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
13281	2024-11-27	Deep Learning Assessment of Small Renal Masses 2024-Nov, Radiology IF:12.1Q1 DOI:10.1148/radiol.241619 PMID:39589240	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13282	2024-11-27	Application of multimodal deep learning and multi-instance learning fusion techniques in predicting STN-DBS outcomes for Parkinson's disease patients 2024-Oct, Neurotherapeutics : the journal of the American Society for Experimental NeuroTherapeutics IF:5.6Q1 DOI:10.1016/j.neurot.2024.e00471 PMID:39419638	研究论文	本研究利用多模态深度学习和多实例学习融合技术预测帕金森病患者STN-DBS治疗效果	开发了一种新的2.5D深度学习方法，结合多切片表示提取详细的ROI特征，并通过多实例学习融合技术整合多个切片的预测结果，提升了模型性能	本研究为回顾性研究，样本量有限，未来需在前瞻性研究中验证模型效果	提高帕金森病患者STN-DBS治疗效果预测的准确性，支持个性化治疗计划	127名接受STN-DBS治疗的帕金森病患者	机器学习	帕金森病	多实例学习融合技术	深度学习模型	医学影像数据	127名帕金森病患者
13283	2024-11-27	The Role of Artificial Intelligence and Machine Learning in Cardiovascular Imaging and Diagnosis: Current Insights and Future Directions 2024-Oct, Cureus DOI:10.7759/cureus.72311 PMID:39583537	综述	本文综述了人工智能和机器学习在心血管影像和诊断中的应用现状及未来发展方向	人工智能和机器学习技术显著提升了心血管影像的诊断准确性和效率	NA	探讨人工智能和机器学习在心血管影像中的应用、优势、挑战及未来发展方向	心血管疾病诊断和影像分析	机器学习	心血管疾病	NA	卷积神经网络（CNN）	影像	NA
13284	2024-11-27	Three-Dimensional Dense Reconstruction: A Review of Algorithms and Datasets 2024-Sep-10, Sensors (Basel, Switzerland) DOI:10.3390/s24185861 PMID:39338606	综述	本文综述了三维密集重建的算法和数据集	讨论了深度学习方法在三维密集重建中的应用	动态或复杂环境下的三维重建仍是一个未解决的挑战	全面概述经典的三维密集重建技术及其在深度学习中的应用	三维密集重建算法和数据集	计算机视觉	NA	深度学习	NA	图像	NA
13285	2024-11-27	Investigating chiral morphogenesis of gold using generative cellular automata 2024-Jul, Nature materials IF:37.2Q1 DOI:10.1038/s41563-024-01889-x PMID:38693448	研究论文	本文通过训练基于细胞自动机的人工神经网络，研究了金纳米颗粒的同手性形态生成机制	本文首次通过深度学习方法解释了金纳米颗粒的同手性形态生成过程，并预测了一种前所未有的交叉路径和相应的形态	NA	研究金纳米颗粒的同手性形态生成机制	金纳米颗粒的同手性形态生成	机器学习	NA	细胞自动机	人工神经网络	实验结果	NA
13286	2024-11-27	Predicting Glaucoma Surgical Outcomes Using Neural Networks and Machine Learning on Electronic Health Records 2024-Jun-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.6.15 PMID:38904612	研究论文	开发机器学习和深度学习模型以预测青光眼手术结果	利用电子健康记录中的结构化数据，通过机器学习和深度学习算法预测青光眼手术结果	预测性能在不同结果（如眼压、额外手术需求和药物需求）上存在差异	开发预测青光眼手术结果的机器学习和深度学习模型	青光眼手术及其术后结果	机器学习	青光眼	机器学习、深度学习	随机森林、深度学习模型	电子健康记录	2398例青光眼手术，涉及1571名患者
13287	2024-11-27	Real-time Continuous Blood Pressure Estimation with Contact-free Bedseismogram 2024-Jun, IEEE International Conference on Communications : [proceedings]. IEEE International Conference on Communications DOI:10.1109/icc51166.2024.10622995 PMID:39583890	研究论文	本文介绍了一种名为BedDot的非接触式床载连续血压监测传感器	BedDot是首个非接触式且床载的连续血压监测传感器，使用地震传感器避免了外部可穿戴设备和物理接触，同时避免了与摄像头或雷达等技术相关的隐私或辐射问题	NA	开发一种非侵入性的解决方案，用于在睡眠期间监测血压并评估心血管健康	连续血压监测	NA	心血管疾病	AI算法	深度学习模型	时间序列信号	超过75名参与者
