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
1941	2024-08-05	The Effectiveness of Zero-Day Attacks Data Samples Generated via GANs on Deep Learning Classifiers 2023-Jan-12, Sensors (Basel, Switzerland) DOI:10.3390/s23020900 PMID:36679705	研究论文	本研究提出了一种从生成零日类型数据开始，最后评估神经网络零日攻击检测器的整体方法。	创新点在于使用生成对抗网络（GANs）合成生成新的、更大规模的零日攻击数据集。	未提及具体的限制因素	研究目标是检测和评估零日攻击的有效性。	研究对象为使用合成数据和原始数据训练的神经网络模型。	计算机视觉	NA	生成对抗网络 (GAN)	神经网络	表格数据	约5000个迭代生成的数据样本
1942	2024-08-05	Accurate Crack Detection Based on Distributed Deep Learning for IoT Environment 2023-Jan-11, Sensors (Basel, Switzerland) DOI:10.3390/s23020858 PMID:36679655	研究论文	提出一种基于边缘计算的裂纹检测系统，能够在低功耗环境中实现准确的裂纹检测	引入了Rsef和Rsef-Edge两个系统，通过优化传统深度学习模型实现实时裂纹图像分割，并有效降低推理时间	对低功耗设备的适用性可能在某些极端条件下受到限制	提高低功耗物联网环境下的裂纹检测准确性和速度	涉及道路、建筑墙壁、地板和产品表面的裂纹检测	计算机视觉	NA	深度学习	深度学习模型	图像	NA
1943	2024-08-05	Person Re-Identification Based on Contour Information Embedding 2023-Jan-10, Sensors (Basel, Switzerland) DOI:10.3390/s23020774 PMID:36679571	研究论文	本研究通过轮廓信息提取模块和轮廓信息嵌入方法，提高了行人重识别的识别性能	提出了一种轮廓信息提取模块（CIEM）和轮廓信息嵌入方法，使网络能够更关注轮廓信息	未提及具体的局限性	旨在提高行人重识别网络的识别性能	通过分析行人轮廓特征对行人重识别的影响	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	在Market1501数据集中包含多个样本，mAP达到83.8%，Rank-1达到95.1%；在DukeMTMC-reID数据集中mAP达到73.5%，Rank-1达到86.8%
1944	2024-08-05	Convolutional Neural Networks or Vision Transformers: Who Will Win the Race for Action Recognitions in Visual Data? 2023-Jan-09, Sensors (Basel, Switzerland) DOI:10.3390/s23020734 PMID:36679530	研究论文	本文探讨了卷积神经网络与视觉变压器在视频中的动作识别表现	研究CNN和视觉变压器在动作识别中的应用，并进行准确性与复杂性之间的比较分析	没有提及特定的数据集或实验设置的局限性	探讨CNN和视觉变压器在视频动作识别中的表现	视频中的动作识别	计算机视觉	NA	卷积神经网络，视觉变压器	CNN，ViT	视频	NA
1945	2024-08-05	Combining generative modelling and semi-supervised domain adaptation for whole heart cardiovascular magnetic resonance angiography segmentation 2023-12-20, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1186/s12968-023-00981-6 PMID:38124106	研究论文	本研究探讨了在全心脏心血管磁共振血管造影分割中，结合生成模型与半监督领域适应的方法	提出了一种创新的结合生成对抗网络和变分自编码器的无监督领域适应架构，用于处理全心脏CMRA分割问题	仅使用了较少的标记案例进行训练，可能会影响模型的泛化能力	提高心血管磁共振血管造影的分割质量	常规和高分辨率的全心脏心血管磁共振图像	计算机视觉	心血管疾病	生成对抗网络、变分自编码器	无监督生成模型	影像	常规CMRA (n=20) 和高分辨率CMRA (n=45)
