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
4581	2024-11-23	SDD-Net: self-supervised dual-domain dual-path single-pixel imaging 2024-Aug-12, Optics express IF:3.2Q2 DOI:10.1364/OE.530902 PMID:39573230	研究论文	提出了一种自监督的双域双路径单像素成像方法	采用自监督学习方法，无需实际标签即可重建目标图像，并通过双域约束和结构-纹理双路径引导网络恢复图像的结构和纹理信息	未提及具体限制	解决现有单像素成像方法在复杂场景或特定应用中成像细节不足的问题	单像素成像技术	计算机视觉	NA	自监督学习	SDD-Net	图像	未提及具体样本数量
4582	2024-11-23	Mechanism-based organization of neural networks to emulate systems biology and pharmacology models 2024-05-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-59378-9 PMID:38802422	研究论文	本文通过重新组织神经网络层以模拟机制模型的结构，展示了在药理学相互作用研究中提高训练率和预测准确性的方法	提出了一种通过重新组织神经网络层以模拟机制模型结构的方法，从而提高训练率和预测准确性，同时保持机制模拟的可解释性	NA	探索如何通过重新组织神经网络层来提高深度学习模型的训练率和预测准确性，同时保持机制模型的可解释性	研究阿片类药物与纳洛酮之间的药理学相互作用	机器学习	NA	深度学习	神经网络	NA	NA
4583	2024-11-23	Computer vision digitization of smartphone images of anesthesia paper health records from low-middle income countries 2024-May-07, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05785-8 PMID:38714921	研究论文	本文展示了使用计算机视觉软件从低至中等收入国家的智能手机拍摄的麻醉纸质健康记录中数字化手写手术数据的创新应用	本文的创新点在于使用计算机视觉技术数字化低至中等收入国家麻醉纸质记录中的手写数据，并改进了深度学习模型	本文的局限性在于仅在正常摄影条件下进行了测试，且生理数据的总体准确性为85.2%	本文的研究目的是提高低至中等收入国家医疗从业者对数字化数据的访问	本文的研究对象是低至中等收入国家的麻醉纸质健康记录中的手写数据	计算机视觉	NA	计算机视觉技术	YOLOv8模型	图像	来自基加利大学教学医院的麻醉纸质记录
4584	2024-11-23	Transcriptome-based deep learning analysis identifies drug candidates targeting protein synthesis and autophagy for the treatment of muscle wasting disorder 2024-Apr, Experimental & molecular medicine DOI:10.1038/s12276-024-01189-z PMID:38556548	研究论文	本研究通过转录组深度学习分析，识别出针对蛋白质合成和自噬的药物候选物，用于治疗肌肉萎缩症	本研究首次发现dimenhydrinate（一种由8-氯茶碱和苯海拉明组成的药物）作为治疗肌肉萎缩症的潜在疗法，并通过体外和体内实验验证了其促进肌肉再生的效果	本研究主要集中在dimenhydrinate的潜在治疗效果上，未详细探讨其长期使用的可能副作用和安全性	本研究的目的是通过转录组分析和深度学习技术，识别出新的药物候选物，用于治疗肌肉萎缩症	本研究主要关注癌症形成和5-FU化疗诱导的肌肉萎缩相关的基因表达特征，以及dimenhydrinate在肌肉再生中的作用	机器学习	肌肉萎缩症	转录组分析	深度学习	基因表达数据	包括体外实验中的肌肉祖细胞和体内实验中的多种肌肉萎缩模型动物
4585	2024-11-23	Advancing smart city factories: enhancing industrial mechanical operations via deep learning techniques 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1398126 PMID:39568661	研究论文	本文介绍了一种利用长短期记忆深度学习模型来实时监控和缓解工业环境中异常情况的创新方法	本文提出的模型在检测异常方面具有高精度，并能自动提出或实施补救措施，显著提高了操作效率	NA	提高工业机械操作的效率和可持续性	工业环境中的异常检测和缓解	机器学习	NA	深度学习	长短期记忆（LSTM）	数据	NA
