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
501	2024-08-31	ESFPNet: Efficient Stage-Wise Feature Pyramid on Mix Transformer for Deep Learning-Based Cancer Analysis in Endoscopic Video 2024-Aug-07, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080191 PMID:39194980	研究论文	本文提出了一种名为ESFPNet的深度学习架构，用于实时检测和分割内窥镜视频中的病变区域	ESFPNet结合了预训练的Mix Transformer编码器和包含新型高效阶段特征金字塔（ESFP）的解码器结构，提高了病变分割的准确性	NA	开发一种高效的深度学习模型，用于实时分析内窥镜视频中的病变区域	内窥镜视频中的肺部和肠道病变	机器学习	肺部疾病，肠道疾病	深度学习	ESFPNet	视频	涉及多个公开的肺部和肠道内窥镜数据库
502	2024-08-31	Automatic Segmentation of Mediastinal Lymph Nodes and Blood Vessels in Endobronchial Ultrasound (EBUS) Images Using Deep Learning 2024-Aug-06, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080190 PMID:39194979	研究论文	本研究利用基于U-Net架构的深度学习方法，自动检测和分割内镜超声（EBUS）图像中的纵隔淋巴结和血管	采用了一种新的基于U-Net架构的方法（EBUS-AI），能够自动检测和分割纵隔淋巴结和血管	NA	旨在通过自动检测和分割纵隔淋巴结和血管，提高肺癌分期中纵隔结构评估的准确性	纵隔淋巴结和血管的自动检测与分割	计算机视觉	肺癌	深度学习	U-Net	图像	共1161张EBUS图像，来自40名患者，其中882张用于训练和验证，145张用于验证，134张用于测试
503	2024-08-31	Accurate prediction of protein function using statistics-informed graph networks 2024-Aug-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50955-0 PMID:39097570	research paper	本文提出了一种利用统计信息图网络从蛋白质序列中预测蛋白质功能的方法	该方法能够通过表征进化特征，定量评估执行特定功能的残基的重要性，缩小了序列与功能之间的差距	NA	旨在通过计算方法预测蛋白质功能，特别是在缺乏结构信息的情况下	蛋白质功能预测	machine learning	NA	统计信息图网络	PhiGnet	蛋白质序列	NA
504	2024-08-31	Integrating bioinformatics and machine learning methods to analyze diagnostic biomarkers for HBV-induced hepatocellular carcinoma 2024-Aug-02, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-024-01528-8 PMID:39095799	研究论文	本研究通过结合生物信息学和深度学习方法，分析了HBV诱导的肝细胞癌（HBV-HCC）的分子机制，并识别了关键基因RACGAP1、ECT2和NDC80，这些基因可能作为HBV-HCC的诊断标志物和靶向治疗药物的开发目标。	本研究首次结合生物信息学和深度学习方法，识别了HBV-HCC的关键基因，并验证了这些基因在诊断和治疗中的潜在价值。	本研究主要集中在基因水平的分析，未来研究可以进一步探索这些关键基因在细胞和组织水平的作用机制。	研究HBV诱导的肝细胞癌的分子机制，并识别潜在的诊断标志物和治疗靶点。	HBV诱导的肝细胞癌的关键基因及其在诊断和治疗中的应用。	机器学习	肝细胞癌	深度学习	Lasso, 随机森林, SVM	基因表达数据	从GEO数据库收集的HBV-HCC相关基因集
505	2024-08-31	Targeted therapy and deep learning insights into microglia modulation for spinal cord injury 2024-Aug, Materials today. Bio DOI:10.1016/j.mtbio.2024.101117 PMID:38975239	研究论文	本文提出了一种基于深度学习的技术，用于量化药物负载纳米载体治疗后脊髓损伤模型中的小胶质细胞激活	利用卷积神经网络对小胶质细胞进行基于形态特征的分割和分类，提供了一种标准化的方法来比较治疗选项	NA	研究小胶质细胞在脊髓损伤中的调节作用，并探索靶向治疗和深度学习的应用	小胶质细胞在脊髓损伤中的激活状态	机器学习	脊髓损伤	深度学习	CNN	图像	来自受伤和完整脊髓的组织学图片集合
