深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
501	2024-10-07	Accuracy of deep learning in the differential diagnosis of coronary artery stenosis: a systematic review and meta-analysis 2024-Sep-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01403-4 PMID:39285323	meta-analysis	本研究系统评价和荟萃分析了基于冠状动脉造影（CAG）或冠状动脉CT造影（CCTA）图像的深度学习模型在诊断冠状动脉狭窄中的准确性	首次系统性地评估了深度学习在冠状动脉狭窄诊断中的准确性	对于不同程度的狭窄，深度学习模型的准确性仍需进一步提高	评估基于CAG和CCTA图像的深度学习模型在诊断冠状动脉狭窄中的准确性	冠状动脉狭窄的诊断	machine learning	心血管疾病	深度学习	NA	image	3568名患者和13,362张图像	NA	NA	NA	NA
502	2024-10-06	Deep learning reveals a damage signalling hierarchy that coordinates different cell behaviours driving wound re-epithelialisation 2024-Sep-15, Development (Cambridge, England) DOI:10.1242/dev.202943 PMID:39177163	研究论文	本文使用深度学习工具量化了果蝇蛹翅上皮修复过程中不同细胞行为的贡献	首次使用深度学习工具量化伤口修复过程中不同细胞行为的贡献，揭示了损伤信号层次结构	NA	研究伤口再上皮化过程中不同细胞行为的调控机制	果蝇蛹翅上皮修复过程中的细胞行为	计算机视觉	NA	深度学习	NA	视频	NA	NA	NA	NA	NA
503	2024-10-06	Deep learning algorithms for melanoma detection using dermoscopic images: A systematic review and meta-analysis 2024-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102934 PMID:39088883	综述	本文系统回顾和荟萃分析了使用皮肤镜图像进行黑色素瘤检测的深度学习算法性能	深度学习算法在黑色素瘤诊断中的准确性与资深皮肤科医生相当	需要进一步的高质量、大规模多中心研究来解决基于医学人工智能诊断的具体挑战	评估不同深度学习算法在皮肤镜图像诊断黑色素瘤中的表现，并讨论皮肤科医生与深度学习之间的关系	深度学习算法在皮肤镜图像中检测黑色素瘤的诊断性能	计算机视觉	皮肤癌	深度学习	NA	图像	2309条记录中，37项研究符合纳入标准，27项提供了足够的数据进行荟萃分析	NA	NA	NA	NA
504	2024-10-06	CHNet: A multi-task global-local Collaborative Hybrid Network for KRAS mutation status prediction in colorectal cancer 2024-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102931 PMID:39094228	研究论文	本文提出了一种名为CHNet的多任务全局-局部协作混合网络，用于更准确地预测结直肠癌患者的KRAS突变状态	CHNet通过两个分支分别提取全局和局部特征，并设计了通道混合Transformer和空间混合Transformer来捕捉全局和局部信息，同时引入了自适应协作注意力模块和类激活图损失来增强任务间的协作和互补信息的学习	NA	提高结直肠癌患者KRAS突变状态预测的准确性，以支持个性化治疗策略的制定	结直肠癌患者的KRAS突变状态	计算机视觉	结直肠癌	Transformer, CNN	CHNet	MRI图像	T2加权MRI数据集	NA	NA	NA	NA
505	2024-10-06	Comprehensive review of deep learning in orthopaedics: Applications, challenges, trustworthiness, and fusion 2024-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102935 PMID:39079201	综述	本文全面回顾了深度学习在骨科中的应用、挑战、可信度及融合技术	首次全面综述了深度学习在骨科实践中的各个方面	数据稀缺和模型可解释性不足是主要挑战	填补深度学习在骨科应用方面的知识空白，并为研究人员提供开发可靠深度学习应用的指南	深度学习在骨科中的应用，包括骨折检测、骨肿瘤诊断、植入物识别和骨关节炎严重程度评估等	机器学习	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
