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
20761	2024-08-07	Application of deep learning in teeth identification tasks on panoramic radiographs 2022-Jul-01, Dento maxillo facial radiology DOI:10.1259/dmfr.20210504 PMID:35143260	综述	本文综述了人工智能在全景放射图像上牙齿识别任务中的应用和发展	探讨了深度学习模型在牙齿识别任务中的性能	由于报告性能指标的异质性，无法进行meta分析	评估和比较深度学习模型在全景放射图像上牙齿识别任务中的表现	深度学习模型在全景放射图像上牙齿识别任务的应用	计算机视觉	NA	深度学习	深度学习模型	图像	共282篇文章，其中13篇相关文章被纳入综述
20762	2024-08-07	Deep learning improves implant classification by dental professionals: a multi-center evaluation of accuracy and efficiency 2022-06, Journal of periodontal & implant science DOI:10.5051/jpis.2104080204 PMID:35775697	研究论文	本研究评估并比较了牙科专业人员在使用和不使用深度学习（DL）算法的情况下，对不同类型牙科植入系统（DISs）的分类准确性	使用DL算法显著提高了牙科专业人员对DISs的平均分类准确性	NA	评估和比较牙科专业人员在有和无DL算法辅助下对牙科植入系统分类的准确性	牙科专业人员对不同类型牙科植入系统的分类准确性	机器学习	NA	深度学习	DL算法	图像	包括5名认证牙周病专家、8名牙周病学住院医师和31名未专攻种植学的牙医
20763	2024-08-07	Segmentation of Dental Restorations on Panoramic Radiographs Using Deep Learning 2022-May-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12061316 PMID:35741125	研究论文	本文研究使用深度学习方法在全景X光片上分割牙科修复体	提出使用小尺寸、等间距的矩形图像块（tiles）训练模型，以提高分割性能和加速收敛	全景X光片的分割偏向于更频繁和扩展的类别	探索使用U-Net模型在全景X光片上分割牙科修复体的有效方法	牙科修复体，包括填充物、冠和根管填充	计算机视觉	NA	卷积神经网络（CNN）	U-Net	图像	1781张全景X光片
20764	2024-08-07	Deep Learning Signal Discrimination for Improved Sensitivity at High Specificity for CMOS Intraoperative Probes 2022-Apr, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/TRPMS.2021.3098448 PMID:35419499	研究论文	本研究探讨了使用深度学习算法来提高CMOS手术探针在高特异性下的敏感性，通过区分背景伽马射线信号来辅助癌症切除手术中癌细胞的检测	本研究采用了两种基于卷积神经网络（CNN）的方法进行β-γ鉴别，并通过定制的AUC损失函数在训练中优化ROC曲线的左下区域，显著提高了敏感性	NA	提高手术探针在高特异性下的敏感性，以更准确地区分癌细胞和健康组织	探讨深度学习算法在手术探针中的应用，以及其对伽马射线信号的分类和语义分割能力	机器学习	NA	深度学习算法	卷积神经网络（CNN）	伽马射线信号	涉及多种放射性核素，包括C、Co和[Formula: see text]Tc
20765	2024-08-07	Caries Detection on Intraoral Images Using Artificial Intelligence 2022-02, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345211032524 PMID:34416824	研究论文	本研究开发了一种基于卷积神经网络（CNN）的深度学习方法，用于在口腔内图像上自动检测和分类龋齿，并将其诊断性能与专家标准进行比较	首次使用人工智能（AI）方法进行口腔内图像的自动龋齿检测	当前方法需要进一步改进	开发一种深度学习方法，用于自动检测和分类口腔内图像中的龋齿，并评估其诊断性能	2,417张来自恒牙的匿名化照片，包括1,317张咬合面和1,100张光滑面	计算机视觉	口腔疾病	卷积神经网络（CNN）	CNN	图像	2,417张匿名化照片
20766	2024-08-07	Improved runoff forecasting based on time-varying model averaging method and deep learning 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0274004 PMID:36108081	研究论文	本研究提出了一种基于时间变化权重（TV-DMA）的动态模型平均方法，并结合深度学习算法构建了一个综合的径流预测模型框架	采用时间变化权重（TV-DMA）方法和深度学习算法构建综合预测模型，提高了径流预测的准确性和稳定性	洪水季节的预测性能明显低于非洪水季节	提高径流预测的准确性和稳定性	径流预测	NA	NA	深度学习算法	NA	数值数据	未具体说明样本数量
20767	2024-08-07	Deep learning for cephalometric landmark detection: systematic review and meta-analysis 2021-Jul, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-021-03990-w PMID:34046742	系统综述和荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在头影测量标志点检测中的准确性和证据基础	深度学习在头影测量标志点检测中显示出较高的准确性，但需要进一步证明其鲁棒性和泛化能力	研究存在高偏倚风险和适用性问题，主要涉及数据选择和参考测试执行	评估深度学习在头影测量标志点检测中的准确性和证据基础	头影测量图像中的标志点检测	计算机视觉	NA	深度学习	卷积神经网络	二维和三维放射图像	19项研究，主要使用二维侧位放射图像，检测平均30个标志点
