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
22981	2024-08-07	A model for skin cancer using combination of ensemble learning and deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301275 PMID:38820401	研究论文	本文通过结合集成学习和深度学习技术，开发了一种用于区分良性和恶性皮肤癌的模型	采用多种机器学习和深度学习技术以及不同的特征提取器和选择器来提高评估指标，并设计了包含多种技术的特征选择层	NA	帮助医疗专家区分良性和恶性皮肤癌病例	皮肤癌的良恶性区分	机器学习	皮肤癌	集成学习, 深度学习	DenseNet-201, MLP, XGB, RF, NB	图像	约350万例皮肤癌诊断
22982	2024-08-07	A Hybrid convolution neural network for the classification of tree species using hyperspectral imagery 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304469 PMID:38820430	研究论文	本文提出了一种混合卷积神经网络方法，用于使用高光谱图像对树种进行分类	结合深度学习和传统学习技术的优势，通过混合特征选择方法和优化算法提高了分类准确性	NA	提高树种分类的准确性	树种分类	计算机视觉	NA	高光谱遥感技术	CNN	图像	树种数据集
22983	2024-08-07	DAU-Net: Dual attention-aided U-Net for segmenting tumor in breast ultrasound images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303670 PMID:38820462	研究论文	本研究设计了一种基于深度学习的分割方法，用于检测乳腺超声图像中的肿瘤	提出了一种新的分割方法DAU-Net，结合了位置卷积块注意力模块（PCBAM）和移位窗口注意力（SWA）两种强大的注意力机制，集成到残差U-Net模型中	NA	提高乳腺肿瘤检测的准确性，从而改善女性的生存率	乳腺超声图像中的肿瘤	计算机视觉	乳腺癌	深度学习	U-Net	图像	使用了两个广泛使用的乳腺超声图像数据集BUSI和UDIAT
22984	2024-08-07	MCE: Medical Cognition Embedded in 3D MRI feature extraction for advancing glioma staging 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304419 PMID:38820482	研究论文	本文提出了一种嵌入医学认知的3D MRI特征提取模型，用于改进脑胶质瘤的分期	该研究通过嵌入医学知识特征到数据驱动方法中，提高了特征提取的质量，并设计了两种方法模拟医学专业人员在阅片过程中的学习过程	NA	改进脑胶质瘤MRI检测的分类和分期	脑胶质瘤的3D MRI数据	计算机视觉	脑胶质瘤	MRI	MCE模型	3D图像	使用了公开的BraTS2018和BraTS2020数据集
22985	2024-08-07	Combining pairwise structural similarity and deep learning interface contact prediction to estimate protein complex model accuracy in CASP15 2023-Dec, Proteins IF:3.2Q2 DOI:10.1002/prot.26542 PMID:37357816	研究论文	本文开发了一种结合成对结构相似性评分和基于深度学习的界面接触概率评分的混合方法，用于评估蛋白质复合体模型准确性	提出了一种结合成对结构相似性评分和界面接触概率评分的混合方法，用于评估蛋白质复合体模型准确性，这在以往的研究中较少应用	当多个结构模型质量较低且彼此相似时，成对相似性方法往往失效	评估蛋白质复合体和组装体的四级结构模型的准确性	蛋白质复合体和组装体的四级结构模型	计算机视觉	NA	深度学习	CNN	结构模型	参与CASP15的多个目标模型
22986	2024-08-07	Assessment of three-dimensional RNA structure prediction in CASP15 2023-Dec, Proteins IF:3.2Q2 DOI:10.1002/prot.26602 PMID:37876231	研究论文	本文评估了CASP15中RNA三维结构预测的表现，这是首次涉及RNA结构建模的CASP练习。	首次在CASP中评估RNA结构预测，并使用蛋白质评估的指标和方法进行RNA评估。	在模型细节预测、模型排序和多结构预测方面仍存在挑战。	评估RNA三维结构预测在CASP15中的表现。	RNA三维结构预测模型。	NA	NA	NA	NA	NA	42个预测组提交了至少一个RNA结构模型的预测。