506	2024-08-31	Unsupervised Segmentation of 3D Microvascular Photoacoustic Images Using Deep Generative Learning 2024-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202402195 PMID:38923324	研究论文	本文介绍了一种无监督的深度学习模型VAN-GAN，用于从3D微血管光声图像中进行血管分割	VAN-GAN利用合成血管网络进行训练，无需人工标注的地面真实标签，能够准确且无偏地分割3D血管网络	NA	开发一种无监督的深度学习方法，用于从3D光声图像中自动分割血管网络	3D微血管光声图像中的血管网络	计算机视觉	乳腺癌	光声成像(PAI)	生成对抗网络(GAN)	图像	包括患者来源的乳腺癌异种移植模型和3D临床血管造影在内的多种体内外数据
507	2024-08-31	SVPath: A Deep Learning Tool for Analysis of Stria Vascularis from Histology Slides 2024-Aug, Journal of the Association for Research in Otolaryngology : JARO DOI:10.1007/s10162-024-00948-z PMID:38760547	研究论文	本文介绍了一种名为SVPath的深度学习工具，用于从组织病理学切片中提取和分析血管纹及其相关毛细血管床	开发了SVPath工具，利用YOLOv8和nnUnet深度学习方法自动检测和分割血管纹特征	仅在正常猕猴耳朵的组织切片上进行了验证，可能需要进一步在不同物种或病理条件下进行验证	开发一种自动分析血管纹结构的方法，以帮助理解其在耳科病理中的作用	血管纹及其相关毛细血管床的结构和形态	数字病理学	NA	深度学习	YOLOv8, nnUnet	图像	203张正常猕猴耳朵的数字化的苏木精和伊红染色切片，以及10张外部验证切片
508	2024-08-31	Current Applications and Future Perspectives of Artificial and Biomimetic Intelligence in Vascular Surgery and Peripheral Artery Disease 2024-Aug-01, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9080465 PMID:39194444	研究论文	本文探讨了人工智能（AI）和仿生智能（BI）在血管外科和外周动脉疾病治疗中的当前应用和未来展望	AI和BI为血管领域提供了新的诊断和治疗解决方案，通过访问临床、生物和影像数据，评估血管解剖、分类疾病程度，并指导手术技术选择	NA	探索AI和BI在血管外科和外周动脉疾病治疗中的应用和未来发展	人工智能和仿生智能在血管外科和外周动脉疾病治疗中的应用	计算机视觉	外周动脉疾病	机器学习（ML），深度学习（DL），人工神经网络（ANN），卷积神经网络（CNN），计算机视觉（CV）	卷积神经网络（CNN）	临床数据，生物数据，影像数据	NA
509	2024-08-31	Semantic Segmentation in Large-Size Orthomosaics to Detect the Vegetation Area in Opuntia spp. Crop 2024-Aug-01, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080187 PMID:39194976	研究论文	本研究专注于在大尺寸正射影像图中进行语义分割，以检测Opuntia spp.作物中的植被区域	提出使用深度学习技术，如DeepLabV3+、UNet和UNet Style Xception，来提供更精确和高效的植被区域测量方法	研究集中在高分辨率图像的分割上，这些图像通常超过2000像素，这在农业监测的正射影像生成中是一个常见问题	开发和改进基于深度学习的作物分析技术	Opuntia spp.作物的植被区域	计算机视觉	NA	深度学习	DeepLabV3+, UNet, UNet Style Xception	图像	研究在墨西哥Hidalgo州Tulancingo农业区域的Opuntia spp.种植区进行
510	2024-08-30	Preoperative Prediction of Microvascular Invasion in Hepatocellular Carcinoma from Multi-sequence Magnetic Resonance Imaging based on Deep Fusion Representation Learning 2024-Aug-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3451331 PMID:39196745	研究论文	本研究利用深度学习技术，开发了一种新的端到端算法，用于预测手术前肝细胞癌中的微血管侵犯（MVI），通过多序列磁共振成像（MRI）进行深度融合表示学习。	引入了一种基于ResNet的多分支深度融合特征算法（DFFResNet），该算法结合了不同序列的MRI图像，增强了信息的互补性和集成性。	实验仅在兰州大学第一医院的放射科数据集上进行，样本量相对较小，可能影响模型的泛化能力。	开发一种新的算法，用于预测手术前肝细胞癌中的微血管侵犯（MVI）。	肝细胞癌中的微血管侵犯（MVI）。	机器学习	肝细胞癌	磁共振成像（MRI）	ResNet	图像	117个个体，包含七种MRI序列
