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
14281	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
14282	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
14283	2024-11-27	Variation and evolution analysis of SARS-CoV-2 using self-game sequence optimization 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1485748 PMID:39588108	研究论文	本研究介绍了基于深度学习和强化学习的SARS-CoV-2进化预测方法DARSEP，结合自博弈序列优化和RetNet模型，用于预测病毒的进化序列和轨迹	DARSEP方法通过自博弈序列优化和RetNet模型，能够准确预测SARS-CoV-2的进化序列，并识别出具有高免疫逃避能力的突变体	NA	深入理解SARS-CoV-2的潜在变异，以有效缓解病毒进化对全球公共健康、经济和社会的影响	SARS-CoV-2病毒及其突变体	机器学习	NA	深度学习、强化学习	RetNet	序列数据	NA
14284	2024-11-27	A Review of Datasets, Optimization Strategies, and Learning Algorithms for Analyzing Alzheimer's Dementia Detection 2024, Neuropsychiatric disease and treatment IF:2.5Q2 DOI:10.2147/NDT.S496307 PMID:39588176	综述	本文综述了用于阿尔茨海默病痴呆检测的数据集、优化策略和学习算法	本文评估了多种机器学习算法、深度学习模型、迁移学习技术和生成对抗网络在多模态影像数据分析中的应用	NA	探讨在阿尔茨海默病痴呆检测中使用多模态影像数据、学习算法和优化技术的进展与挑战	多模态影像数据、学习算法和优化技术	机器学习	阿尔茨海默病	MRI、PET、EEG	生成对抗网络	影像	NA
14285	2024-11-27	Denoising magnetic resonance spectroscopy (MRS) data using stacked autoencoder for improving signal-to-noise ratio and speed of MRS 2023-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.16831 PMID:37947479	研究论文	本文提出了一种使用堆叠自编码器（SAE）对磁共振波谱（MRS）数据进行去噪的方法，以提高信号噪声比（SNR）和MRS的采集速度	本文的创新点在于使用深度学习方法对MRS数据进行去噪，而不需要增加信号平均次数（NSA），从而缩短采集时间并提高SNR	本文的局限性在于仅在脑波谱模型和人体受试者数据上进行了验证，尚未在更广泛的临床环境中进行测试	本文的研究目的是通过深度学习方法提高MRS数据的SNR和采集速度，从而增强MRS的诊断价值和临床应用	本文的研究对象是磁共振波谱（MRS）数据，特别是低NSA数据	机器学习	NA	堆叠自编码器（SAE）	堆叠自编码器（SAE）	磁共振波谱（MRS）数据	研究使用了脑波谱模型和人体受试者的数据，包括脑肿瘤患者的数据
14286	2024-11-27	Generative Adversarial Network-Enhanced Ultra-Low-Dose [18F]-PI-2620 τ PET/MRI in Aging and Neurodegenerative Populations 2023-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7961 PMID:37591771	研究论文	研究使用生成对抗网络增强超低剂量[18F]-PI-2620 τ PET/MRI图像，以提高其在衰老和神经退行性疾病人群中的诊断质量	首次应用生成对抗网络增强超低剂量τ PET/MRI图像，以减少噪声并提高图像质量	研究样本量较小，且主要集中在健康衰老和神经退行性疾病患者，未来需扩大样本范围	探索深度学习技术在增强超低剂量τ PET/MRI图像中的应用，以提高诊断质量	健康衰老参与者和神经退行性疾病患者	计算机视觉	神经退行性疾病	生成对抗网络	生成对抗网络	图像	44名健康衰老参与者和神经退行性疾病患者
14287	2024-11-27	Quantifying Inflammatory Response and Drug-Aided Resolution in an Atopic Dermatitis Model with Deep Learning 2023-08, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2023.01.026 PMID:36804151	研究论文	本文使用深度学习方法对特应性皮炎模型中的炎症反应和药物辅助缓解进行定量分析	本文提出了一种基于深度学习的非侵入性图像分析方法，用于定量评估特应性皮炎模型中的炎症反应和药物辅助缓解	本文仅在特应性皮炎小鼠模型中进行了验证，尚未应用于临床研究	开发一种非侵入性的方法来定量评估皮肤炎症反应和药物辅助缓解	特应性皮炎小鼠模型	计算机视觉	特应性皮炎	深度学习	深度学习模型	图像	特应性皮炎小鼠模型
14288	2024-11-26	Statistical inference and neural network training based on stochastic difference model for air pollution and associated disease transmission 2025-Jan-07, Journal of theoretical biology IF:1.9Q3 DOI:10.1016/j.jtbi.2024.111987 PMID:39522944	研究论文	本文建立了一个耦合的离散SEIS模型和Beverton-Holt模型，用于描述空气污染与疾病传播之间的关系，并通过贝叶斯统计理论估计参数变化点和切换区间的参数值	提出了扩展的传输动力学信息神经网络（TDINN）算法，结合深度学习和差分方程，探索疾病与污染物浓度变化之间的未知机制	数据拟合中的偏差表明疾病与污染物浓度变化之间存在更复杂的关联模式	研究空气污染与疾病传播之间的机制	空气污染浓度变化与疾病感染之间的关系	机器学习	呼吸道疾病	神经网络	TDINN	时间序列数据	NA