22987	2024-08-07	Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease 2023-Sep-25, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.22.23295984 PMID:37808872	研究论文	本文开发了一种利用模型可解释性提高分类模型在多个队列间泛化能力的方法，通过MRI扫描和临床诊断数据训练深度神经网络，以区分正常认知、轻度认知障碍和阿尔茨海默病	提出了一种结合模型可解释性和域泛化的方法，通过统一视觉显著性先验来提高模型在未见目标域上的性能	NA	开发一种能够跨多个队列泛化的深度学习模型，用于评估阿尔茨海默病的认知障碍程度	MRI扫描数据和临床诊断信息	机器学习	阿尔茨海默病	深度神经网络	CNN	图像	总共使用了来自四个独立队列的7433个样本
22988	2024-08-07	Deep Learning Model for Tumor Type Prediction using Targeted Clinical Genomic Sequencing Data 2023-Sep-10, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.08.23295131 PMID:37732244	研究论文	本文开发了一种基于深度神经网络的肿瘤类型分类模型GDD-ENS，利用39,787个实体肿瘤的临床靶向癌症基因组数据进行训练	GDD-ENS模型在38种癌症类型中实现了93%的高置信度预测准确率，与基于全基因组测序的方法相媲美，并能指导罕见类型和未知原发癌的诊断	NA	开发一种临床可行的肿瘤类型分类方法，以指导癌症治疗决策	实体肿瘤的类型分类	机器学习	癌症	临床靶向癌症基因组测序	深度神经网络	基因组数据	39,787个实体肿瘤样本
22989	2024-08-07	Development of deep learning model and evaluation in real clinical practice of lingual mandibular bone depression (Stafne cyst) on panoramic radiographs 2023-Jul, Dento maxillo facial radiology DOI:10.1259/dmfr.20220413 PMID:37192044	研究论文	本研究旨在开发一种深度学习模型，用于全景X光片上舌侧下颌骨凹陷（Stafne囊肿）与真正病理性放射透光性囊肿或肿瘤的全自动鉴别诊断，并评估该模型在实际临床实践中的表现	本研究开发了一种使用EfficientDet算法的深度学习模型，能够自动区分舌侧下颌骨凹陷与真正需要治疗的病理性放射透光性病变	NA	开发并评估一种深度学习模型，用于全景X光片上舌侧下颌骨凹陷与真正病理性放射透光性病变的自动鉴别诊断	舌侧下颌骨凹陷（Stafne囊肿）与真正病理性放射透光性囊肿或肿瘤	计算机视觉	NA	EfficientDet算法	深度学习模型	图像	训练和验证数据集包含443张图像，测试数据集包含1500张图像
22990	2024-08-05	Noninvasive Tracking of Every Individual in Unmarked Mouse Groups Using Multi-Camera Fusion and Deep Learning 2023-Jun, Neuroscience bulletin IF:5.9Q1 DOI:10.1007/s12264-022-00988-6 PMID:36571715	研究论文	该文章提出了一种新的多目标跟踪系统，用于非侵入性地跟踪未标记的小鼠。	创新之处在于结合了Faster R-CNN深度学习算法和多相机融合技术，成功跟踪每个未标记小鼠的移动。	文章未讨论该方法在其他动物或不同环境下的适用性。	研究旨在开发一种精确、高效的方法，以非侵入性地追踪组内个体小鼠。	研究对象为未标记的小鼠群体。	计算机视觉	NA	视频跟踪	Faster R-CNN	视频	多个未标记小鼠的群体
