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
14141	2024-10-16	Automatic localization of anatomical landmarks in head cine fluoroscopy images via deep learning 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17349 PMID:39140650	研究论文	本文提出了一种基于深度学习的自动定位头部X射线影像中解剖标志点的方法	本文首次提出了一种基于深度学习的方法，用于在随机准直和放大的2D头部X射线影像中自动定位3D解剖标志点	本文仅在合成图像和临床X射线影像上进行了验证，尚未在实际临床环境中广泛应用	开发一种方法，用于在X射线引导介入手术中自动定位解剖标志点，以实现个性化的辐射剂量测量	头部X射线影像中的解剖标志点	计算机视觉	NA	深度学习	深度学习模型	图像	800,000张伪2D合成图像和135个回顾性收集的头部CT体积数据
14142	2024-10-16	AI diagnostics in bone oncology for predicting bone metastasis in lung cancer patients using DenseNet-264 deep learning model and radiomics 2024-Oct, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100640 PMID:39399584	研究论文	本研究旨在利用影像组学和深度学习预测肺癌患者的骨转移	通过整合先进的影像技术和人工智能，提高预测准确性和临床决策	NA	预测肺癌患者的骨转移	肺癌患者的骨转移	计算机视觉	肺癌	影像组学	DenseNet-264	影像	NA
14143	2024-10-16	Code-Free Machine Learning Solutions for Microscopy Image Processing: Deep Learning 2024-Oct, Tissue engineering. Part A DOI:10.1089/ten.TEA.2024.0014 PMID:38556835	综述	本文综述了适用于显微图像处理的无需编程的深度学习方法	重点介绍了适用于缺乏编程经验的生物学家的深度学习算法，并提供了无需编码的开放平台访问方式	未对算法进行比较，而是描述了它们擅长解决的问题	探讨适用于显微图像处理的深度学习方法，特别是那些无需编程经验的方法	显微图像处理算法及其在生物学领域的应用	计算机视觉	NA	深度学习	人工神经网络	图像	NA
14144	2024-10-16	Clinical Significance of Pose Estimation Methods Compared with Radiographic Parameters in Adolescent Patients with Idiopathic Scoliosis 2024-Sep-27, Spine surgery and related research IF:1.2Q3 DOI:10.22603/ssrr.2023-0269 PMID:39399450	研究论文	本文研究了姿势估计方法在青少年特发性脊柱侧弯患者中的临床意义，并与放射学参数进行了比较	首次探讨了姿势估计在临床摄影中的应用潜力，并建立了青少年特发性脊柱侧弯患者的摄影参数	研究样本量较小，仅涉及42名患者，且未探讨姿势估计方法在不同设备上的适用性	探讨姿势估计方法在青少年特发性脊柱侧弯患者中的临床应用，并评估其与放射学参数的相关性	青少年特发性脊柱侧弯患者及其脊柱矫正手术和保守治疗	计算机视觉	脊柱侧弯	姿势估计	NA	图像	42名青少年特发性脊柱侧弯患者
14145	2024-10-16	Generative Modeling of Molecular Dynamics Trajectories 2024-Sep-26, ArXiv PMID:39398217	研究论文	本文介绍了通过生成建模分子动力学轨迹来学习灵活的多任务代理模型的方法	本文提出了生成建模分子轨迹的新范式，能够适应多种任务，如正向模拟、过渡路径采样和轨迹上采样，并展示了动态条件下的分子设计的第一步	NA	开发基于深度学习的分子动力学代理模型，以降低计算成本并扩展其应用范围	分子动力学轨迹	机器学习	NA	分子动力学	生成模型	轨迹数据	四肽模拟数据集
14146	2024-10-16	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-based Tool 2024-Sep-23, ArXiv PMID:39398198	研究论文	开发并验证了一种基于深度学习的计算病理工具Deep-BCR-Auto，用于准确预测乳腺癌复发风险	提出了一种基于深度学习的计算病理方法Deep-BCR-Auto，显著优于现有的弱监督模型	NA	优化乳腺癌患者的治疗计划，提高复发风险评估的准确性	乳腺癌患者的复发风险	数字病理	乳腺癌	深度学习	深度学习模型	图像	两个独立数据集：TCGA-BRCA数据集和OSU数据集
14147	2024-10-16	Characterization of arteriosclerosis based on computer-aided measurements of intra-arterial thickness 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.057501 PMID:39398866	研究论文	本文开发了一种基于计算机视觉的方法，用于量化数字病理图像中肾活检样本的动脉内厚度，作为动脉硬化的计算生物标志物	本文首次提出了一种多类深度学习框架，用于分割动脉内不同腔室，并通过径向采样测量动脉内中膜和内膜厚度	本文的研究对象仅限于肾活检样本，且样本量相对较小	开发一种计算机视觉方法，用于量化数字病理图像中的动脉内厚度，作为动脉硬化的计算生物标志物	肾活检样本中的动脉内厚度	数字病理学	心血管疾病	深度学习	多类深度学习框架	图像	753条动脉，来自33张三色染色全切片图像
