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
6181	2024-09-28	Bibliometric and visualized analysis of the application of artificial intelligence in stroke 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1411538 PMID:39323917	研究论文	本文对人工智能在卒中领域的应用进行了文献计量和可视化分析	首次系统性地对人工智能在卒中领域的应用进行了文献计量分析，揭示了当前研究热点和未来发展趋势	仅限于英文发表的文章，可能忽略了其他语言的重要研究成果	分析人工智能在卒中领域的应用现状、热点和未来发展趋势	人工智能在卒中领域的应用研究文献	机器学习	卒中	文献计量分析	NA	文献	2447篇论文
6182	2024-09-28	Applications of Deep Learning: Automated Assessment of Vascular Tortuosity in Mouse Models of Oxygen-Induced Retinopathy 2024 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2023.100338 PMID:37869029	研究论文	开发生成对抗网络（GAN）用于分割氧诱导视网膜病变（OIR）小鼠模型视网膜平铺图像中的主要血管，并展示这些GAN生成的血管分割在量化血管迂曲度方面的应用	使用生成对抗网络（GAN）自动生成视网膜血管分割图，并用于量化血管迂曲度	NA	开发和验证用于视网膜血管分割的生成对抗网络（GAN），并评估其在量化血管迂曲度方面的应用	氧诱导视网膜病变（OIR）小鼠模型的视网膜平铺图像中的主要血管	计算机视觉	视网膜病变	生成对抗网络（GAN）	Pix2Pix	图像	三个数据集，包含1084、50和20张不同染色和牺牲年龄的小鼠视网膜平铺图像
6183	2024-09-27	Artificial intelligence-enhanced opportunistic screening of osteoporosis in CT scan: a scoping Review 2024-Oct, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-024-07179-1 PMID:38985200	综述	本文综述了利用人工智能（AI）增强的CT扫描机会性筛查骨质疏松症和骨质减少风险的研究现状	本文展示了AI在利用CT扫描增强机会性筛查骨质疏松症方面的潜力	该领域仍处于早期阶段，大多数解决方案处于概念验证阶段，方法、工作流程和基准选择存在显著异质性	评估当前利用人工智能（AI）增强的机会性筛查方法在CT扫描中评估椎体骨小梁结构以分层骨质疏松症和骨质减少风险的研究	研究对象为利用AI技术通过CT扫描分类骨质疏松症/骨质减少或确定骨密度的文章	机器学习	骨质疏松症	CT扫描	深度学习	图像	14项研究符合纳入标准
6184	2024-09-27	Artificial Intelligence-Based Histopathological Subtyping of High-Grade Serous Ovarian Cancer 2024-Oct, The American journal of pathology DOI:10.1016/j.ajpath.2024.06.010 PMID:39032605	研究论文	本研究开发了一种基于人工智能的高级别浆液性卵巢癌亚型分类算法	利用深度学习技术开发了一种通用的亚型分类算法，能够复制病理学家的共识诊断	研究仅限于高级别浆液性卵巢癌，且依赖于TCGA数据集和特定验证集	开发一种基于人工智能的高级别浆液性卵巢癌亚型分类算法	高级别浆液性卵巢癌的亚型分类	数字病理	卵巢癌	深度学习	NA	图像	使用了TCGA数据集、JGOG3022A1和Kindai/Kyoto队列的数据
6185	2024-09-27	Intra-arterial Pressure-Enabled Drug Delivery Significantly Increases Penetration of Glass Microspheres in a Porcine Liver Tumor Model 2024-Oct, Journal of vascular and interventional radiology : JVIR IF:2.6Q2 DOI:10.1016/j.jvir.2024.06.030 PMID:38969336	研究论文	研究通过压力辅助药物输送（PEDD）显著提高玻璃微球在猪肝肿瘤模型中的渗透率	提出了一种新的压力辅助药物输送技术（PEDD），显著提高了玻璃微球在肝肿瘤中的渗透率	研究仅在猪模型中进行，尚未在人体中验证	验证压力辅助药物输送技术（PEDD）在提高肝肿瘤药物输送效果中的应用	猪肝肿瘤模型中的玻璃微球渗透率	NA	肝肿瘤	压力辅助药物输送技术（PEDD）	深度学习算法	图像	27头转基因猪（Oncopigs）
