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
11981	2024-11-15	Decoding multi-limb movements from two-photon calcium imaging of neuronal activity using deep learning 2024-Nov-07, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad83c0 PMID:39508456	研究论文	本文利用深度学习技术从双光子钙成像数据中解码多肢运动	本文扩展了先前的工作，通过应用深度学习解码跑步小鼠的多肢运动，并开发了一种循环编码器-解码器网络（LSTM-encdec），该网络的输出长于输入，能够准确解码单侧皮质中记录的钙成像数据中的所有四肢信息	由于双光子钙成像数据的采样率相对较低，将其与快速行为相关联具有挑战性	实现脑机接口（BMI）以恢复神经损伤和疾病患者的感官运动功能	跑步小鼠的多肢运动	机器学习	NA	双光子钙成像	LSTM-encdec	图像	小鼠
11982	2024-11-15	Comprehensive Morphometric Analysis to Identify Key Neuroimaging Biomarkers for the Diagnosis of Adult Hydrocephalus Using Artificial Intelligence 2024-Nov-07, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000003248 PMID:39508594	研究论文	本研究利用人工智能技术，通过形态学分析识别成人脑积水诊断的关键神经影像生物标志物	本研究通过SHapley Additive exPlanations (SHAP)特征重要性分析，识别出易于测量的1-D形态学生物标志物，为临床医生提供实用的诊断工具	本研究主要集中在非正常压力脑积水和健康受试者的比较，未来研究应扩展到其他类型的脑积水	开发实用且准确的诊断工具，帮助神经外科医生早期诊断脑积水	成人非正常压力脑积水患者和健康受试者的神经影像参数	计算机视觉	神经系统疾病	机器学习、集成学习和深度学习	Gradient Boosting	图像	15个1-D神经影像参数和10个形态学指数，涉及成人非正常压力脑积水患者和健康受试者
11983	2024-11-15	Performance Comparison between Deep Neural Network and Machine Learning based Classifiers for Huntington Disease Prediction from Human DNA Sequence 2024-Nov-07, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3493203 PMID:39509303	研究论文	比较深度神经网络与机器学习分类器在从人类DNA序列预测亨廷顿病中的性能	使用深度神经网络算法分析人类DNA序列以预测亨廷顿病，并与其他机器学习分类器进行性能比较	仅限于使用特定的DNA序列数据集和特征提取方法，未涵盖其他可能的数据源或方法	通过分析人类DNA序列，预测是否患有亨廷顿病	人类DNA序列和亨廷顿病	机器学习	神经退行性疾病	深度神经网络 (DNN) 算法	深度神经网络 (DNN), 神经网络 (NN), 支持向量机 (SVM), 随机森林 (RF), 分类树 (CTWFP)	DNA序列	从NCBI收集的人类DNA序列数据和合成的DNA数据
11984	2024-11-15	Cone-Beam CT to CT Image Translation Using a Transformer-Based Deep Learning Model for Prostate Cancer Adaptive Radiotherapy 2024-Nov-07, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01312-6 PMID:39511015	研究论文	本研究利用基于Transformer的深度学习模型SwinUNETR，将锥形束CT图像转换为CT图像，以提高前列腺癌自适应放疗的图像质量	本研究首次采用基于Transformer的深度学习模型SwinUNETR进行CBCT到CT的图像转换，相较于传统的卷积神经网络模型U-net，SwinUNETR能够生成更精确的合成CT图像	本研究为回顾性研究，样本量有限，且仅限于前列腺癌放疗患者	提高锥形束CT图像质量，以支持前列腺癌自适应放疗的精确剂量计算	前列腺癌放疗患者	计算机视觉	前列腺癌	深度学习	Transformer	图像	260名前列腺癌放疗患者，其中245名用于训练，15名用于独立测试
