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
421	2024-10-21	Machine Learning Algorithm: Texture Analysis in CNO and Application in Distinguishing CNO and Bone Marrow Growth-Related Changes on Whole-Body MRI 2023-Dec-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14010061 PMID:38201370	研究论文	本研究分析了慢性非细菌性骨髓炎（CNO）骨病变的纹理特征，并通过机器学习和深度学习方法区分CNO病变与骨髓生长相关变化	本研究首次将机器学习和深度学习方法应用于区分CNO病变与骨髓生长相关变化，并展示了神经网络在分类中的最佳表现	本研究仅限于儿童人群，且样本量较小	分析CNO骨病变的纹理特征，并通过机器学习和深度学习方法区分CNO病变与骨髓生长相关变化	慢性非细菌性骨髓炎（CNO）骨病变和骨髓生长相关变化	机器学习	慢性非细菌性骨髓炎	纹理分析（TA）	神经网络（NN）	图像	66名确诊CNO患者和28名疑似全身性疾病患者
422	2024-10-21	Dry Eye Subtype Classification Using Videokeratography and Deep Learning 2023-Dec-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14010052 PMID:38201361	研究论文	本文介绍了一种利用视频角膜地形图和深度学习进行干眼亚型分类的新方法	提出了一种名为'AI-supported TFOD'的非侵入性方法，使用视频角膜地形图和'模糊值'作为新的指标，结合深度学习进行干眼亚型分类	研究样本量较小，且分类准确率在某些亚型中仍有提升空间	开发一种新的干眼亚型分类方法，以提高诊断的准确性和效率	243例干眼病例，包括严重水液缺乏型、轻中度水液缺乏型、湿润度下降型和蒸发增加型	计算机视觉	眼科疾病	深度学习	3D卷积神经网络	图像	243例干眼病例，包括23名男性和220名女性，平均年龄64.4岁
423	2024-10-21	CryoVirusDB: A Labeled Cryo-EM Image Dataset for AI-Driven Virus Particle Picking 2023-Dec-26, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.25.573312 PMID:38234823	研究论文	本文介绍了一个名为CryoVirusDB的标注冷冻电镜图像数据集，用于AI驱动的病毒颗粒挑选	本文的创新点在于填补了人工标注高质量数据集的空白，为AI和机器学习方法提供了训练和测试的基础	NA	本文的研究目的是为AI和机器学习方法提供一个标注的冷冻电镜图像数据集，以准确识别病毒颗粒	本文的研究对象是冷冻电镜图像中的病毒颗粒	计算机视觉	NA	冷冻电镜	深度学习	图像	9941张微观图像，包含339,398个标注的病毒颗粒
424	2024-10-21	Visual Prompting based Incremental Learning for Semantic Segmentation of Multiplex Immuno-Flourescence Microscopy Imagery 2023-Dec-25, Research square DOI:10.21203/rs.3.rs-3783494/v1 PMID:38234728	研究论文	本文提出了一种基于视觉提示的增量学习框架，用于对多重免疫荧光显微图像进行语义分割	本文的创新点在于使用最小量的人工标注数据，通过增量学习逐步优化多类分割模型，显著提高了分割性能	本文的局限性在于依赖于人工专家的额外标注，且仅在特定类型的图像数据上进行了验证	本文的研究目的是在医学图像分割领域，通过增量学习方法解决标注数据稀缺的问题	本文的研究对象是高分辨率的多重免疫荧光显微图像	计算机视觉	NA	多重免疫荧光显微成像	Swin-UNet	图像	涉及大鼠脑部切片的多重免疫荧光图像
425	2024-10-21	Experimental Examination of Conventional, Semi-Automatic, and Automatic Volumetry Tools for Segmentation of Pulmonary Nodules in a Phantom Study 2023-Dec-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14010028 PMID:38201337	研究论文	本研究旨在评估半自动、常规和自动体积测量工具在胸部CT中对肺结节分割的精度	本研究首次在仿真模型上比较了多种体积测量工具的性能，包括半自动和自动分割方法	所有评估的工具在高精度放射治疗中仍需视觉控制和必要时的手动修正	评估不同体积测量工具在肺结节分割中的精度	胸部CT中的肺结节	数字病理学	肺癌	深度学习算法	NA	图像	使用了一个仿真模型（N1 LUNGMAN）