13288	2024-11-27	Use of Deep Learning to Evaluate Tumor Microenvironmental Features for Prediction of Colon Cancer Recurrence 2024-May-23, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0031 PMID:38709069	研究论文	使用深度学习评估肿瘤微环境特征以预测结肠癌复发	利用深度学习量化肿瘤形态特征，增强患者在DNA错配修复（MMR）组中的风险分层，并预测结肠癌复发	NA	研究肿瘤形态特征与结肠癌复发之间的关系	结肠癌患者的肿瘤形态特征	机器学习	结肠癌	深度学习	NA	图像	402例切除的III期结肠癌样本（191例d-MMR，189例p-MMR），以及一个独立验证队列（176例d-MMR，1,094例p-MMR）
13289	2024-11-27	Prediction Models for Glaucoma in a Multicenter Electronic Health Records Consortium: The Sight Outcomes Research Collaborative 2024 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2023.100445 PMID:38317869	研究论文	本研究旨在利用多中心电子健康记录数据，开发和评估用于预测青光眼进展的机器学习模型	本研究首次在多中心电子健康记录数据上开发和评估了用于预测青光眼进展的机器学习模型，提高了模型的泛化能力	研究需要进一步探讨受保护类别特征（如种族或性别）对模型性能和公平性的影响	开发和评估用于预测青光眼进展的机器学习模型	青光眼患者及其手术需求	机器学习	青光眼	机器学习	XGBoost, 随机森林, 惩罚性逻辑回归	电子健康记录数据	36,548名青光眼患者
13290	2024-11-27	Hemodynamic property incorporated brain tumor segmentation by deep learning and density-based analysis of dynamic susceptibility contrast-enhanced magnetic resonance imaging (MRI) 2024-Apr-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1471 PMID:38617153	研究论文	本文介绍了一种结合深度学习和密度分析的混合方法，用于通过动态磁敏感对比增强磁共振成像（DSC MRI）进行脑肿瘤分割	该方法结合了时间依赖性灌注成像中的血流动力学特性的密度分析和深度学习空间分割技术，以增强肿瘤分割效果	NA	提高现有基于结构或形态特征的肿瘤分割技术的准确性，并提供有关肿瘤生物学和生理学的额外信息	脑肿瘤	计算机视觉	脑肿瘤	动态磁敏感对比增强磁共振成像（DSC MRI）	U-Net卷积神经网络（CNN）	图像	513名患者
13291	2024-11-27	Tractography-based automated identification of the retinogeniculate visual pathway with novel microstructure-informed supervised contrastive learning 2024-Jan-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.03.574115 PMID:38260369	研究论文	本文提出了一种基于扩散MRI纤维束成像的自动识别视网膜-外侧膝状体视觉通路的新型深度学习框架	设计了一种新的微结构信息引导的监督对比学习方法，结合纤维束标签和组织微结构信息来确定正负样本对，并提出了一种简单有效的纤维束级别数据增强方法来处理高度不平衡的训练数据	NA	开发一种快速准确的自动识别视网膜-外侧膝状体视觉通路的方法	视网膜-外侧膝状体视觉通路	计算机视觉	NA	扩散MRI纤维束成像	深度学习	图像	涉及神经外科患者的数据，具体数量未提及
13292	2024-11-27	DeepRegFinder: deep learning-based regulatory elements finder 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae007 PMID:38343388	研究论文	开发了一种基于深度学习的程序DeepRegFinder，用于自动化处理数据、模型训练和预测DNA调控元件	DeepRegFinder能够将增强子和启动子进一步分类为活跃和准备状态，这是其独特且有价值的特点	NA	开发一种自动化工具，用于在基因组尺度上识别增强子和启动子等DNA调控元件	增强子和启动子等DNA调控元件	机器学习	NA	ChIP-seq	卷积神经网络和循环神经网络	DNA序列数据	多个细胞类型的数据
13293	2024-11-27	Multimodal deep learning as a next challenge in nutrition research: tailoring fermented dairy products based on cytidine diphosphate-diacylglycerol synthase-mediated lipid metabolism 2024, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2023.2248633 PMID:37615630	研究论文	本文探讨了多模态深度学习在营养学研究中的应用，特别是通过基于胞苷二磷酸-二酰基甘油合酶介导的脂质代谢来定制发酵乳制品	本文提出了一个多模态深度学习方法，包括数据矩阵形成、高维组学数据分解、视图相关性发现网络构建和脂质代谢为中心的定量多组学数据分析	NA	探索深度学习在营养流行病学中的应用，特别是如何通过多模态数据分析来定制发酵乳制品	发酵乳制品及其对心血管疾病、肥胖和全因死亡率的影响	机器学习	心血管疾病	多模态深度学习	自注意力机制	多组学数据	NA
13294	2024-11-27	PET/CT radiomics and deep learning in the diagnosis of benign and malignant pulmonary nodules: progress and challenges 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1491762 PMID:39582533	综述	本文综述了PET/CT影像组学和深度学习在良恶性肺结节诊断中的进展与挑战	结合PET/CT影像组学和深度学习方法，提取高吞吐量的定量特征，以提高肺结节的非侵入性诊断准确性	PET/CT的特异性需要进一步提高，且深度学习方法在实际应用中仍面临挑战	探讨PET/CT影像组学和深度学习在提高肺结节诊断准确性中的作用	肺结节的良恶性诊断	计算机视觉	肺癌	PET/CT	深度学习	影像	NA
