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
721	2024-09-19	Instance segmentation of cells and nuclei from multi-organ cross-protocol microscopic images 2024-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-801 PMID:39281162	研究论文	本文提出了一种用于多器官跨协议显微图像中细胞和细胞核实例分割的模型	采用了YOLOv9-E模型生成边界框提示，并通过预训练的SAM模型进行零样本推理生成分割掩码，最后使用非极大值抑制和图像处理方法进行掩码细化	NA	开发一种计算机辅助方法，利用图像处理技术和深度学习算法来解决显微图像中细胞和细胞核分割的挑战	多器官跨协议显微图像中的细胞和细胞核	计算机视觉	NA	深度学习算法	YOLOv9-E, SAM	图像	4738张显微图像
722	2024-09-19	Multidimensional quantitative characterization of periocular morphology: distinguishing esotropia from epicanthus by deep learning network 2024-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-155 PMID:39281168	研究论文	本研究利用深度学习模型对眼周形态进行多维度定量分析，以区分内斜视和内眦赘皮	首次应用深度学习模型对眼周形态进行定量分析，以区分内斜视和内眦赘皮	样本量有限，仅包括300名受试者	开发一种客观的方法来区分内斜视和内眦赘皮	7-18岁患有单纯内眦赘皮或共同性内斜视的儿童及健康志愿者	计算机视觉	NA	深度学习	深度学习网络	图像	300名受试者
723	2024-09-19	Automatic substantia nigra segmentation with Swin-Unet in susceptibility- and T2-weighted imaging: application to Parkinson disease diagnosis 2024-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-27 PMID:39281181	研究论文	本文开发了一种基于Swin-Unet的深度学习方法，用于在磁敏感加权成像（SWI）和T2加权成像（T2WI）上自动分割黑质区域，并应用于帕金森病（PD）的诊断	本文创新性地使用Swin-Unet进行黑质区域的自动分割，并结合机器学习模型区分PD患者和健康对照组	本文未详细讨论模型的泛化能力和在不同数据集上的表现	开发一种自动化的深度学习方法，用于在SWI和T2WI上准确分割黑质区域，并辅助帕金森病的诊断	帕金森病患者和健康对照组的黑质区域	计算机视觉	神经退行性疾病	磁共振成像（MRI）	Swin-Unet	图像	83名帕金森病患者和83名年龄性别匹配的健康对照组
724	2024-09-19	Deep learning model based on primary tumor to predict lymph node status in clinical stage IA lung adenocarcinoma: a multicenter study 2024-Sep, Journal of the National Cancer Center IF:7.6Q1 DOI:10.1016/j.jncc.2024.01.005 PMID:39281718	研究论文	开发了一种基于深度学习的模型，用于预测临床IA期肺腺癌患者的淋巴结状态	首次使用深度残差网络（ResNet）模型来预测肺腺癌患者的淋巴结状态，并展示了其在多中心数据集上的泛化能力	研究样本主要来自两家医院，可能存在样本偏倚	开发和验证一种深度学习模型，用于预测临床IA期肺腺癌患者的淋巴结状态	临床IA期肺腺癌患者及其淋巴结状态	计算机视觉	肺癌	深度学习	ResNet	图像	1009名病理确诊的临床T1N0M0期肺腺癌患者
725	2024-09-19	A novel universal deep learning approach for accurate detection of epilepsy 2024-09, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2024.104219 PMID:39284648	研究论文	提出了一种新的通用深度学习方法，用于从任何设备的脑电图信号中准确检测癫痫	将VEEG视频转换为图像，分离部分并统一来自不同设备的图像，通过添加空间注意力层提高分类准确率	脑电图数据稀缺且来自不同设备，通道数和采样频率不同	构建高精度的癫痫诊断模型	脑电图信号	机器学习	癫痫	深度学习	NA	图像	视频被分割成不同周期的标记帧进行测试