506	2024-10-05	Mineral prospectivity prediction based on convolutional neural network and ensemble learning 2024-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73357-0 PMID:39349559	研究论文	本文提出了一种基于卷积神经网络和集成学习的矿产远景预测方法	通过集成学习结合卷积神经网络和自注意力机制算法，提高了矿产远景预测的稳定性和准确性	未来可以通过增加更多的矿化因素和引入新的算法结构来进一步提高结果的科学性和稳定性	解决不同算法在矿产远景预测中的不稳定问题	金矿化相关的14个因素和10种地球化学勘探数据以及4种地质因素	计算机视觉	NA	卷积神经网络	CNN	图像	14个金矿化相关因素，10种地球化学勘探数据和4种地质因素	NA	NA	NA	NA
507	2024-10-05	Deep learning for discriminating non-trivial conformational changes in molecular dynamics simulations of SARS-CoV-2 spike-ACE2 2024-09-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72842-w PMID:39349594	研究论文	本研究利用深度学习方法分析分子动力学模拟数据，预测SARS-CoV-2刺突蛋白与ACE2结合域的点突变对病毒感染性和免疫原性的影响	本研究创新性地将分子动力学模拟轨迹转化为残基间距离图，并使用深度卷积神经网络预测突变类型对病毒感染性和免疫原性的影响	本研究主要基于分子动力学模拟数据，未涉及实际实验验证	本研究的目的是利用深度学习方法分析分子动力学模拟数据，预测SARS-CoV-2刺突蛋白的点突变对病毒感染性和免疫原性的影响	本研究的对象是SARS-CoV-2刺突蛋白与ACE2结合域的分子动力学模拟轨迹	计算生物学	COVID-19	分子动力学模拟	深度卷积神经网络	分子动力学模拟数据	NA	NA	NA	NA	NA
508	2024-10-05	Sex estimation using skull silhouette images from postmortem computed tomography by deep learning 2024-09-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74703-y PMID:39349950	研究论文	本研究利用深度学习技术，通过死后计算机断层扫描（PMCT）获取的二维头骨轮廓图像进行性别估计	本研究首次将深度学习应用于死后计算机断层扫描（PMCT）获取的头骨轮廓图像进行性别估计，并展示了X射线图像在个人识别中的可行性	本研究仅使用了264个PMCT病例，样本量相对较小，可能影响结果的普适性	研究目的是通过头骨结构快速估计性别，以在灾难中进行快速个人识别	研究对象为通过死后计算机断层扫描（PMCT）获取的头骨轮廓图像	计算机视觉	NA	深度学习	AlexNet 和 VGG16	图像	264个PMCT病例（每种性别132例）	NA	NA	NA	NA
509	2024-10-05	Multiregional dynamic contrast-enhanced MRI-based integrated system for predicting pathological complete response of axillary lymph node to neoadjuvant chemotherapy in breast cancer: multicentre study 2024-Sep, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105311 PMID:39191174	研究论文	本研究开发了一种基于多区域动态对比增强磁共振成像（DCE-MRI）和临床病理特征的人工智能系统，用于预测乳腺癌新辅助化疗后腋窝淋巴结的病理完全缓解（pCR）	本研究创新性地构建了一个全自动集成系统（FAIS-DL），通过深度学习技术进行肿瘤和腋窝淋巴结分割，并预测腋窝pCR，其预测性能显著优于临床模型和基于单区域DCE-MRI的深度学习模型	本研究的主要局限性在于其多中心数据集的异质性，可能影响模型的泛化能力	开发一种人工智能系统，用于准确评估乳腺癌新辅助化疗后腋窝淋巴结的病理完全缓解	乳腺癌患者在接受新辅助化疗后的腋窝淋巴结病理完全缓解	计算机视觉	乳腺癌	动态对比增强磁共振成像（DCE-MRI）、RNA测序	深度学习模型	图像、临床病理数据	共评估了1145名患者，其中506名用于训练和验证，127名用于内部测试，414名用于外部测试，98名用于前瞻性测试	NA	NA	NA	NA
510	2024-10-04	Evaluation of deep learning estimation of whole heart anatomy from automated cardiovascular magnetic resonance short- and long-axis analyses in UK Biobank 2024-Sep-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae123 PMID:38723059	研究论文	本文评估了深度学习神经网络从心血管磁共振成像（CMR）的短轴和长轴分析中自动预测全心脏解剖结构的准确性，并比较了其与传统体积估算方法在心血管风险因素和疾病关联性上的差异	本文首次使用深度学习神经网络从CMR图像中自动预测全心脏的三维解剖结构，并展示了其与传统方法相比在关联心血管风险因素和疾病方面的优势	本文仅在UK Biobank的数据集上进行了验证，未来需要在更多样化的数据集上进行进一步验证	评估深度学习方法在自动预测心脏解剖结构及其与心血管风险因素和疾病关联性方面的有效性	左心室、右心室、左心房和右心房的体积及其与心血管风险因素和疾病的关联性	计算机视觉	心血管疾病	深度学习	神经网络	图像	4723名心血管疾病患者和5733名无心血管疾病者	NA	NA	NA	NA
