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
9021	2024-08-04	The digital revolution in pathology: Towards a smarter approach to research and treatment 2024-Aug, Tumori DOI:10.1177/03008916241231035 PMID:38606831	综述	这篇综述文章介绍了人工智能在肿瘤学中的应用与挑战	文章结构清晰，系统性地介绍了人工智能的基础知识及其在临床研究和医疗中的应用	没有深入探讨某些特定AI工具的实际临床效果和应用限制	旨在为研究人员、临床医生和政策制定者提供有关在肿瘤学中采用人工智能的信息与指导	研究对象包括人工智能在肿瘤学中的应用，特别是诊断影像和病理学	人工智能	肿瘤	NA	专家系统、经典机器学习与深度学习	NA	NA
9022	2024-08-04	Hierarchical multi-task deep learning-assisted construction of human gut microbiota reactive oxygen species-scavenging enzymes database 2024-Jul-30, mSphere IF:3.7Q2 DOI:10.1128/msphere.00346-24 PMID:38995053	研究论文	本研究建立了人类肠道微生物群反应性氧种清除酶数据库	提出了一种系统工作流程，并采用分层多任务深度学习方法创建新数据库	目前数据库的应用和验证尚未详尽探讨	理解氧化应激机制并制定应对与“肠-脏器轴”相关疾病的策略	人类肠道微生物群中的反应性氧种清除酶	数字病理学	NA	深度学习	多任务深度学习	数据库	7,689个条目
9023	2024-08-04	Artificial intelligence assisted ultrasound for the non-invasive prediction of axillary lymph node metastasis in breast cancer 2024-Jul-29, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-12619-6 PMID:39075447	研究论文	本研究开发了一种人工智能辅助的超声系统用于非侵入性预测乳腺癌患者的腋下淋巴结转移	创新点在于使用深度学习模型与人工智能辅助技术相结合，为乳腺癌提供非侵入性的淋巴结状态评估方法	研究局限于回顾性研究，且样本量相对较小	本研究的目的在于开发一种非侵入性的方法，以有效预测乳腺癌患者的腋下淋巴结转移	研究对象为266名在北京协和医学院医院接受腺体生检和腋下淋巴结切除的乳腺癌患者	计算机视觉	乳腺癌	深度学习	DeepLabV3+ 和卷积神经网络	超声图像	266名乳腺癌患者
9024	2024-08-04	Single-cell hdWGCNA reveals metastatic protective macrophages and development of deep learning model in uveal melanoma 2024-Jul-29, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05421-2 PMID:39075441	研究论文	本研究揭示了与转移性保护性巨噬细胞相关的关键基因及其在虹膜黑色素瘤中的作用	首次使用单细胞RNA测序和深度学习模型分析巨噬细胞亚群与转移性肿瘤之间的关系	转移机制及其对预后的影响仍未完全理解	探讨虹膜黑色素瘤的转移机制及巨噬细胞在其中的作用	虹膜黑色素瘤的转移性和原发性癌症患者的巨噬细胞亚群	数字病理学	虹膜黑色素瘤	单细胞RNA测序	卷积神经网络（CNN）	基因表达数据	NA
9025	2024-08-04	Origami single-end capacitive sensing for continuous shape estimation of morphing structures 2024-Jul-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67149-9 PMID:39075071	研究论文	本文提出了一种新颖的单端变形电容传感方法FxC，用于形状追踪。	与其他折纸电容器不同，FxC仅使用每个通道的单个导电板，直接改变导电板的几何形状。	NA	研究如何通过电容信号实时估计变形结构的几何形状。	采用折纸结构及其结合的电容传感器进行形状追踪。	NA	NA	电容传感	深度神经网络	信号	多个折叠模式的实验结果，包括Accordion, Chevron, Sunray和V-Fold模式
9026	2024-08-04	Explainable lung cancer classification with ensemble transfer learning of VGG16, Resnet50 and InceptionV3 using grad-cam 2024-Jul-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01345-x PMID:39030496	研究论文	本研究提出了一种集成深度学习方法，以提高医学影像诊断的准确性，专注于肺癌检测	结合预训练模型VGG16、ResNet50和InceptionV3，采用统一框架进行肺癌分类，改善了诊断的准确性	未提及具体的限制	提高医学影像中肺癌检测的诊断准确性	利用统一格式的数据集进行肺癌影像分类	计算机视觉	肺癌	深度学习	集成模型	影像	IQ-OTH/NCCD肺癌数据集，数据来自伊拉克肿瘤医院/国家癌症疾病中心，样本量未具体说明
9027	2024-08-04	Affordable and real-time antimicrobial resistance prediction from multimodal electronic health records 2024-07-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66812-5 PMID:39013934	研究论文	本研究首次利用深度学习技术和多模态电子健康记录数据预测抗微生物抵抗性。	引入了一种多模态融合方法，将时间不变和时间序列数据合并以预测抗微生物抵抗性。	缺乏关于算法性能在不同人群或不同抗生素的广泛验证信息	旨在通过数据驱动模型预测抗微生物抵抗性，以帮助临床医生和微生物学家。	基于MIMIC-IV数据库的多模态数据，特别是患者的电子健康记录。	机器学习	NA	深度学习	NA	电子健康记录	使用了MIMIC-IV数据库中的患者数据
