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
7821	2024-08-31	A personal view on the history of toxins: From ancient times to artificial intelligence 2024-Sep, Toxicon : official journal of the International Society on Toxinology IF:2.6Q3 DOI:10.1016/j.toxicon.2024.108034 PMID:39038662	综述	本文回顾了从古代到现代，特别是结合人工智能技术，在生物活性物质发现和特性研究方面的进展	文章介绍了使用高端仪器和基于深度学习的人工智能计算方法的突破	NA	探讨生物活性物质的历史发展和当前的研究进展	植物、微生物和动物中的生物活性物质	NA	NA	深度学习	NA	NA	NA
7822	2024-08-31	Characterizing Sentinel Lymph Node Status in Breast Cancer Patients Using a Deep-Learning Model Compared With Radiologists' Analysis of Grayscale Ultrasound and Lymphosonography 2024-Sep-01, Ultrasound quarterly IF:0.7Q4 DOI:10.1097/RUQ.0000000000000683 PMID:38958999	研究论文	本研究使用深度学习模型来区分乳腺癌患者中良性和恶性的前哨淋巴结（SLNs），并与放射科医生的评估进行比较	本研究采用AutoML开发的图像分类模型，展示了在平衡数据集上的改进诊断性能	放射科医生的表现并未受到数据集分布的影响，且读者间的一致性较低	评估深度学习模型在乳腺癌患者前哨淋巴结状态识别中的表现	乳腺癌患者的前哨淋巴结	机器学习	乳腺癌	超声检查	AutoML	图像	79名乳腺癌患者，217个前哨淋巴结
7823	2024-08-07	Predicting tumour origin with cytology-based deep learning: hype or hope? 2024-Sep, Nature reviews. Clinical oncology DOI:10.1038/s41571-024-00906-x PMID:38773339	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7824	2024-08-31	Visual interpretability of image-based classification models by generative latent space disentanglement applied to in vitro fertilization 2024-Aug-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51136-9 PMID:39191720	研究论文	本文介绍了一种名为DISCOVER的生成模型，旨在通过解耦潜在空间来提高基于图像的分类模型的可解释性	DISCOVER模型能够学习解耦的潜在表示，每个潜在特征编码一个独特的分类驱动视觉属性，从而实现“人在回路”的解释	NA	提高深度学习模型在图像分类任务中的可解释性	体外受精胚胎形态质量的分类	计算机视觉	NA	生成模型	生成模型	图像	具体样本数量未在摘要中提及
7825	2024-08-31	Clinical validation of artificial intelligence-based preoperative virtual reduction for Neer 3- or 4-part proximal humerus fractures 2024-Aug-27, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-024-07798-z PMID:39192203	研究论文	本研究验证了基于人工智能的术前虚拟复位模型在Neer 3-或4-部分肱骨近端骨折中的复位质量	开发了一种基于人工智能的术前虚拟复位模型，能够自动分割和复位骨折碎片，改变了骨科手术术前手术规划的范式	研究级别为IV级，可能存在证据强度不足的问题	验证基于人工智能的术前虚拟复位模型在肱骨近端骨折中的复位质量	Neer 3-或4-部分肱骨近端骨折的复位模型	机器学习	骨折	深度学习	NA	三维CT扫描图像	20例肱骨近端骨折的术前和术后三维CT扫描