20768	2024-08-07	Impact of Image Context on Deep Learning for Classification of Teeth on Radiographs 2021-Apr-12, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10081635 PMID:33921440	研究论文	本研究旨在评估图像上下文信息对全景牙科放射图像中牙齿分类深度学习模型准确性的影响	通过调整图像上下文大小（从100%到300%）并使用ResNet-34模型，研究了上下文信息对牙齿分类准确性的影响	在200%到300%的上下文范围内，准确性提升有限，且犬齿的分类准确性在较小上下文下已经很高，增加上下文带来的提升不大	评估图像上下文信息对深度学习模型在全景牙科放射图像中牙齿分类准确性的影响	全景牙科放射图像中的牙齿分类	计算机视觉	NA	深度学习	ResNet-34	图像	5008张全景放射图像，每张图像平均包含25.2颗牙齿
20769	2024-08-07	Classification of Dental Radiographs Using Deep Learning 2021-Apr-03, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10071496 PMID:33916800	研究论文	本文通过比较三种深度学习架构的分类性能，回顾性评估放射数据并前瞻性地分类放射图像（包括全景、咬翼、根尖和头影图像）	使用ResNet-34进行主动学习，通过迭代注释和重新训练提高分类准确性	分类错误主要发生在咬翼和根尖图像之间	评估和比较不同深度学习模型在牙科放射图像分类中的性能	全景、咬翼、根尖和头影牙科放射图像	计算机视觉	NA	深度学习	CNN, ResNet-34, CapsNet	图像	31,288张全景图像，43,598张根尖图像，14,326张咬翼图像，1176张头影图像
20770	2024-08-07	Genetic Probe for Visualizing Glutamatergic Synapses and Vesicles by 3D Electron Microscopy 2021-02-17, ACS chemical neuroscience IF:4.1Q2 DOI:10.1021/acschemneuro.0c00643 PMID:33522227	研究论文	本文开发了一种遗传编码探针，用于通过3D电子显微镜技术可视化谷氨酸能突触和囊泡	首次开发了一种遗传编码探针，结合miniSOG和囊泡谷氨酸转运体-2，用于标记和成像基于其神经化学身份的突触和突触囊泡	NA	开发新的工具来访问神经传递的亚细胞结构和分子机制，以及基于神经递质的神经连接追踪	谷氨酸能突触和囊泡的标记与成像	神经科学	NA	3D电子显微镜，深度学习	深度学习模型	图像	NA
20771	2024-08-07	Improved small blob detection in 3D images using jointly constrained deep learning and Hessian analysis 2020-01-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-57223-y PMID:31941994	研究论文	本文提出了一种结合深度学习和Hessian分析的联合约束小斑点检测方法，用于改进3D图像中的小斑点检测	提出的UH-DoG方法在精确度和F分数上优于其他比较方法	NA	开发用于早期诊断和疾病分期的成像生物标志物	小斑点（blobs）在图像中的检测和分割	计算机视觉	NA	深度学习，Hessian分析	U-Net	图像	使用了公开的2D荧光数据集（细胞核检测）和3D肾脏磁共振成像数据集（肾小球检测）
20772	2024-08-07	Predicting optical coherence tomography-derived diabetic macular edema grades from fundus photographs using deep learning 2020-01-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-019-13922-8 PMID:31913272	研究论文	本研究利用深度学习模型从眼底照片预测中心性糖尿病性黄斑水肿（ci-DME）的等级	本研究提出的深度学习模型在预测ci-DME时，其特异性高于专业眼科医生，且无需复杂的3D成像设备	NA	提高糖尿病性黄斑水肿的诊断准确性	中心性糖尿病性黄斑水肿（ci-DME）	机器学习	糖尿病性黄斑水肿	深度学习	NA	图像	NA
20773	2024-08-07	Photoplethysmography based atrial fibrillation detection: a review 2020, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-019-0207-9 PMID:31934647	综述	本文综述了使用光电容积脉搏波（PPG）技术进行心房颤动（AF）检测的研究进展	介绍了基于PPG的AF检测在可穿戴设备中的应用，以及相关的信号处理、机器学习和深度学习方法	讨论了这些研究在临床应用中的局限性和挑战	旨在早期筛查AF并启动治疗以预防中风	心房颤动（AF）的检测	NA	心血管疾病	光电容积脉搏波（PPG）	机器学习, 深度学习	信号	NA
