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
5941	2024-10-16	Proton spot dose estimation based on positron activity distributions with neural network 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17297 PMID:38984805	研究论文	本研究评估了三种经典神经网络模型（RNN、U-Net和Transformer）在质子剂量估计中的有效性，并探讨了这些模型的特点，为临床实践中选择合适的模型提供了有价值的见解	本研究首次将深度学习技术应用于从正电子活性分布中估计质子剂量，展示了其在体内质子剂量监测和引导质子治疗中的潜力	研究仅使用了四个头部的CT图像进行模拟，样本量较小，且仅在脑部和鼻咽部进行了验证	评估不同神经网络模型在质子剂量估计中的性能，并探讨其在临床实践中的应用潜力	质子剂量估计的神经网络模型性能	机器学习	NA	Geant4模拟	RNN, U-Net, Transformer	正电子活性分布	四个头部的CT图像，其中三个用于训练，一个用于测试
5942	2024-10-16	Generating 3D images of VMAT plans for predictive models and activation maps associated with plan deliverability 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17298 PMID:38978162	研究论文	本文提出了一种基于深度学习的预测模型，通过生成3D图像来估计VMAT计划的执行可行性，并可视化与计划执行相关的控制点特定区域	本文的创新点在于通过生成3D图像来反映VMAT计划的复杂性，并使用DenseNet模型进行预测，提供了控制点特定的信息	本文的局限性在于样本量相对较小，且仅针对左右乳房的VMAT治疗进行了研究	本文的研究目的是开发一种能够预测VMAT计划执行可行性的模型，并提供与计划执行相关的控制点特定信息	本文的研究对象是VMAT计划的执行可行性及其相关的控制点信息	机器学习	NA	深度学习	DenseNet	图像	259例左乳房和190例右乳房VMAT治疗病例，其中235例和166例用于训练，24例用于测试
5943	2024-10-16	A multiscale 3D network for lung nodule detection using flexible nodule modeling 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17283 PMID:38949577	研究论文	本文提出了一种多尺度3D无锚点深度学习网络（M3N）用于肺结节检测，利用可调节结节建模（ANM）技术	本文的创新点在于提出了多尺度3D无锚点深度学习网络（M3N），并引入了可调节结节建模（ANM）和点选择策略（PSS），以加速各向异性表示的学习过程	本文的局限性在于其性能和准确性需要在临床环境中进一步验证	本文的研究目的是开发一种更鲁棒和通用的肺结节检测系统，减少对先验知识的依赖	本文的研究对象是肺结节及其在CT扫描中的检测	计算机视觉	肺癌	深度学习	3D无锚点深度学习网络	CT扫描图像	LUNA 16数据集中的样本
5944	2024-10-16	Preoperative CT-based radiomics and deep learning model for predicting risk stratification of gastric gastrointestinal stromal tumors 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17276 PMID:38935330	研究论文	本文探讨了基于术前CT影像的放射组学和深度学习模型用于预测胃肠道间质瘤的风险分层	本文创新性地结合了CT形态学、放射组学和深度学习特征，构建了一个综合模型用于预测胃肠道间质瘤的术前风险分层	本文的局限性在于样本量相对较小，且依赖于手动分割肿瘤区域	研究目的是建立并评估一个机器学习模型，用于术前预测胃肠道间质瘤的风险分层	研究对象是193例胃肠道间质瘤	机器学习	胃肠道间质瘤	放射组学、深度学习	支持向量机、卷积神经网络	影像	193例胃肠道间质瘤
5945	2024-08-13	Correction: Artificial intelligence for surgical safety during laparoscopic gastrectomy for gastric cancer: Indication of anatomical landmarks related to postoperative pancreatic fistula using deep learning 2024-Oct, Surgical endoscopy DOI:10.1007/s00464-024-11160-8 PMID:39133331	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5946	2024-10-16	Automatic localization of anatomical landmarks in head cine fluoroscopy images via deep learning 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17349 PMID:39140650	研究论文	本文提出了一种基于深度学习的自动定位头部X射线影像中解剖标志点的方法	本文首次提出了一种基于深度学习的方法，用于在随机准直和放大的2D头部X射线影像中自动定位3D解剖标志点	本文仅在合成图像和临床X射线影像上进行了验证，尚未在实际临床环境中广泛应用	开发一种方法，用于在X射线引导介入手术中自动定位解剖标志点，以实现个性化的辐射剂量测量	头部X射线影像中的解剖标志点	计算机视觉	NA	深度学习	深度学习模型	图像	800,000张伪2D合成图像和135个回顾性收集的头部CT体积数据
