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
981	2024-08-05	A natural inhibitor of diapophytoene desaturase attenuates methicillin-resistant Staphylococcus aureus (MRSA) pathogenicity and overcomes drug-resistance 2024-Aug, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.16377 PMID:38604611	研究论文	本文探讨了天然抑制剂alnustone对MRSA致病性的抑制作用及其克服耐药性的机制	利用深度学习技术构建了diapophytoene desaturase的三维结构并发现alnustone作为一种有效的抑制剂	对staphyloxanthin生物合成酶的生物结构特征和抑制剂与蛋白质之间的分子机制的理解有限	研究天然抑制剂如何对抗耐甲氧西林金黄色葡萄球菌（MRSA）感染	主要研究对象为耐甲氧西林金黄色葡萄球菌及其相关的生物合成途径	数字病理学	耐甲氧西林金黄色葡萄球菌感染	深度学习，分子建模，位点定向突变，生物层干涉法（BLI）	NA	转录组数据	小鼠模型中的MRSA菌株
982	2024-08-07	Harnessing the deep learning power of foundation models in single-cell omics 2024-Aug, Nature reviews. Molecular cell biology DOI:10.1038/s41580-024-00756-6 PMID:38926531	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
983	2024-08-05	A Brazilian native bee (Tetragonisca angustula) dataset for computer vision 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110659 PMID:39044906	研究论文	文章介绍了一个用于计算机视觉的巴西本土蜜蜂数据集	提供了用于蜜蜂追踪的多样化视频数据及其标签和元数据	研究中未提及数据集的规模或照片与视频的处理方法	证明该数据集在计算机视觉任务中的潜力	多个蜜蜂群体的视频记录	计算机视觉	NA	NA	深度学习模型	视频	多个蜜蜂群体的视频
984	2024-08-05	SeasVeg: An image dataset of Bangladeshi seasonal vegetables 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110564 PMID:39044911	研究论文	本研究介绍了一个名为'SeasVeg'的数据集，包含孟加拉国季节性蔬菜的图像	数据集的多功能性，不仅用于农业科学的机器学习和深度学习，还可用于儿童学习蔬菜识别	研究未提及数据集使用的具体上下文或限制条件	探索季节性蔬菜对营养和商业的重要性，并推动农业科学的发展	包括十种季节性蔬菜的图像数据集	机器学习	NA	深度学习	CNN	图像	4500幅图像（1500幅原始和3000幅增强）
985	2024-08-05	An instance segmentation dataset of cabbages over the whole growing season for UAV imagery 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110699 PMID:39044907	研究论文	本文介绍了一种针对整个生长季节的白菜实例分割数据集，适用于无人机图像	提供了标注的白菜图像数据集，以便通过深度学习模型进行白菜识别	目前白菜的训练数据集仍然有限	创建用于无人机影像的白菜识别训练数据集	白菜图像和其标注	机器学习	NA	深度学习	NA	图像	458张图像，17,621个标注的白菜
986	2024-08-05	Diagnostic support in pediatric craniopharyngioma using deep learning 2024-Aug, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery DOI:10.1007/s00381-024-06400-0 PMID:38647660	研究论文	本文研究了儿童颅咽管瘤患者，旨在开发用于放射学辅助分类的卷积深度学习算法	首次在本机构开展此类研究，利用可解释的人工智能和深度学习模型实现放射学诊断支持	NA	开发深度学习算法用于儿童颅咽管瘤的诊断支持	226名智利儿童患者的磁共振影像	计算机视觉	颅咽管瘤	深度学习	卷积神经网络	图像	226名患者（68名健康对照，58名颅咽管瘤患者，100名其他颅内肿瘤患者）
987	2024-08-05	Experience of Implementing Deep Learning-Based Automatic Contouring in Breast Radiation Therapy Planning: Insights From Over 2000 Cases 2024-Aug-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.02.041 PMID:38431232	研究论文	本研究评估了自动轮廓系统在乳腺放射治疗中的影响和临床实用性	本研究展示了自动轮廓系统在临床实际应用中的表现，并强调了自动化设置的必要性和潜在的自动化偏差风险	在肺部的分割准确性较差，且未能明确提及如何处理这一问题	本研究的目的是评估自动轮廓系统在乳腺放射治疗中的临床效用	研究对象为2428名接受辅助乳腺放射治疗的患者	数字病理学	乳腺癌	深度学习	NA	轮廓数据	2428名患者
