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
661	2024-08-07	Robust evaluation of deep learning-based representation methods for survival and gene essentiality prediction on bulk RNA-seq data 2024-07-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67023-8 PMID:39048590	研究论文	本文评估了不同设计选择的深度学习表示学习方法在TCGA和DepMap泛癌数据集上的性能，并评估了它们在生存和基因必需性预测任务中的预测能力	本文展示了自动编码器（AE）通过遮蔽和多头训练等技术持续改进，并强调了深度学习表示和预训练的影响高度依赖于任务和架构	本文指出深度学习表示和预训练的影响高度依赖于任务和架构，需要采用严格的评估指南	评估深度学习表示学习方法在生存和基因必需性预测任务中的性能	TCGA和DepMap泛癌数据集	机器学习	NA	深度学习	自动编码器（AE）	RNA-seq数据	NA
662	2024-08-07	Resolution Enhancement of Metabolomic J-Res NMR Spectra Using Deep Learning 2024-07-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c00563 PMID:38990576	研究论文	本文介绍了一种基于深度学习的生成对抗网络J-RESRGAN，用于增强代谢组学J-Res NMR光谱的分辨率	引入了新的对称损失函数，利用J-Res NMR光谱的固有垂直对称性，提高了模型的性能	NA	提高NMR代谢组学研究的精确度	代谢组学中的J-Res NMR光谱	机器学习	NA	NMR	GAN	光谱数据	模拟血浆数据中100%的峰对，实验血浆、尿液、全脂牛奶和橙汁中分别为80.8-100%、85.0-96.7%、94.4-98.9%和82.6-91.7%的峰对
663	2024-08-07	Magnetic resonance imaging-based radiomics and deep learning models for predicting lymph node metastasis of squamous cell carcinoma of the tongue 2024-07, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.01.016 PMID:38378316	研究论文	本研究旨在通过磁共振成像（MRI）中的放射组学和深度学习（DL）相结合的方法，预测舌鳞状细胞癌患者的淋巴结转移（LNM）	本研究创新性地结合了放射组学和深度学习特征，构建了一个深度学习放射组学列线图，用于预测舌鳞状细胞癌的淋巴结转移	NA	建立一种结合放射组学和深度学习的MRI方法，用于术前预测舌鳞状细胞癌患者的淋巴结转移	舌鳞状细胞癌患者的淋巴结转移	机器学习	口腔癌	磁共振成像（MRI）	多层感知器模型	图像	196名舌鳞状细胞癌患者的MR图像，分为训练组（156例）和测试组（40例）
664	2024-08-07	Detection of extracranial and intracranial calcified carotid artery atheromas in cone beam computed tomography using a deep learning convolutional neural network image segmentation approach 2024-07, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2023.08.009 PMID:37770329	研究论文	利用深度学习卷积神经网络（DL CNN）在锥束计算机断层扫描（CBCT）图像上检测颅外和颅内钙化的颈动脉粥样硬化斑块	采用基于U-Net的CNN架构进行迁移学习，提高了模型在检测颈动脉粥样硬化斑块的准确性	模型在检测颅内颈动脉粥样硬化斑块的准确性较低，需要进一步研究	开发一种使用深度学习技术在CBCT图像上检测颈动脉粥样硬化斑块的方法	颅外和颅内钙化的颈动脉粥样硬化斑块	计算机视觉	心血管疾病	锥束计算机断层扫描（CBCT）	卷积神经网络（CNN）	图像	137个完整CBCT扫描，170个单轴CBCT切片用于训练
665	2024-08-07	Evaluation of deep learning for detecting intraosseous jaw lesions in cone beam computed tomography volumes 2024-07, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2023.09.011 PMID:38155015	研究论文	本研究旨在开发和评估深度学习算法在锥束计算机断层扫描（CBCT）体积中检测颌骨内病变的表现	本研究展示了深度学习方法在CBCT体积中检测颌骨内病变的潜力	NA	开发和评估深度学习算法在CBCT体积中检测颌骨内病变的表现	颌骨内病变	计算机视觉	NA	深度学习	NA	CBCT体积	共290个CBCT体积，来自超过12种不同的扫描仪，视野范围从6 × 6 × 6 cm到18 × 18 × 16 cm，包含0或至少一个经活检证实的颌骨内病变
666	2024-08-07	Age and sex estimation in cephalometric radiographs based on multitask convolutional neural networks 2024-07, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.02.010 PMID:38614872	研究论文	本研究利用多任务卷积神经网络从头颅侧位X光片中自动估计年龄和性别	提出了一种基于VGG16的多任务深度学习模型，用于从头颅侧位X光片中同时估计年龄和性别	NA	利用深度学习技术自动估计头颅侧位X光片中的年龄和性别	头颅侧位X光片中的年龄和性别特征	计算机视觉	NA	深度学习	CNN	图像	4,557张头颅侧位X光片