511	2024-10-04	Federated influencer learning for secure and efficient collaborative learning in realistic medical database environment 2024-09-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73863-1 PMID:39349569	研究论文	提出了一种名为联邦影响者学习（FIL）的新型安全高效协作学习范式，以解决现有联邦学习（FL）在实际医疗数据库环境中面临的挑战	FIL采用平等地位的参与者结构，无需模型参数交易、中央服务器和生成模型，支持模型无关训练，提高了安全性	未提及具体局限性	提高深度学习在医疗数据环境中的性能和安全性	医疗图像数据（X射线、MRI、PET）和自然图像数据（CIFAR-10）	机器学习	NA	联邦学习（FL）	模型无关	图像	涉及大型医疗和自然图像数据集，具体样本数量未提及	NA	NA	NA	NA
512	2024-10-04	Multi-model transfer function approach tuned by PSO for predicting stock market implied volatility explained by uncertainty indexes 2024-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74456-8 PMID:39349738	研究论文	本文研究了商品市场、能源市场、经济政策和地缘政治威胁等不确定性因素对CBOE波动率指数（VIX）的预测能力	采用多模型传递函数技术，并通过粒子群优化（PSO）进行参数优化，捕捉不确定性指标与VIX之间的复杂非线性关系	NA	研究不确定性指标对美国股市波动率的预测能力	CBOE波动率指数（VIX）与不确定性指标之间的关系	机器学习	NA	粒子群优化（PSO）	多模型传递函数	时间序列数据	2012-2022年的数据	NA	NA	NA	NA
513	2024-10-04	Predicting RNA sequence-structure likelihood via structure-aware deep learning 2024-Sep-30, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05916-1 PMID:39350066	研究论文	本文开发了两种深度学习模型NU-ResNet和NUMO-ResNet，用于评估RNA序列-二级结构对的可能性	提出了NU-ResNet和NUMO-ResNet两种模型，通过3D矩阵显式编码RNA序列-结构信息，并引入了基于基本二级结构描述的2D折叠基序的自动提取方法	目前没有共识确定哪些特征最有效地表征RNA序列-结构对	开发能够准确评估RNA序列-结构对的深度学习模型	RNA序列-二级结构对	机器学习	NA	深度学习	卷积神经网络（CNN）	RNA序列-结构对	在不同RNA家族的独立测试数据集上进行了评估	NA	NA	NA	NA
514	2024-10-04	A deep learning approach for deriving wheat phenology from near-surface RGB image series using spatiotemporal fusion 2024-Sep-30, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01278-0 PMID:39350264	研究论文	本研究探讨了利用近地表RGB图像序列结合深度学习方法推导小麦物候期的潜力	本研究创新性地采用了三种不同的时空特征融合方法（顺序融合、同步融合和并行融合）构建深度学习模型，并评估了不同图像分辨率、拍摄视角和模型训练策略对模型性能的影响	本研究主要集中在小麦物候期的推导，未涉及其他作物或更广泛的农业应用	本研究的目的是开发一种准确监测小麦物候期的方法，以支持精准农业和优化作物管理实践	本研究的对象是小麦的物候期	计算机视觉	NA	深度学习	深度学习模型（基于顺序融合、同步融合和并行融合方法）	图像	未明确提及具体样本数量	NA	NA	NA	NA
