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
861	2024-08-05	Electrotransfer for nucleic acid and protein delivery 2024-Jun, Trends in biotechnology IF:14.3Q1 DOI:10.1016/j.tibtech.2023.11.009 PMID:38102019	综述	本文探讨了电转移在生物技术中的应用，尤其是在核酸和蛋白质的传递方面	文章强调了电转移在纳米技术和深度学习技术的结合下克服传统电穿孔的局限性	研究中可能对传统电转移技术的局限性分析不够全面	研究电转移在生物医学中的应用及其前沿领域	探讨核酸和蛋白质在免疫细胞和干细胞及其前体细胞中的电转移	生物技术	NA	电转移	NA	临床试验数据	NA
862	2024-08-05	Older Tissue Age Derived From Abdominal Computed Tomography Biomarkers of Muscle, Fat, and Bone Is Associated With Chronic Conditions and Higher Mortality 2024-Jun, Mayo Clinic proceedings IF:6.9Q1 DOI:10.1016/j.mayocp.2023.09.021 PMID:38310501	研究论文	本研究旨在确定医学影像衍生的身体成分是否有助于评估组织层面的生物年龄	使用深度学习模型构建的组织年龄估算模型结合了六种身体成分生物标志物	本研究样本仅限于一定地理区域，可能影响结果的普遍性	评估医学影像在组织层面生物年龄评估中的应用	4900名20至89岁、接受腹部CT扫描的人群	数字病理学	心血管疾病	CT扫描	深度学习模型	医学影像数据	4900名样本
863	2024-08-05	Assistive tools for classifying neurological disorders using fMRI and deep learning: A guide and example 2024-Jun, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.3554 PMID:38841732	研究论文	本文介绍了结合fMRI和深度学习的辅助工具，用于分类神经疾病	本文提供了一些流行的深度学习和fMRI辅助工具的入门指南，并展示了使用这些工具的自闭症谱系障碍分类模型的实例	缺乏对非专业群体如学生和临床医生使用的模型设计，限制了其临床应用和推广	旨在提高fMRI和深度学习管道在神经疾病诊断中的可及性和实用性	自闭症谱系障碍（ASD）分类模型	计算机视觉	神经疾病	fMRI, 深度学习	卷积神经网络	图像	NA
864	2024-08-05	Deep learning-based automated scan plane positioning for brain magnetic resonance imaging 2024-Jun-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1740 PMID:38846304	研究论文	本文提出了一种基于深度学习的自动扫描平面定位框架，用于脑部磁共振成像	本研究结合了物理知识，开发了一种新的深度学习框架，以提高脑部MRI扫描的定位准确性和效率	未提及具体的时间和空间限制，以及模型在其他类型MRI扫描的适用性	旨在开发一种有效、可靠且精确的自动化头部扫描平面定位方法	采用229个临床脑部MRI扫描进行研究	计算机视觉	NA	深度学习	级联3D卷积神经网络	图像	229个MRI头部扫描
865	2024-08-05	Automated detection and classification of coronary atherosclerotic plaques on coronary CT angiography using deep learning algorithm 2024-Jun-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1513 PMID:38846308	研究论文	本研究评估了深度学习算法在冠状动脉计算机断层血管成像中检测和分类冠状动脉粥样硬化斑块的性能	本研究展示了深度学习算法在CAD斑块检测和分类上的高敏感性和准确性，这为初级放射科医师和介入心脏病学家提供了支持	限制在于回顾性分析和样本的临床经验差异	评估深度学习算法在冠状动脉疾病中检出和分类粥样硬化斑块的能力	669名怀疑患有冠状动脉疾病的患者的CCTA图像	数字病理学	心血管疾病	深度学习算法	NA	图像	669名患者
866	2024-08-05	Pixelwise Gradient Model for Image Fusion (PGMIF): a multi-sequence magnetic resonance imaging (MRI) fusion model for tumor contrast enhancement of nasopharyngeal carcinoma 2024-Jun-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1559 PMID:38846293	研究论文	本研究提出了一种新的图像融合方法PGMIF，用于增强鼻咽癌的MRI肿瘤对比度	创新性地结合了基于像素梯度的图像融合和生成对抗网络(GAN)来提升肿瘤对比度	研究仅基于80例鼻咽癌患者的MRI数据，可能限制了方法的普适性	改善鼻咽癌患者MRI图像中的肿瘤对比度	80例鼻咽癌患者的T1加权和T2加权MRI图像	数字病理学	鼻咽癌	MRI	生成对抗网络(GAN)	图像	80例
867	2024-08-05	Simultaneous determination of pigments of spinach (Spinacia oleracea L.) leaf for quality inspection using hyperspectral imaging and multi-task deep learning regression approaches 2024-Jun-30, Food chemistry: X DOI:10.1016/j.fochx.2024.101481 PMID:38840724	研究论文	本研究利用高光谱成像和多任务深度学习回归方法同时测定菠菜叶中的色素含量以进行质量检测	结合高光谱成像和多任务学习方法，可以同时预测菠菜的多个质量属性	仅限于在特定的存储条件下进行实验，可能不适用于所有情况	快速准确地测定菠菜叶中的色素含量以进行质量检查	不同存储条件下的菠菜叶，主要测定其叶绿素和类胡萝卜素的含量	数字病理	NA	高光谱成像	卷积神经网络(CNN)	图像	不同存储条件下的菠菜样本，具体样本数量未提供
