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
641	2024-09-21	Non-invasive diagnosis of pancreatic steatosis with ultrasound images using deep learning network 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37580 PMID:39296003	研究论文	本研究旨在验证胰腺脂肪变性（PS）是否为2型糖尿病（T2DM）的独立风险因素，并开发和验证了一种基于超声图像的深度学习模型用于PS的诊断	本研究开发了一种深度学习模型，显著提高了传统超声对PS检测的诊断准确性	本研究为回顾性研究，样本量相对较小，未来需要更大规模的前瞻性研究进一步验证	验证胰腺脂肪变性是否为2型糖尿病的独立风险因素，并开发一种新的诊断方法	胰腺脂肪变性和2型糖尿病	计算机视觉	糖尿病	深度学习	深度学习模型	图像	139名患者
642	2024-09-21	Arabic dialect identification in social media: A hybrid model with transformer models and BiLSTM 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36280 PMID:39296033	研究论文	本文提出了一种结合Transformer模型和BiLSTM的混合模型，用于阿拉伯方言在社交媒体中的识别	引入了包含121,289条用户生成评论的新数据集，并提出了两种混合模型：BiLSTM与CAMeLBERT结合，以及BiLSTM与AlBERT结合	NA	解决阿拉伯方言在社交媒体中的识别问题	阿拉伯方言的识别	自然语言处理	NA	NA	BiLSTM	文本	121,289条用户生成评论，涵盖埃及、约旦、海湾和也门四种主要阿拉伯方言
643	2024-09-21	Intelligent system based on multiple networks for accurate ovarian tumor semantic segmentation 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37386 PMID:39296061	研究论文	本文提出了一种基于多网络组合的智能系统，用于卵巢肿瘤的语义分割	通过结合不同的卷积神经网络和自定义组合算法，实现了更准确的卵巢肿瘤分割	目前仅使用了五个DeepLab-V3+网络，未来可以扩展到更强大的深度学习模型	设计更准确的医疗支持系统，以辅助医疗人员进行高效的卵巢肿瘤诊断	卵巢肿瘤，包括良性和恶性肿瘤	计算机视觉	卵巢癌	卷积神经网络	DeepLab-V3+	图像	未明确提及具体样本数量
644	2024-09-21	MobileNet-V2 /IFHO model for Accurate Detection of early-stage diabetic retinopathy 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37293 PMID:39296185	研究论文	提出了一种新的策略，通过结合MobileNet-V2深度学习网络和改进的Fire Hawk优化器（IFHO）来提高糖尿病视网膜病变的检测准确性	结合了MobileNet-V2和IFHO优化器，优化了特征选择过程，提高了检测的准确性和效率	需要在大规模数据集上进行进一步验证和测试，以验证模型在实际临床场景中的有效性和鲁棒性	提高糖尿病视网膜病变的早期检测准确性	糖尿病视网膜病变	计算机视觉	眼科疾病	深度学习	MobileNet-V2	图像	使用了Diabetic Retinopathy 2015数据集
645	2024-09-21	Detection of real-time deep fakes and face forgery in video conferencing employing generative adversarial networks 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37163 PMID:39296212	研究论文	本文提出了一种基于深度条件生成对抗网络（CED-DCGAN）的紧凑集成判别器架构，用于实时检测视频会议中的深度伪造和人脸伪造	采用了一种独特的主动取证策略，通过紧凑集成判别器架构来识别高保真度的深度伪造视频	NA	开发一种能够实时检测视频会议中深度伪造和人脸伪造的方法	视频会议中的深度伪造和人脸伪造	计算机视觉	NA	生成对抗网络（GAN）	深度条件生成对抗网络（DCGAN）	视频	使用公开数据集进行实验
646	2024-09-21	Non-invasive multimodal CT deep learning biomarker to predict pathological complete response of non-small cell lung cancer following neoadjuvant immunochemotherapy: a multicenter study 2024-Sep-03, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2024-009348 PMID:39231545	研究论文	本研究利用多模态CT和深度学习技术，构建了一个非侵入性的生物标志物模型，用于预测非小细胞肺癌在接受新辅助免疫化疗后的病理完全反应	本研究首次利用多模态CT和深度学习技术，构建了一个非侵入性的生物标志物模型，用于预测非小细胞肺癌在接受新辅助免疫化疗后的病理完全反应	本研究仅在特定时间段内的多中心数据上进行了验证，未来需要在更多样本和更广泛的数据集上进行验证	开发一种非侵入性的生物标志物，用于预测非小细胞肺癌在接受新辅助免疫化疗后的病理完全反应	非小细胞肺癌患者在接受新辅助免疫化疗后的病理完全反应	计算机视觉	肺癌	深度学习	CNN	图像	训练和验证数据集包含113名患者，测试数据集包含112名患者
