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
12821	2024-11-14	Lightning Pose: improved animal pose estimation via semi-supervised learning, Bayesian ensembling and cloud-native open-source tools 2024-Jul, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02319-1 PMID:38918605	研究论文	介绍了一种名为'Lightning Pose'的高效姿态估计工具，通过半监督学习、贝叶斯集成和云原生开源工具改进动物姿态估计	引入了半监督学习方法，利用未标记视频帧提高预测准确性；设计了处理遮挡的网络架构；通过集成和卡尔曼平滑后处理提高姿态轨迹的准确性	未明确提及	改进动物姿态估计的准确性和科学可用性	动物姿态估计	计算机视觉	NA	半监督学习	深度学习网络	视频	未明确提及
12822	2024-11-14	Quantum-to-Classical Neural Network Transfer Learning Applied to Drug Toxicity Prediction 2024-Jun-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00432 PMID:38795030	研究论文	本文提出了一种混合量子-经典神经网络，用于预测药物毒性，并展示了其在Tox21数据集上的应用	利用量子电路设计模拟经典神经网络行为，通过Hadamard测试减少量子比特数量，并实现了量子到经典设备的可学习权重转移	NA	解决药物毒性预测中的计算复杂性问题，提高药物筛选效率	药物毒性预测	机器学习	NA	量子计算	混合量子-经典神经网络	数据集	Tox21数据集
12823	2024-11-14	Shoulder Bone Segmentation with DeepLab and U-Net 2024-Jun, Osteology (Basel, Switzerland) DOI:10.3390/osteology4020008 PMID:39474235	研究论文	比较了基于DeepLab和U-Net的两种深度学习模型在ZTE MRI上进行肩部骨骼自动分割的性能	首次在肩部骨骼分割任务中比较了DeepLab和U-Net模型的性能，并实现了U-Net模型在MRI控制台上的应用	研究处于早期阶段，样本量较小，且存在模型对分割区域估计不准确的问题	评估和比较两种深度学习模型在肩部骨骼分割任务中的表现，以改进术前规划	肩部骨骼，特别是肱骨头和髋臼的分割	计算机视觉	NA	ZTE MRI	DeepLab, U-Net	图像	31例正常肩部样本用于训练，13例用于测试
12824	2024-11-14	Deep learning based characterization of human organoids using optical coherence tomography 2024-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.515781 PMID:38855657	研究论文	本研究利用光学相干断层扫描（OCT）和深度学习技术对人类类器官进行快速、非侵入性成像和自动分割	开发了一种结合OCT和深度学习的方法，用于实时、定量分析类器官的形态和功能	NA	研究类器官的形态和功能，并开发新的成像和分析工具	人类诱导多能干细胞（hiPSCs）衍生的视网膜、大脑和心脏类器官	计算机视觉	NA	光学相干断层扫描（OCT）	深度学习	图像	NA
12825	2024-11-14	An integrated framework for prognosis prediction and drug response modeling in colorectal liver metastasis drug discovery 2024-03-30, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05127-5 PMID:38555418	研究论文	本研究开发了一个综合框架，用于预测结直肠癌肝转移的预后和药物反应建模	本研究开发了两个基于差异表达基因的肝转移相关预后标志物，并使用可解释的深度学习模型识别高风险患者的潜在治疗药物	NA	发现结直肠癌肝转移的新型预后生物标志物和治疗药物	结直肠癌肝转移患者	机器学习	结直肠癌	深度学习	深度学习模型	基因表达数据	NA
12826	2024-11-14	Artificial intelligence in neuro-oncology: advances and challenges in brain tumor diagnosis, prognosis, and precision treatment 2024-Mar-29, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00575-0 PMID:38553633	综述	本文综述了人工智能在神经肿瘤学中的最新进展及其在脑肿瘤诊断、预后和精准治疗中的挑战	人工智能在脑肿瘤管理中引入了变革性创新，利用成像、组织病理学和基因组工具实现高效检测、分类、预后预测和治疗规划	本文讨论了人工智能在神经肿瘤学应用中的挑战，包括多模态数据整合、生成性人工智能、大型医学语言模型、精确肿瘤描绘和特征化以及解决种族和性别差异等问题	探讨人工智能在神经肿瘤学中的应用及其对脑肿瘤管理的全面影响	胶质瘤，一类代表全球重大健康问题的脑肿瘤	计算机视觉	脑肿瘤	人工智能	深度学习	成像数据	NA
12827	2024-11-14	Digitally assessed lymphocyte infiltration in rectal cancer biopsies is associated with pathological response to neoadjuvant therapy 2024-02, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2023.12.010 PMID:38157991	研究论文	研究评估了数字技术在直肠癌活检中淋巴细胞浸润与新辅助治疗病理反应之间的关联	首次探讨了数字评估的淋巴细胞密度与直肠癌新辅助治疗病理反应之间的关系	样本量较小，仅包括50名患者	寻找预测直肠癌新辅助治疗病理反应的潜在生物标志物	直肠癌患者的活检样本	数字病理学	直肠癌	深度学习	NA	图像	50名直肠癌患者
