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
5701	2024-10-06	s2MRI-ADNet: an interpretable deep learning framework integrating Euclidean-graph representations of Alzheimer's disease solely from structural MRI 2024-Oct, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01178-3 PMID:38869733	研究论文	提出了一种仅基于结构MRI的阿尔茨海默病早期诊断的多维表示深度学习框架	整合了欧几里得空间和图空间的多维表示，采用双通道学习策略，分别从灰质体积和区域放射组学相似网络中提取特征	NA	开发一种仅基于结构MRI的阿尔茨海默病早期诊断方法	阿尔茨海默病	机器学习	阿尔茨海默病	深度学习	CNN	图像	3377名参与者的结构MRI数据
5702	2024-10-06	A deep learning approach to identify the fetal head position using transperineal ultrasound during labor 2024-Oct, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2024.08.012 PMID:39137593	研究论文	开发了一种基于卷积神经网络的深度学习模型，用于在分娩第二阶段通过会阴超声自动识别胎儿头部位置	首次使用深度学习技术自动识别分娩第二阶段胎儿头部位置，并展示了高准确性和敏感性	需要在大规模数据集和实时患者中进一步验证模型，才能引入常规临床实践	开发一种自动识别分娩第二阶段胎儿头部位置的深度学习模型	胎儿头部位置的识别	计算机视觉	NA	卷积神经网络	CNN	图像	2154张会阴超声图像，来自16个合作中心的合格参与者
5703	2024-10-06	A systematic review of few-shot learning in medical imaging 2024-10, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102949 PMID:39178621	综述	本文系统回顾了医学影像中的少样本学习方法	本文通过分析80篇相关文献，提出了一个标准的方法学流程，并为未来的研究提供了参考	本文讨论了现有方法的局限性，并指出了最有前景的研究方向	旨在为医学影像分析中的少样本学习方法建立一个标准的方法学流程	医学影像分析中的少样本学习方法	计算机视觉	NA	少样本学习	NA	图像	80篇相关文献
5704	2024-10-06	Automatic two-dimensional & three-dimensional video analysis with deep learning for movement disorders: A systematic review 2024-10, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102952 PMID:39180925	综述	本文综述了使用深度学习进行二维和三维视频分析在运动障碍诊断和分析中的最新进展	探讨了深度学习在客观视频分析运动障碍中的应用，提供了实用的低成本解决方案	主要集中在文献综述，未进行新的实验或数据分析	系统综述深度学习在运动障碍视频分析中的最新进展，提供一个综合的知识库	运动障碍，如帕金森病、共济失调、运动障碍和妥瑞氏综合征	计算机视觉	神经退行性疾病	深度学习	NA	视频	68项相关研究
5705	2024-10-06	FA-Net: A hierarchical feature fusion and interactive attention-based network for dose prediction in liver cancer patients 2024-10, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102961 PMID:39180923	研究论文	本文提出了一种基于层次特征融合和交互注意力机制的剂量预测网络FA-Net，用于肝癌患者的放射治疗计划	引入层次特征融合模块和注意力机制解码器，以及在训练阶段使用自动编码器生成的感知损失来提高剂量预测的准确性	未提及具体限制	提高肝癌患者放射治疗计划中剂量预测的效率和质量	肝癌患者的CT图像和器官风险轮廓（OARs）及计划靶体积（PTV）	计算机视觉	肝癌	深度学习	FA-Net	图像	私人临床数据集
5706	2024-10-06	Remote Assessment of Eczema Severity via AI-powered Skin Image Analytics: A Systematic Review 2024-10, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102968 PMID:39213813	综述	本文综述了通过AI驱动的皮肤图像分析进行特应性皮炎严重程度远程评估的研究现状	本文提出了对现有工具的改进建议，包括需要高质量、无偏见的数据集和改进的图像分析方法	研究质量受到数据集挑战的限制，许多研究未报告患者年龄范围和皮肤光型范围，且大部分数据集未公开	旨在概述现有研究的质量，并识别改进现有工具鲁棒性和可靠性的挑战和建议	特应性皮炎严重程度的远程评估	计算机视觉	皮肤疾病	深度学习	NA	图像	25篇文章，其中13篇涉及特应性皮炎区域检测，12篇涉及严重程度预测
5707	2024-10-06	Accuracy of Artificial Intelligence Models in the Prediction of Periodontitis: A Systematic Review 2024-Oct, JDR clinical and translational research DOI:10.1177/23800844241232318 PMID:38589339	综述	本文系统综述了人工智能模型在预测牙周炎中的准确性	探讨了人工智能在牙周病学中的潜力，以提高风险评估的准确性和提供个性化的治疗计划	大多数研究采用回顾性设计，未考虑最新的深度学习网络，且缺乏标准化的数据收集和分析协议	评估不同人工智能模型在预测牙周炎中的实际证据	牙周炎预测的人工智能模型	机器学习	牙周病	NA	人工神经网络、支持向量机、决策树、逻辑回归、随机森林	NA	NA