14148	2024-10-16	Prediction of Epidermal Growth Factor Receptor Mutation Subtypes in Non-Small Cell Lung Cancer From Hematoxylin and Eosin-Stained Slides Using Deep Learning 2024-08, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102094 PMID:38871058	研究论文	开发了一种基于深度学习的框架，用于从苏木精和伊红染色的非小细胞肺癌组织切片中预测表皮生长因子受体（EGFR）突变亚型	利用深度学习技术从常规病理切片中预测EGFR突变亚型，无需分子检测	需要进一步的外部验证和临床应用评估	开发一种自动化、非侵入性、快速、成本效益高的方法来预测非小细胞肺癌患者的EGFR突变状态	非小细胞肺癌患者的EGFR突变亚型	数字病理学	肺癌	深度学习	卷积神经网络（CNN）和视觉变换器（Vision Transformer）	图像	训练集和验证集分别来自中国科学技术大学（n=172）、安徽医科大学第二附属医院和皖南医学院第一附属医院（n=193），以及癌症基因组图谱数据集（n=81）
14149	2024-10-16	Deep Learning Resolves Myovascular Dynamics in the Failing Human Heart 2024-May, JACC. Basic to translational science DOI:10.1016/j.jacbts.2024.02.007 PMID:38984052	研究论文	本文介绍了一种基于深度学习的管道CardioCount，用于分析微观图像中的细胞核，并研究了成人心脏中心肌细胞和心脏内皮细胞的生长关系	提出了CardioCount，一种新的基于深度学习的管道，用于严格评分微观图像中的细胞核	NA	研究成人心脏中心肌细胞和心脏内皮细胞的生长关系，并探讨血管稀疏和心肌肥大在终末期心力衰竭中的相互关系	成人心脏中的心肌细胞和心脏内皮细胞	计算机视觉	心血管疾病	深度学习	NA	图像	368,434张人类微观图像
14150	2024-10-16	AI prediction of cardiovascular events using opportunistic epicardial adipose tissue assessments from CT calcium score 2024-Jan-29, ArXiv PMID:38351935	研究论文	本文提出了一种利用CT钙化评分中的机会性心外膜脂肪组织评估来预测心血管事件的AI方法	本文创新性地提出了手工制作的EAT特征，称为“脂肪组学”，以捕捉EAT的病理生理学并改进MACE预测	本文的初步发现表明，使用更精细的、可解释的EAT评估可以提高心血管风险预测，但仍需进一步验证	本文旨在通过创建新的EAT特征来改进主要不良心血管事件的预测	本文的研究对象是心外膜脂肪组织（EAT）及其在心血管事件预测中的应用	计算机视觉	心血管疾病	深度学习	CNN	图像	NA
14151	2024-10-16	A week in the life of the human brain: stable states punctuated by chaotic transitions 2024-Jan-15, Research square DOI:10.21203/rs.3.rs-2752903/v3 PMID:37034705	研究论文	研究了人类大脑在自然行为中的神经动力学，揭示了大脑网络在稳定状态和混沌过渡之间的平衡	利用深度学习和动力系统方法分析了长时间的多电极颅内记录，揭示了大脑网络在自然行为中的稳定状态和混沌过渡	研究样本仅限于20名人类，且研究时间跨度为3-12天	研究人类大脑在自然行为中的神经动力学	人类大脑在自然行为中的神经网络和状态变化	神经科学	NA	多电极颅内记录	深度学习	神经信号	20名人类，记录时间为3-12天
14152	2024-10-16	Towards full-stack deep learning-empowered data processing pipeline for synchrotron tomography experiments 2024-Jan-08, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2023.100539 PMID:38089566	综述	本文综述了深度学习在同步辐射断层扫描数据处理管道中的最新进展	探讨了如何将医学影像和电子断层扫描等数据密集型领域的应用迁移到同步辐射断层扫描中	未具体提及	探讨深度学习在同步辐射断层扫描数据处理中的应用及其未来发展	同步辐射断层扫描数据处理管道	计算机视觉	NA	深度学习	NA	图像	NA
14153	2024-10-16	Artificial Intelligence in Eye Movements Analysis for Alzheimer's Disease Early Diagnosis 2024, Current Alzheimer research IF:1.8Q4 DOI:10.2174/0115672050322607240529075641 PMID:38840390	研究论文	本文探讨了利用人工智能技术分析眼球运动以早期诊断阿尔茨海默病的可能性	提出了一种基于眼球运动分析的非侵入性方法，结合人工智能特别是深度学习和机器学习技术，用于早期诊断阿尔茨海默病	卷积神经网络需要更多数据以实现精确分类	研究人工智能技术在眼球运动分析中的应用，以提高阿尔茨海默病的早期诊断准确性	眼球运动数据与阿尔茨海默病之间的关系	机器学习	阿尔茨海默病	深度学习	卷积神经网络	眼球运动数据	NA
