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
21501	2024-08-05	Explicable Fine-Grained Aircraft Recognition Via Deep Part Parsing Prior Framework for High-Resolution Remote Sensing Imagery 2024-Jul, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2023.3293033 PMID:37552595	研究论文	提出了一种基于部件解析先验的可解释飞机识别框架，以改善高分辨率遥感图像中的飞机识别性能	该框架通过显式区域划分和知识驱动的方法，提供了细粒度的飞机结构解析，以增强特征提取和分类能力	在训练数据有限的情况下，识别性能的提升仍存在挑战	提高高分辨率遥感图像中飞机识别的有效性和准确性	通过部件解析来识别和分类飞机	计算机视觉	NA	深度学习	部分注意力模型	图像	在两个飞机识别数据集上进行了评估
21502	2024-08-05	Value of CT quantification in progressive fibrosing interstitial lung disease: a deep learning approach 2024-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10483-9 PMID:38085286	研究论文	本研究评估了基于深度学习的CT定量与强迫肺活量及间质性肺病进展的视觉评估之间的关系	使用深度学习技术量化间质性肺病的CT特征，提供了独立的预后因素	样本的时间间隔较长，可能影响数据的时效性和相关性	探讨基于CT的定量分析在进展性纤维化间质性肺病中的重要性及其预后意义	纳入了468名间质性肺病患者，进行CT扫描和深度学习分析	数字病理学	间质性肺病	深度学习	NA	影像	468名患者（239名男性；64 ± 9.5岁）
21503	2024-08-05	Differential privacy preserved federated learning for prognostic modeling in COVID-19 patients using large multi-institutional chest CT dataset 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.16964 PMID:38335175	研究论文	本文探讨了一种基于深度学习的隐私保护联邦学习方法，以预测COVID-19患者的预后。	提出了一种深度隐私保护联邦学习方法，在多机构的胸部CT图像数据上进行COVID-19预后建模，并确保数据隐私。	模型的准确性与中央模型相当，但未显示出统计学上显著的差异。	评估深度隐私保护联邦学习在COVID-19结果预测中的表现。	3055名COVID-19患者的数据，来自19个医疗中心。	机器学习	COVID-19	深度学习	DensNet	胸部CT图像	3055名患者，包括1599名存活者和1456名去世者
21504	2024-08-07	Deep learning-based diagnostic models for bone lesions: is current research ready for clinical translation? 2024-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10555-w PMID:38189983	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
21505	2024-08-05	The Future of Orthodontics: Deep Learning Technologies 2024-Jun, Cureus DOI:10.7759/cureus.62045 PMID:38989357	研究论文	深度学习在现代正畸学中的应用提供了新的诊断、治疗计划和结果预测方法	深度学习使得自动化颅面分析和通过3D成像改善诊断成为可能，显著提升治疗效果并减少人为错误	需要在数据隐私、模型可解释性和伦理问题上进行解决，以确保深度学习的伦理和负责任使用	探讨深度学习技术对正畸学的影响及其在治疗个性化方面的潜力	研究深度学习在正畸领域内的应用，包括诊断、治疗计划和结果预测	机器学习	NA	深度学习	NA	影像	NA
21506	2024-08-05	Development and Validation of an Explainable Deep Learning Model to Predict In-Hospital Mortality for Patients With Acute Myocardial Infarction: Algorithm Development and Validation Study 2024-May-10, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/49848 PMID:38728685	研究论文	该研究旨在建立一种可解释的深度学习模型，以为急性心肌梗死患者提供个体化的住院死亡风险预测和风险因素评估	开发了一种可解释的深度学习模型，能够量化和可视化影响住院死亡预测的特征	本研究仅限于来自重庆大学中央医院及其他数据库的数据，可能影响模型的通用性	建立一个用于急性心肌梗死患者的个体化住院死亡预测模型	急性心肌梗死患者	数字病理学	心血管疾病	深度学习	自注意力与样本间注意力变换器模型	电子健康记录	共10955名急性心肌梗死患者
21507	2024-08-05	Three-dimensional reconstruction of fetal rhesus macaque kidneys at single-cell resolution reveals complex inter-relation of structures 2024-Apr-03, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.07.570622 PMID:38106004	研究论文	该文章展示了在单细胞分辨率下对胎猴肾脏进行三维重建，以揭示复杂的结构相互关系	该研究利用深度学习技术对肾脏的多种微结构进行了全面标记，展示了深度学习在3D组织图像上的应用潜力	以往的研究依赖于抗体或自发荧光技术，限制了对肾脏多种细微结构的比较能力	研究肾小管与肾血管结构之间的空间相互关系	胎猕猴的肾脏结构	数字病理学	NA	深度学习	NA	3D组织图像	胎猕猴肾脏
