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
4761	2024-11-15	Development of a deep learning model for automated detection of calcium pyrophosphate deposition in hand radiographs 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1431333 PMID:39512610	研究论文	开发了一种深度学习模型，用于在手部X光片中自动检测钙焦磷酸盐沉积	首次开发了一种深度学习算法，能够自动且可靠地检测手部X光片中的钙焦磷酸盐沉积特征	模型在某些情况下可能会出现意外的高亮区域，可能是由于不同手部区域的相关特征	开发和测试一种深度学习算法，用于自动检测手部X光片中的钙焦磷酸盐沉积特征	手部X光片中的钙焦磷酸盐沉积特征，特别是三角纤维软骨复合体和掌指关节的钙化	计算机视觉	关节炎	卷积神经网络	CNN	图像	926张手部X光片，包括319例钙焦磷酸盐沉积阳性病例和607例阴性病例
4762	2024-11-15	Development and evaluation of a soft pneumatic muscle for elbow joint rehabilitation 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1401686 PMID:39512658	研究论文	开发并评估了一种用于肘关节康复的软气动肌肉	开发了生物力学兼容的软气动肌肉，优化了肘关节的精确旋转控制，并结合了基于深度学习的运动跟踪系统	NA	提高肘关节康复的安全性和有效性	肘关节的康复	NA	NA	有限元分析	深度学习算法	NA	NA
4763	2024-11-15	De novo design of mIDH1 inhibitors by integrating deep learning and molecular modeling 2024, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2024.1491699 PMID:39512821	研究论文	本研究通过整合深度学习和分子建模技术，设计了新的mIDH1抑制剂	首次尝试使用深度学习设计mIDH1抑制剂，为mIDH1抑制剂的设计提供了理论指导	NA	设计新的mIDH1抑制剂，用于癌症治疗	mIDH1基因突变相关的急性髓系白血病、胶质瘤和某些实体瘤	机器学习	血液肿瘤	双向循环神经网络（BRNN）、分子对接、分子动力学模拟	BRNN	化合物	3890个新化合物（BRNN生成）和3680个新化合物（支架跳跃方法生成）
4764	2024-11-15	Deep learning-based computed tomography urography image analysis for prediction of HER2 status in bladder cancer 2024, Journal of Cancer IF:3.3Q2 DOI:10.7150/jca.101296 PMID:39513113	研究论文	本研究利用深度学习技术分析计算机断层扫描尿路造影（CTU）图像，预测膀胱癌中的HER2状态	首次提出了一种非侵入性方法，通过CTU图像识别和检测膀胱癌中的HER2表达	NA	旨在通过CTU图像检测HER2表达，以实现更精确的治疗	膀胱癌患者的CTU图像	计算机视觉	膀胱癌	Pyradiomics包提取放射特征，主成分分析（PCA）降维	多层感知器（MLP）	图像	97名膀胱癌患者
4765	2024-11-15	Deep Neural Network and Radiomics-based Magnetic Resonance Imaging System for Predicting Microvascular Invasion in Hepatocellular Carcinoma 2024, Journal of Cancer IF:3.3Q2 DOI:10.7150/jca.93712 PMID:39513126	研究论文	本文提出了一种基于深度神经网络和放射组学的磁共振成像系统，用于预测肝细胞癌中的微血管侵犯	本文的创新点在于结合了放射组学特征和临床特征，构建了一个用于预测微血管侵犯的深度神经网络模型	本文的局限性在于样本量相对较小，且未提及模型的泛化能力和在其他数据集上的表现	本文的研究目的是开发一种基于磁共振成像的自动化系统，用于准确预测肝细胞癌中的微血管侵犯	本文的研究对象是肝细胞癌患者的磁共振成像数据和临床特征	计算机视觉	肝癌	磁共振成像	深度神经网络	图像	420名肝细胞癌患者，其中140例为微血管侵犯，280例为非微血管侵犯
4766	2024-11-14	Unleashing the strengths of unlabelled data in deep learning-assisted pan-cancer abdominal organ quantification: the FLARE22 challenge 2024-Nov, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00154-7 PMID:39455194	研究论文	本文介绍了FLARE22挑战赛，旨在评估和提升深度学习在腹部器官分割和量化中的应用，特别是在使用未标记数据的情况下	本文首次展示了如何利用未标记数据显著减少手动标注成本，并提高深度学习算法在跨国数据集上的泛化能力	本文主要集中在腹部器官的分割和量化，未涉及其他类型的医学图像分析	评估和提升深度学习在腹部器官分割和量化中的应用，特别是在使用未标记数据的情况下	腹部器官的分割和量化	计算机视觉	NA	深度学习	NA	图像	使用了50个标记图像和2000个未标记图像
