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
14161	2024-10-12	MS-CFNet: a multi-scale clinical studying-based and feature extraction-guided network for breast fibroadenoma segmentation in ultrasonography 2024-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-023-00330-7 PMID:38186950	研究论文	本文提出了一种基于多尺度临床学习和特征提取引导的网络MS-CFNet，用于超声图像中乳腺纤维腺瘤的分割	本文创新性地将放射科医生的临床诊断技能与人工智能结合，通过空间局部特征对比模块和通道递归门控注意力模块增强特征提取和边缘感知，并引入新的cosh-smooth损失函数优化肿瘤边界	NA	开发一种能够有效分割超声图像中乳腺纤维腺瘤的深度学习网络	乳腺纤维腺瘤的超声图像分割	计算机视觉	乳腺疾病	深度学习	MS-CFNet	图像	1016张临床超声图像和246张公开数据集图像
14162	2024-10-12	Superior Auto-Identification of Trypanosome Parasites by Using a Hybrid Deep-Learning Model 2023-10-27, Journal of visualized experiments : JoVE DOI:10.3791/65557 PMID:37955392	研究论文	本文介绍了一种利用混合深度学习模型自动识别锥虫寄生虫的方法	引入了一种基于混合深度学习技术的AI程序，能够从油浸显微图像中识别和分类三种锥虫物种	NA	开发一种自动化的诊断工具，以提高锥虫病的监测和控制效率	锥虫物种Trypanosoma cruzi, T. brucei, 和 T. evansi	计算机视觉	NA	混合深度学习技术	混合深度学习模型	图像	NA
14163	2024-10-12	A Knowledge Graph Approach to Elucidate the Role of Organellar Pathways in Disease via Biomedical Reports 2023-10-13, Journal of visualized experiments : JoVE DOI:10.3791/65084 PMID:37902366	研究论文	本文介绍了一种名为CaseOLAP LIFT的计算管道，用于通过提取用户选择的文本数据集中的信息来研究细胞成分及其与疾病的关联	提出了CaseOLAP LIFT计算管道，通过知识图谱自动构建和深度学习模型预测蛋白质与疾病之间的未报告关系	NA	揭示细胞途径在疾病中的作用	细胞成分及其与疾病的关联	自然语言处理	心血管疾病	知识图谱构建	深度学习模型	文本	约3400万篇文本文档
14164	2024-10-12	Patient Graph Deep Learning to Predict Breast Cancer Molecular Subtype 2023 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3290394 PMID:37379184	研究论文	研究利用深度图学习预测乳腺癌分子亚型	提出了一种基于多关系有向图的深度学习方法，结合多种诊断学科的患者信息，以更好地表示乳腺癌患者数据并预测分子亚型	未提及具体局限性	研究如何利用深度图学习方法提高乳腺癌分子亚型的预测准确性	乳腺癌患者及其分子亚型	机器学习	乳腺癌	深度图学习	关系图卷积网络	图像和基因数据	未提及具体样本数量
14165	2024-10-12	Towards in silico CLIP-seq: predicting protein-RNA interaction via sequence-to-signal learning 2023-08-04, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-03015-7 PMID:37542318	研究论文	本文介绍了一种名为RBPNet的新型深度学习方法，用于预测RNA序列在单核苷酸分辨率下的CLIP-seq交联计数分布	RBPNet通过训练多达百万个区域，在eCLIP、iCLIP和miCLIP测定中实现了高泛化能力，并超越了现有最先进的分类器	NA	开发一种能够预测蛋白质-RNA相互作用的深度学习方法	RNA序列及其与蛋白质的交联计数分布	机器学习	NA	深度学习	深度学习模型	序列数据	多达百万个区域
14166	2024-10-12	Boosting variant-calling performance with multi-platform sequencing data using Clair3-MP 2023-Aug-03, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05434-6 PMID:37537536	研究论文	研究了利用多平台测序数据提升变异检测性能的方法	首次探讨了整合Oxford Nanopore和Illumina测序数据以优化变异检测性能的可能性	未详细讨论多平台数据整合的具体技术细节	探讨多平台测序数据对变异检测性能的影响	Oxford Nanopore和Illumina测序数据	基因组学	NA	第三代测序技术、下一代测序技术	深度学习模型	测序数据	未具体说明样本数量
14167	2024-10-12	Deep learning of longitudinal mammogram examinations for breast cancer risk prediction 2022-Dec, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2022.108919 PMID:37089470	研究论文	本文提出了一种新的深度学习结构LRP-NET，用于捕捉多次乳腺X光检查中的时空变化，以预测近期乳腺癌风险	首次设计了能够捕捉多次乳腺X光检查中时空信息的深度学习模型，用于乳腺癌风险预测	研究样本量较小，仅涉及200名患者，未来需要在大规模数据集上验证模型效果	开发一种能够利用多次乳腺X光检查中的时空信息来预测乳腺癌风险的深度学习模型	多次乳腺X光检查中的时空变化信息	计算机视觉	乳腺癌	深度学习	LRP-NET	图像	200名患者，每人进行四次检查，共3200张图像
