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
521	2024-12-19	ECPC-IDS: A benchmark endometrial cancer PET/CT image dataset for evaluation of semantic segmentation and detection of hypermetabolic regions 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108217 PMID:38430743	研究论文	本文发布了一个公开的子宫内膜癌PET/CT图像数据集ECPC-IDS，用于评估语义分割和检测高代谢区域	首次公开了一个包含大量多模态图像的子宫内膜癌数据集，为计算机辅助诊断提供了新的研究资源	NA	发布一个公开的子宫内膜癌PET/CT图像数据集，以促进计算机辅助诊断技术的发展	子宫内膜癌的PET/CT图像	计算机视觉	子宫内膜癌	深度学习	语义分割和目标检测模型	图像	分割部分包含7159张PET和CT图像，目标检测部分包含3579张PET和CT图像及XML标注文件
522	2024-12-19	scAuto as a comprehensive framework for single-cell chromatin accessibility data analysis 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108230 PMID:38442554	研究论文	本文开发了一个名为scAuto的预训练深度学习框架，用于单细胞染色质可及性数据的分析，并提供了一个用户友好的在线分析工具	scAuto通过预训练和微调的方法，学习DNA序列的通用语法，并将其应用于单细胞染色质可及性分析任务，提供了一个全面的分析框架和交互式网络服务器	NA	开发一个全面的单细胞染色质可及性数据分析框架，并提供用户友好的在线分析工具	单细胞染色质可及性数据	机器学习	NA	深度学习	Transformer	文本	Buenrostro2018数据集
523	2024-12-19	CODENET: A deep learning model for COVID-19 detection 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108229 PMID:38447500	研究论文	本文提出了一种基于深度学习的新模型CODENET，用于通过胸部X光片进行COVID-19的自动诊断	该研究引入了对比学习技术，以充分利用潜在图像数据，增强模型在不同数据域中的特征提取能力和泛化能力	NA	开发一种准确且实用的自动诊断框架，用于COVID-19的检测，并提供良好的可解释性	COVID-19的自动诊断	计算机视觉	COVID-19	对比学习	CNN	图像	NA
524	2024-12-19	Predicting the diabetic foot in the population of type 2 diabetes mellitus from tongue images and clinical information using multi-modal deep learning 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1473659 PMID:39691096	研究论文	本文基于中医和西医的定量和定性融合数据，结合中医和西医的客观参数，建立了一个糖尿病足（DF）预测模型	本文创新性地将舌象特征与临床信息结合，利用多模态深度学习方法建立了糖尿病足预测模型，证明了中医舌诊在糖尿病足风险预测中的独特优势和重要作用	NA	建立一个基于临床特征和客观舌色的糖尿病足预测模型，验证中医舌诊的科学性	2型糖尿病患者的糖尿病足风险预测	机器学习	糖尿病	深度神经网络（DNN）	ResNet-50	图像和临床数据	391名患者，其中267名为糖尿病足患者
525	2024-12-19	Recognition and Localization of Maize Leaf and Stalk Trajectories in RGB Images Based on Point-Line Net 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0199 PMID:39691278	研究论文	本文提出了一种基于Point-Line Net的深度学习方法，用于自动识别玉米田RGB图像中的叶片和茎秆数量及其生长轨迹	本文创新性地开发了Point-Line Net方法，基于Mask R-CNN框架，并引入了一个新的轻量级“关键点”检测分支，用于描述叶片和茎秆的位置和生长	本文主要在实验室环境下进行实验，尚未完全解决田间复杂背景和严重遮挡问题	探索深度学习技术在田间农业中获取叶片和茎秆数量及其生长轨迹的应用	玉米田中的叶片和茎秆数量及其生长轨迹	计算机视觉	NA	深度学习	Point-Line Net	图像	实验结果基于自定义的距离验证指数，达到了33.5的量级