7826	2024-08-31	Optimizing protein sequence classification: integrating deep learning models with Bayesian optimization for enhanced biological analysis 2024-Aug-27, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02631-y PMID:39192227	研究论文	本研究提出了一种名为ProtICNN-BiLSTM的先进模型，该模型结合了基于注意力的改进卷积神经网络（ICNN）和双向长短期记忆（BiLSTM）单元，以提高蛋白质序列分类的准确性。	ProtICNN-BiLSTM模型通过结合CNN和BiLSTM架构，有效捕捉蛋白质序列的局部和全局依赖关系，并通过贝叶斯优化优化模型超参数，提高了分类的效率和鲁棒性。	NA	提高蛋白质序列分类的准确性，推动生物分析和医疗进步。	蛋白质序列的分类。	机器学习	NA	贝叶斯优化	CNN, BiLSTM	序列数据	PDB-14,189及其他蛋白质数据
7827	2024-08-31	Development of an artificial intelligence model for predicting implant size in total knee arthroplasty using simple X-ray images 2024-Aug-27, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-024-05013-2 PMID:39192371	研究论文	开发了一种使用简单X光图像预测全膝关节置换术中植入物尺寸的人工智能模型	该研究独特之处在于仅使用简单的X光图像，无需其他数据如人口统计特征，就能实现具有强大预测能力的模型	NA	减轻外科医生在全膝关节置换术前准备中的时间和劳动负担	714名接受全膝关节置换术的膝关节骨性关节炎患者	机器学习	膝关节骨性关节炎	数据增强技术	ResNet-101	X光图像	1412张膝关节前后位和侧位X光图像
7828	2024-08-31	Sexually dimorphic computational histopathological signatures prognostic of overall survival in high-grade gliomas via deep learning 2024-Aug-23, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adi0302 PMID:39178259	研究论文	本研究利用端到端的深度学习方法，通过分析苏木精和伊红（H&E）染色的组织切片，识别高级别胶质瘤（HGG）中与性别相关的组织病理学特征，并构建性别特异性的生存风险预测模型。	首次采用端到端的深度学习方法，利用常规H&E染色的组织切片，分别训练男性和女性HGG患者的模型，以识别与生存相关的性别特异性肿瘤微环境（TME）病理学特征。	NA	旨在通过深度学习方法识别高级别胶质瘤中性别特异性的组织病理学特征，并构建性别特异性的生存预测模型。	高级别胶质瘤患者的组织病理学特征及生存预测。	数字病理学	脑肿瘤	深度学习	ResNet18	图像	训练和三个独立验证队列中分别包含男性和女性高级别胶质瘤患者的数据。
7829	2024-08-31	Characterization of Trabecular Bone Microarchitecture and Mechanical Properties Using Bone Surface Curvature Distributions 2024-Aug-22, Journal of functional biomaterials IF:5.0Q2 DOI:10.3390/jfb15080239 PMID:39194677	研究论文	本研究通过分析骨表面曲率分布，利用卷积神经网络模型预测骨小梁的微观结构和力学性能	首次提出使用骨表面曲率分布来预测骨小梁的微观结构和力学性能，并通过深度学习模型验证了其有效性	NA	探索骨表面曲率分布与骨小梁微观结构及力学性能之间的关系	骨小梁的微观结构和力学性能	数字病理学	NA	卷积神经网络 (CNN)	CNN	图像	NA
7830	2024-08-31	Automatic Classification of Nodules from 2D Ultrasound Images Using Deep Learning Networks 2024-Aug-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080203 PMID:39194992	研究论文	本研究开发了一种基于DenseNet架构的深度学习模型，用于自动分类甲状腺结节的2D超声图像，以减少不必要的细针穿刺活检	引入了注意力模块和Grad-CAM技术，提高了模型的分类性能和决策透明度	面临图像质量变异性、数据集中的伪影、类别不平衡和模型可解释性等挑战	开发一种自动甲状腺超声图像分类系统，以防止不必要的细针穿刺活检	甲状腺结节的2D超声图像	计算机视觉	甲状腺疾病	深度学习	DenseNet	图像	591张甲状腺结节图像
