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
2861	2024-11-27	Identification of sweetpotato virus disease-infected leaves from field images using deep learning 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1456713 PMID:39582628	研究论文	研究提出了一种基于深度学习的语义分割网络，用于从田间拍摄的甘薯叶图像中快速准确地识别甘薯病毒病病斑	研究引入了注意力金字塔融合模块和一种新的数据增强技术，以提高模型在边缘背景区域的分割精度	NA	开发一种高效且可扩展的方法来诊断甘薯病毒病	甘薯病毒病感染的甘薯叶图像	计算机视觉	NA	深度学习	DeepLabV3+	图像	两个自定义数据集，DS-1包含用于训练、验证和测试的图像，DS-2用于验证模型的可靠性
2862	2024-11-27	Multiscale attention-over-attention network for retinal disease recognition in OCT radiology images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1499393 PMID:39582968	研究论文	本文提出了一种基于多尺度注意力机制的深度学习网络，用于OCT放射影像中的视网膜疾病识别	本文创新性地引入了多尺度特征增强的双注意力网络，结合EfficientNetB7骨干网络和金字塔注意力机制，有效捕捉多尺度依赖关系和上下文信息	NA	提高OCT影像中视网膜疾病识别的准确性和效率	OCT影像中的视网膜疾病	计算机视觉	视网膜疾病	深度学习	CNN	图像	两个基准数据集
2863	2024-11-27	Artificial intelligence research in radiation oncology: a practical guide for the clinician on concepts and methods 2024-Jan, BJR open DOI:10.1093/bjro/tzae039 PMID:39583148	review	本文为临床医生提供了关于人工智能在放射肿瘤学中应用的概念和方法的实用指南	本文强调了提高临床医生对人工智能开发过程的理解和信任的重要性，并提供了评估相关研究论文的工具	本文主要关注于提高临床医生对人工智能的理解，未深入探讨具体的技术细节或模型应用	旨在提高临床医生对人工智能在医学中开发和应用的知识和信任	临床医生和人工智能在放射肿瘤学中的应用	machine learning	NA	artificial intelligence	NA	NA	NA
2864	2024-11-27	Utilization of Artificial Intelligence for the automated recognition of fine arts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312739 PMID:39585839	研究论文	本文介绍了一种基于人工智能和深度学习的新方法，用于自动识别艺术品	本文提出了一种结合卷积神经网络（CNN）和高级特征提取技术的创新方法，显著提高了艺术品识别的准确性和效率	NA	提高艺术品自动识别的准确性和效率	艺术品	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	基准数据集
2865	2024-11-27	Deep learning-based image classification of sea turtles using object detection and instance segmentation models 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313323 PMID:39585892	研究论文	本研究比较了基于深度学习的两种先进方法（YOLOv5和YOLOv5-seg）在海龟图像分类中的性能	本研究首次比较了实例分割模型（YOLOv5-seg）与传统目标检测模型（YOLOv5）在海龟图像分类中的性能，并发现实例分割模型在复杂背景下的分类效果更优	本研究仅使用了iNaturalist和Google收集的图像数据，未涵盖所有可能的海龟栖息地	评估和比较两种深度学习模型在海龟图像分类中的性能	海龟图像的检测与分类	计算机视觉	NA	深度学习	YOLOv5, YOLOv5-seg	图像	从iNaturalist和Google收集的图像数据，分为64%训练集、16%验证集和20%测试集
2866	2024-11-27	Predicting alfalfa leaf area index by non-linear models and deep learning models 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1458337 PMID:39588090	研究论文	研究通过非线性模型和深度学习模型预测苜蓿叶面积指数	提出了一种基于突变点检测方法和编码器-注意力-解码器BiLSTM网络的时间序列预测模型（TMEAD-BiLSTM），显著提高了苜蓿叶面积指数的预测精度	非线性模型在整合环境因素方面存在局限性，影响了叶面积指数预测的准确性	探讨经典非线性模型和深度学习在预测苜蓿叶面积指数方面的潜力	苜蓿叶面积指数及其受环境因素的影响	机器学习	NA	深度学习	BiLSTM	时间序列数据	不同年份和切割次数的苜蓿叶面积指数数据
2867	2024-11-27	Variation and evolution analysis of SARS-CoV-2 using self-game sequence optimization 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1485748 PMID:39588108	研究论文	本研究介绍了基于深度学习和强化学习的SARS-CoV-2进化预测方法DARSEP，结合自博弈序列优化和RetNet模型，用于预测病毒的进化序列和轨迹	DARSEP方法通过自博弈序列优化和RetNet模型，能够准确预测SARS-CoV-2的进化序列，并识别出具有高免疫逃避能力的突变体	NA	深入理解SARS-CoV-2的潜在变异，以有效缓解病毒进化对全球公共健康、经济和社会的影响	SARS-CoV-2病毒及其突变体	机器学习	NA	深度学习、强化学习	RetNet	序列数据	NA
