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
81	2024-12-21	Ligand Identification in CryoEM and X-ray Maps Using Deep Learning 2024-Dec-19, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae749 PMID:39700427	研究论文	本文提出了一种基于深度学习的3D点云方法，用于从冷冻电镜和X射线衍射密度图中识别配体	本文首次将深度学习方法应用于冷冻电镜密度图的配体识别，并展示了其在X射线衍射和冷冻电镜密度图上的有效性	本文指出了电子显微镜图谱标准化和冷冻电镜配体质量评估的挑战	开发一种自动化的方法，用于从冷冻电镜和X射线衍射密度图中准确识别配体	冷冻电镜和X射线衍射密度图中的配体识别	计算机视觉	NA	深度学习	NA	图像	训练和测试数据集托管在Zenodo上，具体样本数量未在摘要中提及
82	2024-12-21	AI-Enhanced Interface for Colonic Polyp Segmentation Using DeepLabv3+ with Comparative Backbone Analysis 2024-Dec-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ada15f PMID:39700528	研究论文	本文提出了一种使用DeepLabv3+模型和ResNet架构进行结肠息肉分割的方法，并通过实验验证了其高准确性	本文的创新点在于使用DeepLabv3+模型和ResNet-50作为骨干网络，结合编码器-解码器结构，实现了高精度的结肠息肉分割	本文的局限性在于仅使用了Kvasir-SEG数据集进行训练和测试，可能存在数据集偏差问题	本文的研究目的是开发一种自动、快速且高精度的结肠息肉分割方法，以辅助结直肠癌的诊断和手术规划	本文的研究对象是结肠息肉的分割	计算机视觉	结直肠癌	DeepLabv3+	CNN	图像	使用了Kvasir-SEG数据集进行训练和测试
83	2024-12-21	A deep learning framework deploying segment anything to detect pan-cancer mitotic figures from haematoxylin and eosin-stained slides 2024-Dec-19, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07398-6 PMID:39702417	研究论文	本文提出了一种基于人工智能的方法，用于检测苏木精和伊红染色的数字化全切片图像中的有丝分裂象	本文创建了最大的有丝分裂象数据集（N=74,620），并提出了一种两阶段框架OMG-Net，该框架结合了Segment Anything Model和改进的ResNet18，显著提高了泛癌有丝分裂象检测的性能	本文的局限性在于依赖于现有的公开数据集，可能无法完全覆盖所有癌症类型的有丝分裂象	开发一种高效且准确的方法来检测泛癌有丝分裂象，以辅助癌症分级和治疗	苏木精和伊红染色的数字化全切片图像中的有丝分裂象	数字病理学	NA	深度学习	CNN	图像	74,620个有丝分裂象样本
84	2024-12-21	Geometric deep learning improves generalizability of MHC-bound peptide predictions 2024-Dec-19, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07292-1 PMID:39702482	研究论文	本文探讨了利用几何深度学习（GDL）提高MHC结合肽预测的泛化能力	本文提出了基于结构的方法，利用几何深度学习（GDL）和三维自监督学习（3D-SSL），显著提高了MHC结合肽预测的泛化能力，并在数据效率上优于传统的基于序列的方法	本文未详细讨论GDL方法在其他疾病或免疫相关领域的应用效果	提高MHC结合肽预测的泛化能力和数据效率	MHC分子与肽的相互作用	机器学习	NA	几何深度学习（GDL）	几何深度学习模型	结构数据（3D）	未具体说明样本数量，但提到3D-SSL方法在未接触任何结合亲和力数据的情况下表现优异
85	2024-12-21	Optimising the paradigms of human AI collaborative clinical coding 2024-Dec-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01363-7 PMID:39702575	研究论文	本研究提出了一种新的人在环（HITL）框架CliniCoCo，旨在优化人机协作的临床编码	提出了CliniCoCo框架，通过深度学习能力实现自动化临床编码系统与人类编码员在实际环境中的高效协作	未提及具体的局限性	优化人机协作的临床编码范式	临床编码系统与人类编码员的协作效率	机器学习	NA	深度学习	NA	文本	使用了中国医院真实世界的电子病历数据集
