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
481	2024-09-01	Impact of Gold-Standard Label Errors on Evaluating Performance of Deep Learning Models in Diabetic Retinopathy Screening: Nationwide Real-World Validation Study 2024-Aug-14, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/52506 PMID:39141915	研究论文	本研究评估了自定义深度学习算法在分类糖尿病视网膜病变（DR）中的准确性，并展示了标签错误如何影响全国性DR筛查计划中的评估	研究揭示了人类图像分级中的标签错误对深度学习算法在实际DR筛查中性能评估的显著影响	研究仅限于分析全国性DR筛查计划中的眼底照片，可能未涵盖所有可能的标签错误情况	评估深度学习算法在糖尿病视网膜病变筛查中的准确性，并探讨标签错误对其性能评估的影响	糖尿病视网膜病变（DR）的分类及标签错误的识别与纠正	机器学习	糖尿病视网膜病变	深度学习	深度学习算法	图像	736,083张图像，来自237,824名参与者
482	2024-09-01	Sága, a Deep Learning Spectral Analysis Tool for Fungal Detection in Grains-A Case Study to Detect Fusarium in Winter Wheat 2024-Aug-13, Toxins IF:3.9Q1 DOI:10.3390/toxins16080354 PMID:39195764	研究论文	本研究开发了一种名为Sága的深度学习光谱分析工具，用于在小麦中检测镰刀菌，通过成像光谱学和深度学习技术实现现场镰刀菌枯萎病的检测。	本研究首次将预训练的YOLOv5和DeepMAC模型应用于全球小麦穗检测数据集，结合XGBoost算法分析高光谱信息，实现了小麦穗的自动检测和分割，提高了农药使用效率并限制了真菌毒素污染。	NA	开发一种可靠的现场特定精确镰刀菌感染早期预警模型，以确保食品和饲料安全。	镰刀菌在小麦中的检测。	机器学习	植物病害	成像光谱学	YOLOv5, DeepMAC, XGBoost	高光谱图像	实验田地接种镰刀菌的面积为52.5米×3米，对照田地未接种镰刀菌的面积为52.5米×3米。
483	2024-09-01	Machine Learning and Deep Learning Approaches in Lifespan Brain Age Prediction: A Comprehensive Review 2024-Aug-12, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10080093 PMID:39195728	综述	本文全面回顾了机器学习和深度学习在全生命周期脑龄预测中的应用	探讨了机器学习和深度学习模型在脑龄预测中的最新进展和有效性	精确预测所有年龄段的脑龄仍然是一个重大的分析挑战	总结当前脑龄预测的状态，强调进步和持续的挑战，指导未来研究和技术进步	分析了52篇同行评审研究，评估了不同模型架构在全生命周期脑龄研究中的效果	机器学习	NA	机器学习（ML）和深度学习（DL）	CNN, LSTM, GAN, ...	神经影像数据	分析了52项研究
484	2024-09-01	Identification and Design of Novel Potential Antimicrobial Peptides Targeting Mycobacterial Protein Kinase PknB 2024-Aug, The protein journal DOI:10.1007/s10930-024-10218-9 PMID:39014259	研究论文	本研究旨在通过分子对接和分子动力学模拟，设计针对结核杆菌蛋白激酶PknB的新型抗菌肽	研究揭示了除了肽链长度外，组成氨基酸的组合在肽类抑制剂生成中的重要作用	研究主要集中在体外分析，临床应用前需要进行细致的体内分析	确定一种能够有效抑制PknB的抗菌肽	5626种来自公共数据库的抗菌肽	NA	结核病	分子对接，分子动力学模拟，弹性网络模型	NA	肽序列	5626种抗菌肽，最终选择了5种进行进一步分析
485	2024-09-01	Deep learning-based fully automatic screening of carotid artery plaques in computed tomography angiography: a multicenter study 2024-Aug, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.04.015 PMID:38789330	研究论文	开发并验证了一种基于深度学习算法的完全自动化的颈动脉斑块检测和分类系统	使用改进的3D-UNet网络进行颈动脉区域分割，并通过基于ResUNet的架构在两步深度学习系统中进行颈动脉斑块的检测和分类	研究为回顾性研究，且仅在两个中心进行了验证	开发和验证一种用于颈动脉斑块自动检测和分类的深度学习算法	颈动脉斑块的自动检测和分类	计算机视觉	心血管疾病	深度学习	3D-UNet, ResUNet	图像	400名患者（中心Ⅰ有300名，中心Ⅱ有100名）
