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
21041	2024-08-05	Lesion-aware cross-phase attention network for renal tumor subtype classification on multi-phase CT scans 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108746 PMID:38878403	研究论文	本文提出了一种新颖的病灶感知交叉相位注意网络，用于多相CT影像中肾肿瘤亚型的分类	创新性在于提出了一种能够有效捕捉肾病灶在CT相位间的时间依赖关系的网络设计	本文未提及实验样本的具体限制	研究的目的是提高肾癌病灶分类的准确性	主要研究对象为多相CT影像中肾癌的病灶类型	计算机视觉	肾癌	多相CT扫描	交叉相位注意网络 (LACPANet)	图像	来自肾癌患者的多相CT扫描数据集
21042	2024-08-05	State-of-art technologies, challenges, and emerging trends of computer vision in dental images 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108800 PMID:38917534	研究论文	文章概述了计算机视觉在牙科影像中的应用及其挑战和未来趋势	整合了传统图像处理与深度学习技术，概述了牙科放射影像分析的新兴方法	研究中未详细探讨每种成像技术的局限性	旨在总结计算机视觉在牙科影像中的应用及其未来发展方向	包括不同的牙科异常的解剖分割、识别和分类	计算机视觉	NA	深度学习、经典图像处理	NA	影像	NA
21043	2024-08-05	Developing and validating a knowledge-based AI assessment system for learning clinical core medical knowledge in otolaryngology 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108765 PMID:38897143	研究论文	本研究开发了一种基于知识的人工智能评估系统，以促进耳鼻喉科的临床核心医学知识学习	提出了多专家知识聚合的自适应评估方案MEKAS，利用知识驱动的人工智能方法来改善医学学习	需要在更大规模和多样化的机构中进一步验证MEKAS的可扩展性、普遍性和长期影响	旨在通过MEKAS提高耳鼻喉科临床核心医学知识的学习效果	研究对象包括22名UPGY学员和8名耳鼻喉科住院医师，对其进行自学习效果的评估	数字病理学	NA	基于知识的人工智能	NA	评分数据	EG组22名UPGY学员和8名耳鼻喉科住院医师，CG组24名UPGY学员
21044	2024-08-05	Dual-channel end-to-end network with prior knowledge embedding for improving spatial resolution of magnetic particle imaging 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108783 PMID:38909446	研究论文	提出了一种双通道端到端网络，通过嵌入先验知识来提高磁粒子成像的空间分辨率	开发了一种新型的深度学习方法，根据磁粒子成像的先验知识来改善图像分辨率，同时保持信噪比	现有方法未考虑导致成像模糊的物理过程，可能影响解读能力	提高磁粒子成像的空间分辨率，同时不影响信噪比	低梯度和高梯度的磁粒子成像图像	计算机视觉	NA	深度学习	双通道端到端网络	图像	模拟、幻像和体内的MPI实验
21045	2024-08-05	Deep learning-based automated detection and segmentation of bone and traumatic bone marrow lesions from MRI following an acute ACL tear 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108791 PMID:38905892	研究论文	本研究使用3D U-Net自动识别和分割急性ACL撕裂后MRI中的骨和创伤性骨髓病变。	通过多任务学习和后处理算法提高了创伤性骨髓病变的自动分割准确性，提供了一种定量评估方法。	模型的训练和测试数据来自不同的研究，可能存在数据集一致性的问题。	研究使用深度学习方法自动检测和分割急性ACL撕裂后MRI中的骨髓病变。	研究对象为经历急性全层ACL撕裂的患者的MRI扫描数据。	计算机视觉	NA	MRI	3D U-Net	图像	多个急性ACL撕裂患者的数据集
21046	2024-08-05	TrueTH: A user-friendly deep learning approach for robust dopaminergic neuron detection 2024-Jul-27, Neuroscience letters IF:2.5Q3 DOI:10.1016/j.neulet.2024.137871 PMID:38857698	研究论文	本文介绍了TrueTH，一种用户友好且可靠的深度学习方法，用于准确检测多巴胺能神经元	TrueTH提供了一个开源且用户友好的解决方案，填补了现有工具在可接入性和编程要求方面的空白	NA	探讨多巴胺能神经元的量化方法以提升帕金森病研究的准确性	帕金森病大鼠模型中的多巴胺能神经元	数字病理学	帕金森病	深度学习	NA	图像	多个帕金森病小鼠模型
21047	2024-08-05	Joint diffusion: mutual consistency-driven diffusion model for PET-MRI co-reconstruction 2024-Jul-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6117 PMID:38981592	研究论文	提出了一种新的PET-MRI联合重建模型MC-Diffusion，以提高PET-MRI的图像质量	创新性地将PET和MRI的数据互补性结合，通过基于扩散的模型实现了联合重建	未提及具体的局限性	旨在利用PET和MRI数据的内在互补性提高图像质量	PET和MRI成像数据	数字病理学	NA	基于扩散的模型	MC-Diffusion	图像	ADNI数据集中的样本
