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
2421	2024-12-25	Better Rough Than Scarce: Proximal Femur Fracture Segmentation With Rough Annotations 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3392854 PMID:38652607	研究论文	本文提出了一种新的弱监督框架RT-Net，用于近端股骨骨折的分割，通过使用粗略标注来提高分割精度	提出了RT-Net框架，结合粗略标注和空间自适应注意力模块，以及细边缘损失函数，显著提升了近端股骨骨折分割的准确性	需要进一步验证在公共数据集上的表现，以及在不同医疗环境中的泛化能力	解决近端股骨骨折在CT扫描中的分割问题，特别是在标注数据稀缺的情况下	近端股骨骨折的分割	计算机视觉	骨折	深度学习	RT-Net	CT图像	大量粗略标注的CT图像
2422	2024-12-25	3DTINC: Time-Equivariant Non-Contrastive Learning for Predicting Disease Progression From Longitudinal OCTs 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3391215 PMID:38656867	研究论文	提出了一种新的自监督学习方法3DTINC，用于从纵向OCT图像中预测疾病进展	引入了一种基于非对比学习的纵向自监督学习方法3DTINC，并设计了专门针对OCT图像的增强方法和非对比相似性损失项	现有的对比学习方法需要大批次和针对自然图像的增强，不适用于3D医学图像	提高深度学习模型在处理3D医学图像时的效率和效果，特别是用于预测视网膜疾病的进展	纵向光学相干断层扫描（OCT）图像中的视网膜疾病进展	计算机视觉	眼科疾病	自监督学习	非对比学习模型	3D图像	两个大规模纵向视网膜OCT数据集
2423	2024-12-25	PCNet: Prior Category Network for CT Universal Segmentation Model 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3395349 PMID:38687654	研究论文	本文提出了一种名为PCNet的新方法，通过利用解剖结构类别之间的先验知识来提升CT图像分割性能	创新点在于引入了先验类别提示（PCP）、层次类别系统（HCS）和层次类别损失（HCL），利用CLIP和注意力模块定义解剖类别之间的关系，并通过层次关系指导分割模型	未提及具体限制	旨在提高CT图像中解剖结构的分割精度，以支持临床诊断、治疗计划和疾病监测	研究对象为CT图像中的解剖结构	计算机视觉	NA	深度学习	PCNet	图像	未提及具体样本数量
2424	2024-12-25	Adaptive and Iterative Learning With Multi-Perspective Regularizations for Metal Artifact Reduction 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3395348 PMID:38687653	研究论文	本文提出了一种在小波域中进行金属伪影减少（MAR）的方法，通过多视角正则化和自适应小波模块来提高模型的性能和灵活性	本文的创新点在于利用小波变换的特性，在避免二次伪影的同时，能够更好地识别图像中的伪影，并通过多视角正则化和自适应小波模块提升模型性能	现有方法在正弦图域和图像域中存在局限性，局部操作引入的误差会在反投影过程中传播，导致二次伪影	研究如何在CT图像中有效减少金属伪影，以提高临床诊断的准确性	CT图像中的金属伪影	计算机视觉	NA	小波变换	NA	图像	合成数据集和真实临床数据集
2425	2024-12-25	Patient-specific placental vessel segmentation with limited data 2024-Jun-04, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-024-01981-z PMID:38833204	研究论文	本文提出了一种基于生成对抗网络的患者特定胎盘血管分割方法，通过生成对抗模型生成人工样本，补充有限的真实数据，以提高分割性能	使用生成对抗网络生成人工样本，补充有限的真实数据，实现患者特定的胎盘血管分割	仅在双胎输血综合征的胎盘血管分割中进行了验证，尚未广泛应用于其他医学领域	解决医学领域中训练数据分布与临床数据不一致的问题，提高模型在临床中的应用效果	胎盘血管的分割	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	视频	20张标注图像