5708	2024-10-06	Spectral Zones-Based SHAP/LIME: Enhancing Interpretability in Spectral Deep Learning Models Through Grouped Feature Analysis 2024-Oct-01, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c02329 PMID:39289923	研究论文	本文提出了一种基于光谱区域的分组特征分析方法，通过改进SHAP和LIME算法，增强光谱深度学习模型的可解释性	本文的创新点在于不依赖于单个特征的扰动，而是通过光谱区域的分组扰动来直接估计训练模型的影响，从而提高了解释性和现实性	本文未提及具体的局限性	本文的研究目的是提高光谱深度学习模型的可解释性	本文的研究对象是光谱深度学习模型及其可解释性方法	机器学习	NA	SHAP, LIME	深度学习模型	光谱数据	NA
5709	2024-10-06	Improving 18F-FDG PET Quantification Through a Spatial Normalization Method 2024-Oct-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.123.267360 PMID:39209545	研究论文	本文提出了一种基于迁移学习的深度神经网络模型，用于在没有3D MRI的情况下对F-FDG PET图像进行空间归一化	利用预训练的阿尔茨海默病PET模型进行迁移学习，实现了F-FDG PET图像的空间归一化，无需3D MRI	研究样本量较小，仅使用了103对F-FDG PET和MR图像进行微调	提高F-FDG PET图像的定量分析精度，以辅助脑部疾病的诊断和评估	F-FDG PET图像的空间归一化	计算机视觉	脑部疾病	迁移学习	深度神经网络	图像	103对F-FDG PET和MR图像用于训练，65个内部测试集和78个外部测试集用于验证
5710	2024-10-06	Role of inter- and extra-lesion tissue, transfer learning, and fine-tuning in the robust classification of breast lesions 2024-10-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74316-5 PMID:39354128	研究论文	本文研究了乳腺病变分类中病变内外组织的作用，以及迁移学习和微调对深度学习分类性能的影响	本文的创新点在于考虑了肿瘤内部组织（通过腐蚀操作提取特征）和病变及周围组织（通过膨胀操作提取特征）的特征，用于分类	本文的局限性在于神经网络在存在噪声图像、输入数据变化或对抗攻击时可能产生错误输出	本文的研究目的是提高乳腺病变在超声图像中的分类准确性和模型的可解释性	本文的研究对象是乳腺病变的超声图像及其分类	计算机视觉	乳腺癌	深度学习	CNN	图像	本文使用了BUS-BRA数据库（两类/良性和恶性）进行训练和测试，以及未见过的BUSI数据库（两类/良性和恶性）进行测试
5711	2024-10-06	Deep Learning Reconstruction to Improve the Quality of MR Imaging: Evaluating the Best Sequence for T-category Assessment in Non-small Cell Lung Cancer Patients 2024-Oct-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2023-0068 PMID:37661425	研究论文	本研究评估了深度学习重建（DLR）在非小细胞肺癌患者中对MR成像质量和T分期评估的影响	首次报道了DLR在T2加权成像（T2WI）、短反转时间反转恢复（STIR）成像和无增强及增强3D快速扰相梯度回波（GRE）成像中对图像质量和T分期评估的改进效果	研究仅限于非小细胞肺癌患者，且样本量相对较小	评估DLR在MR成像中提高图像质量和T分期评估的适用性	非小细胞肺癌患者的MR成像和T分期评估	计算机视觉	肺癌	深度学习重建（DLR）	NA	图像	213名经病理诊断的非小细胞肺癌患者
5712	2024-10-06	Artificial neural network inference analysis identified novel genes and gene interactions associated with skeletal muscle aging 2024-Oct, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13562 PMID:39210538	研究论文	利用人工神经网络推断分析识别与骨骼肌衰老相关的新基因和基因相互作用	首次利用人工神经网络推断（ANNi）方法识别与肌肉衰老和运动相关的新基因和基因相互作用	样本量较小，且仅限于年轻和老年男性，可能影响结果的普适性	识别与肌肉衰老和运动相关的新基因、基因相互作用及分子通路和过程	年轻和老年人的肌肉转录组数据	机器学习	老年疾病	RNA-seq	人工神经网络	转录组数据	年轻组8人，老年组8人
5713	2024-10-06	Automated image transcription for perinatal blood pressure monitoring using mobile health technology 2024-Oct, PLOS digital health DOI:10.1371/journal.pdig.0000588 PMID:39356720	研究论文	本文介绍了一种利用移动健康技术自动转录产前血压监测图像的新方法	开发了一种自动图像转录技术，用于从血压设备中有效转录读数，提高了血压数据的可访问性和可用性	NA	解决低识字人群中将自我测量血压监测系统中的血压数据传输到医疗健康记录或代理数据库的挑战	产前和产后期间的血压监测，特别是在资源匮乏和低识字人群中	计算机视觉	NA	深度学习	卷积神经网络	图像	49名助产士和2281名孕妇的数据
