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
1021	2024-08-07	Predicting tumour origin with cytology-based deep learning: hype or hope? 2024-Sep, Nature reviews. Clinical oncology DOI:10.1038/s41571-024-00906-x PMID:38773339	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1022	2024-08-30	A Deep Learning Framework for Analysis of the Eustachian Tube and the Internal Carotid Artery 2024-Sep, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.789 PMID:38686594	研究论文	本文介绍了一种深度学习框架，用于从CT扫描中自动分割咽鼓管和颈内动脉，并计算两者之间的距离	这是首个端到端的深度学习管道，用于自动分割咽鼓管和颈内动脉，并分析这些结构之间的距离	NA	开发一种深度学习管道，自动分割咽鼓管和颈内动脉，并利用这些分割结果计算结构间的距离	咽鼓管和颈内动脉	计算机视觉	NA	CT扫描	nnU-Net	3D模型	30个CT扫描，60对咽鼓管和颈内动脉
1023	2024-08-30	Recent advances in artificial intelligent strategies for tissue engineering and regenerative medicine 2024-Sep, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.70016 PMID:39189880	综述	本文综述了人工智能策略在组织工程和再生医学领域的最新进展	结合组织工程和人工智能，创造了一种新的生物医学技术进步，特别是在深度学习方面，提供了改善科学理解和临床结果的机会	NA	探讨人工智能在组织工程和再生医学中的应用潜力	组织工程和再生医学中的支架、细胞、组织和器官的设计、制造和评估	机器学习	NA	人工智能	深度学习	NA	NA
1024	2024-08-30	PRONTO-TK: a user-friendly PROtein Neural neTwOrk tool-kit for accessible protein function prediction 2024-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae112 PMID:39193069	研究论文	本文介绍了一个名为PRONTO-TK的用户友好型蛋白质神经网络工具包，用于实现基于神经网络的复杂蛋白质功能预测工作流程的普及	PRONTO-TK提供了一个图形用户界面，使即使编程经验有限的研究人员也能利用最先进的深度学习架构进行蛋白质功能注释	NA	旨在普及基于神经网络的蛋白质功能预测工具，使更多研究人员能够使用	蛋白质功能预测工具PRONTO-TK	机器学习	NA	深度学习	神经网络	蛋白质数据	NA
1025	2024-08-29	A transformer-based unified multimodal framework for Alzheimer's disease assessment 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108979 PMID:39098237	研究论文	提出了一种基于transformer的统一多模态框架AD-Transformer，用于阿尔茨海默病评估	AD-Transformer通过整合结构磁共振成像、临床和遗传数据，创新性地使用transformer块学习输入数据的综合表示，捕捉各模态间的复杂交互	NA	提高阿尔茨海默病诊断和轻度认知障碍转换预测的准确性	阿尔茨海默病患者和轻度认知障碍患者	机器学习	阿尔茨海默病	NA	Transformer	图像和非图像数据	1651名受试者
1026	2024-08-29	Action tremor features discovery for essential tremor and Parkinson's disease with explainable multilayer BiLSTM 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108957 PMID:39098236	研究论文	本文通过引入具有可解释性的人工智能（XAI）的多层双向长短期记忆网络（BiLSTM），旨在更好地解释震颤特征并量化震颤区分中的重要区域，以区分帕金森病（PD）和原发性震颤（ET）。	本文提出的XAI-BiLSTM模型能够揭示PD和ET震颤的独特时间模式和频率范围，有助于减少误诊率并提高治疗效果。	NA	克服深度学习模型在临床应用中的不透明性，提高震颤分类的准确性。	帕金森病（PD）、原发性震颤（ET）及正常震颤的分类。	机器学习	神经退行性疾病	多层双向长短期记忆网络（BiLSTM）	BiLSTM	时间序列数据	NA
1027	2024-08-29	Brain-GCN-Net: Graph-Convolutional Neural Network for brain tumor identification 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108971 PMID:39106672	研究论文	本文提出了一种结合图神经网络和卷积神经网络的深度学习模型，用于提高脑肿瘤检测的准确性	该模型通过整合图神经网络和卷积神经网络，能够更全面地表示脑肿瘤图像并提高分类性能	NA	提高脑肿瘤检测和分类的准确性	脑肿瘤	计算机视觉	脑肿瘤	深度学习	图卷积神经网络	图像	10847张MRI图像
