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
121	2024-12-20	Application of deep learning in wound size measurement using fingernail as the reference 2024-Dec-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02778-8 PMID:39696347	研究论文	本文提出了一种基于深度学习的自动伤口尺寸测量系统，使用指甲作为参考	该系统结合了三种深度学习模型（Mask R-CNN、Yolov5、U-net），并使用指甲作为参考，实现了自动化的伤口尺寸测量，适用于家庭护理和经验不足的护理人员	NA	开发一种自动化、易于使用的伤口尺寸测量系统，以提高慢性伤口护理的便利性和准确性	慢性伤口和指甲的图像	计算机视觉	NA	深度学习	Mask R-CNN, Yolov5, U-net	图像	248张伤口和指甲的图像，30名参与者进行用户体验分析
122	2024-12-20	A prior-knowledge-guided dynamic attention mechanism to predict nocturnal hypoglycemic events in type 1 diabetes 2024-Dec-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02761-3 PMID:39696373	研究论文	本文提出了一种基于先验知识引导的动态注意力机制的深度学习框架，用于预测1型糖尿病患者的夜间低血糖事件	创新点在于提出了先验知识引导的动态注意力机制，能够从多源异构数据中全面提取与夜间低血糖相关的特征，并提高了网络的学习能力和可解释性	NA	旨在开发一种更准确和实用的方法来预测1型糖尿病患者的夜间低血糖事件	1型糖尿病患者的夜间低血糖事件	机器学习	糖尿病	深度学习	动态注意力机制	多源异构数据	使用了公开的临床数据集
123	2024-12-20	MolNexTR: a generalized deep learning model for molecular image recognition 2024-Dec-18, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00926-w PMID:39696616	研究论文	提出了一种名为MolNexTR的深度学习模型，用于分子图像识别，能够将分子图像转换为机器可读的SMILES字符串	MolNexTR结合了ConvNext和Vision-Transformer的优点，能够同时预测原子和键，并理解它们的布局规则，还引入了化学符号原理来识别手性和解析缩写结构	NA	开发一种能够处理化学文献中不同绘图风格和惯例的分子图像识别模型	分子图像及其转换为SMILES字符串的过程	计算机视觉	NA	深度学习	ConvNext和Vision-Transformer	图像	测试集中的分子图像
124	2024-12-20	Preoperative assessment of tertiary lymphoid structures in stage I lung adenocarcinoma using CT radiomics: a multicenter retrospective cohort study 2024-Dec-18, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00813-5 PMID:39696659	研究论文	本研究开发了一种基于术前CT放射组学特征的多模态预测模型RAITS，用于识别I期肺腺癌患者的三级淋巴结构，并评估其在预后分层和个性化治疗指导中的潜力	创新点在于开发了基于术前CT放射组学特征的多模态预测模型RAITS，并展示了其在识别三级淋巴结构方面的优越性能	本研究为回顾性多中心队列研究，未来需要进一步的前瞻性研究来验证RAITS模型的临床应用价值	开发和评估一种基于术前CT放射组学特征的多模态预测模型，用于识别I期肺腺癌患者的三级淋巴结构	I期肺腺癌患者的三级淋巴结构	数字病理学	肺癌	放射组学、卷积神经网络	3D U-Net	图像	多个中心的I期肺腺癌患者的术前CT薄层扫描和术后苏木精-伊红染色病理切片
125	2024-12-20	Proximity adjusted centroid mapping for accurate detection of nuclei in dense 3D cell systems 2024-Dec-17, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109561 PMID:39693688	研究论文	本文提出了一种基于3D U-net的Proximity Adjusted Centroid MAPping (PAC-MAP)方法，用于在密集的3D细胞系统中准确检测细胞核中心及其邻近关系	PAC-MAP方法通过预测细胞核中心及其邻近关系，显著提高了在高细胞密度条件下的召回率，并且在有限专家标注和弱监督预训练后，F1分数显著提升	本文未提及具体的局限性	开发一种在密集3D细胞系统中准确检测细胞核的新方法	密集3D细胞系统中的细胞核	计算机视觉	NA	深度学习算法	3D U-net	3D图像	30张专家标注图像用于从头训练，超过2300张图像用于弱监督预训练
