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
13081	2024-11-22	Deep learning automatic semantic segmentation of glioblastoma multiforme regions on multimodal magnetic resonance images 2024-Sep, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03205-z PMID:38849632	研究论文	本研究评估了深度学习算法在自动化分割多模态磁共振图像中胶质母细胞瘤区域的有效性	本研究采用了3D U-Net神经网络算法，并增加了残差块，以提高分割精度	本研究仅在BraTS2021数据集和PerProGlio队列中进行了验证，未来需要在更多数据集上进行验证	评估深度学习算法在自动化分割多模态磁共振图像中胶质母细胞瘤区域的有效性	胶质母细胞瘤的四个不同区域：增强肿瘤、瘤周水肿、非增强/坏死肿瘤和总肿瘤	计算机视觉	脑肿瘤	磁共振成像	3D U-Net	图像	训练集包含1251名患者的多模态磁共振图像，测试集包含50名胶质母细胞瘤患者
13082	2024-11-22	Deep Learning-Based Synthetic Skin Lesion Image Classification 2024-Aug-22, Studies in health technology and informatics DOI:10.3233/SHTI240612 PMID:39176583	研究论文	本研究提出了一种基于改进的VGG16算法来识别AI生成的医学图像	使用生成对抗网络（GAN）生成合成皮肤病变图像，并开发了一种增强的VGG16算法来分类真实图像与AI生成的图像	未提及	分析生成的医学图像的有效性	合成皮肤病变图像与真实图像的分类	计算机视觉	NA	生成对抗网络（GAN）	VGG16	图像	10,000张合成皮肤病变图像
13083	2024-11-22	AIxSuture: vision-based assessment of open suturing skills 2024-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03093-3 PMID:38526613	研究论文	本文提出了一种基于视觉的开放式缝合技能评估方法	首次提出了针对开放手术技能的自动化评估方法，并使用深度学习模型进行技能分类	模型在数据集上的准确率和F1分数分别为75%和72%，与人工评分者的表现相似，但仍有提升空间	提高手术技能培训的效率和客观性，改善患者手术结果	开放式缝合技能的评估	计算机视觉	NA	深度学习	时间片段网络（Temporal Segment Network）	视频	314个视频，每个视频约五分钟
13084	2024-11-22	PitSurgRT: real-time localization of critical anatomical structures in endoscopic pituitary surgery 2024-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03094-2 PMID:38528306	研究论文	提出了一种名为PitSurgRT的深度学习网络，用于内窥镜垂体手术中关键解剖结构的实时定位	使用HRNet作为骨干网络，结合多头机制同时定位和分割关键解剖结构，并通过TensorRT优化和加速模型	未提及具体局限性	开发一种能够在内窥镜垂体手术中实时定位关键解剖结构的方法，以减少手术并发症的风险	内窥镜垂体手术中的关键解剖结构，如颈动脉和视神经	计算机视觉	NA	深度学习	HRNet	图像	15名神经外科医生参与研究
13085	2024-11-22	XRelevanceCAM: towards explainable tissue characterization with improved localisation of pathological structures in probe-based confocal laser endomicroscopy 2024-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03096-0 PMID:38538880	研究论文	本文介绍了一种名为XRelevanceCAM的新解释方法，用于在探针式共聚焦激光显微内窥镜（pCLE）数据中精确定位临床重要结构	XRelevanceCAM基于更好的反向传播方法，结合了敏感性和保守性公理，提供了更强的理论基础并有效缓解了破碎梯度问题	NA	开发一种新的解释方法，以提高探针式共聚焦激光显微内窥镜数据中病理结构的定位精度	探针式共聚焦激光显微内窥镜数据中的脑肿瘤组织	计算机视觉	脑肿瘤	Class Activation Map (CAM)	NA	图像	基于离体pCLE数据的脑肿瘤样本
13086	2024-11-22	From quantitative metrics to clinical success: assessing the utility of deep learning for tumor segmentation in breast surgery 2024-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03133-y PMID:38642296	研究论文	本文评估了深度学习模型在乳腺癌手术中肿瘤分割的临床效用	首次将深度学习模型应用于乳腺癌手术中的肿瘤分割，并进行了临床评估	生成的轮廓在预测病理边缘状态方面的效用有限	评估深度学习模型在乳腺癌手术中肿瘤分割的临床效用	深度学习模型在乳腺癌手术中的肿瘤分割	计算机视觉	乳腺癌	深度学习	CNN	图像	7318张超声图像，来自33名患者