13295	2024-11-27	Deep learning radiomics based on contrast enhanced MRI for preoperatively predicting early recurrence in hepatocellular carcinoma after curative resection 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1446386 PMID:39582540	研究论文	本文探讨了基于对比增强磁共振成像（CEMRI）的深度学习和放射组学方法在预测肝细胞癌（HCC）患者术后早期复发中的作用	本文创新性地将深度学习和放射组学方法结合，构建了DLRCR模型，显著提高了预测肝细胞癌复发的效果	本文的局限性在于样本量相对较小，且为回顾性研究，未来需要更大规模的前瞻性研究验证	研究目的是探索基于CEMRI的深度学习和放射组学方法在预测肝细胞癌患者术后早期复发中的应用	研究对象为165名接受治愈性切除的肝细胞癌患者	机器学习	肝细胞癌	对比增强磁共振成像（CEMRI）	ResNet架构	图像	165名肝细胞癌患者，分为训练组132人和验证组33人
13296	2024-11-27	Identification of sweetpotato virus disease-infected leaves from field images using deep learning 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1456713 PMID:39582628	研究论文	研究提出了一种基于深度学习的语义分割网络，用于从田间拍摄的甘薯叶图像中快速准确地识别甘薯病毒病病斑	研究引入了注意力金字塔融合模块和一种新的数据增强技术，以提高模型在边缘背景区域的分割精度	NA	开发一种高效且可扩展的方法来诊断甘薯病毒病	甘薯病毒病感染的甘薯叶图像	计算机视觉	NA	深度学习	DeepLabV3+	图像	两个自定义数据集，DS-1包含用于训练、验证和测试的图像，DS-2用于验证模型的可靠性
13297	2024-11-27	Multiscale attention-over-attention network for retinal disease recognition in OCT radiology images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1499393 PMID:39582968	研究论文	本文提出了一种基于多尺度注意力机制的深度学习网络，用于OCT放射影像中的视网膜疾病识别	本文创新性地引入了多尺度特征增强的双注意力网络，结合EfficientNetB7骨干网络和金字塔注意力机制，有效捕捉多尺度依赖关系和上下文信息	NA	提高OCT影像中视网膜疾病识别的准确性和效率	OCT影像中的视网膜疾病	计算机视觉	视网膜疾病	深度学习	CNN	图像	两个基准数据集
13298	2024-11-27	Artificial intelligence research in radiation oncology: a practical guide for the clinician on concepts and methods 2024-Jan, BJR open DOI:10.1093/bjro/tzae039 PMID:39583148	review	本文为临床医生提供了关于人工智能在放射肿瘤学中应用的概念和方法的实用指南	本文强调了提高临床医生对人工智能开发过程的理解和信任的重要性，并提供了评估相关研究论文的工具	本文主要关注于提高临床医生对人工智能的理解，未深入探讨具体的技术细节或模型应用	旨在提高临床医生对人工智能在医学中开发和应用的知识和信任	临床医生和人工智能在放射肿瘤学中的应用	machine learning	NA	artificial intelligence	NA	NA	NA
13299	2024-11-27	Deep learning-based image classification of sea turtles using object detection and instance segmentation models 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313323 PMID:39585892	研究论文	本研究比较了基于深度学习的两种先进方法（YOLOv5和YOLOv5-seg）在海龟图像分类中的性能	本研究首次比较了实例分割模型（YOLOv5-seg）与传统目标检测模型（YOLOv5）在海龟图像分类中的性能，并发现实例分割模型在复杂背景下的分类效果更优	本研究仅使用了iNaturalist和Google收集的图像数据，未涵盖所有可能的海龟栖息地	评估和比较两种深度学习模型在海龟图像分类中的性能	海龟图像的检测与分类	计算机视觉	NA	深度学习	YOLOv5, YOLOv5-seg	图像	从iNaturalist和Google收集的图像数据，分为64%训练集、16%验证集和20%测试集
13300	2024-11-27	Predicting alfalfa leaf area index by non-linear models and deep learning models 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1458337 PMID:39588090	研究论文	研究通过非线性模型和深度学习模型预测苜蓿叶面积指数	提出了一种基于突变点检测方法和编码器-注意力-解码器BiLSTM网络的时间序列预测模型（TMEAD-BiLSTM），显著提高了苜蓿叶面积指数的预测精度	非线性模型在整合环境因素方面存在局限性，影响了叶面积指数预测的准确性	探讨经典非线性模型和深度学习在预测苜蓿叶面积指数方面的潜力	苜蓿叶面积指数及其受环境因素的影响	机器学习	NA	深度学习	BiLSTM	时间序列数据	不同年份和切割次数的苜蓿叶面积指数数据