2868	2024-11-27	A Review of Datasets, Optimization Strategies, and Learning Algorithms for Analyzing Alzheimer's Dementia Detection 2024, Neuropsychiatric disease and treatment IF:2.5Q2 DOI:10.2147/NDT.S496307 PMID:39588176	综述	本文综述了用于阿尔茨海默病痴呆检测的数据集、优化策略和学习算法	本文评估了多种机器学习算法、深度学习模型、迁移学习技术和生成对抗网络在多模态影像数据分析中的应用	NA	探讨在阿尔茨海默病痴呆检测中使用多模态影像数据、学习算法和优化技术的进展与挑战	多模态影像数据、学习算法和优化技术	机器学习	阿尔茨海默病	MRI、PET、EEG	生成对抗网络	影像	NA
2869	2024-11-27	A scoping review of magnetic resonance angiography and perfusion image synthesis 2024, Frontiers in dementia DOI:10.3389/frdem.2024.1408782 PMID:39588202	综述	本文综述了使用人工智能生成合成磁共振血管造影和灌注图像的研究	利用深度学习生成合成TOF-MRA和灌注相关图像，以增强神经血管研究	需要进一步研究以评估其敏感性和特异性，并确保其在不同人群中的适用性	探讨人工智能在生成合成TOF-MRA和灌注图像中的应用，以增强对神经血管系统的研究	TOF-MRA和灌注图像的合成生成	医学影像	阿尔茨海默病	磁共振成像	深度学习	图像	13项符合条件的研究
2870	2024-11-26	Establishment of a novel tumor neoantigen prediction tool for personalized vaccine design 2024-12-31, Human vaccines & immunotherapeutics IF:4.1Q2 DOI:10.1080/21645515.2023.2300881 PMID:38214336	研究论文	本文开发了一种新的肿瘤新抗原预测工具NUCC，用于个性化疫苗设计，以优化胃癌患者的个性化新抗原纳米疫苗平台	NUCC预测工具通过深度学习方法训练，表现出比传统工具更好的新抗原预测性能	NA	优化胃癌患者的个性化新抗原纳米疫苗平台	胃癌患者的新抗原预测	机器学习	胃癌	深度学习	深度学习模型	肽段数据	25名晚期胃癌患者和150个候选突变肽段，其中13个通过体外免疫原性测试证实为新抗原
2871	2024-11-26	AI-powered visual diagnosis of vulvar lichen sclerosus: A pilot study 2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20306 PMID:39194285	研究论文	开发了一种基于机器学习的图像识别模型，用于区分外阴硬化性苔藓和非外阴硬化性苔藓的皮肤图像	首次使用深度卷积神经网络进行外阴硬化性苔藓的视觉诊断	需要前瞻性研究在真实世界环境中验证模型的适用性和准确性	开发一种基于图像的机器学习模型，用于早期诊断外阴硬化性苔藓	外阴硬化性苔藓和非外阴硬化性苔藓的皮肤图像	计算机视觉	外阴硬化性苔藓	深度卷积神经网络	CNN	图像	共包含684张外阴硬化性苔藓图像和403张非外阴硬化性苔藓图像
2872	2024-11-26	Deep learning for contour quality assurance for RTOG 0933: In-silico evaluation 2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110519 PMID:39222847	研究论文	本文验证了一种基于CT的深度学习海马体分割模型，并探讨其在多机构轮廓质量保证中的应用	使用单一机构数据集训练的深度学习模型，在多机构环境中进行海马体分割的质量保证	模型在多机构数据集上的表现仍有改进空间，尤其是假阴性率较高	验证深度学习模型在多机构环境中进行海马体分割质量保证的可行性	海马体分割的质量保证	计算机视觉	NA	深度学习	深度学习模型	CT图像	单机构数据集训练，RTOG 0933数据集评估
2873	2024-11-26	A Deep Learning Approach for the Identification of the Molecular Subtypes of Pancreatic Ductal Adenocarcinoma Based on Whole Slide Pathology Images 2024-Dec, The American journal of pathology DOI:10.1016/j.ajpath.2024.08.006 PMID:39222907	研究论文	本研究利用深度学习模型基于常规苏木精-伊红染色的病理切片图像识别胰腺导管腺癌的分子亚型	提出了一种基于常规苏木精-伊红染色病理切片图像的胰腺导管腺癌分子亚型分类方法，具有成本效益和快速性	样本量相对较小，且仅限于可切除的胰腺导管腺癌病例	开发一种成本效益高且快速的胰腺导管腺癌分子亚型分类方法	胰腺导管腺癌的分子亚型	数字病理学	胰腺癌	深度学习	深度学习模型	图像	97张病理切片用于训练，44张针刺活检材料（110张切片）用于测试
2874	2024-11-26	Histopathologic Differential Diagnosis and Estrogen Receptor/Progesterone Receptor Immunohistochemical Evaluation of Breast Carcinoma Using a Deep Learning-Based Artificial Intelligence Architecture 2024-Dec, The American journal of pathology DOI:10.1016/j.ajpath.2024.08.011 PMID:39241826	研究论文	本文利用深度学习技术对乳腺浸润性导管癌（IDC）和导管原位癌（DCIS）进行病理学鉴别诊断，并评估雌激素受体（ER）/孕激素受体（PR）的免疫组化染色	开发了一种新的基于深度学习的人工智能架构，并建立了组织良好的数据集，以促进IDC/DCIS的病理学诊断和ER/PR的免疫染色评分	NA	利用人工智能技术减少病理学家在阅读全切片图像（WSIs）时的观察者间变异性	乳腺浸润性导管癌（IDC）和导管原位癌（DCIS）的病理学鉴别诊断及ER/PR的免疫组化评估	数字病理学	乳腺癌	深度学习	YOLOv8	图像	进行了三轮环形研究（RS）以评估WSIs
