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
16721	2024-08-07	Hemodynamic factors of spontaneous vertebral artery dissecting aneurysms assessed with numerical and deep learning algorithms: Role of blood pressure and asymmetry 2024-May, Neuro-Chirurgie DOI:10.1016/j.neuchi.2023.101519 PMID:38280371	研究论文	本文使用计算流体动力学（CFD）和深度学习算法研究自发椎动脉夹层动脉瘤（SVADA）的血液动力学因素	本文开发了软件，能够利用患者影像重建椎基底动脉系统，并训练神经常微分方程（NODE）学习并复制从CFD模拟中获得的动态流线	NA	研究自发椎动脉夹层动脉瘤形成的血液动力学因素	自发椎动脉夹层动脉瘤的血液动力学因素	计算机视觉	NA	计算流体动力学（CFD）	神经常微分方程（NODE）	影像	三名患者
16722	2024-08-07	One-stop detection of anterior cruciate ligament injuries on magnetic resonance imaging using deep learning with multicenter validation 2024-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1539 PMID:38720839	研究论文	本研究开发了一种深度学习模型，利用膝关节磁共振成像（MRI）进行前交叉韧带（ACL）损伤的综合自动化检测，并在多中心数据集上进行了验证	首次采用深度学习技术，结合特定的YOLOv5m和ResNet-18 CNN架构，实现了对ACL损伤的自动化检测，提高了诊断的准确性和效率	研究主要基于回顾性数据，且模型在不同数据集上的表现存在差异，需要进一步的前瞻性研究和更大规模的数据验证	开发一种基于MRI的深度学习模型，用于自动化检测前交叉韧带损伤，以提高诊断的客观性和效率	前交叉韧带损伤的检测	机器学习	运动损伤	深度学习	YOLOv5m, ResNet-18 CNN	MRI图像	1589个膝关节样本，包括1443个完整、90个部分撕裂和56个完全撕裂
16723	2024-08-07	Deep learning image reconstruction of diffusion-weighted imaging in evaluation of prostate cancer focusing on its clinical implications 2024-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1379 PMID:38720859	研究论文	本研究旨在探讨深度学习重建（DLR）技术在扩散加权成像（DWI）中对前列腺癌（PCa）图像质量的提升及其对临床评估的影响	本研究首次评估了DLR技术在DWI中对前列腺癌图像质量的提升效果，并分析了其对PI-RADS评分的影响	研究为回顾性研究，样本量有限，且仅在一家医院进行	评估DLR技术在DWI中对前列腺癌图像质量的提升及其对PI-RADS评分的影响	前列腺癌患者的扩散加权成像（DWI）图像	数字病理学	前列腺癌	深度学习重建（DLR）	NA	图像	70名前列腺癌患者
16724	2024-08-07	Semi-supervised learning in diagnosis of infant hip dysplasia towards multisource ultrasound images 2024-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1384 PMID:38720865	研究论文	本文提出了一种基于特征金字塔网络和对比学习方案的半监督学习方法，用于诊断婴儿髋关节发育不良，通过多源超声图像进行识别	该方法利用大量未标记的超声图像和少量标记的解剖结构数据，通过对比学习提高了地标识别和标准平面识别的准确性	NA	开发一种能够利用多源超声图像进行婴儿髋关节发育不良自动诊断的半监督学习方法	493名婴儿的髋关节超声图像	计算机视觉	儿科疾病	半监督学习	特征金字塔网络 (FPN), Siamese架构	图像	493名婴儿的超声图像
16725	2024-08-07	Ultrasound deep learning radiomics and clinical machine learning models to predict low nuclear grade, ER, PR, and HER2 receptor status in pure ductal carcinoma in situ 2024-Apr-29, Gland surgery IF:1.5Q3 DOI:10.21037/gs-23-417 PMID:38720675	研究论文	本研究利用超声深度学习放射组学和临床机器学习模型预测纯导管原位癌中的低核级、ER、PR和HER2受体状态	本研究首次结合深度学习放射组学和临床机器学习模型，利用超声数据预测纯导管原位癌的分子标记物状态	研究样本量较小，且仅基于超声数据进行分析	开发模型以预测纯导管原位癌的分子标记物状态，从而实现个性化治疗	纯导管原位癌患者的超声数据和临床特征	机器学习	乳腺癌	深度学习放射组学	CNN	图像	349名纯导管原位癌患者
16726	2024-08-07	Clinical validation of a deep-learning-based bone age software in healthy Korean children 2024-Apr, Annals of pediatric endocrinology & metabolism IF:2.8Q1 DOI:10.6065/apem.2346050.025 PMID:38271993	研究论文	评估基于深度学习的骨龄软件在健康韩国儿童中估计实际年龄的临床性能	使用基于深度学习的骨龄软件进行骨龄评估	软件显示出较低的一致性率，并且在8.3岁以下的儿童中倾向于低估骨龄	评估基于深度学习的骨龄软件在健康韩国儿童中的临床性能	371名年龄在4至17岁之间的健康韩国儿童	机器学习	NA	深度学习	NA	图像	371名健康儿童，553张左手X光片
