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
981	2024-10-06	Automatic two-dimensional & three-dimensional video analysis with deep learning for movement disorders: A systematic review 2024-10, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102952 PMID:39180925	综述	本文综述了使用深度学习进行二维和三维视频分析在运动障碍诊断和分析中的最新进展	探讨了深度学习在客观视频分析运动障碍中的应用，提供了实用的低成本解决方案	主要集中在文献综述，未进行新的实验或数据分析	系统综述深度学习在运动障碍视频分析中的最新进展，提供一个综合的知识库	运动障碍，如帕金森病、共济失调、运动障碍和妥瑞氏综合征	计算机视觉	神经退行性疾病	深度学习	NA	视频	68项相关研究
982	2024-10-06	FA-Net: A hierarchical feature fusion and interactive attention-based network for dose prediction in liver cancer patients 2024-10, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102961 PMID:39180923	研究论文	本文提出了一种基于层次特征融合和交互注意力机制的剂量预测网络FA-Net，用于肝癌患者的放射治疗计划	引入层次特征融合模块和注意力机制解码器，以及在训练阶段使用自动编码器生成的感知损失来提高剂量预测的准确性	未提及具体限制	提高肝癌患者放射治疗计划中剂量预测的效率和质量	肝癌患者的CT图像和器官风险轮廓（OARs）及计划靶体积（PTV）	计算机视觉	肝癌	深度学习	FA-Net	图像	私人临床数据集
983	2024-10-06	Remote Assessment of Eczema Severity via AI-powered Skin Image Analytics: A Systematic Review 2024-10, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102968 PMID:39213813	综述	本文综述了通过AI驱动的皮肤图像分析进行特应性皮炎严重程度远程评估的研究现状	本文提出了对现有工具的改进建议，包括需要高质量、无偏见的数据集和改进的图像分析方法	研究质量受到数据集挑战的限制，许多研究未报告患者年龄范围和皮肤光型范围，且大部分数据集未公开	旨在概述现有研究的质量，并识别改进现有工具鲁棒性和可靠性的挑战和建议	特应性皮炎严重程度的远程评估	计算机视觉	皮肤疾病	深度学习	NA	图像	25篇文章，其中13篇涉及特应性皮炎区域检测，12篇涉及严重程度预测
984	2024-10-06	Accuracy of Artificial Intelligence Models in the Prediction of Periodontitis: A Systematic Review 2024-Oct, JDR clinical and translational research DOI:10.1177/23800844241232318 PMID:38589339	综述	本文系统综述了人工智能模型在预测牙周炎中的准确性	探讨了人工智能在牙周病学中的潜力，以提高风险评估的准确性和提供个性化的治疗计划	大多数研究采用回顾性设计，未考虑最新的深度学习网络，且缺乏标准化的数据收集和分析协议	评估不同人工智能模型在预测牙周炎中的实际证据	牙周炎预测的人工智能模型	机器学习	牙周病	NA	人工神经网络、支持向量机、决策树、逻辑回归、随机森林	NA	NA
985	2024-10-06	Spectral Zones-Based SHAP/LIME: Enhancing Interpretability in Spectral Deep Learning Models Through Grouped Feature Analysis 2024-Oct-01, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c02329 PMID:39289923	研究论文	本文提出了一种基于光谱区域的分组特征分析方法，通过改进SHAP和LIME算法，增强光谱深度学习模型的可解释性	本文的创新点在于不依赖于单个特征的扰动，而是通过光谱区域的分组扰动来直接估计训练模型的影响，从而提高了解释性和现实性	本文未提及具体的局限性	本文的研究目的是提高光谱深度学习模型的可解释性	本文的研究对象是光谱深度学习模型及其可解释性方法	机器学习	NA	SHAP, LIME	深度学习模型	光谱数据	NA