5947	2024-10-16	AI diagnostics in bone oncology for predicting bone metastasis in lung cancer patients using DenseNet-264 deep learning model and radiomics 2024-Oct, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100640 PMID:39399584	研究论文	本研究旨在利用影像组学和深度学习预测肺癌患者的骨转移	通过整合先进的影像技术和人工智能，提高预测准确性和临床决策	NA	预测肺癌患者的骨转移	肺癌患者的骨转移	计算机视觉	肺癌	影像组学	DenseNet-264	影像	NA
5948	2024-10-16	Code-Free Machine Learning Solutions for Microscopy Image Processing: Deep Learning 2024-Oct, Tissue engineering. Part A DOI:10.1089/ten.TEA.2024.0014 PMID:38556835	综述	本文综述了适用于显微图像处理的无需编程的深度学习方法	重点介绍了适用于缺乏编程经验的生物学家的深度学习算法，并提供了无需编码的开放平台访问方式	未对算法进行比较，而是描述了它们擅长解决的问题	探讨适用于显微图像处理的深度学习方法，特别是那些无需编程经验的方法	显微图像处理算法及其在生物学领域的应用	计算机视觉	NA	深度学习	人工神经网络	图像	NA
5949	2024-10-16	Clinical Significance of Pose Estimation Methods Compared with Radiographic Parameters in Adolescent Patients with Idiopathic Scoliosis 2024-Sep-27, Spine surgery and related research IF:1.2Q3 DOI:10.22603/ssrr.2023-0269 PMID:39399450	研究论文	本文研究了姿势估计方法在青少年特发性脊柱侧弯患者中的临床意义，并与放射学参数进行了比较	首次探讨了姿势估计在临床摄影中的应用潜力，并建立了青少年特发性脊柱侧弯患者的摄影参数	研究样本量较小，仅涉及42名患者，且未探讨姿势估计方法在不同设备上的适用性	探讨姿势估计方法在青少年特发性脊柱侧弯患者中的临床应用，并评估其与放射学参数的相关性	青少年特发性脊柱侧弯患者及其脊柱矫正手术和保守治疗	计算机视觉	脊柱侧弯	姿势估计	NA	图像	42名青少年特发性脊柱侧弯患者
5950	2024-10-16	Generative Modeling of Molecular Dynamics Trajectories 2024-Sep-26, ArXiv PMID:39398217	研究论文	本文介绍了通过生成建模分子动力学轨迹来学习灵活的多任务代理模型的方法	本文提出了生成建模分子轨迹的新范式，能够适应多种任务，如正向模拟、过渡路径采样和轨迹上采样，并展示了动态条件下的分子设计的第一步	NA	开发基于深度学习的分子动力学代理模型，以降低计算成本并扩展其应用范围	分子动力学轨迹	机器学习	NA	分子动力学	生成模型	轨迹数据	四肽模拟数据集
5951	2024-10-16	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-based Tool 2024-Sep-23, ArXiv PMID:39398198	研究论文	开发并验证了一种基于深度学习的计算病理工具Deep-BCR-Auto，用于准确预测乳腺癌复发风险	提出了一种基于深度学习的计算病理方法Deep-BCR-Auto，显著优于现有的弱监督模型	NA	优化乳腺癌患者的治疗计划，提高复发风险评估的准确性	乳腺癌患者的复发风险	数字病理	乳腺癌	深度学习	深度学习模型	图像	两个独立数据集：TCGA-BRCA数据集和OSU数据集
5952	2024-10-16	Characterization of arteriosclerosis based on computer-aided measurements of intra-arterial thickness 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.057501 PMID:39398866	研究论文	本文开发了一种基于计算机视觉的方法，用于量化数字病理图像中肾活检样本的动脉内厚度，作为动脉硬化的计算生物标志物	本文首次提出了一种多类深度学习框架，用于分割动脉内不同腔室，并通过径向采样测量动脉内中膜和内膜厚度	本文的研究对象仅限于肾活检样本，且样本量相对较小	开发一种计算机视觉方法，用于量化数字病理图像中的动脉内厚度，作为动脉硬化的计算生物标志物	肾活检样本中的动脉内厚度	数字病理学	心血管疾病	深度学习	多类深度学习框架	图像	753条动脉，来自33张三色染色全切片图像
5953	2024-10-16	Prediction of Epidermal Growth Factor Receptor Mutation Subtypes in Non-Small Cell Lung Cancer From Hematoxylin and Eosin-Stained Slides Using Deep Learning 2024-08, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102094 PMID:38871058	研究论文	开发了一种基于深度学习的框架，用于从苏木精和伊红染色的非小细胞肺癌组织切片中预测表皮生长因子受体（EGFR）突变亚型	利用深度学习技术从常规病理切片中预测EGFR突变亚型，无需分子检测	需要进一步的外部验证和临床应用评估	开发一种自动化、非侵入性、快速、成本效益高的方法来预测非小细胞肺癌患者的EGFR突变状态	非小细胞肺癌患者的EGFR突变亚型	数字病理学	肺癌	深度学习	卷积神经网络（CNN）和视觉变换器（Vision Transformer）	图像	训练集和验证集分别来自中国科学技术大学（n=172）、安徽医科大学第二附属医院和皖南医学院第一附属医院（n=193），以及癌症基因组图谱数据集（n=81）
