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
9381	2024-12-19	Explainable brain age prediction: a comparative evaluation of morphometric and deep learning pipelines 2024-Dec-18, Brain informatics DOI:10.1186/s40708-024-00244-9 PMID:39692946	研究论文	本文比较了基于形态学特征和深度学习的脑龄预测方法的性能、可解释性和临床实用性	首次系统比较了不同脑龄预测方法的可解释性，并结合可解释人工智能（XAI）方法进行评估	需要进一步评估Grad-CAM的临床实用性	比较不同脑龄预测方法的性能和可解释性，并探讨其在临床实践中的应用潜力	脑龄预测方法的性能、可解释性和临床实用性	计算机视觉	NA	MRI扫描、FreeSurfer、3D卷积神经网络（CNN）、可解释人工智能（XAI）方法（SHAP、Grad-CAM、DeepSHAP）	3D卷积神经网络（CNN）、DenseNet-121	图像	多站点神经影像数据集
9382	2024-12-19	High-throughput mesoscopic optical imaging data processing and parsing using differential-guided filtered neural networks 2024-Dec-18, Brain informatics DOI:10.1186/s40708-024-00246-7 PMID:39692944	研究论文	本文设计了一种高效的深度差分引导滤波模块（DDGF），通过融合多尺度迭代差分引导滤波与深度学习，提出了一种轻量级的深度差分引导滤波分割网络（DDGF-SegNet），并开发了一个自动化处理流程，显著提高了高吞吐量显微光学成像数据的处理效率	本文的创新点在于设计了深度差分引导滤波模块（DDGF），并将其与深度学习网络结合，提出了一种高效的分割网络（DDGF-SegNet），显著提升了图像细节的精炼和背景噪声的抑制效果	NA	提高高吞吐量显微光学成像数据的处理效率	小鼠脑部的高吞吐量显微光学成像数据	计算机视觉	NA	深度学习	深度差分引导滤波分割网络（DDGF-SegNet）	图像	NA
9383	2024-12-19	Research trends on AI in breast cancer diagnosis, and treatment over two decades 2024-Dec-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-024-01671-0 PMID:39692996	综述	本研究通过文献计量分析，回顾了2000年至2024年间人工智能在乳腺癌诊断和治疗中的进展	本研究通过文献计量分析，揭示了人工智能在乳腺癌诊断和治疗中的研究趋势和关键贡献者，并指出了未来的研究挑战	研究中提到的挑战包括数据限制、监管障碍以及全球合作不平等，这些都需要进一步的跨学科努力来解决	旨在通过文献计量分析，全面回顾人工智能在乳腺癌诊断和治疗中的进展，并指出未来的研究方向	2000年至2024年间发表的关于人工智能在乳腺癌诊断和治疗中的研究论文	机器学习	乳腺癌	文献计量分析	NA	文本	2678篇来自Scopus数据库的论文
9384	2024-12-19	Geospatial Modeling of Deep Neural Visual Features for Predicting Obesity Prevalence in Missouri: Quantitative Study 2024-Dec-17, JMIR AI DOI:10.2196/64362 PMID:39688897	研究论文	本研究利用深度学习和空间建模方法，基于卫星图像预测密苏里州的肥胖率	本研究首次将深度卷积神经网络与空间建模相结合，利用卫星图像的环境特征预测肥胖率	研究范围仅限于密苏里州，未来工作应扩展地理范围并纳入社会经济数据以进一步优化模型	开发一种可扩展的方法，利用深度卷积神经网络和空间分析预测肥胖率	密苏里州的1052个人口普查区	计算机视觉	肥胖	深度学习	CNN	图像	63592个224×224像素的图像块
9385	2024-12-19	Incorporating Radiologist Knowledge Into MRI Quality Metrics for Machine Learning Using Rank-Based Ratings 2024-Dec-17, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29672 PMID:39690114	研究论文	本文开发了一种基于放射科医生图像排名的MRI图像质量评估指标，并使用深度学习模型进行训练和验证	本文的创新点在于利用放射科医生的图像排名来开发专门针对MRI的图像质量评估指标，并将其应用于深度学习模型的优化	本文的局限性在于放射科医生的排名具有主观性，且不同观察者之间的共识较低	开发一种适用于MRI的图像质量评估指标，并验证其在深度学习任务中的应用	MRI图像的质量评估	机器学习	NA	深度学习	EfficientNet, IQ-Net	图像	19,344个排名，2916对图像
