENSE4x、CS4x和DLCS8x，且在未增强组中，DLCS4x在臂丛的各个段中评分均高于其他方法	NA	提高臂丛3D MRI的图像质量和缩短采集时间	臂丛的3D MRI图像	计算机视觉	NA	深度学习约束的压缩感知（DLCS）	CNN	图像	54名接受增强成像的参与者和41名接受未增强成像的参与者
19475	2024-08-14	Automated, fast, robust brain extraction on contrast-enhanced T1-weighted MRI in presence of brain tumors: an optimized model based on multi-center datasets 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10078-4 PMID:37615767	研究论文	本文开发了一种基于nnU-Net的深度学习模型，用于在脑肿瘤存在的情况下自动提取对比增强T1加权MRI图像中的脑部结构	该模型能够自动处理包含脑肿瘤的MRI神经影像数据，提取包括重要浅表结构在内的脑部结构，为肿瘤分析提供更多信息	模型在脑膜瘤和前庭神经鞘瘤组中的性能略有下降，并且在肿瘤周围水肿组中存在显著差异	优化现有的脑部提取模型，以提供更多肿瘤分析所需的信息	对比增强T1加权MRI图像中的脑部结构提取	计算机视觉	脑肿瘤	nnU-Net	深度学习模型	MRI图像	研究涉及920名患者，其中720例来自私人机构，200例来自公共数据集
19476	2024-08-14	Unfolded Proximal Neural Networks for Robust Image Gaussian Denoising 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3437219 PMID:39110565	研究论文	本文提出了一种基于双FB和原始对偶Chambolle-Pock算法的统一框架，用于构建用于高斯去噪任务的近端神经网络（PNNs），并探讨了其鲁棒性和去噪效率。	引入了加速惯性版本的算法，并在关联的神经网络层中实现了跳跃连接。	NA	改进图像去噪任务的估计质量。	高斯去噪任务和图像去模糊问题。	计算机视觉	NA	近端算法与深度学习策略结合	近端神经网络（PNNs）	图像	NA
19477	2024-08-14	Deep learning-based elaiosome detection in milk thistle seed for efficient high-throughput phenotyping 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1395558 PMID:39129764	研究论文	本研究提出了一种基于深度学习的新方法，用于半自动检测和分割奶蓟种子中的油质体，以实现高效的高通量表型分析	使用Detectron2深度学习算法进行半自动图像标注和模型再训练，提高了检测和分割油质体的准确性	NA	开发一种高效的高通量表型分析方法，用于检测和分割奶蓟种子中的油质体	奶蓟种子中的油质体	计算机视觉	NA	深度学习	Detectron2	图像	总共使用了6,000张标记图像进行训练
19478	2024-08-14	Diagnostic value of a deep learning-based hyoid bone tracking model for aspiration in patients with post-stroke dysphagia 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241271778 PMID:39130520	研究论文	本研究利用基于深度学习的甲状骨追踪模型，评估其在卒中后吞咽困难患者中预测吸入风险的诊断价值	采用基于BiFPN-U-Net(T)架构的深度学习模型，高效准确地测量甲状骨运动距离，并评估其在临床上的实用性	NA	旨在更高效准确地测量卒中后吞咽困难患者甲状骨运动距离，并确定该模型的临床有用性	卒中后吞咽困难患者的甲状骨运动	机器学习	卒中	深度学习	BiFPN-U-Net(T)	视频	85名卒中后吞咽困难患者，分为吸入组（35名）和非吸入组（50名）
19479	2024-08-14	Design of Interoperable Electronic Health Record (EHR) Application for Early Detection of Lung Diseases Using a Decision Support System by Expanding Deep Learning Techniques 2024, The open respiratory medicine journal DOI:10.2174/0118743064296470240520075316 PMID:39130650	研究论文	本研究旨在通过扩展深度学习技术，设计一个用于早期发现肺部疾病的互操作电子健康记录（EHR）应用程序，利用决策支持系统提高护理质量。	本研究通过开发一个Android应用程序，结合深度学习技术，实现了EHR系统的互操作性和早期肺部疾病的检测。	研究主要集中在肺部疾病的早期检测，未来工作可以扩展到其他疾病的早期检测。	实现一个互操作的EHR系统，通过决策支持系统在早期阶段识别肺部疾病，提高护理质量。	主要研究对象是肺部疾病，特别是肺癌的早期检测。	机器学习	肺部疾病	深度学习技术	深度学习模型	图像	实验过程中共考虑了316张图像，数据集分为80:20的训练和测试比例。
19480	2024-08-14	Prediction of PM2.5 concentration based on a CNN-LSTM neural network algorithm 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.17811 PMID:39131620	研究论文	本研究基于卷积神经网络长短期记忆（CNN-LSTM）模型，预测和分析了监测站的PM浓度	采用CNN-LSTM深度学习模型，结合CNN层提取空间特征和LSTM层学习时间依赖性，提高了PM浓度的预测准确性和泛化能力	NA	预测和分析PM浓度的空间分布，以便更好地追踪污染源并采取保护人类健康的措施	青岛市2020年的PM数据及气象因素（如温度、风速和气压）	机器学习	NA	CNN-LSTM	CNN-LSTM	时间序列数据	青岛市2020年的PM数据及气象因素数据