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
19141	2024-08-31	Efficacy of Vitamin B12 and Adenosine Triphosphate in Enhancing Skin Radiance: Unveiled with a Drug-Target Interaction Deep Learning-Based Model 2024-Aug-20, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb46080537 PMID:39194754	研究论文	本研究通过基于深度学习的药物-靶点相互作用模型，探讨了维生素B12和三磷酸腺苷在增强皮肤光泽方面的功效。	本研究首次通过人工智能技术筛选并选择具有EDNRB和ADIPOR1亲和力的成分，发现维生素B12和三磷酸腺苷复合物能显著提高皮肤光泽、弹性和质地。	NA	开发一种通过减少色素沉着和改善皮肤再生来增强皮肤光泽的化妆品配方。	维生素B12和三磷酸腺苷在增强皮肤光泽中的作用及其机制。	机器学习	NA	深度学习	NA	NA	人类参与者
19142	2024-08-31	Celiac Disease Deep Learning Image Classification Using Convolutional Neural Networks 2024-Aug-16, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080200 PMID:39194989	研究论文	本研究使用卷积神经网络（CNN）对乳糜泻（CD）的苏木精和伊红（H&E）组织学图像进行分类，包括正常小肠对照和非特异性十二指肠炎症	研究展示了CNN在多类别组织学图像分类中的高准确性，并引入了梯度加权类激活映射（Grad-CAM）技术以解释分类决策	研究主要集中在图像分类上，未涉及乳糜泻的更深入病理机制或其他治疗方法	验证卷积神经网络在乳糜泻组织学图像分类中的有效性	乳糜泻、正常小肠对照、非特异性十二指肠炎症、十二指肠腺癌和克罗恩病的组织学图像	计算机视觉	乳糜泻	卷积神经网络（CNN）	CNN	图像	7294张乳糜泻图像，11642张正常小肠对照图像，5966张非特异性十二指肠炎症图像，3723张十二指肠腺癌图像，13043张克罗恩病图像
19143	2024-08-31	Deep Learning-based Segmentation of Computed Tomography Scans Predicts Disease Progression and Mortality in Idiopathic Pulmonary Fibrosis 2024-Aug-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202311-2185OC PMID:38452227	研究论文	本研究利用深度学习技术对计算机断层扫描（CT）图像进行分割，以预测特发性肺纤维化（IPF）的疾病进展和死亡率	开发了自动化的影像生物标志物，通过深度学习技术对CT扫描进行分割，提供近远期的预后信息	NA	开发基于深度学习的自动化影像生物标志物，用于预测特发性肺纤维化的疾病进展和死亡率	特发性肺纤维化患者的CT扫描图像	计算机视觉	肺纤维化	深度学习	CNN	图像	446名特发性肺纤维化患者
19144	2024-08-31	Efficient and Accurate 3D Thickness Measurement in Vessel Wall Imaging: Overcoming Limitations of 2D Approaches Using the Laplacian Method 2024-Aug-15, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd11080249 PMID:39195157	研究论文	本文提出了一种基于拉普拉斯方法的高效准确的3D血管壁厚度测量技术，以克服传统2D方法的局限性	本文首次将拉普拉斯方法应用于3D血管壁厚度测量，实现了对血管壁厚度在所有维度上的精确量化	传统2D方法依赖于提取的2D切片，无法全面考虑血管壁厚度在所有维度上的变化，且难以扩展到3D	推动血管壁厚度测量从2D向3D方法的转变，以提高诊断的准确性和定位能力	血管壁厚度的精确测量	计算机视觉	心血管疾病	拉普拉斯方法	CNN	图像	使用数字幻影和血管壁成像数据进行实验
19145	2024-08-31	Hyperpolarized Magnetic Resonance Imaging, Nuclear Magnetic Resonance Metabolomics, and Artificial Intelligence to Interrogate the Metabolic Evolution of Glioblastoma 2024-Aug-14, Metabolites IF:3.4Q2 DOI:10.3390/metabo14080448 PMID:39195544	研究论文	研究利用超极化磁共振成像、核磁共振代谢组学和人工智能技术，探讨胶质母细胞瘤的代谢演变	开发了一种结合多种癌症数据模式的深度学习模型，能够比传统磁共振成像和单独的超极化磁共振成像更早地检测到胶质母细胞瘤的进展	NA	旨在通过先进的成像和分析技术早期检测胶质母细胞瘤，以实现更有效的治疗	胶质母细胞瘤	机器学习	脑癌	超极化磁共振成像	深度学习模型	多模态数据	使用胶质母细胞瘤小鼠模型
