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
18061	2024-08-28	Enhancing Clinical Diagnosis With Convolutional Neural Networks: Developing High-Accuracy Deep Learning Models for Differentiating Thoracic Pathologies 2024-Jul, Cureus DOI:10.7759/cureus.65444 PMID:39184667	研究论文	本研究利用卷积神经网络开发深度学习模型，以区分正常胸片与显示肺炎、结核病、心脏肥大和COVID-19的胸片	本研究展示了机器学习算法在胸片疾病检测中的高准确性和潜力	训练模型需要大量样本，且图像扫描设备和技术的差异可能导致模型学习到外部噪声和非预期细节，影响准确性	提高临床诊断的准确性，通过使用人工智能技术改善诊断质量、效率和降低医疗成本	区分正常胸片与肺炎、结核病、心脏肥大和COVID-19的胸片	计算机视觉	肺部疾病	卷积神经网络	CNN	图像	共使用3,063张正常胸片、3,098张肺炎胸片、2,920张COVID-19胸片、2,214张胸片和554张结核病胸片进行训练和验证
18062	2024-08-28	AsymMirai: Interpretable Mammography-based Deep Learning Model for 1-5-year Breast Cancer Risk Prediction 2024-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.232780 PMID:38501952	研究论文	研究通过分析双侧不对称性，构建了一个可解释的深度学习模型AsymMirai，用于预测1-5年乳腺癌风险	AsymMirai模型通过引入局部双侧不对称性模块，提高了模型的解释性，并能近似Mirai模型的预测性能	研究为回顾性研究，且样本主要来自EMBED数据库，可能存在选择偏倚	旨在探索双侧不对称性是否是Mirai模型推理过程的基础，并构建一个简化的、可解释的模型AsymMirai	乳腺癌风险预测	数字病理学	乳腺癌	深度学习	CNN	影像	210,067张筛查乳腺X线照片，来自81,824名患者
18063	2024-08-28	Music-evoked emotions classification using vision transformer in EEG signals 2024, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2024.1275142 PMID:38638516	研究论文	本研究提出了一种结合注意力机制的深度学习模型，用于从情绪相关的脑电图（EEG）记录中有效提取空间和时间信息，以进行音乐引发情绪的分类。	本研究引入了一种新的深度学习模型，该模型结合了注意力机制，能够更有效地从EEG信号中提取空间和时间信息，以改善情绪分类的准确性。	NA	旨在通过深度学习模型提高基于EEG的情绪识别的准确性。	研究对象为音乐引发的EEG情绪信号。	机器学习	NA	EEG	Vision Transformer	EEG信号	本研究使用了两个数据集，一个是自有的音乐引发情绪的EEG记录数据集，另一个是公开可用的数据集。
18064	2024-08-28	Skin Type Diversity in Skin Lesion Datasets: A Review 2024, Current dermatology reports IF:2.4Q2 DOI:10.1007/s13671-024-00440-0 PMID:39184010	综述	本文综述了皮肤病变数据集中皮肤类型多样性的问题，评估了公开的皮肤病变数据集及其元数据，以评估皮肤类型的报告频率和完整性，并调查了每个皮肤类型在这些数据集中的多样性和代表性。	本文通过评估公开的皮肤病变数据集及其元数据，探讨了皮肤类型多样性的问题，并调查了每个皮肤类型在这些数据集中的多样性和代表性。	本文未具体测量所审查数据集中皮肤类型的多样性。	探讨和评估皮肤病变数据集中皮肤类型多样性的问题。	皮肤病变数据集及其元数据。	计算机视觉	NA	深度学习	NA	图像	NA
18065	2024-08-28	Deep learning-assisted diagnosis of benign and malignant parotid gland tumors based on automatic segmentation of ultrasound images: a multicenter retrospective study 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1417330 PMID:39184051	研究论文	本研究构建了基于超声图像自动分割的深度学习辅助诊断模型，以帮助放射科医生区分良性和恶性腮腺肿瘤	本研究采用多种深度学习模型进行超声图像的自动分割，并评估了这些模型在辅助诊断中的性能	NA	构建和评估基于超声图像自动分割的深度学习模型，以提高放射科医生对腮腺肿瘤的诊断性能	良性和恶性腮腺肿瘤的诊断	计算机视觉	腮腺肿瘤	深度学习	ResNet18, Inception_v3, Deeplabv3, UNet++, UNet	图像	582名经组织病理学诊断的腮腺肿瘤患者
