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
321	2024-08-05	Deep learning framework for comprehensive molecular and prognostic stratifications of triple-negative breast cancer 2024-May, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2022.06.008 PMID:38933195	研究论文	本研究提出了一种深度学习框架，用于对三阴性乳腺癌的分子特征和预后进行全面预测	该框架能够从病理全切片图像中综合预测分子特征、亚型及预后，提供了TNBC异质性的全新见解	该研究主要依赖于特定的多组学TNBC队列，可能对其他人群的适用性有限	本研究旨在改善三阴性乳腺癌患者的分子分层和靶向治疗	本研究对象为三阴性乳腺癌患者的多组学数据及相应的病理图像	数字病理学	乳腺癌	深度学习	神经网络	图像	总样本数为568（425个TNBC样本和143个来自TCGA的样本）
322	2024-08-05	Histological Image-based Ensemble Model to Identify Myenteric Plexitis and Predict Endoscopic Postoperative Recurrence in Crohn's Disease: A Multicentre, Retrospective Study 2024-May-31, Journal of Crohn's & colitis DOI:10.1093/ecco-jcc/jjad196 PMID:38001024	研究论文	本研究开发并验证了一个深度学习系统，通过自动筛选和识别肌层及肠神经丛的特征来预测克罗恩病的术后复发	首次建立了基于组织学图像特征的可解释性堆叠模型来识别肠神经丛炎的严重程度并预测克罗恩病术后复发	仅基于回顾性研究，且涉及的样本主要来自两个医院，可能存在选择偏倚	旨在开发一种深度学习系统来预测克罗恩病术后复发	回顾性分析了205名接受肠切除手术的患者	数字病理学	克罗恩病	深度学习	堆叠模型	图像	205名患者，包含278张手术标本的全切片图像
323	2024-08-05	Millennial changes and cooling trends in land surface warm-season temperatures during the Holocene 2024-May-18, Science bulletin IF:18.8Q1 DOI:10.1016/j.scib.2024.05.008 PMID:38926060	研究论文	本文建立了全球暖季温度模型，通过深度学习神经网络分析土壤和湖泊沉积物细菌的膜脂。	该研究通过深度学习技术建立了新型的季节性温度重建模型，提供了对全新世温度变化的新见解。	本文主要受限于代理和标定模型的稀缺性，这对定量重建千年时间尺度的季节温度造成了显著限制。	研究全新世时期的温度变化及其驱动机制。	研究面向全新世的全球湖泊、泥炭地和黄土剖面。	数字病理学	NA	深度学习神经网络分析	NA	温度重建数据	多个全球湖泊和其他地质剖面样本
324	2024-08-05	MRI-only based material mass density and relative stopping power estimation via deep learning for proton therapy: a preliminary study 2024-05-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61869-8 PMID:38750148	研究论文	本研究开发了一种基于深度学习的方法，通过MRI图像直接估计材料的质量密度和相对停止功率	研究中首次将深度学习技术应用于MRI治疗规划，从而无需其他成像方式就能直接获取质子放疗所需的质量密度和相对停止功率信息	该研究主要基于体模实验，临床应用效果仍需进一步验证	开发一种有效的方法来通过MRI直接估计质子治疗中的材料质量密度和相对停止功率	研究对象包括不同组织的体模和动物组织体模，如皮肤、肌肉、脂肪及脑和肝脏	数字病理学	NA	深度学习	NA	图像	总共七个组织体模，包括五个组织替代体模和两个动物组织体模
325	2024-08-05	Deep Learning Based on Computed Tomography Predicts Response to Chemoimmunotherapy in Lung Squamous Cell Carcinoma 2024-May-17, Aging and disease IF:7.0Q1 DOI:10.14336/AD.2024.0169 PMID:38916736	研究论文	本研究旨在开发深度学习模型以预测肺鳞状细胞癌患者对化疗免疫治疗的主要病理反应。	该研究开发的ResNet50模型显示出高预测准确性，揭示了与免疫反应和抗原处理及呈递相关的生物机制。	目前研究的样本来自不同医疗机构，可能存在样本异质性。	研究目的是确定对化疗免疫治疗的响应的可靠生物标志物。	参与者为309名来自各医疗机构的肺鳞状细胞癌患者。	数字病理学	肺癌	对比增强计算机断层扫描	ResNet50	图像	309名肺鳞状细胞癌患者
326	2024-08-05	Optimizing deep learning-based segmentation of densely packed cells using cell surface markers 2024-May-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02502-6 PMID:38750526	研究论文	本文研究了基于深度学习的细胞分割模型在密集细胞中的优化方法	通过比较18种深度学习细胞分割模型，并细化训练，提升了细胞分割的准确性	最终模型表现的不足可以归因于图像集中的中等信噪比	提高人类单细胞特征在高度密集组织中的识别和量化能力	使用人类单纯疱疹病毒感染的皮肤组织免疫细胞表面标记的免疫荧光图像	计算机视觉	NA	深度学习	Cellpose的cyto模型	图像	超过10,000个训练实例