7831	2024-08-31	Efficacy of Vitamin B12 and Adenosine Triphosphate in Enhancing Skin Radiance: Unveiled with a Drug-Target Interaction Deep Learning-Based Model 2024-Aug-20, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb46080537 PMID:39194754	研究论文	本研究通过基于深度学习的药物-靶点相互作用模型，探讨了维生素B12和三磷酸腺苷在增强皮肤光泽方面的功效。	本研究首次通过人工智能技术筛选并选择具有EDNRB和ADIPOR1亲和力的成分，发现维生素B12和三磷酸腺苷复合物能显著提高皮肤光泽、弹性和质地。	NA	开发一种通过减少色素沉着和改善皮肤再生来增强皮肤光泽的化妆品配方。	维生素B12和三磷酸腺苷在增强皮肤光泽中的作用及其机制。	机器学习	NA	深度学习	NA	NA	人类参与者
7832	2024-08-31	Celiac Disease Deep Learning Image Classification Using Convolutional Neural Networks 2024-Aug-16, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080200 PMID:39194989	研究论文	本研究使用卷积神经网络（CNN）对乳糜泻（CD）的苏木精和伊红（H&E）组织学图像进行分类，包括正常小肠对照和非特异性十二指肠炎症	研究展示了CNN在多类别组织学图像分类中的高准确性，并引入了梯度加权类激活映射（Grad-CAM）技术以解释分类决策	研究主要集中在图像分类上，未涉及乳糜泻的更深入病理机制或其他治疗方法	验证卷积神经网络在乳糜泻组织学图像分类中的有效性	乳糜泻、正常小肠对照、非特异性十二指肠炎症、十二指肠腺癌和克罗恩病的组织学图像	计算机视觉	乳糜泻	卷积神经网络（CNN）	CNN	图像	7294张乳糜泻图像，11642张正常小肠对照图像，5966张非特异性十二指肠炎症图像，3723张十二指肠腺癌图像，13043张克罗恩病图像
7833	2024-08-31	Deep Learning-based Segmentation of Computed Tomography Scans Predicts Disease Progression and Mortality in Idiopathic Pulmonary Fibrosis 2024-Aug-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202311-2185OC PMID:38452227	研究论文	本研究利用深度学习技术对计算机断层扫描（CT）图像进行分割，以预测特发性肺纤维化（IPF）的疾病进展和死亡率	开发了自动化的影像生物标志物，通过深度学习技术对CT扫描进行分割，提供近远期的预后信息	NA	开发基于深度学习的自动化影像生物标志物，用于预测特发性肺纤维化的疾病进展和死亡率	特发性肺纤维化患者的CT扫描图像	计算机视觉	肺纤维化	深度学习	CNN	图像	446名特发性肺纤维化患者
7834	2024-08-31	Efficient and Accurate 3D Thickness Measurement in Vessel Wall Imaging: Overcoming Limitations of 2D Approaches Using the Laplacian Method 2024-Aug-15, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd11080249 PMID:39195157	研究论文	本文提出了一种基于拉普拉斯方法的高效准确的3D血管壁厚度测量技术，以克服传统2D方法的局限性	本文首次将拉普拉斯方法应用于3D血管壁厚度测量，实现了对血管壁厚度在所有维度上的精确量化	传统2D方法依赖于提取的2D切片，无法全面考虑血管壁厚度在所有维度上的变化，且难以扩展到3D	推动血管壁厚度测量从2D向3D方法的转变，以提高诊断的准确性和定位能力	血管壁厚度的精确测量	计算机视觉	心血管疾病	拉普拉斯方法	CNN	图像	使用数字幻影和血管壁成像数据进行实验
7835	2024-08-31	Hyperpolarized Magnetic Resonance Imaging, Nuclear Magnetic Resonance Metabolomics, and Artificial Intelligence to Interrogate the Metabolic Evolution of Glioblastoma 2024-Aug-14, Metabolites IF:3.4Q2 DOI:10.3390/metabo14080448 PMID:39195544	研究论文	研究利用超极化磁共振成像、核磁共振代谢组学和人工智能技术，探讨胶质母细胞瘤的代谢演变	开发了一种结合多种癌症数据模式的深度学习模型，能够比传统磁共振成像和单独的超极化磁共振成像更早地检测到胶质母细胞瘤的进展	NA	旨在通过先进的成像和分析技术早期检测胶质母细胞瘤，以实现更有效的治疗	胶质母细胞瘤	机器学习	脑癌	超极化磁共振成像	深度学习模型	多模态数据	使用胶质母细胞瘤小鼠模型
