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
3701	2024-11-15	Automatic classification and grading of canine tracheal collapse on thoracic radiographs by using deep learning 2024-Nov, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.13413 PMID:39012062	研究论文	开发了一种基于深度学习的人工智能模型，用于自动分类和分级犬气管塌陷的胸片	使用YOLO模型进行犬气管塌陷的自动分类和分级，提高了诊断的准确性和一致性	NA	开发一种自动化的工具，用于在不同兽医环境中通过胸片筛查犬气管塌陷	犬气管塌陷的胸片	计算机视觉	NA	深度学习	YOLO	图像	NA
3702	2024-11-15	Artificial intelligence based diagnosis of sulcus: assesment of videostroboscopy via deep learning 2024-Nov, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-024-08801-y PMID:39001913	研究论文	本文开发了一种基于卷积神经网络（CNN）的模型，用于分类喉镜视频中的沟状病变、良性声带病变和健康声带图像，以提高临床医生在喉镜检查中诊断沟状病变的准确性	本文首次将深度学习技术应用于喉镜视频的分类，特别是针对沟状病变、良性声带病变和健康声带的分类，显著提高了诊断的准确性	研究结果主要基于实验室环境，尚未在临床实践中进行实时应用评估	开发一种基于卷积神经网络的模型，用于提高临床医生在喉镜检查中诊断沟状病变的准确性	喉镜视频中的沟状病变、良性声带病变和健康声带图像	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	视频	433名个体，包括91名沟状病变患者、311名良性声带疾病患者和33名健康个体
3703	2024-11-15	Laser Fabrication of Multi-Dimensional Perovskite Patterns with Intelligent Anti-Counterfeiting Applications 2024-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202309862 PMID:39120553	研究论文	研究利用飞秒激光直接写入技术在钙钛矿材料上实现快速且高精度的微纳加工，并探讨了其与多维钙钛矿生长之间的复杂关系	通过精确的卤素元素设计，实现了通过一步激光加工同时生成两种不同颜色的快速响应（QR）码图案，并结合人工智能（AI）方法识别图案化的钙钛矿防伪标签	NA	探讨飞秒激光直接写入技术在钙钛矿材料上的应用，并开发具有防伪功能的多维钙钛矿图案	多维钙钛矿材料及其在防伪应用中的潜力	材料科学	NA	飞秒激光直接写入技术	深度学习算法	图像	NA
3704	2024-11-15	Artificial neural network prediction of postoperative complications in papillary thyroid microcarcinoma based on preoperative ultrasonographic features 2024 Nov-Dec, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.23800 PMID:39189355	研究论文	本研究利用深度学习模型基于术前超声特征预测甲状腺微小乳头状癌术后并发症	首次利用深度学习模型基于术前超声特征预测甲状腺微小乳头状癌术后并发症	数据来源单一中心，未考虑生活方式和遗传因素	预测甲状腺微小乳头状癌术后并发症，辅助临床决策	甲状腺微小乳头状癌患者	机器学习	甲状腺癌	深度学习	全连接神经网络	超声图像	1638名cN0期甲状腺微小乳头状癌患者
3705	2024-11-15	Deep learning model for intravascular ultrasound image segmentation with temporal consistency 2024-Nov, The international journal of cardiovascular imaging DOI:10.1007/s10554-024-03221-9 PMID:39190112	研究论文	本研究开发并验证了一种用于冠状动脉内超声（IVUS）图像分割的深度学习模型，具有时间一致性	该模型在帧级和血管级性能以及临床影响方面表现出色，特别是在广泛衰减的部位，模型在轮廓描绘方面表现出更好的时间一致性	NA	开发和验证一种用于冠状动脉内超声图像分割的深度学习模型	冠状动脉内超声（IVUS）图像的管腔和外弹性膜（EEM）分割	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	1240次40-MHz IVUS回拉，包含191,407帧图像
3706	2024-11-15	A comparison of machine learning methods for recovering noisy and missing 4D flow MRI data 2024-Nov, International journal for numerical methods in biomedical engineering IF:2.2Q2 DOI:10.1002/cnm.3858 PMID:39196308	研究论文	比较了多种机器学习方法在恢复噪声和缺失的4D流MRI数据中的应用	首次全面评估和比较了多种经典和现代机器学习方法，用于增强心血管疾病中受损的血管流动数据	SVD-based算法在理想情况下表现优异，但在实际数据中表现不佳	研究如何通过机器学习方法恢复和增强4D流MRI数据中的噪声和缺失信息	4D流MRI数据中的噪声和缺失信息	机器学习	心血管疾病	4D流MRI	自动编码器	图像	人工损坏和体素化的计算流体动力学（CFD）模拟数据以及体外4D流MRI数据