486	2024-09-01	Stain-Free Approach to Determine and Monitor Cell Heath Using Supervised and Unsupervised Image-Based Deep Learning 2024-Aug, Journal of pharmaceutical sciences IF:3.7Q2 DOI:10.1016/j.xphs.2024.05.001 PMID:38710387	研究论文	本文利用无染色的图像深度学习方法，通过流式成像显微镜（FIM）提取未染色Jurkat细胞的形态特征，预测细胞健康指标	提出了一种无染色、非侵入性、非破坏性的细胞活力检测方法，并展示了变分自编码器（VAE）在无监督学习中的应用	未提及	开发一种快速且稳健的分析方法，用于细胞基药物产品（CBMPs）的特性分析、过程监控和质量控制（QC）测试	未染色Jurkat细胞的细胞健康指标	计算机视觉	NA	流式成像显微镜（FIM）	深度学习模型（监督学习和变分自编码器VAE）	图像	未提及
487	2024-08-31	Visual interpretability of image-based classification models by generative latent space disentanglement applied to in vitro fertilization 2024-Aug-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51136-9 PMID:39191720	研究论文	本文介绍了一种名为DISCOVER的生成模型，旨在通过解耦潜在空间来提高基于图像的分类模型的可解释性	DISCOVER模型能够学习解耦的潜在表示，每个潜在特征编码一个独特的分类驱动视觉属性，从而实现“人在回路”的解释	NA	提高深度学习模型在图像分类任务中的可解释性	体外受精胚胎形态质量的分类	计算机视觉	NA	生成模型	生成模型	图像	具体样本数量未在摘要中提及
488	2024-08-31	Clinical validation of artificial intelligence-based preoperative virtual reduction for Neer 3- or 4-part proximal humerus fractures 2024-Aug-27, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-024-07798-z PMID:39192203	研究论文	本研究验证了基于人工智能的术前虚拟复位模型在Neer 3-或4-部分肱骨近端骨折中的复位质量	开发了一种基于人工智能的术前虚拟复位模型，能够自动分割和复位骨折碎片，改变了骨科手术术前手术规划的范式	研究级别为IV级，可能存在证据强度不足的问题	验证基于人工智能的术前虚拟复位模型在肱骨近端骨折中的复位质量	Neer 3-或4-部分肱骨近端骨折的复位模型	机器学习	骨折	深度学习	NA	三维CT扫描图像	20例肱骨近端骨折的术前和术后三维CT扫描
489	2024-08-31	Optimizing protein sequence classification: integrating deep learning models with Bayesian optimization for enhanced biological analysis 2024-Aug-27, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02631-y PMID:39192227	研究论文	本研究提出了一种名为ProtICNN-BiLSTM的先进模型，该模型结合了基于注意力的改进卷积神经网络（ICNN）和双向长短期记忆（BiLSTM）单元，以提高蛋白质序列分类的准确性。	ProtICNN-BiLSTM模型通过结合CNN和BiLSTM架构，有效捕捉蛋白质序列的局部和全局依赖关系，并通过贝叶斯优化优化模型超参数，提高了分类的效率和鲁棒性。	NA	提高蛋白质序列分类的准确性，推动生物分析和医疗进步。	蛋白质序列的分类。	机器学习	NA	贝叶斯优化	CNN, BiLSTM	序列数据	PDB-14,189及其他蛋白质数据
490	2024-08-31	Development of an artificial intelligence model for predicting implant size in total knee arthroplasty using simple X-ray images 2024-Aug-27, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-024-05013-2 PMID:39192371	研究论文	开发了一种使用简单X光图像预测全膝关节置换术中植入物尺寸的人工智能模型	该研究独特之处在于仅使用简单的X光图像，无需其他数据如人口统计特征，就能实现具有强大预测能力的模型	NA	减轻外科医生在全膝关节置换术前准备中的时间和劳动负担	714名接受全膝关节置换术的膝关节骨性关节炎患者	机器学习	膝关节骨性关节炎	数据增强技术	ResNet-101	X光图像	1412张膝关节前后位和侧位X光图像