9386	2024-12-19	Author Correction: Predictive analytics of complex healthcare systems using deep learning based disease diagnosis model 2024-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82835-4 PMID:39690238	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9387	2024-12-19	Dual biomarkers CT-based deep learning model incorporating intrathoracic fat for discriminating benign and malignant pulmonary nodules in multi-center cohorts 2024-Dec-16, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2024.104877 PMID:39689571	研究论文	本研究提出了一种基于深度学习的模型，结合纵隔脂肪来区分良性和恶性肺结节	首次将纵隔脂肪作为影像学标志物，结合肺结节进行良恶性鉴别	研究仅在多中心队列中验证，尚未在更大范围的临床实践中应用	探索纵隔脂肪在肺结节良恶性鉴别中的潜在预测价值	肺结节患者的良恶性鉴别	数字病理学	肺癌	深度学习	深度学习模型	影像	1321名肺结节患者
9388	2024-12-19	A deep learning approach to predict differentiation outcomes in hypothalamic-pituitary organoids 2024-12-06, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07109-1 PMID:39643622	研究论文	本研究利用深度学习技术创建了一个模型，能够从类器官图像中预测垂体类器官的分化结果	本研究首次使用EfficientNetV2-S或Vision Transformer模型，结合VENUS-coupled RAX表达，能够以70%的准确率将类器官图像分类为三个类别，优于专家观察者的预测结果	本研究仅在特定条件下验证了模型的有效性，未来需要在更多样化的样本和临床环境中进行验证	开发一种能够预测垂体类器官分化结果的深度学习模型，以提高分化效率并应用于临床	人多能干细胞分化成的垂体类器官	机器学习	NA	深度学习	EfficientNetV2-S, Vision Transformer	图像	NA
9389	2024-12-19	Seizure Sources Can Be Imaged from Scalp EEG by Means of Biophysically Constrained Deep Neural Networks 2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405246 PMID:39473085	研究论文	研究了一种基于深度学习的源成像框架（DeepSIF），用于从药物难治性局灶性癫痫患者的脑电图（EEG）记录中成像癫痫活动	提出了DeepSIF框架，通过生物物理约束的深度神经网络从头皮EEG中成像癫痫源，并展示了其在空间和时间信息估计上的优越性	研究仅在药物难治性局灶性癫痫患者中进行了验证，未来需要在更多类型的癫痫患者中进行进一步验证	开发一种非侵入性方法，用于在药物难治性局灶性癫痫患者中成像癫痫活动的起源	药物难治性局灶性癫痫患者的癫痫活动起源	机器学习	癫痫	深度学习	深度神经网络	脑电图（EEG）	33名药物难治性局灶性癫痫患者的高密度（76通道）EEG记录
9390	2024-12-19	Artificial intelligence: a primer for pediatric radiologists 2024-12, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-024-06098-x PMID:39556194	review	本文为儿科放射科医生介绍了人工智能（AI）的基本概念及其在儿科放射学中的应用	本文首次系统性地向儿科放射科医生介绍AI的基本概念和应用，旨在激发该领域进一步的探索和创新	本文主要为介绍性内容，未涉及具体的实验或应用案例	向儿科放射科医生介绍AI的基本概念及其在儿科放射学中的应用，并探讨其挑战和当前用途	儿科放射科医生及AI在儿科放射学中的应用	NA	NA	机器学习、深度学习、自然语言处理、生成式AI	NA	NA	NA
