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
19601	2024-09-05	CT reconstruction using diffusion posterior sampling conditioned on a nonlinear measurement model 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.043504 PMID:39220597	研究论文	本文提出了一种基于扩散后验采样的CT重建方法，该方法结合了非线性测量模型	本文的创新点在于将扩散后验采样技术与非线性测量模型相结合，以提高CT图像重建的质量	NA	研究目的是改进CT图像重建技术，特别是在处理低质量测量数据时	研究对象是CT图像重建技术及其在不同采集协议中的应用	计算机视觉	NA	扩散后验采样	扩散模型	图像	NA
19602	2024-09-05	CT Reconstruction using Diffusion Posterior Sampling conditioned on a Nonlinear Measurement Model 2024-Jun-11, ArXiv PMID:38947914	研究论文	本文提出了一种基于扩散后验采样的非线性测量模型CT重建新方法	该方法通过结合非线性物理模型的测量似然得分函数与扩散先验，实现了无需额外训练的通用非线性CT图像重建	NA	解决非线性CT图像重建的逆问题	CT图像重建技术	计算机视觉	NA	扩散后验采样	扩散模型	图像	在全采样低剂量数据和稀疏视图几何中进行了演示
19603	2024-09-05	Epitope Identification of an mGlu5 Receptor Nanobody Using Physics-Based Molecular Modeling and Deep Learning Techniques 2024-Jun-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01620 PMID:38423996	研究论文	本文提出了一种计算方法，用于识别作为激动剂和正变构调节剂的纳米抗体的表位，并使用物理基础的分子建模和深度学习技术进行验证。	本文首次采用计算方法结合多种结构建模工具和人工智能算法来识别纳米抗体的表位，并进行了实验验证。	实验结构技术虽然有效，但成本高且耗时。	旨在通过计算方法识别纳米抗体的表位，以促进其作为治疗药物的开发。	研究对象为作为激动剂和正变构调节剂的纳米抗体，以及大鼠代谢型谷氨酸受体5。	机器学习	NA	物理基础的分子建模和深度学习技术	人工智能算法	分子结构	NA
19604	2024-09-05	The Deep Learning Framework iCanTCR Enables Early Cancer Detection Using the T-cell Receptor Repertoire in Peripheral Blood 2024-Jun-04, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-0860 PMID:38536129	研究论文	本文开发了深度学习框架iCanTCR，用于基于T细胞受体（TCR）谱在早期检测癌症	iCanTCR框架能够准确识别早期癌症患者，并能区分多种癌症类型	NA	开发一种基于TCR谱的深度学习框架，用于早期癌症检测	T细胞受体（TCR）谱在早期癌症检测中的应用	机器学习	NA	深度学习	深度学习框架	TCRβ序列	超过2000个公开可用的TCR谱，来自11种癌症和健康对照
19605	2024-09-05	Episodic Thinking in Alzheimer's Disease Through the Lens of Language: Linguistic Analysis and Transformer-Based Classification 2024-01-03, American journal of speech-language pathology IF:2.3Q1 DOI:10.1044/2023_AJSLP-23-00066 PMID:37870893	研究论文	本研究通过语言分析和基于变换器的分类技术，探讨了阿尔茨海默病患者的情景思维缺陷是否能从连贯的言语中直接检测出来，并实现自动化识别	本研究首次尝试使用深度学习技术自动化分析阿尔茨海默病患者的情景思维缺陷，并取得了较高的分类准确率	研究样本主要集中在轻度和中度阿尔茨海默病患者，可能无法完全代表所有阶段的阿尔茨海默病患者	探讨阿尔茨海默病患者的情景思维缺陷是否能通过语言分析自动化检测	70名健康老年对照者、82名轻度可能阿尔茨海默病患者和46名中度可能阿尔茨海默病患者的言语数据	自然语言处理	阿尔茨海默病	深度学习	变换器	文本	2,809条言语记录