11985	2024-11-15	Enhancing the content of phycoerythrin through the application of microplastics from Porphyridium cruentum produced in wastewater using machine learning methods 2024-Nov-06, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.123266 PMID:39509973	研究论文	研究使用机器学习方法优化从Porphyridium cruentum中提取的微塑料和废水对藻红蛋白浓度的影响	开发了深度学习模型以最大化藻红蛋白浓度，并使用LIME和SHAP方法解释模型预测	研究仅限于特定类型的微塑料和废水参数，未涵盖所有可能的环境因素	探索微塑料和废水参数对藻红蛋白浓度的影响，并开发优化模型	Porphyridium cruentum中的藻红蛋白浓度	机器学习	NA	深度学习	深度学习模型	数值数据	232组数据
11986	2024-11-15	The Current Application and Future Potential of Artificial Intelligence in Renal Cancer 2024-Nov, Urology IF:2.1Q2 DOI:10.1016/j.urology.2024.07.010 PMID:39029807	综述	本文综述了人工智能在肾癌评估、管理和预后预测中的当前应用和未来潜力	本文探讨了人工智能在肾癌研究中的多种应用方法，包括监督/无监督机器学习、深度学习、自然语言处理和神经网络等	本文主要基于PubMed数据库中的72项研究，可能未涵盖所有相关文献	探讨人工智能在肾癌研究中的应用及其未来在临床决策中的潜力	肾癌的评估、管理和预后预测	机器学习	肾癌	NA	NA	NA	72项研究
11987	2024-11-15	Evaluation of OCT biomarker changes in treatment-naive neovascular AMD using a deep semantic segmentation algorithm 2024-Nov, Eye (London, England) DOI:10.1038/s41433-024-03264-1 PMID:39068248	研究论文	评估深度语义分割算法在未经治疗的湿性年龄相关性黄斑变性（nAMD）患者OCT生物标志物变化中的应用	开发了一种基于深度学习的语义分割算法，首次为nAMD的11个OCT特征提供了自动分割的基准结果	算法在某些OCT特征（如亚反射性物质和纤维血管性PED）上的表现较差，需要进一步研究以优化个性化治疗方案	确定在真实世界环境中，未经治疗的nAMD患者在接受抗VEGF治疗后OCT生物标志物的定量变化	未经治疗的湿性年龄相关性黄斑变性（nAMD）患者的OCT扫描图像	计算机视觉	眼科疾病	深度学习	U-net	图像	大量未经治疗的nAMD患者
11988	2024-11-15	Automatic segmentation of the maxillary sinus on cone beam computed tomographic images with U-Net deep learning model 2024-Nov, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-024-08870-z PMID:39083060	研究论文	研究使用U-Net深度学习模型对锥束CT图像中的上颌窦进行自动分割	提出了一种基于U-Net深度学习模型的上颌窦分割方法，旨在通过确定上颌窦腔的边界，为外科医生和专家提供更好的图像引导	研究仅使用了100名患者的轴向CBCT图像，样本量相对较小	开发一种基于深度学习的方法，用于上颌窦的自动分割，以提高诊断的准确性和手术干预的成功率	上颌窦的自动分割	计算机视觉	NA	深度学习	U-Net	图像	100名患者的轴向CBCT图像（200个上颌窦）
11989	2024-11-15	Automatic classification and grading of canine tracheal collapse on thoracic radiographs by using deep learning 2024-Nov, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.13413 PMID:39012062	研究论文	开发了一种基于深度学习的人工智能模型，用于自动分类和分级犬气管塌陷的胸片	使用YOLO模型进行犬气管塌陷的自动分类和分级，提高了诊断的准确性和一致性	NA	开发一种自动化的工具，用于在不同兽医环境中通过胸片筛查犬气管塌陷	犬气管塌陷的胸片	计算机视觉	NA	深度学习	YOLO	图像	NA
11990	2024-11-15	Artificial intelligence based diagnosis of sulcus: assesment of videostroboscopy via deep learning 2024-Nov, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-024-08801-y PMID:39001913	研究论文	本文开发了一种基于卷积神经网络（CNN）的模型，用于分类喉镜视频中的沟状病变、良性声带病变和健康声带图像，以提高临床医生在喉镜检查中诊断沟状病变的准确性	本文首次将深度学习技术应用于喉镜视频的分类，特别是针对沟状病变、良性声带病变和健康声带的分类，显著提高了诊断的准确性	研究结果主要基于实验室环境，尚未在临床实践中进行实时应用评估	开发一种基于卷积神经网络的模型，用于提高临床医生在喉镜检查中诊断沟状病变的准确性	喉镜视频中的沟状病变、良性声带病变和健康声带图像	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	视频	433名个体，包括91名沟状病变患者、311名良性声带疾病患者和33名健康个体