20774	2024-08-07	RAC-CNN: multimodal deep learning based automatic detection and classification of rod and cone photoreceptors in adaptive optics scanning light ophthalmoscope images 2019-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.003815 PMID:31452977	研究论文	本文介绍了一种基于深度学习的自动方法RAC-CNN，用于在多模态自适应光学扫描光眼底镜图像中检测和分类杆状和锥状光感受器	提出了一种新的深度学习方法RAC-CNN，用于自动检测和分类杆状和锥状光感受器，这是之前未有充分验证的自动方法	NA	开发一种自动方法来量化自适应光学扫描光眼底镜图像中的杆状和锥状光感受器，以辅助研究各种视网膜病理	杆状和锥状光感受器在自适应光学扫描光眼底镜图像中的检测和分类	计算机视觉	NA	深度学习	CNN	图像	包括健康受试者和患有全色盲的受试者，跨越不同视网膜偏心度的图像
20775	2024-08-05	Deep learning of antibody epitopes using positional permutation vectors 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.005 PMID:39035832	研究论文	本文提出了一种通过位置置换向量编码抗原表位来改善B细胞表位预测的新方法	该方法通过将表位编码为二进制位置置换向量，并利用无结合蛋白的3D宏结构特征来提高预测准确性	仍需进一步验证该模型在其他类型数据上的广泛适用性	提高B细胞表位的计算预测精度	针对SARS-CoV-2的Spike蛋白进行B细胞表位的预测	计算机视觉	NA	深度学习	NA	蛋白质序列	实验验证的表位数据集
20776	2024-08-05	Deep Learning of radiology-genomics integration for computational oncology: A mini review 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.019 PMID:39035833	review	本文回顾了深度学习在放射基因组整合中的应用进展	探讨了深度学习在识别新的放射基因组生物标志物和治疗靶点方面的重要性，并强调了解释性人工智能方法的支持	目前的挑战和研究方向仍然需要解决，具体细节未在文中深入探讨	研究放射基因组整合在计算肿瘤学中的应用和挑战	关注放射学和基因组学数据的结合及相关的新技术	计算肿瘤学	NA	深度学习	NA	放射学数据和基因组数据	NA
20777	2024-08-05	An effective deep learning fusion method for predicting the TVB-N and TVC contents of chicken breasts using dual hyperspectral imaging systems 2024-Oct-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.139847 PMID:38925007	研究论文	本文提出了一种基于深度学习的融合方法，通过双波段高光谱成像系统预测鸡胸肉中的TVB-N和TVC含量	提出了一种端到端的深度学习模型PAFFM，整合了CNN、注意力机制和金字塔结构，能够有效融合不同光谱数据进行预测	暂无普适的处理组合，需依赖不同数据集的反复试验	研究鸡胸肉中TVB-N和TVC的预测方法	鸡胸肉的新鲜度指标TVB-N和TVC	数字病理学	NA	高光谱成像	CNN	光谱数据	NA
20778	2024-08-05	Clivia biosensor: Soil moisture identification based on electrophysiology signals with deep learning 2024-Oct-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.116525 PMID:38936168	研究论文	该研究探讨了利用电生理信号和深度学习对植物进行土壤湿度监测的可能性	提出了一种轻量级的卷积神经网络（CNN）模型，PlantNet，能够以最低的计算资源消耗实现最佳分类性能	目前仅针对克利维亚在不同土壤湿度梯度下的电信号进行了研究，尚未验证其它植物	研究植物作为生物传感器监测土壤湿度的潜力	克利维亚植物在不同土壤湿度梯度下的电信号	机器学习	NA	电生理信号	卷积神经网络（CNN）	电信号	NA
20779	2024-08-05	Beneficial effect of residential greenness on sperm quality and the role of air pollution: A multicenter population-based study 2024-Oct-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174038 PMID:38906295	研究论文	研究表明居住环境的绿化对男性精子质量有益，并探讨空气污染的影响	首次系统探讨居住绿化与男性精子质量之间的关系，以及空气污染对这一关系的调节作用	研究未考虑其他可能影响精子质量的环境因素	评估居住绿化对男性精子质量的影响及空气污染的调节作用	研究对象为来自中国6个地区的33,184名精子捐赠者的样本	数字病理学	男性不育	归一化差异植被指数(NDVI)和时空深度学习法	线性混合模型	样本数据	共涉及78,742个样本
20780	2024-08-05	Effect of fully automatic classification model from different tube voltage images on bone density screening: A self-controlled study 2024-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111521 PMID:38850722	研究论文	本研究旨在开发结合深度学习和放射组学的骨状态预测模型，并评估管电压对放射组学特征的可重复性和模型预测效能的影响	创新地将深度学习与放射组学相结合，区分正常和异常骨密度，并分析管电压变动对模型的诊断效果的影响	放射组学模型在不同管电压下的适用性受到限制，无法普遍应用于管电压不同的图像	研究管电压对骨密度筛查模型的影响	1508名接受标准剂量和低剂量胸部CT扫描的患者	数字病理学	骨质疏松症	低剂量和标准剂量胸部计算机断层扫描 (LDCT 和 SDCT)	自动分割模型	医学图像	1508名患者