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
12881	2024-11-20	Automated detection and labeling of posterior teeth in dental bitewing X-rays using deep learning 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109262 PMID:39476727	研究论文	本文介绍了一种基于深度学习的人工智能系统，用于自动检测和标记牙科咬翼X光片中的后牙	该研究采用了先进的YOLO架构，实现了快速的对象检测和分类，显著提高了牙科X光片中牙齿检测和标记的准确性和效率	NA	开发一种自动化的牙科X光片牙齿检测和标记系统，以提高牙科记录的准确性和临床工作效率	牙科咬翼X光片中的后牙	计算机视觉	NA	深度学习	YOLO	图像	3000张成人数字咬翼X光片
12882	2024-11-20	[Investigation of the impact of the deep learning based CT fractional flow reserve on clinical decision-making and long-term prognosis in patients with obstructive coronary heart disease] 2024-Nov-24, Zhonghua xin xue guan bing za zhi DOI:10.3760/cma.j.cn112148-20240626-00357 PMID:39557526	研究论文	研究深度学习CT分数流量储备（CT-FFR）对阻塞性冠心病患者临床决策和长期预后的影响	深度学习CT-FFR作为临床决策和长期预后评估的辅助工具	单中心回顾性队列研究，样本量有限	探讨深度学习CT-FFR对阻塞性冠心病患者临床决策和长期预后的影响	阻塞性冠心病患者	机器学习	心血管疾病	深度学习	NA	图像	622名患者，年龄61岁（54, 66），其中407名（65.4%）为男性
12883	2024-11-20	Empirical Modal Decomposition Combined with Deep Learning for Photoacoustic Spectroscopy Detection of Mixture Gas Concentrations 2024-Nov-19, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04479 PMID:39506893	研究论文	本文提出了一种基于经验模态分解（EMD）、卷积神经网络（CNN）和长短期记忆网络（LSTM）的多组分气体分析方法，用于从重叠的波长调制光谱中提取混合气体的精确浓度	结合EMD、CNN和LSTM网络，能够从重叠的光谱中准确提取混合气体的浓度	NA	提高光声光谱技术在多组分气体分析中的测量精度	乙炔和氨气的混合气体浓度	机器学习	NA	光声光谱技术	CNN和LSTM	光谱数据	25种不同浓度的乙炔-氨气混合物，乙炔浓度范围为2.5至7.5 ppm，氨气浓度范围为12.5至37.5 ppm
12884	2024-11-20	Deep learning-based automatic bleeding recognition during liver resection in laparoscopic hepatectomy 2024-Nov-18, Surgical endoscopy DOI:10.1007/s00464-024-11331-7 PMID:39557646	研究论文	本文开发了一种基于深度学习的自动识别腹腔镜肝切除术中出血区域的模型	首次报道了用于检测和停止腹腔镜肝切除术中出血的深度学习模型	研究为回顾性可行性研究，样本量较小	开发一种自动识别腹腔镜肝切除术中出血区域的深度学习模型	腹腔镜肝切除术中的出血区域	计算机视觉	NA	卷积神经网络算法	CNN	图像	2203张标注图像，来自44个腹腔镜肝切除术视频
12885	2024-11-20	A Comparison of Deep Learning vs. Dental Implantologists in Cone-Beam Computed Tomography-Based Bone Quality Classification 2024-Nov-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01317-1 PMID:39557735	研究论文	比较深度学习模型与牙种植专家在基于锥束计算机断层扫描（CBCT）的骨质量分类中的表现	使用Inception-ResNet-v2深度学习模型在骨质量分类中表现优于牙种植专家和住院医师	研究仅限于CBCT图像和L&Z分类，未涉及其他骨质量评估方法	比较深度学习模型与人类评估者在骨质量评估中的表现	CBCT图像中的骨质量分类	计算机视觉	NA	深度学习	Inception-ResNet-v2	图像	1100个CBCT横截面切片