5714	2024-10-06	Deep learning reveals a damage signalling hierarchy that coordinates different cell behaviours driving wound re-epithelialisation 2024-Sep-15, Development (Cambridge, England) DOI:10.1242/dev.202943 PMID:39177163	研究论文	本文使用深度学习工具量化了果蝇蛹翅上皮修复过程中不同细胞行为的贡献	首次使用深度学习工具量化伤口修复过程中不同细胞行为的贡献，揭示了损伤信号层次结构	NA	研究伤口再上皮化过程中不同细胞行为的调控机制	果蝇蛹翅上皮修复过程中的细胞行为	计算机视觉	NA	深度学习	NA	视频	NA
5715	2024-10-06	Deep learning algorithms for melanoma detection using dermoscopic images: A systematic review and meta-analysis 2024-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102934 PMID:39088883	综述	本文系统回顾和荟萃分析了使用皮肤镜图像进行黑色素瘤检测的深度学习算法性能	深度学习算法在黑色素瘤诊断中的准确性与资深皮肤科医生相当	需要进一步的高质量、大规模多中心研究来解决基于医学人工智能诊断的具体挑战	评估不同深度学习算法在皮肤镜图像诊断黑色素瘤中的表现，并讨论皮肤科医生与深度学习之间的关系	深度学习算法在皮肤镜图像中检测黑色素瘤的诊断性能	计算机视觉	皮肤癌	深度学习	NA	图像	2309条记录中，37项研究符合纳入标准，27项提供了足够的数据进行荟萃分析
5716	2024-10-06	CHNet: A multi-task global-local Collaborative Hybrid Network for KRAS mutation status prediction in colorectal cancer 2024-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102931 PMID:39094228	研究论文	本文提出了一种名为CHNet的多任务全局-局部协作混合网络，用于更准确地预测结直肠癌患者的KRAS突变状态	CHNet通过两个分支分别提取全局和局部特征，并设计了通道混合Transformer和空间混合Transformer来捕捉全局和局部信息，同时引入了自适应协作注意力模块和类激活图损失来增强任务间的协作和互补信息的学习	NA	提高结直肠癌患者KRAS突变状态预测的准确性，以支持个性化治疗策略的制定	结直肠癌患者的KRAS突变状态	计算机视觉	结直肠癌	Transformer, CNN	CHNet	MRI图像	T2加权MRI数据集
5717	2024-10-06	Comprehensive review of deep learning in orthopaedics: Applications, challenges, trustworthiness, and fusion 2024-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102935 PMID:39079201	综述	本文全面回顾了深度学习在骨科中的应用、挑战、可信度及融合技术	首次全面综述了深度学习在骨科实践中的各个方面	数据稀缺和模型可解释性不足是主要挑战	填补深度学习在骨科应用方面的知识空白，并为研究人员提供开发可靠深度学习应用的指南	深度学习在骨科中的应用，包括骨折检测、骨肿瘤诊断、植入物识别和骨关节炎严重程度评估等	机器学习	NA	深度学习	NA	图像	NA
5718	2024-10-06	Deep Learning-based Unsupervised Domain Adaptation via a Unified Model for Prostate Lesion Detection Using Multisite Biparametric MRI Datasets 2024-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.230521 PMID:39166972	研究论文	本文研究了基于深度学习的无监督域适应方法，通过统一生成模型提高多站点双参数MRI数据集上前列腺癌检测的性能	提出了一种新的无监督域适应方法，使用统一生成模型将扩散加权成像（DWI）数据转换为符合PI-RADS指南的图像风格，以提高前列腺癌检测的准确性	研究仅限于多站点双参数MRI数据集，未涵盖其他类型的成像数据	研究无监督域适应方法在多站点双参数MRI数据集上对前列腺癌检测性能的提升	前列腺癌检测	计算机视觉	前列腺癌	扩散加权成像（DWI）	生成模型	图像	5150名患者（14191个样本），测试集包含1692个测试案例（2393个样本）
5719	2024-10-06	Improving Fairness of Automated Chest Radiograph Diagnosis by Contrastive Learning 2024-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.230342 PMID:39166973	研究论文	本文开发了一种使用监督对比学习（SCL）来减少胸部X光诊断偏差的人工智能模型	本文提出了一种使用监督对比学习（SCL）来生成公平图像嵌入的方法，以减少胸部X光诊断中的偏差	本文未提及具体的局限性	开发一种减少胸部X光诊断偏差的人工智能模型	胸部X光图像及其诊断	计算机视觉	NA	监督对比学习（SCL）	卷积神经网络（CNN）	图像	两个数据集：MIDRC数据集包含77,887张胸部X光图像，涉及27,796名患者；ChestX-ray14数据集包含112,120张胸部X光图像，涉及30,805名患者
5720	2024-10-06	Data-driven quantum chemical property prediction leveraging 3D conformations with Uni-Mol 2024-Aug-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51321-w PMID:39160169	研究论文	本文介绍了一种利用3D构象进行量子化学性质预测的深度学习方法Uni-Mol+	Uni-Mol+通过生成和迭代优化3D构象，显著提高了量子化学性质预测的准确性	NA	加速量子化学性质预测过程，提高预测准确性	量子化学性质预测	机器学习	NA	深度学习	Transformer	3D构象	NA