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
4041	2024-11-07	Automated Posterior Scleral Topography Assessment for Enhanced Staphyloma Visualization and Quantification With Improved Maculopathy Correlation 2024-Oct-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.10.41 PMID:39476086	研究论文	本文提出了一种利用深度学习自动提取眼球表面点并构建后巩膜地形图的方法，以增强后巩膜突出症的可视化和量化，并改善与黄斑病变的相关性	本文创新性地使用深度学习技术自动提取眼球表面点，并构建后巩膜地形图，以准确可视化和量化后巩膜突出症的位置和严重程度	本文的研究样本量较小，未来需要扩展到更多成像模态以提高临床应用	本文旨在定量表征高度近视眼的后巩膜形态，特别是后巩膜突出症	本文的研究对象是高度近视眼的后巩膜形态	计算机视觉	眼科疾病	深度学习	NA	图像	102只眼，来自52名参与者
4042	2024-11-07	Development and effect of hybrid simulation program for nursing students: focusing on a case of pediatric cardiac catheterization in Korea: quasi-experimental study 2024-Oct, Child health nursing research DOI:10.4094/chnr.2024.020 PMID:39477234	研究论文	本文开发并评估了一种针对儿科心脏导管插入术的混合模拟程序，旨在提高护理学生的临床实践能力	本文创新性地结合了模拟器和标准化患者（SP），并使用深度学习分析程序来分析非言语沟通，以增强模拟训练的现实感	研究样本量较小，未来需要进一步扩大样本量以验证结果的普适性	开发和评估一种混合模拟程序，以提高护理学生在儿科心脏导管插入术中的临床实践能力	护理学生	NA	NA	深度学习	NA	NA	48名护理学生（实验组24名，对照组24名）
4043	2024-11-07	A Novel Framework for Multimodal Brain Tumor Detection with Scarce Labels 2024-Sep-26, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467343 PMID:39325615	研究论文	本文提出了一种新的无监督学习框架Double-SimCLR，用于多模态脑肿瘤检测，通过对比学习和多模态注意力机制提高检测精度	引入双分支结构和自适应权重掩码技术，增强CT特征提取，并采用多模态注意力机制提升模型对显著信息的聚焦能力	未提及具体局限性	解决多模态数据融合和标注数据稀缺的问题，提高脑肿瘤检测的精度和鲁棒性	脑肿瘤检测	计算机视觉	脑肿瘤	对比学习	Double-SimCLR	图像	未提及具体样本数量
4044	2024-11-07	Deep learning model for protein multi-label subcellular localization and function prediction based on multi-task collaborative training 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae568 PMID:39489606	研究论文	提出了一种基于多任务协同训练的深度学习模型DeepMTC，用于蛋白质的多标签亚细胞定位和功能预测	DeepMTC通过多任务协同训练消除了对已知基因本体（GO）数据库的依赖，并利用预训练语言模型和图变换器模块提高了预测准确性	NA	解决现有计算模型在蛋白质亚细胞定位预测中的局限性，提高预测准确性和可解释性	蛋白质的亚细胞定位和功能	机器学习	NA	深度学习	多任务协同训练模型	蛋白质序列	NA
4045	2024-11-07	Semi-supervised learning with pseudo-labeling compares favorably with large language models for regulatory sequence prediction 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae560 PMID:39489607	研究论文	本文提出了一种基于伪标签的半监督学习方法，用于预测调控序列，并展示了其与大型语言模型相比的优势	提出了一种基于伪标签的半监督学习方法，结合Noisy Student算法提高了伪标签数据的置信度预测，适用于训练任何神经网络架构	未提及	缓解监督学习在预测分子过程中因功能数据有限而面临的限制	非编码单核苷酸多态性的分子过程预测	机器学习	NA	半监督学习	神经网络架构	DNA序列	未提及具体数量，但提到利用了来自众多基因组的无标签DNA序列
4046	2024-11-07	Network signatures define consciousness state during focal seizures 2024-Sep, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18074 PMID:39056406	研究论文	研究通过网络测量评估了不同类型癫痫发作期间的意识状态	首次详细评估了焦点意识清醒发作（FASs）、焦点意识受损发作（FIASs）和焦点至双侧强直-阵挛发作（FBTCSs）的网络状态，并发现FIASs的网络变化与深度睡眠相似	研究样本量较小，且仅限于使用立体脑电图（SEEG）和功能磁共振成像（fMRI）的患者	探讨癫痫发作期间意识丧失的机制，并评估不同类型癫痫发作的网络状态	焦点意识清醒发作（FASs）、焦点意识受损发作（FIASs）和焦点至双侧强直-阵挛发作（FBTCSs）	神经科学	癫痫	立体脑电图（SEEG）、功能磁共振成像（fMRI）	卷积神经网络（CNN）	电生理数据	74名患者