327	2024-08-05	Deciphering the Coevolutionary Dynamics of L2 β-Lactamases via Deep Learning 2024-May-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00189 PMID:38687957	研究论文	本文探讨了L2 β-内酰胺酶的共进化动力学及其在抗微生物耐药性中的重要性	采用创新的计算方法，包括自适应采样分子动力学模拟和深度学习方法，探讨L2 β-内酰胺酶家族的构象变化和相关性	对L2 β-内酰胺酶的研究相对有限，可能影响对其全面理解	理解L2 β-内酰胺酶的共进化动力学	L2 β-内酰胺酶及其他代表性A类酶	计算机视觉	NA	深度学习	卷积变分自编码器和BindSiteS-CNN	NA	NA
328	2024-08-05	Evaluating the Efficacy and Accuracy of AI-Assisted Diagnostic Techniques in Endometrial Carcinoma: A Systematic Review 2024-May, Cureus DOI:10.7759/cureus.60973 PMID:38910646	综述	本研究系统评估了人工智能辅助的内膜癌诊断技术的有效性和准确性	研究表明人工智能模型，特别是卷积神经网络在内膜癌诊断中具有卓越的精确性	研究专注于过去十年的文献，可能未能涵盖最新的研究进展	探索人工智能和机器学习在内膜癌诊断中的作用	针对内膜癌诊断中人工智能/机器学习的应用研究	计算机视觉	内膜癌	深度学习	卷积神经网络	文献	涉及的文献为经过同行评审的研究，样本数量不具体
329	2024-08-05	Application of Artificial Intelligence in Neuroendocrine Lung Cancer Diagnosis and Treatment: A Systematic Review 2024-May, Cureus DOI:10.7759/cureus.61012 PMID:38910787	综述	本文综述了人工智能在神经内分泌肺癌诊断中的应用.	探讨了AI技术在提高神经内分泌肿瘤诊断准确性方面的创新点.	传统的诊断方法仍然存在主观解释和临床表现重叠的问题.	旨在提供AI在神经内分泌肺癌诊断中的应用全面概述.	研究对象为神经内分泌肿瘤及其诊断方法.	人工智能	肺癌	机器学习和深度学习算法	NA	放射学图像, 组织病理样本和临床数据	大型数据集
330	2024-08-05	Synthesizing 4D Magnetic Resonance Angiography From 3D Time-of-Flight Using Deep Learning: A Feasibility Study 2024-May, Cureus DOI:10.7759/cureus.60803 PMID:38910733	研究论文	本研究旨在开发一种深度卷积神经网络模型，能够从3D飞行时间磁共振血管成像生成合成的4D磁共振血管成像	该文章创新性地利用深度学习模型从静态的TOF信号中提取潜在的动态动脉流信息	样本量较小，仅包含13名受试者，可能影响模型的普适性	旨在通过训练机器学习模型扩展TOF磁共振血管成像的应用	训练模型的对象为13名没有脑血管阻塞或显著狭窄病史的受试者	数字病理学	脑血管疾病	3D飞行时间磁共振成像和4D动脉自旋标记成像	深度卷积神经网络（DCNN）	图像	13名受试者（11名男性和2名女性，年龄42-77岁）
331	2024-08-05	Visualization for Trust in Machine Learning Revisited: The State of the Field in 2023 2024 May-Jun, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2024.3360881 PMID:38294921	研究论文	该文章回顾了机器学习可解释性和可信度可视化的最新进展	提供了542种最新的可视化技术，并讨论了使用可视化提高机器学习模型信任的趋势和挑战	主要集中在可视化技术的分类和趋势分析，缺乏具体应用案例的深度讨论	研究机器学习中可视化技术的应用及其对模型信任度的影响	描述和分类了542种可视化技术	信息可视化	NA	可视化技术	NA	文献数据	542种可视化技术
332	2024-08-05	Prediction of early hematoma expansion of spontaneous intracerebral hemorrhage based on deep learning radiomics features of noncontrast computed tomography 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10410-y PMID:37938384	研究论文	本研究旨在开发一个基于深度学习和放射组学特征的预测早期血肿扩展的诺莫图模型	结合了深度学习特征和放射组学特征的模型显示出良好的预测效率，并提高了自发性脑内出血的分割和语义特征分类的工作效率	验证队列的AUC值低于训练队列，可能影响模型的临床应用性能	研究旨在预测自发性脑内出血早期血肿扩展的风险	纳入561例基础非对比CT的自发性脑内出血病例	数字病理学	自发性脑内出血	深度学习放射组学	深度学习模型	图像	561例自发性脑内出血病例
333	2024-08-05	Deep learning-based identification of spine growth potential on EOS radiographs 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10308-9 PMID:37848772	研究论文	开发了一种基于深度学习的自动化方法，用于评估脊柱生长潜力	首次提出了一种能模仿人类判断过程的深度学习算法来自动确定脊柱生长潜力	研究没有提及算法在不同人群或不同疾病状态下的适用性	评估脊柱生长潜力，帮助临床医生做出决策	3383个EOS案例用于算法训练和测试，440个案例用于临床验证	计算机视觉	脊柱相关疾病	深度学习	NA	影像	3383个EOS案例以及440个用于临床验证的案例