12828	2024-11-14	Acceleration of high-quality Raman imaging via a locality enhanced transformer network 2023-Dec-04, The Analyst DOI:10.1039/d3an01543b PMID:37971331	研究论文	本文提出了一种局部增强的Transformer网络（LETNet）用于拉曼图像超分辨率处理，以加速高质量拉曼成像	本文创新性地将Transformer架构中的自注意力机制替换为卷积，并采用深度卷积优化模型，显著提高了计算效率	NA	本文旨在通过深度学习方法加速高质量拉曼成像，以促进其在实时诊断和治疗中的应用	本文研究对象包括乳腺癌细胞和脑肿瘤组织的拉曼图像	计算机视觉	乳腺癌、脑肿瘤	拉曼成像	Transformer网络	图像	乳腺癌细胞和脑肿瘤组织的拉曼图像
12829	2024-11-14	A deep learning model using hyperspectral image for EUS-FNA cytology diagnosis in pancreatic ductal adenocarcinoma 2023-08, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6335 PMID:37455599	研究论文	本文开发了一种基于高光谱图像的深度学习模型，用于内镜超声引导下细针穿刺细胞学诊断胰腺导管腺癌	首次将高光谱成像技术与卷积神经网络结合，用于胰腺导管腺癌的细胞学诊断	需要进一步验证模型在更大样本量和不同临床环境中的泛化能力	开发一种辅助细胞病理学家诊断胰腺导管腺癌的深度学习模型	胰腺导管腺癌和良性胰腺组织的细胞学样本	计算机视觉	胰腺癌	高光谱成像	卷积神经网络	图像	共62个样本，包括33个良性胰腺组织和39个胰腺导管腺癌
12830	2024-11-14	Thyroid Cytopathology Cancer Diagnosis from Smartphone Images Using Machine Learning 2023-06, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100129 PMID:36931041	研究论文	研究使用智能手机图像进行甲状腺细胞病理学癌症诊断的深度学习模型性能	通过颜色增强训练减少了模型对手机和扫描仪图像颜色差异的敏感性，提高了智能手机图像的诊断性能	研究仅限于甲状腺细胞病理学，且样本量较小	评估深度学习模型在智能手机图像上进行甲状腺细胞病理学癌症诊断的性能	甲状腺细针穿刺活检图像	机器学习	甲状腺癌	深度学习	NA	图像	训练集包含964张高分辨率扫描图像，测试集包含100张幻灯片，每张幻灯片20个感兴趣区域
12831	2024-11-14	Growing ecosystem of deep learning methods for modeling protein-protein interactions 2023-Jan-21, Protein engineering, design & selection : PEDS DOI:10.1093/protein/gzad023 PMID:38102755	综述	本文综述了用于建模蛋白质相互作用的深度学习方法生态系统的发展	深度学习通过利用实验数据和蛋白质相互作用的基本生物物理知识，成为解决蛋白质相互作用多样性问题的有前途的方法	本文讨论了现有方法的局限性和未来研究方向	综述和讨论用于建模蛋白质相互作用的深度学习方法及其应用	蛋白质相互作用及其建模方法	机器学习	NA	深度学习	NA	NA	NA
12832	2024-11-13	Post-deployment performance of a deep learning algorithm for normal and abnormal chest X-ray classification: A study at visa screening centers in the United Arab Emirates 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100606 PMID:39507100	研究论文	研究了在阿联酋签证筛查中心部署的深度学习算法在正常和异常胸片分类中的表现	使用了大量数据进行研究，高负预测值和与人类读者的满意一致性表明AI可以可靠地识别正常胸片	正预测值较低，整体与放射科医生的同意率仅为72.90%	评估深度学习算法在胸片分类中的实际应用效果	胸片分类算法在签证筛查中心的部署表现	计算机视觉	NA	深度学习	深度学习算法	图像	1,309,443张胸片，来自1,309,431名患者
12833	2024-11-13	Deep learning hybrid model ECG classification using AlexNet and parallel dual branch fusion network model 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78028-8 PMID:39505940	研究论文	本文提出了一种基于AlexNet和并行双分支融合网络模型的深度学习混合模型，用于心电图分类	本文提出的模型在心电图分类任务中达到了99%的准确率，优于现有的Hybrid AlexNet SVM和DCNN LSTM模型	NA	提高心电图分类的准确性和自动化程度	心电图信号	机器学习	心血管疾病	深度学习	AlexNet, 并行双分支融合网络模型	心电图信号	PTB诊断心电图数据库中的样本
12834	2024-11-13	Identification of sentinel lymph node macrometastasis in breast cancer by deep learning based on clinicopathological characteristics 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78040-y PMID:39505964	研究论文	本研究首次探讨了基于术前临床病理特征的深度学习模型在识别乳腺癌前哨淋巴结宏转移中的应用	首次探索了深度学习模型在基于术前临床病理特征识别前哨淋巴结宏转移中的应用	特征重要性分析显示，具有相似特征的患者表现出不同的淋巴结状态预测，表明需要额外的预测因子以进一步改进	探索深度学习模型在识别乳腺癌前哨淋巴结宏转移中的可行性	乳腺癌患者的前哨淋巴结宏转移	机器学习	乳腺癌	深度学习	Transformer	临床病理特征	18,185名患者