4767	2024-11-14	A Cross-Modal Mutual Knowledge Distillation Framework for Alzheimer's Disease Diagnosis: Addressing Incomplete Modalities 2024-Oct-22, medRxiv : the preprint server for health sciences DOI:10.1101/2023.08.24.23294574 PMID:37662267	研究论文	提出了一种用于阿尔茨海默病诊断的跨模态互知识蒸馏框架，以解决数据集中模态不完整的问题	通过跨模态互知识蒸馏（MKD）框架，利用多模态模型作为教师模型，单模态模型作为学生模型，实现了在不完整模态数据集上的有效诊断	NA	开发一种能够在不完整模态数据集上进行阿尔茨海默病早期检测的深度学习框架	阿尔茨海默病患者的多模态神经影像数据	机器学习	阿尔茨海默病	深度学习	跨模态互知识蒸馏框架	多模态神经影像数据（MRI和PET）	使用了阿尔茨海默病神经影像学倡议（ADNI）数据集进行验证
4768	2024-09-13	Is Histopathology Deep Learning Artificial Intelligence the Future of Precision Oncology? 2024-Oct-20, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01271 PMID:39259925	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4769	2024-11-14	Deep learning-based cell segmentation for rapid optical cytopathology of thyroid cancer 2024-07-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64855-2 PMID:39013980	研究论文	本文介绍了一种基于深度学习的细胞分割方法，用于快速光学细胞病理学诊断甲状腺癌	提出了使用2D U-Net卷积神经网络进行自动细胞分割，显著减少了数据分析时间	自动分割与手动分割在细胞面积和荧光极化值上存在一定差异	开发一种快速且准确的甲状腺癌诊断方法	甲状腺癌细胞	计算机视觉	甲状腺癌	深度学习	U-Net	图像	使用了病理多样的人类甲状腺细胞图像进行训练和测试
4770	2024-11-14	Quantum-to-Classical Neural Network Transfer Learning Applied to Drug Toxicity Prediction 2024-Jun-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00432 PMID:38795030	研究论文	本文提出了一种混合量子-经典神经网络，用于预测药物毒性，并展示了其在Tox21数据集上的应用	利用量子电路设计模拟经典神经网络行为，通过Hadamard测试减少量子比特数量，并实现了量子到经典设备的可学习权重转移	NA	解决药物毒性预测中的计算复杂性问题，提高药物筛选效率	药物毒性预测	机器学习	NA	量子计算	混合量子-经典神经网络	数据集	Tox21数据集
4771	2024-11-14	Shoulder Bone Segmentation with DeepLab and U-Net 2024-Jun, Osteology (Basel, Switzerland) DOI:10.3390/osteology4020008 PMID:39474235	研究论文	比较了基于DeepLab和U-Net的两种深度学习模型在ZTE MRI上进行肩部骨骼自动分割的性能	首次在肩部骨骼分割任务中比较了DeepLab和U-Net模型的性能，并实现了U-Net模型在MRI控制台上的应用	研究处于早期阶段，样本量较小，且存在模型对分割区域估计不准确的问题	评估和比较两种深度学习模型在肩部骨骼分割任务中的表现，以改进术前规划	肩部骨骼，特别是肱骨头和髋臼的分割	计算机视觉	NA	ZTE MRI	DeepLab, U-Net	图像	31例正常肩部样本用于训练，13例用于测试
4772	2024-11-14	Deep learning based characterization of human organoids using optical coherence tomography 2024-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.515781 PMID:38855657	研究论文	本研究利用光学相干断层扫描（OCT）和深度学习技术对人类类器官进行快速、非侵入性成像和自动分割	开发了一种结合OCT和深度学习的方法，用于实时、定量分析类器官的形态和功能	NA	研究类器官的形态和功能，并开发新的成像和分析工具	人类诱导多能干细胞（hiPSCs）衍生的视网膜、大脑和心脏类器官	计算机视觉	NA	光学相干断层扫描（OCT）	深度学习	图像	NA
4773	2024-11-14	An integrated framework for prognosis prediction and drug response modeling in colorectal liver metastasis drug discovery 2024-03-30, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05127-5 PMID:38555418	研究论文	本研究开发了一个综合框架，用于预测结直肠癌肝转移的预后和药物反应建模	本研究开发了两个基于差异表达基因的肝转移相关预后标志物，并使用可解释的深度学习模型识别高风险患者的潜在治疗药物	NA	发现结直肠癌肝转移的新型预后生物标志物和治疗药物	结直肠癌肝转移患者	机器学习	结直肠癌	深度学习	深度学习模型	基因表达数据	NA
4774	2024-11-14	Artificial intelligence in neuro-oncology: advances and challenges in brain tumor diagnosis, prognosis, and precision treatment 2024-Mar-29, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00575-0 PMID:38553633	综述	本文综述了人工智能在神经肿瘤学中的最新进展及其在脑肿瘤诊断、预后和精准治疗中的挑战	人工智能在脑肿瘤管理中引入了变革性创新，利用成像、组织病理学和基因组工具实现高效检测、分类、预后预测和治疗规划	本文讨论了人工智能在神经肿瘤学应用中的挑战，包括多模态数据整合、生成性人工智能、大型医学语言模型、精确肿瘤描绘和特征化以及解决种族和性别差异等问题	探讨人工智能在神经肿瘤学中的应用及其对脑肿瘤管理的全面影响	胶质瘤，一类代表全球重大健康问题的脑肿瘤	计算机视觉	脑肿瘤	人工智能	深度学习	成像数据	NA