126	2024-12-20	Deep Learning techniques to detect and analysis of multiple sclerosis through MRI: A systematic literature review 2024-Dec-17, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109530 PMID:39693692	综述	本文通过系统文献综述，探讨了使用深度学习技术通过磁共振成像（MRI）检测和分析多发性硬化症（MS）的方法	本文总结了多种深度学习方法在MS检测和分析中的应用，为研究人员提供了有价值的资源	NA	探讨深度学习技术在通过MRI检测和分析多发性硬化症中的应用	多发性硬化症的检测和分析	机器学习	神经系统疾病	磁共振成像（MRI）	卷积神经网络（CNN）	图像	NA
127	2024-12-20	Attention-based Fusion Network for Breast Cancer Segmentation and Classification Using Multi-modal Ultrasound Images 2024-Dec-17, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.020 PMID:39694743	研究论文	本文提出了一种基于注意力机制的多模态超声图像融合网络，用于乳腺癌的分割和分类	本文创新性地提出了一个基于B模式和SE模式图像的多模态融合U-Net模型，用于乳腺癌的自动分割和分类	本文未详细讨论模型的泛化能力和在不同数据集上的表现	开发一种有效的计算机辅助诊断技术，用于乳腺癌的早期检测和分类	乳腺癌的分割和分类	计算机视觉	乳腺癌	深度学习	U-Net	图像	使用真实临床数据进行实验
128	2024-12-20	Deep Learning-based Segmentation of Cervical Posterior Longitudinal Ligament Ossification in CT Images and Assessment of Spinal Cord Compression: A Two-center Study 2024-Dec-16, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.123567 PMID:39694139	研究论文	本研究开发了一种基于深度学习的全自动CT图像分割模型，用于分割颈椎后纵韧带骨化（OPLL）病变并评估脊髓压迫	首次提出了一种基于3D U-Net框架的深度学习模型，用于自动分割OPLL病变并计算脊髓压迫因子	研究样本量较小，且仅在两家医院的数据上进行了验证	开发一种全自动的深度学习模型，用于CT图像中OPLL病变的分割和脊髓压迫的评估	颈椎后纵韧带骨化（OPLL）病变和脊髓压迫	计算机视觉	脊柱疾病	深度学习	3D U-Net	CT图像	307名患者，其中260名来自上海长征医院，47名来自西南医科大学中医医院
129	2024-12-20	DSE-HNGCN: predicting the frequencies of drug-side effects based on heterogeneous networks with mining interactions between drugs and side effects 2024-Dec-16, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168916 PMID:39694183	研究论文	本文提出了一种基于异构网络预测药物副作用频率的新方法DSE-HNGCN	利用异构网络同时建模药物与副作用之间的多种关系，并引入层重要性组合策略解决图卷积网络中的过平滑问题	未提及具体局限性	提高药物副作用频率预测的准确性	药物与副作用之间的相互作用	机器学习	NA	图卷积网络	GCN	网络数据	使用基准数据集进行实验
130	2024-12-20	A Comprehensive Review on Genomic Insights and Advanced Technologies for Mastitis Prevention in Dairy Animals 2024-Dec-16, Microbial pathogenesis IF:3.3Q2 DOI:10.1016/j.micpath.2024.107233 PMID:39694196	综述	本文综述了基因组学和先进技术在奶牛乳腺炎预防中的应用	本文整合了基因组学、泛基因组学、表观遗传学、蛋白质组学和转录组学等多种方法，并结合人工智能和深度学习技术，提出了更有效的乳腺炎诊断、预防和治疗策略	NA	探讨基因组学和先进技术在奶牛乳腺炎预防中的应用，以提高奶牛生产效率和农场盈利能力	奶牛乳腺炎的病因、诊断、预防和治疗	基因组学	乳腺炎	基因组学、泛基因组学、表观遗传学、蛋白质组学、转录组学、人工智能、深度学习、CRISPR	卷积神经网络（CNN）	基因组数据、表观遗传数据、蛋白质组数据、转录组数据	NA
131	2024-12-20	Deep learning chromatin profiles reveal the cis-regulatory sequence code of the rice genome 2024-Dec-16, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2024.12.007 PMID:39694233	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
