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
21221	2024-08-05	Evaluation of deep learning-based reconstruction late gadolinium enhancement images for identifying patients with clinically unrecognized myocardial infarction 2024-May-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01308-2 PMID:38822240	研究论文	本研究比较了使用常规和深度学习重建技术识别未被确认心肌梗死患者的效果	本研究创新性地应用深度学习重建技术(LGEDL)以提高未被确认心肌梗死的诊断效率	研究仅在一个医院进行，样本量相对较小，可能限制结果的泛化性	评估深度学习重建的晚期铕增强图像在识别未被确认的心肌梗死患者中的有效性	98名有未被确认心肌梗死疑虑患者	计算机视觉	心血管疾病	深度学习重建	NA	图像	98名患者，68名男性，平均年龄：55.8±8.1岁
21222	2024-08-05	Evaluating a radiotherapy deep learning synthetic CT algorithm for PET-MR attenuation correction in the pelvis 2024-Jan-29, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00617-3 PMID:38282050	研究论文	本文评估了一种基于放射治疗的深度学习合成CT算法在盆腔PET-MR衰减校正中的应用	本研究结合了一种新开发的零回声时间（ZTE）MR序列和深度学习模型生成合成CT，显著提高了衰减校正的准确性	样本量相对较小，仅包含10位患者	评估新算法在PET-MR衰减校正中的效果	10名进行肛直肠放射治疗的患者	数字病理学	NA	ZTE-MR序列	深度学习模型	图像	10名患者
21223	2024-08-05	Deep Survival Analysis for Interpretable Time-Varying Prediction of Preeclampsia Risk 2024-Jan-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.18.24301456 PMID:38293230	research paper	本文展示了一种深度生存分析的方法用于预测妊娠期子痫前期的风险	提出了一种修改过的DeepHit深度生存模型，能够处理非比例风险，并捕捉妊娠中的时间变化关系	未提及具体局限性	研究妊娠期子痫前期的时间变化风险及其相关临床风险因素	66,425名在两家三级护理中心分娩的孕妇	digital pathology	妊娠相关疾病	深度学习	DeepHit	时间序列数据	66,425名孕妇
21224	2024-08-05	Research Progress in Predicting Hepatocellular Carcinoma with Portal Vein Tumour Thrombus in the Era of Artificial Intelligence 2024, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S474922 PMID:39050809	综述	该论文全面回顾了人工智能在预测肝细胞癌及其门静脉肿瘤血栓中的应用进展	创新点在于将人工智能技术应用于肝细胞癌的诊断预测，并探讨其对临床管理的影响	存在的研究局限性进行了评估，但具体的局限性未详细列出	提升门静脉肿瘤血栓患者的生存预后	探讨门静脉肿瘤血栓形成和进展的机制及其对肝细胞癌的影响	医学影像学	肝细胞癌	人工智能	机器学习和深度学习	医学图像	NA
21225	2024-08-05	Harnessing Few-Shot Learning for EEG signal classification: a survey of state-of-the-art techniques and future directions 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1421922 PMID:39050382	综述	本文系统性地回顾了针对脑电图信号分类的少量学习技术，包括数据增强、迁移学习和自监督学习等	文章创新性地提出了适用于不同脑电图范例的数据增强策略和迁移学习架构	研究存在对脑电图数据的多样性和噪声的处理不足	探讨如何使用少量学习方法提高脑电图信号分类的效果	主要对象是脑电图信号及其分类方法	机器学习	NA	数据增强、迁移学习、自监督学习	NA	EEG信号	NA
21226	2024-08-05	Artificial intelligence in ischemic stroke images: current applications and future directions 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1418060 PMID:39050128	评论	本文综述了人工智能在缺血性卒中影像学应用的研究进展	探讨了大语言模型在缺血性卒中影像分析中的应用前景	面临数据量不足、模型可解释性差和实时监控更新的挑战	研究人工智能在缺血性卒中影像中的应用及未来方向	分析了自动分割梗死区域、大血管闭塞检测和中风结果预测等多个领域的应用	计算机视觉	缺血性卒中	机器学习和深度学习	NA	影像	NA
21227	2024-08-05	PseudoCell: Hard Negative Mining as Pseudo Labeling for Deep Learning-Based Centroblast Cell Detection 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3407351 PMID:39050971	研究论文	本研究提出了一种用于自动化检测整个切片图像中的中心母细胞的对象检测框架	通过结合病理学家提供的标签和基于细胞形态特征生成的伪阴性标签，减少了对人工标注的依赖	模型仍需要依赖病理学家提供的初步标签	研究目标是降低病理学家的工作量，并提高中心母细胞的检测效率	研究对象为中心母细胞的检测	数字病理学	NA	深度学习	对象检测框架	整体切片图像	NA