1946	2024-08-05	Artificial Intelligence-Triaged 3-Dimensional Pathology to Improve Detection of Esophageal Neoplasia While Reducing Pathologist Workloads 2023-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100322 PMID:37657711	研究论文	本研究提出了一种基于深度学习的方法，以提高食道肿瘤的早期检测并减少病理学家的工作负担	提出了一种自动识别3D病理数据集中最关键2D图像部分的深度学习方法，生成肿瘤风险的3D热图	研究中使用的3D病理数据集的庞大体积可能仍对现有技术进步带来了挑战	旨在通过3D病理技术提高食道肿瘤的检测率	食道活检样本	数字病理学	食道癌	深度学习	NA	图像	临床验证研究中每种活检使用3张图像，共涉及食道活检
1947	2024-08-05	ArcheD, a residual neural network for prediction of cerebrospinal fluid amyloid-beta from amyloid PET images 2023-Oct-27, bioRxiv : the preprint server for biology DOI:10.1101/2023.06.20.545686 PMID:37425778	研究论文	本文开发了一种深度学习模型ArcheD，用于从淋巴PET图像直接预测脑脊液中的淀粉样β浓度	创新之处在于该模型无需依赖示踪剂、脑参考区域或预先选择的兴趣区域	在晚期阿尔茨海默病患者中，该模型的性能有所降低	本研究的目的是通过淋巴PET图像早期识别和诊断阿尔茨海默病	研究对象为1870幅淀粉样PET图像及其对应的脑脊液测量值	数字病理学	阿尔茨海默病	卷积神经网络	CNN	图像	1870幅淀粉样PET图像
1948	2024-08-05	Evaluation of a Natural Language Processing Model to Identify and Characterize Patients in the United States With High-Risk Non-Muscle-Invasive Bladder Cancer 2023-09, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00096 PMID:37906722	研究论文	本研究开发了一种自然语言处理模型，以识别美国高风险非肌肉侵袭性膀胱癌患者并描述其特征	采用深度学习方法训练自然语言处理，以识别高风险非肌肉侵袭性膀胱癌的标准，并使用电子病历进行回顾性分析	本研究基于回顾性数据，可能存在数据不完整或不准确的问题	研究旨在开发自然语言处理模型，以识别高风险非肌肉侵袭性膀胱癌患者	研究对象为2011年至2020年间被诊断为膀胱癌的成人患者	自然语言处理	膀胱癌	自然语言处理 (NLP)	深度学习模型	电子病历数据	共包含4402名患者的三组独立数据集，用于模型开发、验证和回顾性分析
1949	2024-08-05	Deep learning estimation of three-dimensional left atrial shape from two-chamber and four-chamber cardiac long axis views 2023-04-24, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jead010 PMID:36725705	研究论文	本文开发了一种深度学习神经网络从二腔和四腔长轴视图推断左心房的三维形状、体积和表面积	提出了一种新的基于深度学习的方法来提高左心房三维体积和表面积估计的准确性	使用的训练数据主要来自单一来源，可能影响模型的普适性	开发出一种更准确的左心房三维形状和体积估计方法	左心房的三维形状、体积和表面积	数字病理学	心血管疾病	3D冠状动脉计算机断层扫描血管成像 (CCTA)	3D UNet	图像	1700个样本用于训练/验证/测试，其中1400/100/200用于训练/验证/测试，另外20个样本用于独立测试
1950	2024-08-05	Multiple generation distinct toxicant exposures induce epigenetic transgenerational inheritance of enhanced pathology and obesity 2023, Environmental epigenetics IF:4.8Q1 DOI:10.1093/eep/dvad006 PMID:38162685	研究论文	本研究评估了多代鼠类在不同毒物暴露下对疾病和肥胖的影响	首次展示了多代暴露对雄性精子表观遗传改变和病理的显著影响	本研究主要基于动物模型，可能无法完全转化到人类	研究多代暴露对表观遗传及疾病易感性的影响	三代和转代F5代的雄性及雌性鼠类	数字病理学	肥胖	深度学习，基于人工智能的组织病理学分析	NA	NA	多代鼠类，具体样本数量未说明