511	2024-08-30	Multi-modal deep learning enables efficient and accurate annotation of enzymatic active sites 2024-Aug-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51511-6 PMID:39187482	研究论文	本文介绍了一种名为EasIFA的酶活性位点注释算法，该算法通过融合蛋白质语言模型和3D结构编码器的潜在酶表示，并利用多模态交叉注意力框架将蛋白质级信息与酶反应知识对齐，以提高注释效率和准确性。	EasIFA算法通过多模态深度学习技术，实现了对酶活性位点的高效且准确的注释，显著提高了速度和准确性，超越了现有的基于PSSM特征的深度学习注释方法和其他经验规则算法。	NA	开发一种新的酶活性位点注释算法，以提高注释速度和准确性，适用于大规模实际应用。	酶活性位点的注释	机器学习	NA	多模态深度学习	多模态交叉注意力框架	蛋白质结构数据	NA
512	2024-08-30	Automated peripheral nerve segmentation for MR-neurography 2024-Aug-26, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00503-8 PMID:39186183	研究论文	本研究应用神经网络自动分割外周神经，以提高磁共振神经成像（MRN）的诊断效率	采用深度学习模型进行外周神经的自动分割，提高了分割的准确性和效率	模型在独立测试集上的表现略有下降，未来工作需扩展训练数据并包括外周神经病变患者	开发一种自动化的外周神经分割模型，以支持MRN检查的常规阅读	外周神经及其近端分支	计算机视觉	NA	神经网络	神经分割网络	图像	训练集包含35名健康个体的70个MRN扫描，测试集包含60名健康个体的MRN扫描
513	2024-08-30	CT-based multimodal deep learning for non-invasive overall survival prediction in advanced hepatocellular carcinoma patients treated with immunotherapy 2024-Aug-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01784-8 PMID:39186192	研究论文	本研究开发了一种结合CT扫描和临床信息的深度学习模型，用于预测接受免疫治疗的晚期肝细胞癌患者的总生存期	本研究首次提出了一种结合CT扫描和临床变量的多模态深度学习模型，用于预测晚期肝细胞癌患者的总生存期，并展示了其相对于传统RECIST标准的优越性	本研究为回顾性研究，样本来自多国52个中心，可能存在选择偏倚	开发一种深度学习模型，结合CT扫描和临床信息，预测晚期肝细胞癌患者的总生存期	接受免疫治疗的晚期肝细胞癌患者	机器学习	肝细胞癌	卷积-循环神经网络（CRNN）	CRNN	图像和临床数据	207名患者（平均年龄61岁，180名男性）
514	2024-08-30	Correction of thermal airflow distortion in warpage measurements of microelectronic packaging structures via deep learning-based digital image correlation 2024-Aug-26, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-024-00764-8 PMID:39187505	研究论文	本文提出了一种基于transformer注意力机制的热气流畸变校正模型，用于微电子封装结构的热翘曲测量	该模型避免了卷积神经网络的过度平滑问题和生成对抗网络缺乏物理约束的问题，确保了斑点图案灰度梯度变化的精度	NA	解决在测量微电子封装结构热可靠性时，热气流引起的图像畸变问题	微电子封装结构的热翘曲	计算机视觉	NA	3D-DIC	transformer	图像	定制的台阶块试件
515	2024-08-30	Deep learning based approach: automated gingival inflammation grading model using gingival removal strategy 2024-08-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70311-y PMID:39187553	研究论文	本研究开发了一种基于深度学习网络的自动评估牙龈炎症模型，利用新颖的特征提取方法和牙齿移除算法提高模型性能	本研究引入了新颖的牙齿移除算法和Grad-CAM++编码器生成热图，用于计算机视觉注意力分析，提高了模型的准确性和敏感性	NA	开发一种自动评估牙龈炎症的深度学习网络模型	牙龈炎症的自动识别和评估	计算机视觉	牙周病	T-分布随机邻域嵌入（t-SNE）	卷积神经网络（CNN）	图像	NA
