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
13961	2024-10-15	Deep learning-based detection of affected body parts in Parkinson's disease and freezing of gait using time-series imaging 2024-10-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75445-7 PMID:39390087	研究论文	提出了一种基于卷积神经网络的时间序列图像深度学习方法，用于检测帕金森病和冻结步态中受影响的身体部位	利用时间序列图像和卷积神经网络进行帕金森病和冻结步态中受影响身体部位的检测和区分	NA	开发一种辅助工具，用于评估帕金森病的严重程度和冻结步态	帕金森病患者和冻结步态患者在360°转身任务中的身体部位检测	计算机视觉	神经退行性疾病	卷积神经网络	CNN	时间序列图像	90名参与者，包括60名帕金森病患者（30名冻结步态患者和30名非冻结步态患者）和30名年龄匹配的老年人（对照组）
13962	2024-10-15	DETECTION OF ORAL SQUAMOUS CELL CARCINOMA USING PRE-TRAINED DEEP LEARNING MODELS 2024-Oct-09, Experimental oncology DOI:10.15407/exp-oncology.2024.02.119 PMID:39396172	研究论文	本文研究了使用预训练深度学习模型检测口腔鳞状细胞癌的方法	本文提出了一种基于迁移学习的预训练分类模型和卷积神经网络（CNN）用于口腔鳞状细胞癌的二分类	本文的实验数据集较小，且仅限于口腔鳞状细胞癌的检测	评估使用迁移学习方法和预训练模型在口腔鳞状细胞癌早期诊断中的应用	口腔鳞状细胞癌的组织病理学图像	计算机视觉	口腔癌	迁移学习	CNN	图像	5192张组织病理学图像
13963	2024-10-15	[Accelerated musculoskeletal magnetic resonance imaging with deep learning-based image reconstruction at 0.55 T-3 T] 2024-Oct, Radiologie (Heidelberg, Germany) DOI:10.1007/s00117-024-01325-w PMID:38864874	研究论文	本文探讨了使用深度学习技术加速肌肉骨骼磁共振成像（MRI）重建的方法	引入深度学习（DL）算法进行图像重建，以减少信噪比、空间分辨率和图像采集时间之间的相互依赖性，并允许使用更高的加速因子	NA	提高肌肉骨骼MRI的效率、患者舒适度、访问性和价值，同时保持高诊断准确性	肌肉骨骼系统的MRI图像重建	计算机视觉	NA	磁共振成像（MRI）	深度学习（DL）	图像	NA
13964	2024-10-15	Enhancing the analysis of murine neonatal ultrasonic vocalizations: Development, evaluation, and application of different mathematical models 2024-Oct-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0030473 PMID:39400270	研究论文	本文系统评估了不同类型的神经网络用于小鼠新生超声发声（USV）分类的效果	首次系统评估了多种神经网络架构在USV分类中的适用性，并确定了最适合的架构	NA	确定最适合分析小鼠新生超声发声的神经网络架构	小鼠新生超声发声的分类	机器学习	NA	深度学习	卷积神经网络（CNN）	音频	NA
13965	2024-10-15	Comprehensive Characterization of Tissue Mineralization in an Ex Vivo Model 2024-Sep-27, Journal of visualized experiments : JoVE DOI:10.3791/67235 PMID:39400183	研究论文	本文提出了一种全面评估新骨形成的工作流程，使用相关的大型动物骨体外移植模型	本文创新性地结合了多种分析方法，包括微CT、深度学习图像分析、纳米压痕、组织学检查、背散射扫描电子显微镜和拉曼光谱，以全面评估新形成的骨组织	本文的局限性在于其研究对象仅限于羊的股骨头移植模型，可能无法完全代表所有骨再生情况	本文旨在通过多模态分析方法，全面评估新形成的骨组织，并标准化这些协议以促进研究间的比较和提高研究结果的有效性和可靠性	本文的研究对象是羊的股骨头移植模型中新形成的骨组织	数字病理学	NA	微CT、深度学习、纳米压痕、组织学检查、背散射扫描电子显微镜、拉曼光谱	深度学习	图像	1个羊的股骨头移植模型
13966	2024-10-15	ECG-Image-Database: A Dataset of ECG Images with Real-World Imaging and Scanning Artifacts; A Foundation for Computerized ECG Image Digitization and Analysis 2024-Sep-25, ArXiv PMID:39398215	研究论文	介绍了一个名为ECG-Image-Database的大型多样化心电图图像数据集，包含真实世界的扫描和成像伪影	首次创建了一个包含真实世界伪影的高保真合成心电图图像数据集，为心电图图像数字化和分析提供了基础	NA	开发和提供一个用于心电图图像数字化和分类的机器学习和深度学习模型的基础数据集	心电图图像及其数字化	计算机视觉	NA	ECG-Image-Kit	NA	图像	35,595张软件标记的心电图图像