4047	2024-11-07	Leveraging camera traps and artificial intelligence to explore thermoregulation behaviour 2024-Sep, The Journal of animal ecology IF:3.5Q1 DOI:10.1111/1365-2656.14139 PMID:39039745	研究论文	研究利用相机陷阱和人工智能技术自动检测和分类动物的体温调节行为	开发了一种深度学习框架，用于自动检测和分类动物的体温调节行为，并评估了不同光照条件和标记颜色对分类效果的影响	研究仅使用了蜥蜴作为模型动物，未来研究可以扩展到其他物种	探索利用人工智能技术自动化监测动物的体温调节行为	蜥蜴的体温调节行为	计算机视觉	NA	深度学习	对象检测模型和图像分类模型	图像	使用了多种颜色标记的蜥蜴图像数据集
4048	2024-11-07	DEL-Thyroid: deep ensemble learning framework for detection of thyroid cancer progression through genomic mutation 2024-Jul-22, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02604-1 PMID:39039464	研究论文	本文提出了一种基于深度集成学习的甲状腺癌基因突变检测框架	利用LSTM、GRU和Bi-LSTM等深度学习技术构建集成学习模型，以早期检测甲状腺癌基因突变	NA	开发一种能够早期检测甲状腺癌基因突变的深度学习模型	甲状腺癌基因突变	机器学习	甲状腺癌	深度学习	集成学习模型	基因数据	633个样本，包含969个突变，涉及41个基因
4049	2024-11-07	Development and validation of AI-derived segmentation of four-chamber cine cardiac magnetic resonance 2024-Jul-12, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00477-7 PMID:38992116	研究论文	开发并验证了一种基于人工智能的四腔心脏磁共振成像分割模型	首次使用深度学习算法进行四腔心脏磁共振成像的自动分割，并提出了校正因子以减少系统偏差	四腔分割对左心室和右心室体积的估计低于实际短轴分割结果	开发一种自动化的深度学习模型，用于四腔心脏磁共振成像的时间分辨分割	四腔心脏磁共振成像的自动分割和校正	计算机视觉	心血管疾病	深度学习	深度学习算法	图像	训练集包含814个受试者，验证集包含101个受试者
4050	2024-11-07	Deep learning promoted target volumes delineation of total marrow and total lymphoid irradiation for accelerated radiotherapy: A multi-institutional study 2024-Jul, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2024.103393 PMID:38852363	研究论文	研究开发了一种混合神经网络模型，用于加速放射治疗中全骨髓和全淋巴照射的目标体积勾画	提出了一个新颖的双编码器对齐网络（DEA-Net），用于自动和快速的多类临床目标体积分割	NA	开发一种能够准确、自动和快速分割多类临床目标体积的混合神经网络模型	全骨髓照射（TMI）和全骨髓及淋巴照射（TMLI）的目标体积勾画	机器学习	NA	深度学习	双编码器对齐网络（DEA-Net）	CT图像	46名内部机构患者用于训练，39名内部和外部患者用于独立评估
4051	2024-11-07	Temporal Dynamic Synchronous Functional Brain Network for Schizophrenia Classification and Lateralization Analysis 2024-Jun-25, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3419041 PMID:38917293	研究论文	研究提出了一种用于精神分裂症分类和侧化分析的时间动态同步功能脑网络模型	设计了独特的动态脑网络分析模块DSF-BrainNet，并提出了基于同步时间特性的图卷积方法TemporalConv和用于异常半球侧化的模块化测试工具CategoryPool	NA	研究精神分裂症患者脑活动异常的机制	精神分裂症患者的功能磁共振成像数据	计算机视觉	精神分裂症	功能磁共振成像	图卷积网络	图像	COBRE和UCLA数据集
4052	2024-11-07	AI-based classification of three common malignant tumors in neuro-oncology: A multi-institutional comparison of machine learning and deep learning methods 2024-May, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2023.08.007 PMID:37652263	研究论文	比较机器学习和深度学习方法在神经肿瘤学中三种常见恶性肿瘤分类中的表现	首次多机构比较机器学习和深度学习在三种常见恶性肿瘤分类中的表现	研究仅限于三种特定类型的肿瘤，且样本量有限	评估机器学习和深度学习在三种常见恶性肿瘤分类中的性能	神经肿瘤学中的三种常见恶性肿瘤：胶质母细胞瘤、颅内转移性疾病和原发性中枢神经系统淋巴瘤	机器学习	神经肿瘤	多参数MRI图像处理	3D卷积神经网络	图像	训练集502例，验证集86例
4053	2024-11-07	Machine Learning-powered 28-day Mortality Prediction Model for Hospitalized Patients with Acute Decompensation of Liver Cirrhosis 2024-May, Oman medical journal DOI:10.5001/omj.2024.79 PMID:39497942	研究论文	研究开发了一种用于预测急性失代偿性肝硬化住院患者28天死亡率的机器学习模型	利用机器学习和深度学习算法开发了更准确的28天死亡率预测模型，超越了传统的评分系统	深度学习模型的表现不如传统机器学习模型稳定	探索利用人工智能和机器学习提高急性失代偿性肝硬化患者28天死亡率的预测准确性	急性失代偿性肝硬化住院患者	机器学习	肝硬化	机器学习算法和深度学习算法	逻辑回归、朴素贝叶斯、随机森林、多层人工神经网络、循环神经网络、长短期记忆网络	医疗记录	173名肝硬化患者