14289	2024-11-26	Establishment of a novel tumor neoantigen prediction tool for personalized vaccine design 2024-12-31, Human vaccines & immunotherapeutics IF:4.1Q2 DOI:10.1080/21645515.2023.2300881 PMID:38214336	研究论文	本文开发了一种新的肿瘤新抗原预测工具NUCC，用于个性化疫苗设计，以优化胃癌患者的个性化新抗原纳米疫苗平台	NUCC预测工具通过深度学习方法训练，表现出比传统工具更好的新抗原预测性能	NA	优化胃癌患者的个性化新抗原纳米疫苗平台	胃癌患者的新抗原预测	机器学习	胃癌	深度学习	深度学习模型	肽段数据	25名晚期胃癌患者和150个候选突变肽段，其中13个通过体外免疫原性测试证实为新抗原
14290	2024-11-26	AI-powered visual diagnosis of vulvar lichen sclerosus: A pilot study 2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20306 PMID:39194285	研究论文	开发了一种基于机器学习的图像识别模型，用于区分外阴硬化性苔藓和非外阴硬化性苔藓的皮肤图像	首次使用深度卷积神经网络进行外阴硬化性苔藓的视觉诊断	需要前瞻性研究在真实世界环境中验证模型的适用性和准确性	开发一种基于图像的机器学习模型，用于早期诊断外阴硬化性苔藓	外阴硬化性苔藓和非外阴硬化性苔藓的皮肤图像	计算机视觉	外阴硬化性苔藓	深度卷积神经网络	CNN	图像	共包含684张外阴硬化性苔藓图像和403张非外阴硬化性苔藓图像
14291	2024-11-26	Deep learning for contour quality assurance for RTOG 0933: In-silico evaluation 2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110519 PMID:39222847	研究论文	本文验证了一种基于CT的深度学习海马体分割模型，并探讨其在多机构轮廓质量保证中的应用	使用单一机构数据集训练的深度学习模型，在多机构环境中进行海马体分割的质量保证	模型在多机构数据集上的表现仍有改进空间，尤其是假阴性率较高	验证深度学习模型在多机构环境中进行海马体分割质量保证的可行性	海马体分割的质量保证	计算机视觉	NA	深度学习	深度学习模型	CT图像	单机构数据集训练，RTOG 0933数据集评估
14292	2024-11-26	A Deep Learning Approach for the Identification of the Molecular Subtypes of Pancreatic Ductal Adenocarcinoma Based on Whole Slide Pathology Images 2024-Dec, The American journal of pathology DOI:10.1016/j.ajpath.2024.08.006 PMID:39222907	研究论文	本研究利用深度学习模型基于常规苏木精-伊红染色的病理切片图像识别胰腺导管腺癌的分子亚型	提出了一种基于常规苏木精-伊红染色病理切片图像的胰腺导管腺癌分子亚型分类方法，具有成本效益和快速性	样本量相对较小，且仅限于可切除的胰腺导管腺癌病例	开发一种成本效益高且快速的胰腺导管腺癌分子亚型分类方法	胰腺导管腺癌的分子亚型	数字病理学	胰腺癌	深度学习	深度学习模型	图像	97张病理切片用于训练，44张针刺活检材料（110张切片）用于测试
14293	2024-11-26	Histopathologic Differential Diagnosis and Estrogen Receptor/Progesterone Receptor Immunohistochemical Evaluation of Breast Carcinoma Using a Deep Learning-Based Artificial Intelligence Architecture 2024-Dec, The American journal of pathology DOI:10.1016/j.ajpath.2024.08.011 PMID:39241826	研究论文	本文利用深度学习技术对乳腺浸润性导管癌（IDC）和导管原位癌（DCIS）进行病理学鉴别诊断，并评估雌激素受体（ER）/孕激素受体（PR）的免疫组化染色	开发了一种新的基于深度学习的人工智能架构，并建立了组织良好的数据集，以促进IDC/DCIS的病理学诊断和ER/PR的免疫染色评分	NA	利用人工智能技术减少病理学家在阅读全切片图像（WSIs）时的观察者间变异性	乳腺浸润性导管癌（IDC）和导管原位癌（DCIS）的病理学鉴别诊断及ER/PR的免疫组化评估	数字病理学	乳腺癌	深度学习	YOLOv8	图像	进行了三轮环形研究（RS）以评估WSIs
14294	2024-11-26	Quantifying and visualising uncertainty in deep learning-based segmentation for radiation therapy treatment planning: What do radiation oncologists and therapists want? 2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110545 PMID:39326521	研究论文	本研究探讨了深度学习分割在放射治疗计划中的不确定性量化和可视化，并调查了放射肿瘤学家和治疗师对此的需求	本研究首次系统地调查了临床医生对深度学习分割不确定性可视化方法的偏好	研究样本量较小，仅涉及四家机构的十六名临床医生	旨在收集临床医生对不确定性可视化选项的见解，以改进深度学习分割在放射治疗中的应用	放射肿瘤学家和放射治疗师对深度学习分割不确定性可视化方法的偏好	计算机视觉	NA	深度学习	NA	图像	16名临床医生