12886	2024-11-20	RIDGE: Reproducibility, Integrity, Dependability, Generalizability, and Efficiency Assessment of Medical Image Segmentation Models 2024-Nov-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01282-9 PMID:39557736	研究论文	本文介绍了一个名为RIDGE的框架，用于评估医学图像分割模型的可重复性、完整性、可靠性、可推广性和效率	提出了RIDGE清单，这是一个全面的框架，旨在评估深度学习医学图像分割模型的多个关键方面	NA	提高医学图像分割模型的质量和透明度，促进其在临床环境中的应用	深度学习医学图像分割模型	计算机视觉	NA	深度学习	NA	图像	NA
12887	2024-11-20	Pneumonia Detection from Chest X-Ray Images Using Deep Learning and Transfer Learning for Imbalanced Datasets 2024-Nov-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01334-0 PMID:39557737	研究论文	本文研究了使用深度学习和迁移学习技术从胸部X光图像中检测肺炎，特别关注处理不平衡数据集的挑战	本文探索了多种深度学习架构（如VGG、ResNet和ViT）以及迁移学习、零样本学习和少样本学习等策略，以提高肺炎检测的准确性	本文未详细讨论模型的泛化能力和在不同医疗环境中的适用性	研究如何利用深度学习技术提高肺炎检测的准确性和效率，特别是处理不平衡数据集的问题	胸部X光图像中的肺炎检测	计算机视觉	肺炎	深度学习	VGG、ResNet、ViT	图像	使用了多个公开数据集，包括Chest X-Ray Images (Pneumonia)、BRAX和CheXpert数据集
12888	2024-11-20	Active Learning with Particle Swarm Optimization for Enhanced Skin Cancer Classification Utilizing Deep CNN Models 2024-Nov-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01327-z PMID:39557738	研究论文	本文提出了一种结合主动学习（AL）和粒子群优化（PSO）的皮肤癌分类框架，以提高深度卷积神经网络（CNN）模型的分类准确性和效率	本文的创新点在于将主动学习和粒子群优化结合，通过选择最具信息量的未标注实例进行专家标注，从而减少标注成本并优化分类器性能	本文的局限性在于实验仅在HAM10000皮肤病变数据集上进行，未来需要在更多数据集上验证方法的通用性	本文的研究目的是通过结合主动学习和粒子群优化，提高皮肤癌分类的准确性和效率	本文的研究对象是皮肤癌分类问题，特别是非黑色素瘤和黑色素瘤的早期检测	计算机视觉	皮肤癌	粒子群优化（PSO）	卷积神经网络（CNN）	图像	使用了HAM10000皮肤病变数据集，包含约10000个样本
12889	2024-11-20	Analysis of Microscopic Remaining Oil Based on the Fluorescence Image and Deep Learning 2024-Nov-18, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-024-04032-w PMID:39557795	研究论文	本文利用荧光图像和深度学习技术分析微观剩余油，以提高高含水油藏的采收率	本文创新性地应用了四种深度学习网络（U-Net、ResU-Net、ScSEU-Net和Unet++）进行荧光图像分割，显著提高了分析效率和准确性	本文主要关注于大孔径（大于60微米）的油藏，对于小孔径（小于50微米）的微观剩余油仍需进一步研究	提高高含水油藏的采收率	微观剩余油及其分布模式	计算机视觉	NA	深度学习	U-Net、ResU-Net、ScSEU-Net、Unet++	图像	油藏样本
12890	2024-11-20	Predicting cell type-specific epigenomic profiles accounting for distal genetic effects 2024-Nov-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54441-5 PMID:39550354	研究论文	本文介绍了一种名为Enformer Celltyping的深度学习模型，用于预测细胞类型特异性的表观基因组特征，考虑了远端遗传效应	引入了一种新的深度学习模型Enformer Celltyping，能够预测未见过的细胞类型的表观遗传信号，并考虑了远端DNA相互作用的影响	尽管模型表现优异，但仍存在当前基因组深度学习模型的局限性	开发一种能够解释遗传变异对表观基因组影响的计算模型，以提高GWAS的解释能力	细胞类型特异性的表观基因组特征和远端遗传效应	机器学习	NA	深度学习	深度学习模型	DNA和染色质可及性数据	未具体说明样本数量
