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
13921	2024-10-20	Creating high-resolution 3D cranial implant geometry using deep learning techniques 2023, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2023.1297933 PMID:38149174	研究论文	本文提出了一种利用深度学习技术从CT扫描创建的缺陷3D头骨模型中生成高分辨率3D颅骨植入物几何形状的方法	本文提出了一种双神经网络系统，用于修复低分辨率缺陷模型并增强修复模型的体积分辨率，从而生成适合临床使用的高质量植入物模型	本文未提及具体的局限性	开发一种实用的深度学习方法，用于从缺陷的3D头骨模型中生成高分辨率的颅骨植入物几何形状	3D头骨模型和颅骨植入物几何形状	计算机视觉	NA	深度学习技术	神经网络	3D模型	未提及具体样本数量
13922	2024-10-20	Efficient semi-supervised semantic segmentation of electron microscopy cancer images with sparse annotations 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1308707 PMID:38162122	研究论文	研究了多种先进的深度学习模型用于电子显微镜癌症图像的半监督语义分割	探索了半监督学习方法Cross Pseudo Supervision，并比较了多种深度学习模型的性能	需要进一步研究如何减少手动分割的时间瓶颈	加速电子显微镜癌症图像的分析	肿瘤活检中的细胞核和核仁的分割	计算机视觉	癌症	深度学习	CNN	图像	三个完全注释的内部数据集
13923	2024-10-20	Comparison of state-of-the-art deep learning architectures for detection of freezing of gait in Parkinson's disease 2023, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2023.1306129 PMID:38178885	研究论文	比较了用于帕金森病中冻结步态检测的先进深度学习架构的性能	本文比较了标准卷积神经网络（CNN）与两种更复杂的网络（MiniRocket和InceptionTime）在冻结步态检测中的性能	研究仅限于使用加速度数据，且模型在未见测试集上的表现有待进一步验证	验证深度学习在大型异质数据集中检测冻结步态的可行性，并比较不同深度学习模型的性能	帕金森病患者中的冻结步态	机器学习	神经退行性疾病	卷积神经网络（CNN）	CNN	加速度数据	70名参与者用于训练和测试，10名参与者提供未见测试集
13924	2024-10-20	TSP-GNN: a novel neuropsychiatric disorder classification framework based on task-specific prior knowledge and graph neural network 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1288882 PMID:38188031	研究论文	提出了一种基于任务特定先验知识和图神经网络的新型神经精神障碍分类框架	首次将任务特定先验连接模式与深度学习相结合，用于神经精神障碍分类	NA	开发一种新的神经精神障碍分类模型，利用任务特定先验连接模式提高分类准确性	神经精神障碍及其在特定任务情境下的功能连接模式	机器学习	神经精神障碍	图神经网络	图神经网络	功能连接矩阵	使用公开数据集进行验证
13925	2024-10-19	Clinical impact of deep learning-derived intravascular ultrasound characteristics in patients with deferred coronary artery 2024-Dec-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2024.132543 PMID:39265789	研究论文	本研究旨在利用深度学习模型从血管内超声图像中提取几何参数和最大衰减（或钙化）负担指数，以预测非罪犯冠状动脉病变患者的不良预后	首次利用深度学习技术从血管内超声图像中提取几何参数和最大衰减（或钙化）负担指数，以预测非罪犯冠状动脉病变患者的不良预后	样本量相对较小，且仅限于非罪犯冠状动脉病变患者	识别和验证预测非罪犯冠状动脉病变患者长期不良预后的形态学标准	非罪犯冠状动脉病变患者	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	1115名患者
13926	2024-08-07	Deep learning applications in digital pathology 2024-Nov, Nature reviews. Nephrology DOI:10.1038/s41581-024-00870-w PMID:39014062	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13927	2024-10-19	Deep learning radiomics based on ultrasound images for the assisted diagnosis of chronic kidney disease 2024-Nov, Nephrology (Carlton, Vic.) DOI:10.1111/nep.14376 PMID:39134509	研究论文	本研究旨在通过构建基于灰度超声图像的慢性肾病筛查模型，探讨超声图像在慢性肾病筛查中的价值	本研究创新性地融合了ResNet34和纹理特征，构建了用于慢性肾病及其分期筛查的深度学习模型	本研究仅使用了浙江省同德医院的1049名患者的4365张肾脏超声图像，样本量和数据来源有限	探讨超声图像在慢性肾病筛查中的应用价值	慢性肾病及其分期	计算机视觉	肾脏疾病	卷积神经网络	ResNet34	图像	1049名患者，4365张肾脏超声图像