11991	2024-11-15	Laser Fabrication of Multi-Dimensional Perovskite Patterns with Intelligent Anti-Counterfeiting Applications 2024-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202309862 PMID:39120553	研究论文	研究利用飞秒激光直接写入技术在钙钛矿材料上实现快速且高精度的微纳加工，并探讨了其与多维钙钛矿生长之间的复杂关系	通过精确的卤素元素设计，实现了通过一步激光加工同时生成两种不同颜色的快速响应（QR）码图案，并结合人工智能（AI）方法识别图案化的钙钛矿防伪标签	NA	探讨飞秒激光直接写入技术在钙钛矿材料上的应用，并开发具有防伪功能的多维钙钛矿图案	多维钙钛矿材料及其在防伪应用中的潜力	材料科学	NA	飞秒激光直接写入技术	深度学习算法	图像	NA
11992	2024-11-15	Artificial neural network prediction of postoperative complications in papillary thyroid microcarcinoma based on preoperative ultrasonographic features 2024 Nov-Dec, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.23800 PMID:39189355	研究论文	本研究利用深度学习模型基于术前超声特征预测甲状腺微小乳头状癌术后并发症	首次利用深度学习模型基于术前超声特征预测甲状腺微小乳头状癌术后并发症	数据来源单一中心，未考虑生活方式和遗传因素	预测甲状腺微小乳头状癌术后并发症，辅助临床决策	甲状腺微小乳头状癌患者	机器学习	甲状腺癌	深度学习	全连接神经网络	超声图像	1638名cN0期甲状腺微小乳头状癌患者
11993	2024-11-15	Deep learning model for intravascular ultrasound image segmentation with temporal consistency 2024-Nov, The international journal of cardiovascular imaging DOI:10.1007/s10554-024-03221-9 PMID:39190112	研究论文	本研究开发并验证了一种用于冠状动脉内超声（IVUS）图像分割的深度学习模型，具有时间一致性	该模型在帧级和血管级性能以及临床影响方面表现出色，特别是在广泛衰减的部位，模型在轮廓描绘方面表现出更好的时间一致性	NA	开发和验证一种用于冠状动脉内超声图像分割的深度学习模型	冠状动脉内超声（IVUS）图像的管腔和外弹性膜（EEM）分割	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	1240次40-MHz IVUS回拉，包含191,407帧图像
11994	2024-11-15	A comparison of machine learning methods for recovering noisy and missing 4D flow MRI data 2024-Nov, International journal for numerical methods in biomedical engineering IF:2.2Q2 DOI:10.1002/cnm.3858 PMID:39196308	研究论文	比较了多种机器学习方法在恢复噪声和缺失的4D流MRI数据中的应用	首次全面评估和比较了多种经典和现代机器学习方法，用于增强心血管疾病中受损的血管流动数据	SVD-based算法在理想情况下表现优异，但在实际数据中表现不佳	研究如何通过机器学习方法恢复和增强4D流MRI数据中的噪声和缺失信息	4D流MRI数据中的噪声和缺失信息	机器学习	心血管疾病	4D流MRI	自动编码器	图像	人工损坏和体素化的计算流体动力学（CFD）模拟数据以及体外4D流MRI数据
11995	2024-11-15	Meta-Attention Deep Learning for Smart Development of Metasurface Sensors 2024-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405750 PMID:39246128	研究论文	本文提出了一种基于变压器模型的可解释深度学习模型Metaformer，用于智能设计超表面传感器	采用光谱分割方案，将训练参数减少了99%，预测准确率提升至99%，并结合光谱位置编码和多头注意力机制，提供了对超表面传感器的深入物理见解	NA	开发一种高智能、可解释的深度学习模型，用于设计高性能的超表面传感器	基于准束缚态在连续体中的全介质超表面传感器	机器学习	NA	深度学习	变压器模型	光谱数据	NA