868	2024-08-05	Nuclei-level prior knowledge constrained multiple instance learning for breast histopathology whole slide image classification 2024-Jun-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109826 PMID:38832012	研究论文	提出了一种基于核级先验知识约束的多实例学习方法用于乳腺全切片图像分类	NPKC-MIL方法结合了转移学习、聚焦池化和K-NN算法，提升了深度学习模型的可解释性与分类精度	缺乏对其他类型癌症的适用性验证	改进乳腺癌全切片图像的分类精度和可解释性	乳腺癌患者的全切片组织图像	数字病理学	乳腺癌	转移学习, K-NN	NA	图像	NA
869	2024-08-05	Application of deep learning classification model for regional evaluation of roof pressure support evolution effects over time in coal mining face 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31824 PMID:38841511	研究论文	本文提出了一个基于深度学习的液压支撑质量评估模型	引入了动态柱压力变化的评估方法，并使用改进的LeNet-5网络进行支持质量分类	未提及研究中的具体限制	评估煤矿工作面液压支撑质量的动态演化	液压支撑腿压力及其动态变化	计算机视觉	NA	深度学习	改进的LeNet-5	时空压力子矩阵样本	NA
870	2024-08-05	Deep random forest with ferroelectric analog content addressable memory 2024-Jun-07, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adk8471 PMID:38838137	研究论文	提出了一种通过铁电模拟内容可寻址存储器实现的深随机森林加速器	利用铁电场效应晶体管构建超紧凑的存储单元，能效高地执行分支分割操作	未提及具体的限制条件	实现高效的深随机森林加速器以提高边缘智能任务的性能	深随机森林加速器及其与铁电模拟内容可寻址存储器的映射	机器学习	NA	铁电模拟内容可寻址存储器	深随机森林	NA	NA
871	2024-08-07	A deep learning solution to detect left ventricular structural abnormalities with chest X-rays: towards trustworthy AI in cardiology 2024-Jun-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehad775 PMID:38527415	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
872	2024-08-05	A Comprehensive Review on Deep Learning Techniques in Alzheimer's Disease Diagnosis 2024-Jun-06, Current topics in medicinal chemistry IF:2.9Q3 DOI:10.2174/0115680266310776240524061252 PMID:38847164	综述	这篇文章全面回顾了深度学习技术在阿尔茨海默病（AD）诊断中的应用	本文独特地对ATN生物标志物进行分类，并系统描述了各种深度学习算法在早期AD评估中的应用	未在摘要中提及具体的限制条件	探讨深度学习技术以改善阿尔茨海默病的诊断方法	主要关注与阿尔茨海默病相关的多个生物标志物和深度学习方法	机器学习	阿尔茨海默病	深度学习	深度神经网络（DNN）、卷积神经网络（CNN）、递归神经网络（RNN）、k近邻（k-NN）、深度玻尔兹曼机（DBM）、深度信念网络（DBN）	NA	NA
873	2024-08-05	Artificial Intelligence in Cancer Diagnosis: A Game-Changer in Healthcare 2024-Jun-06, Current pharmaceutical biotechnology IF:2.2Q3 DOI:10.2174/0113892010298852240528123911 PMID:38847160	综述	本文概述了人工智能在早期癌症检测中的潜在应用	强调了深度学习算法在大数据集中识别复杂模式的优势，并讨论了人工智能在癌症诊断中的潜力	探讨了人工智能在医疗保健应用中的缺点和风险，如资源需求、数据质量和一致性报告的必要性	研究人工智能在早期癌症检测中的应用及其潜在影响	探讨无症状患者的恶性肿瘤筛查及症状患者的优先调查与诊断	自然语言处理	癌症	深度学习、神经网络、逻辑回归	深度学习	图像数据、病理切片和外周血分析	NA
874	2024-08-05	A novel framework based on explainable AI and genetic algorithms for designing neurological medicines 2024-06-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63561-3 PMID:38834718	研究论文	本研究提出了一种基于可解释人工智能和遗传算法的新框架，用于设计神经药物	提出了两种新操作符p-crossover和p-mutation，结合可解释AI和遗传算法进行多目标优化	目前的研究主要集中在神经肽分类器的构建，未能优化其特性	识别一组具有理想特征的神经肽，以用于神经类生物药物的生产	神经肽的特征和优化	计算机视觉	NA	遗传算法，深度学习	NSGA-II，BERT	蛋白质序列	NA