726	2024-09-18	EGDP based feature extraction and deep convolutional belief network for brain tumor detection using MRI image 2024-Sep-16, Network (Bristol, England) DOI:10.1080/0954898X.2024.2389248 PMID:39285629	研究论文	本文提出了一种基于MRI图像的脑肿瘤检测的深度学习框架	提出了EGDP特征提取方法和深度卷积信念网络（DCvB-Net）用于脑肿瘤检测	未提及具体局限性	开发一种新的深度学习方法用于MRI图像的脑肿瘤检测	MRI图像中的脑肿瘤	计算机视觉	脑肿瘤	深度学习	深度卷积信念网络（DCvB-Net）	图像	未提及具体样本数量
727	2024-09-17	Toward an Explainable Large Language Model for the Automatic Identification of the Drug-Induced Liver Injury Literature 2024-Sep-16, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.4c00134 PMID:39190012	研究论文	本文开发了一种基于LLaMA-2的大型语言模型，用于自动识别药物性肝损伤相关文献	首次利用LLaMA-2模型进行药物性肝损伤文献的自动识别，相较于其他语言模型，LLaMA-2在准确性和ROC曲线下面积方面表现更优	尽管LLaMA-2在训练集上表现优异，但在实际临床研究和监管应用中的性能仍需进一步验证	开发一种能够自动识别药物性肝损伤相关文献的高效工具，以支持药物安全监测和监管审查	药物性肝损伤相关文献的自动识别	自然语言处理	NA	大型语言模型	LLaMA-2	文本	14203篇训练文献
728	2024-09-17	Prediction of Cytochrome P450 Substrates Using the Explainable Multitask Deep Learning Models 2024-Sep-16, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.4c00199 PMID:39196814	研究论文	本文构建了多任务深度学习模型，用于预测五种主要药物代谢P450酶的底物	采用多任务指纹和图神经网络模型，相较于单任务模型和传统机器学习模型，在测试集上取得了更高的平均AUC值	NA	在药物开发的早期阶段，预测化合物是否为特定P450酶的底物	五种主要的药物代谢P450酶（CYP3A4, 2C9, 2C19, 2D6, 和1A2）的底物	机器学习	NA	多任务学习模型	图神经网络	化合物数据	收集的底物数据集
729	2024-09-17	Single-cell profiling uncovers proliferative cells as key determinants of survival outcomes in lower-grade glioma patients 2024-Sep-14, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-024-01302-8 PMID:39276278	研究论文	本研究利用单细胞RNA测序和批量RNA测序，识别出一种与低级别胶质瘤患者预后不良相关的新型细胞类型，并构建了一个基于人工智能网络的预测模型	本研究首次识别出一种名为“Prol”的新型细胞类型，并构建了一个基于人工智能网络的预测模型，该模型在低级别胶质瘤预后预测中表现出更高的准确性，并具有泛癌预后潜力	NA	本研究旨在通过单细胞RNA测序和批量RNA测序，识别出与低级别胶质瘤患者预后相关的新型细胞类型，并开发新的预后标志物和治疗策略	低级别胶质瘤患者及其肿瘤细胞	数字病理学	脑肿瘤	单细胞RNA测序	人工智能网络	RNA	NA
730	2024-09-17	Cone-beam CT landmark detection for measuring basal bone width: a retrospective validation study 2024-Sep-14, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04798-2 PMID:39277722	研究论文	本文评估了一种深度学习模型在测量基底骨宽度地标中的有效性，并将其与手动测量进行了比较	开发了一种基于U-Net算法的粗到细深度学习模型，用于测量基底骨宽度地标，提高了诊断准确性	仅在34个CBCT扫描上进行了测试，样本量较小	评估深度学习模型在测量基底骨宽度中的有效性，并探讨其在正畸实践中的应用潜力	基底骨宽度的测量及其在正畸诊断中的应用	计算机视觉	NA	深度学习	U-Net	图像	训练集：80个CBCT图像，验证集：10个CBCT图像，测试集：34个CBCT图像
