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
11901	2024-08-07	Spatial landmark detection and tissue registration with deep learning 2024-Apr, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02199-5 PMID:38438615	研究论文	本文介绍了一种新的无监督地标检测和注册方法，使用神经网络引导的薄板样条，用于组织学图像数据的空间地标检测和组织样本注册	提出了一种新的无监督地标检测和注册方法，使用神经网络引导的薄板样条，能够处理非线性变形和多模态数据	NA	解决现有无监督地标检测方法在组织学图像数据处理中的局限性	空间地标检测和组织样本注册	计算机视觉	NA	神经网络引导的薄板样条	神经网络	图像	多种数据集，包括组织学和空间解析转录组学
11902	2024-08-07	Assessing Biological Age: The Potential of ECG Evaluation Using Artificial Intelligence: JACC Family Series 2024-Apr, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2024.02.011 PMID:38597855	研究论文	本文探讨了利用人工智能评估心电图以预测生物年龄的潜力	利用深度学习方法训练人工智能模型，通过大量心电图数据预测年龄，并探讨了预测误差与生物年龄的关系	年龄预测存在不完美性，预测误差可能影响生物年龄的准确性	研究生物年龄预测的新方法，特别是通过心电图和人工智能的结合	生物年龄的预测及其与死亡率的关系	机器学习	NA	深度学习	AI模型	心电图	数十万份心电图数据
11903	2024-08-07	Revolutionizing Pulmonary Diagnostics: A Narrative Review of Artificial Intelligence Applications in Lung Imaging 2024-Apr, Cureus DOI:10.7759/cureus.57657 PMID:38707160	综述	本文综述了人工智能在肺部影像学中的应用，探讨了其在肺部异常检测、疾病诊断和疾病预后预测方面的影响	强调了人工智能在提高肺部医疗准确性、效率和可及性方面的变革潜力	提到了在临床工作流程中整合人工智能、伦理考虑以及进一步研究和合作的需要	探讨人工智能在肺部影像学中的应用及其对肺部诊断的影响	肺部影像学中的异常检测、疾病诊断和疾病预后预测	计算机视觉	肺部疾病	机器学习算法、深度学习技术和自然语言处理	NA	影像	NA
11904	2024-08-07	Deep learning based automatic segmentation of the Internal Pudendal Artery in definitive radiotherapy treatment planning of localized prostate cancer 2024-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100577 PMID:38707629	研究论文	本研究提出了一种基于深度学习的自动分割内部阴部动脉（IPA）的模型，用于前列腺癌的确定性放疗治疗计划	本模型采用了挤压和激发块以及模态注意力机制进行有效的特征提取和精确分割，使用了一种新的损失函数有效训练模型，并采用了模态丢失策略以在没有MRI的情况下进行分割	NA	探索剂量保护内部阴部动脉以保留性功能，并提高分割的一致性	内部阴部动脉（IPA）的自动分割	数字病理学	前列腺癌	深度学习	CNN	图像	86名患者
11905	2024-08-08	An Artificial Intelligence model for implant segmentation on periapical radiographs 2024-Apr, JPMA. The Journal of the Pakistan Medical Association DOI:10.47391/JPMA.AKU-9S-02 PMID:38712403	研究论文	本文使用深度学习算法对牙科植入物在PA放射图像上进行分割，并将其性能与人类标注者确定的真实情况进行比较	开发了一种用于在PA放射图像上分割牙科植入物的人工智能模型	NA	研究目的是使用深度学习算法自动分割PA放射图像上的牙科植入物	牙科植入物在PA放射图像上的分割	计算机视觉	NA	深度学习	U-net	图像	总共使用了1294张图像进行训练、验证和测试，其中130张未见过的图像用于评估模型性能