132	2024-12-20	Quasi-Newton optimised Kolmogorov-Arnold Networks for wind farm power prediction 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40799 PMID:39698096	研究论文	本研究使用Kolmogorov-Arnold Networks (KAN) 和 Multilayer Perceptron (MLP) 模型预测中国六个风电场的额定功率，并采用准牛顿优化技术LBFGS进行参数优化	本研究创新性地使用Kolmogorov-Arnold Networks (KAN) 替代传统的MLP模型，并采用准牛顿优化技术LBFGS进行参数优化，同时使用IQR技术处理异常值和基于聚类的K-Nearest Neighbor (KNN) 插值法处理缺失值	NA	预测风电场的额定功率，以提高风能预测的准确性和有效性	中国六个风电场的额定功率	机器学习	NA	Kolmogorov-Arnold Networks (KAN), Multilayer Perceptron (MLP), 准牛顿优化技术LBFGS, IQR技术, K-Nearest Neighbor (KNN) 插值法	Kolmogorov-Arnold Networks (KAN), Multilayer Perceptron (MLP)	数值数据	六个风电场的数据
133	2024-12-20	Porkolor: A deep learning framework for pork color classification 2024-Dec-12, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2024.109731 PMID:39693826	研究论文	本文提出了一种基于深度学习的猪肉颜色分类框架Porkolor，通过图像预处理和分类模块提高分类准确性	设计了标准化的猪肉图像采集设备，并提出了基于SAM的图像预处理模块和基于ResNet-101的猪肉颜色分类模块	模型在外部验证数据集上的准确性略低于内部数据集，可能需要进一步优化	开发一种客观且稳定的猪肉颜色分类方法，以替代传统的人眼观察方法	猪肉颜色的分类	计算机视觉	NA	深度学习	ResNet-101	图像	1707张高质量猪肉图像
134	2024-12-20	Transferable automatic hematological cell classification: Overcoming data limitations with self-supervised learning 2024-Dec-09, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108560 PMID:39693791	研究论文	本研究提出将自监督学习（SSL）整合到细胞分类流程中，以解决血液和骨髓细胞分类中的数据稀缺和模型泛化能力有限的问题	通过自监督学习提取细胞图像特征，无需使用图像标注，并实现了骨髓和外周血细胞领域之间的知识高效转移	研究仅基于四个公开的血液单细胞图像数据集，可能限制了结果的广泛适用性	开发一种鲁棒且可靠的自动分类系统，用于血液和骨髓细胞的分类，以辅助诊断和监测血液疾病	外周血和骨髓细胞的分类	计算机视觉	血液疾病	自监督学习（SSL）	轻量级机器学习分类器	图像	四个公开的血液单细胞图像数据集，包括一个骨髓数据集和三个外周血数据集
135	2024-12-20	St-RegSeg: an unsupervised registration-based framework for multimodal magnetic resonance imaging stroke lesion segmentation 2024-Dec-05, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-725 PMID:39698611	研究论文	本文提出了一种基于无监督配准的框架St-RegSeg，用于多模态磁共振成像的卒中病变分割	创新点在于结合了无监督配准模型ConvNXMorph和分割模型nnUNet-v2，解决了多模态MRI图像之间的语义内容漂移问题，提高了分割精度和计算效率	NA	提出一种有效的框架用于多模态MRI图像的配准和分割，以提高卒中病变分割的准确性和效率	多模态磁共振成像中的卒中病变	计算机视觉	卒中	磁共振成像（MRI）	ConvNXMorph（配准模型）和nnUNet-v2（分割模型）	图像	来自三个中心的ISLES'22数据集