9391	2024-12-19	Accurate RNA 3D structure prediction using a language model-based deep learning approach 2024-Dec, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02487-0 PMID:39572716	研究论文	本文介绍了一种基于语言模型的深度学习方法RhoFold+，用于准确预测RNA的三维结构	RhoFold+通过集成预训练的RNA语言模型和解决数据稀缺问题的技术，提供了一个全自动的端到端RNA 3D结构预测管道，并在多个评估中展示了其优于现有方法的性能	NA	开发一种能够准确预测RNA三维结构的方法，以促进RNA功能研究和RNA靶向药物开发	单链RNA的三维结构	机器学习	NA	深度学习	语言模型	序列	约2370万条RNA序列
9392	2024-12-19	Advances in Miniaturized Computational Spectrometers 2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202404448 PMID:39477813	综述	本文综述了微型计算光谱仪的发展，重点介绍了光谱编码和重建算法两个关键组件	通过引入计算资源，打破了传统微型光谱仪在尺寸和性能之间的权衡	NA	探讨微型计算光谱仪的原理、特点、最新进展及其在超光谱成像中的应用	微型计算光谱仪的光谱编码和重建算法	NA	NA	NA	NA	NA	NA
9393	2024-12-19	Enhanced long short-term memory architectures for chaotic systems modeling: An extensive study on the Lorenz system 2024-Dec-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0238619 PMID:39689728	研究论文	本文介绍了一种增强型长短期记忆（LSTM）变体，并探讨其在多输入单输出混沌系统建模中的能力	提出了一种简化的LSTM架构，仅包含四个标准LSTM门中的三个，并进行了其他反馈修改	实验仅在Lorenz和Rössler系统上进行，可能限制了其普适性	研究增强型LSTM在混沌系统建模中的应用	Lorenz和Rössler混沌系统	机器学习	NA	NA	LSTM	数据集	使用MATLAB生成的Lorenz和Rössler系统数据集
9394	2024-12-19	Monitoring Over Time of Pathological Complete Response to Neoadjuvant Chemotherapy in Breast Cancer Patients Through an Ensemble Vision Transformers-Based Model 2024-Dec, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70482 PMID:39692281	研究论文	本研究开发了一种基于Vision Transformer（ViT）架构的集成深度学习模型，用于预测和监测乳腺癌患者在新辅助化疗（NAC）期间病理完全缓解（pCR）的情况	本研究首次提出使用Vision Transformer（ViT）模型对动态对比增强磁共振成像（DCE-MRI）进行分析，以监测NAC期间pCR的变化	本研究的样本量较小，且仅限于乳腺癌患者	开发一种能够预测和监测乳腺癌患者在新辅助化疗期间病理完全缓解情况的深度学习模型	乳腺癌患者在新辅助化疗期间的病理完全缓解情况	计算机视觉	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	Vision Transformer（ViT）	图像	86名乳腺癌患者，其中37.2%的患者达到病理完全缓解（pCR）
9395	2024-12-19	Comparing neural networks against click train detectors to reveal temporal trends in passive acoustic sperm whale detections 2024-Dec-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0034602 PMID:39692862	研究论文	本文比较了神经网络与点击序列检测器在被动声学监测中识别抹香鲸点击序列的性能，并研究了地中海抹香鲸亚群在巴利阿里群岛的时间和空间分布	本文首次比较了多假设跟踪（MHT）点击序列分类器与基于深度学习（DL）的声学分类器在识别抹香鲸点击序列方面的性能，并揭示了两种分类器在季节性和昼夜变化方面的兼容结果	两种自动分类器在训练站点上的表现优于新站点，表明其泛化能力有限	研究自动分类算法在从大规模声学数据集中提取生物学有用信息方面的优势和局限性	抹香鲸（Physeter macrocephalus）点击序列的分类及其在地中海巴利阿里群岛的时间和空间分布	机器学习	NA	深度学习（DL）	神经网络	声学记录	NA