18066	2024-08-28	TF-EPI: an interpretable enhancer-promoter interaction detection method based on Transformer 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1444459 PMID:39184348	研究论文	本研究开发了一种基于Transformer的深度学习模型TF-EPI，用于从DNA序列中检测增强子-启动子相互作用	TF-EPI模型利用Transformer的注意力机制，识别了特定细胞类型的增强子和启动子中的独特基序和序列，并通过数据库验证，揭示了新的生物学见解	NA	旨在理解基因表达调控、疾病机制等关键的增强子-启动子相互作用	增强子-启动子相互作用	机器学习	NA	Transformer	Transformer	DNA序列	多个基准数据集
18067	2024-08-28	Enhanced accuracy with Segmentation of Colorectal Polyp using NanoNetB, and Conditional Random Field Test-Time Augmentation 2024, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2024.1387491 PMID:39184863	研究论文	本文提出了一种新型的轻量级增强型Nanonet模型，通过使用NanonetB、条件随机场（CRF）和测试时增强（TTA）技术，实现了实时且精确的结肠镜图像分割，以帮助内镜医师及时诊断和干预结直肠息肉	本文的创新点在于提出了一种增强型Nanonet模型，结合CRF和TTA技术，提高了模型在不同数据集上的泛化能力和对小尺寸及扁平息肉的检测能力	NA	研究目的是开发一种准确、轻量级的模型，以实现无缝集成到内镜硬件设备中，提高结直肠息肉的检测效率	研究对象是结直肠息肉的图像分割	计算机视觉	结直肠癌	条件随机场（CRF），测试时增强（TTA）	NanonetB	图像	使用了六个公开数据集进行评估，包括Kvasir-SEG、Endotect Challenge 2020、Kvasir-instrument、CVC-ClinicDB、CVC-ColonDB和CVC-300
18068	2024-08-28	An Innovative Deep Learning Approach to Spinal Fracture Detection in CT Images 2024, Annali italiani di chirurgia IF:0.9Q3 DOI:10.62713/aic.3498 PMID:39186337	研究论文	本研究提出了一种创新的深度学习方法，用于在CT图像中检测脊柱骨折，特别是椎体压缩骨折	本研究通过整合YOLO V7模型与ELAN和MPConv架构，显著减少了计算处理过程中小尺度信息的损失，从而提高了检测准确性	未来的研究应包括交叉验证和独立验证及测试集，以评估模型的鲁棒性和泛化能力	开发一种创新的深度学习方法，用于在CT图像中检测脊柱骨折，特别是椎体压缩骨折	脊柱骨折，特别是椎体压缩骨折	计算机视觉	脊柱骨折	YOLO V7模型，ELAN，MPConv架构	YOLO V7	CT图像	240张CT图像
18069	2024-08-28	Clinical evaluation of deep learning-based automatic clinical target volume segmentation: a single-institution multi-site tumor experience 2023-Oct, La Radiologia medica DOI:10.1007/s11547-023-01690-x PMID:37597126	研究论文	本研究评估了基于深度学习的自动临床靶区（CTV）分割模型在多部位肿瘤CT图像上的表现	本研究首次在文献中探讨了多部位肿瘤的自动CTV分割，填补了这一领域的空白	研究中部分患者（如食管癌患者）的自动分割结果与手动分割结果的Dice相似系数较低，表明模型在某些肿瘤类型上的性能有待提高	评估基于深度学习的自动CTV分割模型在不同部位肿瘤CT图像上的准确性和临床接受度	包括鼻咽癌、食管癌、乳腺癌、宫颈癌、前列腺癌和直肠癌等多种癌症患者	计算机视觉	多种癌症	深度学习	Flexnet, Unet, Vnet, Segresnet	CT图像	577名患者