491	2024-08-31	Sexually dimorphic computational histopathological signatures prognostic of overall survival in high-grade gliomas via deep learning 2024-Aug-23, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adi0302 PMID:39178259	研究论文	本研究利用端到端的深度学习方法，通过分析苏木精和伊红（H&E）染色的组织切片，识别高级别胶质瘤（HGG）中与性别相关的组织病理学特征，并构建性别特异性的生存风险预测模型。	首次采用端到端的深度学习方法，利用常规H&E染色的组织切片，分别训练男性和女性HGG患者的模型，以识别与生存相关的性别特异性肿瘤微环境（TME）病理学特征。	NA	旨在通过深度学习方法识别高级别胶质瘤中性别特异性的组织病理学特征，并构建性别特异性的生存预测模型。	高级别胶质瘤患者的组织病理学特征及生存预测。	数字病理学	脑肿瘤	深度学习	ResNet18	图像	训练和三个独立验证队列中分别包含男性和女性高级别胶质瘤患者的数据。
492	2024-08-31	Characterization of Trabecular Bone Microarchitecture and Mechanical Properties Using Bone Surface Curvature Distributions 2024-Aug-22, Journal of functional biomaterials IF:5.0Q2 DOI:10.3390/jfb15080239 PMID:39194677	研究论文	本研究通过分析骨表面曲率分布，利用卷积神经网络模型预测骨小梁的微观结构和力学性能	首次提出使用骨表面曲率分布来预测骨小梁的微观结构和力学性能，并通过深度学习模型验证了其有效性	NA	探索骨表面曲率分布与骨小梁微观结构及力学性能之间的关系	骨小梁的微观结构和力学性能	数字病理学	NA	卷积神经网络 (CNN)	CNN	图像	NA
493	2024-08-31	Automatic Classification of Nodules from 2D Ultrasound Images Using Deep Learning Networks 2024-Aug-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080203 PMID:39194992	研究论文	本研究开发了一种基于DenseNet架构的深度学习模型，用于自动分类甲状腺结节的2D超声图像，以减少不必要的细针穿刺活检	引入了注意力模块和Grad-CAM技术，提高了模型的分类性能和决策透明度	面临图像质量变异性、数据集中的伪影、类别不平衡和模型可解释性等挑战	开发一种自动甲状腺超声图像分类系统，以防止不必要的细针穿刺活检	甲状腺结节的2D超声图像	计算机视觉	甲状腺疾病	深度学习	DenseNet	图像	591张甲状腺结节图像
494	2024-08-31	Efficacy of Vitamin B12 and Adenosine Triphosphate in Enhancing Skin Radiance: Unveiled with a Drug-Target Interaction Deep Learning-Based Model 2024-Aug-20, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb46080537 PMID:39194754	研究论文	本研究通过基于深度学习的药物-靶点相互作用模型，探讨了维生素B12和三磷酸腺苷在增强皮肤光泽方面的功效。	本研究首次通过人工智能技术筛选并选择具有EDNRB和ADIPOR1亲和力的成分，发现维生素B12和三磷酸腺苷复合物能显著提高皮肤光泽、弹性和质地。	NA	开发一种通过减少色素沉着和改善皮肤再生来增强皮肤光泽的化妆品配方。	维生素B12和三磷酸腺苷在增强皮肤光泽中的作用及其机制。	机器学习	NA	深度学习	NA	NA	人类参与者
495	2024-08-31	Celiac Disease Deep Learning Image Classification Using Convolutional Neural Networks 2024-Aug-16, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080200 PMID:39194989	研究论文	本研究使用卷积神经网络（CNN）对乳糜泻（CD）的苏木精和伊红（H&E）组织学图像进行分类，包括正常小肠对照和非特异性十二指肠炎症	研究展示了CNN在多类别组织学图像分类中的高准确性，并引入了梯度加权类激活映射（Grad-CAM）技术以解释分类决策	研究主要集中在图像分类上，未涉及乳糜泻的更深入病理机制或其他治疗方法	验证卷积神经网络在乳糜泻组织学图像分类中的有效性	乳糜泻、正常小肠对照、非特异性十二指肠炎症、十二指肠腺癌和克罗恩病的组织学图像	计算机视觉	乳糜泻	卷积神经网络（CNN）	CNN	图像	7294张乳糜泻图像，11642张正常小肠对照图像，5966张非特异性十二指肠炎症图像，3723张十二指肠腺癌图像，13043张克罗恩病图像