86	2024-12-21	AI-driven system for non-contact continuous nocturnal blood pressure monitoring using fiber optic ballistocardiography 2024-Dec-19, Communications engineering DOI:10.1038/s44172-024-00326-w PMID:39702581	研究论文	本文介绍了一种基于光纤传感技术的非接触式连续夜间血压监测系统	该系统利用先进的光纤传感器捕捉医疗级的心冲击图信号，并通过人工智能模型提取深度学习和基准特征，实现了边缘设备上的高效轻量化个性化方案	NA	开发一种非侵入性且舒适的夜间血压连续监测系统，以改善高血压管理和心血管风险评估	夜间血压监测及其在高血压管理和心血管风险评估中的应用	机器学习	心血管疾病	光纤传感技术	AI模型	信号	158名受试者
87	2024-12-21	Transferable deep learning with coati optimization algorithm based mitotic nuclei segmentation and classification model 2024-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80002-3 PMID:39702593	研究论文	本文提出了一种基于Coati优化算法和深度学习的有丝分裂细胞核分割与分类模型	创新点包括使用Coati优化算法调整胶囊网络的超参数，并结合混合注意力融合U-Net模型和双向长短期记忆模型进行有丝分裂细胞核的分割与分类	NA	旨在利用深度学习模型对有丝分裂细胞核进行分割和分类，以辅助癌症分级	有丝分裂细胞核	数字病理学	NA	深度学习	混合注意力融合U-Net模型、胶囊网络、双向长短期记忆模型	图像	有丝分裂细胞核图像数据集
88	2024-12-21	Artificial intelligence in risk prediction and diagnosis of vertebral fractures 2024-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75628-2 PMID:39702597	meta-analysis	本研究通过系统综述和meta分析评估了人工智能在诊断和预测椎体骨折中的有效性	人工智能在诊断和预测椎体骨折方面表现出高准确性，深度学习模型在诊断所有骨折类型中表现出色	研究中存在高度异质性和研究偏倚，需要进一步研究以标准化AI模型并验证其在不同数据集上的临床实用性	评估人工智能在椎体骨折诊断和预测中的有效性	椎体骨折的诊断和预测	machine learning	骨科疾病	NA	深度学习模型	NA	共纳入79项研究，其中40项进行了meta分析
89	2024-12-21	Predicting the tumor microenvironment composition and immunotherapy response in non-small cell lung cancer from digital histopathology images 2024-Dec-19, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00765-w PMID:39702609	研究论文	本文介绍了一种名为HistoTME的弱监督深度学习方法，用于从非小细胞肺癌的数字病理图像中推断肿瘤微环境组成并预测免疫治疗反应	HistoTME能够直接从全切片图像中准确预测30种不同细胞类型的分子特征，并改善接受免疫治疗的肺癌患者的预后预测	NA	开发一种新的方法来推断肿瘤微环境组成并预测非小细胞肺癌患者的免疫治疗反应	非小细胞肺癌患者的肿瘤微环境组成和免疫治疗反应	数字病理学	肺癌	深度学习	深度学习模型	图像	652名患者
90	2024-12-21	Deep learning-based intratumoral and peritumoral features for differentiating ocular adnexal lymphoma and idiopathic orbital inflammation 2024-Dec-19, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11275-5 PMID:39702637	研究论文	本文评估了基于深度学习的肿瘤内和肿瘤周围特征在区分眼附属器淋巴瘤和特发性眼眶炎症中的价值	本文提出了一个基于注意力机制的融合模型，用于融合肿瘤内和肿瘤周围区域的特征，并结合多种MR序列进行分析	本文未详细讨论模型的泛化能力和在其他疾病中的应用	评估基于深度学习的肿瘤内和肿瘤周围特征在区分眼附属器淋巴瘤和特发性眼眶炎症中的诊断价值	眼附属器淋巴瘤和特发性眼眶炎症	机器学习	眼科疾病	深度学习	注意力机制融合模型	图像	97名患者，包括43名眼附属器淋巴瘤患者和54名特发性眼眶炎症患者
91	2024-12-21	Research on the effectiveness of multi-view slice correction strategy based on deep learning in high pitch helical CT reconstruction 2024-Dec-19, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-240128 PMID:39704749	研究论文	研究基于深度学习的多视角切片校正策略在高螺距螺旋CT重建中的有效性	提出了一种数据驱动的切片校正策略，通过调整切片角度、数量和顺序来优化高螺距螺旋CT的三维重建效果	实验结果表明，单纯增加校正方向的数量并不能显著提高三维重建的质量	探索高螺距螺旋扫描三维重建的最佳切片方法，研究切片角度、数量、顺序和模型对校正效果的影响	高螺距螺旋CT扫描图像的三维重建	计算机视觉	NA	深度学习	NA	图像	NA