136	2024-12-20	Automatic deep learning method for analysis and prediction of neonatal hyperbilirubinemia in magnetic resonance imaging 2024-Dec-05, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1050 PMID:39698615	研究论文	本研究通过对比分析不同程度新生儿高胆红素血症的新生儿，探讨磁共振成像（MRI）图像特征与血清胆红素水平之间的关系，并提出基于深度学习的自动分类系统用于预测新生儿高胆红素血症	本研究引入了基于图注意力机制的图卷积网络（GCN）进行新生儿高胆红素血症的分析和分类，取得了优于其他先进模型的结果	本研究为回顾性研究，样本量有限，且仅在西安第四医院的数据上进行了验证	探讨MRI图像特征与血清胆红素水平之间的关系，并开发自动分类系统预测新生儿高胆红素血症	新生儿高胆红素血症的MRI图像特征与血清胆红素水平	机器学习	新生儿疾病	磁共振成像（MRI）	图卷积网络（GCN）	图像	606名新生儿，包括273例患者和333例正常对照
137	2024-12-20	Novel study on the prediction of BI-RADS 4A positive lesions in mammography using deep learning technology and clinical factors 2024-Dec-05, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1075 PMID:39698623	研究论文	本研究利用深度学习技术和临床因素，开发了一种预测乳腺X线摄影中BI-RADS 4A阳性病变的分类模型	本研究的创新点在于结合深度学习技术和临床因素，构建了一个更准确的BI-RADS 4A阳性病变预测模型	本研究的局限性在于其为回顾性分析，且样本仅来自两家医院	本研究的目的是提高乳腺X线摄影中BI-RADS 4A阳性病变的分类预测准确性	本研究的研究对象为在深圳人民医院和深圳罗湖人民医院诊断为BI-RADS 4A的590名患者	计算机视觉	乳腺癌	深度学习	多因素逻辑回归模型	图像和临床数据	590名患者
138	2024-12-20	Research trends of artificial intelligence and radiomics in lung cancer: a bibliometric analysis 2024-Dec-05, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1316 PMID:39698627	meta-analysis	本文通过文献计量分析方法，探讨了人工智能和放射组学在肺癌应用中的研究现状、热点和未来趋势	本文首次通过文献计量分析方法，系统地总结了人工智能和放射组学在肺癌领域的研究热点和未来趋势	本文主要依赖于文献计量分析，未涉及具体的技术实现和实验验证	探讨人工智能和放射组学在肺癌应用中的研究现状、热点和未来趋势	人工智能和放射组学在肺癌中的应用研究	machine learning	lung cancer	NA	NA	text	2989篇相关文献，其中2804篇为研究论文，185篇为综述
139	2024-12-20	Deep learning-based low count whole-body positron emission tomography denoising incorporating computed tomography priors 2024-Dec-05, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-489 PMID:39698633	研究论文	本研究提出了一种基于深度学习的低计数全身正电子发射断层扫描（PET）去噪方法，结合计算机断层扫描（CT）先验信息以进一步降低剂量水平	本研究的创新点在于提出了一种结合CT先验信息的深度学习方法，用于低计数PET图像的去噪，相比传统方法在更低剂量水平下表现更优	本研究的局限性在于样本量较小，且为回顾性非连续性招募，可能影响结果的普适性	本研究旨在提出一种结合CT先验信息的深度学习方法，以提高低计数PET图像的质量和定量准确性，并进一步降低剂量水平	本研究的研究对象为50名接受常规全身18F-FDG PET/CT扫描的患者	计算机视觉	NA	深度学习	U-Net, cGAN	图像	50名患者
140	2024-12-20	Development of a machine learning model in prediction of the rapid progression of interstitial lung disease in patients with idiopathic inflammatory myopathy 2024-Dec-05, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-595 PMID:39698644	研究论文	本研究旨在基于定量计算机断层扫描（QCT）和临床特征，开发并验证一种机器学习（ML）模型，用于预测特发性炎症性肌病相关间质性肺疾病（IIM-ILD）患者的快速进展性间质性肺疾病（RP-ILD）	本研究首次将定量计算机断层扫描（QCT）与临床特征结合，利用机器学习技术预测IIM-ILD患者的RP-ILD，并验证了其预测性能优于单独使用QCT或临床特征的模型	本研究为回顾性研究，样本量相对较小，且仅在中国-日本友好医院进行，可能存在样本偏倚	开发并验证一种机器学习模型，用于预测IIM-ILD患者的RP-ILD	特发性炎症性肌病相关间质性肺疾病（IIM-ILD）患者的快速进展性间质性肺疾病（RP-ILD）	机器学习	间质性肺疾病	定量计算机断层扫描（QCT），高分辨率计算机断层扫描（HRCT）	逻辑回归	图像，临床数据	514名患者，其中249名患有RP-ILD