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
8681	2025-01-16	Towards Robust Supervised Pectoral Muscle Segmentation in Mammography Images 2024-Dec-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120331 PMID:39728227	研究论文	本文提出了一种用于乳腺X光图像中胸肌分割的鲁棒监督方法，并提供了INbreast、MIAS和CBIS-DDSM数据集的胸肌分割掩码	提供了胸肌分割掩码，使得能够开发基于深度学习的监督方法，并利用AU-Net模型进行胸肌分割	当前方法主要依赖于传统机器学习方法，且缺乏胸肌分割掩码的数据集	开发一种鲁棒的自动化乳腺癌检测系统，特别是针对乳腺X光图像中的胸肌分割	乳腺X光图像中的胸肌	计算机视觉	乳腺癌	深度学习	AU-Net	图像	INbreast、MIAS和CBIS-DDSM数据集中的图像
8682	2025-01-16	The Use of Hybrid CNN-RNN Deep Learning Models to Discriminate Tumor Tissue in Dynamic Breast Thermography 2024-Dec-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120329 PMID:39728226	研究论文	本研究评估了基于五种预训练CNN架构与三种RNN结合的混合卷积-循环神经网络（CNN-RNN）模型，用于区分动态乳腺热成像中的肿瘤异常	首次将混合CNN-RNN模型应用于动态乳腺热成像数据，以提取空间和时间信息，提高乳腺癌检测的准确性	尽管混合模型在性能上优于独立CNN模型，但某些架构的CPU运行时间较长，可能影响实际应用中的效率	通过深度学习模型提高乳腺癌早期检测的准确性和效率	动态乳腺热成像数据	计算机视觉	乳腺癌	红外热成像	CNN-RNN（VGG16-LSTM, AlexNet-RNN等）	图像（动态乳腺热成像）	未明确提及样本数量
8683	2025-01-16	In Vivo Evaluation of Two Hemorrhagic Shock Resuscitation Controllers with Non-Invasive, Intermittent Sensors 2024-Dec-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121296 PMID:39768114	研究论文	本文评估了两种使用非侵入性间歇传感器输入的出血性休克复苏控制器在猪模型中的效果	提出了使用非侵入性间歇信号传感器输入的闭环液体复苏控制器，以简化在远前环境中的使用	需要进一步改进非侵入性输入方法	评估非侵入性间歇传感器输入在出血性休克复苏中的有效性	猪出血性休克模型	医学工程	出血性休克	非侵入性血压测量（NIBP）和深度学习模型	深度学习模型	血压数据	猪模型
8684	2025-01-15	A Real-Time Lightweight Behavior Recognition Model for Multiple Dairy Goats 2024-Dec-19, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14243667 PMID:39765571	研究论文	本文提出了一种名为GSCW-YOLO的实时轻量级行为识别模型，用于多只奶山羊的行为识别，特别是在复杂环境中识别小目标行为	GSCW-YOLO模型集成了高斯上下文变换（GCT）和内容感知特征重组（CARAFE）上采样算子，增强了YOLOv8n框架对行为特征的关注，减少了复杂背景的干扰，并提高了区分细微行为差异的能力	NA	通过深度学习技术自动识别奶山羊的行为，特别是异常行为，以早期发现潜在的健康和环境问题	奶山羊	计算机视觉	NA	深度学习	GSCW-YOLO	图像	9213张图像
8685	2025-01-16	Automated Supraclavicular Brown Adipose Tissue Segmentation in Computed Tomography Using nnU-Net: Integration with TotalSegmentator 2024-Dec-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14242786 PMID:39767147	研究论文	本研究开发了一种基于nnU-Net深度学习框架的自动化棕色脂肪组织（BAT）分割方法，并将其集成到TotalSegmentator软件中，用于评估其在淋巴瘤患者中的性能	使用nnU-Net深度学习框架进行自动化BAT分割，并集成到TotalSegmentator软件中，显著提高了分割性能并减少了手动标注的需求	研究仅针对淋巴瘤患者，未在其他疾病或健康人群中验证其通用性	开发并评估一种自动化BAT分割方法，以减少手动标注的时间并提高准确性	淋巴瘤患者的CT扫描图像	数字病理学	淋巴瘤	CT扫描，FDG PET/CT	nnU-Net	图像	159名淋巴瘤患者的CT扫描用于训练，30名患者用于测试，7107名患者的FDG PET/CT研究用于分析
