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
12941	2024-08-04	Machine and deep learning algorithms for classifying different types of dementia: A literature review 2024-Aug-01, Applied neuropsychology. Adult DOI:10.1080/23279095.2024.2382823 PMID:39087520	文献综述	这篇文章讨论了使用机器学习和深度学习算法在不同类型痴呆症分类中的应用	比较和对比了不同的机器学习算法在痴呆症诊断中的优势和局限性	过分依赖机器学习和深度学习技术可能不够充分，需进一步证据支持	探讨机器学习和深度学习算法在痴呆症早期识别和治疗中的应用	讨论阿尔茨海默病、额颞叶痴呆、路易体痴呆和血管性痴呆	机器学习	痴呆症	机器学习	支持向量机、人工神经网络、决策树、随机森林	NA	NA
12942	2024-08-04	Efficient Deep Model Ensemble Framework for Drug-Target Interaction Prediction 2024-Aug-01, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.4c01509 PMID:39038219	研究论文	提出了一种简单高效的药物-靶点相互作用预测模型EADTN。	创新的特征适应技术和基于Shapley值的方法提高了模型的可靠性和可解释性。	目前的深度学习方法在预测性能和假阴性方面存在不足。	准确预测药物-靶点相互作用，以促进药物开发。	药物与靶点之间的相互作用。	机器学习	NA	NA	集成模型	数据集	NA
12943	2024-08-04	Revolutionizing Aneurysm detection: The role of artificial intelligence in reducing rupture rates 2024-Aug-01, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02636-1 PMID:39088154	研究论文	该文章探讨了人工智能在降低脑动脉瘤破裂率中的作用	文章通过结合人工智能和机器学习技术，展示了对脑动脉瘤的检测和破裂风险预测的高准确性	该研究未提供具体的大规模样本数据支持其结论	研究旨在探讨人工智能技术在脑动脉瘤检测中的应用及其对患者结果的影响	研究对象为脑动脉瘤，包括未破裂和已破裂的病例	机器学习	脑动脉瘤	CT血管成像，机器学习	深度学习，PointNet++	影像	NA
12944	2024-08-04	The digital revolution in pathology: Towards a smarter approach to research and treatment 2024-Aug, Tumori DOI:10.1177/03008916241231035 PMID:38606831	综述	这篇综述文章介绍了人工智能在肿瘤学中的应用与挑战	文章结构清晰，系统性地介绍了人工智能的基础知识及其在临床研究和医疗中的应用	没有深入探讨某些特定AI工具的实际临床效果和应用限制	旨在为研究人员、临床医生和政策制定者提供有关在肿瘤学中采用人工智能的信息与指导	研究对象包括人工智能在肿瘤学中的应用，特别是诊断影像和病理学	人工智能	肿瘤	NA	专家系统、经典机器学习与深度学习	NA	NA
12945	2024-08-04	Automated segmentation and deep learning classification of ductopenic parotid salivary glands in sialo cone-beam CT images 2024-Jul-31, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03240-w PMID:39085681	研究论文	本研究开发了一种自动算法，以提高对腺体管泄漏症的诊断准确性和效率	结合经典图像处理和深度学习技术的新方法	研究的样本量相对较小，仅涵盖了126个扫描图像	提高腺体管泄漏症的自动检测与分类精度	对应腺体管泄漏症的腮腺图像	数字病理学	NA	sialo-CBCT	残差神经网络（RNN）	图像	126个腮腺sialo-CBCT扫描
12946	2024-08-04	Deep learning-based segmentation of subcellular organelles in high-resolution phase-contrast images 2024-Jul-31, Cell structure and function IF:2.0Q4 DOI:10.1247/csf.24036 PMID:39085139	研究论文	本文提出了一种基于深度学习的细胞器分割方法，适用于高分辨率的相位对比图像。	创新点在于使用机器学习模型对无标记活细胞图像中的细胞器进行准确分割，克服了传统阈值方法的局限。	本文未提及具体的样本大小和准确度评估。	本研究旨在提高无标记生命细胞中细胞器的分割精度。	研究对象为无染色活细胞中的细胞器。	数字病理学	NA	无标记成像	深度学习模型	图像	NA
12947	2024-08-04	Hierarchical multi-task deep learning-assisted construction of human gut microbiota reactive oxygen species-scavenging enzymes database 2024-Jul-30, mSphere IF:3.7Q2 DOI:10.1128/msphere.00346-24 PMID:38995053	研究论文	本研究建立了人类肠道微生物群反应性氧种清除酶数据库	提出了一种系统工作流程，并采用分层多任务深度学习方法创建新数据库	目前数据库的应用和验证尚未详尽探讨	理解氧化应激机制并制定应对与“肠-脏器轴”相关疾病的策略	人类肠道微生物群中的反应性氧种清除酶	数字病理学	NA	深度学习	多任务深度学习	数据库	7,689个条目
