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
18581	2024-09-01	Automatic detection of the third molar and mandibular canal on panoramic radiographs based on deep learning 2024-Sep, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101946 PMID:38857691	研究论文	本研究旨在开发一种基于深度学习框架的自动检测全景X光片中下颌第三磨牙（M3）与下颌管（MC）位置关系的系统，以辅助医生评估和规划适当的手术干预措施	本研究提出的RPIFormer模型在分割M3和MC方面比以往最佳研究提高了3.06%的Dice系数，且开发的深度学习框架无需手动裁剪即可在全景X光片中自动检测M3和MC，显示出优越的检测精度和泛化能力	NA	开发一种自动检测全景X光片中下颌第三磨牙与下颌管位置关系的深度学习框架	下颌第三磨牙（M3）与下颌管（MC）的位置关系	计算机视觉	NA	深度学习	RPIFormer模型, CycleGAN模型	图像	253张来自医院的PRs和197张来自在线平台的PRs
18582	2024-09-01	Automated Lugano Metabolic Response Assessment in 18F-Fluorodeoxyglucose-Avid Non-Hodgkin Lymphoma With Deep Learning on 18F-Fluorodeoxyglucose-Positron Emission Tomography 2024-Sep-01, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO.23.01978 PMID:38843483	研究论文	本文介绍了一种基于深度学习的算法，用于根据Lugano 2014分类标准对18F-氟脱氧葡萄糖亲和性非霍奇金淋巴瘤进行全自动治疗反应评估	该方法的反应评估与放射学反应的裁决高度一致，并且在死亡风险预测方面表现出更高的准确性	NA	旨在通过人工智能减少医生在放射学评估上的时间，并提高治疗反应评估的准确性	18F-氟脱氧葡萄糖亲和性非霍奇金淋巴瘤的治疗反应	机器学习	非霍奇金淋巴瘤	深度学习	深度学习算法	图像	涉及多个国家的临床试验，包括多个中心和国家的测试集，涉及不同的非霍奇金淋巴瘤亚型和治疗线
18583	2024-09-01	Synergistic integration of deep learning with protein docking in cardiovascular disease treatment strategies 2024-Sep, IUBMB life IF:3.7Q2 DOI:10.1002/iub.2819 PMID:38748776	研究论文	本研究通过深入的分子对接分析，探索了基于生育酚的纳米乳剂作为心血管疾病治疗药物的潜力	利用深度学习模型ESM1-b和ProtT5进行输入编码，预测4YAY蛋白与生育酚的相互作用位点，实现了对这些关键蛋白-配体相互作用的高度准确预测	NA	阐明生育酚与心血管疾病发展中起关键作用的七个蛋白质的分子相互作用	生育酚与七个关键蛋白质（1O8a, 4YAY, 4DLI, 1HW9, 2YCW, 1BO9和1CX2）的相互作用	分子生物学	心血管疾病	分子对接分析	深度学习模型	蛋白质数据	七个关键蛋白质
18584	2024-09-01	Voxel level dense prediction of acute stroke territory in DWI using deep learning segmentation models and image enhancement strategies 2024-Sep, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01582-8 PMID:38727961	研究论文	本研究旨在通过设计多类分割任务，利用深度学习分割模型和图像增强策略在DWI图像中构建急性中风区域分类器模型	采用体素级密集预测结合偏场校正和空间配准，提高了模型的性能	NA	构建一个在DWI图像中识别急性中风区域的分类器模型	急性前或后缺血性中风患者的DWI图像	计算机视觉	中风	深度学习	U-Net	图像	218名患者
18585	2024-09-01	Feasibility study on the clinical application of CT-based synthetic brain T1-weighted MRI: comparison with conventional T1-weighted MRI 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10534-1 PMID:38175218	研究论文	本研究旨在探讨基于CT的合成脑T1加权磁共振成像（MRI）与传统T1加权MRI在脑形态定量评估中的等效性	利用深度学习模型从CT数据生成合成T1加权成像（sT1WI），并评估其与传统T1加权MRI的等效性	研究中存在一些由于放射科医生测量差异导致的较差的协议	研究基于CT的合成T1加权MRI与传统T1加权MRI在脑形态定量评估中的等效性	35名接受脑部磁共振成像（MRI）和CT扫描的成年患者	计算机视觉	NA	深度学习模型	深度学习模型	图像	35名成年患者
