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
15521	2024-09-25	trajPredRNN+: A new approach for precipitation nowcasting with weather radar echo images based on deep learning 2024-Sep-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36134 PMID:39309946	研究论文	本文提出了一种基于深度学习的新方法trajPredRNN+，用于使用天气雷达回波图像进行降水短时预报	该方法结合了轨迹分割模型和PredRNN深度学习模型，通过引入注意力机制和残差网络，以及提出更合理的训练损失函数，解决了现有模型在捕捉细粒度外观和处理位置错位问题上的局限性	NA	提高短时降雨预测的准确性，特别是对强降雨的预测	使用天气雷达回波图像进行降水短时预报	计算机视觉	NA	深度学习	PredRNN	图像	使用了深圳市气象局提供的雷达回波图数据集
15522	2024-09-25	Multi-label deep learning for comprehensive optic nerve head segmentation through data of fundus images 2024-Sep-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36996 PMID:39309959	研究论文	本文提出了一种基于多标签深度学习的视网膜图像中视神经头全面分割方法	利用U-Net架构结合迁移学习设计了三种多类语义分割模型，并通过结合MSU-Net和BU-Net生成HRF数据集的地面真值	研究仅使用了45张视网膜图像进行训练和验证，样本量较小	开发一种能够早期诊断和持续监测眼科疾病的计算机辅助检测技术	视网膜图像中的视盘、视杯、血管和视盘周围萎缩区（alpha和beta）	计算机视觉	NA	深度学习	U-Net	图像	45张视网膜图像
15523	2024-09-25	Enhancing bone scan image quality: an improved self-supervised denoising approach 2024-Sep-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad7e79 PMID:39312947	研究论文	本文提出了一种改进的自监督去噪技术，用于提高骨扫描图像质量	本文提出了一种改进的自监督去噪技术，通过使用Noise2FullCount (N2F)和插值版本的Noise2Noise (iN2N)，减少了深度学习去噪与全扫描图像之间的偏差	N2N在长扫描图像中表现有限	提高骨扫描图像质量，减少辐射暴露和扫描时间	351个全身骨扫描数据集	计算机视觉	NA	深度学习	Noise2Noise (N2N), Noise2FullCount (N2F), 插值版本的Noise2Noise (iN2N)	图像	351个全身骨扫描数据集
15524	2024-09-25	A Robust Deep Learning Method with Uncertainty Estimation for the Pathological Classification of Renal Cell Carcinoma Based on CT Images 2024-Sep-23, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01276-7 PMID:39313716	研究论文	本研究开发并验证了一种基于深度学习的诊断模型，结合不确定性估计，用于基于CT图像的肾细胞癌病理亚型术前区分	本研究的创新点在于结合不确定性估计的深度学习模型，为临床医生提供了准确的肾细胞癌亚型预测和诊断信心指标	本研究的局限性在于仅使用了两个中心的数据进行训练和验证，未来需要更多的多中心数据来进一步验证模型的泛化能力	本研究旨在开发一种基于深度学习的诊断模型，结合不确定性估计，用于肾细胞癌病理亚型的术前区分	本研究的研究对象是基于CT图像的肾细胞癌病理亚型	数字病理	肾细胞癌	深度学习	深度学习模型	图像	本研究使用了来自两个中心的746名肾细胞癌患者的CT图像数据
15525	2024-09-25	Exploration of Fractional Flow Reservation Score Based on Artificial Intelligence Post-processing for Coronary Artery Lesions in Patients with Diabetes and Coronary Heart Disease 2024-Sep-21, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100196 PMID:39313159	研究论文	本文利用人工智能后处理技术评估糖尿病和冠心病患者中冠心病与分数流量储备（FFR）的关系	采用人工智能技术处理冠状动脉CT血管造影（CCTA）图像，以高效、便捷、准确地获取所需数据，提高临床诊断效率和准确性	NA	研究冠心病与分数流量储备（FFR）在不同程度冠心病和糖尿病患者中的关系	94名疑似冠心病的患者	计算机视觉	心血管疾病	人工智能（AI）	NA	图像	94名患者