516	2024-08-30	BuildAMol: a versatile Python toolkit for fragment-based molecular design 2024-Aug-25, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00900-6 PMID:39183293	研究论文	介绍了一个名为BuildAMol的多功能Python工具包，用于基于片段的分子设计	BuildAMol提供了一个高度灵活和可扩展的通用分子组装框架，集成了建模、修改、优化和可视化功能，并易于与其他化学信息学库协作	NA	开发一个通用的分子建模工具，支持手动或半自动构建多种分子模型	分子建模工具BuildAMol	化学信息学	NA	NA	NA	NA	NA
517	2024-08-30	A Dataset for Detection and Segmentation of Underwater Marine Debris in Shallow Waters 2024-Aug-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03759-2 PMID:39181910	研究论文	本文介绍了首个公开的浅水区海洋垃圾实例分割/目标检测数据集——Seaclear Marine Debris Dataset，并提供了基于Faster RCNN和YOLOv6模型的目标检测基准结果	首次公开的浅水区海洋垃圾实例分割/目标检测数据集，包含8610张图像和40个对象类别	训练模型的性能在未见过的地点和相机上因领域偏移而难以泛化	开发用于自动化水下海洋垃圾收集的鲁棒目标检测模型	浅水区的海洋垃圾	计算机视觉	NA	深度学习	CNN	图像	8610张图像，包含40个对象类别
518	2024-08-30	Towards laryngeal cancer diagnosis using Dandelion Optimizer Algorithm with ensemble learning on biomedical throat region images 2024-08-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70525-0 PMID:39181918	研究论文	本文介绍了一种使用蒲公英优化算法与集成学习方法在生物医学咽喉区域图像上进行喉癌诊断的自动化方法	引入了蒲公英优化算法与集成学习方法（LCD-DOAEL），结合高斯滤波和MobileNetv2模型进行特征提取，并使用双向长短期记忆网络（BiLSTM）、正则化极限学习机（ELM）和反向传播神经网络（BPNN）进行分类	NA	旨在通过计算机辅助系统利用人工智能技术，特别是深度学习和机器学习模型，实现喉癌的自动化诊断	喉癌的诊断	计算机视觉	喉癌	深度学习、机器学习	卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、正则化极限学习机（ELM）、反向传播神经网络（BPNN）	图像	生物医学咽喉区域图像数据集
519	2024-08-30	Drought prediction using artificial intelligence models based on climate data and soil moisture 2024-Aug-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70406-6 PMID:39181958	研究论文	本研究旨在基于多种人工智能模型开发新的气象干旱指数，以描述和预测干旱情况	开发了基于决策树、广义线性模型、支持向量机、人工神经网络、深度学习和随机森林等多种人工智能模型的新的气象干旱指数	NA	开发新的气象干旱指数，以更有效地监测和预测全球范围内的干旱情况	干旱指数的开发和评估	机器学习	NA	人工智能模型	决策树、广义线性模型、支持向量机、人工神经网络、深度学习、随机森林	气候数据和土壤湿度	使用了澳大利亚爱丽斯泉的不同气候数据集
520	2024-08-30	Performance enhancement of deep learning based solutions for pharyngeal airway space segmentation on MRI scans 2024-08-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70826-4 PMID:39181978	研究论文	本文比较了多种神经网络模型在磁共振成像（MRI）扫描中对咽部气道空间自动分割的性能	采用了多种神经网络模型（如2D/3D U-Net、Deeplabv3、YOLOv8、Swinv2 UNETR、SegFormer和3D MRU-Net）以及多阶段训练和利用未标记数据预训练的策略	尽管采用了多种策略，但只有两种策略能小幅提升性能，且需要更多的计算资源	探索适用于咽部气道空间自动分割的最佳方法	咽部气道空间的自动分割	计算机视觉	NA	神经网络	CNN, Transformer	图像	未明确提及具体样本数量