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
1641	2024-12-13	IndoHerb: Indonesia medicinal plants recognition using transfer learning and deep learning 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40606 PMID:39660181	研究论文	本研究利用迁移学习和深度学习技术，通过卷积神经网络对印度尼西亚药用植物进行分类识别	首次应用迁移学习方法对印度尼西亚药用植物进行大规模分类，并比较了多种深度学习模型的性能	实验仅使用了图像数据，未考虑其他类型的数据（如文本描述），且样本量相对较小	开发一种自动化的方法来识别印度尼西亚药用植物，以促进传统医学实践和农业发展	印度尼西亚的药用植物	计算机视觉	NA	迁移学习，卷积神经网络	CNN	图像	一个包含印度尼西亚药用植物图像的广泛数据集，经过手动精心挑选
1642	2024-12-13	Evaluating the Impact of BoNT-A Injections on Facial Expressions: A Deep Learning Analysis 2024-Dec-12, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjae204 PMID:39365026	研究论文	本研究使用深度学习技术评估了肉毒杆菌毒素A（BoNT-A）注射对面部表情的影响	首次使用卷积神经网络（CNN）基于面部情感识别系统客观测量BoNT-A注射对面部表情的影响	需要进一步研究以理解这些变化更广泛的影响	客观测量BoNT-A注射对面部表情的影响	BoNT-A注射对面部表情的影响	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	180名年龄在25至60岁之间的患者
1643	2024-12-13	Extraction of agricultural plastic greenhouses based on a U-Net convolutional neural network coupled with edge expansion and loss function improvement 2024-Dec-12, Journal of the Air & Waste Management Association (1995) DOI:10.1080/10962247.2024.2412708 PMID:39440842	研究论文	本研究通过改进U-Net卷积神经网络模型，结合边缘信息扩展和联合损失函数，提高了从遥感图像中提取农业塑料大棚的准确性	本研究提出了一个改进的U-Net卷积神经网络模型，结合边缘信息扩展和联合损失函数，显著提高了农业塑料大棚的提取精度	NA	提高农业塑料大棚的空间分布信息获取的准确性，支持农业管理和环境监测	农业塑料大棚的空间分布信息	计算机视觉	NA	遥感技术	U-Net卷积神经网络	图像	使用GF-7卫星影像数据
1644	2024-12-13	Deep Learning Prediction of Drug-Induced Liver Toxicity by Manifold Embedding of Quantum Information of Drug Molecules 2024-Dec-12, Pharmaceutical research IF:3.5Q2 DOI:10.1007/s11095-024-03800-4 PMID:39663331	研究论文	本文提出了一种利用量子信息嵌入分子表面流形来预测药物诱导肝毒性的深度学习方法	通过将分子表面的局部电子属性映射到低维流形嵌入，并将其作为深度学习模型的输入，创新性地利用量子信息来预测药物诱导的肝毒性	NA	开发一种新的深度学习方法来预测药物诱导的肝毒性	药物分子及其诱导的肝毒性	机器学习	肝损伤	深度学习	深度学习模型	分子表面电子属性	使用了一个精心策划的数据集进行训练和交叉验证
1645	2024-12-13	Assessment of the stability of intracranial aneurysms using a deep learning model based on computed tomography angiography 2024-Dec-12, La Radiologia medica DOI:10.1007/s11547-024-01939-z PMID:39666223	研究论文	本研究构建了一个基于卷积神经网络的深度学习模型，用于通过CTA图像评估颅内动脉瘤的稳定性	本研究的创新点在于开发了一个基于卷积神经网络的深度学习模型，结合临床、形态学和深度学习特征，能够更准确地预测颅内动脉瘤的稳定性	本研究的局限性在于使用了回顾性数据，且外部验证集的样本量较小	本研究的目的是构建一个深度学习模型，用于通过CTA图像识别不稳定的颅内动脉瘤	本研究的对象是颅内动脉瘤的稳定性评估	计算机视觉	NA	卷积神经网络	CNN	图像	1041名患者，共1227个动脉瘤，其中833名患者（991个动脉瘤）用于训练，208名患者（236个动脉瘤）用于内部验证，197名患者（229个动脉瘤）用于外部验证