667	2024-08-07	Maxillary sinus detection on cone beam computed tomography images using ResNet and Swin Transformer-based UNet 2024-07, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2023.06.001 PMID:37633787	研究论文	本研究开发了一种基于Swin transformer和ResNet的新型UNet架构，用于在锥束计算机断层扫描（CBCT）图像中检测上颌窦的病理状况和感染	提出的Res-Swin-UNet模型结合了ResNet和Swin transformer，实现了强大的全局上下文特性和高效的特征分割	NA	旨在通过人工智能方法确定与上颌窦相关的病理状况和感染的界限，以辅助牙科医生的工作	上颌窦的病理状况和感染	计算机视觉	NA	CBCT	UNet	图像	298张CBCT图像
668	2024-08-07	Image preprocessing with contrast-limited adaptive histogram equalization improves the segmentation performance of deep learning for the articular disk of the temporomandibular joint on magnetic resonance images 2024-07, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2023.01.016 PMID:37263812	研究论文	本文评估了对比度受限的自适应直方图均衡化（CLAHE）预处理对深度学习（DL）编码器-解码器卷积神经网络（ED-CNN）在磁共振图像上分割颞下颌关节（TMJ）关节盘性能的影响	提出使用CLAHE预处理方法提高DL-ED-CNN模型在TMJ关节盘分割任务中的鲁棒性	模型在单设备数据集上的鲁棒性较低	评估DL-ED-CNN在TMJ关节盘分割中的性能，并探讨CLAHE预处理的效果	颞下颌关节的关节盘	计算机视觉	NA	对比度受限的自适应直方图均衡化（CLAHE）	编码器-解码器卷积神经网络（ED-CNN）	磁共振图像（MRI）	536张MR图像，来自49名个体
669	2024-08-07	Developing deep learning methods for classification of teeth in dental panoramic radiography 2024-07, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2023.02.021 PMID:37316425	研究论文	本文旨在开发基于深度学习方法的临床牙科决策支持系统，以减少诊断解释错误和时间，提高牙科治疗和分类的有效性	本文比较了两种深度学习方法（YOLO-V4和Faster R-CNN）在牙科全景放射摄影中牙齿分类的性能，发现YOLO-V4方法在预测牙齿的准确性、分类速度和检测能力方面优于Faster R-CNN方法	NA	开发基于人工智能的临床牙科决策支持系统	牙科全景放射摄影中的牙齿分类	计算机视觉	NA	深度学习	YOLO-V4, Faster R-CNN	图像	1200张全景放射摄影图像
670	2024-08-07	Multi-model deep learning approach for segmentation of teeth and periapical lesions on pantomographs 2024-07, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2023.11.006 PMID:38616480	研究论文	本文介绍了一种多模型深度学习方法，用于在全景X光片上分割牙齿和根尖周病变，并将其与致病牙齿关联	本文采用了U-net和Mask RCNN两种算法进行病变检测，并通过多模型方法成功关联了根尖周病变与致病牙齿	本文仅使用了250张全景X光片进行训练，未来可通过增加图像数量和训练模型以自动化检测更多牙科诊断中的常见影像发现	开发一种深度学习AI模型，用于在全景X光片上分割根尖周病变并关联致病牙齿	根尖周病变及其与致病牙齿的关系	机器学习	NA	深度学习	U-net, Mask RCNN	图像	250张全景X光片
671	2024-08-07	A scheme combining feature fusion and hybrid deep learning models for epileptic seizure detection and prediction 2024-07-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67855-4 PMID:39043914	研究论文	提出了一种基于多类特征融合和混合深度学习模型的新方法，用于癫痫发作的检测和预测	结合了卷积神经网络、门控递归单元和注意力机制，以提高癫痫发作检测和预测的精度	NA	开发一种有效的方法以检测和预测癫痫发作	针对癫痫患者的EEG信号进行分析	机器学习	癫痫	离散小波变换（DWT）、卷积神经网络（CNN）、门控循环单元（GRU）	CNN-GRU-AM	EEG信号	使用CHB-MIT数据集进行验证
672	2024-08-07	Human gender estimation from CT images of skull using deep feature selection and feature fusion 2024-07-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65521-3 PMID:39043755	研究论文	本研究旨在通过颅骨CT图像预测性别	该研究利用深度学习和特征融合技术，提高了性别预测的准确性和效率	研究可能只限于特定人群，可能无法推广至其他年龄和种族	探索通过CT图像准确估计人类性别的可能性	涉及421名年龄在25至65岁之间的男性和女性的颅骨CT图像	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	421个颅骨CT图像样本
673	2024-08-07	The artistic image processing for visual healing in smart city 2024-07-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68082-7 PMID:39039163	研究论文	本研究探讨了艺术图像处理在智慧城市背景下对城市居民心理健康和生活质量的视觉治疗效果	提出了重叠分割视觉变换器（OSViT）结合双向长短期记忆（BiLSTM）算法的艺术图像处理和分类识别模型	NA	探讨艺术图像处理在智慧城市中的应用及其对居民心理健康的影响	艺术图像及其处理技术	数字病理学	NA	深度学习技术	OSViT-BiLSTM	图像	涉及多个场景的艺术图像，用户反馈超过90%满意