19146	2024-08-31	A Multi-Scale Target Detection Method Using an Improved Faster Region Convolutional Neural Network Based on Enhanced Backbone and Optimized Mechanisms 2024-Aug-13, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080197 PMID:39194986	研究论文	本文提出了一种基于增强骨干网络和优化机制的改进型Faster R-CNN多尺度目标检测方法	该算法通过使用ResNet101网络进行特征提取、集成OHEM、Soft-NMS和DIOU模块以及简化RPN，提高了多尺度目标检测的准确性和效率	NA	旨在提升算法在多尺度目标检测中的能力	多尺度目标检测	计算机视觉	NA	Faster R-CNN	CNN	图像	NA
19147	2024-08-31	Gastric Cancer Image Classification: A Comparative Analysis and Feature Fusion Strategies 2024-Aug-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080195 PMID:39194984	研究论文	本研究利用机器学习和深度学习技术对胃癌病理图像进行分类，通过比较分析和特征融合策略，识别最有效的特征和分类器组合。	本研究通过结合手工特征和深度特征，以及浅层学习分类器，实现了对正常和异常病理图像的有效区分，无需使用微调策略。	研究未提及具体的局限性。	开发自动化和精确的病理诊断工具，提高胃癌的诊断准确性。	胃癌病理图像的分类。	数字病理学	胃癌	机器学习, 深度学习	SVM	图像	使用GasHisSDB数据集
19148	2024-08-31	ESFPNet: Efficient Stage-Wise Feature Pyramid on Mix Transformer for Deep Learning-Based Cancer Analysis in Endoscopic Video 2024-Aug-07, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080191 PMID:39194980	研究论文	本文提出了一种名为ESFPNet的深度学习架构，用于实时检测和分割内窥镜视频中的病变区域	ESFPNet结合了预训练的Mix Transformer编码器和包含新型高效阶段特征金字塔（ESFP）的解码器结构，提高了病变分割的准确性	NA	开发一种高效的深度学习模型，用于实时分析内窥镜视频中的病变区域	内窥镜视频中的肺部和肠道病变	机器学习	肺部疾病，肠道疾病	深度学习	ESFPNet	视频	涉及多个公开的肺部和肠道内窥镜数据库
19149	2024-08-31	Automatic Segmentation of Mediastinal Lymph Nodes and Blood Vessels in Endobronchial Ultrasound (EBUS) Images Using Deep Learning 2024-Aug-06, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080190 PMID:39194979	研究论文	本研究利用基于U-Net架构的深度学习方法，自动检测和分割内镜超声（EBUS）图像中的纵隔淋巴结和血管	采用了一种新的基于U-Net架构的方法（EBUS-AI），能够自动检测和分割纵隔淋巴结和血管	NA	旨在通过自动检测和分割纵隔淋巴结和血管，提高肺癌分期中纵隔结构评估的准确性	纵隔淋巴结和血管的自动检测与分割	计算机视觉	肺癌	深度学习	U-Net	图像	共1161张EBUS图像，来自40名患者，其中882张用于训练和验证，145张用于验证，134张用于测试
19150	2024-08-31	Accurate prediction of protein function using statistics-informed graph networks 2024-Aug-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50955-0 PMID:39097570	research paper	本文提出了一种利用统计信息图网络从蛋白质序列中预测蛋白质功能的方法	该方法能够通过表征进化特征，定量评估执行特定功能的残基的重要性，缩小了序列与功能之间的差距	NA	旨在通过计算方法预测蛋白质功能，特别是在缺乏结构信息的情况下	蛋白质功能预测	machine learning	NA	统计信息图网络	PhiGnet	蛋白质序列	NA