15526	2024-09-25	Chemomechanical damage prediction from phase-field simulation video sequences using a deep-learning-based methodology 2024-Sep-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110822 PMID:39310766	研究论文	本文探讨了使用深度学习方法从相场模拟视频序列中预测锂离子电池的化学机械损伤	本文首次探索了使用卷积长短期记忆网络（CNN-LSTM）从相场模拟视频中预测电池材料的损伤行为，包括裂纹扩展角度和长度	本文仅使用了有限的数据进行模型训练和验证	研究目的是开发一种预测锂离子电池材料损伤行为的深度学习模型	研究对象是锂离子电池的阴极材料	机器学习	NA	相场模拟	CNN-LSTM	视频	NA
15527	2024-09-25	A deep learning dataset for metal multiaxial fatigue life prediction 2024-Sep-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03862-4 PMID:39300134	研究论文	本文创建了一个大规模的高质量数据集，用于金属多轴疲劳寿命预测	本文的创新点在于创建了一个包含1167个样本的大规模数据集，解决了深度学习在金属多轴疲劳寿命预测中数据稀缺的问题	NA	本文的研究目的是为金属多轴疲劳寿命预测提供一个高质量的数据集，以支持深度学习方法的应用	本文的研究对象是金属多轴疲劳寿命预测	机器学习	NA	深度学习	NA	数据集	1167个样本，来自40种材料
15528	2024-09-25	A Novel Rational PROTACs Design and Validation via AI-Driven Drug Design Approach 2024-Sep-17, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.3c10183 PMID:39310161	研究论文	本文介绍了一种结合超叠加技术和深度神经网络的集成方法，用于生成具有增强结合亲和力的结构多样性分子	本文提出了一种新的AI驱动药物设计方法，通过结合超叠加技术和深度神经网络，生成具有更高结合亲和力的PROTACs分子	NA	开发一种新的AI驱动药物设计方法，用于生成具有更高结合亲和力的PROTACs分子	PROTACs分子的设计和验证	药物设计	NA	超叠加技术、分子动力学模拟、自由能扰动模拟	深度神经网络	蛋白质-配体复合物结构	NA
15529	2024-09-25	Deep Learning-Based Detection of Reticular Pseudodrusen in Age-Related Macular Degeneration on Optical Coherence Tomography 2024-Sep-12, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.11.24312817 PMID:39314940	研究论文	开发了一种基于深度学习的模型，用于在光学相干断层扫描图像中检测与年龄相关性黄斑变性相关的网状假性玻璃膜疣	该模型在检测网状假性玻璃膜疣方面表现优于四位眼科专家，并已在五个外部测试数据集中验证了其性能	NA	开发一种自动检测和量化网状假性玻璃膜疣的深度学习模型，以辅助临床管理	网状假性玻璃膜疣在年龄相关性黄斑变性中的检测	计算机视觉	年龄相关性黄斑变性	深度学习	NA	图像	9800张光学相干断层扫描B扫描图像，以及来自812名个体的1017只眼睛的外部测试数据集
15530	2024-09-25	Automated design of multi-target ligands by generative deep learning 2024-Sep-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52060-8 PMID:39261471	研究论文	本文探讨了使用生成深度学习模型进行多靶点配体的自动化设计	利用化学语言模型（CLM）进行多靶点配体的生成设计，并通过实验验证了其有效性	NA	探索生成深度学习模型在药物发现中的应用，特别是多靶点配体的设计	多靶点配体的设计及其在药物发现中的应用	机器学习	NA	生成深度学习	化学语言模型（CLM）	分子字符串表示（如SMILES）	十二个计算优选的CLM设计用于六个目标对