4586	2024-11-23	Diagnostic performance of artificial intelligence in detecting oral potentially malignant disorders and oral cancer using medical diagnostic imaging: a systematic review and meta-analysis 2024, Frontiers in oral health IF:3.0Q1 DOI:10.3389/froh.2024.1494867 PMID:39568787	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在医学诊断影像中检测口腔潜在恶性病变和口腔癌的诊断性能	本文首次系统性地评估了AI算法在口腔癌检测中的诊断准确性，并发现深度学习架构，特别是卷积神经网络，在检测口腔潜在恶性病变和口腔癌方面表现出色	本文仅评估了已发表的研究，可能存在发表偏倚；此外，研究间的异质性较大，可能影响结果的普适性	评估AI驱动的诊断方法在医学影像中检测口腔潜在恶性病变和口腔癌的诊断准确性	口腔潜在恶性病变和口腔癌	machine learning	口腔癌	NA	CNN	image	筛选了296篇文章，包括55项研究进行定性综合，选择了18项研究进行荟萃分析
4587	2024-11-23	A transformer-based deep learning model for identifying the occurrence of acute hematogenous osteomyelitis and predicting blood culture results 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1495709 PMID:39568996	研究论文	本文开发了一种基于Transformer的深度学习模型，用于识别急性血源性骨髓炎的发生并预测血培养结果	本文首次将Transformer模型应用于急性血源性骨髓炎的识别和血培养结果的预测	本文仅分析了实验室指标与骨髓炎及其相关诊断的关系，未考虑其他可能影响因素	开发一种能够有效识别急性血源性骨髓炎并预测血培养结果的深度学习模型	18岁以下的急性血源性骨髓炎患者及其血培养结果	机器学习	骨髓炎	Transformer	Transformer	实验室指标	634名18岁以下患者
4588	2024-11-23	Compare three deep learning-based artificial intelligence models for classification of calcified lumbar disc herniation: a multicenter diagnostic study 2024, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2024.1458569 PMID:39569028	研究论文	本文比较了三种基于深度学习的人工智能模型在钙化性腰椎间盘突出分类中的应用	本文开发并验证了一种基于侧位腰椎磁共振成像的人工智能诊断模型，用于识别钙化性腰椎间盘突出	研究时间跨度较长，且仅限于特定类型的腰椎间盘突出	开发和验证一种用于识别钙化性腰椎间盘突出的人工智能诊断模型	钙化性腰椎间盘突出患者	计算机视觉	腰椎间盘突出	深度学习	ResNet-34	图像	1224名患者，包括610名男性和614名女性，平均年龄53.34 ± 10.61岁
4589	2024-11-23	Construction of a 2.5D Deep Learning Model for Predicting Early Postoperative Recurrence of Hepatocellular Carcinoma Using Multi-View and Multi-Phase CT Images 2024, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S493478 PMID:39569409	研究论文	构建了一个基于2.5D深度学习模型的CT影像，用于预测肝细胞癌术后早期复发	提出了一个2.5D深度学习模型，结合多视角和多相位CT影像，用于预测肝细胞癌术后早期复发	3D深度学习模型在内部和外部验证集上表现不佳，表明存在过拟合问题	构建一个基于2.5D深度学习模型的CT影像，用于预测肝细胞癌术后早期复发	肝细胞癌术后早期复发的预测	机器学习	肝癌	深度学习	2.5D深度学习模型	CT影像	232名患者用于训练和内部验证，91名患者用于外部验证
4590	2024-11-23	Large Language Models in Neurosurgery 2024, Advances in experimental medicine and biology DOI:10.1007/978-3-031-64892-2_11 PMID:39523266	研究论文	本文探讨了大型语言模型（LLM）在神经外科中的应用及其潜在的优缺点	本文首次详细讨论了大型语言模型在神经外科领域的应用，特别是ChatGPT在生成手术报告和手术笔记方面的潜力	本文未详细讨论大型语言模型在实际应用中可能遇到的伦理和技术挑战	探讨大型语言模型在神经外科中的应用及其潜在影响	大型语言模型（如ChatGPT）在神经外科中的应用	自然语言处理	NA	深度学习	Transformer	文本	NA
