深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
641	2024-12-24	Advanced AI-Driven Prediction of Pregnancy-Related Adverse Drug Reactions 2024-Dec-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01657 PMID:39611337	研究论文	本研究开发并验证了基于机器学习和深度学习技术的妊娠相关药物不良反应风险预测模型	本研究首次使用DMPNN模型结合分子图信息和分子描述符，在预测妊娠相关药物不良反应方面表现出最高的预测性能	NA	开发和验证妊娠相关药物不良反应的风险预测模型	妊娠相关药物不良反应	机器学习	NA	机器学习（ML）和深度学习（DL）技术	DMPNN模型、图神经网络、图卷积网络、随机森林、支持向量机、XGBoost	真实世界数据	22种口服降糖药物	NA	NA	NA	NA
642	2024-12-24	[Effect of Training Data Differences on Accuracy in MR Image Generation Using Pix2pix] 2024-Dec-20, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.2024-1487 PMID:39477465	研究论文	本文研究了不同训练数据模式对使用Pix2pix生成MR图像准确性的影响	本文首次探讨了不同训练数据模式对MR图像生成准确性的影响	本文仅在头部MR图像上进行了实验，未涵盖其他类型的MR图像	研究不同训练数据模式对MR图像生成准确性的影响	头部MR图像的T1加权图像生成	计算机视觉	NA	深度学习	Pix2pix	图像	300例头部MR图像，每种模型有四种训练数据模式	NA	NA	NA	NA
643	2024-12-24	Transferable deep learning with coati optimization algorithm based mitotic nuclei segmentation and classification model 2024-12-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80002-3 PMID:39702593	研究论文	本文提出了一种基于Coati优化算法和深度学习的分裂期细胞分割与分类模型，用于癌症分级	本文创新性地结合了Coati优化算法与深度学习技术，提出了COADL-MNSC方法，通过混合注意力融合U-Net模型进行分裂期细胞分割，并使用胶囊网络进行特征提取，最后通过双向长短期记忆模型进行分类	本文未提及具体的局限性	开发一种高效的分裂期细胞分割与分类方法，以辅助癌症分级	分裂期细胞的分割与分类	数字病理学	NA	深度学习	混合注意力融合U-Net模型、胶囊网络、双向长短期记忆模型	图像	分裂期细胞图像数据集	NA	NA	NA	NA
644	2024-12-24	Artificial intelligence in risk prediction and diagnosis of vertebral fractures 2024-12-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75628-2 PMID:39702597	meta-analysis	本研究通过系统综述和meta分析评估了人工智能在诊断和预测椎体骨折中的有效性	人工智能在诊断和预测椎体骨折方面表现出高准确性，深度学习模型在诊断所有骨折类型方面表现出色	研究中存在高异质性和研究偏倚，需要进一步研究以标准化AI模型并在不同数据集上进行验证	评估人工智能在椎体骨折诊断和预测中的有效性	椎体骨折的诊断和预测	machine learning	骨科疾病	NA	深度学习模型	NA	共纳入79项研究，其中40项进行了meta分析	NA	NA	NA	NA
645	2024-12-24	Decoding skin cancer classification: perspectives, insights, and advances through researchers' lens 2024-12-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81961-3 PMID:39695157	综述	本文分析了过去18年中发表的107篇研究论文，全面评估了皮肤癌分类技术的进展，重点介绍了计算机视觉和人工智能在提高诊断准确性和可靠性方面的集成	本文探讨了深度学习方法，包括卷积神经网络、迁移学习、注意力机制、集成技术、生成对抗网络、视觉变换器和分割引导的分类策略，并详细介绍了各种架构	本文指出了传统机器学习方法和手工特征的局限性，并强调了现有深度学习方法的不足	旨在通过分析最新的进展、趋势和差距，为皮肤癌分类领域的研究人员和临床医生提供有价值的见解	皮肤癌分类技术及其在临床诊断中的应用	计算机视觉	皮肤癌	计算机视觉和人工智能	卷积神经网络、生成对抗网络、视觉变换器等	图像	包括HAM10000和ISIC档案在内的多个数据集	NA	NA	NA	NA
