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
10641	2024-08-05	Detection of Parkinson disease using multiclass machine learning approach 2024-06-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64004-9 PMID:38877028	研究论文	本研究使用机器学习和深度学习技术检测帕金森病。	提出了一种基于语音信号特征区分帕金森病患者和健康个体的方法，包括应用KNN和FNN模型。	样本数量相对较少，仅包含195个语音录音。	旨在通过声音信号的分析，及时检测帕金森病，以便有效管理疾病。	研究对象为31名帕金森病患者及其语音信号。	机器学习	帕金森病	机器学习、深度学习	KNN、FNN	语音	195个语音录音，来自31名患者
10642	2024-08-05	Deep cell phenotyping and spatial analysis of multiplexed imaging with TRACERx-PHLEX 2024-Jun-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48870-5 PMID:38879602	研究论文	本文介绍了一种名为TRACERx-PHLEX的深度细胞表型分析和空间分析的方法	该研究的创新点在于开发了一个基于深度学习的自动化计算管道，能够进行细胞分割、细胞类型注释和空间分析	在不同组织类型、固定条件、图像大小和抗体面板的评估中可能存在局限性	研究旨在提供一个可重复、全面且用户友好的多重成像计算管道	研究对象包括不同组织类型的细胞及其空间分布	数字病理学	NA	成像质谱细胞术	深度学习模型	图像	NA
10643	2024-08-05	Biomarker-based human and animal sperm phenotyping: the good, the bad and the ugly† 2024-Jun-12, Biology of reproduction IF:3.1Q2 DOI:10.1093/biolre/ioae061 PMID:38640912	review	本综述探讨了基于生物标志物的人类和动物精子表型分析的优缺点	文章创新地将下一代成像流式细胞术引入人类和动物精子分析中，结合机器学习和深度学习算法以提高诊断精度	文章中未详细论述每种生物标志物的临床应用案例	提高人类与经济重要动物精子的精子表型分析的精确度	人类及经济重要的牲畜动物的精子标志物	数字病理学	NA	流式细胞术，生物标志物成像	NA	NA	NA
10644	2024-08-05	A novel deep learning framework for accurate melanoma diagnosis integrating imaging and genomic data for improved patient outcomes 2024-Jun, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13770 PMID:38881051	研究论文	本研究提出了一种新的深度学习框架，通过整合成像和基因组数据来诊断黑色素瘤	采用结合多模态成像和基因组数据的深度神经网络进行黑色素瘤分类，可能提供比现有医学方法更可靠的诊断	该框架的应用需要在更大规模上进行验证，并需要更多临床试验来确立其有效性和可行性	研究目的是改进黑色素瘤的早期和准确诊断方法	研究对象为皮肤癌黑色素瘤的诊断与分类	计算机视觉	皮肤癌	深度神经网络	卷积神经网络和图神经网络	图像和基因组数据	包含皮肤镜图像、组织病理切片和基因组资料的数据集
10645	2024-08-05	Application of a novel deep learning-based 3D videography workflow to bat flight 2024-Jun, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.15143 PMID:38652595	研究论文	本文提出了一种基于深度学习的3D视频拍摄流程，以研究飞行动物的生物力学细节	引入了深度学习驱动的自动数字化流程，结合质量指标进行过滤和纠正错误标记点	研究主要集中在蝙蝠的飞行上，可能不适用于其他动物的生物力学研究	提高飞行动物生物力学研究的数字化效率	主要研究对象为蝙蝠飞行	计算机视觉	NA	深度学习	NA	视频	四只蝙蝠
10646	2024-08-05	Perfect Match: Radiomics and Artificial Intelligence in Cardiac Imaging 2024-Jun, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.123.015490 PMID:38889216	综述	本文探讨了放射组学与人工智能在心脏影像中的协同作用	提出了放射组学提取医疗影像中的定量特征与深度学习技术结合的潜力	讨论了使用放射组学和人工智能在临床应用中的挑战和局限性	增强心脏影像的诊断和预后能力	关注心血管疾病的影像学特征	数字病理学	心血管疾病	放射组学，深度学习	深度学习	医疗影像	NA
10647	2024-08-05	Emotion recognition for human-computer interaction using high-level descriptors 2024-05-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-59294-y PMID:38802373	研究论文	本研究提出了一种新的深度学习方法，用于对旁遮普语者的语音情感进行识别	通过多样的社交媒体来源构建和预处理标记语音语料库，并利用频谱图作为主要特征表示	未提供关于数据集大小和多样性的详细信息	研究旨在提高对旁遮普语音信号情感的识别准确性	旁遮普语言使用者的语音	自然语言处理	NA	深度学习	卷积神经网络（CNN）	语音	自定义数据集，来自多种旁遮普媒体来源