19606	2024-09-05	Using multi-label ensemble CNN classifiers to mitigate labelling inconsistencies in patch-level Gleason grading 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304847 PMID:38968206	研究论文	本文提出了一种新颖的方法，通过使用多标签集成CNN分类器来缓解前列腺组织病理学图像中补丁级别Gleason分级的标签不一致问题	本文提出的多标签集成深度学习分类器能够有效缓解标签不一致问题，并比现有技术产生更准确的结果	NA	提高前列腺癌诊断和预后中补丁级别Gleason分级的准确性	前列腺组织病理学图像中的Gleason分级	数字病理学	前列腺癌	深度学习	CNN	图像	SICAPv2前列腺数据集
19607	2024-09-05	Deep learning models to predict primary open-angle glaucoma 2024, Stat (International Statistical Institute) DOI:10.1002/sta4.649 PMID:39220673	研究论文	本文提出并实施了几种深度学习方法，利用纵向视野数据中的时间和空间信息来预测青光眼的发病时间	本文首次探索了利用纵向视野数据进行青光眼预测，并提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的模型来处理时间序列数据	本文主要关注青光眼的预测，未涉及其他眼病的预测	开发能够准确预测青光眼发病时间的深度学习模型	青光眼及其发病时间	机器学习	青光眼	NA	CNN-LSTM	视野数据	使用了Ocular Hypertension Treatment Study (OHTS)数据集
19608	2024-09-05	How to detect fake online physician reviews: A deep learning approach 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241277171 PMID:39224794	研究论文	本研究旨在开发一种利用深度学习方法检测在线医生虚假评论的有效模型	本研究采用卷积神经网络和双向编码器表示转换器等深度学习模型，显著提高了虚假评论检测的精确度和F2分数	NA	解决在线医疗平台中区分真实与虚假医生评论的挑战	在线医疗平台上的医生评论	机器学习	NA	深度学习	CNN, BERT	文本	专门针对中国在线医疗平台的虚假评论数据集
19609	2024-09-05	Cross-sectional area and fat infiltration of the lumbar spine muscles in patients with back disorders: a deep learning-based big data analysis 2024-Jan, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-023-07982-0 PMID:37875679	研究论文	本研究利用经过验证的深度学习模型，评估了大量背痛患者腰椎旁肌肉的横截面积和脂肪浸润情况	采用深度学习技术进行大规模数据分析，评估腰椎旁肌肉的质量和数量	NA	评估背痛患者腰椎旁肌肉的横截面积和脂肪浸润情况	腰椎旁肌肉的横截面积和脂肪浸润	机器学习	背痛	深度学习	NA	图像	4434名患者（2609名女性，1825名男性；平均年龄：56.7±16.8）
19610	2024-09-05	Centralized contrastive loss with weakly supervised progressive feature extraction for fine-grained common thorax disease retrieval in chest x-ray 2023-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.16144 PMID:36515554	研究论文	本文提出了一种新的细粒度医学图像检索方法，使用集中对比损失和弱监督渐进特征提取技术来提高胸部X光片中常见胸腔疾病的检索性能	引入了一种新的集中对比损失函数和弱监督渐进特征提取方法，有效结合全局和局部特征，提高了特征的区分性能并降低了算法的时间复杂度	文章未明确提及具体的局限性	开发一种高效的图像疾病检索系统，帮助医生进行疾病诊断和预后	胸部X光片中的14种不同胸腔疾病	计算机视觉	胸腔疾病	集中对比损失（CCLoss）	CNN	图像	未明确提及具体样本数量
