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
641	2024-12-20	Attention-enhanced multiscale feature fusion network for pancreas and tumor segmentation 2024-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.17385 PMID:39306864	研究论文	本文提出了一种注意力增强的多尺度特征融合网络（AMFF-Net），用于从腹部扫描中分割胰腺和肿瘤	本文的创新点在于设计了残差深度注意力模块（RDAMs）和混合变换器模块（HTMs），并通过多尺度特征融合模块（MFFM）解决了胰腺和肿瘤大小不平衡的问题	NA	开发一种自动化且可靠的分割算法，用于从腹部扫描中准确分割胰腺和胰腺肿瘤	胰腺和胰腺肿瘤	计算机视觉	胰腺疾病	深度学习	CNN	图像	使用了公共的MSD数据集、NIH数据集和私有数据集进行评估
642	2024-12-20	Adaptive wavelet-VNet for single-sample test time adaptation in medical image segmentation 2024-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.17423 PMID:39353137	研究论文	本文提出了一种自适应小波-VNet模型，用于医学图像分割中的单样本测试时适应	创新点在于将多尺度小波系数嵌入V-Net编码器，并结合混合目标函数动态调整空间和光谱特征，以提高模型在未见数据集上的分割准确性	本文未提及具体的局限性	提高深度学习模型在未见数据集上的分割准确性，特别是增强单样本测试时适应的效率和稳定性	肝脏和前列腺的3D MR图像分割	计算机视觉	前列腺癌	小波变换	VNet	图像	肝脏数据集：训练15个样本，验证5个样本，测试60个样本；前列腺数据集：训练22个样本，验证7个样本，测试116个样本
643	2024-12-20	Prediction of pathological complete response to chemotherapy for breast cancer using deep neural network with uncertainty quantification 2024-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.17451 PMID:39369684	研究论文	本研究探讨了使用深度神经网络结合不确定性量化方法，基于多时间点的动态对比增强磁共振（DCEMR）图像和临床数据，预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）	本研究创新性地结合了多时间点的DCEMR图像和临床数据，使用卷积长短期记忆网络（LSTM）模型进行早期pCR预测，并量化了预测的不确定性，以帮助医生根据不确定性水平做出个性化的治疗决策	本研究的样本量相对较小，且仅基于I-SPY 2试验的数据，可能限制了模型的泛化能力	研究目的是探讨早期预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）的可行性，并量化预测的不确定性，以优化个性化治疗管理	研究对象为参与I-SPY 2试验的624名乳腺癌患者，使用多时间点的DCEMR图像和临床数据	机器学习	乳腺癌	动态对比增强磁共振（DCEMR）	卷积长短期记忆网络（LSTM）	图像和临床数据	624名乳腺癌患者
644	2024-12-20	AI driven interpretable deep learning based fetal health classification 2024-Dec, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100206 PMID:39396731	研究论文	本文提出了一种基于深度学习的胎儿健康分类模型，用于将胎儿健康分为正常、可疑和病理性三类	本文的创新点在于提出了一个深度神经网络模型，并结合了批量归一化和dropout层以提高泛化能力，同时通过可解释的深度学习方法增强了模型的透明度和可解释性	本文的局限性在于仅使用了Cardiotocography数据，未来可以考虑引入更多类型的数据以进一步验证模型的泛化能力	本研究的目的是利用深度学习技术提高诊断过程的效率和有效性	本研究的对象是胎儿健康分类	机器学习	NA	深度学习	深度神经网络（DNN）	数据	使用了包含21个属性的数据集
645	2024-12-20	Prosthesis repair of oral implants based on artificial intelligenc`e finite element analysis 2024-Dec, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100226 PMID:39638253	研究论文	本文提出了一种基于人工智能和有限元分析（FEA）的口腔种植体修复新框架，旨在自动化和简化修复过程	创新点在于结合了人工智能和有限元分析，通过深度学习自动生成患者特定的3D有限元设计，并利用机器学习算法提供最佳修复策略	NA	开发一种自动化和简化的方法来修复口腔种植体，提高修复效率和个性化护理	口腔种植体的机械特性和应力分布	数字病理学	NA	有限元分析（FEA）	深度学习模型和机器学习算法	医学影像数据（CT或锥束CT数据）	NA
