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
23141	2024-08-07	Deep Learning-based Approach for Brainstem and Ventricular MR Planimetry: Application in Patients with Progressive Supranuclear Palsy 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230151 PMID:38506619	研究论文	开发一种基于深度学习的MRI脑干和脑室结构自动分割和测量方法，用于渐进性核上性麻痹（PSP）患者的诊断	提出了一种全自动的深度学习方法，用于MRI图像中脑干和脑室结构的分割和测量，并能有效区分PSP患者与帕金森病（PD）患者	研究为回顾性研究，且样本主要集中在PSP和PD患者	开发一种快速且全自动的深度学习方法，用于MRI图像中脑干和脑室结构的分割和测量	脑干和脑室结构，特别是中脑、脑桥、小脑中脚、小脑上脚、第三脑室和额角	机器学习	神经退行性疾病	MRI	CNN	图像	健康对照组84例，PSP患者71例，PD患者129例，共计305例测试数据集
23142	2024-08-07	Performance of an Artificial Intelligence System for Breast Cancer Detection on Screening Mammograms from BreastScreen Norway 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230375 PMID:38597784	研究论文	本研究评估了商业可用的人工智能系统在不同风险评分阈值下独立检测乳腺癌的性能	人工智能系统在筛查乳腺X线摄影中显示出高检测乳腺癌的性能，并有可能用于分流低风险乳腺X线摄影以减少放射科医生的工作量	本研究为回顾性研究，可能存在选择偏倚	探索商业可用的人工智能系统在不同风险评分阈值下独立检测乳腺癌的性能	661,695次数字乳腺X线摄影检查，涉及242,629名女性个体，包括3807例筛查出的癌症和1110例间隔乳腺癌	计算机视觉	乳腺癌	深度学习算法	卷积神经网络（CNN）	图像	661,695次检查，242,629名女性个体，包括3807例筛查出的癌症和1110例间隔乳腺癌
23143	2024-08-07	A Semiautonomous Deep Learning System to Reduce False Positives in Screening Mammography 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230033 PMID:38597785	研究论文	评估一个半自主人工智能模型在识别非可疑乳腺癌筛查乳腺X光片和减少假阳性检查方面的能力	开发了一种半自主深度学习系统，用于减少乳腺癌筛查中的假阳性结果	研究基于回顾性数据集，未来需要前瞻性研究验证其效果	评估半自主人工智能模型在乳腺癌筛查中减少假阳性检查的能力	半自主人工智能模型在乳腺癌筛查中的应用	机器学习	乳腺癌	深度学习算法	AI模型	二维数字乳腺X光片	123,248张乳腺X光片用于训练，14,831次筛查乳腺X光片检查用于回顾性研究
23144	2024-08-07	Faster, More Practical, but Still Accurate: Deep Learning for Diagnosis of Progressive Supranuclear Palsy 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240181 PMID:38691010	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
23145	2024-08-07	Versatile multiple object tracking in sparse 2D/3D videos via deformable image registration 2024-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012075 PMID:38768230	研究论文	本文提出了一种名为ZephIR的图像配准框架，用于在2D和3D视频中的半监督多目标跟踪	ZephIR框架通过引入可调整参数，能够适应不同生物系统的空间和时间先验，从而在多种应用中实现准确和通用的跟踪	需要用户提供少量注释以交互式改进跟踪结果	开发一种能够适应不同数据集的多目标跟踪方法，以解决手动跟踪在大数据集上的低效率问题	跟踪行为动物的身体部位、从变形组织中的细胞提取荧光信号以及分析发育过程中细胞迁移模式	计算机视觉	NA	图像配准	空间变换网络	视频	多种生物系统的2D和3D视频数据
23146	2024-08-07	DEMIST: A Deep-Learning-Based Detection-Task-Specific Denoising Approach for Myocardial Perfusion SPECT 2024-Apr, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2024.3379215 PMID:38766558	研究论文	本文提出了一种基于深度学习的特定检测任务去噪方法DEMIST，用于改善心肌灌注SPECT图像的观察者性能	DEMIST方法在去噪的同时保留了影响观察者检测任务性能的特征，显著提高了接收者操作特征曲线下的面积（AUC）	需要进一步的临床评估来验证DEMIST在低计数图像中的应用效果	开发一种能够提高低剂量心肌灌注SPECT图像检测性能的去噪方法	心肌灌注SPECT图像	计算机视觉	心血管疾病	深度学习	NA	图像	338名接受MPI研究的患者