15531	2024-09-25	Assessing the Emergence and Evolution of Artificial Intelligence and Machine Learning Research in Neuroradiology 2024-Sep-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8252 PMID:38521092	研究论文	本研究通过文献计量分析，探讨了人工智能和机器学习在神经放射学领域的研究趋势、挑战和未来方向	首次系统地分析了人工智能和机器学习在神经放射学领域的研究发展及其特征	研究主要集中在非临床集成的文章，临床应用的文章比例较低，且部分类型2文章在偏差和可解释性方面存在不足	分析人工智能和机器学习在神经放射学领域的研究发展及其特征，提供该领域的趋势、挑战和未来方向的全面概述	神经放射学领域中涉及人工智能和机器学习的研究文章	机器学习	NA	文献计量分析	NA	文本	182篇文章，其中79%为非集成研究，21%为临床应用研究
15532	2024-09-25	Training robust T1-weighted magnetic resonance imaging liver segmentation models using ensembles of datasets with different contrast protocols and liver disease etiologies 2024-09-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71674-y PMID:39251664	研究论文	本文开发了一种可推广的深度学习模型，用于在T1加权MRI图像上分割肝脏	采用了三种不同的深度学习架构（nnUNet、PocketNet、Swin UNETR），并使用来自六个不同地理位置机构的数据进行训练	NA	开发一种能够在不同对比协议和肝脏疾病病因学数据集上进行鲁棒训练的肝脏分割模型	T1加权MRI图像中的肝脏	计算机视觉	肝癌	深度学习	nnUNet, PocketNet, Swin UNETR	图像	819张T1加权MRI图像
15533	2024-09-25	Deepdive: Leveraging Pre-trained Deep Learning for Deep-Sea ROV Biota Identification in the Great Barrier Reef 2024-Sep-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03766-3 PMID:39227607	研究论文	本文利用预训练的深度学习模型对大堡礁深海ROV图像中的生物进行分类	本文贡献了一个包含3994张深海生物图像的分类数据集，并使用ResNet、DenseNet、Inception和Inception-ResNet等深度学习模型进行基准测试	数据集存在类别不平衡问题，某些类别的分类准确率较低	通过自动化对象分类，创建详细的栖息地地图，以评估生态系统健康和恢复力	大堡礁深海生态系统中的生物	计算机视觉	NA	深度学习	ResNet, DenseNet, Inception, Inception-ResNet	图像	3994张深海生物图像，属于33个类别
15534	2024-09-25	Deep learning classification of ex vivo human colon tissues using spectroscopic optical coherence tomography 2024-Sep, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400082 PMID:38955358	研究论文	本文提出了一种基于光谱光学相干断层扫描（OCT）的光学活检技术，用于体外人类结肠组织的深度学习分类	本文将之前在鼠结肠息肉上的研究扩展到人类体外结肠上皮组织样本，并提出了一种新的深度学习架构，分类准确率高达97.9%	NA	提高结直肠癌（CRC）筛查的准确性和临床实用性	体外人类结肠上皮组织样本	计算机视觉	结直肠癌	光谱光学相干断层扫描（OCT）	深度学习	图像	NA
15535	2024-09-25	Time-series satellite remote sensing reveals gradually increasing war damage in the Gaza Strip 2024-Sep, National science review IF:16.3Q1 DOI:10.1093/nsr/nwae304 PMID:39309412	研究论文	本文利用深度学习和LuoJia3-01卫星数据，实时检测以色列-巴勒斯坦冲突中加沙地带的爆炸和建筑物损坏情况	首次利用LuoJia3-01卫星数据和深度学习技术进行冲突监测和建筑物损坏评估	NA	研究战争对城市破坏的影响，并提供实时监测和评估方法	加沙地带的建筑物损坏和农业用地损失	遥感	NA	深度学习	NA	卫星图像	3747个导弹弹坑，涉及加沙地带五个省的基础设施
