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
261	2024-08-05	Adults Ischium Age Estimation Based on Deep Learning and 3D CT Reconstruction 2024-Apr-25, Fa yi xue za zhi DOI:10.12116/j.issn.1004-5619.2023.231003 PMID:38847030	研究论文	本文开发了一种基于3D CT重建图像的成年人坐骨年龄估计深度学习模型	创新点在于利用西中国汉族群体的坐骨粗隆图像，结合ResNet34和迁移学习实现年龄估计	研究可能局限于特定人群的样本，结果的普适性需要进一步验证	研究目的在于评估基于3D CT图像的坐骨年龄估计模型的可行性和可靠性	研究对象为西中国一千二百名年龄在20到80岁之间的成年人	数字病理学	NA	3D CT重建	ResNet34	图像	1200个样本（600名男性和600名女性）
262	2024-08-05	A deep learning model based on MRI for prediction of vessels encapsulating tumour clusters and prognosis in hepatocellular carcinoma 2024-04, Abdominal radiology (New York) DOI:10.1007/s00261-023-04141-3 PMID:38175256	研究论文	本研究旨在构建和评估一个基于深度学习的模型，以预测肝细胞癌患者肿瘤簇包围血管及预后	本文创新性地使用ResNet-34深度学习模型预测肝细胞癌患者的肿瘤簇血管包围情况及其预后	研究为回顾性，外部验证队列样本数量可能不足	旨在为肝细胞癌患者的术前预后评估提供非侵入性的预测工具	纳入320名病理确诊的肝细胞癌患者	数字病理学	肝细胞癌	深度学习	ResNet-34	医学影像	320名肝细胞癌患者
263	2024-08-05	Algorithms for classification of sequences and segmentation of prostate gland: an external validation study 2024-04, Abdominal radiology (New York) DOI:10.1007/s00261-024-04241-8 PMID:38436698	研究论文	该研究旨在外部验证两个AI模型用于前列腺mpMRI序列分类和前列腺腺体的分割	本研究首次在不同MR场强和序列条件下验证了前列腺mpMRI图像分类和分割的AI模型	研究的数据仅来自于两家医院，可能影响结果的普遍性	验证AI模型在前列腺mpMRI图像分类和分割中的有效性	719名患者的mpMRI数据	数字病理学	前列腺癌	mpMRI	Med3D深度学习和UNet-3D	图像	719个MR研究中的20,551组图像
264	2024-08-05	Detection of caries around restorations on bitewings using deep learning 2024-04, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.104886 PMID:38342368	研究论文	本研究开发了一种基于卷积神经网络的算法来检测咬合片上的初级和次级龋齿	创新点在于利用深度学习技术提高了龋齿检测的准确性，特别是在修复体周围的次级龋齿检测	本研究的数据来源于有限的临床样本，可能影响模型的普适性和推广性	本研究旨在通过深度学习技术改善修复体周围龋齿的诊断准确性	研究对象为从荷兰7家普通牙科诊所收集的425份咬合片，涉及383名患者	计算机视觉	龋齿	深度学习	卷积神经网络（CNN）	影像	425份咬合片，383名患者
265	2024-08-05	PfgPDI: Pocket feature-enabled graph neural network for protein-drug interaction prediction 2024-Apr, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720024500045 PMID:38812467	研究论文	本研究提出了一种基于口袋特征的图神经网络，用于预测蛋白质与药物的相互作用	该研究创新地结合了变换器网络和图卷积网络，优化了蛋白质-配体复合物的特征表示	当前方法仍然可能无法完全适应所有种类的蛋白质-配体相互作用	本研究旨在提高药物发现过程中的蛋白质-配体相互作用预测准确性	研究对象为蛋白质和小分子配体之间的相互作用	机器学习	NA	图卷积网络（GCN）	变换器网络（Transformer）	序列数据	多种蛋白质-配体结合预测方法的实验样本
266	2024-08-05	Medical report generation based on multimodal federated learning 2024-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102342 PMID:38309174	研究论文	提出了一种基于多模态联邦学习的方法，用于生成医疗图像报告	引入了一种新的多模态联邦学习架构，解决了医疗数据的隐私问题，同时提高了医疗图像报告的准确性和质量	未提及具体的样本大小和研究限制	旨在提高医疗图像报告生成的隐私保护和准确性	医疗机构中生成医疗图像报告的模型	数字病理学	NA	联邦学习	深度学习	医疗图像	NA
267	2024-08-05	Using word evolution to predict drug repurposing 2024-Apr-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02496-1 PMID:38689287	研究论文	该研究使用词语演变的方法来预测药物再利用。	提出了一种基于词语演变的替代方法，以识别适合再利用的药物	不同模型的性能可能与训练数据的数量相关	探讨通过词语语境变化来识别适合再利用的药物的可能性	临床药物及其再利用	自然语言处理	NA	深度学习分类	NA	文本	使用从MEDLINE中按两个月时间间隔顺序排列的出版物构建的词嵌入