12948	2024-08-04	Artificial intelligence assisted ultrasound for the non-invasive prediction of axillary lymph node metastasis in breast cancer 2024-Jul-29, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-12619-6 PMID:39075447	研究论文	本研究开发了一种人工智能辅助的超声系统用于非侵入性预测乳腺癌患者的腋下淋巴结转移	创新点在于使用深度学习模型与人工智能辅助技术相结合，为乳腺癌提供非侵入性的淋巴结状态评估方法	研究局限于回顾性研究，且样本量相对较小	本研究的目的在于开发一种非侵入性的方法，以有效预测乳腺癌患者的腋下淋巴结转移	研究对象为266名在北京协和医学院医院接受腺体生检和腋下淋巴结切除的乳腺癌患者	计算机视觉	乳腺癌	深度学习	DeepLabV3+ 和卷积神经网络	超声图像	266名乳腺癌患者
12949	2024-08-04	Single-cell hdWGCNA reveals metastatic protective macrophages and development of deep learning model in uveal melanoma 2024-Jul-29, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05421-2 PMID:39075441	研究论文	本研究揭示了与转移性保护性巨噬细胞相关的关键基因及其在虹膜黑色素瘤中的作用	首次使用单细胞RNA测序和深度学习模型分析巨噬细胞亚群与转移性肿瘤之间的关系	转移机制及其对预后的影响仍未完全理解	探讨虹膜黑色素瘤的转移机制及巨噬细胞在其中的作用	虹膜黑色素瘤的转移性和原发性癌症患者的巨噬细胞亚群	数字病理学	虹膜黑色素瘤	单细胞RNA测序	卷积神经网络（CNN）	基因表达数据	NA
12950	2024-08-04	Origami single-end capacitive sensing for continuous shape estimation of morphing structures 2024-Jul-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67149-9 PMID:39075071	研究论文	本文提出了一种新颖的单端变形电容传感方法FxC，用于形状追踪。	与其他折纸电容器不同，FxC仅使用每个通道的单个导电板，直接改变导电板的几何形状。	NA	研究如何通过电容信号实时估计变形结构的几何形状。	采用折纸结构及其结合的电容传感器进行形状追踪。	NA	NA	电容传感	深度神经网络	信号	多个折叠模式的实验结果，包括Accordion, Chevron, Sunray和V-Fold模式
12951	2024-08-04	Joint AI-driven event prediction and longitudinal modeling in newly diagnosed and relapsed multiple myeloma 2024-Jul-29, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01189-3 PMID:39075240	研究论文	本研究开发了一种联合的基于变换器的机器学习模型，用于预测多发性骨髓瘤患者的生存期和不良事件。	该模型同时预测无进展生存期、总生存期和不良事件，提供了全方位评估患者疾病状态的能力。	虽然模型表现优越，但可能在某些复杂情况下的实际应用仍然存在挑战。	探索和预测新诊断及复发多发性骨髓瘤患者的疾病进展及疗效。	新诊断和复发难治性多发性骨髓瘤患者。	机器学习	多发性骨髓瘤	机器学习	变换器	临床试验数据	新诊断患者703例，复发患者720例
12952	2024-08-04	Explainable lung cancer classification with ensemble transfer learning of VGG16, Resnet50 and InceptionV3 using grad-cam 2024-Jul-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01345-x PMID:39030496	研究论文	本研究提出了一种集成深度学习方法，以提高医学影像诊断的准确性，专注于肺癌检测	结合预训练模型VGG16、ResNet50和InceptionV3，采用统一框架进行肺癌分类，改善了诊断的准确性	未提及具体的限制	提高医学影像中肺癌检测的诊断准确性	利用统一格式的数据集进行肺癌影像分类	计算机视觉	肺癌	深度学习	集成模型	影像	IQ-OTH/NCCD肺癌数据集，数据来自伊拉克肿瘤医院/国家癌症疾病中心，样本量未具体说明
12953	2024-08-04	Affordable and real-time antimicrobial resistance prediction from multimodal electronic health records 2024-07-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66812-5 PMID:39013934	研究论文	本研究首次利用深度学习技术和多模态电子健康记录数据预测抗微生物抵抗性。	引入了一种多模态融合方法，将时间不变和时间序列数据合并以预测抗微生物抵抗性。	缺乏关于算法性能在不同人群或不同抗生素的广泛验证信息	旨在通过数据驱动模型预测抗微生物抵抗性，以帮助临床医生和微生物学家。	基于MIMIC-IV数据库的多模态数据，特别是患者的电子健康记录。	机器学习	NA	深度学习	NA	电子健康记录	使用了MIMIC-IV数据库中的患者数据
12954	2024-08-04	Deep learning pose detection model for sow locomotion 2024-07-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62151-7 PMID:39013897	研究论文	本研究旨在开发一个用于自动识别母猪体特定部位的计算机视觉模型，从而帮助检测跛行。	提出了一种结合深度学习的自动识别和追踪母猪特定身体区域的模型，支持精准的畜牧生产管理。	当前系统依赖于先前训练的模型，可能无法处理未见过的姿势或运动方式。	开发一个自动化系统，以利用深度学习技术提高母猪跛行的检测精度。	母猪，特别是不同跛行评分的个体。	计算机视觉	NA	深度学习	LEAP架构	视频	使用了来自不同跛行评分母猪的视频图像数据库