9028	2024-08-04	Deep learning pose detection model for sow locomotion 2024-07-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62151-7 PMID:39013897	研究论文	本研究旨在开发一个用于自动识别母猪体特定部位的计算机视觉模型，从而帮助检测跛行。	提出了一种结合深度学习的自动识别和追踪母猪特定身体区域的模型，支持精准的畜牧生产管理。	当前系统依赖于先前训练的模型，可能无法处理未见过的姿势或运动方式。	开发一个自动化系统，以利用深度学习技术提高母猪跛行的检测精度。	母猪，特别是不同跛行评分的个体。	计算机视觉	NA	深度学习	LEAP架构	视频	使用了来自不同跛行评分母猪的视频图像数据库
9029	2024-08-04	Deep learning application of vertebral compression fracture detection using mask R-CNN 2024-07-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67017-6 PMID:39009647	研究论文	本研究开发了一种基于深度学习的椎体压缩骨折检测模型	创新点在于将Mask R-CNN应用于椎体压缩骨折的检测，并与其他三种流行模型进行了比较	研究的样本仅限于487张侧位X光片，且只涵盖了L1-T11椎骨	旨在提供一种工具以改进椎体压缩骨折的早期诊断	研究对象为胸腰椎区域的椎体压缩骨折	数字病理学	NA	深度学习	Mask R-CNN	影像	487张侧位X光片，包含598个骨折
9030	2024-08-04	Predicting Obstructive Sleep Apnea Based on Computed Tomography Scans Using Deep Learning Models 2024-07-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202304-0767OC PMID:38471111	研究论文	通过计算机断层扫描(CT)预测阻塞性睡眠呼吸暂停(OSA)及其严重性。	提出了一种新型的深度学习模型，结合了多模态深度学习和气道高亮预处理算法，以提高OSA诊断的准确性。	研究的样本主要来源于特定的CT图像，可能影响模型的普遍适用性。	利用CT扫描数据预测阻塞性睡眠呼吸暂停的发生及其严重程度。	涉及798名参与者的内部数据集以及135和85名参与者的两个外部数据集。	数字病理学	阻塞性睡眠呼吸暂停	深度学习	多模态深度学习模型	图像	内部数据集798名参与者，包括92名正常参与者和706名不同严重程度的OSA患者
9031	2024-08-04	Efficient segmentation of active and inactive plaques in FLAIR-images using DeepLabV3Plus SE with efficientnetb0 backbone in multiple sclerosis 2024-07-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67130-6 PMID:39009636	研究论文	本文介绍了一种高效的FLAIR图像内活动和非活动斑块的分割方法	该研究采用了DeepLabV3Plus SE和EfficientNetB0骨干网的卷积神经网络模型，并显示出优于其他CNN架构的性能	未提及具体的限制	研究FLAIR图像中斑块的分割能力	研究对象为100名患有活动性脑斑块的多发性硬化症患者	数字病理学	多发性硬化症	卷积神经网络（CNN）	DeepLabV3Plus SE	MRI切片图像	分析了100名患者，使用了1500个标记切片进行深度学习
9032	2024-08-04	Automatic 3D reconstruction of vertebrae from orthogonal bi-planar radiographs 2024-07-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65795-7 PMID:39003269	研究论文	本文提出了一种基于正交双平面X光片的自动化脊椎3D重建方法	提出了一种新的深度学习框架ReVerteR，通过自注意力机制和特殊设计的损失函数来缓解重建过程中的样本不平衡问题	尚未详细说明当前方法在不同临床场景下的适用性和局限性	旨在通过自动化和定制化的3D脊柱重建来提高临床决策支持	主要研究对象为脊椎的3D重建	数字病理学	NA	深度学习	NA	图像	基于VerSe 2019和VerSe 2020两个基准数据集构建的数据集进行的广泛实验
9033	2024-08-04	Predictive value of MRI-based deep learning model for lymphovascular invasion status in node-negative invasive breast cancer 2024-07-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67217-0 PMID:39003325	研究论文	评估基于乳腺 MRI 的深度学习模型在预测侵袭性乳腺癌患者预operative 淋巴血管侵犯状态的有效性	提出了一种结合放射组学特征与临床放射学信息的深度学习模型，显著提高了对淋巴血管侵犯状态的预测准确性	研究是回顾性的，未涉及多中心样本，可能影响模型的推广性和普适性	旨在预测侵袭性乳腺癌患者的淋巴血管侵犯状态，以帮助临床决策	280 名接受乳腺 MRI 的侵袭性乳腺癌患者，包括148名 LVI 阳性和141名 LVI 阴性病灶	数字病理学	乳腺癌	MRI	多层感知器 (MLP)	影像	280 名患者