22991	2024-08-05	Hybrid Optimization Algorithm Enabled Deep Learning Approach Brain Tumor Segmentation and Classification Using MRI 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00752-2 PMID:36622465	研究论文	本研究提出了一种混合优化算法驱动的深度学习方法用于脑肿瘤的分割和分类	创新点在于提出了一种将Jaya算法和蜜獾算法结合，并应用于脑肿瘤分割与分类的混合优化算法	未提及具体的限制条件	旨在提高脑肿瘤的分割和分类精度以便于医疗诊断	使用MRI图像对脑肿瘤进行分割和分类	计算机视觉	脑肿瘤	MRI	CNN和深度残差网络（DRN）	图像	使用BRATS 2018和Figshare数据集进行评估
22992	2024-08-05	A Comparison of Three Different Deep Learning-Based Models to Predict the MGMT Promoter Methylation Status in Glioblastoma Using Brain MRI 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00757-x PMID:36604366	研究论文	本文比较了三种不同的深度学习模型在使用脑部MRI预测胶质母细胞瘤中MGMT启动子甲基化状态的效果	该研究提供了三种基于深度学习的方法来无创预测MGMT启动子甲基化状态，解决了传统组织检测的限制	研究的准确率相对较低，并且可能受到样本选择和模型训练的影响	研究旨在比较三种不同的深度学习方法预测胶质母细胞瘤的MGMT启动子甲基化状态	研究对象为576个T2WI脑MRI图像及对应的肿瘤掩模和MGMT启动子甲基化状态	计算机视觉	胶质母细胞瘤	使用深度学习	3D-Vnet，目标检测模型，3D Densenet121	图像	576个T2WI图像
22993	2024-08-07	Automated Bone Tumor Segmentation and Classification as Benign or Malignant Using Computed Tomographic Imaging 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00771-z PMID:36627518	研究论文	本研究利用计算机断层扫描（CT）图像和机器学习技术，实现骨肿瘤的自动分割和良恶性分类，以辅助临床医生判断是否需要进行活检	本研究首次提出了一种基于深度学习的方法，用于从CT图像中自动分割和分类骨肿瘤	尽管在特异性和敏感性上取得了相似的分类性能，但数据集中良性和恶性病例的不平衡仍然存在	开发一种自动化的深度学习方法，用于从CT图像中分割和分类骨肿瘤	84例股骨CT扫描图像，包含50名女性和34名男性，年龄20岁及以上，具有明确的骨病变组织学证实	计算机视觉	骨肿瘤	深度学习	深度学习架构	CT扫描图像	84例股骨CT扫描图像
22994	2024-08-07	Using Deep Learning to Predict Treatment Response in Patients with Hepatocellular Carcinoma Treated with Y90 Radiation Segmentectomy 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00762-0 PMID:36629989	研究论文	本研究利用深度卷积网络集合改进体素剂量模型，预测接受Y90放射性栓塞治疗的肝细胞癌患者的治疗反应	本研究通过深度卷积网络集合考虑了Y90在治疗病变中的空间变异摄取，提高了预测治疗完全反应的F1分数、准确性和敏感性	本研究为回顾性分析，样本来自单一机构，可能存在选择偏倚	旨在提高肝细胞癌患者接受Y90放射性栓塞治疗后治疗反应的预测准确性	接受Y90放射性栓塞治疗的肝细胞癌患者	机器学习	肝细胞癌	深度学习	CNN	图像	77名患者，103个病变
22995	2024-08-07	Use of Deep Neural Networks in the Detection and Automated Classification of Lesions Using Clinical Images in Ophthalmology, Dermatology, and Oral Medicine-A Systematic Review 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00775-3 PMID:36650299	综述	本研究通过系统文献综述分析了人工神经网络和深度学习在眼科、皮肤病学和口腔医学中临床图像病变识别和自动分类的应用	研究显示人工智能模型在准确性、敏感性和特异性方面表现出色，多数结果与人类比较者相当	模型的实际应用中的性能可重复性是一个关键点	分析人工神经网络和深度学习在临床图像病变识别和自动分类中的应用	眼科、皮肤病学和口腔医学中的临床图像病变	计算机视觉	NA	人工神经网络	深度学习	图像	包含60项研究