13967	2024-10-15	PredPSP: a novel computational tool to discover pathway-specific photosynthetic proteins in plants 2024-Sep-24, Plant molecular biology IF:3.9Q1 DOI:10.1007/s11103-024-01500-6 PMID:39316155	研究论文	介绍了一种名为PredPSP的新型计算工具，用于发现植物中特定途径的光合作用蛋白	首次提出了一种基于序列的计算方法，专门用于识别植物中的光合作用蛋白，填补了现有模型的空白	NA	开发一种全面的计算框架，用于预测植物中特定途径的光合作用蛋白	植物中的光合作用蛋白	机器学习	NA	深度学习与浅层学习算法	LightGBM	序列数据	涵盖多种植物物种，确保C和C途径的全面代表性
13968	2024-09-24	Application of machine learning for predicting lymph node metastasis in T1 colorectal cancer: a systematic review and meta-analysis 2024-Sep-23, Langenbeck's archives of surgery DOI:10.1007/s00423-024-03476-9 PMID:39311932	meta-analysis	本文综述并分析了机器学习和深度学习模型在T1期结直肠癌患者淋巴结转移预测中的应用	机器学习和深度学习模型在T1期结直肠癌淋巴结转移预测中表现出高灵敏度和特异性	研究间存在显著异质性，需要开发更可靠的算法	评估机器学习和深度学习模型在T1期结直肠癌淋巴结转移预测中的诊断准确性	T1期结直肠癌患者的淋巴结转移	machine learning	结直肠癌	机器学习 (ML) 和深度学习 (DL)	多种机器学习和深度学习模型	NA	33,199名T1期结直肠癌患者
13969	2024-10-15	Global research progress of electroencephalography applications in attention deficit hyperactivity disorder: Bibliometrics and visualized analysis 2024-Sep-20, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000039668 PMID:39312386	综述	本文对电生理学在注意力缺陷多动障碍（ADHD）中的应用进行了文献计量分析和可视化分析	本文通过文献计量分析和可视化工具，系统地总结了电生理学在ADHD诊断中的应用进展和研究趋势	本文主要基于文献计量分析，未涉及具体的实验数据或临床应用效果	旨在提供电生理学在ADHD应用领域的特征、主要研究领域、发展路径和趋势的概述	电生理学在ADHD中的应用	神经科学	神经发育障碍	电生理学（EEG）	NA	文本	1162篇文献
13970	2024-10-15	Leaf rolling detection in maize under complex environments using an improved deep learning method 2024-Aug-23, Plant molecular biology IF:3.9Q1 DOI:10.1007/s11103-024-01491-4 PMID:39179745	研究论文	本文提出了一种改进的深度学习方法，用于在复杂环境中检测玉米叶卷曲现象	本文引入了卷积块注意力模块和可变形卷积网络v2，以增强特征提取能力和对目标形状和尺度变化的适应性	NA	深入理解叶卷曲现象，提高作物对环境压力的耐受性	玉米叶卷曲现象	计算机视觉	NA	深度学习	YOLOv8	图像	包含严重遮挡、叶片尺度和形状变化以及复杂背景场景的数据集
13971	2024-10-15	Attaching organic fibers to mineral: The case of the avian eggshell 2023-Dec-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2023.108425 PMID:38034363	研究论文	研究鸟类蛋壳中有机纤维膜与无机矿物质之间的结构附着机制	通过3D多尺度成像技术结合深度学习特征分割，揭示了有机纤维膜如何嵌入和锚定到蛋壳矿物质中	NA	理解有机纤维膜如何附着到蛋壳矿物质上，以支持鸟类胚胎发育和孵化	鸟类蛋壳中的有机纤维膜和无机矿物质	生物学	NA	X射线和电子断层扫描	深度学习	图像	NA
13972	2024-10-15	Abdominal fat quantification using convolutional networks 2023-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09865-w PMID:37436508	研究论文	本文介绍了使用全卷积网络（FCN）自动量化腹部磁共振成像（MRI）数据中脂肪组织的软件，并评估了其性能	本文提出的方法在脂肪组织量化方面显著优于常见的半自动化方法，减少了依赖性和工作量	NA	开发和评估一种自动化的方法来量化腹部MRI数据中的脂肪组织	肥胖患者的腹部脂肪组织	计算机视觉	肥胖	全卷积网络（FCN）	UNet	图像	331个完整的腹部图像系列
13973	2024-10-15	M-MSSEU: source-free domain adaptation for multi-modal stroke lesion segmentation using shadowed sets and evidential uncertainty 2023-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-023-00247-6 PMID:37780536	研究论文	本文提出了一种新的无源域自适应方法，用于多模态中风病变分割，利用阴影集和证据不确定性	本文创新性地使用了证据深度学习代替卷积神经网络，并设计了多模态意见融合模块，利用Dempster-Shafer证据理论进行不同模态的决策融合	NA	解决无源域自适应问题，并有效利用医学图像中的多模态信息	多模态中风病变	计算机视觉	中风	Dempster-Shafer证据理论	证据深度学习	图像	两个多模态中风病变数据集