2426	2024-12-25	Pattern Recognition and Anomaly Detection in fetal morphology using Deep Learning and Statistical learning (PARADISE): protocol for the development of an intelligent decision support system using fetal morphology ultrasound scan to detect fetal congenital anomaly detection 2024-02-15, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-077366 PMID:38365300	研究论文	本文介绍了一种基于深度学习和统计学习的智能决策支持系统，用于通过胎儿形态超声扫描检测胎儿先天异常	开发了一种专门用于识别胎儿先天异常的智能系统，结合了深度学习和统计学习算法	研究结果需要由超声技师验证，且研究时间跨度较长	开发一种智能系统，通过胎儿形态超声扫描检测胎儿先天异常	胎儿形态超声扫描视频，用于检测胎儿先天异常	计算机视觉	先天异常	深度学习，统计学习	深度学习模型	视频	4000名孕妇，由10名医生/超声技师参与
2427	2024-12-25	Quantifying Interpretation Reproducibility in Vision Transformer Models with TAVAC 2024-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.18.576252 PMID:38328179	研究论文	本文提出了一种名为TAVAC的新指标，用于评估Vision Transformer模型在图像数据集上的过拟合程度，并量化解释的可重复性	引入了一种新的评估指标TAVAC，用于量化Vision Transformer模型解释的可重复性，并提供了对高关注区域重要性的评估方法	NA	解决Vision Transformer模型在有限标注的生物医学图像数据集上容易过拟合的问题，并提高模型解释的可重复性	Vision Transformer模型在图像分类任务中的解释可重复性	数字病理学	乳腺癌	NA	Vision Transformer (ViT)	图像	四个公开的图像分类数据集和两个独立的乳腺癌组织学图像数据集
2428	2024-12-25	Deep learning models for MRI-based clinical decision support in cervical spine degenerative diseases 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1501972 PMID:39712220	研究论文	本研究开发了一种基于MRI的深度学习模型，用于支持颈椎退行性疾病的临床决策	首次开发了基于MRI的深度学习模型，用于评估颈椎退行性疾病的手术适应症，并与脊柱外科医生的建议进行一致性分析	研究仅限于特定时间段内住院的颈椎退行性疾病患者，样本量相对较小	开发一种基于MRI的深度学习模型，用于支持颈椎退行性疾病的临床决策，并评估其与脊柱外科医生建议的一致性	颈椎退行性疾病患者的MRI图像	机器学习	颈椎疾病	深度学习	深度学习模型	图像	189名患者，共756张MRI图像
2429	2024-12-24	What is in a food store name? Leveraging large language models to enhance food environment data 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1476950 PMID:39712471	研究论文	本文展示了如何利用大型语言模型（LLMs）来自动化分类食品商店名称，以增强食品环境数据	本文首次将大型语言模型应用于食品环境数据的分类，显著提高了效率	NA	展示如何利用自然语言处理和深度学习技术自动化分类食品商店名称，以支持公共卫生研究和操作	食品商店名称的分类	自然语言处理	NA	BERT	BERT	文本	纽约市的大量商店名称数据集
2430	2024-12-25	Deep Learning-Based Automatic Segmentation Combined with Radiomics to Predict Post-TACE Liver Failure in HCC Patients 2024, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S499436 PMID:39712947	研究论文	开发并验证了一种基于深度学习的自动分割模型，结合放射组学预测HCC患者术后TACE肝衰竭	提出了一个结合深度学习自动分割和放射组学的综合预测模型，显著提高了预测性能	研究为回顾性研究，样本量有限	开发和验证一种能够预测HCC患者术后TACE肝衰竭的模型	HCC患者术后TACE肝衰竭的预测	计算机视觉	肝癌	nnU-Net神经网络	nnU-Net	图像	210名接受TACE治疗的HCC患者