1028	2024-08-29	Contrastive learning based method for X-ray and CT registration under surgical equipment occlusion 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108946 PMID:39106676	研究论文	本文设计了一种基于对比学习的X射线和CT图像配准方法，以解决手术设备遮挡问题	提出了一种对比学习方法，将遮挡和未遮挡的X射线视为正样本，增强模型对遮挡的鲁棒性	未提及具体限制	提高手术导航中3D/2D图像配准的准确性，特别是在存在手术设备遮挡的情况下	X射线和CT图像的配准	计算机视觉	NA	对比学习	Transformer	图像	包含不同手术设备的遮挡X射线
1029	2024-08-29	Discovery of potential antidiabetic peptides using deep learning 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109013 PMID:39137670	研究论文	本研究利用先进的深度学习技术探索发现和预测具有抗糖尿病活性的肽（ADPs）的方法	开发了两种模型：单通道CNN和三通道神经网络（CNN + RNN + Bi-LSTM），并在独立测试集上实现了90.48%的预测准确率，超过了现有的ADP预测工具	NA	解决发现和预测具有抗糖尿病活性的肽（ADPs）的挑战	具有抗糖尿病活性的肽（ADPs）	机器学习	糖尿病	深度学习	CNN, RNN, Bi-LSTM	肽序列数据	主要从BioDADPep数据库收集ADPs，以及从抗肿瘤、抗菌和抗病毒肽数据集中收集数千个非ADPs
1030	2024-08-29	Advancing breast ultrasound diagnostics through hybrid deep learning models 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108962 PMID:39142222	研究论文	本文介绍了一种名为EfficientKNN的新型混合深度学习模型，该模型结合了EfficientNetB3的先进特征提取能力和k-最近邻（k-NN）算法的简单有效性，用于乳腺超声诊断	EfficientKNN模型通过结合EfficientNetB3和k-NN算法，实现了在医疗图像分类中的高准确率和临床适用性	NA	提高乳腺超声诊断的准确性	乳腺超声图像的分类	计算机视觉	乳腺癌	深度学习	混合模型	图像	包含良性、恶性和正常医疗图像的精选数据集
1031	2024-08-29	Semantic segmentation in skin surface microscopic images with artifacts removal 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108975 PMID:39153395	研究论文	本文研究了在皮肤表面显微图像中使用深度学习模型进行语义分割，并提出了一种新的暗角检测和去除方法来提高分割性能	引入了暗角检测和去除方法，这是一种新的皮肤病变分割方法	NA	提高深度学习模型在皮肤病变分割中的性能	皮肤表面显微图像中的常见伪影，如头发和暗角	计算机视觉	NA	深度学习	NA	图像	使用了PH2、ISIC 2017和ISIC 2018数据集
1032	2024-08-29	A cross-temporal multimodal fusion system based on deep learning for orthodontic monitoring 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109025 PMID:39159544	研究论文	本文开发了一种基于深度学习的跨时间多模态融合系统，用于正畸治疗中的风险监测，无需额外辐射	本文首次开发了基于深度学习的跨时间多模态融合系统，用于正畸治疗中的连续风险监测，无需额外辐射	NA	开发一种基于深度学习的跨时间多模态图像融合系统，用于获取牙齿和颌骨信息，增强正畸医生监测风险的能力	牙齿和颌骨的三维关系	计算机视觉	NA	CBCT 和口腔内扫描 (IOS)	深度学习模型	图像	NA
1033	2024-08-29	Osteoporotic vertebral compression fracture (OVCF) detection using artificial neural networks model based on the AO spine-DGOU osteoporotic fracture classification system 2024-Sep, North American Spine Society journal DOI:10.1016/j.xnsj.2024.100515 PMID:39188670	研究论文	本文评估了基于AO脊柱-DGOU骨质疏松性骨折分类系统的人工神经网络模型在骨质疏松性椎体压缩骨折（OVCF）检测中的潜力。	利用深度学习的人工神经网络模型快速自动识别和可视化OVCF。	NA	评估人工神经网络在OVCF检测中的潜力。	骨质疏松性椎体压缩骨折（OVCF）的检测、分类和分级。	机器学习	骨质疏松症	深度学习	ANN	CT图像	训练数据集包含934张CT图像，测试数据集包含116张CT图像。
1034	2024-08-28	Diagnostic accuracy of CT-based radiomics and deep learning for predicting lymph node metastasis in esophageal cancer 2024-Sep, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110225 PMID:38905878	meta-analysis	本文通过系统综述和荟萃分析，评估了基于CT的放射组学和深度学习在预测食管癌淋巴结转移中的诊断准确性	结合放射组学和深度学习与CT成像，为食管癌淋巴结转移的诊断提供了新的方法，有望革新预后评估和治疗计划	需要进一步的多中心研究与独立验证以确认结果并促进更广泛的临床应用	研究旨在提高食管癌淋巴结转移的诊断准确性	食管癌淋巴结转移的诊断	digital pathology	食管癌	CT-based radiomics, deep learning	DL	image	12项研究被综述，其中7项被纳入荟萃分析
