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
16701	2024-08-07	Deep learning based automatic segmentation of the Internal Pudendal Artery in definitive radiotherapy treatment planning of localized prostate cancer 2024-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100577 PMID:38707629	研究论文	本研究提出了一种基于深度学习的自动分割内部阴部动脉（IPA）的模型，用于前列腺癌的确定性放疗治疗计划	本模型采用了挤压和激发块以及模态注意力机制进行有效的特征提取和精确分割，使用了一种新的损失函数有效训练模型，并采用了模态丢失策略以在没有MRI的情况下进行分割	NA	探索剂量保护内部阴部动脉以保留性功能，并提高分割的一致性	内部阴部动脉（IPA）的自动分割	数字病理学	前列腺癌	深度学习	CNN	图像	86名患者
16702	2024-08-08	An Artificial Intelligence model for implant segmentation on periapical radiographs 2024-Apr, JPMA. The Journal of the Pakistan Medical Association DOI:10.47391/JPMA.AKU-9S-02 PMID:38712403	研究论文	本文使用深度学习算法对牙科植入物在PA放射图像上进行分割，并将其性能与人类标注者确定的真实情况进行比较	开发了一种用于在PA放射图像上分割牙科植入物的人工智能模型	NA	研究目的是使用深度学习算法自动分割PA放射图像上的牙科植入物	牙科植入物在PA放射图像上的分割	计算机视觉	NA	深度学习	U-net	图像	总共使用了1294张图像进行训练、验证和测试，其中130张未见过的图像用于评估模型性能
16703	2024-08-07	SC-Track: a robust cell-tracking algorithm for generating accurate single-cell lineages from diverse cell segmentations 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae192 PMID:38704671	研究论文	本文介绍了一种名为Single Cell Track (SC-Track)的新型细胞追踪算法，该算法基于生物学观察的细胞分裂和运动动态，采用分层概率缓存级联模型，旨在从多样化的细胞分割中生成准确的单细胞谱系	SC-Track算法在无需参数调整的情况下，能够在不同细胞分割质量、细胞形态外观和成像条件下保持稳健的细胞追踪性能，并配备了细胞类别校正功能，以提高多类别细胞分割时间序列中的细胞分类准确性	NA	开发一种能够从多样化的细胞分割中生成准确单细胞谱系的稳健细胞追踪算法	细胞追踪算法在荧光时间流逝显微镜图像中的应用	计算机视觉	NA	深度学习	CNN	图像	多样化的细胞分割类型
16704	2024-08-07	Local and global changes in cell density induce reorganisation of 3D packing in a proliferating epithelium 2024-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.08.579268 PMID:38370815	研究论文	本文通过活体成像和基于深度学习的分割技术，研究了海星胚胎中细胞密度、组织紧缩和细胞增殖对上皮组织结构的影响	首次详细探讨了细胞密度变化对3D上皮组织重排的影响，并提出了增殖过程中细胞重排的机制	研究主要集中在海星胚胎，可能不完全适用于其他生物或组织类型	探讨细胞密度变化如何影响3D上皮组织的重排	海星胚胎中的上皮组织	生物物理学	NA	深度学习	NA	图像	海星胚胎
16705	2024-08-07	A Deep Learning Approach to Classify Fabry Cardiomyopathy from Hypertrophic Cardiomyopathy Using Cine Imaging on Cardiac Magnetic Resonance 2024, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/2024/6114826 PMID:38706878	研究论文	本文提出了一种基于人工智能的MRI短轴视图左心室肥厚分类器（MSLVHC），用于区分肥厚型心肌病（HCM）和法布里病	该模型利用AI技术，通过MRI短轴视图电影图像进行训练，实现了对HCM和法布里病的高精度标准化影像分类	NA	开发一种高精度的标准化影像分类模型，以辅助专家诊断左心室肥厚疾病	肥厚型心肌病（HCM）和法布里病	计算机视觉	心血管疾病	MRI	AI模型	影像	台北荣民总医院（TVGH）数据集和台中荣民总医院（TCVGH）数据集
16706	2024-08-07	Radiomics analysis of pancreas based on dual-energy computed tomography for the detection of type 2 diabetes mellitus 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1328687 PMID:38707184	研究论文	本研究利用基于双能量计算机断层扫描（CT）的胰腺放射组学分析，建立用于检测2型糖尿病的定量影像生物标志物。	本研究首次将放射组学分析应用于双能量CT胰腺图像，以识别2型糖尿病。	研究为回顾性研究，样本量相对较小，且未提及长期随访结果。	探索基于双能量CT的胰腺放射组学分析在2型糖尿病检测中的应用。	研究对象为78名参与者，其中45名患有2型糖尿病，33名未患。	计算机视觉	糖尿病	双能量CT	随机森林（RF）、支持向量机（SVM）和逻辑回归	影像数据	78名参与者
16707	2024-08-07	A novel deep learning method to segment parathyroid glands on intraoperative videos of thyroid surgery 2024, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2024.1370017 PMID:38708363	研究论文	本研究开发了一种新的深度学习方法Video-Trans-U-HRNet，用于在甲状腺手术的术中视频中分割甲状旁腺腺体，并与现有医疗AI方法进行比较	本研究引入了一种创新的术中视频方法，用于识别甲状旁腺腺体，强调了AI在手术领域的潜在进步	NA	研究目的是探索深度学习是否可以用于辅助识别甲状腺手术中术中视频的甲状旁腺腺体	甲状旁腺腺体在甲状腺手术中的识别	机器学习	NA	深度学习	Video-Trans-U-HRNet	视频	研究包括50名患者的数据集，包含98个视频和9,944个标注帧，以及一个独立的测试集，包含15个视频和1,500个帧
16708	2024-08-07	Physics-Guided Deep Generative Model for New Ligand Discovery 2023-Sep, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine DOI:10.1145/3584371.3613067 PMID:38706556	研究论文	本文介绍了一种基于物理引导的深度生成模型，用于发现新的配体，该模型不仅考虑了结合位点，还包含了基于物理的特征，描述了受体和配体之间的结合机制	该模型创新地结合了物理原理和深度学习，生成的配体结构在结合强度上优于传统方法	未来研究方向包括在更大的数据集上训练和测试模型，增加更多基于物理的特征，并从生物物理角度解释深度学习结果	旨在通过结合物理原理和深度学习技术，提高新配体发现的效率和质量	研究对象包括大型蛋白质-配体复合物和小型宿主-客体系统	机器学习	NA	深度生成模型	GAN	结构数据	测试了大型蛋白质-配体复合物和小型宿主-客体系统
16709	2024-08-07	Public mental health through social media in the post COVID-19 era 2023, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2023.1323922 PMID:38146469	研究论文	本文提出了一种基于微表情识别心理障碍的方法，使用深度学习模型HybridMicroNet进行情感识别	提出了一种基于卷积神经网络的深度学习模型HybridMicroNet，用于从微表情中识别情感	仅在CASME和SAMM数据集上进行了验证，可能需要更多数据集来验证模型的泛化能力	探索通过社交媒体中的微表情自动检测心理障碍的方法	心理障碍的自动检测	机器学习	NA	深度学习	CNN	图像	CASME数据集上的准确率为99.08%，SAMM数据集上的准确率为97.62%