13928	2024-10-19	Diagnosing Cataracts in the Digital Age: A Survey on AI, Metaverse, and Digital Twin Applications 2024-Nov, Seminars in ophthalmology IF:1.9Q2 DOI:10.1080/08820538.2024.2403436 PMID:39300918	综述	研究探讨了白内障诊断的演变，重点关注传统方法和创新技术集成	引入人工智能、机器学习和深度学习技术，以及元宇宙、数字孪生和远程眼科技术，以提高诊断准确性和可及性	NA	解决传统白内障分级中的主观性问题，并评估新技术如何增强诊断准确性和可及性	白内障诊断	计算机视觉	眼科疾病	人工智能、机器学习、深度学习	NA	NA	NA
13929	2024-10-19	FCS videos: Fluorescence correlation spectroscopy in space and time 2024-Nov, Biochimica et biophysica acta. General subjects DOI:10.1016/j.bbagen.2024.130716 PMID:39349260	研究论文	本文介绍了通过深度学习将荧光相关光谱（FCS）的时间分辨率提高到秒级，从而实现FCS视频的技术，展示了其在脂质双层和细胞膜研究中的应用	本文通过深度学习将FCS的时间分辨率提高到秒级，实现了FCS视频，为分子过程研究提供了新的可能性	FCS视频的测量时间仍然有限，通常在分钟级别	提高荧光相关光谱（FCS）的时间分辨率，实现FCS视频，以研究分子参数在空间和时间上的变化	脂质双层和细胞膜	生物医学	NA	荧光相关光谱（FCS）	深度学习	视频	NA
13930	2024-10-19	Deep Learning Artificial Intelligence Predicts Homologous Recombination Deficiency and Platinum Response From Histologic Slides 2024-Oct-20, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO.23.02641 PMID:39083703	研究论文	本文介绍了一种名为DeepHRD的深度学习平台，用于从常规的苏木精和伊红染色（H&E）病理切片中预测同源重组缺陷（HRD）和铂类药物反应	DeepHRD可以从常规的H&E染色切片中直接预测HRD，而不需要分子检测，这在多个独立数据集中得到了验证	NA	开发一种无需分子检测即可预测HRD和铂类药物反应的深度学习平台	乳腺癌和卵巢癌的H&E染色病理切片	数字病理学	乳腺癌和卵巢癌	深度学习	深度学习平台	图像	乳腺癌样本1008个，卵巢癌样本459个
13931	2024-10-19	Dual convolution-transformer UNet (DCT-UNet) for organs at risk and clinical target volume segmentation in MRI for cervical cancer brachytherapy 2024-Oct-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad84b2 PMID:39378904	研究论文	本文提出了一种用于宫颈癌近距离放射治疗中MRI图像中危及器官和临床靶区体积自动分割的深度学习方法	设计了一种双卷积-变换器UNet（DCT-UNet）模型，并采用尺寸自适应多模型方法，显著提高了HR-CTV的分割效果	NA	开发一种自动分割方法，以提高宫颈癌近距离放射治疗中MRI图像中危及器官和临床靶区体积的分割精度和速度	宫颈癌近距离放射治疗中的MRI图像中的危及器官（膀胱、直肠、乙状结肠）和临床靶区体积（HR-CTV）	计算机视觉	宫颈癌	深度学习	DCT-UNet	图像	NA
13932	2024-10-19	Deep learning-based surgical step recognition for laparoscopic right-sided colectomy 2024-Oct-18, Langenbeck's archives of surgery DOI:10.1007/s00423-024-03502-w PMID:39419830	研究论文	本研究开发了一种基于深度学习的腹腔镜右半结肠切除术步骤识别模型，并评估了其识别性能	首次使用深度学习算法开发了腹腔镜右半结肠切除术的自动步骤识别模型	本研究为单中心回顾性研究，样本量有限，且仅包括了两种手术类型	开发和评估一种用于腹腔镜右半结肠切除术步骤识别的深度学习模型	腹腔镜右半结肠切除术的手术步骤	计算机视觉	结肠癌	深度学习	NA	视频	78名患者，其中35名进行了腹腔镜回盲部切除术，44名进行了腹腔镜右半结肠切除术
13933	2024-10-19	Computational screening of umami tastants using deep learning 2024-Oct-18, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11006-4 PMID:39422798	研究论文	本研究开发了一种基于深度学习的虚拟筛选管道，用于从大型分子数据库中识别高活性的鲜味调味剂	首次使用基于transformer的架构进行鲜味分子分类，并构建了预测鲜味化合物活性的神经网络模型	NA	开发一种高效的方法来识别新的鲜味调味剂	鲜味分子及其活性	机器学习	NA	深度学习	transformer和神经网络	分子数据	439个鲜味分子和428个非鲜味分子
