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
821	2024-10-16	Hybrid ensemble deep learning model for advancing breast cancer detection and classification in clinical applications 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38374 PMID:39398009	研究论文	研究提出了一种混合集成深度学习模型，用于提高临床应用中乳腺癌检测和分类的准确性	该研究引入了混合模型，结合图像预处理技术和深度学习算法，显著提高了乳腺癌病变的检测和分类准确性	NA	提高乳腺癌检测和分类的准确性	乳腺X光片中的乳腺癌病变	计算机视觉	乳腺癌	对比度受限自适应直方图均衡化、高斯模糊、锐化方法、集成深度随机向量-功能链接神经网络算法、YOLOv5、MedSAM分割模型	混合集成深度学习模型	图像	20,000张乳腺X光片，800名患者
822	2024-10-16	Enhanced classification performance using deep learning based segmentation for pulmonary embolism detection in CT angiography 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38118 PMID:39398015	研究论文	开发了一种基于深度学习的算法，用于在CT肺动脉造影中自动准确地分类患者是否患有肺栓塞	使用nnU-Net进行分割，并通过基于PE体积和概率阈值的逻辑规则增强分类性能	NA	开发一种自动且准确的深度学习算法，用于在CT肺动脉造影中检测肺栓塞	CT肺动脉造影中的肺栓塞检测	计算机视觉	肺栓塞	深度学习	nnU-Net	图像	700例CT肺动脉造影检查，来自652名患者，其中149例包含1497个由放射科医生追踪的PE
823	2024-10-16	Deep geometric learning for intracranial aneurysm detection: towards expert rater performance 2024-Oct-14, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2023-020905 PMID:37833055	研究论文	本文提出了一种新颖的无模态限制的两步法用于颅内动脉瘤检测，旨在达到专家评级水平	本文提出了一种新颖的无模态限制的两步法，结合了nnU-Net和PointNet++模型，用于颅内动脉瘤的检测	NA	提高颅内动脉瘤检测的敏感性和减少误报率，达到专家评级水平	颅内动脉瘤的检测	计算机视觉	NA	深度学习	nnU-Net, PointNet++	图像	1054个MRA扫描和2174个CTA扫描
824	2024-10-16	Generative Biomedical Event Extraction with Constrained Decoding Strategy 2024-Oct-14, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3480088 PMID:39401115	研究论文	本文提出了一种基于T5预训练语言模型的生物医学事件生成模型，采用序列到序列生成范式，并使用约束解码算法和课程学习算法进行高效模型学习	本文的创新点在于采用生成模型而非传统的提取方法来处理生物医学事件提取任务，并通过约束解码算法和课程学习算法提高模型性能	NA	本文的研究目的是改进生物医学事件提取任务的处理方法，提高模型性能	本文的研究对象是生物医学事件提取任务	自然语言处理	NA	约束解码算法、课程学习算法	生成模型	文本	两个公共基准数据集：Genia 2011和Genia 2013
825	2024-10-16	TKR-FSOD: Fetal Anatomical Structure Few-Shot Detection Utilizing Topological Knowledge Reasoning 2024-Oct-14, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3480197 PMID:39401118	研究论文	提出了一种利用拓扑知识推理进行胎儿解剖结构少样本检测的方法	引入拓扑知识推理模块和判别能力增强特征学习模块，提升模型在少样本情况下的检测性能	未提及具体局限性	改进超声图像中胎儿解剖结构的检测方法，特别是在样本稀缺的情况下	胎儿超声图像中的解剖结构	计算机视觉	NA	少样本学习	TKR-FSOD	图像	5-shot
