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
61	2024-08-05	Deep Learning for Automated Liver Segmentation to Aid in the Study of Infectious Diseases in Nonhuman Primates 2021-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2020.08.023 PMID:32943333	研究论文	本研究探讨了深度学习在非人类灵长类动物感染疾病研究中自动肝脏分割的应用	首次在非人类灵长类动物的全身CT图像中应用先进的CNN算法进行肝脏分割	主要集中在非人类灵长类动物上，可能不适用于其他物种	提升对感染性疾病中肝脏的准确分割和分析能力	37只非人类灵长类动物的82个CT扫描图像	数字病理学	感染性疾病	深度学习	CNN，FPN、VNet和UNet	图像	37只动物的82个扫描
62	2024-08-05	Octree Representation Improves Data Fidelity of Cardiac CT Images and Convolutional Neural Network Semantic Segmentation of Left Atrial and Ventricular Chambers 2021-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.2021210036 PMID:34870221	研究论文	本研究评估了八叉树表示法及其在心脏CT图像语义分割中的应用。	提出了八叉树基础的卷积神经网络（OctNet），提高了分割精度，并减少了内存占用。	只研究了100名患者的数据，可能缺乏广泛的适用性。	提高三维心脏CT图像分割的准确性。	对100名接受心脏CT血管成像的患者进行数据评估。	计算机视觉	心血管疾病	卷积神经网络（CNN）	OctNet	图像	100名患者的心脏CT图像
63	2024-08-05	DeepAtrophy: Teaching a neural network to detect progressive changes in longitudinal MRI of the hippocampal region in Alzheimer's disease 2021-11, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118514 PMID:34450261	研究论文	本研究提出了一种名为DeepAtrophy的深度学习网络，用于检测阿尔茨海默病中海马区域的进展性变化	通过训练深度学习网络来推断纵向MRI扫描对的时间信息，提供了一种新的量化海马区域疾病进展的方法	该研究使用的样本未包括在训练中的受试者可能影响结果的广泛适用性	探讨如何通过深度学习推断海马区域纵向MRI的时间信息，以量化阿尔茨海默病的进展	研究对象为参与阿尔茨海默病神经影像倡议（ADNI）研究的受试者的纵向MRI扫描	计算机视觉	阿尔茨海默病	深度学习	深度学习网络	MRI图像	NA
64	2024-08-07	The effect of time on the automated detection of the pharyngeal phase in videofluoroscopic swallowing studies 2021-11, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC46164.2021.9629562 PMID:34891978	研究论文	本文比较了基于卷积神经网络（CNN）的不同算法在视频荧光吞咽研究（VFSS）中自动检测咽部阶段的效果	提出使用2DCNN在3帧窗口上的分析方法优于逐帧方法和3DCNN，且检测准确性接近临床金标准	缺乏关于分割吞咽重要且快速阶段的算法策略的共识	探索和优化用于自动检测VFSS中咽部阶段的深度学习算法	比较2DCNN和3DCNN在不同时间窗口输入下的性能	计算机视觉	NA	卷积神经网络（CNN）	CNN	视频	涉及VFSS的多个样本