875	2024-08-05	A Deep-Learning-Based Partial-Volume Correction Method for Quantitative 177Lu SPECT/CT Imaging 2024-Jun-03, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.123.266889 PMID:38637141	研究论文	本文介绍了一种基于深度学习的177Lu SPECT/CT成像的部分容积校正方法	提出了一种不需要解剖信息分割的新方法DL-PVC，能够有效校正图像伪影并提高定量分析的精确度	本研究的分析主要基于模拟数据，可能在实际临床数据中的应用效果需要进一步验证	研究旨在实现177Lu SPECT/CT成像中的部分容积校正，提高定量分析的准确性	通过深度学习方法对10,000个随机活动分布和3D打印模型进行的研究	数字病理学	NA	深度学习	U-Net	图像	10,000个随机活动分布与不同几何模型的3D打印幻影
876	2024-08-05	Deep learning-based risk stratification of preoperative breast biopsies using digital whole slide images 2024-Jun-03, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-024-01840-7 PMID:38831336	研究论文	本研究评估了一种深度学习模型，用于基于术前乳腺活检的数字全幅图像进行风险分层	提出了DeepGrade模型用于乳腺肿瘤活检样本的风险分层，通过对比临床分级，展示了其在预后评估中的有效性	本研究可能受到数据集限于特定地区（斯德哥尔摩、瑞典）和未包含其他类型肿瘤的限制	评估深度学习模型DeepGrade在乳腺癌术前活检样本中的风险分层能力	896名乳腺癌患者的1169个术前活检的数字全幅图像	数字病理学	乳腺癌	深度卷积神经网络	深度卷积神经网络	图像	896名患者的1169个活检样本
877	2024-08-05	AI-based prediction of protein-ligand binding affinity and discovery of potential natural product inhibitors against ERK2 2024-Jun-03, BMC chemistry IF:4.3Q2 DOI:10.1186/s13065-024-01219-x PMID:38831341	研究论文	该研究提出了一种基于深度学习的模型，旨在提高蛋白质-配体结合亲和力的预测和发现潜在的天然产物抑制剂	提出了一种新的多模态深度学习模型DeepLIP，通过整合多层信息改善PLA预测	未提及具体的限制信息	提高蛋白质-配体结合亲和力的预测准确性，并筛选ERK2抑制剂	外部信号调节蛋白激酶2（ERK2）及其抑制剂	深度学习	癌症	深度学习	多模态深度学习模型（DeepLIP）	药物分子数据	筛选了来自药物样本库的三种新化合物
878	2024-08-05	MADR-Net: multi-level attention dilated residual neural network for segmentation of medical images 2024-06-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63538-2 PMID:38830932	研究论文	本研究提出了一种新的深度学习架构MADR-Net用于医学图像的分割。	MADR-Net引入了多级残差块和空洞金字塔场景解析池以提高医学图像分割的性能，并使用了混合损失函数以增强任务表现。	未提及具体的限制因素	提高医学图像分割的准确性和效果。	对典型挑战性医学图像分割任务进行验证，包括心脏超声、皮肤癌、电子显微镜和MRI图像的分割。	数字病理学	皮肤癌	深度学习	U-Net	图像	四个典型医学图像分割任务的数据集
879	2024-08-05	Deep Learning for Perfusion Cerebral Blood Flow (CBF) and Volume (CBV) Predictions and Diagnostics 2024-Jun, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03471-7 PMID:38402314	研究论文	该文章介绍了一种基于深度学习的脑灌注参数预测和诊断方法	创新点在于通过多阶段深度学习模型，整合时空特征进行体素级灌注参数预测	目前研究仍依赖于FDA批准软件生成的数据，并未完全实现独立的方法	开发一种更稳健和高效的方法来计算脑灌注参数	研究对象为基于DSC-MRP生成的脑灌注图像数据	数字病理学	NA	动态敏感对比磁共振灌注（DSC-MRP）	1D卷积神经网络（CNN）与2D U-Net编码器-解码器网络	4D磁共振灌注数据集	NA
880	2024-08-05	Deep learning-based harmonization of trabecular bone microstructures between high- and low-resolution CT imaging 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17003 PMID:38415781	研究论文	本文提出了一种新的深度学习方法，用于协调低分辨率和高分辨率CT扫描得到的骨微结构图像。	本文的创新点在于提出的3DGAN-CIRCLE方法，通过生成对抗网络(cGAN)进行图像协调，并在多种设置下显示出优越的性能。	样本数量相对较小，仅有20名志愿者可能限制了结果的普适性。	研究旨在改善和谐来自不同CT扫描设备的骨微结构图像数据的能力。	研究对象为20名志愿者的左腿远端胫骨的低分辨率和高分辨率CT扫描图像。	数字病理学	骨质疏松	深度学习	3DGAN-CIRCLE	图像	20名志愿者，500对64 × 64 × 64体素的LRCT和HRCT图像块