12835	2024-11-13	Automatic delineation of cervical cancer target volumes in small samples based on multi-decoder and semi-supervised learning and clinical application 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78424-0 PMID:39505991	研究论文	本文提出了一种基于多解码器和半监督学习的自动分割算法，用于在小样本中确定宫颈癌目标体积，并通过独立测试队列评估其准确性	本文创新性地结合了多解码器和半监督学习方法，解决了小样本数据需求问题，提高了自动分割模型的准确性和效率	本文仅在71例患者数据上进行了验证，样本量较小，可能影响算法的泛化能力	旨在提高宫颈癌放射治疗中目标体积划分的准确性和效率	宫颈癌患者的CT图像数据，包括主要肿瘤区域和盆腔淋巴引流区域	计算机视觉	宫颈癌	多解码器和半监督学习	3D U-Net	CT图像	71例宫颈癌患者
12836	2024-11-13	Enhanced convolutional neural network architecture optimized by improved chameleon swarm algorithm for melanoma detection using dermatological images 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77585-2 PMID:39505992	研究论文	本文提出了一种基于改进的变色龙群算法优化的卷积神经网络架构，用于通过皮肤病理图像进行黑色素瘤检测	本文的创新点在于使用改进的变色龙群算法优化卷积神经网络，以提高黑色素瘤检测的准确性	NA	本文的研究目的是开发一种自动化的深度学习方法，用于早期黑色素瘤的检测	本文的研究对象是皮肤病理图像中的黑色素瘤	计算机视觉	皮肤癌	卷积神经网络	CNN	图像	使用了SIIM-ISIC黑色素瘤数据集进行验证
12837	2024-11-13	Artificial intelligence-assisted magnetic resonance imaging technology in the differential diagnosis and prognosis prediction of endometrial cancer 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78081-3 PMID:39506051	研究论文	研究深度学习算法结合磁共振成像技术在子宫内膜癌风险诊断和预后预测中的应用	引入了空间注意力和通道注意力模块优化模型，提高了对高风险子宫内膜癌的诊断准确性和术后复发预测的准确性	研究仅基于回顾性数据，样本量相对较小，未来需进一步验证和扩大样本量	评估深度学习算法结合磁共振成像技术在子宫内膜癌风险诊断和预后预测中的价值	子宫内膜癌患者及其磁共振成像数据	计算机视觉	妇科肿瘤	磁共振成像 (MRI)	卷积神经网络 (CNN)	图像	210例子宫内膜癌患者的MRI图像数据，其中140例用于测试集，70例用于验证集
12838	2024-11-13	Speech recognition using an english multimodal corpus with integrated image and depth information 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78557-2 PMID:39506055	研究论文	本文研究了将深度信息引入多模态语料库，并探讨了集成电子图像和深度信息的英语多模态语料库的构建方法及其语音识别方法	本文的创新点在于引入了深度信息到多模态语料库中，并研究了多模态融合策略，结合语音信号和图像信息，利用深度学习技术挖掘声学和视觉特征	本文的局限性在于仅在特定信噪比条件下进行了实验，未探讨其他信噪比条件下的效果	本文的研究目的是提高英语多模态语料库的语音识别准确率	本文的研究对象是集成图像和深度信息的英语多模态语料库及其语音识别方法	自然语言处理	NA	深度学习	CNN	多模态数据（语音、图像、深度信息）	NA
12839	2024-11-13	Rapid bacterial identification through volatile organic compound analysis and deep learning 2024-Nov-06, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05967-4 PMID:39506632	研究论文	本研究探讨了通过挥发性有机化合物分析和深度学习算法自动识别细菌的方法	提出了一种新的快速识别细菌微生物的方法，通过GC-IMS检测结果自动识别细菌	NA	探索一种快速且准确识别临床环境中微生物物种的方法，以精确用药并减少抗生素耐药性的发展	细菌物种的自动识别	机器学习	NA	挥发性有机化合物分析	AlexNet	挥发性有机化合物数据	三种细菌在随机混合培养中的识别
12840	2024-11-13	Prediction of antibody-antigen interaction based on backbone aware with invariant point attention 2024-Nov-06, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05961-w PMID:39506679	研究论文	本文提出了一种基于不变点注意力机制的新型神经网络架构，用于预测抗体-抗原相互作用	引入了AbAgIPA网络，通过编码抗体和抗原的结构特征来预测相互作用，显著提高了预测性能	NA	开发一种高效且准确的计算方法来预测抗体-抗原相互作用	抗体和抗原的相互作用	机器学习	NA	不变点注意力机制（IPA）	神经网络	结构特征	使用了抗原多样性和抗原特异性抗体-抗原相互作用的数据集