10648	2024-08-05	Deep learning for automatic detection of cephalometric landmarks on lateral cephalometric radiographs using the Mask Region-based Convolutional Neural Network: a pilot study 2024-05, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.02.003 PMID:38480069	研究论文	本研究探讨了使用Mask R-CNN在侧面头影测量放射线图像中自动检测颅面地标的有效性和可行性	首次应用深度学习的Mask R-CNN模型自动检测颅面地标，显著提高了检测效率和准确性	研究仅在侧面头影测量放射线图像上进行，可能无法推广到其他类型的影像数据	评估Mask R-CNN在颅面分析中自动检测地标的效果	使用400张侧面头影测量放射线图像及其手动标记的19个地标进行研究	计算机视觉	NA	Mask R-CNN	卷积神经网络 (CNN)	图像	400张侧面头影测量放射线图像，标记了1520个地标
10649	2024-08-05	Distinct chemical environments in biomolecular condensates 2024-Mar, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-023-01432-0 PMID:37770698	研究论文	这篇文章探讨了生物分子凝聚体中的不同化学环境及其对分子分布的影响	文章首次表明不同的生物分子凝聚体具有独特的化学溶剂特性，并且可以通过深度学习方法预测探针在这些凝聚体内的选择性分配	在古典条件下对背景环境的影响未能详细探讨	研究无膜生物分子聚集体中分子的选择性包含机制	重点研究不同类型的生物分子凝聚体及其化学环境	数字病理学	NA	深度学习	NA	小分子探针	NA
10650	2024-08-05	Corrigendum: Deep learning or radiomics based on CT for predicting the response of gastric cancer to neoadjuvant chemotherapy: a meta-analysis and systematic review 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1433346 PMID:38846979	更正	该文章更正了之前发表的有关深度学习或基于CT的放射组学在预测胃癌对新辅助化疗反应的研究	NA	NA	NA	NA	NA	胃癌	NA	NA	NA	NA
10651	2024-08-05	Classification of white blood cells (leucocytes) from blood smear imagery using machine and deep learning models: A global scoping review 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0292026 PMID:38885231	评论	本文综述了机器学习和深度学习在血液涂片图像中白血球分类中的应用	首次系统评估机器学习和深度学习技术在白血球分类中的比较与选择	缺乏适当的数据集仍然是主要挑战，且对计算机科学研究人员的医学培训不够充分	全面识别、探索和对比白血球分类的机器学习和深度学习方法	136项关于白血球分类的基础研究	机器学习	血液疾病	NA	CNN	图像	136项研究，涵盖26个国家
10652	2024-08-05	Biomarkers and computational models for predicting efficacy to tumor ICI immunotherapy 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1368749 PMID:38524135	综述	本文综合评述了肿瘤免疫检查点抑制剂（ICI）免疫治疗的预测性生物标志物和计算模型的最新进展	强调了增强程序性死亡蛋白1（PD-1）/程序性死亡配体1（PD-L1）和细胞毒性T淋巴细胞抗原4（CTLA-4）抑制剂疗法的有效性的生物标志物，并讨论了相关技术和模型	未提及具体研究限制	探索ICI免疫治疗的预测性生物标志物和计算模型	生物标志物来源于肿瘤细胞、肿瘤免疫微环境、体液、肠道微生物和代谢产物	数字病理学	肿瘤	NA	知识基础机制模型和数据基础机器学习模型	NA	NA
10653	2024-08-05	Deep learning or radiomics based on CT for predicting the response of gastric cancer to neoadjuvant chemotherapy: a meta-analysis and systematic review 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1363812 PMID:38601765	meta-analysis	本研究评估了人工智能模型、临床模型和综合模型在预测胃癌患者对新辅助化疗反应的准确性	比较了AI模型、临床模型和综合模型在预测胃癌化疗反应中的效果，并分析了各模型的灵敏度和特异性	该研究的限制在于异质性分析结果可能受到多个因素的影响，如预测反应的方法和标准的选择	研究的目的是识别AI模型的诊断测试，并通过比较各种模型的准确性来优化预测方法	研究对象为3313名胃癌患者，涉及9项研究	机器学习	胃癌	CT	人工智能模型	数据集	3313名患者，7项头对头对比研究涉及2699名患者