12955	2024-08-04	Deep learning application of vertebral compression fracture detection using mask R-CNN 2024-07-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67017-6 PMID:39009647	研究论文	本研究开发了一种基于深度学习的椎体压缩骨折检测模型	创新点在于将Mask R-CNN应用于椎体压缩骨折的检测，并与其他三种流行模型进行了比较	研究的样本仅限于487张侧位X光片，且只涵盖了L1-T11椎骨	旨在提供一种工具以改进椎体压缩骨折的早期诊断	研究对象为胸腰椎区域的椎体压缩骨折	数字病理学	NA	深度学习	Mask R-CNN	影像	487张侧位X光片，包含598个骨折
12956	2024-08-04	Predicting Obstructive Sleep Apnea Based on Computed Tomography Scans Using Deep Learning Models 2024-07-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202304-0767OC PMID:38471111	研究论文	通过计算机断层扫描(CT)预测阻塞性睡眠呼吸暂停(OSA)及其严重性。	提出了一种新型的深度学习模型，结合了多模态深度学习和气道高亮预处理算法，以提高OSA诊断的准确性。	研究的样本主要来源于特定的CT图像，可能影响模型的普遍适用性。	利用CT扫描数据预测阻塞性睡眠呼吸暂停的发生及其严重程度。	涉及798名参与者的内部数据集以及135和85名参与者的两个外部数据集。	数字病理学	阻塞性睡眠呼吸暂停	深度学习	多模态深度学习模型	图像	内部数据集798名参与者，包括92名正常参与者和706名不同严重程度的OSA患者
12957	2024-08-04	Efficient segmentation of active and inactive plaques in FLAIR-images using DeepLabV3Plus SE with efficientnetb0 backbone in multiple sclerosis 2024-07-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67130-6 PMID:39009636	研究论文	本文介绍了一种高效的FLAIR图像内活动和非活动斑块的分割方法	该研究采用了DeepLabV3Plus SE和EfficientNetB0骨干网的卷积神经网络模型，并显示出优于其他CNN架构的性能	未提及具体的限制	研究FLAIR图像中斑块的分割能力	研究对象为100名患有活动性脑斑块的多发性硬化症患者	数字病理学	多发性硬化症	卷积神经网络（CNN）	DeepLabV3Plus SE	MRI切片图像	分析了100名患者，使用了1500个标记切片进行深度学习
12958	2024-08-04	Automatic 3D reconstruction of vertebrae from orthogonal bi-planar radiographs 2024-07-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65795-7 PMID:39003269	研究论文	本文提出了一种基于正交双平面X光片的自动化脊椎3D重建方法	提出了一种新的深度学习框架ReVerteR，通过自注意力机制和特殊设计的损失函数来缓解重建过程中的样本不平衡问题	尚未详细说明当前方法在不同临床场景下的适用性和局限性	旨在通过自动化和定制化的3D脊柱重建来提高临床决策支持	主要研究对象为脊椎的3D重建	数字病理学	NA	深度学习	NA	图像	基于VerSe 2019和VerSe 2020两个基准数据集构建的数据集进行的广泛实验
12959	2024-08-04	Predictive value of MRI-based deep learning model for lymphovascular invasion status in node-negative invasive breast cancer 2024-07-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67217-0 PMID:39003325	研究论文	评估基于乳腺 MRI 的深度学习模型在预测侵袭性乳腺癌患者预operative 淋巴血管侵犯状态的有效性	提出了一种结合放射组学特征与临床放射学信息的深度学习模型，显著提高了对淋巴血管侵犯状态的预测准确性	研究是回顾性的，未涉及多中心样本，可能影响模型的推广性和普适性	旨在预测侵袭性乳腺癌患者的淋巴血管侵犯状态，以帮助临床决策	280 名接受乳腺 MRI 的侵袭性乳腺癌患者，包括148名 LVI 阳性和141名 LVI 阴性病灶	数字病理学	乳腺癌	MRI	多层感知器 (MLP)	影像	280 名患者
12960	2024-08-04	Establishment of a corneal ulcer prognostic model based on machine learning 2024-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66608-7 PMID:38997339	研究论文	本文建立了一种基于机器学习的角膜溃疡预后模型	提出了一种全自动的预后模型系统，包括机器学习算法用于角膜溃疡患者的分割和分类	仅包含4973个角膜溃疡患者的裂隙灯图像和240个临床病例数据，样本量相对有限	分析角膜溃疡患者的角膜穿孔和视觉损害风险，以制定早期治疗策略	研究对象为角膜溃疡患者的临床数据和裂隙灯图像	机器学习	NA	机器学习算法，包括XGBoost和LightGBM	深度学习模型	图像和临床数据	4973个裂隙灯图像和240个临床病例数据