12891	2024-11-20	Rotor angle stability of a microgrid generator through polynomial approximation based on RFID data collection and deep learning 2024-Nov-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80033-w PMID:39550455	研究论文	提出了一种基于RFID数据采集和深度学习的微电网发电机转子角稳定性评估新方法	通过结合RFID技术和混合CNN-LSTM模型，提高了故障检测效率和精度	NA	评估微电网中的转子角稳定性	微电网发电机的转子角稳定性	机器学习	NA	RFID技术	混合CNN-LSTM模型	振动或噪声信号	IEEE 3-机器9-母线系统
12892	2024-11-20	Generative adversarial networks accurately reconstruct pan-cancer histology from pathologic, genomic, and radiographic latent features 2024-Nov-15, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adq0856 PMID:39546597	研究论文	本文介绍并验证了一种自定义的生成对抗网络HistoXGAN，能够利用常见特征提取器生成的特征向量重建代表性的癌症组织学图像	HistoXGAN能够从病理、基因组和放射影像的潜在特征中准确重建泛癌组织学图像，展示了其在肿瘤分级、组织学亚型和基因表达模式方面的信息保留能力	NA	研究如何利用生成对抗网络从多模态数据中重建癌症组织学图像，并探讨其生物学意义	29种癌症亚型的组织学图像及其相关的病理、基因组和放射影像特征	计算机视觉	癌症	生成对抗网络	GAN	图像	29种癌症亚型
12893	2024-11-20	Detection of microplastics in fish using computed tomography and deep learning 2024-Nov-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39875 PMID:39553626	研究论文	本文提出了一种利用计算机断层扫描（CT扫描）和人工智能进行鱼类及其他物种中微塑料自动无损检测的新方法	结合密度和形状等因素，利用人工智能进行微塑料的自动检测，显著提高了检测的精度和效率	NA	开发一种新的方法来检测鱼类及其他物种中的微塑料	鱼类及其他物种中的微塑料	计算机视觉	NA	计算机断层扫描（CT扫描）	语义分割模型	图像	NA
12894	2024-11-20	A benchmark for Rey-Osterrieth complex figure test automatic scoring 2024-Nov-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39883 PMID:39553666	研究论文	本文介绍了一个用于Rey-Osterrieth复杂图形测试自动评分的基准框架	首次提供了ROCFD528数据集，这是一个公开的ROCF线绘图数据集，并使用多种现代深度学习模型进行实验，为新方法提供比较基线	实验结果表明，在样本数量有限的情况下，专门设计的CNN模型表现优于其他现有CNN架构，但仍存在一定的误差（MAE = 3.448）	开发一个公平比较不同计算机视觉系统在ROCF测试自动评分中的性能的基准框架	Rey-Osterrieth复杂图形测试的自动评分	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	528个ROCF线绘图样本
12895	2024-11-20	Application of Machine Learning to Osteoporosis and Osteopenia Screening Using Hand Radiographs 2024-Nov-15, The Journal of hand surgery DOI:10.1016/j.jhsa.2024.09.008 PMID:39556066	研究论文	本文开发并验证了一种基于标准手部X光片的深度学习算法，用于筛查骨质疏松症和骨质减少症	利用深度学习算法从手部X光片中筛查骨质疏松症和骨质减少症，提供了一种更便捷、成本效益更高的自动化诊断方法	研究样本量相对较小，且仅限于手部X光片，可能限制了算法的广泛应用	开发一种基于手部X光片的自动化筛查工具，用于诊断骨质疏松症和骨质减少症	手部X光片和相应的DXA扫描结果	机器学习	骨质疏松症	深度学习	ResNet-50	图像	总共1,424张图像，包括687张正常图像、607张骨质减少图像和130张骨质疏松图像