18586	2024-09-01	Artificial intelligence in immunotherapy PET/SPECT imaging 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10637-3 PMID:38355986	综述	本文通过综述探讨了人工智能在PET/SPECT引导的免疫治疗患者管理中的应用	人工智能应用于PET/SPECT成像，主要用于预测免疫治疗患者的预后或肿瘤表型，这是基于治疗前基线图像构建的	需要进一步在大规模、前瞻性、多中心队列中验证模型，才能实现真正的临床应用	研究人工智能在PET/SPECT引导的免疫治疗中的作用，以识别可能获得持久临床益处或可能出现不可接受副作用的患者	免疫治疗患者及其PET/SPECT成像特征	计算机视觉	肺癌	PET/SPECT成像	深度学习	图像	中位数（四分位数范围）样本量为63（157），主要关注肺癌、淋巴瘤和黑色素瘤
18587	2024-09-01	Learning CT-free attenuation-corrected total-body PET images through deep learning 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10647-1 PMID:38355987	研究论文	本研究利用深度学习技术生成无需CT的衰减校正全身PET图像，以减少PET成像中的电离辐射问题	本研究首次尝试通过深度学习生成无需CT的衰减校正全身PET图像，减少了对患者的辐射风险	未来工作需要在更多临床实践中验证该方法在全身PET/CT系统中的应用	开发一种无需CT的衰减校正方法，以减少全身PET/CT成像中的电离辐射	全身PET图像的衰减校正	机器学习	NA	Cycle-GAN	生成对抗网络	图像	122名受试者（29名女性和93名男性）
18588	2024-09-01	Deep learning for automatic bowel-obstruction identification on abdominal CT 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10657-z PMID:38388719	research paper	本文旨在开发一种机器学习模型，用于自动识别腹部CT扫描中的疑似肠梗阻	开发了一种3D混合卷积神经网络，用于自动二分类（肠梗阻是/否）腹部CT扫描	NA	帮助放射科医生管理大量工作负载，从而实现更早的诊断和更好的患者治疗效果	腹部CT扫描中的疑似肠梗阻	machine learning	NA	CT	3D mixed convolutional neural network	image	内部数据集包含1345个腹部CT扫描，外部数据集包含88个放射科医生注释的CT扫描
18589	2024-09-01	Prediction of extraction difficulty for impacted maxillary third molars with deep learning approach 2024-Sep, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101817 PMID:38458545	研究论文	本研究旨在使用深度学习模型预测埋伏上颌第三磨牙手术难度	采用YoloV5x架构进行自动分割和分类，以预测手术难度	NA	评估深度学习模型预测埋伏上颌第三磨牙手术难度的有效性	埋伏上颌第三磨牙的手术难度	计算机视觉	NA	深度学习	YoloV5x	图像	708张全景放射图像
18590	2024-09-01	Artificial Intelligence in Military Medicine 2024-Aug-30, Military medicine IF:1.2Q2 DOI:10.1093/milmed/usae359 PMID:39028176	研究论文	本文探讨了人工智能在军事医学中的应用及其潜力和挑战	文章介绍了美国军事部门在军事医学中实施的几项人工智能倡议，包括预测部队行为和预测部队自杀率的模型	尽管人工智能在军事医学中有巨大潜力，但其固有的风险和局限性需要仔细考虑和讨论	旨在揭示人工智能在军事医学中的应用，并推动其在军事健康和整体作战准备中的有效利用	人工智能在军事医学中的应用，包括临床效率支持、大规模战斗操作的分类和临床护理算法等	机器学习	NA	深度学习	生成式AI	数据集	NA
