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
881	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
882	2024-08-05	Unsupervised stain augmentation enhanced glomerular instance segmentation on pathology images 2024-Jun-07, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03154-7 PMID:38848032	研究论文	本文提出了一种基于无监督染色增强的肾小球实例分割方法	提出了一种基于对比无配对转换的方法，实现了不同染色方法之间的转换，从而提高了训练集的染色多样性	未提及本文方法在不同类型病理图像上的可扩展性	探索如何通过无监督染色增强来改善病理图像中的肾小球分割	216个不同染色的病理全切片图像	数字病理学	NA	无监督染色增强	Mask R-CNN, Swin Transformer	图像	216个WSI
883	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
884	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
885	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
886	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
887	2024-08-05	Patient-specific placental vessel segmentation with limited data 2024-Jun-04, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-024-01981-z PMID:38833204	研究论文	本研究提出了一种基于生成对抗网络的患者特异性胎盘血管分割方法	利用生成对抗网络生成人工样本，从而实现患者特异性训练，即使在极少数据的情况下也能提高性能	研究可能受到生成的人工样本质量和多样性的限制	解决机器学习在医学领域应用中的数据分布差异问题	针对胎盘血管的分割任务，特别是在治疗双胎输血综合征的内窥镜视频数据中	计算机视觉	NA	生成对抗网络（GAN）	NA	视频	20张标注图像和一些生成的人工样本
888	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
889	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
890	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
891	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
892	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
893	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
894	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
895	2024-08-05	Spatial acoustic properties recovery with deep learning 2024-Jun-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0026231 PMID:38847594	研究论文	提出了一种空间依赖的物理信息神经网络（SD-PINN），用于从测量中恢复空间依赖的偏微分方程（PDE）系数	SD-PINN允许使用单个神经网络恢复空间依赖的PDE系数，消除了对特定领域物理专业知识的要求	NA	研究如何通过深度学习恢复偏微分方程中的空间依赖系数	关注波动方程的空间依赖系数的恢复，以揭示不均匀介质中的声学特性分布	机器学习	NA	物理信息神经网络（PINN）	深度学习网络	测量数据	NA
896	2024-08-05	Multimodal radiotherapy dose prediction using a multi-task deep learning model 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17115 PMID:38710210	研究论文	本研究开发了一种基于多任务深度学习模型的AVB放疗剂量预测方法	提出了一个可以同时预测多种放疗模式剂量分布的多任务模型，克服了单一模式模型的限制	仅在28名APBI患者的数据上进行评估，样本量相对较小	开发高效个性化的AVB放疗模式优化方法	28名APBI患者及其92个治疗计划	数字病理学	NA	深度学习	CNN	CT扫描数据	28名APBI患者及其92个治疗计划
897	2024-08-05	Early Predicting Osteogenic Differentiation of Mesenchymal Stem Cells Based on Deep Learning Within One Day 2024-Jun, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03483-3 PMID:38488988	研究论文	本文探讨了基于深度学习的间充质干细胞成骨分化的早期预测方法	通过简单的明场图像和深度学习网络实现了对间充质干细胞成骨分化的早期和准确检测	研究主要依赖于明场图像，可能会受到图像质量的影响	旨在通过训练卷积神经网络(CNN)来定量测量间充质干细胞的成骨分化	间充质干细胞(MSCs)的成骨分化过程	计算机视觉	NA	深度学习	卷积神经网络(CNN)	图像	在早期成骨分化过程中捕获了多个时间点的MSC图像 (第0天、1天、3天、5天和7天)
898	2024-08-05	Memory-efficient semantic segmentation of large microscopy images using graph-based neural networks 2024-Jun-06, Microscopy (Oxford, England) DOI:10.1093/jmicro/dfad049 PMID:37864808	研究论文	本文提出了一种基于图神经网络的框架，用于大规模显微镜图像分割任务	通过将大规模图像转换为图形并使用超像素，克服了深度学习模型在内存方面的限制	超像素生成可能导致误差，需改进生成算法或增加超像素数量以提高准确性	研究结合图神经网络的显微镜图像分割方法以提高效率	生物细胞和细胞集落的显微镜图像	数字病理学	NA	图神经网络 (GNN)	NA	图像	使用了数百万像素的显微镜图像样本
899	2024-08-05	General Aqueous System Simulation through an AI-Embedded Metaverse Chemistry Laboratory 2024-Jun-06, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.4c01111 PMID:38814104	研究论文	本研究设计了一种物理支持的深度学习模型，预测一般水相系统的未来状态	提出了一种嵌入AI的元宇宙化学实验室框架，能够有效地模拟水相系统属性并预测离子化合物的溶解时间	当前的元宇宙框架在实验数据分析上仍有局限，使得优化实验的整体时间消耗较高	旨在通过数字化化学信息的方式，优化实验设计和数据利用	主要研究100多种常见离子溶液的一般水相系统	物理化学	NA	深度学习	NA	实验数据	100+种常见离子溶液
900	2024-08-05	AI in evaluating ambulation of stroke patients: severity classification with video and functional ambulation category scale 2024-Jun-06, Topics in stroke rehabilitation IF:2.2Q1 DOI:10.1080/10749357.2024.2359342 PMID:38841903	研究论文	本研究验证了一种深度学习模型，用于根据功能步态分类（FAC）规模对中风患者的步态图像数据进行分类	提出了基于视频数据的人体姿势估计方法，用于开发步态参数模型和分类模型	研究依赖于收集的大量多样化数据，这些数据是在非标准化的真实环境中收集的	验证深度学习模型对中风患者步态图像数据的分类能力	203名中风患者和182名健康个体的步态视觉数据	计算机视觉	中风	深度学习	NA	视频	203名中风患者和182名健康个体