2431	2024-12-25	Deep learning-based patient stratification for prognostic enrichment of clinical dementia trials 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae445 PMID:39713242	研究论文	本文使用深度学习方法对283名早期痴呆患者的多变量疾病轨迹进行聚类，识别出两个不同的进展子组，并在外部验证中独立复制了这些子组	本文首次使用深度学习方法对痴呆患者的疾病进展进行分层，并通过模拟临床试验展示了其减少样本量和降低成本的潜力	本文的局限性在于仅使用了认知和功能评分数据，未考虑其他可能影响疾病进展的因素	本文旨在通过深度学习方法实现临床痴呆试验的预后富集，以提高试验成功率和降低成本	本文的研究对象是283名早期痴呆患者和2779名痴呆患者的疾病进展轨迹	机器学习	痴呆症	深度学习	机器学习模型	多变量数据	283名早期痴呆患者和2779名痴呆患者
2432	2024-12-25	Detection and location of EEG events using deep learning visual inspection 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312763 PMID:39715265	研究论文	本文提出了一种基于深度学习的方法，通过视觉检查脑电图（EEG）波形来检测和定位睡眠纺锤波和K复合波	本文采用了一种新颖的方法，通过视觉检查波形来开发一个单一模型，能够同时检测和定位睡眠纺锤波和K复合波，并生成准确的边界框来标示这些事件的位置	结果显示在不同骨干网络和阈值下，检测K复合波的一致性较低	开发一种能够准确检测和定位脑电图中睡眠纺锤波和K复合波的深度学习模型	脑电图中的睡眠纺锤波和K复合波	机器学习	NA	深度学习	CNN	图像	NA
2433	2024-12-25	Joint extraction of entity and relation based on fine-tuning BERT for long biomedical literatures 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae194 PMID:39717202	研究论文	本文提出了一种基于BERT微调的联合提取实体和关系的模型，用于从长篇生物医学文献中自动提取实体及其关系	模型结合了BERT文本分类预训练模型、图卷积网络学习方法、自混合训练以对抗文本标签噪声以及局部正则化条件随机场等多种先进深度学习技术，实现了跨句子和句子内实体和关系的提取	NA	促进生物医学研究进展，自动从大量生物医学文献中提取实体及其关系	长篇生物医学文献中的实体及其关系	自然语言处理	NA	BERT微调、图卷积网络、自混合训练、局部正则化条件随机场	BERT、图卷积网络	文本	自建的BM_GBD数据集和公开数据集
2434	2024-12-25	Automated pediatric brain tumor imaging assessment tool from CBTN: Enhancing suprasellar region inclusion and managing limited data with deep learning 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae190 PMID:39717438	研究论文	本文提出了一种基于深度学习的自动化工具，用于评估儿童脑肿瘤的影像，特别关注鞍上区域的包含和在有限数据情况下的处理	本文的创新点在于提出了基于nnU-Net的深度学习模型，用于颅骨剥离和肿瘤分割，特别是在鞍上区域的处理和有限数据情况下的适应性	本文的局限性在于其模型在罕见肿瘤和真实世界临床数据中的泛化能力仍有待验证	本文的研究目的是开发一种自动化的颅骨剥离和肿瘤分割工具，以提高儿童脑肿瘤监测的准确性	本文的研究对象是儿童脑肿瘤的多机构、多参数MRI扫描数据	计算机视觉	脑肿瘤	深度学习	nnU-Net	影像	527名儿童患者的多参数MRI扫描数据，其中336名用于颅骨剥离，489名用于肿瘤分割
2435	2024-12-25	High-throughput platform for label-free sorting of 3D spheroids using deep learning 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1432737 PMID:39717531	研究论文	本文介绍了一种基于深度学习的高通量无标签3D球状体分选平台，用于组织工程中的标准化和可扩展组织制造	首次引入了一种全自动平台，通过无标签的明场图像分析进行高通量3D球状体分选，并展示了迁移学习在生物学应用中的有效性	本文未提及该平台在其他类型组织或器官中的应用效果	开发一种高通量、无标签的3D球状体分选平台，以推动组织工程和再生医学的发展	3D球状体，特别是单细胞和多细胞肝脏球状体	机器学习	NA	深度学习	NA	图像	未具体说明样本数量