646	2024-12-24	Ensemble deep learning and EfficientNet for accurate diagnosis of diabetic retinopathy 2024-12-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81132-4 PMID:39695310	研究论文	本研究提出了一种基于EfficientNetB0架构的深度学习框架，用于糖尿病视网膜病变（DR）的准确诊断	创新点在于结合了集成深度学习和EfficientNet技术，显著提高了糖尿病视网膜病变的诊断准确性和泛化能力	研究依赖于特定的数据集和训练资源，未来需要更多先进的数据集和训练资源以进一步提升诊断效果	旨在通过创新的深度学习框架提高糖尿病视网膜病变的诊断准确性	研究对象为糖尿病视网膜病变，具体包括五种严重程度：无DR、轻度DR、中度DR、重度DR和增殖性DR	计算机视觉	糖尿病视网膜病变	EfficientNet	CNN	图像	35,108张视网膜图像	NA	NA	NA	NA
647	2024-12-24	A deep-learning-based model for assessment of autoimmune hepatitis from histology: AI(H) 2024-Dec, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-024-03841-5 PMID:38879691	研究论文	本文开发了一种基于深度学习的工具，用于从常规病理切片中分析自身免疫性肝炎的组织学特征	本文首次使用深度学习模型分析自身免疫性肝炎的组织学特征，特别是对胆管损伤等非经典特征的检测	本文仅使用了123个样本进行模型训练和验证，样本量可能不足以完全代表所有自身免疫性肝炎病例	开发一种能够从常规病理切片中分析自身免疫性肝炎组织学特征的深度学习工具	自身免疫性肝炎的组织学特征，包括肝微解剖、坏死性炎症、胆管损伤和门静脉炎症等	数字病理学	自身免疫性疾病	卷积神经网络	卷积神经网络	图像	123个预处理肝活检样本	NA	NA	NA	NA
648	2024-12-24	MYC Rearrangement Prediction From LYSA Whole Slide Images in Large B-Cell Lymphoma: A Multicentric Validation of Self-supervised Deep Learning Models 2024-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100610 PMID:39265953	研究论文	本文开发了一种可解释的深度学习算法，用于从大B细胞淋巴瘤的全切片图像中自动检测MYC重排	本文利用自监督学习技术，比较了7种特征提取器和6种多实例学习模型，并在多中心队列中验证了其性能	本文未详细讨论算法的泛化能力在不同实验室环境下的表现	开发一种自动检测大B细胞淋巴瘤中MYC重排的深度学习算法，以减少昂贵的分子检测需求并提高病理学家的工作效率	大B细胞淋巴瘤患者的全切片图像	数字病理学	淋巴瘤	深度学习	多实例学习模型	图像	1247名大B细胞淋巴瘤患者	NA	NA	NA	NA
649	2024-12-24	Artificial intelligence (AI) for tumor microenvironment (TME) and tumor budding (TB) identification in colorectal cancer (CRC) patients: A systematic review 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100353 PMID:39712977	综述	本文总结了使用人工智能预测结直肠癌患者组织学扫描中肿瘤微环境（TME）和肿瘤芽（TB）的最新数据	机器学习和深度学习在预测肿瘤微环境和肿瘤芽方面表现出高准确性，分别为97.7%和97.3%	不同作者对机器学习模型使用的表现指标不一致，且部分研究使用的数据集相对较小	评估人工智能在结直肠癌诊断和癌症发展预后中对肿瘤微环境和肿瘤芽的识别能力	结直肠癌患者的肿瘤微环境和肿瘤芽	数字病理学	结直肠癌	机器学习，深度学习	NA	图像	NA	NA	NA	NA	NA
650	2024-12-23	Deep learning for endometrial cancer subtyping and predicting tumor mutational burden from histopathological slides 2024-Dec-21, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00766-9 PMID:39709501	研究论文	本文提出了一种基于深度学习的TR-MAMIL框架，用于从组织病理学切片中对子宫内膜癌进行亚型分类并预测肿瘤突变负荷	首次提出TR-MAMIL深度学习框架，能够直接从H&E染色的全切片图像中预测肿瘤突变负荷并分类子宫内膜癌亚型，优于现有的七种先进方法	NA	开发一种新的方法来预测子宫内膜癌患者的肿瘤突变负荷，并进行亚型分类，以支持个性化免疫治疗和预后评估	子宫内膜癌患者的肿瘤突变负荷和癌症亚型	数字病理学	子宫内膜癌	深度学习	TR-MAMIL	图像	来自The Cancer Genome Atlas的大规模数据集	NA	NA	NA	NA