18070	2024-08-28	New trend in artificial intelligence-based assistive technology for thoracic imaging 2023-Oct, La Radiologia medica DOI:10.1007/s11547-023-01691-w PMID:37639191	综述	本文综述了人工智能技术在胸部影像诊断中的应用，特别关注于病灶检测和定性诊断	介绍了可解释的人工智能在定性诊断中的发展需求	强调了人工智能作为医生辅助系统的局限性，最终决策应由医生做出	帮助放射科医生和临床医生更熟悉人工智能在胸部影像中的应用	人工智能技术在胸部影像诊断中的应用	计算机视觉	NA	深度学习	NA	影像	NA
18071	2024-08-28	HistoPerm: A permutation-based view generation approach for improving histopathologic feature representation learning 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100320 PMID:37457594	研究论文	本文介绍了一种基于排列的视图生成方法HistoPerm，用于改进组织学图像的特征表示学习	HistoPerm通过排列增强视图来提高分类性能，无需大量标记图像	NA	旨在解决深度学习方法在数字病理学中需要大量标记图像的问题	HistoPerm方法在乳糜泻和肾细胞癌数据集上的有效性	数字病理学	肾细胞癌	NA	联合嵌入架构	图像	两个组织学图像数据集
18072	2024-08-28	Predicting cognitive scores with graph neural networks through sample selection learning 2022-Jun, Brain imaging and behavior IF:2.4Q2 DOI:10.1007/s11682-021-00585-7 PMID:34757563	研究论文	本文设计了一种新的回归图神经网络模型（RegGNN），用于从脑连接性预测智商分数，并引入了一种全新的模块化样本选择方法，以选择最佳样本进行目标预测任务的学习	本文提出的RegGNN模型能够利用脑连接图的拓扑属性，避免了现有方法通过向量化脑连接图而忽略其拓扑特性的问题。此外，引入的样本选择方法能够学习如何选择具有最高预期预测能力的训练样本	深度学习架构在训练过程中计算成本较高	分析智力与神经活动之间的关系，以理解健康和疾病状态下人脑的工作原理	智商分数的预测	机器学习	自闭症谱系障碍	图神经网络（GNN）	图神经网络（GNN）	脑连接图	未明确提及具体样本数量
18073	2024-08-28	New open-source software for subcellular segmentation and analysis of spatiotemporal fluorescence signals using deep learning 2022-May-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2022.104277 PMID:35573197	研究论文	本文介绍了一种新的开源软件，利用深度学习方法进行亚细胞荧光信号的分割和分析	该软件通过深度学习方法优化了钙信号分割的准确性和速度，适用于多种细胞类型和不同信号模式	NA	开发一种快速、准确且标准化的亚细胞荧光信号分析工具	亚细胞荧光信号的分割和量化	计算机视觉	NA	深度学习	NA	图像	多种细胞类型
18074	2024-08-28	A benchmark dataset for Hydrogen Combustion 2022-May-17, Scientific data IF:5.8Q1 DOI:10.1038/s41597-022-01330-5 PMID:35581204	研究论文	本文通过扩展内在反应坐标（IRC）计算与从头算分子动力学模拟和正常模式位移计算，为氢燃烧的19个反应通道的势能面提供更广泛的覆盖，构建了一个用于深度学习模型的基准数据集。	本文采用了高精度的范围分离杂化密度泛函ωB97X-V，评估了约290,000个势能和约1,270,000个核力矢量，以构建深度学习模型的参考数据集。	NA	为深度学习模型生成用于研究氢燃烧反应的参考数据。	氢燃烧反应的19个反应通道。	机器学习	NA	从头算分子动力学模拟	深度学习模型	势能和核力矢量数据	约290,000个势能和约1,270,000个核力矢量