646	2024-12-20	Dual-stage semantic segmentation of endoscopic surgical instruments 2024-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.17397 PMID:39255375	研究论文	本文提出了一种双阶段语义分割方法，用于内窥镜手术器械的分割	设计了一个双阶段模型，包括图像分类和器械分割，并引入了标志缓存机制和模糊检测模块，以提高连续帧中图像特征的利用效率	NA	开发一种方法来分割内窥镜视频中的手术器械，以提高机器人辅助脊柱内窥镜手术的安全性	内窥镜视频中的手术器械	计算机视觉	NA	深度学习	卷积神经网络	图像	分割数据集包括7456张训练图像、829张验证图像和921张测试图像；分类数据集包括2400张训练图像和600张验证图像
647	2024-12-20	Leveraging deep learning for identification and segmentation of "CAF-1/p60-positive" nuclei in oral squamous cell carcinoma tissue samples 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100407 PMID:39697387	研究论文	本文介绍了一种利用深度学习方法识别和分割口腔鳞状细胞癌组织样本中CAF-1/p60阳性细胞核的独特方法	本文创新性地采用了StarDist架构，结合多模态信息，实现了对口腔鳞状细胞癌细胞核中CAF-1/p60蛋白表达的自动化分析	NA	本文旨在利用深度学习和多模态信息，提高对口腔鳞状细胞癌中特定蛋白表达模式的自动化分析能力	本文的研究对象是口腔鳞状细胞癌组织样本中CAF-1/p60阳性细胞核	数字病理学	口腔鳞状细胞癌	深度学习	StarDist	图像	NA
648	2024-12-20	Earth Observation Data to Support Environmental Justice: Linking Non-Permitted Poultry Operations to Social Vulnerability Indices 2024-Dec, GeoHealth IF:4.3Q1 DOI:10.1029/2024GH001179 PMID:39697399	研究论文	本研究利用地球观测数据和深度学习技术，精确定位未获许可的家禽养殖场，并分析其与社会脆弱性指数的关系	首次利用地球观测数据和深度学习技术精确定位未获许可的家禽养殖场，并揭示其与社会脆弱性指数的关联	研究主要集中在北卡罗来纳州和美国南部及东南部地区，可能无法完全代表其他地区的状况	探讨未获许可的家禽养殖场对环境正义的影响，并提出改进数据质量的必要性	未获许可的家禽养殖场及其对社会脆弱性指数的影响	NA	NA	深度学习	NA	地球观测数据	涉及北卡罗来纳州和美国多个地区的家禽养殖场数据
649	2024-12-19	Feasibility/clinical utility of half-Fourier single-shot turbo spin echo imaging combined with deep learning reconstruction in gynecologic magnetic resonance imaging 2024-Dec-18, Abdominal radiology (New York) DOI:10.1007/s00261-024-04739-1 PMID:39692759	研究论文	本研究探讨了在妇科磁共振成像中，结合深度学习重建的半傅里叶单次激发涡轮自旋回波成像（iHASTE）与传统序列的临床应用效果	本研究首次将深度学习重建与半傅里叶单次激发涡轮自旋回波成像（iHASTE）结合，用于妇科磁共振成像，并评估其与传统序列的对比效果	本研究为回顾性研究，样本量较小，且仅在有和无抗痉挛剂的情况下进行比较，未涵盖其他可能的临床情况	探讨iHASTE在妇科磁共振成像中的临床应用价值及其与传统序列的对比效果	妇科磁共振成像中的图像质量、抗伪影能力、组织对比度及子宫病变边缘	医学影像	妇科疾病	半傅里叶单次激发涡轮自旋回波成像（HASTE），深度学习重建	深度学习模型	图像	79名未使用抗痉挛剂的患者和79名使用抗痉挛剂的匹配患者