19151	2024-08-31	Integrating bioinformatics and machine learning methods to analyze diagnostic biomarkers for HBV-induced hepatocellular carcinoma 2024-Aug-02, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-024-01528-8 PMID:39095799	研究论文	本研究通过结合生物信息学和深度学习方法，分析了HBV诱导的肝细胞癌（HBV-HCC）的分子机制，并识别了关键基因RACGAP1、ECT2和NDC80，这些基因可能作为HBV-HCC的诊断标志物和靶向治疗药物的开发目标。	本研究首次结合生物信息学和深度学习方法，识别了HBV-HCC的关键基因，并验证了这些基因在诊断和治疗中的潜在价值。	本研究主要集中在基因水平的分析，未来研究可以进一步探索这些关键基因在细胞和组织水平的作用机制。	研究HBV诱导的肝细胞癌的分子机制，并识别潜在的诊断标志物和治疗靶点。	HBV诱导的肝细胞癌的关键基因及其在诊断和治疗中的应用。	机器学习	肝细胞癌	深度学习	Lasso, 随机森林, SVM	基因表达数据	从GEO数据库收集的HBV-HCC相关基因集
19152	2024-08-31	Targeted therapy and deep learning insights into microglia modulation for spinal cord injury 2024-Aug, Materials today. Bio DOI:10.1016/j.mtbio.2024.101117 PMID:38975239	研究论文	本文提出了一种基于深度学习的技术，用于量化药物负载纳米载体治疗后脊髓损伤模型中的小胶质细胞激活	利用卷积神经网络对小胶质细胞进行基于形态特征的分割和分类，提供了一种标准化的方法来比较治疗选项	NA	研究小胶质细胞在脊髓损伤中的调节作用，并探索靶向治疗和深度学习的应用	小胶质细胞在脊髓损伤中的激活状态	机器学习	脊髓损伤	深度学习	CNN	图像	来自受伤和完整脊髓的组织学图片集合
19153	2024-08-31	Unsupervised Segmentation of 3D Microvascular Photoacoustic Images Using Deep Generative Learning 2024-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202402195 PMID:38923324	研究论文	本文介绍了一种无监督的深度学习模型VAN-GAN，用于从3D微血管光声图像中进行血管分割	VAN-GAN利用合成血管网络进行训练，无需人工标注的地面真实标签，能够准确且无偏地分割3D血管网络	NA	开发一种无监督的深度学习方法，用于从3D光声图像中自动分割血管网络	3D微血管光声图像中的血管网络	计算机视觉	乳腺癌	光声成像(PAI)	生成对抗网络(GAN)	图像	包括患者来源的乳腺癌异种移植模型和3D临床血管造影在内的多种体内外数据
19154	2024-08-31	SVPath: A Deep Learning Tool for Analysis of Stria Vascularis from Histology Slides 2024-Aug, Journal of the Association for Research in Otolaryngology : JARO DOI:10.1007/s10162-024-00948-z PMID:38760547	研究论文	本文介绍了一种名为SVPath的深度学习工具，用于从组织病理学切片中提取和分析血管纹及其相关毛细血管床	开发了SVPath工具，利用YOLOv8和nnUnet深度学习方法自动检测和分割血管纹特征	仅在正常猕猴耳朵的组织切片上进行了验证，可能需要进一步在不同物种或病理条件下进行验证	开发一种自动分析血管纹结构的方法，以帮助理解其在耳科病理中的作用	血管纹及其相关毛细血管床的结构和形态	数字病理学	NA	深度学习	YOLOv8, nnUnet	图像	203张正常猕猴耳朵的数字化的苏木精和伊红染色切片，以及10张外部验证切片
19155	2024-08-31	Current Applications and Future Perspectives of Artificial and Biomimetic Intelligence in Vascular Surgery and Peripheral Artery Disease 2024-Aug-01, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9080465 PMID:39194444	研究论文	本文探讨了人工智能（AI）和仿生智能（BI）在血管外科和外周动脉疾病治疗中的当前应用和未来展望	AI和BI为血管领域提供了新的诊断和治疗解决方案，通过访问临床、生物和影像数据，评估血管解剖、分类疾病程度，并指导手术技术选择	NA	探索AI和BI在血管外科和外周动脉疾病治疗中的应用和未来发展	人工智能和仿生智能在血管外科和外周动脉疾病治疗中的应用	计算机视觉	外周动脉疾病	机器学习（ML），深度学习（DL），人工神经网络（ANN），卷积神经网络（CNN），计算机视觉（CV）	卷积神经网络（CNN）	临床数据，生物数据，影像数据	NA