1646	2024-12-13	Digital Twin for EEG seizure prediction using time reassigned Multisynchrosqueezing transform-based CNN-BiLSTM-Attention mechanism model 2024-Dec-11, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad992c PMID:39622083	研究论文	本文提出了一种基于时间重分配多同步挤压变换（TMSST）和CNN-BiLSTM-Attention机制模型的数字孪生系统，用于脑电图（EEG）癫痫发作预测	创新点在于结合了TMSST时间-频率分析方法和CNN-BiLSTM-Attention机制模型，提取患者特定的脉冲特征并进行癫痫发作预测	NA	研究目的是开发一种高效的数字孪生系统，用于脑电图癫痫发作预测	研究对象是脑电图数据和癫痫发作预测	机器学习	神经疾病	时间重分配多同步挤压变换（TMSST）	CNN-BiLSTM-Attention机制模型	脑电图（EEG）数据	22名患者
1647	2024-12-13	Accuracy of Machine Learning in Detecting Pediatric Epileptic Seizures: Systematic Review and Meta-Analysis 2024-Dec-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/55986 PMID:39661965	meta-analysis	本文系统综述和荟萃分析了机器学习在检测儿童癫痫发作中的准确性	本文首次系统性地评估了机器学习和深度学习在儿童癫痫发作检测中的效果，并比较了两者的准确性	本文仅基于已发表的研究，可能存在发表偏倚；且研究对象均为基于脑电图数据的儿童	评估机器学习在监测儿童癫痫发作中的有效性，为未来智能工具的开发和改进提供证据基础	儿童癫痫发作的检测	machine learning	神经疾病	NA	ML, DL	脑电图数据	28项原始研究，基于儿童的脑电图数据
1648	2024-12-13	Leveraging Large Language Models for Improved Understanding of Communications With Patients With Cancer in a Call Center Setting: Proof-of-Concept Study 2024-Dec-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/63892 PMID:39661975	研究论文	本研究评估了GPT-4在分类癌症患者电话咨询目的方面的表现，并将其与LSTM和BERT等判别模型的表现进行了比较	GPT-4在处理复杂和模糊查询方面表现出色，无需大量重新训练，显著优于传统的LSTM和BERT模型	需要进一步优化提示设计和类别定义，以充分发挥GPT-4在实际医疗应用中的潜力	评估GPT-4在分类癌症患者电话咨询目的方面的表现，并探索其在医疗环境中的应用潜力	癌症患者的电话咨询数据	自然语言处理	癌症	GPT-4	GPT-4	文本	430,355条来自2016年至2020年癌症患者电话咨询的句子
1649	2024-12-13	Predicting blood loss volume in a canine model of hemorrhagic shock using arterial waveform machine learning analysis 2024-Dec-11, American journal of veterinary research IF:1.3Q2 DOI:10.2460/ajvr.24.09.0256 PMID:39662033	研究论文	本研究旨在验证人类补偿储备算法是否可应用于犬类，并探讨简化波形分析预测失血量的可行性	开发了一种基于犬类动脉波形特征的失血量预测模型（cBLVM），并展示了其在预测犬类出血性休克中的优越性	研究样本量较小，仅包括6只犬类，可能影响结果的普适性	验证人类补偿储备算法在犬类中的适用性，并开发一种简化的波形分析方法来预测失血量	犬类出血性休克模型中的失血量预测	机器学习	NA	机器学习	深度学习（hCRM-DL）和机器学习（hCRM-ML）	波形	6只经过麻醉的犬类
1650	2024-12-13	An efficient deep unrolling network for sparse-view CT reconstruction via alternating optimization of dense-view sinograms and images 2024-Dec-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad9dac PMID:39662047	研究论文	本文提出了一种高效的深度展开网络，用于稀疏视角CT重建，通过交替优化密集视角正弦图和图像来提高重建效率和质量	本文的创新点在于通过优化密集视角正弦图而非全视角正弦图，减少了计算资源和运行时间，并降低了稀疏比极小时正弦图修复的难度，从而减少了从正弦图域到图像域的估计误差传播	NA	本文的研究目的是解决稀疏视角CT重建中计算成本高的问题，同时保持重建图像的质量	本文的研究对象是稀疏视角CT重建中的正弦图和图像	计算机视觉	NA	深度学习	深度神经网络	图像	512×512像素的图像和2304×736的投影数据