426	2024-10-21	COVID-19 infection segmentation using hybrid deep learning and image processing techniques 2023-12-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-49337-1 PMID:38123587	研究论文	本文提出了一种结合深度学习和图像处理技术的方法，用于从CT扫描图像中分割COVID-19感染区域	本文提出了一种新的方法，通过将CT扫描图像转换为彩色图像并分离RGB通道，增强了U-Net在分割中的性能，从而提高了COVID-19检测的准确性	本文未提及具体的局限性	研究目的是提高COVID-19感染在CT扫描图像中的检测准确性	研究对象是COVID-19感染的CT扫描图像	计算机视觉	COVID-19	深度学习、图像处理	U-Net	图像	使用了CT扫描数据集进行评估
427	2024-10-21	Deep Learning Model Based on You Only Look Once Algorithm for Detection and Visualization of Fracture Areas in Three-Dimensional Skeletal Images 2023-Dec-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14010011 PMID:38201320	研究论文	本文提出了一种基于YOLO v4算法的深度学习模型，用于检测和可视化三维骨骼图像中的骨折区域	利用YOLO v4算法实现骨折区域的快速检测和直观可视化，通过在3D重建骨骼图像上叠加红色掩膜来突出显示骨折区域	NA	帮助医生更准确和直观地检测和诊断骨折，减少误诊	三维骨骼图像中的骨折区域	计算机视觉	NA	YOLO v4	YOLO v4	三维骨骼图像	胫骨和肘部的骨折区域，分别报告了0.71和0.81的平均精度值，以及0.6327和0.6638的IoU值
428	2024-10-21	Clinical evaluation of a deep-learning model for automatic scoring of the Alberta stroke program early CT score on non-contrast CT 2023-Dec-19, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2022-019970 PMID:37015781	研究论文	本文介绍了一种基于深度学习算法的自动评分系统Heuron ASPECTS，用于评估急性缺血性卒中患者的早期CT评分	开发了一种基于深度学习算法的自动评分系统Heuron ASPECTS，用于替代人工评估急性缺血性卒中患者的早期CT评分	研究样本主要集中在急性缺血性卒中患者，其他类型脑疾病的验证样本较少	验证基于深度学习算法的自动评分系统Heuron ASPECTS在临床实践中的可靠性和准确性	急性缺血性卒中患者和其他急性脑疾病患者的非对比CT图像	计算机视觉	脑血管疾病	深度学习算法	深度学习模型	图像	训练模型使用了487名急性缺血性卒中患者的非对比CT图像，临床试验中包括326名患者（87名急性缺血性卒中患者，56名其他急性脑疾病患者，183名无脑疾病患者）
429	2024-10-21	An improved human activity recognition technique based on convolutional neural network 2023-12-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-49739-1 PMID:38114574	研究论文	本文研究了卷积神经网络（CNN）在人类活动识别（HAR）任务中的应用，并提出了一种改进的CNN模型	提出的CNN模型在人类活动识别任务中的准确率达到了97.20%，优于现有的最先进技术	NA	研究卷积神经网络在人类活动识别中的应用，并提出一种改进的模型以提高识别准确率	人类活动识别任务	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	传感器序列数据	使用了公开的WISDM数据集进行研究