13087	2024-11-22	Robot-assisted biopsy sampling for online Raman spectroscopy cancer confirmation in the operating room 2024-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03100-7 PMID:38573566	研究论文	本文提出了一种在手术室中使用机器人辅助活检采样结合拉曼光谱技术进行癌症实时确认的方法	本文创新地将拉曼光谱技术与机器人辅助系统结合，实现了手术室中的实时癌症确认，并提出了使用一维卷积神经网络进行组织分类	本文仅在体外数据集上进行了测试，尚未在临床环境中验证其有效性	提高手术室中癌症治疗的局部控制，实现实时癌症确认	新鲜组织样本的癌症确认	计算机视觉	NA	拉曼光谱技术	一维卷积神经网络	光谱数据	30个测试地标，三个体外数据集（脑、乳腺和前列腺）
13088	2024-11-22	On-the-fly point annotation for fast medical video labeling 2024-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03098-y PMID:38573565	研究论文	提出了一种实时视频标注方法，以提高医学视频标注的效率	引入了一种连续单点标注方法，通过保持光标在实时视频中的对象上来减少传统标注方法中的繁琐暂停和重复导航	未提及具体限制	提高医学研究中深度学习模型所需的高质量标注数据的标注效率	医学视频中的对象检测任务	计算机视觉	NA	NA	NA	视频	未提及具体样本数量
13089	2024-11-22	Optimizing latent graph representations of surgical scenes for unseen domain generalization 2024-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03121-2 PMID:38678488	研究论文	本文研究了在手术视频分析中使用对象中心学习方法进行未见领域泛化的优化	提出了一个优化的方法LG-DG，包括一个新的解耦损失函数，显著优于现有方法	NA	研究对象中心方法在未见领域泛化中的应用，并提出优化方法	腹腔镜胆囊切除术中的关键安全评估视图	计算机视觉	NA	对象中心学习	NA	视频	多中心数据
13090	2024-11-22	ImSpect: Image-driven self-supervised learning for surgical margin evaluation with mass spectrometry 2024-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03106-1 PMID:38600411	研究论文	提出了一种新的框架ImSpect，通过将iKnife的1D数据转换为2D图像，并利用自监督学习进行基底细胞癌手术中的切缘评估	首次将公开的、最先进的预训练网络和数据集应用于iKnife数据，并利用自监督学习处理大量未标记的术中数据	NA	开发一种新的方法，利用质谱数据对癌症手术中的组织切缘进行实时评估	基底细胞癌手术中的切缘评估	计算机视觉	皮肤癌	质谱	深度学习模型	图像	NA
13091	2024-11-22	Utilizing multimodal AI to improve genetic analyses of cardiovascular traits 2024-Mar-20, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.19.24304547 PMID:38562791	研究论文	提出了一种名为M-REGLE的多模态深度学习方法，用于从多模态高维临床数据中识别心血管性状的遗传关联	M-REGLE通过联合学习多模态高维临床数据的低维表示，并结合全基因组关联研究，显著提高了遗传关联的识别能力	NA	改进心血管性状的遗传分析	多模态高维临床数据中的心血管性状遗传关联	机器学习	心血管疾病	多模态深度学习	卷积变分自编码器	多模态高维临床数据	涉及多个生物银行的心血管模态数据，包括12导联心电图数据集和心电图I导联+光电容积描记数据集
13092	2024-11-22	Deep learning-driven fragment ion series classification enables highly precise and sensitive de novo peptide sequencing 2024-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-44323-7 PMID:38167372	研究论文	本文介绍了一种名为Spectralis的从头肽测序方法，利用深度学习技术进行碎片离子系列分类，显著提高了肽测序的精确度和灵敏度	Spectralis方法引入了卷积神经网络层连接光谱中按氨基酸质量间隔的峰值，提出了碎片离子系列分类作为从头肽测序的关键任务，并引入了肽-光谱置信度评分	NA	开发一种高精度、高灵敏度的从头肽测序方法，以解决蛋白质测序领域的不足	肽序列的从头测序	机器学习	NA	NA	卷积神经网络（CNN）	光谱数据	NA
13093	2024-11-22	Two-stage ship detection at long distances based on deep learning and slicing technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313145 PMID:39561153	研究论文	本文提出了一种基于深度学习和切片技术的两阶段远距离船舶检测方法	结合了传统图像处理和深度学习方法的优势，通过两阶段检测模型提高了远距离小目标船舶的检测精度	NA	提高智能船舶视觉感知中远距离船舶检测的准确性	远距离船舶	计算机视觉	NA	切片技术	YOLOv8	图像	1080×640像素的图像