18591	2024-09-01	Deep learning with uncertainty estimation for automatic tumor segmentation in PET/CT of head and neck cancers: impact of model complexity, image processing and augmentation 2024-Aug-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad6dcd PMID:39127060	研究论文	本文评估了使用卷积神经网络（CNN）自动分割头颈部癌症PET/CT图像的方法，以提高分割质量和评估不确定性。	采用蒙特卡洛 dropout 技术量化和可视化自动轮廓的不确定性，并探讨了图像预处理、图像增强、迁移学习和CNN复杂性对模型性能和跨中心泛化能力的影响。	自动轮廓可能产生不现实的轮廓或遗漏相关结构，且模型不确定性主要与假阳性、假阴性体素及低Dice系数相关。	提高头颈部癌症PET/CT图像自动分割的质量和评估其不确定性。	头颈部鳞状细胞癌患者的PET/CT图像。	计算机视觉	头颈部癌症	卷积神经网络（CNN）	CNN	图像	两个患者队列，来自两个中心的基线F-氟脱氧葡萄糖正电子发射断层扫描和计算机断层扫描图像（FDG-PET/CT）。
18592	2024-09-01	Enhancing substance identification by Raman spectroscopy using deep neural convolutional networks with an attention mechanism 2024-Aug-29, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay00602j PMID:39140306	研究论文	本研究利用带有注意力机制的深度神经卷积网络改进拉曼光谱对危险化学物质的识别	引入基于ResNet架构的深度神经卷积网络和SE模块注意力机制，有效结合拉曼光谱的强度和位移特征，显著提升模型性能	研究主要关注小样本条件下的分类预测性能，未详细讨论大规模数据集的应用情况	提高拉曼光谱在有限数据情况下对危险化学物质的识别能力，并探索其在移动设备上的应用潜力	474种危险化学物质的拉曼光谱数据	机器学习	NA	拉曼光谱	CNN	光谱数据	59,468个光谱数据
18593	2024-09-01	Predicting and screening high-performance polyimide membranes using negative correlation based deep ensemble methods 2024-Aug-29, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01160k PMID:39145470	research paper	本研究利用基于负相关集成技术的深度学习方法预测和筛选高性能聚酰亚胺膜，提出了一种基于负相关深度集成方法的深度神经网络模型（DNN-NCL），用于预测聚酰亚胺结构的气体渗透性和选择性。	本研究提出的DNN-NCL模型在测试集上达到了约0.95的值，比近期模型性能提高了4%，并有效缓解了过拟合问题。	NA	探索利用深度学习方法在庞大的化学空间中寻找高性能气体分离膜的可行性。	聚酰亚胺膜的气体渗透性和选择性。	machine learning	NA	深度学习	深度神经网络（DNN）	分子指纹	超过800万个假设聚合物
18594	2024-09-01	Correction: YOLO-V5 based deep learning approach for tooth detection and segmentation on pediatric panoramic radiographs in mixed dentition 2024-Aug-28, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01410-5 PMID:39198729	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18595	2024-09-01	Prediction of mutation-induced protein stability changes based on the geometric representations learned by a self-supervised method 2024-Aug-28, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05876-6 PMID:39198740	研究论文	本文介绍了一种基于自监督学习方法的几何表示来预测突变引起的蛋白质稳定性变化的深度学习框架mutDDG-SSM	mutDDG-SSM框架包括一个基于图注意力网络的蛋白质结构特征提取器和一个基于极端梯度提升模型的稳定性变化预测器，有效缓解了过拟合问题	NA	预测蛋白质结构-功能关系中的突变引起的蛋白质稳定性变化，对蛋白质工程和药物设计具有重要意义	突变引起的蛋白质稳定性变化	机器学习	NA	自监督学习	图注意力网络，极端梯度提升模型	蛋白质结构	使用了大规模高分辨率的蛋白质结构数据集进行训练和测试