526	2024-12-19	Artificial intelligence for chimeric antigen receptor-based therapies: a comprehensive review of current applications and future perspectives 2024, Therapeutic advances in vaccines and immunotherapy DOI:10.1177/25151355241305856 PMID:39691280	综述	本文综述了人工智能在嵌合抗原受体（CAR）疗法中的当前应用和未来展望	本文探讨了人工智能在CAR疗法中的多种应用，如使用深度学习设计CAR、自然语言处理提取临床信息、计算机视觉分析CAR细胞形态、强化学习优化CAR输注剂量等	本文指出了使用人工智能进行CAR疗法的挑战，包括数据质量不足、模型验证需求、AI输出偏差和错误风险、伦理法律问题以及对人类在癌症免疫治疗中角色的影响	探讨人工智能在CAR疗法中的应用及其未来发展方向	人工智能在CAR疗法中的设计、生产、交付等方面的应用	机器学习	NA	深度学习、自然语言处理、计算机视觉、强化学习	NA	文本、图像	NA
527	2024-12-19	Editorial: Investigating tumor immunotherapy responses in lung cancer using deep learning 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1529949 PMID:39691722	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
528	2024-12-19	EEG-based action anticipation in human-robot interaction: a comparative pilot study 2024, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2024.1491721 PMID:39691819	研究论文	本研究探讨了如何利用脑电图（EEG）信号在人机交互中进行动作预测，以提高安全性和效率	本研究首次将EEG信号与深度学习技术结合，用于人机交互中的动作预测，展示了其在实时协作任务中的潜力	本研究仅进行了初步的试点实验，样本量较小，未来需要更大规模的研究来验证其有效性	探索如何利用EEG信号在人机交互中进行动作预测，以提高安全性和效率	人机交互中的动作预测	机器学习	NA	脑电图（EEG）	深度学习分类模型	脑电图信号	一个运动想象（MI）数据集，具体样本量未明确说明
529	2024-12-19	Predicting High-Grade Patterns in Stage I Solid Lung Adenocarcinoma: A Study of 371 Patients Using Refined Radiomics and Deep Learning-Guided CatBoost Classifier 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241308610 PMID:39692551	研究论文	本研究开发了一种名为Refined Radiomics and Deep Learning Features-Guided CatBoost Classifier (RRDLC-Classifier)的诊断算法，用于预测临床I期实性肺腺癌中的高级别病理模式	本研究创新性地结合了精炼的放射组学和深度学习特征，开发了一种新的诊断算法RRDLC-Classifier，用于预测临床I期实性肺腺癌中的高级别病理模式	本研究为回顾性研究，样本量有限，可能存在选择偏倚	开发并评估一种新的诊断算法，用于预测临床I期实性肺腺癌中的高级别病理模式	临床I期实性肺腺癌患者的高级别病理模式	数字病理学	肺癌	放射组学、深度学习、CatBoost分类器	CatBoost分类器	影像	371名临床I期实性肺腺癌患者
530	2024-12-18	Deep learning model for diagnosis of venous thrombosis from lower extremity peripheral ultrasound imaging 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111318 PMID:39687013	研究论文	本研究旨在建立一个深度学习模型，用于通过下肢外周超声图像诊断深静脉血栓	本研究创新性地使用卷积神经网络（UNet和ResNet）进行图像分割，并开发了一个用户友好的应用程序，以便前线临床医生快速评估临床严重性并进行及时干预	NA	建立一个深度学习模型，用于通过超声图像诊断深静脉血栓	下肢外周超声图像中的深静脉血栓	计算机视觉	深静脉血栓	卷积神经网络	UNet, ResNet	图像	通过标准和便携式手持超声方法获得的静脉双工超声视频图像