4775	2024-11-14	Digitally assessed lymphocyte infiltration in rectal cancer biopsies is associated with pathological response to neoadjuvant therapy 2024-02, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2023.12.010 PMID:38157991	研究论文	研究评估了数字技术在直肠癌活检中淋巴细胞浸润与新辅助治疗病理反应之间的关联	首次探讨了数字评估的淋巴细胞密度与直肠癌新辅助治疗病理反应之间的关系	样本量较小，仅包括50名患者	寻找预测直肠癌新辅助治疗病理反应的潜在生物标志物	直肠癌患者的活检样本	数字病理学	直肠癌	深度学习	NA	图像	50名直肠癌患者
4776	2024-11-13	Post-deployment performance of a deep learning algorithm for normal and abnormal chest X-ray classification: A study at visa screening centers in the United Arab Emirates 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100606 PMID:39507100	研究论文	研究了在阿联酋签证筛查中心部署的深度学习算法在正常和异常胸片分类中的表现	使用了大量数据进行研究，高负预测值和与人类读者的满意一致性表明AI可以可靠地识别正常胸片	正预测值较低，整体与放射科医生的同意率仅为72.90%	评估深度学习算法在胸片分类中的实际应用效果	胸片分类算法在签证筛查中心的部署表现	计算机视觉	NA	深度学习	深度学习算法	图像	1,309,443张胸片，来自1,309,431名患者
4777	2024-11-13	Deep learning hybrid model ECG classification using AlexNet and parallel dual branch fusion network model 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78028-8 PMID:39505940	研究论文	本文提出了一种基于AlexNet和并行双分支融合网络模型的深度学习混合模型，用于心电图分类	本文提出的模型在心电图分类任务中达到了99%的准确率，优于现有的Hybrid AlexNet SVM和DCNN LSTM模型	NA	提高心电图分类的准确性和自动化程度	心电图信号	机器学习	心血管疾病	深度学习	AlexNet, 并行双分支融合网络模型	心电图信号	PTB诊断心电图数据库中的样本
4778	2024-11-13	Identification of sentinel lymph node macrometastasis in breast cancer by deep learning based on clinicopathological characteristics 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78040-y PMID:39505964	研究论文	本研究首次探讨了基于术前临床病理特征的深度学习模型在识别乳腺癌前哨淋巴结宏转移中的应用	首次探索了深度学习模型在基于术前临床病理特征识别前哨淋巴结宏转移中的应用	特征重要性分析显示，具有相似特征的患者表现出不同的淋巴结状态预测，表明需要额外的预测因子以进一步改进	探索深度学习模型在识别乳腺癌前哨淋巴结宏转移中的可行性	乳腺癌患者的前哨淋巴结宏转移	机器学习	乳腺癌	深度学习	Transformer	临床病理特征	18,185名患者
4779	2024-11-13	Automatic delineation of cervical cancer target volumes in small samples based on multi-decoder and semi-supervised learning and clinical application 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78424-0 PMID:39505991	研究论文	本文提出了一种基于多解码器和半监督学习的自动分割算法，用于在小样本中确定宫颈癌目标体积，并通过独立测试队列评估其准确性	本文创新性地结合了多解码器和半监督学习方法，解决了小样本数据需求问题，提高了自动分割模型的准确性和效率	本文仅在71例患者数据上进行了验证，样本量较小，可能影响算法的泛化能力	旨在提高宫颈癌放射治疗中目标体积划分的准确性和效率	宫颈癌患者的CT图像数据，包括主要肿瘤区域和盆腔淋巴引流区域	计算机视觉	宫颈癌	多解码器和半监督学习	3D U-Net	CT图像	71例宫颈癌患者
4780	2024-11-13	Enhanced convolutional neural network architecture optimized by improved chameleon swarm algorithm for melanoma detection using dermatological images 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77585-2 PMID:39505992	研究论文	本文提出了一种基于改进的变色龙群算法优化的卷积神经网络架构，用于通过皮肤病理图像进行黑色素瘤检测	本文的创新点在于使用改进的变色龙群算法优化卷积神经网络，以提高黑色素瘤检测的准确性	NA	本文的研究目的是开发一种自动化的深度学习方法，用于早期黑色素瘤的检测	本文的研究对象是皮肤病理图像中的黑色素瘤	计算机视觉	皮肤癌	卷积神经网络	CNN	图像	使用了SIIM-ISIC黑色素瘤数据集进行验证