2875	2024-11-26	Quantifying and visualising uncertainty in deep learning-based segmentation for radiation therapy treatment planning: What do radiation oncologists and therapists want? 2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110545 PMID:39326521	研究论文	本研究探讨了深度学习分割在放射治疗计划中的不确定性量化和可视化，并调查了放射肿瘤学家和治疗师对此的需求	本研究首次系统地调查了临床医生对深度学习分割不确定性可视化方法的偏好	研究样本量较小，仅涉及四家机构的十六名临床医生	旨在收集临床医生对不确定性可视化选项的见解，以改进深度学习分割在放射治疗中的应用	放射肿瘤学家和放射治疗师对深度学习分割不确定性可视化方法的偏好	计算机视觉	NA	深度学习	NA	图像	16名临床医生
2876	2024-11-26	Development of learning-based predictive models for radiation-induced atrial fibrillation in non-small cell lung cancer patients by integrating patient-specific clinical, dosimetry, and diagnostic information 2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110566 PMID:39362606	研究论文	研究开发了基于学习的预测模型，用于预测非小细胞肺癌患者在接受放化疗后发生心房颤动的风险	通过整合患者特定的临床、剂量学和诊断信息，开发了混合深度学习模型，显著提高了预测性能	研究样本量较小，且仅限于非小细胞肺癌患者	开发和验证预测非小细胞肺癌患者放化疗后心房颤动风险的模型	非小细胞肺癌患者在接受放化疗后心房颤动的风险	机器学习	肺癌	机器学习和深度学习	混合深度学习模型	临床、剂量学和诊断信息	321个机构数据集和187个外部数据集
2877	2024-11-26	Development and comprehensive evaluation of a national DBCG consensus-based auto-segmentation model for lymph node levels in breast cancer radiotherapy 2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110567 PMID:39374675	研究论文	本研究开发并全面评估了一种基于丹麦国家乳腺癌合作组共识的自动分割模型，用于乳腺癌放疗中的淋巴结水平	本研究的创新点在于开发了一种多机构深度学习自动分割模型，用于高风险乳腺癌患者的淋巴结临床靶区体积（CTVn）分割，并进行了多机构参与的数据集训练和验证	研究的局限性在于模型在CTVn胸骨旁淋巴结的分割效果略低于其他模型，且在某些情况下需要进行较大的修正	本研究旨在训练和验证一种多机构深度学习自动分割模型，用于高风险乳腺癌患者的淋巴结临床靶区体积（CTVn）分割，并推动其在丹麦的临床实施	研究对象为高风险乳腺癌患者的淋巴结临床靶区体积（CTVn）	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	21名乳腺癌轮廓专家参与创建了金标准数据集和高质量训练数据集
2878	2024-11-26	Weakly supervised deep learning image analysis can differentiate melanoma from naevi on haematoxylin and eosin-stained histopathology slides 2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20307 PMID:39215631	研究论文	本文评估了弱监督深度学习图像分类器在区分H&E染色病理切片上的黑色素瘤和痣的能力	使用弱监督深度学习方法，相比全监督方法，能够利用更大的训练数据集	需要外部验证和进一步评估较少出现的组织学亚型和边缘病例	评估弱监督深度学习图像分类器在区分黑色素瘤和痣方面的诊断价值	H&E染色病理切片上的黑色素瘤和痣	数字病理学	皮肤癌	弱监督深度学习	多实例学习模型（Trans-MIL, CLAM, DTFD-MIL）	图像	520个样本（260个痣和260个黑色素瘤）
2879	2024-11-26	Weak supervision, strong results: Automating melanocyte lesion diagnosis with deep learning 2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20382 PMID:39582480	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2880	2024-11-26	Accurate Conformation Sampling via Protein Structural Diffusion 2024-Nov-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00928 PMID:39340358	研究论文	本文介绍了一种名为UFConf的新方法，用于基于氨基酸序列进行蛋白质构象的鲁棒采样	UFConf通过将AlphaFold2转化为扩散模型，实现了基于构象的扩散过程，并开发了一种新的基于结构聚类的层次重加权协议，以克服蛋白质数据库中的构象偏差	NA	开发一种能够高精度预测蛋白质不同稳定构象的模型，以推动生物学和医学的进步	蛋白质构象的采样	生物信息学	NA	扩散模型	扩散模型	蛋白质结构数据	NA