92	2024-12-21	Multimodal autism detection: Deep hybrid model with improved feature level fusion 2024-Dec-18, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108492 PMID:39700689	研究论文	本文提出了一种基于深度学习的多模态自闭症检测模型，通过改进的特征级融合方法提高了诊断准确性	本文的创新点在于提出了改进的特征级融合方法，并结合卷积神经网络（CNN）和双向门控循环单元（Bi-GRU）构建了一个混合模型，显著提高了自闭症检测的准确性	本文的局限性在于仅使用了EEG信号和面部图像作为输入数据，未来可以考虑引入更多模态的数据以进一步提高模型的性能	本研究的目的是开发一种基于深度学习的多模态自闭症检测模型，以提高诊断的准确性和效率	本研究的对象是自闭症谱系障碍（ASD）患者，通过分析其面部图像和EEG信号来进行诊断	机器学习	自闭症	Gabor滤波、Wiener滤波、共空间模式（CSP）、改进的奇异谱熵、相关维数、改进的活动外观模型、灰度共生矩阵（GLCM）、提出的形状局部二值纹理（SLBT）	混合模型（CNN和Bi-GRU）	图像和信号	具体样本数量未在摘要中提及
93	2024-12-21	Generating synthetic CT images from unpaired head and neck CBCT images and validating the importance of detailed nasal cavity acquisition through simulations 2024-Dec-18, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109568 PMID:39700859	研究论文	本研究提出了一种利用cycle-consistent生成对抗网络（cycleGAN）对头部和颈部CBCT图像进行去噪，生成合成CT（sCT）图像的策略，并通过计算流体动力学（CFD）分析了精细分割鼻腔对气流的影响	本研究创新性地使用cycleGAN对CBCT图像进行去噪，并结合多种损失函数和数据增强策略生成高质量的sCT图像，同时通过规则基础方法自动分割上呼吸道，并验证了鼻腔精细分割对气流模拟的重要性	本研究主要集中在头部和颈部CBCT图像的处理，未涉及其他部位的CBCT图像，且CFD模拟的准确性依赖于分割的精度	提高CBCT图像质量，为医疗专业人员提供解剖信息，并实现精确的生物力学分析	头部和颈部CBCT图像及其生成的合成CT图像	计算机视觉	NA	cycle-consistent生成对抗网络（cycleGAN），计算流体动力学（CFD）	生成对抗网络（GAN）	图像	未明确提及具体样本数量
94	2024-12-21	Generating 3D brain tumor regions in MRI using vector-quantization Generative Adversarial Networks 2024-Dec-18, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109502 PMID:39700855	研究论文	本文提出了一种使用向量量化生成对抗网络（GAN）和包含掩码令牌建模的Transformer生成高分辨率和多样化的3D脑肿瘤ROI的方法，用于增强肿瘤ROI分类的训练数据	本文的创新点在于使用向量量化GAN和Transformer生成高分辨率和多样化的3D脑肿瘤ROI，而不是生成整个图像体积	本文的局限性在于仅在两个不平衡数据集上进行了验证，未来需要在更多数据集上进行验证	本文的研究目的是提出一种新的方法，用于生成高分辨率和多样化的3D脑肿瘤ROI，以解决数据不平衡问题，并提高脑肿瘤分类的准确性	本文的研究对象是脑肿瘤的ROI，特别是低级别胶质瘤（LGG）和BRAF V600E突变标记的肿瘤ROI	计算机视觉	脑肿瘤	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	本文使用了两个不平衡数据集：（1）来自Multimodal Brain Tumor Segmentation Challenge（BraTS）2019数据集的低级别胶质瘤（LGG）ROI；（2）来自内部儿科低级别胶质瘤（pLGG）数据集的BRAF V600E突变遗传标记肿瘤ROI