10654	2024-08-05	Automatic Measurement and Comparison of Normal Eyelid Contour by Age and Gender Using Image-Based Deep Learning 2024 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100518 PMID:38881605	研究论文	本研究提出了一种完全自动的眼睑测量系统，并比较了正常个体的上睑和下睑轮廓，按年龄和性别进行分类	创新点在于采用深度学习系统实现眼睑的自动测量和分析	该研究仅限于540名健康中国人，可能无法推广到其他人群	研究目的是开发一个自动化的眼睑测量系统并比较不同年龄和性别的眼睑轮廓	研究对象为540名年龄在0到79岁的健康中国人	数字病理	NA	深度学习	NA	图像	540名健康个体
10655	2024-08-05	Unsupervised Denoising and Super-Resolution of Vascular Flow Data by Physics-Informed Machine Learning 2024-09-01, Journal of biomechanical engineering DOI:10.1115/1.4065165 PMID:38529728	研究论文	我们提出了一种无监督深度学习方法，能够在没有高分辨率标签的情况下进行流动去噪和超分辨率处理	提出了一种单一模型，能够重构三维狭窄和动脉瘤流动，且具备变几何形状、方向和边界条件的能力	该研究主要基于生成的高管道流数据，可能无法直接应用于真实世界数据	研究流体去噪和超分辨率的模型训练方法	流动域几何和流场表示的表示压缩及相应的去噪与超分辨率处理	计算机视觉	NA	物理启发的神经网络	自编码器	三维流动数据	NA
10656	2024-08-05	A Beginner's Guide to Artificial Intelligence for Ophthalmologists 2024-Jul, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-024-00958-3 PMID:38734807	研究论文	本文提供了人工智能在眼科应用的基础理解	探索了深度学习框架在影像数据中检测和量化眼科特征的多种人工智能方法	需要高质量和多样化的数据集进行模型训练，且在研究中需确保方法的透明报告	旨在增强眼科医生对人工智能应用的理解	讨论与人工智能驱动的诊断相关的研究	数字病理学	NA	深度学习，迁移学习	NA	影像	NA
10657	2024-08-05	LinFlo-Net: A Two-Stage Deep Learning Method to Generate Simulation Ready Meshes of the Heart 2024-07-01, Journal of biomechanical engineering DOI:10.1115/1.4064527 PMID:38258957	研究论文	本文提出了一种深度学习模型，可以自动生成患者影像数据的人体心脏计算模型。	该方法通过使用两阶段的微分变形过程及新颖的损失函数来最小化网格自穿透，保证生成的网格没有自交现象。	未提及	研究旨在开发一种能够生成适合物理模拟的心脏网格模型。	研究对象为患者影像数据转换为心脏的计算模型。	数字病理	NA	深度学习	NA	影像	NA
10658	2024-08-05	EPR-Net: constructing a non-equilibrium potential landscape via a variational force projection formulation 2024-Jul, National science review IF:16.3Q1 DOI:10.1093/nsr/nwae052 PMID:38883298	研究论文	我们提出EPR-Net，一种新颖而有效的深度学习方法，用于构建高维非平衡稳态系统的势能景观	EPR-Net利用了一个数学事实，即所需的负势能梯度只是底层动力学驱动力在加权内积空间中的正交投影，并与稳态熵产生率有密切关系	在小噪声系统的情况下，可能需要强化学习策略，而在其他背景下可能表现不佳	解决生物物理学中的潜能景观构建问题	高维非平衡稳态系统，包括八维极限环和五十二维多稳态问题	机器学习	NA	深度学习	NA	NA	NA
10659	2024-08-05	Clinical evaluation of a deep learning CBCT auto-segmentation software for prostate adaptive radiation therapy 2024-Jul, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2024.100796 PMID:38884004	研究论文	本文旨在评估一种基于深度学习的前列腺CBCT图像自动分割软件在临床适应性放疗中的应用	该研究首次系统地评估了一种新的深度学习自动分割软件，并提出了使用特定成像模式训练的算法	样本量较小，仅包含10名患者，所涉及的结构主要集中在前列腺及相关组织	评估深度学习自动分割软件在前列腺放疗中的临床适用性	研究对象为接受前列腺放疗的10名患者	医学影像处理	前列腺癌	深度学习	NA	CBCT图像	10名患者
10660	2024-08-05	Emerging trends and hotspots in cervical intraepithelial neoplasia research from 2013 to 2023: A bibliometric analysis 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32114 PMID:38882369	研究论文	本文通过文献计量分析总结了宫颈上皮内瘤变（CIN）领域的研究热点和未来趋势	首次在宫颈上皮内瘤变领域进行了文献计量分析，揭示了关键的研究方向和趋势	研究主要集中在发表的文献，可能无法全面反映整个CIN领域的研究现状	归纳和预测宫颈上皮内瘤变领域的研究热点和未来趋势	分析过去十年间与宫颈上皮内瘤变相关的文献	数字病理学	宫颈癌	文献计量分析	NA	文献	4677篇相关论文