4591	2024-11-23	Navigating Mathematical Basics: A Primer for Deep Learning in Science 2024, Advances in experimental medicine and biology DOI:10.1007/978-3-031-64892-2_5 PMID:39523260	研究论文	本文提供了一个简明的数学基础介绍，旨在帮助科学家理解深度学习中的基本数学符号	本文的创新之处在于将数学基础与深度学习原理相结合，为非数学背景的读者提供了一个快速入门的途径	由于篇幅限制，本文无法替代需要多门课程和多年时间才能巩固的扎实数学知识	本文的研究目的是帮助非数学背景的读者克服阅读使用数学符号的深度学习文本时的障碍	本文主要研究对象是深度学习中的基本数学符号和模型	机器学习	NA	NA	全连接前馈深度神经网络	NA	NA
4592	2024-11-23	Machine and Deep Learning in Hyperspectral Fluorescence-Guided Brain Tumor Surgery 2024, Advances in experimental medicine and biology DOI:10.1007/978-3-031-64892-2_15 PMID:39523270	研究论文	本文探讨了在荧光引导的脑肿瘤手术中使用机器学习和深度学习方法处理高光谱成像数据的过程	本文结合了机器学习和深度学习方法，提出了一种新的流程，用于从离体高光谱荧光图像中提取和处理相关发射光谱，并使用多种机器学习模型对脑肿瘤进行分类	本文的研究结果主要基于离体数据，尚未在临床环境中验证其有效性	旨在改进荧光引导的脑肿瘤手术中对肿瘤边缘的识别和分类	脑肿瘤及其边缘组织	机器学习	脑肿瘤	高光谱成像	机器学习模型	图像	NA
4593	2024-11-22	Fast, high-quality, and unshielded 0.2 T low-field mobile MRI using minimal hardware resources 2024-Dec, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01184-5 PMID:38967865	研究论文	提出了一种基于深度学习的低场移动MRI策略，使用最少的硬件资源实现快速、高质量、无屏蔽的成像	提出了一种强大的深度学习EMI消除模型，能够准确预测MRI线圈信号中的EMI成分，并通过多层次后处理实现快速和高品质的低场MRI	NA	开发一种基于深度学习的低场移动MRI策略，以实现快速、高质量、无屏蔽的成像	低场移动MRI成像技术	计算机视觉	NA	深度学习	深度学习模型	图像	20名健康志愿者参与实验
4594	2024-11-22	Motion robust coronary MR angiography using zigzag centric ky-kz trajectory and high-resolution deep learning reconstruction 2024-Dec, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01172-9 PMID:38916681	研究论文	本文介绍了一种新的MR冠状动脉造影技术，通过使用之字形扇形中心ky-kz k空间轨迹和高分辨率深度学习重建（HR-DLR）来提高图像质量和扫描效率	本文创新性地结合了之字形扇形中心ky-kz k空间轨迹和高分辨率深度学习重建技术，显著缩短了扫描时间并提高了图像质量	本文仅在12名健康受试者和2名患者中进行了验证，样本量较小，需要进一步在大规模临床试验中验证其有效性和适用性	开发一种高效且高质量的MR冠状动脉造影技术，以提高患者舒适度和临床效率	健康受试者和冠状动脉疾病患者	医学影像	心血管疾病	MR冠状动脉造影	深度学习	图像	12名健康受试者和2名患者
4595	2024-09-06	Correction to: Motion robust coronary MR angiography using zigzag centric ky-kz trajectory and high-resolution deep learning reconstruction 2024-Dec, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01202-6 PMID:39231858	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4596	2024-11-22	Enhanced plasmonic scattering imaging via deep learning-based super-resolution reconstruction for exosome imaging 2024-Dec, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-024-05550-z PMID:39316091	研究论文	本文提出了一种基于深度学习的超分辨率重建方法，用于增强外泌体等离子体散射成像的分辨率	本文提出了一种新的盲超分辨率深度学习神经网络ESRGAN-SE，能够在不增加实验复杂性的情况下提高外泌体等离子体散射成像的分辨率	NA	提高外泌体等离子体散射成像的分辨率，以改进癌症诊断的准确性和效率	外泌体等离子体散射成像	计算机视觉	NA	深度学习	ESRGAN-SE	图像	NA
