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
1221	2024-08-05	Marine oil spill detection and segmentation in SAR data with two steps Deep Learning framework 2024-Jul, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.116549 PMID:38850755	研究论文	本研究开发了一种基于深度学习的海洋油污检测和分割方法	探索了九十种CNN配置，并创建了新的Sentinel-1图像数据集	未提及具体的局限性	旨在提高海洋油污分类和分割的准确性	使用Sentinel-1 SAR图像进行油污检测	计算机视觉	NA	深度学习	CNN, MLP, U-Net	图像	NA
1222	2024-08-05	Radiomics and deep learning models for CT pre-operative lymph node staging in pancreatic ductal adenocarcinoma: A systematic review and meta-analysis 2024-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111510 PMID:38781919	系统评价与 meta 分析	评估 CT 基于放射组学算法和深度学习模型在胰腺导管腺癌患者中术前识别淋巴结转移的诊断准确性	本研究通过元分析显示了 CT 基于放射组学和深度学习模型在预测胰腺导管腺癌患者淋巴结转移方面的良好表现	研究中未发现研究类型（放射组学 vs 深度学习）或数据集大小对诊断比值比（DOR）有显著影响	探讨 CT 基于放射组学和深度学习模型的诊断准确性	针对胰腺导管腺癌患者的淋巴结转移进行的相关研究	数字病理学	胰腺癌	CT 扫描	放射组学和深度学习模型	影像	共纳入 485 名患者（213 名用于放射组学研究，272 名用于深度学习研究）
1223	2024-08-05	Lensless shadow microscopy-based shortcut analysis strategy for fast quantification of microplastic fibers released to water 2024-Jul-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.121758 PMID:38761592	研究论文	该论文提出了一种基于无透镜阴影显微镜的快速分析策略，用于有效量化水中释放的微塑料纤维	论文创新提出了结合高分辨率无透镜阴影显微镜与深度学习算法的快速成像和自动计数方法，从而显著提升了微塑料纤维的检测速度和准确性	研究中未涉及高效样本分离和全面样本图像数据库的创建	研究旨在提高对水中微塑料纤维污染的快速量化能力	研究对象是水中释放的微塑料纤维	数字病理	NA	无透镜阴影显微镜，深度学习算法	NA	图像	NA
1224	2024-08-05	Discriminative diagnosis of ovarian endometriosis cysts and benign mucinous cystadenomas based on the ConvNeXt algorithm 2024-Jul, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2024.05.010 PMID:38756053	研究论文	本研究旨在开发一个深度学习模型，利用ConvNeXt算法有效区分卵巢内膜异位囊肿和良性粘液性囊腺瘤	该深度学习模型提供了一种新的临床方法，以高准确度区分卵巢内膜异位囊肿和良性粘液性囊腺瘤	本研究的回顾性分析可能受限于数据的选择偏倚	旨在通过分析超声图像开发一个有效的深度学习模型用于卵巢内膜异位囊肿和良性粘液性囊腺瘤的诊断	研究对象为184名被诊断为卵巢内膜异位囊肿或良性粘液性囊腺瘤的患者	数字病理学	卵巢内膜异位症	深度学习，ConvNeXt算法	深度学习模型	超声图像	786幅超声图像，来自184名患者
1225	2024-08-05	Validation of de novo designed water-soluble and transmembrane β-barrels by in silico folding and melting 2024-Jul, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5033 PMID:38864690	研究论文	本文探讨了基于深度学习的结构预测算法在新设计水溶性和跨膜β桶蛋白的验证中的应用	提出了一种新的基于逐步扰动的预测方法 ('in silico melting')，并强调了不同算法在设计识别和实验预测成功率中的优势	缺乏高质量模型与实验成功之间关系的正式证据	研究深度学习结构预测模型的可解释性及其在复杂蛋白设计中的潜力	研究新设计的水溶性和跨膜β桶蛋白	计算机视觉	NA	深度学习	AlphaFold2, ESMFold	蛋白质结构	实验特征化的新设计水溶性和跨膜β桶蛋白
1226	2024-08-05	Multi-center Dose Prediction Using Attention-aware Deep learning Algorithm Based on Transformers for Cervical Cancer Radiotherapy 2024-Jul, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2024.03.022 PMID:38631974	研究论文	提出了一种基于Transformer的AtTranNet算法用于宫颈癌放射治疗中的剂量预测	开发了针对多个中心的数据集的深度学习算法，能够快速、准确地进行剂量预测	该研究可能无法覆盖所有类型的治疗方案和癌症患者的特征	开发一种强大的深度学习算法以实现宫颈癌体积调制弧治疗的剂量准确预测	367名宫颈癌患者和70名不同处方的子宫内膜癌患者	数字病理学	宫颈癌	深度学习	Transformer	医学影像数据	共367名宫颈癌患者和70名子宫内膜癌患者