18596	2024-09-01	Identify the most appropriate imputation method for handling missing values in clinical structured datasets: a systematic review 2024-Aug-28, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02310-6 PMID:39198744	综述	本研究通过系统综述方法，探讨了临床结构化数据集中处理缺失值的最合适插补方法	本研究构建了一个证据地图，根据缺失值的机制、模式和比例以及各种插补策略，推荐了适用于处理表格数据集中缺失值的合适插补方法	NA	旨在为临床数据预处理阶段选择最合适的插补方法提供指导	临床结构化数据集中的缺失值处理方法	NA	NA	插补技术	NA	表格数据	分析了58篇文章
18597	2024-09-01	Meta-analysis of the effectiveness of early endoscopic treatment of Acute biliary pancreatitis based on lightweight deep learning model 2024-Aug-28, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-024-03361-1 PMID:39198766	meta-分析	本研究通过meta-分析评估早期内镜治疗急性胆源性胰腺炎的有效性，基于轻量级深度学习模型	采用轻量级深度学习模型进行分析，提供了新的技术手段	研究仅包括了8篇文章，可能存在样本量不足的问题	评估早期内镜逆行胰胆管造影（ERCP）治疗急性胆源性胰腺炎的安全性和有效性	急性胆源性胰腺炎患者	NA	急性胆源性胰腺炎	NA	轻量级深度学习模型	NA	8篇文章，共8,801名患者
18598	2024-09-01	COVID-19 severity detection using chest X-ray segmentation and deep learning 2024-08-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70801-z PMID:39191941	研究论文	本文介绍了一种使用胸部X光图像分割和深度学习框架进行COVID-19分类和严重程度预测的方法	采用U-Net进行肺部分割，精度达到0.9924，并使用卷积胶囊网络进行分类，以及ResNet50、VGG-16和DenseNet201进行严重程度评估，其中DenseNet201显示出更高的准确性	NA	提高COVID-19的早期检测和严重程度评估，以改善临床环境中的患者管理和资源分配	COVID-19的分类和严重程度预测	计算机视觉	COVID-19	深度学习	U-Net, Convulation-capsule network, ResNet50, VGG-16, DenseNet201	图像	NA
18599	2024-09-01	Predicting gastric cancer response to anti-HER2 therapy or anti-HER2 combined immunotherapy based on multi-modal data 2024-Aug-26, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-024-01932-y PMID:39183247	研究论文	本研究利用多模态数据预测HER2阳性胃癌患者对单一抗HER2治疗或联合免疫治疗的反应	引入了一种名为MuMo的深度学习模型，该模型整合了影像学、病理学和临床信息，以提高治疗反应预测的准确性	研究未提及具体的模型局限性或数据集的潜在偏差	旨在通过综合分析方法准确预测HER2阳性胃癌患者对抗HER2治疗或联合免疫治疗的反应	HER2阳性胃癌患者	机器学习	胃癌	深度学习	MuMo	多模态数据	429名患者，其中310名接受抗HER2治疗，119名接受抗HER2联合抗PD-1/PD-L1抑制剂免疫治疗
18600	2024-09-01	Impact of Gold-Standard Label Errors on Evaluating Performance of Deep Learning Models in Diabetic Retinopathy Screening: Nationwide Real-World Validation Study 2024-Aug-14, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/52506 PMID:39141915	研究论文	本研究评估了自定义深度学习算法在分类糖尿病视网膜病变（DR）中的准确性，并展示了标签错误如何影响全国性DR筛查计划中的评估	研究揭示了人类图像分级中的标签错误对深度学习算法在实际DR筛查中性能评估的显著影响	研究仅限于分析全国性DR筛查计划中的眼底照片，可能未涵盖所有可能的标签错误情况	评估深度学习算法在糖尿病视网膜病变筛查中的准确性，并探讨标签错误对其性能评估的影响	糖尿病视网膜病变（DR）的分类及标签错误的识别与纠正	机器学习	糖尿病视网膜病变	深度学习	深度学习算法	图像	736,083张图像，来自237,824名参与者