731	2024-09-17	Automatic 3D pelvimetry framework in CT images and its validation 2024-Sep-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72123-6 PMID:39271720	研究论文	本文提出了一种基于深度学习技术的自动测量骨盆CT图像的框架，用于计算三维骨盆参数	该框架利用深度学习技术自动计算骨盆参数，取代了传统的手动测量方法，大大提高了计算速度	实验仅在15名患者的数据上进行了验证，样本量较小	开发一种自动测量骨盆参数的方法，以提高诊断和治疗脊柱疾病的效率	骨盆CT图像及其三维参数	计算机视觉	脊柱疾病	深度学习	DRINet, VGG16	图像	15名患者
732	2024-09-17	Predicting prognosis for epithelial ovarian cancer patients receiving bevacizumab treatment with CT-based deep learning 2024-Sep-13, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00688-6 PMID:39271912	研究论文	本研究开发并验证了一种基于深度学习的模型，用于预测接受贝伐珠单抗治疗的卵巢癌患者的预后	本研究首次利用CT影像数据结合深度学习模型，预测卵巢癌患者的无进展生存期，并结合多模态数据提高预测准确性	本研究仅限于回顾性数据，且样本量相对较小，未来需要更多前瞻性研究和更大样本量验证	开发和验证一种深度学习模型，用于预测接受贝伐珠单抗治疗的卵巢癌患者的预后	接受贝伐珠单抗治疗的卵巢癌患者	计算机视觉	卵巢癌	深度学习	深度学习模型	CT影像	525名患者，分为训练集（400名）、内部测试集（97名）和外部测试集（28名）
733	2024-09-17	Detection of Alcoholic EEG signal using LASSO regression with metaheuristics algorithms based LSTM and enhanced artificial neural network classification algorithms 2024-Sep-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72926-7 PMID:39271921	研究论文	本文提出了一种基于LASSO回归和元启发式算法的长短期记忆网络（LSTM）及增强人工神经网络分类算法，用于自动检测酒精性脑电信号	本文的创新点在于使用LASSO回归进行初始聚类和特征提取，并结合多种元启发式算法（如PSO、BCHS和BDA）进行特征最小化，最终通过多种分类模型（如SVM、随机森林、ANN、EANN和LSTM）进行分类，实现了高精度的酒精性脑电信号检测	NA	本文的研究目的是开发一种自动检测酒精性脑电信号的方法，以快速识别酒精中毒并提高公共卫生水平	本文的研究对象是酒精性和非酒精性个体的脑电信号	机器学习	NA	LASSO回归、元启发式算法（PSO、BCHS、BDA）	长短期记忆网络（LSTM）、增强人工神经网络（EANN）	脑电信号	NA
734	2024-09-17	Permethrin exposure primes neuroinflammatory stress response to drive depression-like behavior through microglial activation in a mouse model of Gulf War Illness 2024-Sep-13, Journal of neuroinflammation IF:9.3Q1 DOI:10.1186/s12974-024-03215-3 PMID:39272155	研究论文	本研究探讨了在海湾战争疾病（GWI）小鼠模型中，氯菊酯暴露如何通过小胶质细胞激活引发神经炎症应激反应，从而驱动抑郁样行为	首次揭示了氯菊酯暴露后通过小胶质细胞激活引发神经炎症应激反应，导致抑郁样行为，并使用单细胞RNA测序分析了相关转录网络的变化	研究仅限于小鼠模型，结果可能不完全适用于人类	评估氯菊酯暴露是否能引发与海湾战争疾病相关的神经炎症应激反应和精神症状	海湾战争疾病小鼠模型中的小胶质细胞激活和抑郁样行为	NA	NA	单细胞RNA测序	深度学习模型	RNA	21,566个单核细胞