6186	2024-09-27	Video-based automatic hand hygiene detection for operating rooms using 3D convolutional neural networks 2024-Oct, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01179-6 PMID:38896344	研究论文	本研究利用深度学习方法，基于手术室视频检测麻醉人员的手卫生行为	提出了一种基于3D卷积神经网络的算法，用于自动检测手术室中的手卫生行为	研究仅在一个手术室进行，数据收集时间有限	开发一种高效的监控系统，以防止手术室中的医院获得性感染	麻醉人员的手卫生行为	计算机视觉	NA	3D卷积神经网络	3D CNN	视频	从2018年11月至2019年2月，在一个手术室收集了四个月的视频数据，并添加了模拟数据
6187	2024-09-27	Deep learning can predict subgenome dominance in ancient but not in neo/synthetic polyploidized genomes 2024-Oct, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.16979 PMID:39133828	研究论文	本文利用深度学习构建卷积神经网络模型，研究古多倍体和新/合成多倍体基因组中的亚基因组优势机制	本文首次利用深度学习方法构建卷积神经网络模型，分析古多倍体和新/合成多倍体基因组中的亚基因组优势，并发现古多倍体中的亚基因组优势与启动子区域的长期序列分化相关	本文的模型未能预测新/合成多倍体中新同源基因对的表达优势	研究亚基因组优势的机制及其在古多倍体和新/合成多倍体中的差异	古多倍体和新/合成多倍体基因组中的亚基因组优势	机器学习	NA	深度学习	卷积神经网络（CNN）	DNA序列和甲基化位点	三个代表性多倍体系统（Brassica、Gossypium和Cucurbitaceae）的古多倍体和新/合成多倍体基因组
6188	2024-09-27	Improving remote sensing scene classification using dung Beetle optimization with enhanced deep learning approach 2024-Sep-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37154 PMID:39318799	研究论文	本文提出了一种利用蜣螂优化和增强深度学习方法改进遥感场景分类的技术	本文创新性地结合了蜣螂优化算法和增强的MobileNet模型，并通过多头部注意力机制的长短期记忆网络进行场景分类	NA	提高遥感图像场景分类的准确性	遥感图像中的不同场景	计算机视觉	NA	蜣螂优化算法	MobileNet模型、多头部注意力机制的长短期记忆网络	图像	使用UC Merced和EuroSAT数据集进行评估
6189	2024-09-27	Hierarchical structures and magnetism of Co clusters: a perspective from integration of deep learning and a hybrid differential evolution algorithm 2024-Sep-26, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr02431a PMID:39225229	研究论文	本文通过结合深度学习和混合差分进化算法，研究了Co团簇的分层结构和磁性	利用深度神经网络构建了近似DFT精度的深度势能模型，显著降低了计算消耗，并结合高效混合差分进化算法搜索Co团簇的最低能量结构	NA	确定Co团簇的最低能量结构及其分层结构和磁性	Co团簇（原子数为11-50）	机器学习	NA	密度泛函理论计算	深度神经网络	数据集	Co团簇（原子数为11-50）
6190	2024-09-27	Application of Deep Neural Networks in the Manufacturing Process of Mesenchymal Stem Cells Therapeutics 2024-Sep-26, International journal of stem cells IF:2.5Q3 DOI:10.15283/ijsc24070 PMID:39322430	研究论文	本文探讨了使用深度神经网络在间充质干细胞治疗制造过程中进行图像分析的方法	首次使用深度学习方法直接分析细胞图像，以提高干细胞治疗产品的产量和质量	仅在单层图像中检测到异常细胞，多层培养仅在单层培养中无异常细胞时进行	开发一种新的方法来监控细胞融合度和状态，以提高细胞治疗产品的质量	间充质干细胞的图像	计算机视觉	NA	深度神经网络	分类和检测算法	图像	多种类型的培养容器中的间充质干细胞图像