21508	2024-08-05	A Transformer Approach for Cognitive Impairment Classification and Prediction 2024 Apr-Jun 01, Alzheimer disease and associated disorders DOI:10.1097/WAD.0000000000000619 PMID:38757560	研究论文	本研究探讨了一种变压器方法用于阿尔茨海默病和轻度认知障碍的分类和预测	使用无特征选择的掩蔽变压器编码器处理稀疏输入数据进行预测	模型对输入特征的敏感性分析结果未详细讨论	旨在非侵入性地早期分类和预测阿尔茨海默病和轻度认知障碍	使用国家阿尔茨海默协调中心的数据集进行样本分类和未来诊断预测	机器学习	阿尔茨海默病	变压器	掩蔽变压器编码器	特征数据	涉及的样本数量未具体说明
21509	2024-08-05	Comparing a pre-defined versus deep learning approach for extracting brain atrophy patterns to predict cognitive decline due to Alzheimer's disease in patients with mild cognitive symptoms 2024-03-19, Alzheimer's research & therapy DOI:10.1186/s13195-024-01428-5 PMID:38504336	研究论文	本研究比较了预定义的方法与深度学习在预测阿尔茨海默病患者脑萎缩模式的表现	该研究首次评估了使用深度学习模型与传统方法相比，使用整个脑图像来提高MRI预测阿尔茨海默病相关认知衰退的能力	深度学习模型在预测阿尔茨海默病进展方面的表现未优于基于预定义脑区的回归模型	研究阿尔茨海默病早期认知衰退的预测方法	332名有主观认知衰退或轻度认知障碍的个体	数字病理学	阿尔茨海默病	MRI	深度学习模型	结构性脑影像	332名具有主观认知衰退/轻度认知障碍的个体
21510	2024-08-05	Deep convolutional neural network for differentiating between sarcoidosis and lymphoma based on [18F]FDG maximum-intensity projection images 2024-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09937-x PMID:37535157	研究论文	本文比较了未治疗的肉芽肿病和恶性淋巴瘤的 [18F]FDG PET/CT 查找。	本研究使用最大强度投影（MIP）图像开发的卷积神经网络（CNN）模型能够高效区分肉芽肿病与恶性淋巴瘤。	本研究基于回顾性数据，可能存在偏倚，且样本量相对较小。	研究旨在通过FDG累积差异区分肉芽肿病和恶性淋巴瘤。	研究对象为新诊断的肉芽肿病和恶性淋巴瘤患者。	机器学习	淋巴瘤	[18F]FDG PET/CT	CNN	图像	共纳入118名患者，包含56名肉芽肿患者和62名恶性淋巴瘤患者
21511	2024-08-05	Corn leaf disease: insightful diagnosis using VGG16 empowered by explainable AI 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1402835 PMID:38988642	研究论文	这项研究利用VGG16深度学习模型对玉米叶片进行分类，以识别疾病	该研究通过引入层次相关传播（LRP）增强模型的可解释性，生成输入图像的直观热图	研究中未提及对不同环境和气候条件下结果的适用性分析	旨在提高玉米叶片疾病的早期检测和分类精度	研究对象为健康、枯萎、灰斑和普通锈病四种类型的玉米叶片	计算机视觉	NA	深度学习，VGG16，层次相关传播（LRP）	VGG16	图像	NA
21512	2024-08-05	HAPI: An efficient Hybrid Feature Engineering-based Approach for Propaganda Identification in social media 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302583 PMID:38985703	研究论文	本研究介绍了一种基于混合特征工程的宣传识别方法HAPI，用于检测社交媒体上的宣传内容	该研究结合传统特征工程方法与机器学习技术，提出了一种新的混合特征选择技术，能有效提高宣传检测的准确率	该研究的宣传检测范围主要限于文本数据，未涵盖多模态数据的处理	研究目的在于开发一种系统用于社交媒体上文本内容的宣传识别	研究对象为从Twitter收集的推文，进行分类为宣传和非宣传	自然语言处理	NA	机器学习	多项式朴素贝叶斯、支持向量机、决策树、逻辑回归	文本	使用了40个相关特征进行训练和评估
21513	2024-08-05	Deep learning-based assessment of CT markers of sarcopenia and myosteatosis for outcome assessment in patients with advanced pancreatic cancer after high-intensity focused ultrasound treatment 2024-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09974-6 PMID:37572195	研究论文	本文评估了CT基础的肌肉萎缩和肌肉脂肪含量标志物在高强度聚焦超声治疗的晚期胰腺癌患者中的预后价值	研究揭示了肌肉脂肪含量标志物在临床评分之外对患者生存期的附加风险评估的更大作用	本研究为回顾性研究，可能存在时间和样本选择的偏差	评估CT基础的肌肉萎缩和肌肉脂肪含量标志物对晚期胰腺癌患者生存的预后价值	142名接受高强度聚焦超声治疗的晚期胰腺癌患者	数字病理学	胰腺癌	CT扫描	Cox比例风险模型	影像	142名患者的回顾性数据