986	2024-10-06	Improving 18F-FDG PET Quantification Through a Spatial Normalization Method 2024-Oct-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.123.267360 PMID:39209545	研究论文	本文提出了一种基于迁移学习的深度神经网络模型，用于在没有3D MRI的情况下对F-FDG PET图像进行空间归一化	利用预训练的阿尔茨海默病PET模型进行迁移学习，实现了F-FDG PET图像的空间归一化，无需3D MRI	研究样本量较小，仅使用了103对F-FDG PET和MR图像进行微调	提高F-FDG PET图像的定量分析精度，以辅助脑部疾病的诊断和评估	F-FDG PET图像的空间归一化	计算机视觉	脑部疾病	迁移学习	深度神经网络	图像	103对F-FDG PET和MR图像用于训练，65个内部测试集和78个外部测试集用于验证
987	2024-10-06	Role of inter- and extra-lesion tissue, transfer learning, and fine-tuning in the robust classification of breast lesions 2024-10-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74316-5 PMID:39354128	研究论文	本文研究了乳腺病变分类中病变内外组织的作用，以及迁移学习和微调对深度学习分类性能的影响	本文的创新点在于考虑了肿瘤内部组织（通过腐蚀操作提取特征）和病变及周围组织（通过膨胀操作提取特征）的特征，用于分类	本文的局限性在于神经网络在存在噪声图像、输入数据变化或对抗攻击时可能产生错误输出	本文的研究目的是提高乳腺病变在超声图像中的分类准确性和模型的可解释性	本文的研究对象是乳腺病变的超声图像及其分类	计算机视觉	乳腺癌	深度学习	CNN	图像	本文使用了BUS-BRA数据库（两类/良性和恶性）进行训练和测试，以及未见过的BUSI数据库（两类/良性和恶性）进行测试
988	2024-10-06	Deep Learning Reconstruction to Improve the Quality of MR Imaging: Evaluating the Best Sequence for T-category Assessment in Non-small Cell Lung Cancer Patients 2024-Oct-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2023-0068 PMID:37661425	研究论文	本研究评估了深度学习重建（DLR）在非小细胞肺癌患者中对MR成像质量和T分期评估的影响	首次报道了DLR在T2加权成像（T2WI）、短反转时间反转恢复（STIR）成像和无增强及增强3D快速扰相梯度回波（GRE）成像中对图像质量和T分期评估的改进效果	研究仅限于非小细胞肺癌患者，且样本量相对较小	评估DLR在MR成像中提高图像质量和T分期评估的适用性	非小细胞肺癌患者的MR成像和T分期评估	计算机视觉	肺癌	深度学习重建（DLR）	NA	图像	213名经病理诊断的非小细胞肺癌患者
989	2024-10-06	Artificial neural network inference analysis identified novel genes and gene interactions associated with skeletal muscle aging 2024-Oct, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13562 PMID:39210538	研究论文	利用人工神经网络推断分析识别与骨骼肌衰老相关的新基因和基因相互作用	首次利用人工神经网络推断（ANNi）方法识别与肌肉衰老和运动相关的新基因和基因相互作用	样本量较小，且仅限于年轻和老年男性，可能影响结果的普适性	识别与肌肉衰老和运动相关的新基因、基因相互作用及分子通路和过程	年轻和老年人的肌肉转录组数据	机器学习	老年疾病	RNA-seq	人工神经网络	转录组数据	年轻组8人，老年组8人
990	2024-10-06	Automated image transcription for perinatal blood pressure monitoring using mobile health technology 2024-Oct, PLOS digital health DOI:10.1371/journal.pdig.0000588 PMID:39356720	研究论文	本文介绍了一种利用移动健康技术自动转录产前血压监测图像的新方法	开发了一种自动图像转录技术，用于从血压设备中有效转录读数，提高了血压数据的可访问性和可用性	NA	解决低识字人群中将自我测量血压监测系统中的血压数据传输到医疗健康记录或代理数据库的挑战	产前和产后期间的血压监测，特别是在资源匮乏和低识字人群中	计算机视觉	NA	深度学习	卷积神经网络	图像	49名助产士和2281名孕妇的数据