651	2024-12-23	Quantification of urinary albumin in clinical samples using smartphone enabled LFA reader incorporating automated segmentation 2024-Dec-20, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad992d PMID:39622082	研究论文	本文介绍了一种使用智能手机辅助的LFA读取器进行临床样本中尿白蛋白定量的方法，通过自动分割技术提高了检测的准确性	本文的创新点在于使用LFA设备进行自动检测和尿白蛋白的定量，并通过YOLOv5模型进行自动分割，减少了干扰	本文未提及具体的样本数量和不同光照条件下的性能差异	开发一种高精度的智能手机辅助尿白蛋白检测方法	临床样本中的尿白蛋白浓度	机器学习	NA	LFA	YOLOv5	图像	NA	NA	NA	NA	NA
652	2024-12-23	Enhancing classification of active and non-active lesions in multiple sclerosis: machine learning models and feature selection techniques 2024-Dec-20, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01528-6 PMID:39707207	研究论文	本研究探讨了机器学习和深度学习模型在多发性硬化症（MS）活动性和非活动性病变分类中的表现	本研究首次评估了多种机器学习模型和一种顺序深度学习模型在MS病变分类中的性能，并展示了顺序深度学习方法和集成方法在实现稳健预测性能方面的有效性	本研究的局限性在于仅使用了T2加权MRI图像进行分析，未涵盖其他类型的影像数据	评估机器学习和深度学习模型在多发性硬化症活动性和非活动性病变分类中的性能	多发性硬化症的活动性和非活动性病变	机器学习	多发性硬化症	机器学习模型和特征选择技术	顺序深度学习模型和混合梯度提升分类器（HGBC）	图像	75个活动性病变和100个非活动性病变	NA	NA	NA	NA
653	2024-12-23	Adaptive fusion of dual-view for grading prostate cancer 2024-Dec-17, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102479 PMID:39708679	研究论文	本文提出了一种深度学习方法，通过自适应融合双视角MRI图像来实现前列腺癌的准确分级	设计了一种双视角自适应融合模型，通过动态调整融合权重来充分利用互补信息，并基于不确定性估计自适应加权预测结果	未提及具体实验数据集的样本量和多样性，可能影响模型的泛化能力	开发一种非侵入性且高效的前列腺癌分级方法，以辅助临床诊断	前列腺癌的分级诊断	计算机视觉	前列腺癌	多参数磁共振成像（MRI）	自适应融合模型	图像	NA	NA	NA	NA	NA
654	2024-12-23	Guidelines for cerebrovascular segmentation: Managing imperfect annotations in the context of semi-supervised learning 2024-Dec-11, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102474 PMID:39705890	研究论文	本文研究了在半监督学习背景下，针对脑血管理分割任务中不完美标注的数据依赖性，并比较了多种最先进的半监督方法	提出了在半监督学习框架下处理不完美标注的指南，并评估了不同数据量和质量场景下的性能	未提及具体限制	提供脑血管理分割模型的标注和训练指南	脑血管理分割任务中的标注一致性和模型性能	计算机视觉	NA	半监督学习	NA	图像	未提及具体样本数量	NA	NA	NA	NA
655	2024-12-23	Machine Learning Streamlines the Morphometric Characterization and Multiclass Segmentation of Nuclei in Different Follicular Thyroid Lesions: Everything in a NUTSHELL 2024-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100608 PMID:39241829	研究论文	本文研究了甲状腺结节病变中核形态特征的识别和多类分割，开发了一种名为NUTSHELL的深度学习模型，用于辅助诊断	提出了NUTSHELL模型，能够成功检测和分类甲状腺肿瘤中的大多数核，并提供了NIFTP区域的即时概览，有助于检测PTC的微小病灶或识别淋巴结转移	仅分析了少量NIFTP病例的二代测序数据，未全面探讨RAS相关突变对核形态的影响	识别NIFTP和PTC的可解释核形态特征，并开发深度学习模型以减少诊断变异性	NIFTP、PTC和增生性结节（HP）的核形态特征	数字病理学	甲状腺癌	深度学习	深度学习模型	图像	NIFTP、PTC和HP病例的全切片图像	NA	NA	NA	NA