515	2024-10-04	Personalized prediction of immunotherapy response in lung cancer patients using advanced radiomics and deep learning 2024-Sep-30, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00779-4 PMID:39350284	研究论文	本研究开发了一种基于高级放射组学和深度学习的预测模型，用于个性化预测肺癌患者对免疫治疗的反应	结合肿瘤内异质性和肿瘤周围血管的放射组学特征与临床特征，显著提高了对免疫治疗反应的预测能力	本研究为回顾性分析，样本量有限，未来需在前瞻性研究中验证模型的有效性	开发一种预测模型，用于预测肺癌患者在接受免疫治疗后的无进展生存期	肺癌患者及其对免疫治疗的反应	计算机视觉	肺癌	放射组学	DeepSurv	图像	206名接受免疫治疗的肺癌患者	NA	NA	NA	NA
516	2024-10-04	Real-time segmentation of biliary structure in pure laparoscopic donor hepatectomy 2024-09-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73434-4 PMID:39341910	研究论文	本研究开发了一种基于深度学习的实时分割模型，用于在纯腹腔镜供肝切除术中识别胆道结构	首次提出使用深度学习模型进行实时胆道结构分割，以辅助外科医生在纯腹腔镜供肝切除术中确定最佳切断位置	本研究仅在单个机构的回顾性分析中进行，未来需要验证模型的临床效用和泛化能力	开发一种深度学习模型，用于在纯腹腔镜供肝切除术中实时识别胆道结构	胆道结构和切断位置	计算机视觉	NA	近红外荧光技术	DeepLabV3+	视频	30个纯腹腔镜供肝切除术的术中视频，共300帧	NA	NA	NA	NA
517	2024-10-04	NA-segformer: A multi-level transformer model based on neighborhood attention for colonoscopic polyp segmentation 2024-09-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74123-y PMID:39342011	研究论文	本文提出了一种基于邻域注意力的多层次Transformer模型NA-SegFormer，用于结肠镜下息肉分割	提出了基于重叠补丁合并的邻域注意力机制的补丁合并模块，以提高现有Transformer分割算法在边缘分割上的性能	NA	提高结肠镜下息肉分割的准确性和实时性	结肠镜下息肉	计算机视觉	结肠癌	Transformer	NA-SegFormer	图像	使用了Kvasir-SEG、Kvasir-Instrument和KvasirCapsule-SEG三个数据集	NA	NA	NA	NA
518	2024-10-04	Enhanced gastric cancer classification and quantification interpretable framework using digital histopathology images 2024-09-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73823-9 PMID:39342030	研究论文	本文提出了一种新的胃癌分类和量化解释框架，通过数字病理图像分析提高胃癌分类和分割的准确性	该框架通过自适应关注图像的相关特征，实现了对传统深度学习和机器学习模型的边际改进，并在处理数据变异性和泛化能力方面表现出色	NA	旨在提高胃癌分类和分割的准确性，并增强模型的解释性	胃癌的数字病理图像	数字病理学	胃癌	深度学习 (DL) 和机器学习 (ML)	Naïve Bayes 分类器	图像	两个公开数据集，验证集准确率分别为98.87%和97.28%，测试集准确率分别为98.47%和97.31%	NA	NA	NA	NA
519	2024-10-01	The application of advanced deep learning in biomedical graph analysis 2024-Sep-27, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.09.013 PMID:39343054	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
520	2024-10-04	MRI-based deep learning for differentiating between bipolar and major depressive disorders 2024-Sep-25, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2024.111907 PMID:39357171	研究论文	本文提出了一种基于MRI的深度学习框架SE-ResNet，用于区分双相情感障碍和重度抑郁症	本文创新性地扩展了传统的Squeeze-and-Excitation层，引入空间注意力图生成分支，采用soft-pooling和7×7卷积，以检测复杂的空间模式，并通过元素级加法融合通道和空间注意力图，增强模型特征区分能力	本文仅在一个包含303名受试者的专有数据集上进行了验证，未来需要在更大规模和多样化的数据集上进行进一步验证	开发一种基于MRI的深度学习方法，以提高双相情感障碍和重度抑郁症的诊断准确性	双相情感障碍、重度抑郁症和健康对照组	计算机视觉	精神疾病	MRI	ResNet	图像	303名受试者	NA	NA	NA	NA