16727	2024-08-07	Neural network in food analytics 2024, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2022.2139217 PMID:36322538	综述	本文综述了神经网络（即深度学习，NN）在食品分析领域的应用，重点关注其在食品识别、供应链安全和组学分析等方面的应用	神经网络在食品领域的应用显示出其在食品识别、感官评估和光谱及色谱模式识别等方面的优势	神经网络在食品科学领域的扩展面临挑战，包括缺乏友好的界面软件包、模型行为难以理解、多源异构数据等问题	旨在全面概述神经网络在食品分析中的应用，并讨论其面临的挑战和潜在问题	食品分析领域的神经网络应用	机器学习	NA	神经网络（NN）	神经网络（NN）	多源异构数据	NA
16728	2024-08-07	Association Between Sleep Quality and Deep Learning-Based Sleep Onset Latency Distribution Using an Electroencephalogram 2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3396169 PMID:38696294	研究论文	本研究提出了一种基于深度学习的模型，利用30秒的睡眠脑电图（EEG）在睡眠周期早期预测睡眠开始潜伏期（SOL）分布，并探讨其与睡眠质量的关联	本研究的创新点在于使用深度学习模型分析早期EEG数据，以预测SOL分布，并将其与睡眠质量相关联	NA	评估睡眠质量与深度学习模型预测的SOL分布之间的关联	睡眠质量与SOL分布	机器学习	NA	深度学习	深度学习模型	脑电图（EEG）	使用Sleep Heart Health Study公共数据集，包含大量研究对象
16729	2024-08-07	EMPT: a sparsity Transformer for EEG-based motor imagery recognition 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1366294 PMID:38721049	研究论文	本文提出了一种结合混合专家层和概率稀疏自注意力机制的Transformer神经网络，用于解码脊髓损伤患者运动想象（MI）EEG的时间-频率-空间域特征	引入了混合专家层和Kullback-Leibler散度注意力池化机制，通过稀疏化Transformer神经网络，提高了其在EEG数据集上的适用性	NA	开发一种新的深度学习方法，用于基于运动想象的EEG数据解码	脊髓损伤患者的运动想象EEG信号	机器学习	脊髓损伤	Transformer神经网络	Transformer	EEG信号	脊髓损伤患者的MI EEG数据集
16730	2024-08-07	Deep-Learning-Based Hepatic Ploidy Quantification Using H&E Histopathology Images 2023-04-16, Genes IF:2.8Q2 DOI:10.3390/genes14040921 PMID:37107679	研究论文	开发了一种基于深度学习的算法，用于使用常规临床实践中常见的H&E组织病理学图像量化肝细胞的倍性	首次成功尝试在H&E图像上自动化倍性分析	NA	提高临床样本中肝细胞倍性量化的可及性	肝细胞的倍性	数字病理学	NA	深度学习	深度学习模型	图像	NA
16731	2024-08-07	Patch individual filter layers in CNNs to harness the spatial homogeneity of neuroimaging data 2021-12-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-03785-9 PMID:34961762	研究论文	本文提出了一种新的卷积神经网络（CNN）架构，通过引入补丁个体滤波器（PIF）层来利用神经影像数据的 spatial homogeneity	首次在CNN中引入先验的归纳偏置，以利用神经影像数据的 spatial homogeneity	NA	探索如何通过新的CNN架构提高神经影像数据处理的效率和准确性	神经影像数据的性别分类、阿尔茨海默病检测和多发性硬化症检测	机器学习	NA	卷积神经网络（CNN）	CNN	图像	使用了UK Biobank数据、ADNI数据和私人医院数据进行评估
16732	2024-08-07	Alteration of the corpus callosum in patients with Alzheimer's disease: Deep learning-based assessment 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0259051 PMID:34941878	研究论文	本研究利用深度学习技术评估阿尔茨海默病患者胼胝体的变化	使用基于U-net架构的卷积神经网络进行胼胝体的精确分割和分析	NA	研究阿尔茨海默病患者胼胝体的变化及其与认知功能的关系	阿尔茨海默病患者的胼胝体	计算机视觉	阿尔茨海默病	深度学习技术	卷积神经网络	MRI图像	94名正常对照组，56名轻度痴呆组，17名中度痴呆组
16733	2024-08-07	Deep Learning-Based Automated Classification of Multi-Categorical Abnormalities From Optical Coherence Tomography Images 2018-Nov, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.7.6.41 PMID:30619661	研究论文	本文开发了一种基于深度学习的智能系统，用于自动分类光学相干断层扫描（OCT）图像中的多类别异常	该系统能够自动检测并区分各种OCT图像，准确度极高，性能与人类专家相当或更优	NA	开发一种新的基于深度学习的智能系统，用于自动分类OCT图像	60,407张OCT图像，由17位持牌视网膜专家标记，其中25,134张图像被纳入研究	计算机视觉	NA	深度学习	ResNet	图像	25,134张OCT图像