6191	2024-09-27	Real-world application of a 3D deep learning model for detecting and localizing cerebral microbleeds 2024-Sep-26, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-06267-9 PMID:39325068	研究论文	本研究验证了一种三维深度学习模型在真实世界中检测和定位脑微出血的应用	开发了一种三维深度学习模型，不仅能检测脑微出血，还能识别其解剖位置	需要进一步研究以在大规模和多样化的患者群体中验证其临床实用性	验证三维深度学习模型在真实世界中检测和定位脑微出血的性能	脑微出血的检测和定位	计算机视觉	脑血管疾病	深度学习	3D深度学习模型	图像	21名患者，其中116例有脑微出血，12例无脑微出血
6192	2024-09-27	Predicting Gene Comutation of EGFR and TP53 by Radiomics and Deep Learning in Patients With Lung Adenocarcinomas 2024-Sep-25, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000817 PMID:39319553	研究论文	本研究旨在构建基于放射组学和深度学习的逐步二分类模型，以预测肺腺癌患者中EGFR和TP53基因的共突变情况	本研究创新性地结合了放射组学和深度学习技术，构建了多种模型来预测EGFR和TP53基因的突变状态	本研究样本量较小，且仅限于肺腺癌患者，未来需要在大样本和多中心研究中验证模型的有效性	预测肺腺癌患者中EGFR和TP53基因的突变状态，并评估这些模型在识别适合TKI靶向治疗患者和预后不良患者中的能力	肺腺癌患者中的EGFR和TP53基因突变	机器学习	肺癌	放射组学和深度学习	二分类模型	影像数据和临床信息	267名肺腺癌患者
6193	2024-09-27	An Explainable Unified Framework of Spatio-Temporal Coupling Learning with Application to Dynamic Brain Functional Connectivity Analysis 2024-Sep-25, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3467384 PMID:39320999	研究论文	本文提出了一种可解释的时空耦合学习框架，用于动态脑功能连接分析	该框架基于时空相关性构建深度学习网络，能够很好地整合节点表示与节点间连接的时间变化耦合关系，并在每个时间步探索时空演化，提供更好的分析结果可解释性	NA	揭示时间序列数据中的生物机制	动态脑功能连接	机器学习	NA	深度学习	深度学习网络	时间序列数据	NA
6194	2024-09-27	UTSRMorph: A Unified Transformer and Superresolution Network for Unsupervised Medical Image Registration 2024-Sep-25, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3467919 PMID:39321000	研究论文	提出了一种名为UTSRMorph的无监督医学图像配准方法，结合了Transformer和超分辨率网络的优势	融合了ConvNet和Transformer的优点，通过融合注意力块和重叠注意力块来增强特征表示学习，并使用超分辨率模块生成高分辨率变形位移场	未提及	改进医学图像配准技术	3D脑部MR和MR-CT图像	计算机视觉	NA	Transformer, 超分辨率	UTSRMorph网络	图像	使用了OASIS、IXI和腹部、颅颌面部的MR-CT数据集
6195	2024-09-27	Investigating deep learning strategies for fast denoising of 5D cardiac photon-counting micro-CT images 2024-Sep-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad7fc6 PMID:39321848	研究论文	研究使用深度学习方法对5D心脏光子计数微CT图像进行快速去噪	提出了UnetU Energy方法，显著提高了5D心脏光子计数微CT图像去噪的速度和准确性	ME NLM在某些情况下表现优于深度学习方法，但仍落后于迭代重建	探索适用于5D心脏光子计数微CT图像去噪的深度学习策略	5D心脏光子计数微CT图像的去噪效果和速度	计算机视觉	心血管疾病	深度学习	U-net, 3D U-net, FastDVDNet, Swin Transformer UNet	图像	使用真实小鼠数据和数字MOBY phantom进行评估