988	2024-08-05	Effect of fully automatic classification model from different tube voltage images on bone density screening: A self-controlled study 2024-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111521 PMID:38850722	研究论文	本研究旨在开发结合深度学习和放射组学的骨状态预测模型，并评估管电压对放射组学特征的可重复性和模型预测效能的影响	创新地将深度学习与放射组学相结合，区分正常和异常骨密度，并分析管电压变动对模型的诊断效果的影响	放射组学模型在不同管电压下的适用性受到限制，无法普遍应用于管电压不同的图像	研究管电压对骨密度筛查模型的影响	1508名接受标准剂量和低剂量胸部CT扫描的患者	数字病理学	骨质疏松症	低剂量和标准剂量胸部计算机断层扫描 (LDCT 和 SDCT)	自动分割模型	医学图像	1508名患者
989	2024-08-05	Semantic contrast with uncertainty-aware pseudo label for lumbar semi-supervised classification 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108754 PMID:38878404	研究论文	该文章提出了一种新的方法SeCoFixMatch，将语义对比和不确定性感知伪标签无缝集成到半监督学习中	引入了语义对比约束和不确定性感知伪标签生成方法，以提高伪标签的质量和模型的预测准确性	未提及具体的局限性	提高脊柱疾病（如腰椎间盘突出）MRI图像的半监督分类性能	腰椎间盘突出（LDH）MRI图像	机器学习	腰椎间盘突出	KL损失优化	NA	图像	仅使用了40个标签进行训练
990	2024-08-05	Mammogram mastery: A robust dataset for breast cancer detection and medical education 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110633 PMID:39035836	研究论文	该数据文章呈现了一个包含乳腺癌图像的综合数据集	数据集提供了独特的视角，涵盖了来自伊拉克Sulaymaniyah地区的乳腺癌发病率和特征	数据集主要来源于特定地区，可能无法代表其他地区的情况	推动医学研究并帮助开发创新的诊断工具	乳腺癌患者和未诊断患者的图像	数字病理学	乳腺癌	深度学习算法	NA	图像	745张原始图像和9,685张增强图像
991	2024-08-05	HiRENet: Novel convolutional neural network architecture using Hilbert-transformed and raw electroencephalogram (EEG) for subject-independent emotion classification 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108788 PMID:38941902	研究论文	该论文介绍了一种新型CNN架构HiRENet，用于采用Hilbert变换和原始EEG进行独立于受试者的情感分类	HiRENet结合了原始EEG和Hilbert变换EEG作为输入，增强了相位信息与幅值信息的整合	NA	研究不同输入模式对EEG解码情感分类的影响	使用实验室制作的EEG数据库进行人类情感分类的研究	计算机视觉	NA	EEG	CNN	EEG信号	使用实验室制作的EEG数据库进行评估，样本大小未具体说明
992	2024-08-05	Skin-CAD: Explainable deep learning classification of skin cancer from dermoscopic images by feature selection of dual high-level CNNs features and transfer learning 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108798 PMID:38925085	研究论文	本研究提出了一种名为“Skin-CAD”的可解释深度学习系统，用于通过皮肤镜图像分类皮肤癌	Skin-CAD使用四个不同拓扑和深度的CNN，结合双层特征和PCA方法，减少特征维度，并采用LIME方法进行预测解释	研究中未提及样本的选择标准或者潜在偏差	旨在提高皮肤癌的诊断和分类的准确性和速度	本研究对象为皮肤镜图像，用于分类良性和恶性皮肤癌	计算机视觉	皮肤癌	深度学习	CNN	图像	两个基准数据集，分别为皮肤癌：恶性与良性和HAM10000数据集
993	2024-08-05	Automatic quantification of scapular and glenoid morphology from CT scans using deep learning 2024-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111588 PMID:38944907	研究论文	本研究开发并验证了一种开源深度学习模型，用于自动量化肩胛骨和关节盂的形态	提出现有方法的改进，通过深度学习自动分割肩胛骨并识别关键标记	在关节盂倾斜的手动和自动测量之间存在显著差异	旨在为临床提供一种准确的技术来量化肩胛骨及关节盂形态	正常受试者和患有肩关节骨关节炎的患者的CT图像	计算机视觉	肩关节骨关节炎	深度学习	NA	CT图像	116个肩胛骨（60个正常/非骨关节炎和56个病理/骨关节炎）
994	2024-08-05	AI-Driven localization of all impacted teeth and prediction of winter angulation for third molars on panoramic radiographs: Clinical user interface design 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108755 PMID:38897151	研究论文	本研究旨在利用人工智能模型在全景X光片上检测所有阻生牙并根据Winter方法对阻生智齿进行分类	使用YOLOv8深度学习算法对阻生牙进行高精度检测，并设计了用于临床的用户界面	未提及具体限制信息	检测所有阻生牙并对阻生智齿进行Winter分类	1197张全景X光片用于阻生牙的检测和1000张全景X光片用于Winter分类	数字病理学	NA	YOLOv8深度学习算法	YOLOv8	图像	1197张全景X光片用于检测及1000张用于Winter分类