21228	2024-08-05	Liquid Biopsy Instrument for Ultra-Fast and Label-Free Detection of Circulating Tumor Cells 2024, Research (Washington, D.C.) DOI:10.34133/research.0431 PMID:39050821	研究论文	本文介绍了一种基于惯性微流体和阻抗细胞计数的自动液体活检仪器CytoExam，用于快速无标记检测循环肿瘤细胞	CytoExam能够在15分钟内实现对癌症患者外周血中循环肿瘤细胞的无标记检测，且临床适用性得到了验证	研究中仅使用了来自10名健康供体和50多名乳腺癌、结直肠癌或肺癌患者的外周血样本	本研究旨在开发一种快速且无创的液体活检技术，以改善癌症的诊断与监测	研究对象为癌症患者及健康供体的外周血样本	数字病理学	肺癌	阻抗细胞计数	深度学习算法	血液样本	10名健康供体和50多名癌症患者
21229	2024-08-05	PSPI: A deep learning approach for prokaryotic small protein identification 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1439423 PMID:39050248	研究论文	本文介绍了一种名为PSPI的深度学习方法，用于识别原核小蛋白	PSPI是专门为预测原核小蛋白而设计的深度学习工具，具有高准确性和较快的识别速度	现有的计算工具主要针对特定的真核物种，对于原核体的小蛋白识别选项较少，且性能依然不理想	填补原核小蛋白识别方法的空白	原核小蛋白的识别和预测	机器学习	NA	深度学习	NA	NA	NA
21230	2024-08-05	Robust gesture recognition based on attention-deep fast convolutional neural network and surface electromyographic signals 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1306047 PMID:39050666	研究论文	本文提出了一种基于注意力深度快速卷积神经网络和表面肌电信号的手势识别方法	提出了注意力深度快速卷积神经网络模型，通过结合空间和时间特征来提高手势识别的稳健性和稳定性	缺少对低密度电极的手势识别性能比较	提高在高密度电极移动或损坏情况下的手势识别准确率	七名健康受试者和一名截肢者的手势识别	数字病理学	NA	sEMG	注意力深度快速卷积神经网络	信号	8个受试者（7名健康者和1名截肢者）
21231	2024-08-05	Characterization and Identification of NPK Stress in Rice Using Terrestrial Hyperspectral Images 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0197 PMID:39049839	研究论文	本研究建立了一个小麦NPK营养胁迫条件的高光谱库，以及时评估作物健康状况	提出了一种基于变换器的深度学习网络SHCFTT用于识别高光谱图像中的营养胁迫模式	NA	评估水稻在不同营养胁迫条件下的健康状况	水稻在14种NPK营养胁迫条件下的反射率曲线	数字病理	NA	高光谱成像技术	SHCFTT, SVM, 1D-CNN, 3D-CNN	图像	420张水稻胁迫图像
21232	2024-08-05	Feasibility of direct brain 18F-fluorodeoxyglucose-positron emission tomography attenuation and high-resolution correction methods using deep learning 2024, Asia Oceania journal of nuclear medicine & biology DOI:10.22038/AOJNMB.2024.74875.1522 PMID:39050241	研究论文	本研究开发了三种用于大脑18F-氟脱氧葡萄糖正电子发射断层扫描(PET)的衰减校正方法，并评估其精确度	首次利用深度学习开发直接和高分辨率衰减校正方法，提供无CT暴露的准确衰减校正	样本量较小，仅包含53名和27名患者，可能影响结果的广泛适用性	开发并评估大脑PET的衰减校正方法	53名接受颅脑磁共振成像(MRI)和计算机断层扫描(CT)的患者，以及27名接受MRI、CT和PET的患者	数字病理学	NA	深度学习	U-net	影像	53名患者和27名患者
21233	2024-08-05	Attention Feature Fusion Network via Knowledge Propagation for Automated Respiratory Sound Classification 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3402139 PMID:38899013	研究论文	本研究开发了一种基于深度学习的自动化呼吸声音分类系统	将知识传播机制整合到CNN模型中，提高了呼吸病自动诊断的有效性	研究后仍需进一步的临床验证以确认模型的普适性	旨在通过自动化方法提高呼吸疾病早期诊断的准确性	该研究对象为1至6岁的小儿患者的呼吸声音数据	机器学习	呼吸系统疾病	深度学习	卷积神经网络（CNN）	音频	使用了ICBHI基准数据集和一个更大规模的自收集小儿数据集
21234	2024-08-05	A Drosophila heart optical coherence microscopy dataset for automatic video segmentation 2023-Dec-09, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02802-y PMID:38071220	研究论文	本文介绍了一种针对果蝇心脏视频的自动分割算法和相关数据集	提出了名为FlyNet 2.0+的自动化果蝇心脏分割算法，利用LSTM卷积神经网络处理视频中的时间序列信息	未提及该算法在其他物种或不同实验条件下的效用	旨在提高果蝇心脏功能量化的效率和一致性	果蝇白眉实验中获取的心脏视频数据集	计算机视觉	NA	光学相干显微镜 (OCM)	LSTM卷积神经网络	视频	213个果蝇心脏视频，约等于604,000个横截面图像