334	2024-08-05	A deep learning framework for intracranial aneurysms automatic segmentation and detection on magnetic resonance T1 images 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10295-x PMID:37843574	研究论文	本文设计了一个基于深度学习的框架，用于自动分割和检测颅内动脉瘤。	提出了一种新的基于T1磁共振成像的深度学习分割和检测方法，优于现有的血管造影方法。	研究样本相对较少，仅基于159个动脉瘤的回顾性研究，可能影响模型的泛化能力。	旨在开发一种自动化的框架来提高颅内动脉瘤的检测准确性。	研究对象为136名接受T1影像检查的患者的159个颅内动脉瘤。	数字病理学	NA	深度学习，卷积神经网络	卷积神经网络（CNN）	图像	159个颅内动脉瘤（来自136名患者）
335	2024-08-05	Automated prostate gland segmentation in challenging clinical cases: comparison of three artificial intelligence methods 2024-05, Abdominal radiology (New York) DOI:10.1007/s00261-024-04242-7 PMID:38512516	研究论文	本研究评估了三种不同的前列腺分割人工智能算法在具有挑战性的患者人群中的表现	首次在复杂临床案例中比较了不同的前列腺分割算法的性能	该研究仅限于一个机构的回顾性数据库，可能影响结果的普适性	评估在不理想条件下的前列腺分割自动化方法的有效性	对683个MRI扫描样本的前列腺图像进行分析	计算机视觉	前列腺癌	深度学习（DL），形状基础模型	深度学习模型、商业可用的形状基础模型	图像	683个扫描（651名患者）
336	2024-08-05	A comprehensive segmentation of chest X-ray improves deep learning-based WHO radiologically confirmed pneumonia diagnosis in children 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10367-y PMID:37930411	研究论文	这篇文章探讨了胸部X光的全面分割在促进基于深度学习的儿童肺炎诊断中的作用	提出了一种全面的胸部X光分割方法，并用于提高基于深度学习的肺炎诊断准确性	具体的限制在文中未提及	研究如何通过全面分割提高儿童肺炎的诊断精度	4400名儿童参与者	数字病理学	肺炎	深度学习模型	CBAM-ResNet	胸部X光图像	4400名参与者
337	2024-08-05	Predicting microvascular invasion in hepatocellular carcinoma with a CT- and MRI-based multimodal deep learning model 2024-05, Abdominal radiology (New York) DOI:10.1007/s00261-024-04202-1 PMID:38433144	研究论文	本研究探讨了一种基于CT和MRI的多模态深度学习模型在预测肝细胞癌微血管侵犯中的价值	提出了一种结合CT和MRI数据的多模态深度学习模型，显著提高了微血管侵犯预测的准确性	本研究限于单一机构的数据和样本，可能影响结果的普遍性	研究多模态深度学习模型在肝细胞癌微血管侵犯预测中的应用	287例肝细胞癌患者的数据用于模型开发和验证	医学影像学	肝细胞癌	多模态深度学习	极限学习机 (ELM)	CT和MRI影像数据	287例患者
338	2024-08-05	Bladder MRI with deep learning-based reconstruction: a prospective evaluation of muscle invasiveness using VI-RADS 2024-05, Abdominal radiology (New York) DOI:10.1007/s00261-024-04280-1 PMID:38652125	研究论文	本研究评估了深度学习重建在膀胱MRI中的影响，特别是检查时间、图像质量和VI-RADS的诊断性能	首次将深度学习重建应用于膀胱MRI，显著提高了图像质量并缩短了检查时间	标准序列和快速序列的ADC与VI-RADS的AUC之间没有显著差异	探讨深度学习重建对膀胱MRI诊断的影响	70名于2022年8月至2023年2月接受MRI检查的膀胱癌患者	医学成像	膀胱癌	深度学习重建(DLR)	NA	图像	70名膀胱癌患者
339	2024-08-07	Hematoma expansion prediction: still navigating the intersection of deep learning and radiomics 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10586-x PMID:38252277	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
340	2024-08-05	A Video Mosaicing-Based Sensing Method for Chicken Behavior Recognition on Edge Computing Devices 2024-May-25, Sensors (Basel, Switzerland) DOI:10.3390/s24113409 PMID:38894200	研究论文	提出了一种基于视频马赛克的鸡行为识别技术，适用于边缘计算设备	结合视频马赛克与深度学习技术，实现对鸡行为的准确识别	研究集中于三种特定行为，未涵盖所有可能的鸡行为	探讨边缘计算设备上鸡行为识别的技术	鸡的行为	计算机视觉	NA	视频传感马赛克	MobileNetV2	视频	涉及三种鸡行为的识别