23147	2024-08-07	Opposing effects of thyroid hormones on hypothalamic subunits and limbic structures in hyperthyroidism patients: A comprehensive volumetric study 2024-03, Journal of neuroendocrinology IF:3.3Q2 DOI:10.1111/jne.13369 PMID:38326952	研究论文	本研究旨在探讨甲状腺功能亢进症患者大脑特定区域的萎缩模式，包括下丘脑亚区和边缘结构，并分析这些变化与激素水平及心理测试之间的关系	本研究首次全面分析了甲状腺功能亢进症患者下丘脑亚区和边缘结构体积的变化，并探讨了这些变化与激素水平及心理测试结果的相关性	本研究样本量较小，且仅包括新诊断未治疗的甲状腺功能亢进症患者，可能影响结果的普遍性	探索甲状腺功能亢进症患者大脑特定区域的体积变化及其与激素水平和心理测试的关系	甲状腺功能亢进症患者及匹配的对照组的大脑下丘脑亚区和边缘结构	NA	甲状腺疾病	磁共振成像（MRI）	深度学习算法	图像	19名新诊断未治疗的甲状腺功能亢进症患者和15名年龄性别匹配的对照组
23148	2024-08-07	Deep Learning-Based H-Score Quantification of Immunohistochemistry-Stained Images 2024-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100398 PMID:38043788	研究论文	本文开发了一种基于深度学习的算法，用于自动量化免疫组化染色图像的H评分	该算法通过深度学习模型自动识别特定细胞区域的蛋白表达，提高了免疫组化图像分析的速度和准确性	NA	提高免疫组化染色图像分析的效率和准确性	免疫组化染色图像中的蛋白表达水平	数字病理学	NA	免疫组化染色	深度学习模型	图像	NA
23149	2024-08-07	Visual explanations for polyp detection: How medical doctors assess intrinsic versus extrinsic explanations 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304069 PMID:38820304	研究论文	本文研究了医学专业人员对应用于胃肠疾病检测案例中的当前最先进的可解释人工智能方法的看法，特别是对内在解释和外在解释的评估	本文首次探讨了医学专业人员对内在和外在解释方法的偏好，并基于研究结果提出了未来医学深度神经网络解释的定制方向	研究仅限于胃肠疾病检测案例，可能不涵盖所有医疗领域的解释需求	探讨医学专业人员对当前可解释人工智能方法的看法，并基于此提出未来医学深度神经网络解释的改进方向	医学专业人员对内在和外在解释方法的偏好及这些解释方法的当前价值	计算机视觉	胃肠疾病	深度学习	深度神经网络	图像	未具体说明样本数量
23150	2024-08-07	Multimodal MALDI imaging mass spectrometry for improved diagnosis of melanoma 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304709 PMID:38820337	研究论文	本文开发了一种多模态分类流程，利用深度学习从组织病理学图像中提取有意义的形态学特征，并与IMS数据结合，以提高黑色素瘤的诊断准确性	首次将深度学习应用于组织病理学图像和IMS数据的多模态分类，无需大量显微镜数据训练	NA	提高黑色素瘤的诊断准确性	黑色素瘤和痣病变	数字病理学	黑色素瘤	MALDI成像质谱	人工神经网络	图像	331名患者
23151	2024-08-07	Performance enhancement of short-term wind speed forecasting model using Realtime data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302664 PMID:38820359	研究论文	本文提出了一种混合模型L-LG-S，用于精确的短期风速预测，并使用来自巴基斯坦卡拉奇市风力涡轮机的实际风速数据进行了测试	提出的混合模型L-LG-S在短期风速预测的训练、验证和测试预测中，准确性分别比现有技术模型提高了98%	NA	提高短期风速预测的准确性，以支持更有效和安全的可再生风能生产	短期风速预测模型	机器学习	NA	NA	混合模型	风速数据	来自巴基斯坦卡拉奇市风力涡轮机的实际风速数据
23152	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
23153	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
23154	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
23155	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
23156	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
23157	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。
23158	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
23159	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
23160	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