1035	2024-08-28	MOCNN: A Multiscale Deep Convolutional Neural Network for ERP-Based Brain-Computer Interfaces 2024-Sep, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3390805 PMID:38713574	研究论文	本文提出了一种多尺度深度卷积神经网络（MOCNN），用于基于事件相关电位（ERP）的脑-机接口（BCI），通过多尺度特征融合提高分类性能	引入八度卷积的广义概念到ERP-BCI领域，通过分支宽度优化和多尺度信息交互有效提取时空特征	NA	提高基于ERP的脑-机接口的分类性能	ERP信号的多尺度时空特征	机器学习	NA	深度学习	CNN	信号	两个公共数据集和一个自收集的ERP数据集
1036	2024-08-27	An integrated CBLA-Net with fractional discrete wavelet transform and frequency-based CARS to predict heavy metal elements by XRF 2024-Sep-22, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2024.343073 PMID:39182974	研究论文	本文提出了一种综合框架，用于通过XRF预测土壤中重金属元素的浓度，包括预处理、变量选择和决策制定	引入了基于分数离散小波变换的最优去噪方法和基于频率的竞争自适应重加权采样算法进行特征选择，并设计了一种新的深度学习网络CBLA-Net，用于精确估计重金属元素浓度	NA	提高通过XRF技术预测土壤中重金属元素浓度的准确性	土壤中的重金属元素浓度	机器学习	NA	XRF	CBLA-Net	光谱数据	未具体说明样本数量
1037	2024-08-27	In vivo ultrasound localization microscopy for high-density microbubbles 2024-Sep, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107410 PMID:39084108	研究论文	本文介绍了一种结合Transformer和U-Net架构的深度学习框架ULM-TransUNet，用于提高高密度微泡条件下的超声定位显微成像质量	提出了ULM-TransUNet框架，能够学习重叠微泡的复杂数据模式，提高定位精度	目前仅通过数值模拟和体内实验验证，尚未在临床广泛应用	旨在提高高密度微泡条件下的超声定位显微成像性能	高密度微泡的超声定位显微成像	计算机视觉	NA	超声定位显微成像（ULM）	Transformer和U-Net	图像	具体样本数量未在摘要中提及
1038	2024-08-27	Spectral analysis enhanced net (SAE-Net) to classify breast lesions with BI-RADS category 4 or higher 2024-Sep, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107406 PMID:39047350	research paper	本文提出了一种名为SAE-Net的新型网络，结合组织微观结构信息与形态学信息，用于提高高级别乳腺病变的识别	SAE-Net通过结合灰度图像分支和光谱模式分支，能够同时学习图像形态学特征和超声射频信号的微观结构特征	NA	提高乳腺超声筛查中高级别乳腺病变的识别准确性	乳腺病变，特别是BI-RADS分类为4级或以上的病变	computer vision	breast cancer	NA	CNN	image	NA
1039	2024-08-27	Deep coherence learning: An unsupervised deep beamformer for high quality single plane wave imaging in medical ultrasound 2024-Sep, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107408 PMID:39094387	研究论文	本文提出了一种新的无监督学习方法——深度相干学习（DCL），用于提高医学超声中单平面波成像（PWI）的质量	提出的DCL-based深度学习波束形成器（DL-DCL）能够从低质量的单平面波数据中生成高质量的PWI，并具有通用波束形成能力	NA	旨在通过深度学习技术提高医学超声中单平面波成像的质量	医学超声中的单平面波成像	计算机视觉	NA	深度学习	深度相干学习（DCL）	图像	使用公开数据集进行了模拟、幻影和体内研究
1040	2024-08-27	A Multiscale Connected UNet for the Segmentation of Lung Cancer Cells in Pathology Sections Stained Using Rapid On-Site Cytopathological Evaluation 2024-Sep, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.011 PMID:38897537	研究论文	本研究提出了一种基于深度学习的分割算法，用于快速现场细胞病理学评估（ROSE），以提高内镜超声引导下经支气管针吸活检（EBUS-TBNA）手术中的诊断效率	该算法通过使用CUNet3+网络模型，能够准确分割ROSE染色病理切片中的癌细胞团簇，并在准确性上优于传统的分割算法	NA	提高肺癌早期检测的准确性	肺癌细胞在ROSE染色病理切片中的分割	数字病理学	肺癌	深度学习	CUNet3+	图像	内部测试数据集