3707	2024-11-15	Meta-Attention Deep Learning for Smart Development of Metasurface Sensors 2024-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405750 PMID:39246128	研究论文	本文提出了一种基于变压器模型的可解释深度学习模型Metaformer，用于智能设计超表面传感器	采用光谱分割方案，将训练参数减少了99%，预测准确率提升至99%，并结合光谱位置编码和多头注意力机制，提供了对超表面传感器的深入物理见解	NA	开发一种高智能、可解释的深度学习模型，用于设计高性能的超表面传感器	基于准束缚态在连续体中的全介质超表面传感器	机器学习	NA	深度学习	变压器模型	光谱数据	NA
3708	2024-11-15	Fast Multiphoton Microscopic Imaging Joint Image Super-Resolution for Automated Gleason Grading of Prostate Cancers 2024-Nov, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400233 PMID:39262127	研究论文	本文介绍了一种基于深度学习的快速多光子显微成像方法，用于前列腺癌的自动Gleason分级	提出了一种结合多光子显微成像和图像超分辨率的深度学习架构，以提高成像速度和质量	超分辨率图像的分类准确率和Macro-F1略低于高分辨率图像	开发一种实时临床诊断工具，用于前列腺癌的诊断	前列腺癌的Gleason分级	计算机视觉	前列腺癌	多光子显微成像(MPM)	SwinIR, Swin Transformer	图像	未明确提及样本数量
3709	2024-11-15	Mesoscopic structure graphs for interpreting uncertainty in non-linear embeddings 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109105 PMID:39265479	研究论文	本文提出了一种名为ManiGraph的节点链接可视化技术，用于解释非线性降维方法中的不确定性	通过构建动态介观结构图和测量区域适应的可信度，重新思考高维和低维空间之间的邻域保真度	NA	解决基于概率的非线性降维方法在计算过程中可能引入的失真误差和误导性可视化问题	非线性降维方法中的不确定性解释	机器学习	NA	非线性降维方法（如t-SNE和UMAP）	NA	图像	包括3D玩具数据、fashion-MNIST、单细胞RNA测序数据和histopathology-MNIST
3710	2024-11-15	Improving deep learning-based automatic cranial defect reconstruction by heavy data augmentation: From image registration to latent diffusion models 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109129 PMID:39265478	研究论文	本文研究了通过大量数据增强技术改进基于深度学习的颅骨缺损重建方法	本文首次将潜在扩散模型与向量量化变分自编码器结合，显著提高了颅骨缺损重建的精度和质量	本文未详细讨论数据增强技术在其他医学图像处理任务中的适用性	旨在通过数据增强技术提高个性化颅骨植入物建模的自动化程度和临床适用性	个性化颅骨植入物的建模与制造	计算机视觉	NA	深度学习	潜在扩散模型、变分自编码器、生成对抗网络	图像	使用了SkullBreak和SkullFix数据集，具体样本数量未明确说明
3711	2024-11-15	SpeechBrain-MOABB: An open-source Python library for benchmarking deep neural networks applied to EEG signals 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109097 PMID:39265481	研究论文	介绍了一个名为SpeechBrain-MOABB的开源Python库，用于对应用于EEG信号的深度神经网络进行基准测试	开发了一个新的开源工具包SpeechBrain-MOABB，旨在解决现有工具在超参数搜索和结果波动方面的不足，并提供一个标准化的实验协议	现有工具如MOABB和braindecode在超参数搜索和结果波动方面存在局限性，缺乏标准化的实验协议	解决EEG解码领域缺乏全面的开源神经网络库的问题，提高解码管道的鲁棒性和完整性	EEG信号解码	机器学习	NA	深度学习	深度神经网络	EEG信号	NA
3712	2024-11-15	Prediction of Expanded Disability Status Scale in patients with MS using deep learning 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109143 PMID:39270459	研究论文	本研究开发了一种深度神经网络框架，用于预测多发性硬化症患者的扩展残疾状态量表（EDSS），使用MRI扫描数据	本研究的创新点在于整合T2加权和FLAIR图像，显著提高了预测准确性，并展示了模型在分割和分类任务中的高精度和可靠性	研究面临的挑战包括数据质量、样本量和计算复杂性，未来研究应关注标准化成像协议、整合更大和更多样化的数据集以及优化模型效率	本研究的目的是开发一种稳健的深度学习框架，用于准确预测多发性硬化症患者的扩展残疾状态量表（EDSS）	本研究的对象是多发性硬化症患者及其MRI扫描数据	计算机视觉	多发性硬化症	深度学习	深度神经网络	图像	具体样本数量未在摘要中提及
3713	2024-11-15	Automatic motion artifact detection in electrodermal activity signals using 1D U-net architecture 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109139 PMID:39270456	研究论文	本文提出了一种基于一维U-Net架构的自动检测电皮肤活动信号中运动和噪声伪影的方法	使用一维U-Net架构和频谱图进行伪影检测，相比现有方法在准确性和计算效率上有所提升	NA	开发一种能够实时检测电皮肤活动信号中运动和噪声伪影的自动化方法	电皮肤活动信号中的运动和噪声伪影	机器学习	NA	一维U-Net架构	一维U-Net	信号	9602个128秒的电皮肤活动信号片段，来自104名受试者