650	2024-12-19	Explainable brain age prediction: a comparative evaluation of morphometric and deep learning pipelines 2024-Dec-18, Brain informatics DOI:10.1186/s40708-024-00244-9 PMID:39692946	研究论文	本文比较了基于形态学特征和深度学习的脑龄预测方法的性能、可解释性和临床实用性	首次系统比较了不同脑龄预测方法的可解释性，并结合可解释人工智能（XAI）方法进行评估	需要进一步评估Grad-CAM的临床实用性	比较不同脑龄预测方法的性能和可解释性，并探讨其在临床实践中的应用潜力	脑龄预测方法的性能、可解释性和临床实用性	计算机视觉	NA	MRI扫描、FreeSurfer、3D卷积神经网络（CNN）、可解释人工智能（XAI）方法（SHAP、Grad-CAM、DeepSHAP）	3D卷积神经网络（CNN）、DenseNet-121	图像	多站点神经影像数据集
651	2024-12-19	High-throughput mesoscopic optical imaging data processing and parsing using differential-guided filtered neural networks 2024-Dec-18, Brain informatics DOI:10.1186/s40708-024-00246-7 PMID:39692944	研究论文	本文设计了一种高效的深度差分引导滤波模块（DDGF），通过融合多尺度迭代差分引导滤波与深度学习，提出了一种轻量级的深度差分引导滤波分割网络（DDGF-SegNet），并开发了一个自动化处理流程，显著提高了高吞吐量显微光学成像数据的处理效率	本文的创新点在于设计了深度差分引导滤波模块（DDGF），并将其与深度学习网络结合，提出了一种高效的分割网络（DDGF-SegNet），显著提升了图像细节的精炼和背景噪声的抑制效果	NA	提高高吞吐量显微光学成像数据的处理效率	小鼠脑部的高吞吐量显微光学成像数据	计算机视觉	NA	深度学习	深度差分引导滤波分割网络（DDGF-SegNet）	图像	NA
652	2024-12-19	Research trends on AI in breast cancer diagnosis, and treatment over two decades 2024-Dec-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-024-01671-0 PMID:39692996	综述	本研究通过文献计量分析，回顾了2000年至2024年间人工智能在乳腺癌诊断和治疗中的进展	本研究通过文献计量分析，揭示了人工智能在乳腺癌诊断和治疗中的研究趋势和关键贡献者，并指出了未来的研究挑战	研究中提到的挑战包括数据限制、监管障碍以及全球合作不平等，这些都需要进一步的跨学科努力来解决	旨在通过文献计量分析，全面回顾人工智能在乳腺癌诊断和治疗中的进展，并指出未来的研究方向	2000年至2024年间发表的关于人工智能在乳腺癌诊断和治疗中的研究论文	机器学习	乳腺癌	文献计量分析	NA	文本	2678篇来自Scopus数据库的论文
653	2024-12-19	Geospatial Modeling of Deep Neural Visual Features for Predicting Obesity Prevalence in Missouri: Quantitative Study 2024-Dec-17, JMIR AI DOI:10.2196/64362 PMID:39688897	研究论文	本研究利用深度学习和空间建模方法，基于卫星图像预测密苏里州的肥胖率	本研究首次将深度卷积神经网络与空间建模相结合，利用卫星图像的环境特征预测肥胖率	研究范围仅限于密苏里州，未来工作应扩展地理范围并纳入社会经济数据以进一步优化模型	开发一种可扩展的方法，利用深度卷积神经网络和空间分析预测肥胖率	密苏里州的1052个人口普查区	计算机视觉	肥胖	深度学习	CNN	图像	63592个224×224像素的图像块
654	2024-12-19	Incorporating Radiologist Knowledge Into MRI Quality Metrics for Machine Learning Using Rank-Based Ratings 2024-Dec-17, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29672 PMID:39690114	研究论文	本文开发了一种基于放射科医生图像排名的MRI图像质量评估指标，并使用深度学习模型进行训练和验证	本文的创新点在于利用放射科医生的图像排名来开发专门针对MRI的图像质量评估指标，并将其应用于深度学习模型的优化	本文的局限性在于放射科医生的排名具有主观性，且不同观察者之间的共识较低	开发一种适用于MRI的图像质量评估指标，并验证其在深度学习任务中的应用	MRI图像的质量评估	机器学习	NA	深度学习	EfficientNet, IQ-Net	图像	19,344个排名，2916对图像
655	2024-12-19	Author Correction: Predictive analytics of complex healthcare systems using deep learning based disease diagnosis model 2024-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82835-4 PMID:39690238	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