19611	2024-09-05	Artificial Intelligence-Enabled Software Prototype to Inform Opioid Pharmacovigilance From Electronic Health Records: Development and Usability Study 2023 Jan-Dec, JMIR AI DOI:10.2196/45000 PMID:37771410	研究论文	开发了一种基于人工智能的软件原型，用于从电子健康记录中提取与阿片类药物相关的药物不良事件信号，以增强美国食品药品监督管理局（FDA）的药物安全性和研究活动	利用自然语言处理和其他人工智能技术，从电子健康记录中自动提取临床有用信息，提高药物安全信号检测的效率	需要进一步优化用户界面和功能，以满足不同用户的需求	开发一种新型人工智能驱动的软件原型，用于从电子健康记录的自由文本出院总结中识别药物不良事件安全信号，以增强阿片类药物的安全性和研究活动	阿片类药物的药物不良事件安全信号	自然语言处理	NA	自然语言处理（NLP）	深度学习	文本	15名FDA工作人员
19612	2024-09-05	Self-Supervised Electroencephalogram Representation Learning for Automatic Sleep Staging: Model Development and Evaluation Study 2023 Jan-Dec, JMIR AI DOI:10.2196/46769 PMID:38090533	研究论文	本研究开发并评估了一种自监督学习模型ContraWR，用于从大量未标记的脑电图（EEG）信号中学习鲁棒的向量表示，以自动化睡眠分期任务。	提出了一种新的自监督模型ContraWR，该模型使用数据集的全局统计信息（即平均表示）来区分不同睡眠阶段的信号，而不是使用一组负样本。	未来的研究方向包括探索任务特定的数据增强和将自监督方法与监督方法结合，以进一步提高性能。	旨在从大量未标记的EEG信号中学习鲁棒的向量表示，以提高睡眠分期任务的预测性能。	EEG信号的向量表示学习。	机器学习	NA	自监督学习	ContraWR	EEG数据	3个大型EEG数据集
19613	2024-09-05	Tackling the class imbalance problem of deep learning-based head and neck organ segmentation 2022-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-022-02649-5 PMID:35578086	研究论文	本文针对深度学习在头颈部器官分割中面临的类别不平衡问题，优化了nnU-Net框架的补丁大小，并引入了类别自适应Dice损失函数，以提高分割性能。	本文通过优化补丁大小和引入类别自适应Dice损失函数，有效解决了头颈部器官分割中的类别不平衡问题。	NA	提高深度学习在头颈部器官分割任务中的性能，特别是在处理类别不平衡问题方面。	头颈部区域的七个器官的分割。	计算机视觉	NA	深度学习	nnU-Net	图像	七个头颈部器官
19614	2024-09-05	Automated segmentation of head CT scans for computer-assisted craniomaxillofacial surgery applying a hierarchical patch-based stack of convolutional neural networks 2022-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-022-02673-5 PMID:35665881	研究论文	本研究旨在通过深度学习方法，利用分层基于补丁的3D卷积神经网络堆栈，实现头部CT扫描的自动分割，以辅助颅颌面外科手术。	本研究采用基于补丁工具箱的多尺度3D卷积神经网络堆栈，实现了对多种颅颌面结构的自动分割，具有高精度和灵活性。	本研究使用的训练数据量较小，可能影响模型的泛化能力。	研究自动分割头部CT扫描的深度学习方法，以辅助颅颌面外科手术。	头部CT扫描中的18种颅颌面结构。	计算机视觉	NA	3D卷积神经网络	CNN	图像	20个CT扫描，其中15个用于训练，5个用于验证。
19615	2024-09-05	DMs-MAFM+EfficientNet: a hybrid model for predicting dysthyroid optic neuropathy 2022-Nov, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-022-02663-4 PMID:36129645	研究论文	本研究提出了一种混合深度学习模型，用于通过计算机断层扫描（CT）准确识别疑似甲状腺眼病性视神经病变（DON）患者	该模型主要由双多尺度多注意力融合模块（DMs-MAFM）和深度卷积神经网络组成，包含多尺度特征融合算法和改进的通道注意力和空间注意力，能够捕捉图像中微小物体的特征	NA	开发一种高效准确的模型以辅助医生识别DON	甲状腺眼病性视神经病变（DON）患者	计算机视觉	甲状腺疾病	深度学习	混合模型	图像	NA