268	2024-08-05	Enhancing skin lesion classification with advanced deep learning ensemble models: a path towards accurate medical diagnostics 2024-04, Current problems in cancer IF:2.5Q3 DOI:10.1016/j.currproblcancer.2024.101077 PMID:38480028	研究论文	本研究开发了一种基于先进深度学习的皮肤病变分类方法，旨在提高准确性	研究采用了多种深度神经网络模型的集成技术，显著提高了皮肤病变分类的准确性	数据可用性有限，分类不平衡以及噪声问题仍然存在	研究旨在开发准确的皮肤病变分类方法以改善生存率	研究对象为来自HAM10000和ISIC数据集的多样化皮肤病变图像	数字病理学	皮肤癌	图像修复、数据增强、SGD优化	ResNeXt101、SeResNeXt101、ResNet152V2、DenseNet201、GoogLeNet、Xception	图像	HAM10000和ISIC数据集中多样化的皮肤病变图像
269	2024-08-07	DEMIST: A Deep-Learning-Based Detection-Task-Specific Denoising Approach for Myocardial Perfusion SPECT 2024-Apr, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2024.3379215 PMID:38766558	研究论文	本文提出了一种基于深度学习的特定检测任务去噪方法DEMIST，用于改善心肌灌注SPECT图像的观察者性能	DEMIST方法在去噪的同时保留了影响观察者检测任务性能的特征，显著提高了接收者操作特征曲线下的面积（AUC）	需要进一步的临床评估来验证DEMIST在低计数图像中的应用效果	开发一种能够提高低剂量心肌灌注SPECT图像检测性能的去噪方法	心肌灌注SPECT图像	计算机视觉	心血管疾病	深度学习	NA	图像	338名接受MPI研究的患者
270	2024-08-07	[A survey on the application of convolutional neural networks in the diagnosis of occupational pneumoconiosis] 2024-Apr-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202309079 PMID:38686425	综述	本文综述了卷积神经网络（CNN）在职业性尘肺病影像诊断中的应用	探讨了CNN在尘肺病筛查诊断、分期诊断及病灶分割中的方法和优化思路	未提及具体的研究局限	总结CNN在尘肺病图像应用中的方法、优缺点及优化思路，为计算机辅助尘肺病诊断的进一步研究提供参考	职业性尘肺病的影像诊断	计算机视觉	职业病	卷积神经网络（CNN）	CNN（包括VGG、U-Net、ResNet、DenseNet、CheXNet、Inception-V3和ShuffleNet）	图像	NA
271	2024-08-07	Revolutionizing protein-protein interaction prediction with deep learning 2024-04, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102775 PMID:38330793	综述	本文综述了利用深度学习方法预测蛋白质相互作用的最新进展	结合大量基因组序列数据，深度学习方法在预测蛋白质结构和建模蛋白质复合体方面达到了与实验技术相当的水平	本文未提及具体限制	探讨蛋白质相互作用预测的计算方法及其在生物医学中的应用	蛋白质相互作用及其在生物过程中的作用	机器学习	NA	深度学习	NA	基因组序列数据	NA
272	2024-08-07	Deep learning in modeling protein complex structures: From contact prediction to end-to-end approaches 2024-04, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102789 PMID:38402744	综述	本文综述了基于深度学习的蛋白质-蛋白质复合体结构建模方法的最新进展，包括通过蛋白质间接触预测和端到端方法的应用	深度学习在单体蛋白质结构预测中取得成功后，被广泛应用于蛋白质-蛋白质复合体结构的建模	文章讨论了应用深度学习预测蛋白质复合体结构面临的挑战和可能的未来方向	探讨深度学习在蛋白质-蛋白质复合体结构预测中的应用	蛋白质-蛋白质复合体结构	机器学习	NA	深度学习	NA	蛋白质结构数据	NA
273	2024-08-07	Lesion segmentation using 3D scan and deep learning for the evaluation of facial portwine stain birthmarks 2024-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2024.104030 PMID:38423233	研究论文	本文研究了使用3D扫描和深度学习技术对面部葡萄酒色斑胎记进行病变分割和面积量化的方法	开发了一种改进的DeepLabV3+网络，引入了卷积块注意力模块（CBAM）和DENSE，并在Ranger优化器下进行训练，以提高病变区域的精确提取	NA	评估3D扫描与深度学习结合在自动化葡萄酒色斑面积量化中的应用	面部葡萄酒色斑胎记的病变分割和面积量化	计算机视觉	NA	3D扫描	DeepLabV3+	3D图像	29.26-45.82 cm²的葡萄酒色斑样本
274	2024-08-07	From Pixels to Prognosis: A Narrative Review on Artificial Intelligence's Pioneering Role in Colorectal Carcinoma Histopathology 2024-Apr, Cureus DOI:10.7759/cureus.59171 PMID:38807833	综述	本文综述了人工智能在结直肠癌组织病理学中的开创性作用，包括其发展、技术和进展	人工智能算法，特别是机器学习和深度学习，革新了图像分析，有助于准确诊断和预后预测	挑战包括数据质量、可解释性和整合	探讨人工智能在结直肠癌组织病理学中的应用及其对未来肿瘤学研究和临床实践的影响	结直肠癌的组织病理学评估	数字病理学	结直肠癌	机器学习、深度学习	NA	图像	NA