19156	2024-08-31	Semantic Segmentation in Large-Size Orthomosaics to Detect the Vegetation Area in Opuntia spp. Crop 2024-Aug-01, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080187 PMID:39194976	研究论文	本研究专注于在大尺寸正射影像图中进行语义分割，以检测Opuntia spp.作物中的植被区域	提出使用深度学习技术，如DeepLabV3+、UNet和UNet Style Xception，来提供更精确和高效的植被区域测量方法	研究集中在高分辨率图像的分割上，这些图像通常超过2000像素，这在农业监测的正射影像生成中是一个常见问题	开发和改进基于深度学习的作物分析技术	Opuntia spp.作物的植被区域	计算机视觉	NA	深度学习	DeepLabV3+, UNet, UNet Style Xception	图像	研究在墨西哥Hidalgo州Tulancingo农业区域的Opuntia spp.种植区进行
19157	2024-08-31	Label-Free Surface-Enhanced Raman Spectroscopy with Machine Learning for the Diagnosis of Thyroid Cancer by Using Fine-Needle Aspiration Liquid Samples 2024-Jul-31, Biosensors DOI:10.3390/bios14080372 PMID:39194601	研究论文	本研究开发了一种无需标记的表面增强拉曼光谱（SERS）液体活检方法，结合机器学习算法，用于通过甲状腺细针穿刺（FNA）洗涤液快速准确地诊断甲状腺癌	采用无需标记的SERS技术结合深度学习模型进行甲状腺癌的早期检测和筛查	样本量较小，仅包括36个甲状腺FNA样本	开发一种快速、准确且成本效益高的甲状腺癌诊断方法	甲状腺FNA洗涤液中的恶性与良性样本	机器学习	甲状腺癌	表面增强拉曼光谱（SERS）	卷积神经网络（CNN）	拉曼光谱	36个甲状腺FNA样本（18个恶性，18个良性）
19158	2024-08-31	Overlapping Shoeprint Detection by Edge Detection and Deep Learning 2024-Jul-31, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080186 PMID:39194975	研究论文	本研究通过结合边缘检测和图像分割技术，利用YOLO模型改进重叠鞋印的检测	引入YOLO模型并结合边缘检测和图像分割技术，提高了重叠鞋印检测的敏感性和精确度	研究主要集中在重叠鞋印的检测，未涉及其他类型的重叠物体	提高在复杂背景下重叠物体的检测准确性	重叠鞋印	计算机视觉	NA	边缘检测	YOLO	图像	未具体说明样本数量
19159	2024-08-31	Optimized Crop Disease Identification in Bangladesh: A Deep Learning and SVM Hybrid Model for Rice, Potato, and Corn 2024-Jul-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080183 PMID:39194972	研究论文	本研究构建了一个混合深度学习模型，用于识别三种主要作物（马铃薯、水稻和玉米）的三种特定疾病	本研究利用EfficientNetB0的特征提取能力和SVM的分类能力，提出了一种统一的混合模型，旨在提高数据处理和特征提取的效率，并改善模型在不同作物和疾病中的泛化能力	NA	确保作物健康生长，提高农业部门的可持续发展	马铃薯晚疫病、水稻褐斑病和玉米普通锈病	机器学习	NA	深度学习	混合模型（EfficientNetB0和SVM）	图像	NA
19160	2024-08-31	Enhanced Nanoparticle Recognition via Deep Learning-Accelerated Plasmonic Sensing 2024-Jul-26, Biosensors DOI:10.3390/bios14080363 PMID:39194592	研究论文	本文开发了一种基于单颗粒干涉散射模型和深度学习处理的表面等离子体显微镜成像加速方法，用于识别和分类干涉散射图像中的多个颗粒	本文提出了一种结合理论模拟和实际测量数据的新型深度学习技术，有效提高了在噪声条件下对颗粒的分类和识别能力	NA	开发一种自动化的方法，用于高效分析表面等离子体显微镜成像数据中的颗粒	生物颗粒和生物分子，如外泌体、病毒和细菌	计算机视觉	NA	表面等离子体显微镜	EfficientNet	图像	NA