4054	2024-11-07	Malignancy diagnosis of liver lesion in contrast enhanced ultrasound using an end-to-end method based on deep learning 2024-Mar-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01247-y PMID:38515044	研究论文	本文提出了一种基于深度学习的端到端方法，用于增强超声（CEUS）图像中肝脏病变的恶性诊断	本文创新性地结合了二维卷积神经网络（CNN）和长短期记忆网络（LSTM），无需手动特征选择即可进行恶性诊断	本文的局限性在于仅使用了420个病例进行验证，样本量相对较小	开发一种基于深度学习的端到端方法，用于增强超声图像中肝脏病变的恶性诊断	肝脏病变及其恶性诊断	计算机视觉	肝脏疾病	深度学习	CNN-LSTM	图像	420个肝脏病变病例，包括136个良性病例和284个恶性病例
4055	2024-11-07	Multimodal deep learning-based diagnostic model for BPPV 2024-Mar-21, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02438-x PMID:38515156	研究论文	本研究旨在通过结合眼动视频和位置信息，利用多模态深度学习模型提高BPPV诊断的准确性	提出了一个结合视频理解模型、自编码器和交叉注意力机制的多模态深度学习诊断模型	NA	探索和应用人工智能方法提高BPPV诊断的准确性	BPPV患者的诊断	机器学习	NA	多模态深度学习	多模态深度学习模型	视频和位置信息	518名BPPV患者
4056	2024-11-07	A Foundation Model for Cell Segmentation 2024-Mar-07, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.17.567630 PMID:38045277	研究论文	本文介绍了一种名为CellSAM的基础模型，用于跨不同细胞成像数据域的细胞分割	CellSAM通过在Segment Anything Model (SAM)基础上开发提示工程方法，实现了跨多种成像模式的细胞分割，展示了强大的零样本学习和少样本学习能力	NA	开发一种能够跨不同细胞成像数据域进行细胞分割的基础模型	哺乳动物细胞（组织和细胞培养）、酵母和细菌的图像	计算机视觉	NA	深度学习	基础模型	图像	涉及多种成像模式的哺乳动物细胞、酵母和细菌图像
4057	2024-11-07	An integrative approach to protein sequence design through multiobjective optimization 2024-Mar-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.01.582670 PMID:38496480	研究论文	本文提出了一种通过多目标优化进行蛋白质序列设计的综合方法	采用进化多目标优化技术，结合AlphaFold2和ProteinMPNN的置信度指标，以及ESM-1v和ProteinMPNN的突变操作符，显著减少了RfaH天然序列恢复的偏差和方差	NA	开发一种能够直接整合不同模型和目标函数到生成设计过程中的框架	蛋白质序列设计	机器学习	NA	多目标优化	NSGA-II	蛋白质序列	NA
4058	2024-11-07	NPSV-deep: a deep learning method for genotyping structural variants in short read genome sequencing data 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae129 PMID:38444093	研究论文	提出了一种基于深度学习的结构变异基因分型方法NPSV-deep，用于短读长基因组测序数据	将结构变异基因分型任务重新定义为图像相似性问题，通过比较实际短读长数据和模拟数据的堆叠图像来预测基因型	NA	提高短读长基因组测序数据中结构变异的基因分型准确性	结构变异的基因分型	机器学习	NA	短读长基因组测序	深度学习	图像	不同结构变异集合和样本类型
4059	2024-11-07	Machine and deep learning methods for predicting 3D genome organization 2024-Mar-04, ArXiv PMID:38495565	综述	本文综述了使用机器学习和深度学习方法预测三维基因组组织的三种类型交互（增强子-启动子交互、染色质交互、拓扑关联域边界）的计算工具，并分析了它们的优缺点	本文讨论了机器学习方法在填补缺失的三维交互和提高分辨率方面的创新应用	当前的三维结构目录由于技术、工具和数据分辨率的差异，仍然不完整且不可靠	探讨计算工具在预测三维基因组交互中的应用及其未来研究方向	三维基因组组织中的三种类型交互（增强子-启动子交互、染色质交互、拓扑关联域边界）	机器学习	NA	ChIP-seq, DNAse-seq	NA	基因组数据	NA
4060	2024-11-07	Alleviating tiling effect by random walk sliding window in high-resolution histological whole slide image synthesis 2024, Proceedings of machine learning research PMID:38993526	研究论文	本文提出了一种基于深度学习的高分辨率全切片图像合成方法，通过随机游走滑动窗口策略减少多重免疫荧光（MxIF）到苏木精和伊红（H&E）染色图像合成中的拼贴效应	本文通过在CycleGAN框架中添加同时的细胞核和粘液分割监督作为空间约束，并引入随机游走滑动窗口策略，显著减少了高分辨率全切片图像合成中的拼贴效应	本文未提及具体的局限性	研究目的是通过深度学习方法从多重免疫荧光（MxIF）图像中合成虚拟的苏木精和伊红（H&E）全切片图像，并减少拼贴效应	研究对象是多重免疫荧光（MxIF）和苏木精和伊红（H&E）染色的全切片图像	数字病理学	NA	深度学习	CycleGAN	图像	每个MxIF全切片图像包含27种标记/染色