735	2024-09-17	Detection of Pulmonary Nodules on Ultra-low Dose Chest Computed Tomography With Deep-learning Image Reconstruction Algorithm 2024-Sep-13, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000806 PMID:39267547	研究论文	评估深度学习图像重建算法在超低剂量胸部CT中检测肺结节的准确性	使用深度学习图像重建算法（DLIR）在超低剂量胸部CT中提高肺结节检测的敏感性	研究样本量较小，且未涵盖所有可能的肺结节位置和大小	评估超低剂量胸部CT结合深度学习图像重建算法在肺结节检测中的准确性	60名因评估或随访实性肺结节而接受检查的患者	计算机视觉	肺部疾病	深度学习图像重建（DLIR）	深度学习模型	CT图像	60名患者
736	2024-09-17	Consensus of algorithms for lesion segmentation in brain MRI studies of multiple sclerosis 2024-09-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72649-9 PMID:39266642	研究论文	本文提出了一种基于共识的框架，用于改进多发性硬化症脑部MRI扫描中的病灶分割	通过结合多种公开的先进深度学习模型，该框架在病灶分割任务中提高了重叠和检测分数，并克服了单一算法的局限性	未对所包含的算法进行进一步训练	改进多发性硬化症脑部MRI扫描中的病灶分割	多发性硬化症患者的脑部MRI扫描图像	计算机视觉	多发性硬化症	深度学习	NA	图像	131名和30名多发性硬化症患者的数据集
737	2024-09-17	An attentional mechanism model for segmenting multiple lesion regions in the diabetic retina 2024-09-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72481-1 PMID:39266650	研究论文	本文提出了一种用于糖尿病视网膜病变多病变区域分割的注意力机制模型	本文创新性地提出了多尺度空间注意力门（MSAG）机制网络，通过合并低级空间细节和高级语义内容，分配层次注意力权重以实现精确分割	NA	解决糖尿病视网膜病变多病变区域分割中微小特征提取不足和微动脉瘤遗漏的问题	糖尿病视网膜病变的多病变区域	计算机视觉	糖尿病	深度学习	CNN	图像	使用公开数据集IDRiD和DDR进行实验
738	2024-09-17	Inferring gene regulatory networks with graph convolutional network based on causal feature reconstruction 2024-09-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71864-8 PMID:39266676	研究论文	本文提出了一种基于因果特征重构的图卷积网络方法来推断基因调控网络	利用图卷积网络结合因果信息进行基因调控网络推断，并通过转移熵和重构层实现因果特征重构，减少了多轮邻居聚合导致的信息损失	NA	推断基因调控网络	基因表达数据	计算生物学	NA	图卷积网络	图卷积网络	基因表达数据	DREAM5和mDC数据集
739	2024-09-17	Gluconeogenesis unraveled: A proteomic Odyssey with machine learning 2024-Sep-12, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.09.002 PMID:39276958	研究论文	本文利用机器学习和深度学习模型预测糖异生效率	结合深度学习和机器学习算法与代谢途径，预测糖异生效率	数据可用性有限和模型可解释性不足	预测糖异生效率以识别代谢紊乱并制定有效的治疗策略	糖异生途径及其相关蛋白质	机器学习	代谢疾病	机器学习	随机森林	蛋白质结构数据	NA
740	2024-09-17	Enhancing Cone-Beam CT Image Quality in TIPSS Procedures Using AI Denoising 2024-Sep-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14171989 PMID:39272773	研究论文	本研究评估了一种基于深度学习的去噪算法，以改善TIPSS手术中辐射剂量、图像噪声和运动伪影之间的平衡	提出了一种基于深度学习的去噪算法，用于提高锥束CT图像质量	研究为回顾性研究，样本量有限	旨在缩短采集时间并减少辐射，同时保持诊断质量	TIPSS手术中的锥束CT图像	计算机视觉	NA	深度学习	NA	图像	60名TIPSS患者，其中44名被选中并配对