8686	2025-01-16	Exploring the Trade-Off in the Variational Information Bottleneck for Regression with a Single Training Run 2024-Nov-30, Entropy (Basel, Switzerland) DOI:10.3390/e26121043 PMID:39766672	研究论文	本文分析了深度学习中的变分信息瓶颈（VIB）在回归问题中的表现，并提出了一种框架，可以在一次训练中获得所有β值的最优解	提出了一种框架，可以在一次训练中获得所有β值的最优解，而传统方法需要为每个β值进行一次训练	NA	分析变分信息瓶颈（VIB）在回归问题中的表现，并提高探索β值的效率	回归问题中的变分信息瓶颈（VIB）	机器学习	NA	NA	变分信息瓶颈（VIB）	NA	NA
8687	2025-01-16	Artificial Intelligence in IVF Laboratories: Elevating Outcomes Through Precision and Efficiency 2024-Nov-28, Biology DOI:10.3390/biology13120988 PMID:39765654	综述	本文探讨了人工智能（AI）在体外受精（IVF）实验室中的应用，旨在通过提高精度和效率来提升生殖医学的成果	AI技术在IVF实验室中的应用，特别是在胚胎和精子选择、优化临床结果以及减少人为错误方面的自动化过程，提供了有价值的预测性见解，增强了个性化治疗计划并提高了生育治疗的成功率	AI的整合带来了伦理、监管和社会挑战，包括数据安全、算法偏见以及临床决策中人机界面的问题	探讨AI在IVF实验室中的应用，以提升生殖医学的精度和效率	体外受精（IVF）实验室	生殖医学	NA	神经网络、深度学习、机器学习	NA	NA	NA
8688	2025-01-16	VDMNet: A Deep Learning Framework with Vessel Dynamic Convolution and Multi-Scale Fusion for Retinal Vessel Segmentation 2024-Nov-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121190 PMID:39768008	研究论文	本文提出了一种名为VDMNet的深度学习框架，用于视网膜血管分割，通过集成多种先进组件克服现有方法的局限性	引入了Fast Multi-Head Self-Attention模块、Vessel Dynamic Convolution模块、Multi-Scale Fusion机制以及Weighted Asymmetric Focal Tversky Loss，显著提升了复杂血管形态的分割精度	未提及具体局限性	提高视网膜血管分割的精度，特别是在复杂背景和病理干扰下的表现	视网膜血管	计算机视觉	眼科疾病	深度学习	VDMNet	图像	公开数据集ROSE-1和OCTA-3M
8689	2025-01-16	Early Detection of Macular Atrophy Automated Through 2D and 3D Unet Deep Learning 2024-Nov-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121191 PMID:39768009	研究论文	本文开发了一种基于2D和3D Unet架构的自动化方法，用于通过光学相干断层扫描（OCT）早期检测黄斑萎缩（MA）	结合2D和3D Unet架构，自动化检测黄斑萎缩，性能优于人工评分	NA	开发一种自动化工具，用于早期检测黄斑萎缩，以支持临床决策	黄斑萎缩（MA）患者	计算机视觉	老年性黄斑变性	光学相干断层扫描（OCT）	2D和3D Unet	图像	125只眼睛（89名患者）的1241个OCT体积数据
8690	2025-01-16	LVGG-IE: A Novel Lightweight VGG-Based Image Encryption Scheme 2024-Nov-23, Entropy (Basel, Switzerland) DOI:10.3390/e26121013 PMID:39766642	研究论文	本文提出了一种基于轻量级VGG（LVGG）的新型图像加密方案LVGG-IE，旨在提高图像加密的安全性和效率	提出了一种基于轻量级VGG网络的图像加密方案，结合混沌系统和动态S-box，增强了加密的安全性和效率	深度学习与图像加密的结合仍处于初期阶段，存在一些不足	开发一种高安全性和高效率的图像加密方案，以保护图像安全	图像加密	计算机视觉	NA	混沌系统、动态S-box、卷积神经网络	VGG	图像	NA