656	2024-12-22	Survival analysis of clear cell renal cell carcinoma based on radiomics and deep learning features from CT images 2024-Dec-20, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000040723 PMID:39705434	研究论文	本文基于CT图像的放射组学和深度学习特征，创建了一个用于预测透明细胞肾细胞癌患者预后的列线图	本文提出了一个结合放射组学和深度学习特征的融合签名，并将其与临床病理风险因素结合，构建了一个新的列线图，相比传统的临床列线图，其C-index值提高了约20%	本文未详细说明深度学习模型的具体架构和训练过程，且样本量相对较小	开发一个基于CT图像的非侵入性模型，用于透明细胞肾细胞癌患者的生存预后预测	透明细胞肾细胞癌患者的CT图像和临床病理数据	数字病理学	肾癌	放射组学，深度学习	Cox比例风险回归模型	图像	822名透明细胞肾细胞癌患者	NA	NA	NA	NA
657	2024-12-22	HeatGSNs: Integrating Eigenfilters and Low-Pass Graph Heat Kernels into Graph Spectral Convolutional Networks for Brain Tumor Segmentation and Classification 2024-Dec-20, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ada1db PMID:39705725	研究论文	本文提出了一种名为HeatGSNs的新型图谱卷积网络，结合特征滤波器和可学习的低通图热核，用于脑肿瘤的分割和分类	HeatGSNs通过引入特征滤波器和可学习的低通图热核，解决了图网络中的过平滑和振荡收敛问题，实现了快速且准确的性能	NA	解决脑肿瘤MRI数据集中的类别不平衡问题，并提高脑肿瘤分割和分类的准确性	脑肿瘤的分割和分类	计算机视觉	脑肿瘤	图谱卷积网络	图谱卷积网络	图像	BRATS2021数据集	NA	NA	NA	NA
658	2024-12-22	A Variational Network for Biomedical Images Denoising using Bayesian model and Auto-Encoder 2024-Dec-20, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ada1da PMID:39705726	研究论文	本文提出了一种基于贝叶斯模型和变分自编码器的医学图像去噪方法	该方法结合了贝叶斯建模和变分网络，能够更好地泛化到新的噪声分布，并在去噪准确性、视觉质量和计算效率上优于现有方法	NA	开发一种新的医学图像去噪方法，以提高图像分析的准确性和可靠性	医学图像的去噪	计算机视觉	NA	贝叶斯模型、变分网络	变分自编码器	图像	使用了CT扫描医学图像数据集	NA	NA	NA	NA
659	2024-12-22	Zero-shot counting with a dual-stream neural network model 2024-Dec-18, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2024.10.008 PMID:39488209	研究论文	本文构建了一个基于灵长类大脑双流架构的深度学习模型，能够在零样本情况下对不熟悉的物体进行计数	提出了一个基于灵长类大脑双流架构的深度学习模型，能够在零样本情况下对不熟悉的物体进行计数，并成功预测人类计数行为	NA	研究视觉场景理解中物体识别和关系结构的编码方式	灵长类大脑的双流处理机制以及视觉场景中的物体计数	计算机视觉	NA	深度学习	双流神经网络	图像	NA	NA	NA	NA	NA
660	2024-12-22	Detection of Viable but Nonculturable E. coli Induced by Low-Level Antimicrobials Using AI-Enabled Hyperspectral Microscopy 2024-Dec-09, Journal of food protection IF:2.1Q3 DOI:10.1016/j.jfp.2024.100430 PMID:39662736	研究论文	本研究开发了一种基于人工智能的超光谱显微镜成像框架，用于在低水平抗菌剂下快速检测处于可存活但不可培养状态的大肠杆菌	本研究首次使用AI驱动的超光谱显微镜技术，结合EfficientNetV2卷积神经网络架构，实现了对可存活但不可培养状态的大肠杆菌的高精度自动分类	本研究的样本量较小，仅使用了200个样本进行模型训练和验证，未来需要更大规模的样本验证	开发一种快速、自动化的方法来检测处于可存活但不可培养状态的大肠杆菌，以提高食品安全和公共卫生	处于可存活但不可培养状态的大肠杆菌K-12	计算机视觉	NA	超光谱显微镜成像	EfficientNetV2	图像	200个样本	NA	NA	NA	NA