647	2024-09-21	Spatial host-microbiome sequencing reveals niches in the mouse gut 2024-Sep, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-023-01988-1 PMID:37985876	研究论文	本文介绍了一种名为空间宿主-微生物组测序（SHM-seq）的新方法，用于捕获小鼠肠道组织中的组织病理学、多聚腺苷酸RNA和细菌16S序列	SHM-seq方法通过修改空间条码玻璃表面，实现了宿主转录本和16S细菌核糖体RNA的超变区的同时捕获	NA	研究宿主-微生物组在健康和疾病中的相互作用	小鼠肠道组织中的细胞和微生物网络	NA	NA	空间宿主-微生物组测序（SHM-seq）	深度学习	组织病理学、多聚腺苷酸RNA、细菌16S序列	小鼠肠道组织样本
648	2024-09-21	Are deep learning classification results obtained on CT scans fair and interpretable? 2024-Sep, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01419-8 PMID:38573489	研究论文	本文探讨了在CT扫描上使用深度学习进行分类时，结果是否公平且可解释	提出了一种严格的病人级别分离训练方法，以提高模型的实际可用性和解释性	未提及具体的技术细节或实验结果，仅提出了一个理论上的改进方向	探讨深度学习在医学图像分类中的公平性和可解释性问题	CT扫描图像和肺结节分类	计算机视觉	肺部疾病	深度学习	深度神经网络	图像	NA
649	2024-09-21	Pretraining of 3D image segmentation models for retinal OCT using denoising-based self-supervised learning 2024-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.524603 PMID:39296384	研究论文	本文探讨了利用基于图像恢复技术的3D自监督学习来预训练3D图像分割模型，以提高视网膜OCT图像的分割性能	本文提出了基于图像恢复和去噪的3D自监督学习方法，用于预训练3D网络，从而减少对分割标注的依赖	本文未提及具体的局限性	提高视网膜OCT图像分割的自动化程度和性能	视网膜OCT图像中的生物标志物分割	计算机视觉	NA	自监督学习	U-Net	3D图像	使用了大量3D OCT数据集进行预训练，并在两个具有挑战性的液体分割数据集上进行微调
650	2024-09-21	High-resolution in vivo 4D-OCT fish-eye imaging using 3D-UNet with multi-level residue decoder 2024-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.532258 PMID:39296392	研究论文	本文介绍了一种基于3D-UNet和多级残差解码器的高分辨率4D-OCT鱼眼成像系统	提出了一种基于深度学习的实时4D-OCT系统，能够重建近无畸变的体图像，并通过多级信息融合加速收敛和提高精度	NA	解决3D-OCT成像中的运动伪影问题，实现高分辨率实时成像	生物组织的高分辨率体成像	计算机视觉	NA	光学相干断层扫描(OCT)	卷积神经网络(CNN)	图像	NA
651	2024-09-21	Fluorescence diffuse optical monitoring of bioreactors: a hybrid deep learning and model-based approach for tomography 2024-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.529884 PMID:39296388	研究论文	本文提出了一种混合深度学习和模型优化方法，用于生物反应器的荧光扩散光学层析成像监测	通过结合经典模型优化和神经网络，提出了一种改进的荧光扩散光学层析成像方法，显著提高了在噪声条件下的重建精度	NA	提高生物反应器中细胞状态监测的准确性	生物反应器中的细胞状态	计算机视觉	NA	荧光扩散光学层析成像（fDOT）	神经网络	图像	模拟和实际实验数据
652	2024-09-21	Deep learning techniques for Alzheimer's disease detection in 3D imaging: A systematic review 2024-Sep, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.70025 PMID:39296636	综述	本文系统回顾了深度学习技术在阿尔茨海默病3D影像检测中的应用	本文评估了深度学习方法在阿尔茨海默病检测中的当前状态、效率和潜在改进	本文主要集中在理论模型和实际实施问题的讨论上	评估深度学习方法在阿尔茨海默病3D影像检测中的应用现状和潜在改进	阿尔茨海默病的3D影像数据	计算机视觉	阿尔茨海默病	深度学习	卷积神经网络（CNN）	3D影像	87篇文章，其中31篇讨论模型和理论，56篇讨论实际实施问题
653	2024-09-21	A deep learning model for personalized intra-arterial therapy planning in unresectable hepatocellular carcinoma: a multicenter retrospective study 2024-Sep, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102808 PMID:39296944	研究论文	本文提出了一种基于深度学习的个性化肝动脉内治疗计划模型，用于不可切除的肝细胞癌患者	本文创新性地使用SELECTION模型和ATOM模型，通过生存评分来优化不可切除肝细胞癌患者的治疗选择	本文的局限性在于其为回顾性多中心研究，且依赖于特定的治疗方式和数据集	研究目的是开发一种基于人工智能的个性化治疗计划模型，以提高不可切除肝细胞癌患者的治疗效果	研究对象为1725名接受过预手术CECT扫描的不可切除肝细胞癌患者	机器学习	肝癌	深度学习	Transformer	图像	1725名患者