9034	2024-08-04	Establishment of a corneal ulcer prognostic model based on machine learning 2024-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66608-7 PMID:38997339	研究论文	本文建立了一种基于机器学习的角膜溃疡预后模型	提出了一种全自动的预后模型系统，包括机器学习算法用于角膜溃疡患者的分割和分类	仅包含4973个角膜溃疡患者的裂隙灯图像和240个临床病例数据，样本量相对有限	分析角膜溃疡患者的角膜穿孔和视觉损害风险，以制定早期治疗策略	研究对象为角膜溃疡患者的临床数据和裂隙灯图像	机器学习	NA	机器学习算法，包括XGBoost和LightGBM	深度学习模型	图像和临床数据	4973个裂隙灯图像和240个临床病例数据
9035	2024-08-04	Medical intelligence using PPG signals and hybrid learning at the edge to detect fatigue in physical activities 2024-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66839-8 PMID:38997404	研究论文	本研究提出了一种创新的深度学习框架，用于实时预测运动学生的疲劳。	创新点在于采用深度学习和边缘计算技术实时监测学生的生理疲劳，且比较了多种深度学习模型的效果。	研究面临的挑战是使用有限的训练数据来确定PPG信号的最佳参数。	旨在提高对运动学生疲劳状态的监测精度。	研究对象为参与体育活动的学生。	机器学习	NA	光电容积脉搏波 (PPG)	深度残差网络卷积神经网络 (ResNetCNN), Xception架构, 双向长短期记忆 (BILSTM)	信号	在本研究中使用了多个PPG信号的数据集进行训练
9036	2024-08-04	Efficient musculoskeletal annotation using free-form deformation 2024-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67125-3 PMID:38992241	研究论文	该文章介绍了一种高效的工具，用于非专家进行肌肉分割的注释	开发了一种新工具，通过自由形变简化了医学图像的注释过程	本研究未提及工具在不同类型医学图像中的适用性	探索通过非专家进行自动肌肉分割数据集创建的方法	评估非专家使用该工具进行肌肉分割的效果	数字病理学	NA	自由形变	NA	医学图像	NA
9037	2024-08-04	Artificial intelligence-enhanced electrocardiography analysis as a promising tool for predicting obstructive coronary artery disease in patients with stable angina 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae038 PMID:39081950	研究论文	本文探讨了基于人工智能的心电图分析在预测稳定性心绞痛患者阻塞性冠状动脉疾病中的临床可行性	使用深度学习框架分析心电图并开发风险评分系统，首次在大样本中验证其有效性	本研究未进行多中心外部验证，仅限于已有的数据集	评估AI驱动的心电图分析在预测阻塞性冠状动脉疾病中的实用性	稳定性心绞痛患者中的心电图数据	机器学习	心血管疾病	深度学习	NA	图像	50,756张心电图图像，来自21,866名患者，外部验证中4517名患者
9038	2024-08-04	Machine learning in cardiac stress test interpretation: a systematic review 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae027 PMID:39081945	综述	本文系统回顾了机器学习在心脏压力测试解读中的应用	探讨了机器学习应用于心脏压力测试解读的潜力，并展示了相关模型在敏感性和特异性上的改进	研究的样本量较小，且排除了核压力测试	评估机器学习在冠状动脉疾病压力测试解读中的应用	涉及压力心电图和压力超声心动图的机器学习模型	机器学习	心脏病	机器学习，深度学习，自然语言处理	NA	数据分析结果	七项相关研究的结果
9039	2024-08-04	Hypertrophic cardiomyopathy detection with artificial intelligence electrocardiography in international cohorts: an external validation study 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae029 PMID:39081936	研究论文	该研究评估了一种基于深度学习的人工智能-心电图算法在国际队列中检测肥厚型心肌病的表现	这项研究在多国人群中验证了AI-心电图算法的外部有效性，展示了该算法在临床应用中的潜在价值	该研究的前瞻性评估尚未进行，需要进一步验证算法在临床实践中的应用效果	评估AI-心电图算法在不同国际人群中检测肥厚型心肌病的表现	来自瑞士、英国和韩国的患者，包括773名肥厚型心肌病患者和3867名非肥厚型心肌病对照	心血管疾病	肥厚型心肌病	人工智能心电图	卷积神经网络	心电图	773名肥厚型心肌病患者和3867名非肥厚型心肌病对照
9040	2024-08-04	A reliable deep-learning-based method for alveolar bone quantification using a murine model of periodontitis and micro-computed tomography imaging 2024-07, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105057 PMID:38729290	研究论文	本研究专注于使用人工智能分析小鼠模型中的牙槽骨，旨在创建一个自动化的深度学习分割模型	该研究开发了一个可下载且易于应用的AI模型，能够准确评估牙槽骨的体积、矿物质密度及小梁骨厚度	该研究未明确提到样本的多样性及其对结果的可能影响	本研究的目的是开发一个无需机器学习知识即可使用的牙槽骨量化分析工具	研究对象为小鼠模型及其牙槽骨	数字病理学	牙周病	微型计算机断层扫描	U-Net	三维影像	未提及