21048	2024-08-05	Accurately Predicting Spatiotemporal Variations of Near-Surface Nitrous Acid (HONO) Based on a Deep Learning Approach 2024-Jul-23, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c02221 PMID:38982681	研究论文	本文建立了一个深度学习模型来预测近地表亚硝酸（HONO）的时空变化	该研究首次将深度神经网络应用于HONO浓度预测，并提出了新的HONO形成机制	模型性能可能受到数据质量和可用性限制的影响	研究旨在准确预测HONO水平，以改善气象和空气质量模型的表现	研究对象为中国四个典型大都市群的常规空气质量和气象数据	机器学习	NA	深度学习	深度神经网络（DNN）	数值数据	四个典型大都市群的数据
21049	2024-08-05	EBC-Net: 3D semi-supervised segmentation of pancreas based on edge-biased consistency regularization in dual perturbation space 2024-Jul-23, Medical physics IF:3.2Q1 DOI:10.1002/mp.17323 PMID:39042373	研究论文	提出了一种基于边缘偏置一致性正则化的3D半监督胰腺分割方法EBC-Net	引入边缘优先知识及双扰动空间的概念，提高了胰腺图像分割的准确性	目前方法可能在分割其他器官或图像时表现不佳	解决有限标注数据和感兴趣区域边界模糊的问题	胰腺在增强CT中的图像	计算机视觉	胰腺癌	深度学习	EBC-Net	3D医学图像	NA
21050	2024-08-05	Transfer learning for cross-context prediction of protein expression from 5'UTR sequence 2024-Jul-22, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae491 PMID:38864396	研究论文	本文展示了一种简单的迁移学习方法，可以有效调节预训练的深度学习模型，用于预测Escherichia coli中不同背景下的蛋白质翻译速率	通过迁移学习方法解决了深度学习模型在不同遗传和实验背景下的泛化能力不足的问题	本研究的迁移学习方法可能对某些特定背景的适应性有限	提高基于模型的DNA序列设计的泛化能力	E. coli中的5'非翻译区（5'UTR）序列	计算机视觉	NA	深度学习	深度学习模型	DNA序列数据	少量新测量
21051	2024-08-05	Reinventing gene expression connectivity through regulatory and spatial structural empowerment via principal node aggregation graph neural network 2024-Jul-22, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae514 PMID:38884259	研究论文	本文提出了一种通过主节点聚合图神经网络重塑基因表达连接的新方法	采用了空间图神经网络的创新策略，结合监管和结构元素，以改善基因表达预测	NA	旨在预测基因表达并描述复杂的基因相互作用网络	人类基因组中的基因及其相互关系	计算机视觉	NA	图神经网络(GNN)	主节点聚合模型	图结构数据	NA
21052	2024-08-05	Prediction of DNA methylation-based tumor types from histopathology in central nervous system tumors with deep learning 2024-Jul, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02995-8 PMID:38760587	研究论文	本文开发了一个深度学习模型，利用组织病理学图像预测中枢神经系统肿瘤的DNA甲基化类型	提出了DEPLOY模型，能从组织病理学图像中实现快速且准确的肿瘤分类	DNA甲基化分析仍需时间，DEPLOY的应用仍受限于数据的可获取性	提高中枢神经系统肿瘤的诊断精度	针对1,796名患者的内部数据集和3个独立的外部测试数据集进行肿瘤分类	数字病理学	NA	深度学习	深度学习模型	图像	1796名患者的内部数据集和2156名患者的外部测试数据集
21053	2024-08-05	Magnetic Resonance Imaging Images Based Brain Tumor Extraction, Segmentation and Detection Using Convolutional Neural Network and VGC 16 Model 2024-07-01, American journal of clinical oncology DOI:10.1097/COC.0000000000001097 PMID:38632686	研究论文	本文讨论如何利用CNN模型从磁共振成像中提取、分割和检测脑瘤	提出了一种基于卷积神经网络的分类方法，提高了脑瘤分割的准确性	对于大规模数据的处理和训练可能依赖于复杂的优化算法	旨在探讨不同的脑瘤分割方法	研究对象为脑瘤的磁共振成像图像	数字病理学	脑肿瘤	数字图像处理和深度学习	卷积神经网络 (CNN) 和 VGC 16模型	图像	使用来自'Brain web'的数据集的多幅磁共振成像图像