674	2024-08-07	YOLO-Granada: a lightweight attentioned Yolo for pomegranates fruit detection 2024-07-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67526-4 PMID:39039263	研究论文	提出了一种轻量级的YOLO-Granada算法用于石榴果实检测	基于YOLOv5改进算法，使用ShuffleNetv2作为骨干网，并结合注意力机制提升检测精度和速度	与原始YOLOv5s模型的精度相差不到1%，但模型压缩和速度提升仍有改进空间	开发智能管理系统以提高石榴果园的产量和管理效率	石榴果实的检测	计算机视觉	NA	深度学习	YOLOv5	图像	NA
675	2024-08-07	Automated PD-L1 status prediction in lung cancer with multi-modal PET/CT fusion 2024-07-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66487-y PMID:39030240	研究论文	本文研究了如何利用多模态PET/CT融合自动预测肺癌中的PD-L1状态	提出了使用不同数据融合方案的深度学习模型来进行PD-L1状态的预测，并发现PET和CT融合的表现优于单独使用	在晚期融合架构中，虽然权重共享可能提高模型的稳定性，但并不总能带来更好的结果	评估不同融合方法在非小细胞肺癌中预测PD-L1状态的性能	189名肺癌患者的非侵入性CT和PET图像	计算机视觉	肺癌	PET/CT成像	ResNet, DenseNet, EfficientNet	图像	189名非小细胞肺癌患者的PET和CT图像
676	2024-08-07	Exploring deep learning strategies for intervertebral disc herniation detection on veterinary MRI 2024-07-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67749-5 PMID:39030338	研究论文	本文旨在自动化兽医MRI中椎间盘突出（IVDH）病灶的检测和定位	引入了一种新的脊柱定位模块，并成功集成到不同的目标检测模型中，以提高IVDH检测的精准度	未提供对小型猫数据集适应的详细评估	研究AI在兽医护理中的应用，推动兽医放射学的发展	213只不同品种、年龄和体型的宠物狗的T2加权矢状面MRI图像	计算机视觉	脊柱疾病	深度学习	传统两阶段检测模型及YOLOX检测器	图像	213张宠物狗的MRI图像
677	2024-08-07	Intelligent breast cancer diagnosis with two-stage using mammogram images 2024-07-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65926-0 PMID:39030248	研究论文	这篇文章提出了一种基于深度学习的乳腺癌筛查新方法，利用乳腺X光图像进行智能诊断	引入了ACA-ATRUNet和ACA-AMDN模型，并通过MML-EOO算法优化超参数	未提及具体样本的多样性或模型在其他类型图像上的适应性	优化乳腺癌的早期检测方法	使用乳腺X光图像进行乳腺癌识别和分类	计算机视觉	乳腺癌	深度学习，乳腺X光	ACA-ATRUNet，ACA-AMDN	图像	来自已建立基准源的数据集
678	2024-08-05	A Multimorbidity Analysis of Hospitalized Patients With COVID-19 in Northwest Italy: Longitudinal Study Using Evolutionary Machine Learning and Health Administrative Data 2024-Jul-18, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/52353 PMID:39024001	研究论文	该研究分析了在意大利西北部住院的COVID-19患者的多重合并症情况	提出了一种进化机器学习模型，以处理数据稀疏性并识别与COVID-19严重性密切相关的多重合并症特征组合	由于多重合并症的稀有性，临床数据管理面临重大挑战，具体表现为数据的稀疏性和组合多重合并症特征的复杂排列问题	评估多重合并症患者的COVID-19严重性，并识别与之相关的最优特征组合	研究对象为12793名在2020年2月至5月之间确诊为COVID-19的45至74岁患者	机器学习	NA	进化机器学习	深度学习分类器	医疗历史数据	12793个患者样本
679	2024-08-05	Cross-attention enables deep learning on limited omics-imaging-clinical data of 130 lung cancer patients 2024-Jul-15, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100817 PMID:38981473	研究论文	本文提出了两种深度学习模型用于非小细胞肺癌患者的生存预后预测	通过引入交叉注意力机制，显著提升了模型在小样本数据上的表现，并突出了肿瘤区域和相关基因	仅使用了130名患者的数据，样本量较小	开发能够在数据有限的情况下进行生存预测的深度学习模型	非小细胞肺癌患者	数字病理学	肺癌	深度学习	稀疏自编码器	图像和基因表达数据	130名肺癌患者
680	2024-08-05	Fatecode enables cell fate regulator prediction using classification-supervised autoencoder perturbation 2024-Jul-15, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100819 PMID:38986613	研究论文	本研究提出了一种名为Fatecode的计算方法，用于基于单细胞RNA测序数据预测细胞命运调控因子。	Fatecode利用深度学习的分类监督自编码器学习单细胞RNA测序数据的潜在表示，并通过对这一表示的扰动实验来预测基因。	未提及具体的局限性	加速细胞重编程技术的发展，以促进组织修复和再生。	研究对象为细胞命运调控因子。	数字病理学	NA	单细胞RNA测序	深度学习自编码器	RNA测序数据	使用了来自不同生物体的血液和大脑发育的单细胞RNA-seq数据