1651	2024-12-13	Towards Automated Semantic Segmentation in Mammography Images for Enhanced Clinical Applications 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01364-8 PMID:39663317	研究论文	本文提出了一种基于深度学习的框架，用于在标准视角的乳腺X光图像中分割乳头、胸肌、纤维腺体组织和脂肪组织，并展示了其在临床应用中的潜力	本文引入了迄今为止最大的专门用于乳腺X光图像分割关键解剖结构的数据集，并展示了多种深度学习模型架构和训练配置的实验结果	NA	开发一种自动化的语义分割方法，以增强乳腺X光图像在临床应用中的分析能力	乳腺X光图像中的乳头、胸肌、纤维腺体组织和脂肪组织	计算机视觉	乳腺癌	深度学习	语义分割模型	图像	最大的专门用于乳腺X光图像分割关键解剖结构的数据集
1652	2024-12-13	A Neural Network for Segmenting Tumours in Ultrasound Rectal Images 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01358-6 PMID:39663316	研究论文	本文提出了一种用于超声直肠图像中肿瘤分割的神经网络模型	创新点在于使用全局注意力解码器替代传统的卷积解码器，并结合有效的通道信息融合进行多尺度信息整合	NA	设计一种能够准确识别和分割超声图像中直肠肿瘤的方法，以辅助医生进行直肠癌诊断	超声直肠图像中的肿瘤	计算机视觉	直肠癌	深度学习	神经网络	图像	53名患者（173张图像）用于测试，195名患者（1247张图像）用于训练，20名患者（87张图像）用于验证
1653	2024-12-13	Accelerated T2W Imaging with Deep Learning Reconstruction in Staging Rectal Cancer: A Preliminary Study 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01345-x PMID:39663320	研究论文	本研究探讨了深度学习重建（DLR）在直肠癌分期中加速T2加权成像的可行性和图像质量	首次评估了DLR在直肠癌分期中加速采集的潜力，并展示了DLR_H在减少扫描时间的同时提高了图像质量和诊断性能	研究样本量较小，且仅限于直肠癌患者，未来需要更大规模的研究来验证结果	探索深度学习重建在直肠癌分期中加速T2加权成像的可行性和图像质量	直肠癌患者的T2加权成像	计算机视觉	直肠癌	深度学习重建	NA	图像	52名直肠癌患者
1654	2024-12-13	Deep Learning-Based Body Composition Analysis for Cancer Patients Using Computed Tomographic Imaging 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01373-7 PMID:39663321	研究论文	本文开发了一种基于深度学习的身体成分分析方法，用于癌症患者的CT影像分析	首次提出使用基于Transformer的深度学习模型Swin UNETR进行身体成分分析，并结合热图回归进行脊椎定位	NA	开发一种准确的身体成分分析方法，以早期检测癌症患者的营养不良并支持及时干预	癌症患者的腹部/骨盆CT扫描图像	计算机视觉	NA	CT	Swin UNETR	图像	200例癌症患者的腹部/骨盆CT扫描
1655	2024-12-13	Mapping the functional network of human cancer through machine learning and pan-cancer proteogenomics 2024-Dec-11, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-024-00869-z PMID:39663389	研究论文	本文介绍了一种基于机器学习和泛癌蛋白质组学的功能网络方法，用于解释体细胞突变和癌症相关蛋白质的功能	构建了名为FunMap的泛癌功能网络，通过监督机器学习连接功能相关的基因，精度超越传统的蛋白质-蛋白质相互作用图，并应用图神经网络深度学习发现低频突变驱动因子	NA	通过机器学习和泛癌蛋白质组学构建功能网络，解释体细胞突变和癌症相关蛋白质的功能	11种癌症类型的1,194个个体中的蛋白质组学和RNA测序数据	机器学习	NA	RNA测序	图神经网络	蛋白质组学数据	1,194个个体
1656	2024-12-13	Retinal fluid quantification using a novel deep learning algorithm in patients treated with faricimab in the TRUCKEE study 2024-Dec-11, Eye (London, England) DOI:10.1038/s41433-024-03532-0 PMID:39663398	研究论文	研究使用一种新的深度学习算法评估接受法瑞西单抗治疗的nAMD患者视网膜液变化	引入了一种新的深度学习算法用于精确量化视网膜液，提供了评估nAMD治疗效果的新工具	研究为回顾性分析，且仅限于接受法瑞西单抗治疗的患者	研究视网膜液在nAMD患者接受法瑞西单抗治疗后的变化	接受法瑞西单抗治疗的nAMD患者	计算机视觉	老年性疾病	深度学习算法	深度学习算法	图像	521只眼