6196	2024-09-27	Detection of sleep arousal from STFT-based instantaneous features of single channel EEG signal 2024-Sep-25, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad7fcb PMID:39322029	研究论文	本文提出了一种基于短时傅里叶变换（STFT）的单通道脑电信号瞬时特征的睡眠觉醒检测模型	通过使用可解释的特征来提高睡眠觉醒检测模型的分类性能，避免了深度学习方法的不可解释性问题	NA	开发一种有效的睡眠觉醒检测模型，以辅助自动睡眠呼吸暂停检测系统	单通道脑电信号中的睡眠觉醒现象	机器学习	睡眠相关疾病	短时傅里叶变换（STFT）	三层神经网络	脑电信号	NA
6197	2024-09-27	BSNEU-net: Block Feature Map Distortion and Switchable Normalization-Based Enhanced Union-net for Acute Leukemia Detection on Heterogeneous Dataset 2024-Sep-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01252-1 PMID:39322814	研究论文	本文提出了一种基于深度学习的BSNEU-net框架，用于急性白血病的检测	引入块特征图失真（BFMD）和可切换归一化（SN）技术，以提高模型的泛化能力和收敛性	NA	开发一种新的深度学习框架，用于急性白血病的检测	急性淋巴细胞白血病（ALL）和急性髓系白血病（AML）	计算机视觉	血液疾病	深度学习	BSNEU-net	图像	2400张血涂片图像（新数据集）和2700张血涂片图像（异构数据集）
6198	2024-09-27	Upfront surgery for intrahepatic cholangiocarcinoma: Prediction of futility using artificial intelligence 2024-Sep-24, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.06.059 PMID:39322483	研究论文	本文利用人工智能模型预测肝内胆管癌患者手术无效的风险	开发了一种基于多层感知器和梯度提升分类器的集成模型，用于预测肝内胆管癌患者手术无效的风险	NA	识别肝内胆管癌患者手术无效的风险	肝内胆管癌患者	机器学习	肝内胆管癌	机器学习和深度学习技术	多层感知器和梯度提升分类器	临床数据	827名肝内胆管癌患者
6199	2024-09-27	Deep Learning and Habitat Radiomics for the Prediction of Glioma Pathology Using Multiparametric MRI: A Multicenter Study 2024-Sep-24, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.021 PMID:39322536	研究论文	本文研究了使用多参数MRI结合深度学习和栖息地放射组学来预测胶质瘤病理特征的多中心研究	本文的创新点在于结合栖息地分析和深度学习来提高胶质瘤病理预测的准确性	本文的局限性在于肿瘤内在异质性仍影响预测能力	本文的研究目的是通过结合栖息地分析和深度学习来提高胶质瘤病理预测的准确性	本文的研究对象是387例来自三家医院的多参数MRI数据和病理报告	计算机视觉	脑肿瘤	多参数MRI	LightGBM, ResNet50, SVM, MLP	图像	387例原发性胶质瘤患者
6200	2024-09-27	Noise suppression in photon-counting computed tomography using unsupervised Poisson flow generative models 2024-Sep-23, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-024-00175-6 PMID:39311990	研究论文	本文提出了一种基于无监督泊松流生成模型的光子计数计算机断层扫描（CT）图像去噪技术	本文将无监督逆问题求解方法扩展到泊松流生成模型（PFGM++），并通过劫持和正则化采样过程，实现了单步采样器（NFE=1）	NA	开发一种无需配对数据的无监督图像去噪技术，以提高光子计数CT图像的质量	光子计数CT图像	计算机视觉	NA	深度学习	扩散模型	图像	临床低剂量CT数据和GE HealthCare开发的实验性光子计数CT系统中的临床图像