14168	2024-10-12	A general skull stripping of multiparametric brain MRIs using 3D convolutional neural network 2022-06-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-14983-4 PMID:35760886	研究论文	本文提出了一种基于3D卷积神经网络的多参数脑部MRI的去颅骨方法	本文的创新点包括：1) 提出了一种全自动的端到端去颅骨方法；2) 适用于多参数MRI扫描，并可定制任何MRI模态组合；3) 不仅适用于健康脑部MRI，还适用于GBM手术前后的脑部MRI；4) 处理多中心数据；5) 首次定量比较了不同模态下的去颅骨性能	NA	研究目的是提高多参数脑部MRI的去颅骨准确性，以促进后续的神经影像分析	研究对象包括健康脑部和GBM手术前后的脑部MRI	计算机视觉	脑肿瘤	3D卷积神经网络	3DCNN	MRI图像	共收集了815例病例，包括有/无胶质母细胞瘤（GBM）的病例
14169	2024-10-12	[Segmentation of organs at risk in nasopharyngeal cancer for radiotherapy using a self-adaptive Unet network] 2020-Nov-30, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2020.11.07 PMID:33243744	研究论文	研究基于自适应Unet网络在鼻咽癌放疗中对危及器官的自动分割精度	提出了基于三维Unet的改进网络AUnet，并引入了器官大小作为先验知识来优化卷积核设计，提高了网络对不同大小器官特征的提取能力	AUnet在视神经和视交叉的分割结果与手动分割存在显著差异	研究鼻咽癌放疗中危及器官自动分割的准确性	鼻咽癌患者的危及器官	计算机视觉	鼻咽癌	自适应直方图均衡化算法	AUnet	CT图像	147例鼻咽癌患者
14170	2024-10-11	Estimating Uncertainty of Geographic Atrophy Segmentations with Bayesian Deep Learning 2025 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100587 PMID:39380882	研究论文	本文研究了使用贝叶斯深度学习方法量化地理萎缩分割不确定性的方法	本文引入了两种近似贝叶斯深度学习技术（蒙特卡罗 dropout 和集成方法）来评估地理萎缩语义分割的不确定性，并展示了这些方法在提高模型性能方面的优势	本文未详细讨论贝叶斯深度学习方法在实际临床应用中的可行性和效率	量化深度学习分割地理萎缩（GA）的不确定性	地理萎缩（GA）的OCT图像分割	计算机视觉	老年性疾病	贝叶斯深度学习	CNN	图像	126只眼睛，来自87名参与者
14171	2024-10-11	A semi-labelled dataset for fault detection in air handling units from a large-scale office 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110956 PMID:39381011	研究论文	本文构建了一个用于空气处理单元故障检测的半标签数据集，并应用半监督学习方法进行示例分析	该数据集来源于韩国一个大型办公室的真实运营数据，目前在该领域尚不存在此类数据集，且数据集由专家标注，确保了故障分类的准确性	NA	开发适用于实际应用的健壮故障检测与诊断技术	空气处理单元（AHU）的故障检测与诊断	机器学习	NA	半监督学习	NA	时间序列数据	从2023年11月到2024年5月，每小时采集一次数据，数据集部分由专家标注，分为六类：正常条件、送风机故障、总加热泵故障、回风温度传感器故障、送风温度传感器故障和阀门位置故障
14172	2024-10-11	DeepTool: A deep learning framework for tool wear onset detection and remaining useful life prediction 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102965 PMID:39381346	研究论文	本文介绍了一个基于深度学习的工具磨损检测和剩余使用寿命预测系统DeepTool	使用自收集的传感器数据集和混合自动编码器-LSTM及编码器-解码器LSTM模型进行工具磨损预测	NA	优化铣削操作中的工具可用性和寿命估计，以提高可靠性和降低成本	铣削工具的磨损检测和剩余使用寿命预测	机器学习	NA	深度学习	混合自动编码器-LSTM和编码器-解码器LSTM	传感器数据	自收集的传感器数据集，包含不同切削设置下的铣削测试数据
14173	2024-10-11	Deconstructing Deep Active Inference: A Contrarian Information Gatherer 2024-Oct-11, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01697 PMID:39141805	研究论文	本文探讨了深度主动推理（Deep Active Inference）的理论及其在复杂任务中的应用	本文通过实现变分自编码器（VAE）、深度隐马尔可夫模型（HMM）和深度关键隐马尔可夫模型（CHMM），并比较了不同动作选择策略的效果，揭示了最大化奖励的CHMM在解决dSprites环境任务中的优势	本文发现最小化预期自由能的CHMM几乎总是选择相同的动作，导致无法解决dSprites环境任务，表明在某些情况下深度主动推理中的认知价值可能会退化，失去信息获取能力	研究如何通过深度主动推理解决更复杂的任务	深度主动推理模型及其在dSprites环境中的应用	机器学习	NA	深度学习	变分自编码器（VAE）、隐马尔可夫模型（HMM）、关键隐马尔可夫模型（CHMM）	图像	NA