13974	2024-10-15	HUT: Hybrid UNet transformer for brain lesion and tumour segmentation 2023-Dec, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e22412 PMID:38046150	研究论文	本文提出了一种混合UNet Transformer网络（HUT），用于脑部病变和肿瘤的分割	HUT网络结合了UNet和Transformer的优势，通过并行运行的两个管道，分别基于UNet和Transformer，提高了单模态病变分割和多模态脑肿瘤分割的性能	NA	提高脑部病变和肿瘤分割的准确性	脑部病变和肿瘤	计算机视觉	NA	深度学习	混合UNet Transformer	3D脑部体积图像	ATLAS数据集和BraTS20数据集
13975	2024-10-15	Formulation Graphs for Mapping Structure-Composition of Battery Electrolytes to Device Performance 2023-11-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01030 PMID:37948621	研究论文	本文介绍了一种深度学习模型，即配方图卷积网络（F-GCN），用于将电池电解质的结构-组成关系映射到整体性能	提出了F-GCN模型，通过并行组装的多个GCN来实时特征化配方成分，并基于成分的摩尔百分比进行缩放，最终集成到一个代表完整配方的组合描述符中	NA	加速新化合物在目标应用中的发现，并减少实验室实验驱动的过程	电池电解质的结构-组成关系及其对电池性能的影响	机器学习	NA	深度学习	卷积神经网络（GCN）	数据集	两个数据集，一个来自Li/Cu半电池的文献，另一个来自锂-碘全电池化学的实验室实验
13976	2024-10-15	Design and deep learning of synthetic B-cell-specific promoters 2023-Nov-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkad930 PMID:37889080	研究论文	本文设计并合成了23,640个B细胞特异性启动子，并通过深度学习模型预测其转录强度	利用合成生物学和深度学习的协同作用，解码和重编DNA调控语法，设计出具有更大序列空间和多样转录模式的B细胞特异性启动子	NA	揭示B细胞特异性启动子的转录机制，并为B细胞工程提供大量非相似启动子	B细胞特异性启动子的设计和转录强度预测	合成生物学	NA	MPRA (Massively parallel reporter assays)	深度学习模型	DNA序列	23,640个合成B细胞特异性启动子
13977	2024-10-15	The past, current, and future of neonatal intensive care units with artificial intelligence: a systematic review 2023-Nov-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00941-5 PMID:38012349	综述	本文系统回顾了机器学习和深度学习在新生儿学应用中的最新进展	本文通过PRISMA 2020指南系统评估了机器学习和深度学习在新生儿学中的应用，并讨论了未来AI模型的发展方向	本文主要集中在1996年至2022年间的106篇研究文章，可能未能涵盖所有相关研究	探讨人工智能在新生儿重症监护病房中的应用及其未来发展	新生儿疾病及其相关应用	机器学习	新生儿疾病	机器学习和深度学习	NA	图像、生命体征和生物信号	106篇研究文章
13978	2024-10-15	Deep learning-enhanced microscopy with extended depth-of-field 2023-Nov-24, Light, science & applications DOI:10.1038/s41377-023-01323-y PMID:37996459	研究论文	本文报道了一种利用深度学习设计的二元相位滤波器和联合优化的去卷积神经网络的计算成像平台，实现了在扩展深度范围内的高分辨率和高对比度成像	本文的创新点在于结合物理原理和深度学习设计，实现了无需连续调焦的扩展深度范围成像	NA	研究目的是开发一种能够在扩展深度范围内实现高分辨率和高对比度成像的计算成像平台	研究对象是二元相位滤波器和去卷积神经网络的设计与优化	计算机视觉	NA	深度学习	去卷积神经网络	图像	NA
13979	2024-10-15	Saliency of breast lesions in breast cancer detection using artificial intelligence 2023-11-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-46921-3 PMID:37996504	研究论文	研究使用人工智能（AI）系统在乳腺X光片中检测乳腺癌时，乳腺病灶在决策过程中的作用	使用显著性图分析AI系统在乳腺癌检测中的决策过程，并测量AI系统识别的感兴趣区域与乳腺病灶的重叠程度	研究样本量较小，且AI系统的检测性能和重叠程度较低	探讨AI系统在乳腺癌检测中乳腺病灶的作用	乳腺X光片中的乳腺病灶	计算机视觉	乳腺癌	深度学习	NA	图像	382名女性（191名乳腺癌患者和191名健康对照）的乳腺X光片
13980	2024-10-15	Noninvasive molecular subtyping of pediatric low-grade glioma with self-supervised transfer learning 2023-Nov-22, medRxiv : the preprint server for health sciences DOI:10.1101/2023.08.04.23293673 PMID:37609311	研究论文	开发并验证了一种基于深度学习的扫描预测管道，用于非侵入性MRI辅助的儿童低级别胶质瘤BRAF突变状态分类	结合了预训练的医学影像特定网络的迁移学习和自监督标签交叉训练，提高了分类性能和泛化能力	研究样本量有限，且仅限于两个数据集	开发和验证一种非侵入性的深度学习方法，用于基于MRI的儿童低级别胶质瘤BRAF突变状态分类	儿童低级别胶质瘤的BRAF突变状态	数字病理学	脑肿瘤	深度学习	CNN	MRI影像	开发数据集214例，外部验证数据集112例