275	2024-08-07	Estimating lung function from computed tomography at the patient and lobe level using machine learning 2024-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.16915 PMID:38329315	研究论文	本文提出了一种名为I3Dr的深度学习架构，用于从CT扫描中自动估计肺功能测试（PFT）结果，并进一步解析肺叶对患者肺功能的个体贡献	I3Dr模型能够从CT图像中估计全局测量值，并解析图像中各个部分对全局测量值的贡献，这在以往的研究中尚未实现	NA	自动估计CT扫描中的肺功能测试结果，并解析肺叶对患者肺功能的个体贡献	肺功能测试结果的自动估计和肺叶对患者肺功能的个体贡献	机器学习	限制性肺疾病	深度学习	CNN	图像	训练集8433个CT体积，验证集1775个CT体积，测试集1873个CT体积
276	2024-08-07	Deep Learning-Based Detection of Glottis Segmentation Failures 2024-Apr-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050443 PMID:38790311	研究论文	本文提出了一种基于深度学习的方法，用于检测喉头分割失败的情况	首次采用深度学习方法自动检测喉头分割失败，并引入了知识驱动的扰动过程和定制损失函数	NA	提高医学图像分割在临床应用中的准确性	喉头分割失败的情况	计算机视觉	NA	深度学习	ResNet18	视频	使用了三个公共数据集，并通过数据增强和扰动过程生成故障分割数据
277	2024-08-07	The Use of Generative Adversarial Network and Graph Convolution Network for Neuroimaging-Based Diagnostic Classification 2024-Apr-30, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14050456 PMID:38790434	研究论文	本文探讨了使用生成对抗网络（GAN）和图卷积网络（GCN）进行基于神经影像的功能连接（FC）数据分类诊断	提出使用GCN来揭示脑网络数据的复杂结构，并利用GAN生成合成图像以解决数据稀缺和患者隐私问题	仍有改进空间，特别是在疾病预测和诊断方面	验证GAN和GCN模型在不同数据集上的泛化能力和分类准确性	功能连接（FC）数据和神经影像数据	机器学习	NA	生成对抗网络（GAN），图卷积网络（GCN）	生成对抗网络（GAN），图卷积网络（GCN）	图像	涉及多个公共数据集（ADHD, ABIDE-II, ADNI）和内部数据集（PTSD）
278	2024-08-07	Synergizing Deep Learning-Enabled Preprocessing and Human-AI Integration for Efficient Automatic Ground Truth Generation 2024-Apr-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050434 PMID:38790302	研究论文	本文提出了一种结合深度学习预处理和人类-AI整合的新策略，用于高效生成高分辨率全切片显微图像的自动感兴趣区域（ROI）地面实况标注	引入了一种基于深度学习的预处理算法，用于将未知样本归一化到训练集分布，从而有效缓解过拟合问题，并显著增加了自动地面实况标注的数量	NA	旨在解决医学图像解释领域中，由于生成地面实况的高成本和时间消耗以及图像质量不一致性导致的深度学习进展受阻问题	高分辨率全切片显微图像	数字病理学	NA	深度学习	NA	图像	未标注数据集的自动标签接受率为92%，标注数据集扩展了845%
279	2024-08-07	Research on Fatigue Driving Detection Technology Based on CA-ACGAN 2024-Apr-27, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14050436 PMID:38790415	研究论文	本研究提出了一种基于条件生成对抗网络与分类头结合卷积和注意力机制（CA-ACGAN）的疲劳驾驶检测技术，通过分析脑电图（EEG）信号来精确识别疲劳驾驶状态	本研究引入了CA-ACGAN框架，结合注意力机制、瓶颈残差块和Transformer元素，显著改进了EEG信号的处理，并通过生成高质量合成数据解决了真实数据稀缺的问题	NA	提高道路安全，通过先进的疲劳监测方法减少驾驶疲劳带来的交通风险	疲劳驾驶状态的识别	机器学习	NA	EEG信号分析	CA-ACGAN	脑电图（EEG）信号	使用SEED-VIG公共数据集进行实验
280	2024-08-07	A Novel Mis-Seg-Focus Loss Function Based on a Two-Stage nnU-Net Framework for Accurate Brain Tissue Segmentation 2024-Apr-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050427 PMID:38790294	research paper	本文提出了一种基于两阶段nnU-Net框架的新型误分割聚焦损失函数，用于提高脑组织分割的准确性	本文创新性地提出了一种两阶段nnU-Net框架，通过全局损失函数识别误分割区域，并使用误分割损失函数自适应调整模型，以更好地处理模糊边界和重叠的解剖结构	NA	提高脑组织分割的准确性	脑组织分割	computer vision	NA	NA	nnU-Net	image	两个数据集