3714	2024-11-15	FvFold: A model to predict antibody Fv structure using protein language model with residual network and Rosetta minimization 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109128 PMID:39270460	研究论文	本文介绍了一种名为FvFold的模型，用于预测抗体Fv结构，结合了蛋白质语言模型、残差网络和Rosetta最小化技术	FvFold模型利用ProtT5-XL-UniRef50蛋白质语言模型，在预测抗体Fv结构方面表现出色，尤其在CDR区域和整体Fv结构预测上优于现有模型	NA	开发一种能够精确预测抗体Fv结构的深度学习模型，以推动治疗和商业应用，特别是在癌症治疗方面	抗体的Fv区域结构	机器学习	癌症	蛋白质语言模型、残差网络、Rosetta最小化	深度学习模型	蛋白质结构数据	NA
3715	2024-11-15	Prediction of fetal brain gestational age using multihead attention with Xception 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109155 PMID:39278161	研究论文	本文提出了一种利用多注意力机制与Xception模型结合的深度学习方法，用于通过胎儿脑部MRI图像预测胎龄	结合了Xception预训练模型与多注意力机制，提高了胎龄预测的精度和效率	NA	开发一种准确预测胎龄的方法，以优化产前护理	胎儿脑部MRI图像	计算机视觉	NA	深度学习	Xception与多注意力机制	图像	52,900张胎儿脑部图像，来自741名患者，胎龄范围为19至39周
3716	2024-11-15	CT perfusion parameter estimation in stroke using neural network with transformer and physical model priors 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109134 PMID:39278163	研究论文	本文提出了一种基于Transformer模型和物理模型先验的深度学习方法，用于中风患者的CT灌注参数估计	首次将深度学习方法应用于CT灌注参数估计，并结合了物理模型先验	实验结果主要基于模拟数据和ISLES 2018挑战数据集，需要进一步在更大规模的真实数据上验证	开发一种更准确和鲁棒的CT灌注参数估计方法，以辅助急性缺血性中风的治疗	急性缺血性中风患者的CT灌注图像	计算机视觉	中风	深度学习	Transformer	图像	103例真实CT灌注图像
3717	2024-11-15	Retrosynthetic analysis via deep learning to improve pilomatricoma diagnoses 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109152 PMID:39298885	研究论文	本文通过深度学习进行逆合成分析，以改进皮瘤诊断	本文提出了一种多尺度迁移学习模型，并引入逆合成显著性映射技术，以增强全切片图像中的病变可视化	模型在'其他'类别的表现有待提高	提高皮瘤的诊断准确性和治疗效果	皮瘤的病理诊断	数字病理学	NA	深度学习	迁移学习模型	图像	NA
3718	2024-11-15	An enzyme-inspired specificity in deep learning model for sleep stage classification using multi-channel PSG signals input: Separating training approach and its performance on cross-dataset validation for generalizability 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109138 PMID:39305732	研究论文	本文提出了一种基于酶启发的深度学习模型，用于多通道PSG信号的睡眠阶段分类，并通过分离训练方法和跨数据集验证来提高模型的泛化能力	本文的创新点在于结合了酶启发的特异性，采用了分离训练方法，并确定了每种生理信号的最佳采样频率，以提高模型的泛化能力	本文的局限性在于仅控制了受试者类型和评分手册因素，而未考虑其他可能影响模型泛化能力的因素	本研究旨在开发一种能够解决睡眠阶段分类模型泛化问题的深度学习模型	本研究的对象是多通道PSG信号，包括EEG、EOG和EMG信号	机器学习	NA	深度学习	CNN和BiLSTM	信号	MGH数据集用于训练，SHHS1、SHHS2、Sleep-EDF和BCI-MU数据集用于跨数据集验证，样本数量分别为200、200、153和94条记录
3719	2024-11-15	Predicting DNA Reactions with a Quantum Chemistry-Based Deep Learning Model 2024-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202409880 PMID:39297371	研究论文	本文介绍了一种基于量子化学的深度学习模型，用于提高预测DNA反应参数的准确性和效率	通过将量子化学计算与自设计的描述符矩阵结合，该模型提供了能量变化的全面描述，并考虑了广泛的相关因素	由于标记数据有限，采用了主动学习方法来克服这一挑战	提高预测DNA反应参数的准确性和效率	DNA反应参数，包括DNA杂交自由能和链置换速率常数	机器学习	NA	量子化学计算	深度学习模型	描述符矩阵	NA
3720	2024-11-15	RECOMED: A comprehensive pharmaceutical recommendation system 2024-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102981 PMID:39306906	研究论文	本文介绍了一种综合性的药物推荐系统，通过考虑患者、疾病和化学品的多种特征，为医生和患者提供高精度的药物推荐	提出了一种基于矩阵分解和深度学习的药物推荐模型，相较于传统的矩阵分解和其他机器学习方法，显著提高了推荐系统的准确性、敏感性和命中率	尽管模型在现有数据集上表现优异，但临床准确性和敏感性可能有所不同，需要更大的数据集来验证	开发一种高精度的药物推荐系统，帮助医生和患者选择合适的药物组合	患者、疾病和药物的特征	机器学习	NA	自然语言处理、神经网络、推荐系统算法	矩阵分解、深度学习模型	文本、患者数据、药物信息	训练集包含2304名患者，验证集包含660名患者