21054	2024-08-05	Deep Learning in Image-Based Plant Phenotyping 2024-Jul, Annual review of plant biology IF:21.3Q1 DOI:10.1146/annurev-arplant-070523-042828 PMID:38382904	review	本文回顾了深度学习在基于图像的植物表型分析中的应用	提出了利用深度学习分析大量图像数据以提高作物表型检测效率的研究	未详细探讨深度学习在所有植物表型研究中的实际应用效果	探讨深度学习如何改善植物表型数据的分析和应用	关注作物表型检测和深度学习技术的结合	计算机视觉	NA	深度学习	NA	图像	NA
21055	2024-08-05	Real-time non-invasive hemoglobin prediction using deep learning-enabled smartphone imaging 2024-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02585-1 PMID:38951831	研究论文	本研究介绍了一种使用深度学习和智能手机技术来准确估计血红蛋白水平的系统	提出了一种新颖、紧凑且高效的系统，消除了对补充设备的需求，提供了一种经济、快速且准确的血红蛋白检测方法	模型的R^2值相对较低，表明预测的准确性在某些情况下可能受限	研究旨在提供一种快速、便捷的血红蛋白浓度测量方法以支持医疗评估	研究对象为通过智能手机拍摄的眼部图像用以预测血红蛋白水平	数字病理学	NA	深度学习，智能手机成像	EGE-Unet，DHA(C3AE)	图像	NA
21056	2024-08-05	Image Quality Assessment Using Convolutional Neural Network in Clinical Skin Images 2024-Jul, JID innovations : skin science from molecules to population health DOI:10.1016/j.xjidi.2024.100285 PMID:39036289	研究论文	本文开发了一种图像质量分析工具，用于评估患者和初级保健医生提供的临床皮肤图像	使用深度学习模型，细化了VGG16模型以评估临床图像质量	用户可能需要捕获额外的图像，尽管这会在临床团队的工作负载和效率上有所改善	评估临床评估中获得的图像质量	来自2018年8月21日至2022年6月30日的患者和初级保健医生提供的图像	计算机视觉	皮肤病	深度学习	VGG16	图像	300张额外的图像（来自患者和初级保健医生）
21057	2024-08-05	Deep learning-enabled high-speed, multi-parameter diffuse optical tomography 2024-Jul, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.7.076004 PMID:39035576	研究论文	该文章展示了一种基于深度学习的高效多参数扩散光学断层成像方法	文章创新地结合了深度学习算法来加速扩散光学断层成像的重构过程，实现了实时成像	文章中未提及实际临床应用中的局限性	旨在展示利用深度学习重建三维吸收和散射系数以实现实时成像	研究对象为人类乳腺组织的光学成像	数字病理学	乳腺癌	频域扩散光学断层成像 (FD-DOT)	深度学习模型	模拟和实验数据	300个模拟组织模型
21058	2024-08-05	Optimizing neurointerventional procedures: an algorithm for embolization coil detection and automated collimation to enable dose reduction 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044003 PMID:39035051	研究论文	本文提出了一种用于检测栓塞线圈的算法，旨在优化神经介入手术中的辐射剂量和图像质量	这是首次成功检测栓塞线圈并将检测结果集成到X射线血管造影系统中的方法，展现了更广泛的应用潜力	由于使用了上尺度的边界框，因此不需要实际重叠达到100%，可能影响结果的一致性	优化神经介入过程，提高图像质量并降低患者辐射剂量	研究重点是栓塞线圈在医学影像中的检测及自动准直	数字病理学	NA	深度学习，使用Faster R-CNN和RetinaNet	Faster R-CNN，ResNet-50 FPN，RetinaNet	医学影像	经过五折交叉验证的验证数据和独立测试数据
21059	2024-08-05	Artificial intelligence in dentistry: A bibliometric analysis from 2000 to 2023 2024-Jul, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2023.10.025 PMID:39035285	研究论文	本研究提供了人工智能在牙科应用的全球趋势和研究热点的全面概述	这项研究通过文献计量分析展示了2000年至2023年牙科领域人工智能的快速发展和创新应用	该研究仅限于检索Web of Science核心合集中的文献，可能不包括所有相关研究	该研究旨在分析人工智能在牙科领域的应用和发展趋势	研究对象为2000年至2023年间发表的与牙科人工智能相关的文献	数字病理学	牙周病	文献计量分析	神经网络	文献	共识别出651篇文献
21060	2024-08-05	Protein language models enable prediction of polyreactivity of monospecific, bispecific, and heavy-chain-only antibodies 2024-Jul, Antibody therapeutics DOI:10.1093/abt/tbae012 PMID:39036071	研究论文	本文介绍了一种基于蛋白质语言模型的多反应性预测方法	这是首次将蛋白质语言模型应用于双特异性抗体和VHH-Fc的测定数据预测	未提及具体的模型局限性	开发计算模型以预测单特异性、双特异性和重链单抗的多反应性	面向单特异性抗体、双特异性抗体和单域Fc抗体的多反应性	计算机视觉	NA	深度学习	集成模型	抗体序列数据	大型抗体序列数据集