22996	2024-08-07	Weakly supervised perivascular spaces segmentation with salient guidance of Frangi filter 2023-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29593 PMID:36692103	研究论文	本文开发了一种结合基于滤波器的图像处理算法和卷积神经网络的弱监督3D血管周围空间（PVS）分割模型	提出的方法通过结合Frangi滤波器和Unet，提高了真阳性率并降低了假阳性率，特别是在区分PVS和白质高强度方面表现出色	模型依赖于手动质量控制和标注的数据，且仍需减少对大规模标注PVS掩膜数据的依赖	旨在开发一种弱监督的3D PVS分割模型，以提高分割准确性和减少对大量标注数据的依赖	研究对象为血管周围空间（PVS）的3D分割	计算机视觉	NA	Frangi滤波器	Unet	图像	使用了Human Connectome Project的数据进行模型评估
22997	2024-08-07	Skin Cancer Classification Using Deep Spiking Neural Network 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00776-2 PMID:36690775	研究论文	本文使用深度脉冲神经网络对皮肤癌进行分类	采用脉冲神经网络进行皮肤癌分类，相比传统VGG-13和AlexNet模型，在更少的可训练参数下实现了更高的准确率和F1分数	NA	开发一种计算机辅助方法，帮助皮肤科医生诊断皮肤癌，以降低因皮肤恶性肿瘤导致的死亡率	3670张黑色素瘤和3323张非黑色素瘤图像	计算机视觉	皮肤癌	深度学习	脉冲神经网络	图像	7093张皮肤病变图像
22998	2024-08-07	Effect of Contrast Level and Image Format on a Deep Learning Algorithm for the Detection of Pneumothorax with Chest Radiography 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00772-y PMID:36698035	研究论文	研究不同对比度水平和图像格式对深度学习算法在胸部X光片中检测气胸效果的影响	首次系统研究了对比度水平和图像格式对深度学习模型诊断气胸性能的影响	仅限于胸部X光片和特定对比度水平及图像格式的研究	探讨对比度水平和图像格式对深度学习诊断气胸有效性的影响	胸部X光片中的气胸检测	机器学习	NA	深度学习	ResNet-50	图像	共收集3316张图像，包括1016张气胸图像和2300张正常图像
22999	2024-08-07	Imaging Amyloid and Tau in the Retina: Current Research and Future Directions 2023-06-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000001786 PMID:36705970	综述	本文综述了利用成像技术检测视网膜中与阿尔茨海默病相关的病理标志物（淀粉样蛋白β和磷酸化tau蛋白）的研究进展及未来方向	介绍了近红外荧光成像、新型淀粉样蛋白β标记技术和小分子视网膜tau示踪剂等新研究方向，以及人工智能（AI）在机器学习和深度学习图像分析中的应用	当前成像技术如姜黄素荧光和超光谱成像在区分姜黄素标记的淀粉样蛋白β与背景荧光、剂量标准化和定量方法上存在挑战，且超光谱成像受其他视网膜特征的干扰信号和个体间反射光谱变异性的限制	探讨视网膜成像技术在阿尔茨海默病生物标志物研究中的应用及未来发展	视网膜中的淀粉样蛋白β和磷酸化tau蛋白	数字病理学	阿尔茨海默病	超光谱成像	NA	图像	需要在大规模队列中验证
23000	2024-08-07	An Unsupervised Learning-Based Regional Deformable Model for Automated Multi-Organ Contour Propagation 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00779-z PMID:36717520	研究论文	本研究评估了一种基于深度无监督学习的区域变形模型，用于在乳腺锥束计算机断层扫描引导的自适应放疗中自动进行轮廓传播	引入了一种基于窄带映射的区域变形框架，以减轻锥束CT图像伪影的影响，并改进了传统的图像配准方法	需要进一步的研究来验证和改进该技术的性能	评估基于深度无监督学习的区域变形模型在乳腺自适应放疗中的自动轮廓传播效果	乳腺肿瘤床、临床目标体积、心脏、左肺、右肺和脊髓的轮廓传播	计算机视觉	乳腺癌	深度无监督学习	深度学习模型	图像	373个匿名的锥束CT体积，来自111名乳腺癌患者