9396	2024-12-19	Automatic pituitary adenoma segmentation and identification of cavernous sinus invasion via multitask learning 2024-Nov-21, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.106756 PMID:39689622	研究论文	本研究开发了一种多任务深度学习模型，用于垂体大腺瘤的分割和海绵窦侵袭的识别	提出了一个多任务多轴注意力U-Net（MTMAU-Net）框架，结合了分割和海绵窦侵袭分类任务，相比单一任务模型和Knosp分级系统，在分割和分类任务中表现更优	NA	开发一种多任务深度学习模型，用于垂体大腺瘤的分割和海绵窦侵袭的识别	垂体大腺瘤的分割和海绵窦侵袭的识别	计算机视觉	垂体腺瘤	深度学习	U-Net	图像	926名垂体大腺瘤患者（816名用于模型训练，110名用于模型验证）
9397	2024-12-19	Predictive analytics of complex healthcare systems using deep learning based disease diagnosis model 2024-11-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78015-z PMID:39528485	研究论文	本文提出了一种基于深度学习的疾病诊断模型，用于复杂医疗系统的预测分析，主要集中于肺癌和结肠癌的检测与分类	本文创新性地使用了Gabor滤波器进行图像预处理，并结合Faster SqueezeNet生成特征向量，采用CNN-LSTM模型进行分类，同时使用Chaotic Tunicate Swarm算法优化超参数，提高了分类器的准确性	NA	开发一种高效的深度学习模型，用于肺癌和结肠癌的早期诊断，以降低死亡风险	肺癌和结肠癌的检测与分类	机器学习	肺癌	Gabor滤波器，Faster SqueezeNet，CNN-LSTM，Chaotic Tunicate Swarm算法	CNN-LSTM	图像	医学图像数据集
9398	2024-12-19	A Hybrid GNN Approach for Improved Molecular Property Prediction 2024-11, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2023.0452 PMID:39082155	研究论文	本文提出了一种混合图神经网络（GNN）方法，用于改进分子特性预测	本文的创新点在于提出了一种多层混合GNN架构，结合了多种图神经网络框架的优势，以提高分子特性预测的准确性	本文的局限性在于未详细讨论混合方法在计算资源和时间复杂度方面的影响	本文的研究目的是提高分子特性预测的准确性，从而加速药物发现过程	本文的研究对象是分子图及其特性	机器学习	NA	图神经网络（GNN）	混合GNN	图结构数据	多个基准数据集
9399	2024-12-19	Clinical Application of Artificial Intelligence in Prediction of Intraoperative Cerebrospinal Fluid Leakage in Pituitary Surgery: A Systematic Review and Meta-Analysis 2024-Nov, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.09.015 PMID:39265946	meta-analysis	本文系统综述和荟萃分析评估了人工智能模型在预测垂体手术中术中脑脊液（ioCSF）泄漏的有效性	本文首次系统综述和荟萃分析了人工智能模型在预测垂体手术中术中脑脊液泄漏的表现	本文依赖于已发表的研究数据，可能存在选择偏倚和发表偏倚	评估人工智能模型在预测垂体手术中术中脑脊液泄漏的有效性	人工智能模型在预测垂体手术中术中脑脊液泄漏的表现	machine learning	NA	NA	AI models	NA	NA
9400	2024-12-19	Adversarial training and attribution methods enable evaluation of robustness and interpretability of deep learning models for image classification 2024-Nov, Physical review. E DOI:10.1103/PhysRevE.110.054310 PMID:39690595	研究论文	本文结合对抗训练和输入归因方法，评估了深度学习模型在图像分类任务中的鲁棒性和可解释性	本文首次将对抗训练与输入归因方法结合，研究了对抗方法对输入归因的影响，并通过基准测试评估了不同输入归因方法的可靠性	本文主要集中在图像分类任务上，未探讨其他任务中的应用	研究对抗训练对深度学习模型输入归因的影响，并评估不同输入归因方法的可靠性	深度学习模型在图像分类任务中的鲁棒性和可解释性	计算机视觉	NA	对抗训练	深度学习模型	图像	NA