4597	2024-11-22	Exploring deep learning models for 4D-STEM-DPC data processing 2024-Dec, Ultramicroscopy IF:2.1Q2 DOI:10.1016/j.ultramic.2024.114058 PMID:39388848	研究论文	本文探讨了如何利用卷积神经网络（CNN）进行4D-STEM-DPC数据的自动化和一致性处理	提出了两种不同的方法：一种是直接跟踪电子束并进行回归分析，另一种是使用改进的U-net进行直接电子束分割作为预处理步骤	NA	研究如何利用深度学习模型改进4D-STEM-DPC数据的处理方法	4D-STEM-DPC数据	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	实验获得的4D-STEM数据
4598	2024-11-22	Disentangling Neurodegeneration From Aging in Multiple Sclerosis Using Deep Learning: The Brain-Predicted Disease Duration Gap 2024-Nov-26, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000209976 PMID:39496109	研究论文	本研究使用深度学习技术，通过分析多发性硬化症患者的3D T1加权脑部MRI扫描图像，探讨了脑龄与疾病相关神经退行性变之间的关系	提出了脑预测疾病持续时间差距（DD gap）作为多发性硬化症特异性脑损伤的全球测量指标，并验证了其在解释身体残疾方面的有效性	本研究为回顾性研究，样本主要来自多中心，可能存在数据偏倚	旨在通过深度学习模型区分多发性硬化症患者的脑老化与疾病相关神经退行性变	多发性硬化症患者的3D T1加权脑部MRI扫描图像	计算机视觉	多发性硬化症	深度学习	3D DenseNet	图像	4392名多发性硬化症患者（69.7%为女性，年龄：42.8 ± 10.6岁，疾病持续时间：11.4 ± 9.3年）
4599	2024-11-22	Deep learning-assisted morphological segmentation for effective particle area estimation and prediction of interfacial properties in polymer composites 2024-Nov-21, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr01018c PMID:39469845	研究论文	本研究开发了一种自动化且精确的技术，用于在扫描电子显微镜图像中识别和详细映射颗粒位置，并预测聚合物复合材料的界面性能	本研究结合深度卷积神经网络和高级图像处理技术，实现了颗粒识别和位置映射的自动化，并引入了两个分散因子来量化颗粒分散对性能的影响	NA	研究聚合物纳米复合材料的宏观性能与微观结构特征之间的关系，特别是纳米颗粒分散的影响	聚合物纳米复合材料中的纳米颗粒分散及其对界面性能的影响	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
4600	2024-11-22	Resolution-dependent MRI-to-CT translation for orthotopic breast cancer models using deep learning 2024-Nov-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad9076 PMID:39514971	研究论文	研究利用生成对抗网络（GANs）从低分辨率MRI图像合成高保真CT图像的可行性	提出了一种定制的U-Net模型和两种GAN模型（Nested U-Net GAN和Attention U-Net GAN），成功将低分辨率MRI图像转换为高分辨率CT图像，解决了其他MRI-CT转换技术中常见的细节丢失问题	NA	减少患者暴露于电离辐射的同时保持治疗准确性并加速MRI图像采集	从低分辨率MRI图像生成高质量CT图像的可行性	计算机视觉	乳腺癌	生成对抗网络（GANs）	U-Net	图像	从健康对照和肿瘤模型中获取的配对MRI-CT图像，包括MDA-MB-231和4T1肿瘤细胞注射到裸鼠和BALB/c小鼠的乳腺脂肪垫中