1951	2024-08-07	Combining pairwise structural similarity and deep learning interface contact prediction to estimate protein complex model accuracy in CASP15 2023-Dec, Proteins IF:3.2Q2 DOI:10.1002/prot.26542 PMID:37357816	研究论文	本文开发了一种结合成对结构相似性评分和基于深度学习的界面接触概率评分的混合方法，用于评估蛋白质复合体模型准确性	提出了一种结合成对结构相似性评分和界面接触概率评分的混合方法，用于评估蛋白质复合体模型准确性，这在以往的研究中较少应用	当多个结构模型质量较低且彼此相似时，成对相似性方法往往失效	评估蛋白质复合体和组装体的四级结构模型的准确性	蛋白质复合体和组装体的四级结构模型	计算机视觉	NA	深度学习	CNN	结构模型	参与CASP15的多个目标模型
1952	2024-08-07	Assessment of three-dimensional RNA structure prediction in CASP15 2023-Dec, Proteins IF:3.2Q2 DOI:10.1002/prot.26602 PMID:37876231	研究论文	本文评估了CASP15中RNA三维结构预测的表现，这是首次涉及RNA结构建模的CASP练习。	首次在CASP中评估RNA结构预测，并使用蛋白质评估的指标和方法进行RNA评估。	在模型细节预测、模型排序和多结构预测方面仍存在挑战。	评估RNA三维结构预测在CASP15中的表现。	RNA三维结构预测模型。	NA	NA	NA	NA	NA	42个预测组提交了至少一个RNA结构模型的预测。
1953	2024-08-07	Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease 2023-Sep-25, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.22.23295984 PMID:37808872	研究论文	本文开发了一种利用模型可解释性提高分类模型在多个队列间泛化能力的方法，通过MRI扫描和临床诊断数据训练深度神经网络，以区分正常认知、轻度认知障碍和阿尔茨海默病	提出了一种结合模型可解释性和域泛化的方法，通过统一视觉显著性先验来提高模型在未见目标域上的性能	NA	开发一种能够跨多个队列泛化的深度学习模型，用于评估阿尔茨海默病的认知障碍程度	MRI扫描数据和临床诊断信息	机器学习	阿尔茨海默病	深度神经网络	CNN	图像	总共使用了来自四个独立队列的7433个样本
1954	2024-08-07	Deep Learning Model for Tumor Type Prediction using Targeted Clinical Genomic Sequencing Data 2023-Sep-10, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.08.23295131 PMID:37732244	研究论文	本文开发了一种基于深度神经网络的肿瘤类型分类模型GDD-ENS，利用39,787个实体肿瘤的临床靶向癌症基因组数据进行训练	GDD-ENS模型在38种癌症类型中实现了93%的高置信度预测准确率，与基于全基因组测序的方法相媲美，并能指导罕见类型和未知原发癌的诊断	NA	开发一种临床可行的肿瘤类型分类方法，以指导癌症治疗决策	实体肿瘤的类型分类	机器学习	癌症	临床靶向癌症基因组测序	深度神经网络	基因组数据	39,787个实体肿瘤样本
1955	2024-08-07	Development of deep learning model and evaluation in real clinical practice of lingual mandibular bone depression (Stafne cyst) on panoramic radiographs 2023-Jul, Dento maxillo facial radiology DOI:10.1259/dmfr.20220413 PMID:37192044	研究论文	本研究旨在开发一种深度学习模型，用于全景X光片上舌侧下颌骨凹陷（Stafne囊肿）与真正病理性放射透光性囊肿或肿瘤的全自动鉴别诊断，并评估该模型在实际临床实践中的表现	本研究开发了一种使用EfficientDet算法的深度学习模型，能够自动区分舌侧下颌骨凹陷与真正需要治疗的病理性放射透光性病变	NA	开发并评估一种深度学习模型，用于全景X光片上舌侧下颌骨凹陷与真正病理性放射透光性病变的自动鉴别诊断	舌侧下颌骨凹陷（Stafne囊肿）与真正病理性放射透光性囊肿或肿瘤	计算机视觉	NA	EfficientDet算法	深度学习模型	图像	训练和验证数据集包含443张图像，测试数据集包含1500张图像