12896	2024-11-20	Digital profiling of gene expression from histology images with linearized attention 2024-Nov-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54182-5 PMID:39543087	研究论文	本文介绍了一种名为SEQUOIA的线性化transformer模型，用于从全切片图像（WSIs）预测癌症转录组谱	提出了SEQUOIA模型，通过线性化transformer结构降低了模型复杂性，并在大规模数据集上验证了其泛化能力	NA	开发一种成本效益高的方法，从全切片图像中预测癌症的基因表达谱，以支持个性化癌症管理	癌症转录组谱的预测	数字病理学	癌症	深度学习	transformer	图像	7584个肿瘤样本，涵盖16种癌症类型，并在两个独立队列中验证了1368个肿瘤
12897	2024-11-20	MVGNet: Prediction of PI3K Inhibitors Using Multitask Learning and Multiview Frameworks 2024-Nov-12, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c06224 PMID:39554430	研究论文	提出了一种多视图深度学习框架MVGNet，用于预测PI3K抑制剂的抑制活性	整合了基于片段的药效团信息，并利用多任务学习捕捉子任务之间的相关信息	NA	探索PI3K抑制剂的结构-活性关系	PI3K抑制剂对四种PI3K同工酶（PI3Kα、PI3Kβ、PI3Kγ和PI3Kδ）的抑制活性	机器学习	NA	多任务学习	深度学习框架	分子数据	NA
12898	2024-11-20	Time series-based machine learning for forecasting multivariate water quality in full-scale drinking water treatment with various reagent dosages 2024-Nov-09, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122777 PMID:39556984	研究论文	研究提出了一种优化的基于时间序列的机器学习方法，用于预测多元饮用水质量，特别考虑了试剂投加的时间依赖效应	研究通过特征工程构建了包含进水水质参数、试剂投加量和出水水质特征的时间序列数据集，并开发了七种预测模型进行评估，发现传统机器学习模型在时间特征工程的增强下，性能与深度学习模型相当，甚至优于深度学习模型	研究未详细说明模型的泛化能力和在不同水处理厂的适用性	旨在提高饮用水质量预测的准确性，以优化水处理过程和智能供水管理	研究对象为饮用水处理过程中的多元水质参数	机器学习	NA	机器学习	XGBoost	时间序列数据	来自全规模水处理厂的数据
12899	2024-11-20	A deep learning approach to prediction of blood group antigens from genomic data 2024-Nov, Transfusion IF:2.5Q2 DOI:10.1111/trf.18013 PMID:39268576	研究论文	本文探讨了利用深度学习技术从基因组数据中预测血型抗原的方法	首次应用深度学习技术于血型预测，结合去噪自编码器和卷积神经网络模型，提高了预测准确性	某些低频或遗传背景复杂的抗原预测仍存在挑战	开发基于基因组数据的血型预测模型	血型抗原预测	机器学习	NA	基因分型平台	卷积神经网络	基因型数据	约111,000名丹麦和1168名芬兰献血者
12900	2024-11-20	Deep convolutional neural network-based identification and biological evaluation of MAO-B inhibitors 2024-Nov, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.136438 PMID:39389489	研究论文	本文开发了一种基于深度学习的虚拟筛选协议，用于识别和生物评估MAO-B抑制剂	利用卷积神经网络（ConvNet）进行图像分类技术，处理与MACCS指纹相关的两种独特图像数据集，筛选出有潜力的MAO-B抑制剂	需要进一步的结构优化以提高抑制剂的抑制效力和成为新型MAO-B抑制剂	开发一种新的方法来识别和评估MAO-B抑制剂，以应对帕金森病	MAO-B抑制剂及其在帕金森病中的作用	机器学习	神经退行性疾病	卷积神经网络（ConvNet）	CNN	图像	Maybridge库中的化合物，最终筛选出11个化合物，其中4个被验证为有潜力的MAO-B抑制剂