21235	2024-08-05	Deep Learning-Based TEM Image Analysis for Fully Automated Detection of Gold Nanoparticles Internalized Within Tumor Cell 2023-07-25, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/micmic/ozad066 PMID:37488822	研究论文	本研究开发了基于深度学习的TEM图像分析方法，用于全自动检测肿瘤细胞内的金纳米颗粒	本研究的创新点在于提出了一种全自动的深度学习方法，能够有效检测细胞TEM图像中的金纳米颗粒	有可能受到转移学习和模型调整的效果限制	本研究旨在提高金纳米颗粒在肿瘤细胞内定量分析的准确性和效率	研究对象为含金纳米颗粒的肿瘤细胞的TEM图像	计算机视觉	癌症	深度学习，传输学习	YOLO v5	图像	78张原始TEM图像（12040张增强图像）
21236	2024-08-05	Deep learning-enabled volumetric cone photoreceptor segmentation in adaptive optics optical coherence tomography images of normal and diseased eyes 2023-Feb-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.478693 PMID:36874491	研究论文	本文提出了一种深度学习框架，用于自动分割适应性光学光学相干断层扫描图像中的锥细胞	该方法实现了从传统人工标记到自动化的3-D体积数据分析，达到人类水平的性能	NA	自动化测量视网膜神经退行性疾病中光受体细胞的形态	健康和疾病参与者的光受体细胞	数字病理学	视网膜神经退行性疾病	适应性光学光学相干断层扫描	深度学习	3-D图像	涉及健康和疾病参与者的AO-OCT扫描，具体样本大小未提供
21237	2024-08-07	Integrating Multiomics Information in Deep Learning Architectures for Joint Actuarial Outcome Prediction in Non-Small Cell Lung Cancer Patients After Radiation Therapy 2021-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2021.01.042 PMID:33539966	研究论文	提出了一种新颖的保险深度学习神经网络（ADNN）架构，用于预测接受放射治疗的III期非小细胞肺癌（NSCLC）患者的放射性肺炎（RP）和局部控制（LC）的联合结果	与仅使用剂量学信息的正常组织并发症概率/肿瘤控制概率模型不同，所提出的模型考虑了正电子发射断层扫描（PET）放射组学、细胞因子和miRNA等多组学信息的复杂相互作用	NA	旨在通过整合多组学信息，提高放射治疗后非小细胞肺癌患者的放射性肺炎和局部控制的预测准确性	III期非小细胞肺癌患者在接受放射治疗后的放射性肺炎和局部控制	机器学习	肺癌	正电子发射断层扫描（PET）放射组学、细胞因子和miRNA	一维卷积神经网络（CNN）和变分编码器	图像和生物数据	117名回顾性患者和25名前瞻性新患者，以及327名多机构RTOG0617数据集患者
21238	2024-08-07	A Role for FDG PET Radiomics in Personalized Medicine? 2020-Nov, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2020.05.002 PMID:33059822	综述	本文综述了放射组学在分子影像学中的应用，特别是在肺癌中的研究进展	介绍了使用机器学习和深度学习方法在放射组学中的应用，这些方法可以自动学习特征，无需预定义和图像预处理	目前放射组学的研究仍处于早期阶段，仅有有限的研究成果被纳入常规实践	探讨放射组学在个性化医疗中的潜在作用	主要研究对象为肺癌	数字病理学	肺癌	F-氟脱氧葡萄糖正电子发射断层扫描（F-FDG-PET）	人工神经网络	图像	NA
21239	2024-08-07	Deep learning extends de novo protein modelling coverage of genomes using iteratively predicted structural constraints 2019-09-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-019-11994-0 PMID:31484923	研究论文	本文介绍了DMPfold方法，利用深度学习预测原子间距离界限、主链氢键网络和扭转角，通过迭代方式构建蛋白质模型	DMPfold在CASP12域测试集上生成的模型比两种流行方法更准确，并且同样适用于跨膜蛋白	NA	扩展从头蛋白质建模对基因组的覆盖范围	蛋白质结构预测	机器学习	NA	深度学习	CNN	序列数据	应用于所有未知结构的Pfam域，为25%的所谓暗家族生成可信模型，为16%的人类蛋白质组UniProt条目生成模型
21240	2024-08-05	A Brazilian native bee (Tetragonisca angustula) dataset for computer vision 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110659 PMID:39044906	研究论文	文章介绍了一个用于计算机视觉的巴西本土蜜蜂数据集	提供了用于蜜蜂追踪的多样化视频数据及其标签和元数据	研究中未提及数据集的规模或照片与视频的处理方法	证明该数据集在计算机视觉任务中的潜力	多个蜜蜂群体的视频记录	计算机视觉	NA	NA	深度学习模型	视频	多个蜜蜂群体的视频