496	2024-08-31	Deep Learning-based Segmentation of Computed Tomography Scans Predicts Disease Progression and Mortality in Idiopathic Pulmonary Fibrosis 2024-Aug-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202311-2185OC PMID:38452227	研究论文	本研究利用深度学习技术对计算机断层扫描（CT）图像进行分割，以预测特发性肺纤维化（IPF）的疾病进展和死亡率	开发了自动化的影像生物标志物，通过深度学习技术对CT扫描进行分割，提供近远期的预后信息	NA	开发基于深度学习的自动化影像生物标志物，用于预测特发性肺纤维化的疾病进展和死亡率	特发性肺纤维化患者的CT扫描图像	计算机视觉	肺纤维化	深度学习	CNN	图像	446名特发性肺纤维化患者
497	2024-08-31	Efficient and Accurate 3D Thickness Measurement in Vessel Wall Imaging: Overcoming Limitations of 2D Approaches Using the Laplacian Method 2024-Aug-15, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd11080249 PMID:39195157	研究论文	本文提出了一种基于拉普拉斯方法的高效准确的3D血管壁厚度测量技术，以克服传统2D方法的局限性	本文首次将拉普拉斯方法应用于3D血管壁厚度测量，实现了对血管壁厚度在所有维度上的精确量化	传统2D方法依赖于提取的2D切片，无法全面考虑血管壁厚度在所有维度上的变化，且难以扩展到3D	推动血管壁厚度测量从2D向3D方法的转变，以提高诊断的准确性和定位能力	血管壁厚度的精确测量	计算机视觉	心血管疾病	拉普拉斯方法	CNN	图像	使用数字幻影和血管壁成像数据进行实验
498	2024-08-31	Hyperpolarized Magnetic Resonance Imaging, Nuclear Magnetic Resonance Metabolomics, and Artificial Intelligence to Interrogate the Metabolic Evolution of Glioblastoma 2024-Aug-14, Metabolites IF:3.4Q2 DOI:10.3390/metabo14080448 PMID:39195544	研究论文	研究利用超极化磁共振成像、核磁共振代谢组学和人工智能技术，探讨胶质母细胞瘤的代谢演变	开发了一种结合多种癌症数据模式的深度学习模型，能够比传统磁共振成像和单独的超极化磁共振成像更早地检测到胶质母细胞瘤的进展	NA	旨在通过先进的成像和分析技术早期检测胶质母细胞瘤，以实现更有效的治疗	胶质母细胞瘤	机器学习	脑癌	超极化磁共振成像	深度学习模型	多模态数据	使用胶质母细胞瘤小鼠模型
499	2024-08-31	A Multi-Scale Target Detection Method Using an Improved Faster Region Convolutional Neural Network Based on Enhanced Backbone and Optimized Mechanisms 2024-Aug-13, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080197 PMID:39194986	研究论文	本文提出了一种基于增强骨干网络和优化机制的改进型Faster R-CNN多尺度目标检测方法	该算法通过使用ResNet101网络进行特征提取、集成OHEM、Soft-NMS和DIOU模块以及简化RPN，提高了多尺度目标检测的准确性和效率	NA	旨在提升算法在多尺度目标检测中的能力	多尺度目标检测	计算机视觉	NA	Faster R-CNN	CNN	图像	NA
500	2024-08-31	Gastric Cancer Image Classification: A Comparative Analysis and Feature Fusion Strategies 2024-Aug-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080195 PMID:39194984	研究论文	本研究利用机器学习和深度学习技术对胃癌病理图像进行分类，通过比较分析和特征融合策略，识别最有效的特征和分类器组合。	本研究通过结合手工特征和深度特征，以及浅层学习分类器，实现了对正常和异常病理图像的有效区分，无需使用微调策略。	研究未提及具体的局限性。	开发自动化和精确的病理诊断工具，提高胃癌的诊断准确性。	胃癌病理图像的分类。	数字病理学	胃癌	机器学习, 深度学习	SVM	图像	使用GasHisSDB数据集