991	2024-10-05	Towards a fully automatic workflow for investigating the dynamics of lung cancer cachexia during radiotherapy using cone beam computed tomography 2024-Oct-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad7d5b PMID:39299273	研究论文	本文提出了一种基于人工智能的全自动工作流程，用于在放射治疗期间通过锥束计算机断层扫描（CBCT）监测肺癌恶病质患者的胸大肌面积变化	本文首次提出了一种基于CBCT图像的全自动人工智能工作流程，用于监测肺癌恶病质患者的胸大肌面积变化，并开发了一种基于蒙特卡罗退火的不确定性度量（UM）来评估组织分割性能	本文仅展示了概念验证，尚未在临床环境中验证该工作流程的实际应用效果	开发一种全自动的人工智能工作流程，用于在放射治疗期间监测肺癌恶病质患者的胸大肌面积变化，以实现早期干预	III期非小细胞肺癌患者	计算机视觉	肺癌	锥束计算机断层扫描（CBCT）	生成对抗网络（GAN）、U-Net	图像	140名III期非小细胞肺癌患者
992	2024-10-05	Sentiment analysis of letters of recommendation for a U.S. pain medicine fellowship from 2020 to 2023 2024-Oct-04, Pain practice : the official journal of World Institute of Pain IF:2.5Q2 DOI:10.1111/papr.13416 PMID:39364730	研究论文	研究评估了2020年至2023年美国疼痛医学奖学金申请推荐信中的偏见和差异	使用自然语言处理和深度学习工具分析推荐信中的情感和偏见	仅限于一个机构的数据，可能无法代表所有申请者	评估推荐信中的偏见和差异	推荐信中的情感和偏见	自然语言处理	NA	自然语言处理	深度学习	文本	964份申请
993	2024-10-05	Deep learning ResNet34 model-assisted diagnosis of sickle cell disease via microcolumn isoelectric focusing 2024-Oct-03, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01005a PMID:39248285	研究论文	本文提出了一种利用ResNet34深度学习模型辅助通过微柱等电聚焦技术诊断镰状细胞病的新方法	本文创新性地将ResNet34深度学习模型与微柱等电聚焦技术结合，实现了对镰状细胞病的自动化和标准化诊断	NA	开发一种更有效、自动化且成本较低的镰状细胞病诊断方法	镰状细胞病及其相关血红蛋白变异体的诊断	计算机视觉	血液疾病	微柱等电聚焦	ResNet34	图像	镰状细胞病血液样本
994	2024-10-05	Uncertainty-aware probabilistic graph neural networks for road-level traffic crash prediction 2024-Oct-02, Accident; analysis and prevention DOI:10.1016/j.aap.2024.107801 PMID:39362109	研究论文	本文介绍了一种用于道路级交通碰撞预测的不确定性感知概率图神经网络模型	首次引入时空零膨胀Tweedie图神经网络（STZITD-GNN），结合统计Tweedie家族的可解释性和图神经网络的预测能力，能够全面预测各种碰撞风险	NA	开发一种可靠且负责任的交通碰撞预测模型，以应对日益增长的公共安全问题并提高城市移动系统的安全性	道路级交通碰撞预测	计算机视觉	NA	图神经网络	STZITD-GNN	交通数据	使用来自英国伦敦的真实世界交通数据进行实证测试
995	2024-10-05	Cardiac Substructure Dose and Survival in Stereotactic Radiotherapy for Lung Cancer: Results of the Multi-Centre SSBROC Trial 2024-Oct, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2024.07.005 PMID:39097416	研究论文	研究立体定向放射治疗（SABR）对早期非小细胞肺癌患者心脏亚结构剂量与生存率的影响	首次探讨了SABR治疗中对心脏亚结构的剂量及其对生存率的影响	研究样本量较小，需要进一步在大规模研究中验证心脏亚结构剂量与生存率的关系	探讨立体定向放射治疗（SABR）对早期非小细胞肺癌患者心脏亚结构的剂量及其对生存率的影响	早期非小细胞肺癌患者在接受SABR治疗时心脏亚结构的剂量及其对生存率的影响	数字病理学	肺癌	立体定向放射治疗（SABR）	混合深度学习模型	CT影像	117名患者