11906	2024-08-07	SC-Track: a robust cell-tracking algorithm for generating accurate single-cell lineages from diverse cell segmentations 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae192 PMID:38704671	研究论文	本文介绍了一种名为Single Cell Track (SC-Track)的新型细胞追踪算法，该算法基于生物学观察的细胞分裂和运动动态，采用分层概率缓存级联模型，旨在从多样化的细胞分割中生成准确的单细胞谱系	SC-Track算法在无需参数调整的情况下，能够在不同细胞分割质量、细胞形态外观和成像条件下保持稳健的细胞追踪性能，并配备了细胞类别校正功能，以提高多类别细胞分割时间序列中的细胞分类准确性	NA	开发一种能够从多样化的细胞分割中生成准确单细胞谱系的稳健细胞追踪算法	细胞追踪算法在荧光时间流逝显微镜图像中的应用	计算机视觉	NA	深度学习	CNN	图像	多样化的细胞分割类型
11907	2024-08-07	Local and global changes in cell density induce reorganisation of 3D packing in a proliferating epithelium 2024-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.08.579268 PMID:38370815	研究论文	本文通过活体成像和基于深度学习的分割技术，研究了海星胚胎中细胞密度、组织紧缩和细胞增殖对上皮组织结构的影响	首次详细探讨了细胞密度变化对3D上皮组织重排的影响，并提出了增殖过程中细胞重排的机制	研究主要集中在海星胚胎，可能不完全适用于其他生物或组织类型	探讨细胞密度变化如何影响3D上皮组织的重排	海星胚胎中的上皮组织	生物物理学	NA	深度学习	NA	图像	海星胚胎
11908	2024-08-07	A Deep Learning Approach to Classify Fabry Cardiomyopathy from Hypertrophic Cardiomyopathy Using Cine Imaging on Cardiac Magnetic Resonance 2024, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/2024/6114826 PMID:38706878	研究论文	本文提出了一种基于人工智能的MRI短轴视图左心室肥厚分类器（MSLVHC），用于区分肥厚型心肌病（HCM）和法布里病	该模型利用AI技术，通过MRI短轴视图电影图像进行训练，实现了对HCM和法布里病的高精度标准化影像分类	NA	开发一种高精度的标准化影像分类模型，以辅助专家诊断左心室肥厚疾病	肥厚型心肌病（HCM）和法布里病	计算机视觉	心血管疾病	MRI	AI模型	影像	台北荣民总医院（TVGH）数据集和台中荣民总医院（TCVGH）数据集
11909	2024-08-07	Radiomics analysis of pancreas based on dual-energy computed tomography for the detection of type 2 diabetes mellitus 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1328687 PMID:38707184	研究论文	本研究利用基于双能量计算机断层扫描（CT）的胰腺放射组学分析，建立用于检测2型糖尿病的定量影像生物标志物。	本研究首次将放射组学分析应用于双能量CT胰腺图像，以识别2型糖尿病。	研究为回顾性研究，样本量相对较小，且未提及长期随访结果。	探索基于双能量CT的胰腺放射组学分析在2型糖尿病检测中的应用。	研究对象为78名参与者，其中45名患有2型糖尿病，33名未患。	计算机视觉	糖尿病	双能量CT	随机森林（RF）、支持向量机（SVM）和逻辑回归	影像数据	78名参与者
11910	2024-08-07	A novel deep learning method to segment parathyroid glands on intraoperative videos of thyroid surgery 2024, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2024.1370017 PMID:38708363	研究论文	本研究开发了一种新的深度学习方法Video-Trans-U-HRNet，用于在甲状腺手术的术中视频中分割甲状旁腺腺体，并与现有医疗AI方法进行比较	本研究引入了一种创新的术中视频方法，用于识别甲状旁腺腺体，强调了AI在手术领域的潜在进步	NA	研究目的是探索深度学习是否可以用于辅助识别甲状腺手术中术中视频的甲状旁腺腺体	甲状旁腺腺体在甲状腺手术中的识别	机器学习	NA	深度学习	Video-Trans-U-HRNet	视频	研究包括50名患者的数据集，包含98个视频和9,944个标注帧，以及一个独立的测试集，包含15个视频和1,500个帧