531	2024-12-18	Deep learning enabled integration of tumor microenvironment microbial profiles and host gene expressions for interpretable survival subtyping in diverse types of cancers 2024-Dec-17, mSystems IF:5.0Q1 DOI:10.1128/msystems.01395-24 PMID:39565103	研究论文	本研究开发了一种基于自编码器的半监督深度学习框架ASD-cancer，用于整合肿瘤微环境微生物组和宿主基因表达数据，识别癌症患者的生存亚型	首次通过深度学习框架整合肿瘤微生物组和宿主基因表达数据，成功识别出20种癌症的生存亚型，并发现了潜在的微生物-宿主基因相互作用	需要进一步验证数据集的支持以确认结果的普适性	揭示肿瘤微生物组、宿主基因表达及其对患者生存的协同影响，推动个性化治疗	肿瘤微环境中的微生物组和宿主基因表达数据	机器学习	多种癌症	深度学习	自编码器	基因组数据	来自The Cancer Genome Atlas数据库的组织样本
532	2024-12-18	A Deep Learning Based Framework to Identify Undocumented Orphaned Oil and Gas Wells from Historical Maps: A Case Study for California and Oklahoma 2024-Dec-17, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c04413 PMID:39629830	研究论文	本文开发了一种基于深度学习的框架，用于从历史地图中识别未记录的孤立油气井，并在加利福尼亚州和俄克拉荷马州的四个县进行了案例研究	本文创新性地利用了最先进的计算机视觉神经网络模型U-Net，通过检测地理参考历史地形图中的油气井符号来识别潜在的未记录孤立油气井	本文的局限性在于仅在加利福尼亚州和俄克拉荷马州的四个县进行了验证，未来需要进一步扩展到全美范围	本文的研究目的是开发一种方法来识别未记录的孤立油气井，以减少其对环境和公共健康的潜在危害	本文的研究对象是未记录的孤立油气井及其在历史地图中的位置	计算机视觉	NA	计算机视觉神经网络模型	U-Net	地图	在加利福尼亚州和俄克拉荷马州的四个县中，发现了1301个潜在的未记录孤立油气井，覆盖面积超过40,000平方公里
533	2024-12-18	Bimodal PET/MRI generative reconstruction based on VAE architectures 2024-Dec-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad9133 PMID:39527911	研究论文	本研究探索了在深度学习框架下基于变分自编码器（VAE）架构的正电子发射断层扫描（PET）/磁共振成像（MRI）联合重建方法	提出了基于VAE约束与交替方向乘子法（ADMM）优化技术的新方法，并探索了三种VAE架构以确定两种模态的最佳潜在表示	未提及具体限制	开发一种新的PET/MRI联合重建方法，以提高重建质量，特别是在短采集时间下的表现	脑部PET/MRI数据	计算机视觉	NA	变分自编码器（VAE），交替方向乘子法（ADMM）	VAE	图像	脑部PET/MRI数据集
534	2024-12-18	Correction: Deep Learning to Estimate Cardiovascular Risk From Chest Radiographs 2024-Dec-17, Annals of internal medicine IF:19.6Q1 DOI:10.7326/ANNALS-24-03386 PMID:39680924	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
535	2024-12-18	Low Skeletal Muscle Radiodensity Predicts Response to CDK4/6 Inhibitors Plus Aromatase Inhibitors in Advanced Breast Cancer 2024-Dec-17, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13666 PMID:39686815	研究论文	本研究探讨了CT衍生的身体成分指数与激素受体阳性、HER2阴性晚期乳腺癌患者在接受内分泌治疗加CDK4/6抑制剂治疗时的治疗反应之间的关系	首次发现低骨骼肌放射密度（SMD）是预测接受CDK4/6抑制剂和芳香化酶抑制剂联合治疗的患者无进展生存期的独立预测因子	研究为回顾性研究，样本量有限，且仅限于女性患者	探讨身体成分指数与晚期乳腺癌患者治疗反应之间的关系	激素受体阳性、HER2阴性晚期乳腺癌患者	数字病理学	乳腺癌	CT	深度学习	图像	247名女性患者