19616	2024-09-05	Epidemiologic information discovery from open-access COVID-19 case reports via pretrained language model 2022-Oct-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2022.105079 PMID:36093379	研究论文	本文提出了一种计算框架，用于从开放获取的COVID-19病例报告中自动提取流行病学信息	该框架结合了使用深度神经网络开发的语言模型和优化的数据标注策略编译的训练样本，性能优于其他最先进的深度学习模型	NA	开发一种能够自动从开放获取的COVID-19病例报告中提取流行病学信息的计算框架	COVID-19病例报告	自然语言处理	COVID-19	深度神经网络	语言模型	文本	COVID-19病例报告收集自中国大陆
19617	2024-09-05	Reticular Pseudodrusen: The Third Macular Risk Feature for Progression to Late Age-Related Macular Degeneration: Age-Related Eye Disease Study 2 Report 30 2022-10, Ophthalmology IF:13.1Q1 DOI:10.1016/j.ophtha.2022.05.021 PMID:35660417	研究论文	本文分析了网状假性玻璃膜疣（RPD）作为独立风险因素，与传统黄斑风险因素（软性玻璃膜疣和色素异常）共同影响晚期年龄相关性黄斑变性（AMD）的进展。	首次详细探讨了RPD在不同严重程度级别下对晚期AMD进展风险的影响，并建议将其纳入更新的AMD分类系统、风险计算器和临床试验中。	研究结果在AREDS和AREDS2两个队列中存在差异，表明RPD的风险关联可能受不同研究设计和样本量的影响。	分析RPD作为独立风险因素对晚期AMD进展的影响。	研究对象为AREDS和AREDS2中基线时无晚期AMD的眼睛。	NA	年龄相关性黄斑变性	彩色眼底摄影（CFP），眼底自发荧光成像，深度学习图像分级	比例风险回归分析	图像	AREDS队列包含6959只眼，3780名参与者；AREDS2队列包含3355只眼，2056名参与者。
19618	2024-09-05	Segmentation of laser induced retinal lesions using deep learning (December 2021) 2022-10, Lasers in surgery and medicine IF:2.2Q2 DOI:10.1002/lsm.23578 PMID:35781887	研究论文	本文研究使用深度学习方法对激光诱导的视网膜损伤进行分割	本文通过转移分类模型的权重来提高分割模型的性能，并使用Pearson相关系数来揭示网络特征的转移	NA	开发一种有效的深度学习方法来检测和分割视网膜激光损伤	激光诱导的视网膜损伤	计算机视觉	NA	深度学习	CNN	图像	使用了空军研究实验室过去30年收集的独特图像数据库
19619	2024-09-05	Artificial Intelligence in Rheumatoid Arthritis: Current Status and Future Perspectives: A State-of-the-Art Review 2022-Oct, Rheumatology and therapy IF:2.9Q2 DOI:10.1007/s40744-022-00475-4 PMID:35849321	综述	本文综述了人工智能（AI）在类风湿性关节炎（RA）临床实践和研究中的应用进展，并探讨了未来的研究方向	AI算法在RA的筛查、诊断和管理中展现出革命性的潜力	尽管AI模型在早期诊断和管理RA患者方面取得了有希望的结果，但它们尚未完全准备好融入临床实践	探讨AI在类风湿性关节炎临床实践和研究中的应用及未来发展	类风湿性关节炎（RA）及其相关临床实践和研究	机器学习	类风湿性关节炎	机器学习（ML）和深度学习（DL）	支持向量机、随机森林、人工神经网络	组学数据、影像数据、临床数据、传感器数据	NA
19620	2024-09-05	PRDECT-ID: Indonesian product reviews dataset for emotions classification tasks 2022-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2022.108554 PMID:36091473	research paper	本文介绍了名为PRDECT-ID的印度尼西亚产品评论情感分类数据集	本研究贡献了5400条印度尼西亚语产品评论的数据集，这些评论来自29个不同的产品类别，并由临床心理学专家标注了五种情感	NA	旨在为产品评论中的情感识别提供数据支持	印度尼西亚语产品评论中的情感	自然语言处理	NA	机器学习或深度学习算法	NA	文本	5400条产品评论