8691	2025-01-16	Performance of Risk Models for Antimicrobial Resistance in Adult Patients With Sepsis 2024-Nov-04, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.43658 PMID:39509131	研究论文	本研究评估了患者病例组合和当地耐药率对社区发病和医院发病的脓毒症患者中耐药革兰阴性杆菌（GNB）感染风险分层模型性能的影响	研究揭示了模型性能的差异与抗菌药物耐药率的相关性，而非患者病例组合，提示在使用通用模型预测脓毒症中耐药GNB病因时需要谨慎	研究为回顾性队列研究，可能受到数据收集和记录偏差的影响	评估患者病例组合和当地耐药率对脓毒症患者中耐药GNB感染风险分层模型性能的影响	成年脓毒症患者	医疗数据分析	脓毒症	深度学习模型	深度学习	临床数据	39,893名患者，85,238次脓毒症发作
8692	2025-01-16	Visualizing nuclear pore complex plasticity with Pan-Expansion Microscopy 2024-Oct-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.18.613744 PMID:39345637	研究论文	本文评估了Pan Expansion Microscopy（Pan-ExM）技术在可视化核孔复合体（NPC）可塑性方面的应用	使用Pan-ExM技术实现了16-20倍的细胞各向同性放大，同时保留了蛋白质组，揭示了NPC的可塑性	研究局限于特定细胞类型和模型，未广泛验证于其他细胞类型或疾病模型	探索核孔复合体（NPC）在不同生理和病理条件下的可塑性	核孔复合体（NPC）及其在不同细胞类型和环境中的结构变化	数字病理学	肌萎缩侧索硬化症（ALS）	Pan Expansion Microscopy（Pan-ExM）	深度学习辅助分割	图像	多个模型细胞系和来自ALS患者的诱导多能干细胞衍生神经元（iPSNs）
8693	2025-01-16	The Role of Artificial Intelligence in Predicting Optic Neuritis Subtypes From Ocular Fundus Photographs 2024-Aug-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002229 PMID:39088711	研究论文	本研究开发了一种基于眼底照片的深度学习人工智能算法，用于预测视神经炎（ON）的亚型，以辅助疑似ON患者的诊断评估	首次利用深度学习AI算法从眼底照片中预测ON亚型，为早期区分MS ON与非MS ON提供了新的方法	数据集规模较小，未来需要增加样本量并结合临床和辅助检查数据以优化模型	开发一种AI算法，通过眼底照片预测ON亚型，以辅助诊断和指导治疗	321名ON患者的1,599张眼底照片	数字病理学	视神经炎	深度学习	深度学习模型	图像	321名患者的1,599张眼底照片
8694	2025-01-16	Synthetic photoplethysmogram (PPG) signal generation using a genetic programming-based generative model 2024-Aug, Journal of medical engineering & technology DOI:10.1080/03091902.2024.2438150 PMID:39731227	研究论文	本文提出了一种基于遗传编程（GP）的生成模型，用于生成多样化和准确的光电容积描记（PPG）信号	采用遗传编程方法自动确定数学模型的结构和组合，克服了数据多样性和训练深度学习模型数据有限的挑战	未提及具体局限性	开发生成模型以生成合成PPG信号，用于监测心脏活动	光电容积描记（PPG）信号	机器学习	心血管疾病	遗传编程（GP）	生成模型	信号数据	初始PPG信号样本
8695	2025-01-16	Deep learning of movement behavior profiles and their association with markers of cardiometabolic health 2024-Mar-13, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02474-7 PMID:38481262	研究论文	本研究利用深度学习技术，将加速度计记录的运动行为转换为图像，并通过卷积自编码器进行聚类分析，探讨运动行为模式与心脏代谢健康标志物的关联	创新性地将加速度计输出数据转换为图像，并利用卷积自编码器进行运动行为模式的聚类分析，突破了传统研究中仅使用平均值评估运动行为与健康关联的局限	研究仅基于NHANES 2003-2006周期的数据，样本量有限，且未考虑其他可能影响心脏代谢健康的因素	探讨运动行为模式与心脏代谢健康标志物的关联	1812名20-65岁的成年人	机器学习	心血管疾病	加速度计测量	卷积自编码器	图像	1812名成年人