995	2024-08-05	Automatic Segmentation and Alignment of Uterine Shapes from 3D Ultrasound Data 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108794 PMID:38941903	研究论文	本文介绍了一种从3D超声数据中自动分割和对齐子宫形状的方法	通过使用真实世界的3D阴道超声扫描数据建立正常子宫的形状，并开发了一种自动化系统来实现子宫形状的分割和对齐	关于子宫的研究依然缺乏大规模的数据集，现有分类缺乏基于现实世界测量的定义	填补关于正常子宫形状的知识空白，并促进与不孕症和反复流产相关的子宫形状异常的研究	基于来自多个医疗中心的3D超声图像的综合数据集进行子宫形状的自动分割和对齐	数字病理学	不孕症	深度学习	nnU-Net	图像	来自多个医疗中心的综合3D超声图像数据集
996	2024-08-05	Lesion-aware cross-phase attention network for renal tumor subtype classification on multi-phase CT scans 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108746 PMID:38878403	研究论文	本文提出了一种新颖的病灶感知交叉相位注意网络，用于多相CT影像中肾肿瘤亚型的分类	创新性在于提出了一种能够有效捕捉肾病灶在CT相位间的时间依赖关系的网络设计	本文未提及实验样本的具体限制	研究的目的是提高肾癌病灶分类的准确性	主要研究对象为多相CT影像中肾癌的病灶类型	计算机视觉	肾癌	多相CT扫描	交叉相位注意网络 (LACPANet)	图像	来自肾癌患者的多相CT扫描数据集
997	2024-08-05	State-of-art technologies, challenges, and emerging trends of computer vision in dental images 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108800 PMID:38917534	研究论文	文章概述了计算机视觉在牙科影像中的应用及其挑战和未来趋势	整合了传统图像处理与深度学习技术，概述了牙科放射影像分析的新兴方法	研究中未详细探讨每种成像技术的局限性	旨在总结计算机视觉在牙科影像中的应用及其未来发展方向	包括不同的牙科异常的解剖分割、识别和分类	计算机视觉	NA	深度学习、经典图像处理	NA	影像	NA
998	2024-08-05	Developing and validating a knowledge-based AI assessment system for learning clinical core medical knowledge in otolaryngology 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108765 PMID:38897143	研究论文	本研究开发了一种基于知识的人工智能评估系统，以促进耳鼻喉科的临床核心医学知识学习	提出了多专家知识聚合的自适应评估方案MEKAS，利用知识驱动的人工智能方法来改善医学学习	需要在更大规模和多样化的机构中进一步验证MEKAS的可扩展性、普遍性和长期影响	旨在通过MEKAS提高耳鼻喉科临床核心医学知识的学习效果	研究对象包括22名UPGY学员和8名耳鼻喉科住院医师，对其进行自学习效果的评估	数字病理学	NA	基于知识的人工智能	NA	评分数据	EG组22名UPGY学员和8名耳鼻喉科住院医师，CG组24名UPGY学员
999	2024-08-05	Dual-channel end-to-end network with prior knowledge embedding for improving spatial resolution of magnetic particle imaging 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108783 PMID:38909446	研究论文	提出了一种双通道端到端网络，通过嵌入先验知识来提高磁粒子成像的空间分辨率	开发了一种新型的深度学习方法，根据磁粒子成像的先验知识来改善图像分辨率，同时保持信噪比	现有方法未考虑导致成像模糊的物理过程，可能影响解读能力	提高磁粒子成像的空间分辨率，同时不影响信噪比	低梯度和高梯度的磁粒子成像图像	计算机视觉	NA	深度学习	双通道端到端网络	图像	模拟、幻像和体内的MPI实验
1000	2024-08-05	Deep learning-based automated detection and segmentation of bone and traumatic bone marrow lesions from MRI following an acute ACL tear 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108791 PMID:38905892	研究论文	本研究使用3D U-Net自动识别和分割急性ACL撕裂后MRI中的骨和创伤性骨髓病变。	通过多任务学习和后处理算法提高了创伤性骨髓病变的自动分割准确性，提供了一种定量评估方法。	模型的训练和测试数据来自不同的研究，可能存在数据集一致性的问题。	研究使用深度学习方法自动检测和分割急性ACL撕裂后MRI中的骨髓病变。	研究对象为经历急性全层ACL撕裂的患者的MRI扫描数据。	计算机视觉	NA	MRI	3D U-Net	图像	多个急性ACL撕裂患者的数据集