826	2024-10-16	Clinical target volume (CTV) automatic delineation using deep learning network for cervical cancer radiotherapy: A study with external validation 2024-Oct-14, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14553 PMID:39401180	研究论文	研究使用深度学习网络自动勾画宫颈癌放疗的临床靶区（CTV），并进行外部验证	提出了一种基于ResNet-UNet的ResCANet网络，通过级联多尺度卷积和空洞空间金字塔池化技术，提高了CTV自动勾画的准确性和泛化能力	未提及具体局限性	探索深度学习算法在宫颈癌放疗中CTV自动勾画的准确性和可行性，并验证其在宫颈癌和子宫内膜癌中的泛化能力	宫颈癌和子宫内膜癌的临床靶区（CTV）	计算机视觉	宫颈癌	深度学习	ResCANet	图像	共332名患者，其中236例宫颈癌病例用于训练和验证，54例宫颈癌和42例子宫内膜癌病例用于外部验证
827	2024-10-16	Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2024-Oct-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01256-x PMID:39402356	研究论文	本文提出了一种基于深度学习的方法，通过预先拍摄的照片自动估计放射摄影位置，从而优化X射线主要参数的设置	本文的创新点在于利用深度学习模型自动估计放射摄影位置，从而减少曝光错误和患者接受的辐射剂量	大多数错误发生在放射摄影位置中患者姿势相似的照片中	研究目的是通过自动估计放射摄影位置来优化X射线主要参数的设置，减少曝光错误和患者接受的辐射剂量	研究对象是放射摄影位置和X射线主要参数	计算机视觉	NA	深度学习	ConvNeXt	图像	75名志愿者在两个不同的X射线设施中拍摄的66种常见的放射摄影位置
828	2024-10-16	BCCHI-HCNN: Breast Cancer Classification from Histopathological Images Using Hybrid Deep CNN Models 2024-Oct-14, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01297-2 PMID:39402357	研究论文	本研究利用深度卷积神经网络模型从组织病理学图像中进行乳腺癌分类	本研究通过结合多种分类器（如SVM、决策树和KNN）并使用迁移学习技术，改进了深度卷积神经网络模型的性能	本研究未提及具体的局限性	旨在通过组织病理学图像的分析，利用深度卷积神经网络模型实现乳腺癌的早期和精确识别	乳腺癌的组织病理学图像	计算机视觉	乳腺癌	深度卷积神经网络（CNN）	混合深度CNN模型	图像	未提及具体样本数量
829	2024-10-16	AI-Guided Design of MALDI Matrices: Exploring the Electron Transfer Chemical Space for Mass Spectrometric Analysis of Low-Molecular-Weight Compounds 2024-Oct-14, Journal of the American Society for Mass Spectrometry IF:3.1Q1 DOI:10.1021/jasms.4c00186 PMID:39402868	研究论文	本文提出了一种基于人工智能的目标导向生成模型，用于设计适用于电子转移过程的MALDI矩阵，以优化低分子量化合物的质谱分析	本文首次利用计算化学数据和人工智能生成模型，探索了电子转移化学空间，以设计优化的MALDI矩阵	研究结果需要通过实验验证，目前尚未合成和测试生成的化合物	开发一种新的方法，利用人工智能生成模型设计适用于电子转移过程的MALDI矩阵	电子转移MALDI矩阵的设计和优化	机器学习	NA	MALDI MS	RNN	分子结构数据	30种已报道的电子转移矩阵，生成了82753种化合物
830	2024-10-16	Data-driven solutions and parameter estimations of a family of higher-order KdV equations based on physics informed neural networks 2024-Oct-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74600-4 PMID:39396058	研究论文	本文研究了基于物理信息神经网络（PINN）的高阶KdV方程的数据驱动解和参数估计	采用sine激活函数的PINN框架在学习和参数估计方面表现出更高的精度	方程的复杂性影响PINN方法的准确性和效率	探索PINN在解决高阶非线性偏微分方程（NLPDEs）中的应用	高阶KdV方程的数据驱动解和参数估计	机器学习	NA	物理信息神经网络（PINN）	神经网络	数值数据	NA