7836	2024-08-31	A Multi-Scale Target Detection Method Using an Improved Faster Region Convolutional Neural Network Based on Enhanced Backbone and Optimized Mechanisms 2024-Aug-13, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080197 PMID:39194986	研究论文	本文提出了一种基于增强骨干网络和优化机制的改进型Faster R-CNN多尺度目标检测方法	该算法通过使用ResNet101网络进行特征提取、集成OHEM、Soft-NMS和DIOU模块以及简化RPN，提高了多尺度目标检测的准确性和效率	NA	旨在提升算法在多尺度目标检测中的能力	多尺度目标检测	计算机视觉	NA	Faster R-CNN	CNN	图像	NA
7837	2024-08-31	Gastric Cancer Image Classification: A Comparative Analysis and Feature Fusion Strategies 2024-Aug-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080195 PMID:39194984	研究论文	本研究利用机器学习和深度学习技术对胃癌病理图像进行分类，通过比较分析和特征融合策略，识别最有效的特征和分类器组合。	本研究通过结合手工特征和深度特征，以及浅层学习分类器，实现了对正常和异常病理图像的有效区分，无需使用微调策略。	研究未提及具体的局限性。	开发自动化和精确的病理诊断工具，提高胃癌的诊断准确性。	胃癌病理图像的分类。	数字病理学	胃癌	机器学习, 深度学习	SVM	图像	使用GasHisSDB数据集
7838	2024-08-31	ESFPNet: Efficient Stage-Wise Feature Pyramid on Mix Transformer for Deep Learning-Based Cancer Analysis in Endoscopic Video 2024-Aug-07, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080191 PMID:39194980	研究论文	本文提出了一种名为ESFPNet的深度学习架构，用于实时检测和分割内窥镜视频中的病变区域	ESFPNet结合了预训练的Mix Transformer编码器和包含新型高效阶段特征金字塔（ESFP）的解码器结构，提高了病变分割的准确性	NA	开发一种高效的深度学习模型，用于实时分析内窥镜视频中的病变区域	内窥镜视频中的肺部和肠道病变	机器学习	肺部疾病，肠道疾病	深度学习	ESFPNet	视频	涉及多个公开的肺部和肠道内窥镜数据库
7839	2024-08-31	Automatic Segmentation of Mediastinal Lymph Nodes and Blood Vessels in Endobronchial Ultrasound (EBUS) Images Using Deep Learning 2024-Aug-06, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080190 PMID:39194979	研究论文	本研究利用基于U-Net架构的深度学习方法，自动检测和分割内镜超声（EBUS）图像中的纵隔淋巴结和血管	采用了一种新的基于U-Net架构的方法（EBUS-AI），能够自动检测和分割纵隔淋巴结和血管	NA	旨在通过自动检测和分割纵隔淋巴结和血管，提高肺癌分期中纵隔结构评估的准确性	纵隔淋巴结和血管的自动检测与分割	计算机视觉	肺癌	深度学习	U-Net	图像	共1161张EBUS图像，来自40名患者，其中882张用于训练和验证，145张用于验证，134张用于测试
7840	2024-08-31	Accurate prediction of protein function using statistics-informed graph networks 2024-Aug-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50955-0 PMID:39097570	research paper	本文提出了一种利用统计信息图网络从蛋白质序列中预测蛋白质功能的方法	该方法能够通过表征进化特征，定量评估执行特定功能的残基的重要性，缩小了序列与功能之间的差距	NA	旨在通过计算方法预测蛋白质功能，特别是在缺乏结构信息的情况下	蛋白质功能预测	machine learning	NA	统计信息图网络	PhiGnet	蛋白质序列	NA