2436	2024-12-25	Discrimination of leaf diseases in Maize/Soybean intercropping system based on hyperspectral imaging 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1434163 PMID:39717723	研究论文	本研究利用高光谱成像和深度学习算法对玉米/大豆间作系统中的叶片病害进行分类	本研究首次将高光谱成像与传统和深度学习方法相结合，提出了一种基于CARS特征提取和DBO-BiLSTM模型的病害分类方法，显著提高了分类准确率	本研究的样本量较小，且仅针对玉米和大豆的叶片病害进行分类，未来研究可扩展到更多作物和病害类型	实现玉米/大豆间作系统中叶片病害的精确分类	玉米和大豆的叶片病害，包括叶斑病、锈病和混合病害	计算机视觉	NA	高光谱成像	双向长短期记忆网络（BiLSTM）	图像	NA
2437	2024-12-24	Highly Accurate and Explainable Predictions of Small-Molecule Antioxidants for Eight In Vitro Assays Simultaneously through an Alternating Multitask Learning Strategy 2024-Dec-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00748 PMID:38888465	研究论文	提出了一种基于功能基团的交替多任务自监督分子表示学习方法，用于同时预测八种常用体外抗氧化检测中小分子的抗氧化活性	首次提出了基于功能基团的交替多任务自监督分子表示学习方法，并开发了一个在线抗氧化活性预测平台AOP	未提及具体局限性	开发一种高效且可解释的模型，用于预测小分子抗氧化剂的活性	小分子抗氧化剂及其在八种体外检测中的活性	机器学习	NA	多任务学习	FG-BERT	分子数据	未提及具体样本数量
2438	2024-12-24	Advanced AI-Driven Prediction of Pregnancy-Related Adverse Drug Reactions 2024-Dec-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01657 PMID:39611337	研究论文	本研究开发并验证了基于机器学习和深度学习技术的妊娠相关药物不良反应风险预测模型	本研究首次使用DMPNN模型结合分子图信息和分子描述符，在预测妊娠相关药物不良反应方面表现出最高的预测性能	NA	开发和验证妊娠相关药物不良反应的风险预测模型	妊娠相关药物不良反应	机器学习	NA	机器学习（ML）和深度学习（DL）技术	DMPNN模型、图神经网络、图卷积网络、随机森林、支持向量机、XGBoost	真实世界数据	22种口服降糖药物
2439	2024-12-24	A 4D tensor-enhanced multi-dimensional convolutional neural network for accurate prediction of protein-ligand binding affinity 2024-Dec-23, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11044-y PMID:39714563	研究论文	本文提出了一种基于4D张量特征的多维卷积神经网络模型，用于准确预测蛋白质-配体结合亲和力	引入了新的4D张量特征来捕捉结合口袋内的关键相互作用，并开发了基于该特征的三维卷积神经网络模型	NA	开发一种高效的蛋白质-配体结合亲和力预测模型	蛋白质-配体结合亲和力	机器学习	NA	卷积神经网络（CNN）	多维卷积神经网络	结构数据	使用了PDBbind v.2020数据集，并进行了十折交叉验证
2440	2024-12-24	EnDM-CPP: A Multi-view Explainable Framework Based on Deep Learning and Machine Learning for Identifying Cell-Penetrating Peptides with Transformers and Analyzing Sequence Information 2024-Dec-23, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00673-4 PMID:39714579	研究论文	提出了一种基于深度学习和机器学习的多视角可解释框架EnDM-CPP，用于识别细胞穿透肽并分析序列信息	结合了机器学习算法（SVM和CatBoost）与卷积神经网络（CNN和TextCNN），并使用Transformer架构的ProtT5和ESM-2特征进行预测	NA	开发一种计算方法来预测潜在的细胞穿透肽，以加速其在治疗中的应用	细胞穿透肽（CPPs）	机器学习	NA	卷积神经网络（CNN和TextCNN）、支持向量机（SVM）、CatBoost、Transformer架构（ProtT5和ESM-2）	卷积神经网络（CNN和TextCNN）、支持向量机（SVM）、CatBoost、逻辑回归（LR）	序列数据	合并了三个先前的CPP基准数据集（CPPsite 2.0、MLCPP 2.0和CPP924）