831	2024-10-16	Protein complex structure modeling by cross-modal alignment between cryo-EM maps and protein sequences 2024-Oct-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53116-5 PMID:39394203	研究论文	本文介绍了一种名为EModelX的全自动cryo-EM蛋白质复合物结构建模方法，通过跨模态对齐cryo-EM图谱和蛋白质序列实现序列引导建模	EModelX通过多任务深度学习预测Cα原子、骨架原子和氨基酸类型，并利用氨基酸轮廓与蛋白质序列对齐，提高了建模精度	NA	开发一种全自动的cryo-EM蛋白质复合物结构建模方法，提高建模精度	cryo-EM图谱和蛋白质序列	计算机视觉	NA	cryo-EM	多任务深度学习	图像	测试集中的蛋白质复合物结构
832	2024-10-16	A dataset of 0.05-degree leaf area index in China during 1983-2100 based on deep learning network 2024-Oct-11, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03948-z PMID:39394222	研究论文	本文基于深度学习网络生成了1983-2100年中国0.05度分辨率的叶面积指数（LAI）数据集	首次生成了高分辨率的LAI数据集，揭示了中国未来情景下的潜在植被变化	NA	生成高空间分辨率的LAI数据集，用于研究中国历史和未来情景下的植被变化	叶面积指数（LAI）数据集	地球与环境科学	NA	深度学习	LAI Downscaling Network (LAIDN)	叶面积指数数据	1983-2100年间的月度数据，包括历史时期（1983-2014）和未来情景（2015-2100，包括SSP-126, SSP-245, SSP-370, SSP-585）
833	2024-10-16	Fast Window-Based Event Denoising with Spatiotemporal Correlation Enhancement 2024-Oct-10, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3467709 PMID:39388326	研究论文	提出了一种基于窗口的事件去噪方法，通过时空相关性增强来提高去噪效果和实时处理能力	同时处理一组事件，而不是逐个处理，并提供了基于概率分布的理论分析来增强可解释性	NA	提高事件去噪的准确性和实时处理能力	事件数据的去噪处理	计算机视觉	NA	卷积稀疏编码	CNN	事件数据	NA
834	2024-10-16	Deep learning pipeline for automated cell profiling from cyclic imaging 2024-10-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74597-w PMID:39384907	研究论文	本文介绍了一种用于从循环成像中自动细胞分析的深度学习管道CycloNET	CycloNET能够快速处理大量数据，自动分割单个细胞并生成单细胞分子谱，从而加速对复杂生物系统的理解	NA	开发一种高效的计算管道，用于分析通过循环免疫荧光获得的原始荧光图像	头颈部鳞状细胞癌患者的22个人类样本	计算机视觉	头颈部鳞状细胞癌	循环免疫荧光	神经网络	图像	22个人类样本
835	2024-10-16	Machine Learning and Deep Learning Models for Predicting Noncovalent Inhibitors of AmpC β-Lactamase 2024-Oct-08, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c03834 PMID:39398163	研究论文	研究开发了用于预测AmpC β-内酰胺酶非共价抑制剂的机器学习和深度学习模型	开发了支持向量机、随机森林和前馈神经网络分类模型，用于预测AmpC β-内酰胺酶的非共价抑制剂	模型的交叉验证准确率在80%到82%之间，组合模型达到83%	开发新的非共价抑制剂，以应对标准β-内酰胺抑制剂的耐药性问题	AmpC β-内酰胺酶的非共价抑制剂	机器学习	NA	机器学习、深度学习	支持向量机、随机森林、前馈神经网络	化合物数据集	大量化合物数据集