5954	2024-10-16	Deep Learning Resolves Myovascular Dynamics in the Failing Human Heart 2024-May, JACC. Basic to translational science DOI:10.1016/j.jacbts.2024.02.007 PMID:38984052	研究论文	本文介绍了一种基于深度学习的管道CardioCount，用于分析微观图像中的细胞核，并研究了成人心脏中心肌细胞和心脏内皮细胞的生长关系	提出了CardioCount，一种新的基于深度学习的管道，用于严格评分微观图像中的细胞核	NA	研究成人心脏中心肌细胞和心脏内皮细胞的生长关系，并探讨血管稀疏和心肌肥大在终末期心力衰竭中的相互关系	成人心脏中的心肌细胞和心脏内皮细胞	计算机视觉	心血管疾病	深度学习	NA	图像	368,434张人类微观图像
5955	2024-10-16	AI prediction of cardiovascular events using opportunistic epicardial adipose tissue assessments from CT calcium score 2024-Jan-29, ArXiv PMID:38351935	研究论文	本文提出了一种利用CT钙化评分中的机会性心外膜脂肪组织评估来预测心血管事件的AI方法	本文创新性地提出了手工制作的EAT特征，称为“脂肪组学”，以捕捉EAT的病理生理学并改进MACE预测	本文的初步发现表明，使用更精细的、可解释的EAT评估可以提高心血管风险预测，但仍需进一步验证	本文旨在通过创建新的EAT特征来改进主要不良心血管事件的预测	本文的研究对象是心外膜脂肪组织（EAT）及其在心血管事件预测中的应用	计算机视觉	心血管疾病	深度学习	CNN	图像	NA
5956	2024-10-16	A week in the life of the human brain: stable states punctuated by chaotic transitions 2024-Jan-15, Research square DOI:10.21203/rs.3.rs-2752903/v3 PMID:37034705	研究论文	研究了人类大脑在自然行为中的神经动力学，揭示了大脑网络在稳定状态和混沌过渡之间的平衡	利用深度学习和动力系统方法分析了长时间的多电极颅内记录，揭示了大脑网络在自然行为中的稳定状态和混沌过渡	研究样本仅限于20名人类，且研究时间跨度为3-12天	研究人类大脑在自然行为中的神经动力学	人类大脑在自然行为中的神经网络和状态变化	神经科学	NA	多电极颅内记录	深度学习	神经信号	20名人类，记录时间为3-12天
5957	2024-10-16	Towards full-stack deep learning-empowered data processing pipeline for synchrotron tomography experiments 2024-Jan-08, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2023.100539 PMID:38089566	综述	本文综述了深度学习在同步辐射断层扫描数据处理管道中的最新进展	探讨了如何将医学影像和电子断层扫描等数据密集型领域的应用迁移到同步辐射断层扫描中	未具体提及	探讨深度学习在同步辐射断层扫描数据处理中的应用及其未来发展	同步辐射断层扫描数据处理管道	计算机视觉	NA	深度学习	NA	图像	NA
5958	2024-10-16	Artificial Intelligence in Eye Movements Analysis for Alzheimer's Disease Early Diagnosis 2024, Current Alzheimer research IF:1.8Q4 DOI:10.2174/0115672050322607240529075641 PMID:38840390	研究论文	本文探讨了利用人工智能技术分析眼球运动以早期诊断阿尔茨海默病的可能性	提出了一种基于眼球运动分析的非侵入性方法，结合人工智能特别是深度学习和机器学习技术，用于早期诊断阿尔茨海默病	卷积神经网络需要更多数据以实现精确分类	研究人工智能技术在眼球运动分析中的应用，以提高阿尔茨海默病的早期诊断准确性	眼球运动数据与阿尔茨海默病之间的关系	机器学习	阿尔茨海默病	深度学习	卷积神经网络	眼球运动数据	NA
5959	2024-10-16	A dual-branch and dual attention transformer and CNN hybrid network for ultrasound image segmentation 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1432987 PMID:39397853	研究论文	提出了一种结合Transformer和CNN的混合网络DDTransUNet，用于超声图像分割	创新性地结合了Transformer和CNN，并引入了双分支编码器和双注意力机制，以有效融合全局上下文和局部细节信息	NA	提高超声图像分割的准确性，以支持临床诊断和治疗决策	超声图像中的器官和病变	计算机视觉	NA	Transformer和CNN	DDTransUNet	图像	三个超声图像数据集，包括TN3K、BUS-BRA和CAMUS
5960	2024-10-16	Development of prognostic models for advanced multiple hepatocellular carcinoma based on Cox regression, deep learning and machine learning algorithms 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1452188 PMID:39399114	研究论文	本文开发了基于Cox回归、深度学习和机器学习算法的预后模型，用于预测晚期多发性肝细胞癌患者的预后	本文首次将Cox回归、机器学习和深度学习算法应用于晚期多发性肝细胞癌的预后预测，并比较了不同模型的性能	研究仅基于SEER数据库的数据，可能存在数据偏倚；未在其他数据集上验证模型的泛化能力	识别多发性肝细胞癌的预后因素，并开发预后模型以量化患者的预后风险和生存概率	晚期多发性肝细胞癌患者	机器学习	肝癌	Cox回归、机器学习、深度学习	梯度提升机（GBM）	临床数据	从SEER数据库中获取的符合条件的肝癌患者