13934	2024-10-19	Camera-Based Respiratory Imaging System for Monitoring Infant Thoracoabdominal Patterns of Respiration 2024-Oct-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3482569 PMID:39418142	研究论文	本文提出了一种基于摄像头的呼吸成像系统，用于监测婴儿胸腹呼吸模式	利用摄像头传感器空间冗余性分析婴儿胸腹呼吸运动，并引入多专家对比学习策略以解决临床训练数据有限和受试者变异性问题	NA	开发一种新的视频监测方法，用于评估婴儿胸腹呼吸模式，揭示视频健康监测在新生儿护理中的新应用	婴儿胸腹呼吸模式	计算机视觉	NA	光学流	深度学习算法	视频	44名婴儿
13935	2024-10-19	Zero-Shot Relation Classification Through Inference on Category Attributes 2024-Oct-17, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3474669 PMID:39418148	研究论文	本文提出了一种通过类别属性推理进行零样本关系分类的新框架	引入假设模板自动将关系分类数据转换为文本蕴含格式，并通过预训练的文本蕴含模型进行微调，以实现从已知类到未知类的语义推理规则的泛化	NA	解决零样本关系分类任务中的未见关系识别问题	语义关系分类	自然语言处理	NA	NA	NA	文本	NA
13936	2024-10-19	Ultrasound for breast cancer detection: A bibliometric analysis of global trends between 2004 and 2024 2024-Oct-17, Medical ultrasonography IF:1.8Q3 DOI:10.11152/mu-4443 PMID:39420819	研究论文	本文通过文献计量方法分析了2004年至2024年间全球超声在乳腺癌诊断领域的研究趋势	首次对超声在乳腺癌诊断领域的研究趋势进行了全面的文献计量分析和可视化	NA	深入了解超声在乳腺癌诊断领域的研究现状和未来趋势	超声在乳腺癌诊断中的应用	计算机视觉	乳腺癌	超声成像	卷积神经网络	文本	3523篇文章，来自2176个机构，涉及82个国家/地区
13937	2024-10-19	Development trends and knowledge framework of artificial intelligence (AI) applications in oncology by years: a bibliometric analysis from 1992 to 2022 2024-Oct-16, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-024-01415-0 PMID:39406991	综述	本文通过文献计量分析方法，探讨了1992年至2022年间人工智能在肿瘤学领域的应用趋势和知识框架	本文首次通过文献计量分析方法，全面评估了人工智能在肿瘤学领域的研究热点和发展趋势	本文主要依赖于文献计量分析，可能忽略了某些非文献形式的创新和研究进展	探讨人工智能在肿瘤学领域的应用趋势和研究热点	1992年至2022年间发表的与人工智能在肿瘤学领域相关的文献	机器学习	肿瘤	文献计量分析	NA	文献	共分析了7815篇文章，涉及35098位作者和1492种期刊
13938	2024-10-19	A Rapid Adaptation Approach for Dynamic Air-Writing Recognition Using Wearable Wristbands with Self-Supervised Contrastive Learning 2024-Oct-16, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-024-01545-8 PMID:39407061	研究论文	本文提出了一种利用自监督对比学习进行动态空中书写识别的快速适应方法，通过穿戴式腕带系统实现	该方法通过自监督对比学习，能够快速适应多种场景，且仅需少量标注数据进行微调	NA	开发一种能够快速适应多种任务的穿戴式腕带系统，用于动态手势识别	穿戴式腕带系统及其在动态手势识别中的应用	计算机视觉	NA	自监督对比学习	NA	信号	少量标注数据
13939	2024-10-19	Putting proteins in context 2024-Oct-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.09.009 PMID:39418999	研究论文	本文介绍了一种名为PINNACLE的几何深度学习方法，用于生成蛋白质的上下文表示	PINNACLE通过结合蛋白质相互作用和多器官单细胞转录组学分析，生成了具有生物和环境上下文的蛋白质表示	NA	解决现有蛋白质表示方法缺乏生物或环境上下文的问题	蛋白质及其在细胞类型特异性功能和相互作用中的上下文表示	机器学习	NA	几何深度学习	几何深度学习模型	蛋白质相互作用数据和单细胞转录组学数据	NA
13940	2024-10-19	A deep learning approach for line-level Amharic Braille image recognition 2024-10-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73895-7 PMID:39406793	研究论文	本文提出了一种结合CNN和BiLSTM网络的深度学习模型，用于阿姆哈拉盲文图像的行级识别	首次提出了一种无需大量图像预处理和后处理的序列到序列学习方法，用于阿姆哈拉盲文图像的识别	NA	解决阿姆哈拉盲文图像识别中的半字符识别和字符分割问题	阿姆哈拉盲文图像的行级识别	计算机视觉	NA	深度学习	CNN和BiLSTM网络	图像	训练集包含1800行图像，验证集包含200行图像，图像尺寸为32×256和48×256