1227	2024-08-05	Prediction and visualization of moisture content in Tencha drying processes by computer vision and deep learning 2024-Jul, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.13381 PMID:38349009	研究论文	本文利用计算机视觉和深度学习技术检测Tencha干燥过程中的水分含量	将计算机视觉与一维卷积神经网络相结合，新颖地实现了对Tencha干燥过程水分含量的预测与可视化	研究未提及样本多样性和外部验证的范围	旨在提高Tencha干燥过程中水分含量的监测和控制	Tencha干燥过程中的水分含量	计算机视觉	NA	深度学习	一维卷积神经网络（1D-CNN）	图像	NA
1228	2024-08-05	Time series prediction of insect pests in tea gardens 2024-Jul, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.13393 PMID:38372506	研究论文	该研究探讨了在茶园中白蝴蝶种群的时间序列预测。	研究使用了三种深度学习算法进行茶园虫害的时间序列预测，特别强调了LSTM-Attention的效果。	对深度学习算法在茶园虫害预测中的应用研究仍然有限。	研究茶园中虫害的时间序列预测，以确保茶叶质量。	主要研究对象是茶园中的白蝴蝶种群。	机器学习	NA	深度学习	LSTM-Attention, LSTM, Informer	时间序列数据	NA
1229	2024-08-05	nBEST: Deep-learning-based non-human primates Brain Extraction and Segmentation Toolbox across ages, sites and species 2024-Jul-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120652 PMID:38797384	研究论文	本研究提出了一个针对非人类灵长类动物脑部MRI的深度学习处理工具nBEST	nBEST通过终身学习和创新的3D U-NeXt架构，能够灵活整合来自不同NHP种群的数据	无明确限制信息	开发专为非人类灵长类动物设计的脑部MRI处理工具	1,469个来自11种不同NHP的脑部MRI扫描数据	计算机视觉	无明确疾病类别	深度学习	3D U-NeXt	MRI图像	1,469个扫描，涉及11种（如猕猴、枭猴、黑猩猩等）
1230	2024-08-05	Histological tissue classification with a novel statistical filter-based convolutional neural network 2024-Jul, Anatomia, histologia, embryologia DOI:10.1111/ahe.13073 PMID:38868912	研究论文	本文提出了一种新的基于统计滤波器的卷积神经网络用于组织分类	提出了一种HistStatCNN模型，通过统计方法初始化卷积核以提高图像分类的性能	该研究可能受限于所使用的数据集，可能不适用于所有类型的组织图像	旨在提高图像分类任务中的准确性和效率	研究对象为新型组织学数据集及多个组织病理基准数据集	数字病理学	NA	卷积神经网络（CNN）	HistStatCNN	图像	使用了多个组织病理基准数据集和一个新组织学数据集进行评估
1231	2024-08-05	Radiological age assessment based on clavicle ossification in CT: enhanced accuracy through deep learning 2024-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-024-03167-6 PMID:38286953	研究论文	本文提出了一种基于胸部CT中锁骨骨化的深度学习年龄评估方法	通过深度学习方法实现了对锁骨骨化的连续年龄评估，克服了传统方法的准确性限制	模型性能可能受个体变异或病理状况的影响	研究通过深度学习提高CT影像在年龄评估中的准确性	分析了1,935名患者的胸部CT扫描影像数据	计算机视觉	NA	深度学习	NA	影像	训练集包含4,400个扫描来自1,935名患者，测试集包含300个扫描来自300名患者
1232	2024-08-05	Automatic and robust estimation of sex and chronological age from panoramic radiographs using a multi-task deep learning network: a study on a South Korean population 2024-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-024-03204-4 PMID:38467754	研究论文	本研究利用多任务深度学习网络自动和稳健地从全景X光片中估计性别和年龄。	提出了一种名为ForensicNet的网络，包含性别和年龄关注分支，以学习全景X光片的解剖上下文特征。	研究可能存在数据偏差的问题，虽然使用的数据集已相对均衡。	旨在提高全景X光片中性别和年龄估计的准确性和自动化水平。	使用来自韩国人群的13200张全景X光片进行研究，涵盖不同性别和年龄段。	数字病理学	NA	深度学习	多任务深度学习网络	图像	13200张图像，每个性别和年龄范围各100张
1233	2024-08-05	An automated approach for predicting HAMD-17 scores via divergent selective focused multi-heads self-attention network 2024-Jul, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2024.110984 PMID:38806119	研究论文	本研究提出了一种新的深度学习模型DSFMANet，用于自动预测抑郁患者的HAMD-17评分	引入多分支结构和人工配置的注意力焦点因子，从而产生不同子波段的注意力分布	NA	研究基于深度学习的模型以提高抑郁症诊断中的HAMD-17评分预测准确性	抑郁症患者的数据和相应的HAMD-17评分	机器学习	抑郁症	深度学习	多头自注意力网络	子波段数据和全波段数据	NA