14295	2024-11-26	Development of learning-based predictive models for radiation-induced atrial fibrillation in non-small cell lung cancer patients by integrating patient-specific clinical, dosimetry, and diagnostic information 2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110566 PMID:39362606	研究论文	研究开发了基于学习的预测模型，用于预测非小细胞肺癌患者在接受放化疗后发生心房颤动的风险	通过整合患者特定的临床、剂量学和诊断信息，开发了混合深度学习模型，显著提高了预测性能	研究样本量较小，且仅限于非小细胞肺癌患者	开发和验证预测非小细胞肺癌患者放化疗后心房颤动风险的模型	非小细胞肺癌患者在接受放化疗后心房颤动的风险	机器学习	肺癌	机器学习和深度学习	混合深度学习模型	临床、剂量学和诊断信息	321个机构数据集和187个外部数据集
14296	2024-11-26	Development and comprehensive evaluation of a national DBCG consensus-based auto-segmentation model for lymph node levels in breast cancer radiotherapy 2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110567 PMID:39374675	研究论文	本研究开发并全面评估了一种基于丹麦国家乳腺癌合作组共识的自动分割模型，用于乳腺癌放疗中的淋巴结水平	本研究的创新点在于开发了一种多机构深度学习自动分割模型，用于高风险乳腺癌患者的淋巴结临床靶区体积（CTVn）分割，并进行了多机构参与的数据集训练和验证	研究的局限性在于模型在CTVn胸骨旁淋巴结的分割效果略低于其他模型，且在某些情况下需要进行较大的修正	本研究旨在训练和验证一种多机构深度学习自动分割模型，用于高风险乳腺癌患者的淋巴结临床靶区体积（CTVn）分割，并推动其在丹麦的临床实施	研究对象为高风险乳腺癌患者的淋巴结临床靶区体积（CTVn）	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	21名乳腺癌轮廓专家参与创建了金标准数据集和高质量训练数据集
14297	2024-11-26	Weakly supervised deep learning image analysis can differentiate melanoma from naevi on haematoxylin and eosin-stained histopathology slides 2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20307 PMID:39215631	研究论文	本文评估了弱监督深度学习图像分类器在区分H&E染色病理切片上的黑色素瘤和痣的能力	使用弱监督深度学习方法，相比全监督方法，能够利用更大的训练数据集	需要外部验证和进一步评估较少出现的组织学亚型和边缘病例	评估弱监督深度学习图像分类器在区分黑色素瘤和痣方面的诊断价值	H&E染色病理切片上的黑色素瘤和痣	数字病理学	皮肤癌	弱监督深度学习	多实例学习模型（Trans-MIL, CLAM, DTFD-MIL）	图像	520个样本（260个痣和260个黑色素瘤）
14298	2024-11-26	Weak supervision, strong results: Automating melanocyte lesion diagnosis with deep learning 2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20382 PMID:39582480	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14299	2024-11-26	Accurate Conformation Sampling via Protein Structural Diffusion 2024-Nov-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00928 PMID:39340358	研究论文	本文介绍了一种名为UFConf的新方法，用于基于氨基酸序列进行蛋白质构象的鲁棒采样	UFConf通过将AlphaFold2转化为扩散模型，实现了基于构象的扩散过程，并开发了一种新的基于结构聚类的层次重加权协议，以克服蛋白质数据库中的构象偏差	NA	开发一种能够高精度预测蛋白质不同稳定构象的模型，以推动生物学和医学的进步	蛋白质构象的采样	生物信息学	NA	扩散模型	扩散模型	蛋白质结构数据	NA
14300	2024-11-26	Challenge for Deep Learning: Protein Structure Prediction of Ligand-Induced Conformational Changes at Allosteric and Orthosteric Sites 2024-Nov-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01475 PMID:39484820	研究论文	研究使用深度学习算法预测蛋白质在配体结合时的构象变化，特别是针对别构位点的变化	首次系统研究了深度学习方法在预测蛋白质别构诱导适应构象变化方面的潜力和局限性	深度学习方法在预测别构诱导适应构象方面仍存在挑战，准确性不如预测正构位点结合构象	探讨深度学习算法在预测蛋白质别构和正构位点结合时的构象变化中的应用	蛋白质在配体结合时的构象变化，特别是别构位点的变化	计算生物学	NA	深度学习	AlphaFold2, NeuralPLexer, RoseTTAFold All-Atom	蛋白质结构数据	578个X射线结构数据