18075	2024-08-28	Expert surgeons and deep learning models can predict the outcome of surgical hemorrhage from 1 min of video 2022-05-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-11549-2 PMID:35581213	研究论文	评估深度学习神经网络（DNN）通过手术视频前一分钟预测止血控制能力的能力，并与人类专家的预测进行比较	深度学习模型SOCALNet在预测手术出血结果和血量损失方面表现优于人类专家，且没有假阴性结果	文章未提及具体限制	研究深度学习模型在预测手术出血结果和血量损失方面的有效性	深度学习模型SOCALNet和人类专家在预测手术出血结果和血量损失方面的表现	机器学习	NA	深度学习神经网络	卷积神经网络（ResNet）和循环神经网络（LSTM）	视频	147个手术视频，其中20个用于测试
18076	2024-08-28	Protein design via deep learning 2022-05-13, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbac102 PMID:35348602	综述	本文回顾了基于深度学习的蛋白质设计方法的主要进展，并通过显著案例展示了其与传统基于知识的途径相比的新颖性	深度学习的引入对设计方法产生了变革性影响，特别是在结构基础的蛋白质设计和直接序列设计方面，以及最近在蛋白质设计中应用深度强化学习	NA	探讨深度学习在蛋白质设计中的应用及其未来发展方向	蛋白质设计方法及其在纳米技术和生物医学领域的应用	机器学习	NA	深度学习	深度强化学习	NA	NA
18077	2024-08-28	Design and validation of a semi-automatic bone segmentation algorithm from MRI to improve research efficiency 2022-05-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-11785-6 PMID:35551485	研究论文	本文开发并验证了一种半自动骨分割算法，利用空间强度梯度从膝关节的磁共振（MR）图像中分离髌骨，无需训练集	该算法通过减少约75%的分割时间，提高了研究效率，并可能用于生成深度学习算法的训练数据	NA	开发一种半自动分割算法，以提高骨分割的效率	髌骨的分割	计算机视觉	NA	MRI	NA	图像	4名人类参与者（体内）和3个猪膝关节（体外）
18078	2024-08-28	Postural behavior recognition of captive nocturnal animals based on deep learning: a case study of Bengal slow loris 2022-05-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-11842-0 PMID:35545645	研究论文	本研究利用深度学习技术对圈养夜行性动物的姿势行为进行识别，以孟加拉懒猴为例	建立了首个由人工标记的懒猴姿势行为数据集，并使用深度学习技术进行物体检测和语义分割	NA	评估动物福利和圈养管理中姿势行为的精确识别	孟加拉懒猴的姿势行为	计算机视觉	NA	深度学习	YOLOv5, Dilated Residual Networks (DRN)	图像	大量懒猴个体
18079	2024-08-28	Evaluation of Deep Learning Architectures for Aqueous Solubility Prediction 2022-May-10, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.2c00642 PMID:35571767	研究论文	本研究评估了当前深度学习方法在分子水溶性预测中的应用，并开发了一个能够预测广泛有机分子水溶性的通用模型	本研究使用了目前最大的水溶性数据集，并探索了多种分子表示方法和四种不同的神经网络架构，以提高预测性能	NA	评估和改进深度学习方法在分子水溶性预测中的应用	有机分子的水溶性	机器学习	NA	深度学习	全连接神经网络、循环神经网络、图神经网络（GNNs）、SchNet	分子结构数据	使用了目前最大的水溶性数据集
18080	2024-08-28	Machine Learning of Reaction Properties via Learned Representations of the Condensed Graph of Reaction 2022-05-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.1c00975 PMID:34734699	研究论文	本文结合化学信息学中的反应表示方法——凝聚反应图（CGR）与图卷积神经网络（GCNN）架构，开发了一种用于预测化学反应性质的深度学习模型	首次开发了适用于反应的通用且可转移的GCNN模型，该模型不依赖专家知识，能够生成数据驱动的、任务依赖的反应嵌入	NA	开发一种新的机器学习模型，用于准确预测化学反应的各种性质	化学反应的性质，如活化能、反应速率、产率等	机器学习	NA	图卷积神经网络（GCNN）	GCNN	图数据	包含大量原子映射反应及其目标性质的数据集