14174	2024-10-11	Multifunctional Human-Computer Interaction System Based on Deep Learning-Assisted Strain Sensing Array 2024-Oct-09, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c12758 PMID:39325961	研究论文	开发了一种基于柔性压电传感器和深度学习神经网络的智能步态监测与分析预测系统	该系统具有高灵敏度、快速响应和优异的稳定性，能够实时检测和推断人体运动状态	NA	开发一种适用于日常生活的步态监测系统，用于健康监测和疾病早期诊断	步态数据和人体运动状态	人机交互	NA	深度学习	神经网络	步态数据	NA
14175	2024-10-11	Facia-fix: mobile application for bell's palsy diagnosis and assessment using computer vision and deep learning 2024-Oct-09, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad8094 PMID:39332435	研究论文	介绍了一种名为Facia-Fix的移动应用程序，用于贝尔麻痹的诊断和评估，结合计算机视觉和深度学习技术进行实时面部特征分析	使用先进的深度学习模型提供准确、客观、非侵入性和实时的全面量化评估	NA	开发一种新的移动应用程序，用于贝尔麻痹的早期和准确诊断	贝尔麻痹的诊断和评估	计算机视觉	神经疾病	深度学习	MobileNet, CNN, MLP, VGG16, Vision Transformer	图像	使用公开的YouTube FP (YFP)数据集进行训练和评估
14176	2024-10-11	Multifunctional Self-Powered Sensors Integrated on a Robot Hand for Detecting Temperature-Pressure Stimuli and Recognizing Objects 2024-Oct-09, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c12062 PMID:39344308	研究论文	提出了一种多功能自供电传感器，集成在机器人手上，用于检测温度和压力刺激并识别物体	该传感器利用摩擦电和热电效应，能够同时响应压力和温度刺激，并通过深度学习模型融合信号特征，实现了高精度的物体识别	NA	开发一种能够同时检测温度和压力刺激并识别物体的自供电传感器，以提高机器人在物体识别方面的能力	多功能自供电传感器及其在机器人手上的应用	机器人技术	NA	摩擦电效应、热电效应	深度学习模型	信号	10种物体
14177	2024-10-11	Self-Supervised Learning for Feature Extraction from Glomerular Images and Disease Classification with Minimal Annotations 2024-Oct-09, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000514 PMID:39382977	研究论文	本文研究了使用自监督学习方法从肾小球图像中提取特征并进行疾病分类	本文首次将DINO自监督学习方法应用于未标记的PAS染色肾小球图像，并展示了其在疾病分类中的优越性能	本文的局限性在于依赖于特定的肾小球图像数据集，可能不适用于其他类型的病理图像	研究如何利用自监督学习方法从有限的标注数据中提取有效的病理特征，并应用于疾病分类	肾小球图像及其对应的疾病分类	数字病理学	肾病	自监督学习	DINO	图像	10,423张肾小球图像，来自384张PAS染色的肾活检切片
14178	2024-10-11	Dual Energy CT for Deep Learning-Based Segmentation and Volumetric Estimation of Early Ischemic Infarcts 2024-Oct-09, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01294-5 PMID:39384719	研究论文	研究使用双能CT和深度学习技术进行早期缺血性卒中的分割和体积估计	提出使用双能CT数据作为输入，结合深度学习模型进行早期缺血性卒中的分割和体积估计，相比传统CT图像，提高了分割的准确性	体积估计的差异在统计上不显著，且研究为回顾性数据，样本量有限	评估双能CT采集是否能提高机器学习在早期缺血性卒中检测中的可见性	早期缺血性卒中的分割和体积估计	计算机视觉	心血管疾病	双能CT	3D nnU-Net	图像	330例双能CT数据
14179	2024-10-11	Screening chronic kidney disease through deep learning utilizing ultra-wide-field fundus images 2024-Oct-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01271-w PMID:39375513	研究论文	本文提出了一种基于深度学习的慢性肾病筛查模型UWF-CKDS，利用超广角眼底图像预测慢性肾病	UWF-CKDS模型利用超广角眼底图像和相关医学历史数据，相比使用中央区域裁剪图像的CTR-CKDS模型，表现出更优越的性能	NA	开发一种基于深度学习的慢性肾病筛查模型，以解决慢性肾病筛查中的挑战	慢性肾病（CKD）的筛查	计算机视觉	肾脏疾病	深度学习	深度学习模型	图像	来自中国23家三级医院的数据
14180	2024-10-11	Clinic, CT radiomics, and deep learning combined model for the prediction of invasive pulmonary aspergillosis 2024-Oct-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01442-x PMID:39375609	研究论文	本研究结合临床数据、CT影像组学和深度学习模型，构建了一个用于预测侵袭性肺曲霉病的综合模型	本研究创新性地结合了临床数据、CT影像组学和深度学习模型，构建了一个综合模型，显著提高了侵袭性肺曲霉病的预测准确性	本研究仅基于单一机构的回顾性数据，未来需要多中心的前瞻性研究来验证模型的普适性	利用人工智能技术提高侵袭性肺曲霉病的诊断准确性	侵袭性肺曲霉病及其非侵袭性对照组患者	机器学习	肺部疾病	深度学习	卷积神经网络	影像	共263例患者，其中148例为侵袭性肺曲霉病，115例为非侵袭性肺曲霉病