21514	2024-08-05	ML-driven segmentation of microvascular features during histological examination of tissue-engineered vascular grafts 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1411680 PMID:38988863	研究论文	本研究展示了机器学习驱动的分割方法在组织工程血管移植物组织学分析中的潜力	创建了一个独特的数据集并优化了深度神经网络超参数，开发并验证了一个集成模型	未提及具体的局限性	研究机器学习工具在组织工程血管移植物的组织学分析中的应用	采用104个组织工程血管移植物的全切片图像进行分析	数字病理学	NA	深度学习	U-Net, LinkNet, FPN, PSPNet, DeepLabV3, MA-Net	图像	104 张全切片图像和 1401 个手动注释的区域
21515	2024-08-05	Deep learning reconstruction CT for liver metastases: low-dose dual-energy vs standard-dose single-energy 2024-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10033-3 PMID:37532899	研究论文	该研究评估了低剂量双能源CT与标准剂量单能源CT在肝脏转移瘤检测中的影像质量和效果	本研究创新点在于利用深度学习图像重建技术实现低剂量双能源CT在保持影像质量的同时减少辐射剂量34%	该研究的样本数量相对较小，且仅在特定条件下进行评估，可能影响结果的广泛适用性	研究目的在于比较低剂量双能源CT与标准剂量单能源CT在肝脏转移瘤检测中的表现	参与者为80名，分别接受低剂量双能源CT和标准剂量单能源CT扫描	医学影像学	肝癌	深度学习图像重建	NA	影像	80名参与者，分别为40名接受低剂量双能源CT和40名接受标准剂量单能源CT
21516	2024-08-05	Drug repurposing for obsessive-compulsive disorder using deep learning-based binding affinity prediction models 2024, AIMS neuroscience IF:3.1Q2 DOI:10.3934/Neuroscience.2024013 PMID:38988885	研究论文	本研究使用基于深度学习的方法构建了预测与强迫症相关的生物靶点相互作用的分子模型	创新点在于利用深度学习方法构建了多模型组合，并在大型药物数据库上进行外部验证	研究可能受限于模型的选择和验证样本的多样性	研究旨在发现针对强迫症的药物再利用	研究对象为与强迫症相关的分子及其与生物靶点的相互作用	机器学习	强迫症	深度学习	集成模型	分子数据	包含多个高分子的综合模型验证和案例研究
21517	2024-08-05	Making MS Omics Data ML-Ready: SpeCollate Protocols 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4007-4_9 PMID:38995540	研究论文	本文提供了将质谱（MS）数据转化为机器学习（ML）训练和应用的全面指南	提出了SpeCollate深度学习模型，并展示了其在肽谱匹配中的应用	未提及具体的样本尺寸和限度	旨在为质谱分析提供数据变换、推理和机器学习模型应用的全面概述	质谱数据及其在肽谱匹配中的应用	机器学习	NA	质谱	深度学习模型（SpeCollate）	质谱数据	NA
21518	2024-08-05	A novel MRI-based deep learning networks combined with attention mechanism for predicting CDKN2A/B homozygous deletion status in IDH-mutant astrocytoma 2024-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09944-y PMID:37553486	研究论文	本文开发了一种基于MRI的深度学习方法，以预测IDH突变星形胶质瘤中的CDKN2A/B同源缺失状态	提出了一种结合注意力机制的深度学习网络FN-Net，优于以往的ResNet网络	没有提及潜在的局限性	研究旨在提高预测IDH突变星形胶质瘤中CDKN2A/B同源缺失状态的准确性	234名参与者的多参数脑MRI数据及相应的基因组信息	数字病理学	脑癌	MRI	ConvNeXt	图像	234名参与者（111例阳性，123例阴性）
21519	2024-08-05	An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1418280 PMID:38988988	研究论文	该文章提出了一种改进的深度学习方法，用于在MRI图像中检测和分割脑肿瘤	本研究使用二进制卷积神经网络（BCNN）算法，成功扩展了肿瘤分割能力，从仅分割四种类型提升到十种主要脑肿瘤类型	NA	提高脑肿瘤的早期检测和分割精度	通过MRI图像对脑肿瘤进行识别、分类和分级	计算机视觉	NA	深度学习	二进制卷积神经网络（BCNN）	图像	6600张脑MRI图像
21520	2024-08-05	Advanced Techniques for MR Neuroimaging 2024, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.e.2024-1000 PMID:38945942	综述	本期特别刊物总结了MR神经成像的先进技术和应用	涉及多个领域的最新进展，如深度学习图像增强和放射组学	未提供具体的研究数据或样本量信息	介绍MR神经成像领域的最新技术进展	九篇由专家撰写的综述文章	数字病理学	神经系统疾病	磁共振成像	NA	图像	NA