15536	2024-09-25	Active Learning Pipeline to Identify Candidate Terms for a CDSS Ontology 2024-Aug-22, Studies in health technology and informatics DOI:10.3233/SHTI240660 PMID:39176629	研究论文	本文探讨了一种主动学习方法，用于自动识别出版物中的候选术语，并将其用于临床决策支持系统（CDSS）本体的构建	提出了一种基于主动学习的自动化方法来识别候选术语，减少了手动构建本体的工作量	目前仅提供了初步结果，尚未详细讨论方法的具体效果和应用范围	开发一种自动化方法来辅助构建和维护临床决策支持系统的本体	临床决策支持系统的本体术语	自然语言处理	NA	主动学习	深度学习模型	文本	NA
15537	2024-09-25	CT Material Decomposition using Spectral Diffusion Posterior Sampling 2024-Aug, Conference proceedings. International Conference on Image Formation in X-Ray Computed Tomography PMID:39301204	研究论文	本文介绍了一种基于扩散后验采样（DPS）的新深度学习方法，用于从光谱CT测量中进行材料分解	提出了一种结合无监督训练的先验知识和严格物理模型的方法，并引入了一种更快速和更稳定的变体，称为跳跃启动DPS（JSDPS）	NA	开发一种快速且准确的材料分解方法，用于光谱CT数据	光谱CT系统的材料分解性能	计算机视觉	NA	扩散后验采样（DPS）	深度学习模型	光谱CT数据	涉及两种光谱CT系统：双kVp和双层探测器CT
15538	2024-09-25	An artificial intelligence tool predicts blastocyst development from static images of fresh mature oocytes 2024-06, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2024.103842 PMID:38552566	研究论文	开发了一种深度学习模型，通过分析新鲜成熟卵母细胞的静态图像来预测囊胚发育	首次利用深度学习模型通过卵母细胞的静态图像预测囊胚发育，为卵母细胞评估提供了新的方法	模型在不同年龄组和地理位置的表现存在差异，且需要进一步验证其普遍适用性	开发一种能够通过卵母细胞图像预测囊胚发育的深度学习模型	新鲜成熟卵母细胞的静态图像	计算机视觉	NA	深度学习	深度学习模型	图像	37,133张卵母细胞图像，其中7,807张用于测试，12,357张用于外部验证
15539	2024-09-25	Training Robust T1-Weighted Magnetic Resonance Imaging Liver Segmentation Models Using Ensembles of Datasets with Different Contrast Protocols and Liver Disease Etiologies 2024-Apr-30, Research square DOI:10.21203/rs.3.rs-4259791/v1 PMID:38746406	研究论文	本文开发了一种深度学习模型，用于在T1加权磁共振图像上自动分割肝脏	本文通过使用来自不同数据集和对比协议的819张T1加权MR图像，训练了三种不同的深度学习架构，并比较了它们在不同数据集上的测试性能，发现nnUNet模型在不同数据集上的表现最为稳健	本文未详细讨论模型在实际临床应用中的表现和局限性	研究如何通过使用多样化的数据集和对比协议来训练稳健的肝脏分割模型	T1加权磁共振图像中的肝脏	计算机视觉	肝癌	磁共振成像（MRI）	nnUNet	图像	819张T1加权MR图像，来自六个不同的数据集
15540	2024-09-25	A web-based tool for real-time adequacy assessment of kidney biopsies 2024-Feb-05, medRxiv : the preprint server for health sciences DOI:10.1101/2024.02.01.24302147 PMID:38370740	研究论文	介绍了一种基于网络的工具，用于实时评估肾活检的充分性	开发了一种基于深度学习的自动分割技术，用于从智能手机拍摄的照片中实时量化评估肾活检的充分性	仅限于使用智能手机拍摄的照片进行评估，且需要预先训练的数据集	开发一种工具，以减少因活检不充分而导致的重新活检需求	肾活检的充分性评估	数字病理学	NA	深度学习	NA	图像	100例肾活检图像