656	2024-12-19	Dual biomarkers CT-based deep learning model incorporating intrathoracic fat for discriminating benign and malignant pulmonary nodules in multi-center cohorts 2024-Dec-16, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2024.104877 PMID:39689571	研究论文	本研究提出了一种基于深度学习的模型，结合纵隔脂肪来区分良性和恶性肺结节	首次将纵隔脂肪作为影像学标志物，结合肺结节进行良恶性鉴别	研究仅在多中心队列中验证，尚未在更大范围的临床实践中应用	探索纵隔脂肪在肺结节良恶性鉴别中的潜在预测价值	肺结节患者的良恶性鉴别	数字病理学	肺癌	深度学习	深度学习模型	影像	1321名肺结节患者
657	2024-12-19	A deep learning approach to predict differentiation outcomes in hypothalamic-pituitary organoids 2024-12-06, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07109-1 PMID:39643622	研究论文	本研究利用深度学习技术创建了一个模型，能够从类器官图像中预测垂体类器官的分化结果	本研究首次使用EfficientNetV2-S或Vision Transformer模型，结合VENUS-coupled RAX表达，能够以70%的准确率将类器官图像分类为三个类别，优于专家观察者的预测结果	本研究仅在特定条件下验证了模型的有效性，未来需要在更多样化的样本和临床环境中进行验证	开发一种能够预测垂体类器官分化结果的深度学习模型，以提高分化效率并应用于临床	人多能干细胞分化成的垂体类器官	机器学习	NA	深度学习	EfficientNetV2-S, Vision Transformer	图像	NA
658	2024-12-19	Seizure Sources Can Be Imaged from Scalp EEG by Means of Biophysically Constrained Deep Neural Networks 2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405246 PMID:39473085	研究论文	研究了一种基于深度学习的源成像框架（DeepSIF），用于从药物难治性局灶性癫痫患者的脑电图（EEG）记录中成像癫痫活动	提出了DeepSIF框架，通过生物物理约束的深度神经网络从头皮EEG中成像癫痫源，并展示了其在空间和时间信息估计上的优越性	研究仅在药物难治性局灶性癫痫患者中进行了验证，未来需要在更多类型的癫痫患者中进行进一步验证	开发一种非侵入性方法，用于在药物难治性局灶性癫痫患者中成像癫痫活动的起源	药物难治性局灶性癫痫患者的癫痫活动起源	机器学习	癫痫	深度学习	深度神经网络	脑电图（EEG）	33名药物难治性局灶性癫痫患者的高密度（76通道）EEG记录
659	2024-12-19	Artificial intelligence: a primer for pediatric radiologists 2024-12, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-024-06098-x PMID:39556194	review	本文为儿科放射科医生介绍了人工智能（AI）的基本概念及其在儿科放射学中的应用	本文首次系统性地向儿科放射科医生介绍AI的基本概念和应用，旨在激发该领域进一步的探索和创新	本文主要为介绍性内容，未涉及具体的实验或应用案例	向儿科放射科医生介绍AI的基本概念及其在儿科放射学中的应用，并探讨其挑战和当前用途	儿科放射科医生及AI在儿科放射学中的应用	NA	NA	机器学习、深度学习、自然语言处理、生成式AI	NA	NA	NA
660	2024-12-19	Accurate RNA 3D structure prediction using a language model-based deep learning approach 2024-Dec, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02487-0 PMID:39572716	研究论文	本文介绍了一种基于语言模型的深度学习方法RhoFold+，用于准确预测RNA的三维结构	RhoFold+通过集成预训练的RNA语言模型和解决数据稀缺问题的技术，提供了一个全自动的端到端RNA 3D结构预测管道，并在多个评估中展示了其优于现有方法的性能	NA	开发一种能够准确预测RNA三维结构的方法，以促进RNA功能研究和RNA靶向药物开发	单链RNA的三维结构	机器学习	NA	深度学习	语言模型	序列	约2370万条RNA序列