996	2024-10-05	Individual identification in acoustic recordings 2024-Oct, Trends in ecology & evolution IF:16.7Q1 DOI:10.1016/j.tree.2024.05.007 PMID:38862357	研究论文	本文探讨了生物声学中的个体识别技术及其在生态和进化研究中的应用潜力	提出了利用深度学习技术改进声学个体识别方法，并建议通过在小规模时空尺度上进行案例研究来推动该技术的发展	深度学习技术的进步受限于训练数据，且当前方法不适用于许多潜在应用场景	探讨声学个体识别技术在生态和进化研究中的应用前景	生物声学中的个体识别技术及其应用	NA	NA	深度学习	NA	声学数据	NA
997	2024-10-05	A deep learning model for generating [18F]FDG PET Images from early-phase [18F]Florbetapir and [18F]Flutemetamol PET images 2024-Oct, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06755-1 PMID:38861183	研究论文	本文提出了一种深度学习模型，用于从早期阶段的[18F]Florbetapir和[18F]Flutemetamol PET图像生成[18F]FDG PET图像	利用深度学习技术从早期阶段的[18F]Florbetapir和[18F]Flutemetamol PET图像生成[18F]FDG PET图像，减少PET扫描次数、辐射剂量和患者不适	NA	评估通过深度学习从早期阶段的[18F]Florbetapir和[18F]Flutemetamol PET图像生成[18F]FDG PET图像的价值	166名认知正常、轻度认知障碍和痴呆患者	计算机视觉	阿尔茨海默病	深度学习	SwinUNETR	图像	166名受试者
998	2024-10-05	Development of a multi-modal learning-based lymph node metastasis prediction model for lung cancer 2024-Oct, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110254 PMID:39153380	研究论文	本研究提出了一种基于三维多模态学习的模型，用于自动预测和分类非小细胞肺癌患者的淋巴结转移	本研究创新性地结合了CT图像和临床信息，构建了多模态模型，并通过软投票集成技术进一步提升了分类性能	本研究仅限于非小细胞肺癌患者，且样本量主要来自多个机构的数据	研究目的是开发一种辅助工具，用于评估非小细胞肺癌患者的淋巴结转移情况，从而辅助患者筛查和治疗计划	研究对象为非小细胞肺癌患者的淋巴结转移情况	计算机视觉	肺癌	深度学习算法	多模态模型	图像和临床信息	4239名非小细胞肺癌患者
999	2024-10-05	Deep learning approaches for assessing pediatric sleep apnea severity through SpO2 signals 2024-10-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67729-9 PMID:39353980	研究论文	研究提出了一种通过分析血氧饱和度（SpO2）信号来评估儿童睡眠呼吸暂停低通气（SAH）严重程度的方法	采用ResNet和注意力增强的混合CNN-BiGRU模型处理SpO2信号，提供了一种非侵入性、儿童友好的SAH诊断方法	在严重SAH病例中准确估计AHI仍存在挑战	开发一种非侵入性方法来评估儿童SAH的严重程度	儿童SAH的严重程度评估	机器学习	NA	深度学习	ResNet, CNN-BiGRU	信号	844个SpO2信号，分为训练集（60%）、测试集（30%）和验证集（10%）
1000	2024-10-05	A deep-learning model for characterizing tumor heterogeneity using patient-derived organoids 2024-10-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73725-w PMID:39354045	研究论文	本文介绍了一种用于表征肿瘤异质性的深度学习模型，通过患者来源的类器官进行分析	本文提出了一种顺序深度学习模型，用于处理由于异质性导致的复杂性，与直接应用单一模型的常规方法形成对比	NA	开发精准医学和癌症治疗临床前研究的特征识别方法	患者来源的类器官（PDOs）的形态异质性和相关基因子集	机器学习	NA	深度学习	深度学习模型	图像	大量和多种类的患者来源类器官（PDOs）