8696	2025-01-16	The Breakthrough of Large Language Models Release for Medical Applications: 1-Year Timeline and Perspectives 2024-Feb-17, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02045-3 PMID:38366043	综述	本文综述了2023年大型语言模型（LLMs）在医疗应用领域的发布情况及其潜在用途	强调了LLMs在医疗领域的潜在应用，包括从回答医疗问题到更通用的生物医学AI系统的转变	跟踪这一快速发展的技术并理解其潜在应用和局限性仍然是一个持续的挑战	探讨LLMs在医疗领域的应用及其未来发展前景	大型语言模型（LLMs）及其在医疗领域的应用	自然语言处理	NA	NA	transformer-based deep learning architectures	text	NA
8697	2025-01-16	Deep-Learning-Based Analysis Reveals a Social Behavior Deficit in Mice Exposed Prenatally to Nicotine 2024-02-01, Cells IF:5.1Q2 DOI:10.3390/cells13030275 PMID:38334667	研究论文	本研究利用深度学习技术分析了产前尼古丁暴露（PNE）小鼠的行为表型，揭示了其与注意力缺陷多动障碍（ADHD）和自闭症谱系障碍（ASD）相关的行为缺陷	首次结合DeepLabCut和SimBA深度学习算法，无认知偏差地评估了PNE小鼠的行为表型，并发现其与ADHD和ASD相关的行为特征	研究仅限于小鼠模型，未涉及人类样本，且未探讨尼古丁暴露剂量与行为缺陷程度的具体关系	评估产前尼古丁暴露对小鼠行为表型的影响，探讨其与ADHD和ASD的潜在关联	产前尼古丁暴露（PNE）小鼠	机器学习	注意力缺陷多动障碍（ADHD）和自闭症谱系障碍（ASD）	DeepLabCut和SimBA	深度学习模型	视频数据	未明确说明样本数量，但涉及单只或两只小鼠的行为分析
8698	2025-01-16	Multiple Classification of Brain MRI Autism Spectrum Disorder by Age and Gender Using Deep Learning 2024-Jan-22, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-023-02032-0 PMID:38252192	研究论文	本研究使用深度学习技术，通过考虑年龄和性别因素，对脑部MRI图像进行多重分类，以辅助自闭症谱系障碍（ASD）的诊断	首次基于年龄和性别进行多重分类，探讨这些因素对ASD诊断的贡献，并开发了三种CNN模型进行实验	研究中使用的样本量未明确提及，可能影响结果的普适性	通过多重分类方法，辅助ASD的快速和准确诊断，并探讨年龄和性别因素对诊断的影响	自闭症谱系障碍（ASD）患者和典型发育（TD）个体的脑部结构MRI图像	计算机视觉	自闭症谱系障碍	Canny边缘检测算法、数据增强技术、网格搜索优化算法	CNN	图像	NA
8699	2025-01-15	Automated Prediction of Photographic Wound Assessment Tool in Chronic Wound Images 2024-Jan-16, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-023-02029-9 PMID:38227131	研究论文	本文提出了一种基于深度学习的全自动图像处理流程，用于慢性伤口图像中的伤口检测和Photographic Wound Assessment Tool (PWAT)预测，旨在自动化临床伤口愈合评估	利用深度学习和大规模伤口分割数据集，自动化预测PWAT评分，减少人为主观性并加速临床实践	未提及具体局限性	自动化临床伤口愈合评估，减少人为主观性并加速临床实践	慢性伤口图像	计算机视觉	慢性伤口	深度学习	预训练的神经网络模型	图像	未提及具体样本数量
8700	2025-01-16	Deep learning for prediction of post-thrombectomy outcomes based on admission CT angiography in large vessel occlusion stroke 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1369702 PMID:39149161	研究论文	本研究开发并验证了一种基于入院CT血管造影（CTA）的深度学习模型，用于预测大血管闭塞（LVO）卒中患者血栓切除术后3个月的结果	首次使用端到端的自动化深度学习流程，基于入院CTA图像预测前循环LVO卒中患者血栓切除术后的3个月结果，并结合治疗和临床信息进行多模型比较	样本量相对较小（591例患者），且独立测试集仅包含95例患者，可能影响模型的泛化能力	开发并验证一种基于入院CTA的深度学习模型，用于预测LVO卒中患者血栓切除术后的3个月结果	大血管闭塞（LVO）卒中患者	数字病理学	心血管疾病	CT血管造影（CTA）	ResNet-50 3D卷积神经网络（MedicalNet）	图像	591例患者（496例用于训练/交叉验证，95例用于独立测试）