836	2024-10-16	Artificial intelligence for surgical safety during laparoscopic gastrectomy for gastric cancer: Indication of anatomical landmarks related to postoperative pancreatic fistula using deep learning 2024-Oct, Surgical endoscopy DOI:10.1007/s00464-024-11117-x PMID:39093411	研究论文	本研究旨在通过深度学习技术识别与腹腔镜胃癌手术后胰腺瘘相关的解剖标志，并开发一个人工智能导航系统来实时指示这些标志	首次提出使用凹陷线（DLs）作为与术后胰腺瘘相关的解剖标志，并开发了一个实时指示这些标志的人工智能导航系统	研究样本量较小，仅包括50例腹腔镜胃癌手术病例，且验证阶段仅使用了10例病例	识别与腹腔镜胃癌手术后胰腺瘘相关的解剖标志，并开发一个人工智能导航系统来实时指示这些标志	腹腔镜胃癌手术中的解剖标志及其与术后胰腺瘘的关系	计算机视觉	胃癌	深度学习	语义分割模型	图像	50例腹腔镜胃癌手术病例，其中45例用于训练，5例用于调整超参数；验证阶段使用了10例病例
837	2024-10-16	Proton spot dose estimation based on positron activity distributions with neural network 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17297 PMID:38984805	研究论文	本研究评估了三种经典神经网络模型（RNN、U-Net和Transformer）在质子剂量估计中的有效性，并探讨了这些模型的特点，为临床实践中选择合适的模型提供了有价值的见解	本研究首次将深度学习技术应用于从正电子活性分布中估计质子剂量，展示了其在体内质子剂量监测和引导质子治疗中的潜力	研究仅使用了四个头部的CT图像进行模拟，样本量较小，且仅在脑部和鼻咽部进行了验证	评估不同神经网络模型在质子剂量估计中的性能，并探讨其在临床实践中的应用潜力	质子剂量估计的神经网络模型性能	机器学习	NA	Geant4模拟	RNN, U-Net, Transformer	正电子活性分布	四个头部的CT图像，其中三个用于训练，一个用于测试
838	2024-10-16	Generating 3D images of VMAT plans for predictive models and activation maps associated with plan deliverability 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17298 PMID:38978162	研究论文	本文提出了一种基于深度学习的预测模型，通过生成3D图像来估计VMAT计划的执行可行性，并可视化与计划执行相关的控制点特定区域	本文的创新点在于通过生成3D图像来反映VMAT计划的复杂性，并使用DenseNet模型进行预测，提供了控制点特定的信息	本文的局限性在于样本量相对较小，且仅针对左右乳房的VMAT治疗进行了研究	本文的研究目的是开发一种能够预测VMAT计划执行可行性的模型，并提供与计划执行相关的控制点特定信息	本文的研究对象是VMAT计划的执行可行性及其相关的控制点信息	机器学习	NA	深度学习	DenseNet	图像	259例左乳房和190例右乳房VMAT治疗病例，其中235例和166例用于训练，24例用于测试
839	2024-10-16	A multiscale 3D network for lung nodule detection using flexible nodule modeling 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17283 PMID:38949577	研究论文	本文提出了一种多尺度3D无锚点深度学习网络（M3N）用于肺结节检测，利用可调节结节建模（ANM）技术	本文的创新点在于提出了多尺度3D无锚点深度学习网络（M3N），并引入了可调节结节建模（ANM）和点选择策略（PSS），以加速各向异性表示的学习过程	本文的局限性在于其性能和准确性需要在临床环境中进一步验证	本文的研究目的是开发一种更鲁棒和通用的肺结节检测系统，减少对先验知识的依赖	本文的研究对象是肺结节及其在CT扫描中的检测	计算机视觉	肺癌	深度学习	3D无锚点深度学习网络	CT扫描图像	LUNA 16数据集中的样本
840	2024-10-16	Preoperative CT-based radiomics and deep learning model for predicting risk stratification of gastric gastrointestinal stromal tumors 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17276 PMID:38935330	研究论文	本文探讨了基于术前CT影像的放射组学和深度学习模型用于预测胃肠道间质瘤的风险分层	本文创新性地结合了CT形态学、放射组学和深度学习特征，构建了一个综合模型用于预测胃肠道间质瘤的术前风险分层	本文的局限性在于样本量相对较小，且依赖于手动分割肿瘤区域	研究目的是建立并评估一个机器学习模型，用于术前预测胃肠道间质瘤的风险分层	研究对象是193例胃肠道间质瘤	机器学习	胃肠道间质瘤	放射组学、深度学习	支持向量机、卷积神经网络	影像	193例胃肠道间质瘤