16734	2024-08-07	Combining deep learning and droplet microfluidics for rapid and label-free antimicrobial susceptibility testing of colistin 2024-Aug-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.116301 PMID:38663322	研究论文	本文开发了一种基于微流控技术的快速、简便且微型化的粘菌素耐药性检测方法，结合深度学习技术进行细菌生长检测	该方法使用微流控平台将细菌封装在纳升液滴中，通过直接明场成像进行快速自动的细菌生长检测，比基于荧光的分析更快更准确	NA	开发一种快速、简便且微型化的抗生素耐药性检测方法，特别是针对粘菌素	粘菌素的耐药性检测	微流控技术	NA	微流控技术	深度学习	图像	21种快速生长的肠杆菌科细菌（大肠杆菌和肺炎克雷伯菌），包括具有不同耐药机制的临床分离株
16735	2024-08-07	A deep learning-based approach for fully automated segmentation and quantitative analysis of muscle fibers in pig skeletal muscle 2024-Jul, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2024.109506 PMID:38603965	研究论文	本文提出了一种基于深度学习的全自动方法，用于猪骨骼肌纤维的分割和定量分析	本研究采用SOLOv2深度学习架构，有效处理了复杂图像数据集中的肌肉纤维分割问题	现有方法在处理具有显著形态变化的图像数据集时缺乏验证	旨在开发一种准确且自动化的分析方法，用于肌肉纤维的分割和定量分析	猪骨骼肌纤维	计算机视觉	NA	深度学习	SOLOv2	图像	实际图像数据集
16736	2024-08-07	A practical guide to the implementation of artificial intelligence in orthopaedic research-Part 2: A technical introduction 2024-Jul, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.12025 PMID:38715910	研究论文	本文为骨科研究中人工智能实施的实用指南第二部分，介绍了人工智能技术的基本原理和应用	探讨了神经网络和深度学习架构在复杂医疗数据分析中的应用，以及自然语言处理在医疗文本分类和临床决策支持中的潜力	NA	为骨科研究人员提供参与人工智能驱动研究所需的基本技术知识	骨科研究中的人工智能技术	机器学习	NA	机器学习, 神经网络, 深度学习, 自然语言处理	CNN, LSTM, GAN	文本, 图像	NA
16737	2024-08-07	MAN-C: A masked autoencoder neural cryptography based encryption scheme for CT scan images 2024-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102738 PMID:38715952	研究论文	本文提出了一种基于掩码自编码器神经密码学的加密方案MAN-C，用于安全共享医学图像	结合了掩码自编码器和神经密码学，提供了一种新的公钥密码学方法，具有更少的计算时间和内存需求，以及非确定性特性	NA	开发一种新的加密技术，以安全地共享医学图像，保护患者数据隐私	医学图像，特别是CT扫描图像	计算机视觉	NA	掩码自编码器	自编码器	图像	使用了由癌症影像档案(TCIA)公开的CT扫描数据集
16738	2024-08-07	DunHuangStitch: Unsupervised Deep Image Stitching of Dunhuang Murals 2024-May-08, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3398289 PMID:38717890	研究论文	本文提出了一种基于深度学习的无监督敦煌壁画图像拼接方法，通过构建两个壁画拼接数据集和设计渐进回归图像对齐网络与特征差分重建软编码缝合网络，实现了先进的壁画拼接性能。	本文首次采用深度学习方法进行敦煌壁画的无监督拼接，并设计了新的网络结构和软编码缝合质量评估方法。	NA	旨在实现敦煌壁画的数字化存储和保护。	敦煌壁画图像的拼接。	计算机视觉	NA	深度学习	CNN	图像	两个壁画拼接数据集
16739	2024-08-07	Accurate structure prediction of biomolecular interactions with AlphaFold 3 2024-May-08, Nature IF:50.5Q1 DOI:10.1038/s41586-024-07487-w PMID:38718835	研究论文	本文介绍了AlphaFold 3模型，该模型采用更新后的基于扩散的架构，能够联合预测包括蛋白质、核酸、小分子、离子和修饰残基在内的复合物结构	AlphaFold 3模型在蛋白质-配体相互作用、蛋白质-核酸相互作用以及抗体-抗原预测方面均显著优于现有工具	NA	旨在提高生物分子相互作用结构预测的准确性	蛋白质、核酸、小分子、离子和修饰残基的复合物结构	机器学习	NA	深度学习	AlphaFold 3	结构数据	NA
16740	2024-08-07	Artificial intelligence-based assessment of built environment from Google Street View and coronary artery disease prevalence 2024-May-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae158 PMID:38544295	研究论文	本研究利用机器视觉技术从Google Street View（GSV）图像中提取建筑环境特征，并探讨其与美国城市冠状动脉疾病（CHD）患病率的关系	本研究首次使用深度学习技术从GSV图像中提取建筑环境特征，并将其与CHD患病率进行关联分析	本研究为横断面研究，未来需要纵向研究来验证结果的长期有效性	探讨机器视觉技术在评估建筑环境与心血管疾病患病率关系中的应用	建筑环境特征与冠状动脉疾病患病率的关系	机器学习	心血管疾病	卷积神经网络	CNN	图像	0.53百万张GSV图像覆盖789个美国城市的普查区域