13094	2024-11-22	Classifying driver mutations of papillary thyroid carcinoma on whole slide image: an automated workflow applying deep convolutional neural network 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1395979 PMID:39564124	研究论文	本文开发了一种自动化工作流程，利用深度卷积神经网络对甲状腺乳头状癌的驱动突变进行分类	本文首次将深度卷积神经网络应用于全切片图像，以自动分类甲状腺乳头状癌的驱动突变	NA	开发一种自动化工作流程，利用全切片图像对甲状腺乳头状癌的驱动突变进行分类	甲状腺乳头状癌的驱动突变分类	数字病理学	甲状腺癌	深度卷积神经网络	CNN	图像	使用了来自The Cancer Genome Atlas (TCGA) 数据库的病理切片
13095	2024-11-22	DeepADRA2A: predicting adrenergic α2a inhibitors using deep learning 2024, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2270056 PMID:37837428	研究论文	利用深度学习技术开发预测肾上腺素α2a受体抑制剂的模型	采用深度学习算法开发了高效的预测模型，显著提高了预测准确性	未提及	开发能够准确预测肾上腺素α2a受体抑制剂的模型，以加速药物发现过程	肾上腺素α2a受体抑制剂	机器学习	NA	深度学习	深度学习模型	分子描述符（1D、2D和分子指纹）	未提及
13096	2024-11-22	[Application of artificial intelligence methods in the diagnosis and treatment of primary angle-closure disease] 2024, Vestnik oftalmologii DOI:10.17116/oftalma2024140051130 PMID:39569786	综述	本文综述了人工智能方法在原发性闭角型青光眼诊断和治疗中的应用	探讨了深度学习和成像技术在优化原发性闭角型青光眼诊断和治疗中的关键作用	NA	探讨人工智能在原发性闭角型青光眼诊断和治疗中的应用	原发性闭角型青光眼	计算机视觉	眼科疾病	深度学习	神经网络	图像	NA
13097	2024-11-21	Integrating deep learning and data fusion for enhanced oranges soluble solids content prediction using machine vision and Vis/NIR spectroscopy 2025-Feb-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141488 PMID:39396473	研究论文	本文开发了一种具有颜色校正能力的深度学习模型，用于基于多源数据融合预测橙子的可溶性固形物含量	提出了结合机器视觉和可见/近红外光谱的多源数据融合方法，并构建了基于颜色校正的一维卷积神经网络模型	NA	提高水果成分预测的准确性	橙子的可溶性固形物含量	机器学习	NA	可见/近红外光谱	一维卷积神经网络	图像和光谱数据	NA
13098	2024-11-21	Probabilistic 3D Correspondence Prediction from Sparse Unsegmented Images 2025, Machine learning in medical imaging. MLMI (Workshop) DOI:10.1007/978-3-031-73290-4_12 PMID:39554756	研究论文	本文提出了一种从稀疏未分割图像中预测三维对应关系的统一模型SPI-CorrNet	利用教师网络进行特征学习正则化，并量化数据依赖的偶然不确定性，以提高稀疏图像驱动统计形状模型的准确性和鲁棒性	未提及	改进从稀疏医学图像中构建统计形状模型的过程，提高模型在低质量或稀疏信息情况下的预测可靠性	三维解剖结构对应关系	计算机视觉	NA	深度学习	SPI-CorrNet	图像	LGE MRI左心房数据集和Abdomen CT-1K肝脏数据集
13099	2024-11-21	External validation of a deep learning model for automatic segmentation of skeletal muscle and adipose tissue on abdominal CT images 2024-Dec-01, The British journal of radiology DOI:10.1093/bjr/tqae191 PMID:39286936	研究论文	本文开发并验证了一种深度学习神经网络，用于自动分割腹部CT图像中的骨骼肌和脂肪组织	成功训练并外部验证了一种深度学习神经网络，可用于大规模人群研究和临床实践中的体成分分析	NA	开发一种用于自动分割腹部CT图像中骨骼肌和脂肪组织的深度学习模型，并进行外部验证	腹部CT图像中的骨骼肌和脂肪组织	计算机视觉	NA	深度学习	深度学习神经网络	图像	训练集包含3187名接受腹部手术的患者，验证集包含2535名腹部癌症患者
13100	2024-11-21	HIV-1 M group subtype classification using deep learning approach 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109218 PMID:39369547	研究论文	本文提出了一种基于深度学习的HIV-1 M组亚型分类方法	首次使用深度学习方法对HIV-1 M组亚型进行分类，并通过人工分子进化技术生成合成数据集克服样本量限制	NA	开发一种新的方法来准确分类HIV-1 M组亚型	HIV-1 M组亚型	机器学习	HIV/AIDS	深度学习	卷积自编码器	DNA序列	合成数据集