1234	2024-08-05	Pediatric tympanostomy tube assessment via deep learning 2024 Jul-Aug, American journal of otolaryngology IF:1.8Q2 DOI:10.1016/j.amjoto.2024.104334 PMID:38723380	研究论文	本文研究了使用深度学习算法评估儿童鼓膜腔管的有效性	开发了一种基于深度学习的算法，能够高效识别儿童耳中鼓膜腔管的存在与否	研究样本数量相对较小，仅涉及28名受试者	比较人工智能算法与临床人员评估耳中鼓膜腔管存在的有效性	具有鼓膜腔管历史的10个月到10岁儿童	计算机视觉	NA	深度学习	NA	图像	28名儿童，共123张图像
1235	2024-08-05	A deep learning-based approach for efficient detection and classification of local Ca²⁺ release events in Full-Frame confocal imaging 2024-Jul, Cell calcium IF:4.3Q2 DOI:10.1016/j.ceca.2024.102893 PMID:38701707	研究论文	本文提出了一种基于深度学习的方法，用于有效检测和分类局部钙释放事件	创新性地应用深度学习技术自动检测和分类局部钙释放事件	分析过程依赖于特定的成像数据，可能不适用于其他类型的成像技术	研究局部钙释放事件的检测和分类以促进细胞内钙信号的理解	孤立心肌细胞中的局部钙释放事件	数字病理学	NA	深度学习	NA	成像数据	NA
1236	2024-08-05	Deceptive learning in histopathology 2024-Jul, Histopathology IF:3.9Q1 DOI:10.1111/his.15180 PMID:38556922	研究论文	本研究系统评价了用于组织病理分析的深度神经网络（DNN）的可信度	提出了一种新的模型评估和解释框架，以识别DNN所学策略的可信与欺骗性	DNN在分子型谱分析中的表现依赖于虚假的相关性，未能在激光捕获显微切割获得的测试集上推广	旨在分析深度学习模型在组织病理分析中的视觉策略的信任度	研究了221个来自肺腺癌患者的全切片图像的深度神经网络	数字病理学	肺癌	深度学习	深度神经网络（DNN）	图像	221个全切片图像
1237	2024-08-05	Efficacy of the methods of age determination using artificial intelligence in panoramic radiographs - a systematic review 2024-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-024-03162-x PMID:38400923	系统评价	本文系统评价了人工智能在全景放射片中年龄判定方法的有效性	探讨了人工智能与传统手动方法在年龄判定中的显著差异	研究中缺乏对深度学习和机器学习模型或手动模型进行比较	研究人工智能在全景放射片年龄判定中的应用效果	分析包含36篇文献的年龄判定方法	计算机视觉	NA	人工智能	深度学习，机器学习	全景放射片	36篇文献
1238	2024-08-05	Deep learning prediction and experimental investigation of specific capacitance of nitrogen-doped porous biochar 2024-Jul, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2024.130865 PMID:38801954	研究论文	本研究建立了一个用于预测氮掺杂多孔生物炭比电容的深度学习模型。	利用DenseNet架构建立CNN模型，揭示了氮掺杂多孔生物炭的理化性质对比电容的影响	在摘要中没有提及具体的实验条件和样本的广泛性	预测氮掺杂多孔生物炭的电容并探索最影响的因素	氮掺杂多孔生物炭及其电容性质	机器学习	NA	深度学习	CNN	数据	氮掺杂多孔生物炭样本
1239	2024-08-05	Deep Learning-Guided Dosimetry for Mitigating Local Failure of Patients With Non-Small Cell Lung Cancer Receiving Stereotactic Body Radiation Therapy 2024-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.11.059 PMID:38056778	研究论文	本文分析了接受立体定向体部放射治疗的非小细胞肺癌患者，提出了深度学习指导的剂量计划标准	研究提出了一种新颖的深度学习局部反应模型和治疗规划标准，能够优化局部控制	数据未确认或否认治疗剂量需要显著提高的结论	旨在提高非小细胞肺癌患者的局部控制率	涉及535名接受50 Gy/5分割治疗的非小细胞肺癌患者	数字病理学	非小细胞肺癌	深度学习	离散时间生存模型	计算机断层扫描图像，三维剂量分布，患者人口统计学数据	535名患者
1240	2024-08-05	AS-NeSt: A Novel 3D Deep Learning Model for Radiation Therapy Dose Distribution Prediction in Esophageal Cancer Treatment With Multiple Prescriptions 2024-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.12.001 PMID:38159780	研究论文	本研究开发了一种深度学习模型AS-NeSt，用于预测食管癌治疗中的放射治疗剂量分布。	该研究提出了一种创新的3D ResNeSt模块及非对称架构，提升了剂量预测的准确性。	研究中使用的数据主要来自530名患者，可能限制了模型的普适性。	本研究旨在提高食管癌患者放射治疗剂量分布预测的准确性。	研究对象为530名接受放射治疗的食管癌患者。	数字病理学	食管癌	深度学习	AS-NeSt	临床数据	530名食管癌患者的数据