14154	2024-10-16	A dual-branch and dual attention transformer and CNN hybrid network for ultrasound image segmentation 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1432987 PMID:39397853	研究论文	提出了一种结合Transformer和CNN的混合网络DDTransUNet，用于超声图像分割	创新性地结合了Transformer和CNN，并引入了双分支编码器和双注意力机制，以有效融合全局上下文和局部细节信息	NA	提高超声图像分割的准确性，以支持临床诊断和治疗决策	超声图像中的器官和病变	计算机视觉	NA	Transformer和CNN	DDTransUNet	图像	三个超声图像数据集，包括TN3K、BUS-BRA和CAMUS
14155	2024-10-16	Development of prognostic models for advanced multiple hepatocellular carcinoma based on Cox regression, deep learning and machine learning algorithms 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1452188 PMID:39399114	研究论文	本文开发了基于Cox回归、深度学习和机器学习算法的预后模型，用于预测晚期多发性肝细胞癌患者的预后	本文首次将Cox回归、机器学习和深度学习算法应用于晚期多发性肝细胞癌的预后预测，并比较了不同模型的性能	研究仅基于SEER数据库的数据，可能存在数据偏倚；未在其他数据集上验证模型的泛化能力	识别多发性肝细胞癌的预后因素，并开发预后模型以量化患者的预后风险和生存概率	晚期多发性肝细胞癌患者	机器学习	肝癌	Cox回归、机器学习、深度学习	梯度提升机（GBM）	临床数据	从SEER数据库中获取的符合条件的肝癌患者
14156	2024-10-16	Investigation of protein family relationships with deep learning 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae132 PMID:39399373	研究论文	本文提出了一种基于预训练神经网络ProtENN2的蛋白质家族相似性分析方法	利用ProtENN2模型生成高维度的家族嵌入，并基于这些嵌入计算家族间的相似性得分，用于改进Pfam家族的分类	方法存在一些失败模式，需要进一步改进	探索深度学习在蛋白质家族关系和功能理解中的应用	蛋白质家族及其相似性	机器学习	NA	深度学习	神经网络	蛋白质数据	涉及Pfam家族的分类
14157	2024-10-16	Plant disease recognition datasets in the age of deep learning: challenges and opportunities 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1452551 PMID:39399537	研究论文	本文探讨了在深度学习时代植物病害识别数据集的挑战和机遇	提出了一个分类法来描述潜在的植物病害数据集，并提供了未来数据集创建的方向	未具体讨论现有数据集的具体局限性	探讨如何创建适合深度学习的植物病害识别数据集	植物病害识别数据集	计算机视觉	植物病害	深度学习	NA	图像	NA
14158	2024-10-16	Fully automated deep learning models with smartphone applicability for prediction of pain using the Feline Grimace Scale 2023-12-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-49031-2 PMID:38062194	研究论文	本研究利用深度神经网络和机器学习模型，通过猫面部表情量表（FGS）预测面部标志位置和疼痛评分	开发了适用于智能手机的全自动深度学习模型，用于猫急性疼痛评估	NA	开发一种自动化的智能手机应用程序，用于猫的急性疼痛评估	猫的面部图像和疼痛评分	计算机视觉	NA	深度神经网络	卷积神经网络（CNN）和XGBoost	图像	3447张猫的面部图像，标注了37个面部标志
14159	2024-10-16	Detection of safety helmet and mask wearing using improved YOLOv5s 2023-12-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-48943-3 PMID:38049536	研究论文	本文提出了一种结合深度学习和目标检测技术的轻量级人工智能检测方法，用于识别佩戴安全帽和口罩的人员	该方法在YOLOv5s网络框架中引入了ShuffleNetv2特征提取机制，并结合ECA注意力机制和优化损失函数，提高了目标检测的精度和效率	NA	确保市政建设工程中人员的安全，特别是在疫情控制措施下	佩戴安全帽和口罩的人员	计算机视觉	NA	深度学习	YOLOv5s	图像	NA
14160	2024-10-16	Discovery of a non-canonical GRHL1 binding site using deep convolutional and recurrent neural networks 2023-Dec-04, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-023-09830-3 PMID:38049725	研究论文	本研究使用深度卷积和循环神经网络发现了GRHL1的非典型结合位点	本研究首次使用卷积循环神经网络发现了GRHL1的非典型结合位点，这些位点无法通过传统的PWM方法识别	本研究仅限于GRHL1的结合位点预测，未涉及其他转录因子的研究	本研究的目的是探索深度学习方法在预测转录因子结合位点中的应用	本研究主要研究GRHL1的结合位点	机器学习	NA	ChIP-Seq	卷积循环神经网络	DNA序列	本研究使用了来自人类细胞的ChIP-Seq实验数据