1657	2024-12-13	ViTBayesianNet: An adaptive deep bayesian network-aided alzheimer disease detection framework with vision transformer-based residual densenet for feature extraction using MRI images 2024-Dec-11, Network (Bristol, England) DOI:10.1080/0954898X.2024.2435491 PMID:39663578	研究论文	提出了一种基于Vision Transformer和残差密集网络的深度贝叶斯网络辅助阿尔茨海默病检测框架，利用MRI图像进行特征提取和疾病检测	创新点在于结合了Vision Transformer和残差密集网络进行特征提取，并使用自适应深度贝叶斯网络进行阿尔茨海默病的检测，同时通过增强高尔夫优化算法优化模型参数	未提及具体的局限性	开发一种高效的深度学习方法，用于在早期阶段识别阿尔茨海默病，以提供有效的治疗	阿尔茨海默病及其在MRI图像中的特征	机器学习	阿尔茨海默病	MRI	Vision Transformer-based Residual DenseNet, Adaptive Deep Bayesian Network	图像	未提及具体样本数量
1658	2024-12-13	From pixels to patients: the evolution and future of deep learning in cancer diagnostics 2024-Dec-11, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2024.11.009 PMID:39665958	评论	本文探讨了深度学习在癌症诊断中的演变及其未来发展，强调了神经网络架构的进步及其在医学影像解释和多模态数据整合中的应用	本文提出了开发能够处理复杂临床任务的领域特定人工智能系统，并倡导发展能够整合多种数据源的多模态大型语言模型	NA	探讨深度学习在癌症诊断中的应用及其未来发展	深度学习在癌症诊断中的应用及其对医学影像解释和多模态数据整合的影响	机器学习	NA	深度学习	神经网络	多模态数据	NA
1659	2024-12-13	Artificial intelligence-guided design of lipid nanoparticles for pulmonary gene therapy 2024-Dec-10, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02490-y PMID:39658727	研究论文	本文介绍了一种使用神经网络进行离子脂质设计的深度学习策略，以优化脂质纳米颗粒用于肺部基因治疗	本文首次采用神经网络进行离子脂质设计，超越了传统的实验筛选和理性设计方法	本文主要在体外和体内验证了RNA递送效果，但未详细讨论长期安全性和临床应用的可行性	通过深度学习改进脂质纳米颗粒的递送效果，推动肺部基因治疗的发展	离子脂质和脂质纳米颗粒	机器学习	NA	神经网络	神经网络	数据集	超过9000个脂质纳米颗粒活性测量数据，评估了160万种脂质结构
1660	2024-12-13	MRI classification of progressive supranuclear palsy, Parkinson disease and controls using deep learning and machine learning algorithms for the identification of regions and tracts of interest as potential biomarkers 2024-Dec-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109518 PMID:39662313	研究论文	本研究开发并比较了基于人工智能的MRI分析算法，用于区分进行性核上性麻痹（PSP）、帕金森病（PD）和健康对照组，通过分析脑结构和微结构的变化来识别感兴趣区域（ROIs）和感兴趣束（TOIs）	本研究首次将深度学习和机器学习算法应用于MRI数据，以识别潜在的生物标志物，并比较了不同算法在区分PSP、PD和健康对照组中的表现	本研究仅使用了两个数据集，且样本量相对较小，可能影响结果的泛化能力	比较多种机器学习方法和深度学习方法，以识别用于分类PSP与对照组和PSP与PD的最小必要脑结构集	进行性核上性麻痹（PSP）、帕金森病（PD）和健康对照组的MRI数据	机器学习	神经退行性疾病	扩散张量成像（DTI）、T1加权成像（T1-w）	随机森林算法、深度学习神经网络	图像	74名PSP患者和63名对照组（3.0T，多站点），66名PSP患者、66名PD患者和44名对照组（1.5T，单站点）