95	2024-12-21	The quality and accuracy of radiomics model in diagnosing osteoporosis: a systematic review and meta-analysis 2024-Dec-18, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.065 PMID:39701845	meta-analysis	本文通过系统综述和meta分析评估了当前放射组学模型在诊断骨质疏松症中的诊断性能，并评估了这些研究的方法学和报告质量	本文通过meta分析揭示了使用不同成像方式构建的放射组学模型在诊断骨质疏松症中的异质性，并发现使用CT图像和深度学习算法的模型具有更高的诊断准确性	本文的局限性在于纳入的研究质量参差不齐，且不同成像方式导致的异质性可能影响结果的可靠性	评估当前放射组学模型在诊断骨质疏松症中的诊断性能，并提高放射组学研究的质量	放射组学模型在诊断骨质疏松症中的应用	machine learning	骨质疏松症	放射组学	NA	图像	共纳入25项研究，包括1553名骨质疏松症患者和2200名非骨质疏松症患者
96	2024-12-21	Predicting Intracerebral Hemorrhage Outcomes Using Deep Learning Models to Extract Head CT Imaging Features 2024-Dec-18, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.019 PMID:39701844	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
97	2024-12-21	A reconstruction method for ptychography based on residual dense network 2024-Dec-18, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-240114 PMID:39704747	研究论文	本文提出了一种基于残差密集网络的ptychography重建方法	本文创新性地提出了基于残差密集网络的密集残差双分支网络（RDenPtycho），用于快速且鲁棒的ptychography重建	NA	提出一种新的基于深度学习的方法，实现ptychography的快速和鲁棒重建	ptychography中的大尺寸物体成像，如集成电路（IC）	计算机视觉	NA	ptychography	残差密集网络	衍射图案	使用来自先进光子源的公开ptychography数据集进行评估
98	2024-12-21	Advancing miRNA cancer research through artificial intelligence: from biomarker discovery to therapeutic targeting 2024-Dec-17, Medical oncology (Northwood, London, England) DOI:10.1007/s12032-024-02579-z PMID:39688780	综述	本文综述了人工智能在miRNA癌症研究中的应用，从生物标志物发现到治疗靶向	本文介绍了人工智能在处理和解释大量RNA数据方面的创新应用，特别是机器学习和深度学习技术在识别关键miRNA和开发预测模型中的作用	本文未具体讨论人工智能在miRNA研究中的局限性	本文旨在探讨机器学习技术在miRNA研究中的应用，以加速癌症诊断和治疗的发展	本文研究对象为miRNA及其在癌症中的作用	机器学习	癌症	RNA测序	深度学习	RNA数据	NA
99	2024-12-21	BCDB: A Dual-Branch Network Based on Transformer for Predicting Transcription Factor Binding Sites 2024-Dec-17, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.12.006 PMID:39701486	研究论文	本文提出了一种基于Transformer的双分支网络BCDB，用于预测转录因子结合位点	BCDB框架整合了多尺度DNA信息，采用双分支输出策略，结合DNABERT、卷积神经网络（CNN）和多头注意力机制，增强了特征提取能力，提高了预测准确性，并通过注意力机制增强了模型的可解释性	NA	开发一种新的深度学习方法，用于在有限数据条件下准确预测转录因子结合位点，并提高模型的可解释性	转录因子结合位点	机器学习	NA	卷积神经网络（CNN）、多头注意力机制、迁移学习	Transformer	DNA序列	165个ChIP-seq数据集
100	2024-12-21	Using machine learning to improve the hard modeling of NMR time series 2024-Dec-16, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2024.107813 PMID:39700601	研究论文	本文提出了一种结合机器学习和非线性优化的混合方法，用于改进核磁共振时间序列的硬建模	本文的创新点在于提出了一种结合深度学习和非线性优化的混合方法，利用神经网络预测优化算法的初始参数，从而提高建模的运行时间和准确性	本文的局限性在于仅在构建和实验数据集上进行了验证，尚未在更广泛的实际应用中进行测试	本文的研究目的是改进核磁共振时间序列的建模方法，以提高复杂过程中信息提取的准确性和效率	本文的研究对象是核磁共振时间序列数据	机器学习	NA	核磁共振（NMR）	神经网络	时间序列	构建和实验数据集