1956	2024-08-05	Noninvasive Tracking of Every Individual in Unmarked Mouse Groups Using Multi-Camera Fusion and Deep Learning 2023-Jun, Neuroscience bulletin IF:5.9Q1 DOI:10.1007/s12264-022-00988-6 PMID:36571715	研究论文	该文章提出了一种新的多目标跟踪系统，用于非侵入性地跟踪未标记的小鼠。	创新之处在于结合了Faster R-CNN深度学习算法和多相机融合技术，成功跟踪每个未标记小鼠的移动。	文章未讨论该方法在其他动物或不同环境下的适用性。	研究旨在开发一种精确、高效的方法，以非侵入性地追踪组内个体小鼠。	研究对象为未标记的小鼠群体。	计算机视觉	NA	视频跟踪	Faster R-CNN	视频	多个未标记小鼠的群体
1957	2024-08-05	Hybrid Optimization Algorithm Enabled Deep Learning Approach Brain Tumor Segmentation and Classification Using MRI 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00752-2 PMID:36622465	研究论文	本研究提出了一种混合优化算法驱动的深度学习方法用于脑肿瘤的分割和分类	创新点在于提出了一种将Jaya算法和蜜獾算法结合，并应用于脑肿瘤分割与分类的混合优化算法	未提及具体的限制条件	旨在提高脑肿瘤的分割和分类精度以便于医疗诊断	使用MRI图像对脑肿瘤进行分割和分类	计算机视觉	脑肿瘤	MRI	CNN和深度残差网络（DRN）	图像	使用BRATS 2018和Figshare数据集进行评估
1958	2024-08-05	A Comparison of Three Different Deep Learning-Based Models to Predict the MGMT Promoter Methylation Status in Glioblastoma Using Brain MRI 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00757-x PMID:36604366	研究论文	本文比较了三种不同的深度学习模型在使用脑部MRI预测胶质母细胞瘤中MGMT启动子甲基化状态的效果	该研究提供了三种基于深度学习的方法来无创预测MGMT启动子甲基化状态，解决了传统组织检测的限制	研究的准确率相对较低，并且可能受到样本选择和模型训练的影响	研究旨在比较三种不同的深度学习方法预测胶质母细胞瘤的MGMT启动子甲基化状态	研究对象为576个T2WI脑MRI图像及对应的肿瘤掩模和MGMT启动子甲基化状态	计算机视觉	胶质母细胞瘤	使用深度学习	3D-Vnet，目标检测模型，3D Densenet121	图像	576个T2WI图像
1959	2024-08-07	Automated Bone Tumor Segmentation and Classification as Benign or Malignant Using Computed Tomographic Imaging 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00771-z PMID:36627518	研究论文	本研究利用计算机断层扫描（CT）图像和机器学习技术，实现骨肿瘤的自动分割和良恶性分类，以辅助临床医生判断是否需要进行活检	本研究首次提出了一种基于深度学习的方法，用于从CT图像中自动分割和分类骨肿瘤	尽管在特异性和敏感性上取得了相似的分类性能，但数据集中良性和恶性病例的不平衡仍然存在	开发一种自动化的深度学习方法，用于从CT图像中分割和分类骨肿瘤	84例股骨CT扫描图像，包含50名女性和34名男性，年龄20岁及以上，具有明确的骨病变组织学证实	计算机视觉	骨肿瘤	深度学习	深度学习架构	CT扫描图像	84例股骨CT扫描图像
1960	2024-08-07	Using Deep Learning to Predict Treatment Response in Patients with Hepatocellular Carcinoma Treated with Y90 Radiation Segmentectomy 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00762-0 PMID:36629989	研究论文	本研究利用深度卷积网络集合改进体素剂量模型，预测接受Y90放射性栓塞治疗的肝细胞癌患者的治疗反应	本研究通过深度卷积网络集合考虑了Y90在治疗病变中的空间变异摄取，提高了预测治疗完全反应的F1分数、准确性和敏感性	本研究为回顾性分析，样本来自单一机构，可能存在选择偏倚	旨在提高肝细胞癌患者接受Y90放射性栓塞治疗后治疗反应的预测准确性	接受Y90放射性栓塞治疗的肝细胞癌患者	机器学习	肝细胞癌	深度学习	CNN	图像	77名患者，103个病变