536	2024-12-18	An interpretable multi-scale convolutional attention residual neural network for glioma grading with Raman spectroscopy 2024-Dec-17, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay02068e PMID:39686848	研究论文	本文提出了一种可解释的多尺度卷积注意力残差神经网络（M-SCA ResNet），用于基于拉曼光谱的胶质瘤分级	创新点在于引入了多尺度通道和空间注意力机制以及残差结构，提升了模型的特征提取能力，并使用Grad-CAM增强了模型的可解释性	NA	开发一种能够提高胶质瘤分级准确性的深度学习模型，并增强其可解释性	高级别胶质瘤（HGG）、低级别胶质瘤（LGG）和正常组织的分类	机器学习	脑肿瘤	拉曼光谱	多尺度卷积注意力残差网络（M-SCA ResNet）	光谱数据	NA
537	2024-12-18	Development of Deep Learning-Based Virtual Lugol Chromoendoscopy for Superficial Esophageal Squamous Cell Carcinoma 2024-Dec-17, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16843 PMID:39687978	研究论文	本文开发了一种基于深度学习的虚拟卢戈染色内镜技术，用于检测表浅性食管鳞状细胞癌	本文首次使用CycleGAN生成虚拟卢戈染色内镜图像，并评估其在食管鳞状细胞癌检测中的表现	虚拟卢戈染色内镜的检测和边缘评分仍低于真实卢戈染色内镜	开发一种基于深度学习的虚拟卢戈染色内镜方法，以提高食管鳞状细胞癌的检测敏感性	表浅性食管鳞状细胞癌的检测和边缘评估	计算机视觉	食管癌	CycleGAN	GAN	图像	6名内镜医生对白光内镜、真实卢戈染色内镜和虚拟卢戈染色内镜的评分
538	2024-12-18	Encoding matching criteria for cross-domain deformable image registration 2024-Dec-17, Medical physics IF:3.2Q1 DOI:10.1002/mp.17565 PMID:39688347	研究论文	本文提出了一种面向注册的编码器，用于跨域的可变形图像配准，通过捕捉图像特征和结构特征的自相似性来提高配准的准确性和适应性	本文的创新点在于设计了一个注册导向的编码器，能够建模图像特征和结构特征的匹配标准，并通过一次性学习更新结构特征编码器，从而有效适应不同领域	本文的局限性在于仅在MRI图像上进行了验证，未来可能需要在更多类型的医学图像上进行测试	本文的研究目的是提出一种高效且准确的跨域可变形图像配准方法	本文的研究对象是不同领域的MRI图像，包括脑部、腹部和心脏图像	计算机视觉	NA	深度学习	编码器	图像	训练/测试样本包括脑部图像870/90对，腹部图像1406/90对，心脏图像64770/870对
539	2024-12-18	Deep learning algorithm enables automated Cobb angle measurements with high accuracy 2024-Dec-17, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04853-7 PMID:39688663	研究论文	本文研究了深度学习算法在全脊柱X光片上自动测量Cobb角的准确性	本文首次验证了深度学习算法在自动测量Cobb角方面的准确性	研究样本主要集中在特定年龄段的患者，且仅限于脊柱侧弯患者	验证深度学习算法在全脊柱X光片上自动测量Cobb角的准确性	脊柱侧弯患者的全脊柱X光片	计算机视觉	脊柱侧弯	深度学习	深度学习算法	图像	345名患者，包括179名儿童和166名成人
540	2024-12-18	A deep learning method for total-body dynamic PET imaging with dual-time-window protocols 2024-Dec-17, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07012-1 PMID:39688700	研究论文	本文开发了一种深度学习算法，能够从双时间窗口协议中预测动态图像，从而缩短动态正电子发射断层扫描（PET）的扫描时间	提出了一个带有注意力机制的双向序列到序列模型（Bi-AT-Seq2Seq），用于从双时间窗口协议中预测动态图像，显著提高了预测图像的质量	研究仅限于肺结节和乳腺结节患者，未来需要进一步验证该方法在其他疾病中的适用性	开发一种能够缩短动态PET扫描时间的深度学习算法	肺结节和乳腺结节患者	机器学习	NA	深度学习	双向序列到序列模型（Bi-AT-Seq2Seq）	图像	70名患者