654	2024-09-20	[Applications of artificial intelligence for imaging-driven diagnosis and treatment of bone and soft tissue tumors] 2024-Sep-23, Zhonghua zhong liu za zhi [Chinese journal of oncology] DOI:10.3760/cma.j.cn112152-20231024-00215 PMID:39293988	综述	本文综述了人工智能在骨与软组织肿瘤影像诊断和治疗中的应用	探讨了深度学习技术在骨与软组织肿瘤影像分析中的应用，包括图像分割、肿瘤检测、分类、分级和分期、化疗效果评估、复发和预后预测等方面	未提及具体的技术挑战和数据限制	综述人工智能在骨与软组织肿瘤影像诊断和治疗中的应用现状及未来展望	骨与软组织肿瘤的影像诊断和治疗	计算机视觉	骨与软组织肿瘤	深度学习	CNN	图像	NA
655	2024-09-20	Efficient inverse design of optical multilayer nano-thin films using neural network principles: backpropagation and gradient descent 2024-Sep-19, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr01667j PMID:39196333	研究论文	本文介绍了一种利用神经网络原理进行光学多层纳米薄膜逆向设计的新方法	该方法通过网络传递矩阵的反向传播，利用链式法则计算梯度，无需额外的学习过程即可确定最佳层厚度	NA	提高光学多层纳米薄膜设计的效率和准确性	光学多层纳米薄膜的层厚度优化	机器学习	NA	神经网络	NA	NA	NA
656	2024-09-20	All-Atom Protein Sequence Design Based on Geometric Deep Learning 2024-Sep-19, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202411461 PMID:39295564	研究论文	介绍了一种基于几何深度学习的全原子蛋白质序列设计框架GeoSeqBuilder	整合了蛋白质序列生成与侧链构象预测，实现了设计序列的全原子结构生成，并考虑了邻近残基的三体相互作用	需要进一步测试以验证其广泛适用性	开发一种能够为特定蛋白质骨架设计新功能蛋白质序列的工具	蛋白质序列设计与侧链构象预测	机器学习	NA	几何深度学习	深度学习框架	蛋白质结构数据	15个测试序列，5个设计实例
657	2024-09-20	Prediction of aptamer affinity using an artificial intelligence approach 2024-Sep-18, Journal of materials chemistry. B DOI:10.1039/d4tb00909f PMID:39158322	研究论文	研究利用人工智能方法预测适配体亲和力	结合机器学习和深度学习模型，提出了一种快速预测适配体与目标分子结合亲和力的方法	NA	探讨人工智能在适配体亲和力预测中的应用	适配体与目标分子的结合亲和力	机器学习	NA	分子动力学模拟	机器学习和深度学习	序列数据	NA
658	2024-09-20	Ultrastretchable, Ultralow Hysteresis, High-Toughness Hydrogel Strain Sensor for Pressure Recognition with Deep Learning 2024-Sep-18, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c12419 PMID:39230598	研究论文	本文介绍了一种具有超拉伸性、低滞后性和高韧性的水凝胶应变传感器，并展示了其在压力识别中的应用	提出了一种双重物理交联的聚丙烯酰胺/透明质酸/蒙脱土水凝胶，实现了超高的拉伸性、低滞后性和高韧性	NA	开发一种具有优异机械性能的水凝胶材料，并探索其在柔性可穿戴设备中的应用	聚丙烯酰胺/透明质酸/蒙脱土水凝胶及其在应变传感器中的应用	NA	NA	NA	深度学习	NA	NA
659	2024-09-20	Deep Learning for Echo Analysis, Tracking, and Evaluation of Mitral Regurgitation (DELINEATE-MR) 2024-Sep-17, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.124.068996 PMID:38881496	研究论文	本文开发了一种深度学习系统，用于分析、追踪和评估二尖瓣反流，并测试了其在内部和外部测试集中的性能	本文提出了一种新颖的深度学习系统，能够处理完整的经胸超声心动图，识别彩色多普勒视频，并根据阅读心脏病专家的标准确定二尖瓣反流的严重程度	大多数误分类差异出现在无/微量和轻度二尖瓣反流之间，且在偏心性二尖瓣反流病例中的表现略低	开发和验证一种端到端的深度学习系统，用于准确分类二尖瓣反流的严重程度	二尖瓣反流的严重程度分类	机器学习	心血管疾病	深度学习	深度学习系统	视频	总共61,689例经胸超声心动图，分为训练集（43,811例）、验证集（8,891例）、内部测试集（8,987例）和外部测试集（8,208例）
660	2024-09-20	High-Throughput Deep Learning Detection of Mitral Regurgitation 2024-Sep-17, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.124.069047 PMID:39129623	研究论文	研究开发并验证了一种全自动深度学习管道，用于识别带有彩色多普勒超声心动图的顶端四腔视图视频，并检测经胸超声心动图中的临床显著性二尖瓣反流	提出了一种新颖的全自动管道，用于从完整的经胸超声心动图研究中识别临床显著性二尖瓣反流	NA	开发和验证一种全自动深度学习管道，用于检测临床显著性二尖瓣反流	二尖瓣反流	机器学习	心血管疾病	深度学习	深度学习模型	视频	58614例经胸超声心动图（2587538个视频）用于开发和测试，1800例研究（80833个视频）用于内部测试，915例研究（46890个视频）用于外部评估