11996	2024-11-15	Fast Multiphoton Microscopic Imaging Joint Image Super-Resolution for Automated Gleason Grading of Prostate Cancers 2024-Nov, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400233 PMID:39262127	研究论文	本文介绍了一种基于深度学习的快速多光子显微成像方法，用于前列腺癌的自动Gleason分级	提出了一种结合多光子显微成像和图像超分辨率的深度学习架构，以提高成像速度和质量	超分辨率图像的分类准确率和Macro-F1略低于高分辨率图像	开发一种实时临床诊断工具，用于前列腺癌的诊断	前列腺癌的Gleason分级	计算机视觉	前列腺癌	多光子显微成像(MPM)	SwinIR, Swin Transformer	图像	未明确提及样本数量
11997	2024-11-15	Mesoscopic structure graphs for interpreting uncertainty in non-linear embeddings 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109105 PMID:39265479	研究论文	本文提出了一种名为ManiGraph的节点链接可视化技术，用于解释非线性降维方法中的不确定性	通过构建动态介观结构图和测量区域适应的可信度，重新思考高维和低维空间之间的邻域保真度	NA	解决基于概率的非线性降维方法在计算过程中可能引入的失真误差和误导性可视化问题	非线性降维方法中的不确定性解释	机器学习	NA	非线性降维方法（如t-SNE和UMAP）	NA	图像	包括3D玩具数据、fashion-MNIST、单细胞RNA测序数据和histopathology-MNIST
11998	2024-11-15	Improving deep learning-based automatic cranial defect reconstruction by heavy data augmentation: From image registration to latent diffusion models 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109129 PMID:39265478	研究论文	本文研究了通过大量数据增强技术改进基于深度学习的颅骨缺损重建方法	本文首次将潜在扩散模型与向量量化变分自编码器结合，显著提高了颅骨缺损重建的精度和质量	本文未详细讨论数据增强技术在其他医学图像处理任务中的适用性	旨在通过数据增强技术提高个性化颅骨植入物建模的自动化程度和临床适用性	个性化颅骨植入物的建模与制造	计算机视觉	NA	深度学习	潜在扩散模型、变分自编码器、生成对抗网络	图像	使用了SkullBreak和SkullFix数据集，具体样本数量未明确说明
11999	2024-11-15	SpeechBrain-MOABB: An open-source Python library for benchmarking deep neural networks applied to EEG signals 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109097 PMID:39265481	研究论文	介绍了一个名为SpeechBrain-MOABB的开源Python库，用于对应用于EEG信号的深度神经网络进行基准测试	开发了一个新的开源工具包SpeechBrain-MOABB，旨在解决现有工具在超参数搜索和结果波动方面的不足，并提供一个标准化的实验协议	现有工具如MOABB和braindecode在超参数搜索和结果波动方面存在局限性，缺乏标准化的实验协议	解决EEG解码领域缺乏全面的开源神经网络库的问题，提高解码管道的鲁棒性和完整性	EEG信号解码	机器学习	NA	深度学习	深度神经网络	EEG信号	NA
12000	2024-11-15	Prediction of Expanded Disability Status Scale in patients with MS using deep learning 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109143 PMID:39270459	研究论文	本研究开发了一种深度神经网络框架，用于预测多发性硬化症患者的扩展残疾状态量表（EDSS），使用MRI扫描数据	本研究的创新点在于整合T2加权和FLAIR图像，显著提高了预测准确性，并展示了模型在分割和分类任务中的高精度和可靠性	研究面临的挑战包括数据质量、样本量和计算复杂性，未来研究应关注标准化成像协议、整合更大和更多样化的数据集以及优化模型效率	本研究的目的是开发一种稳健的深度学习框架，用于准确预测多发性硬化症患者的扩展残疾状态量表（EDSS）	本研究的对象是多发性硬化症患者及其MRI扫描数据	计算机视觉	多发性硬化症	深度学习	深度神经网络	图像	具体样本数量未在摘要中提及