430	2024-10-21	Quality assessment of colour fundus and fluorescein angiography images using deep learning 2023-12-18, The British journal of ophthalmology DOI:10.1136/bjo-2022-321963 PMID:36418144	研究论文	本文开发了一种用于彩色眼底和荧光素血管造影图像质量评估的神经网络	本文提出了一种自动化实时图像质量评估方法，展示了与人类水平相当的性能	NA	开发一种用于彩色眼底和荧光素血管造影图像的自动化实时图像质量评估神经网络	彩色眼底和荧光素血管造影图像	计算机视觉	NA	深度学习	神经网络	图像	2272张彩色眼底图像和2492张荧光素血管造影图像
431	2024-10-21	The Algorithmic Lung Detective: Artificial Intelligence in the Diagnosis of Pulmonary Embolism 2023-Dec, Cureus DOI:10.7759/cureus.51006 PMID:38259362	研究论文	本文探讨了人工智能在肺栓塞诊断中的应用	利用卷积神经网络和深度学习重建技术，人工智能在肺栓塞检测中表现出更高的敏感性和阴性预测值	人工智能作为放射科医生的辅助工具，而非替代品，仍需人类专家的判断	提高肺栓塞诊断的准确性和效率	肺栓塞的诊断	计算机视觉	心血管疾病	卷积神经网络	CNN	图像	NA
432	2024-10-21	Deep Learning Performance of Ultra-Widefield Fundus Imaging for Screening Retinal Lesions in Rural Locales 2023-Nov-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2023.4650 PMID:37856107	研究论文	研究了基于超广角眼底图像的深度学习系统在农村地区筛查视网膜病变的表现	首次探索了使用超广角眼底图像的深度学习系统在农村地区筛查视网膜病变的可能性	农村地区的图像质量较差、病变比例多样且病变组成复杂，可能影响了深度学习系统的性能	探索基于超广角眼底图像的深度学习系统在农村地区筛查多种视网膜病变的表现	农村地区的视网膜病变筛查	计算机视觉	视网膜疾病	深度学习系统	深度学习系统	图像	6222只眼睛，3149名参与者
433	2024-10-21	Application of deep learning technology for temporal analysis of videofluoroscopic swallowing studies 2023-10-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-44802-3 PMID:37845272	研究论文	本文开发了一种基于深度学习的模型，用于自动测量吞咽研究中的各种时间参数	本文提出了基于ResNet3D的模型，相比之前的VGG和I3D模型，在准确性、F1分数和平均精度方面取得了最佳结果	NA	开发一种自动测量吞咽研究中时间参数的模型，以提高分析的准确性和效率	吞咽研究中的时间参数，包括口腔期持续时间、咽部延迟时间等七个参数	计算机视觉	NA	深度学习	ResNet3D	视频	547个VFSS视频片段
434	2024-10-21	Data-Driven Models for Predicting Intrinsically Disordered Protein Polymer Physics Directly from Composition or Sequence 2023-Sep-01, Molecular systems design & engineering IF:3.2Q3 DOI:10.1039/D3ME00053B PMID:38222029	研究论文	本文开发了新的无序蛋白质表示方法，并结合经典机器学习和深度学习模型预测无序蛋白质的回转半径和相关缩放指数	提出了一种新的基于氨基酸相互作用的表示方法，该方法在预测无序蛋白质的物理性质方面表现优异	研究仅限于粗粒度模拟数据，未来需要验证其在实验数据上的表现	开发新的计算方法来理解无序蛋白质的分子层面特性	无序蛋白质的回转半径和缩放指数	机器学习	NA	机器学习和深度学习	NA	序列	10,000个粗粒度模拟序列
435	2024-10-21	Unsupervised Detection and Correction of Model Calibration Shift at Test-Time 2023-07, 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/EMBC40787.2023.10341086 PMID:38083174	研究论文	本文提出了一种在测试时检测和校正模型校准偏移的方法	本文提出了一种名为CaDC的方法，专门设计用于仅利用目标医院的未标记数据进行模型校准检测和校正	NA	研究目的是提高临床预测模型在不同医院和时间上的泛化能力	研究对象是脓毒症早期预测模型	机器学习	脓毒症	深度学习	CaDC模型	未标记数据	545,089名成年患者
436	2024-10-21	Development & Deployment of a Real-time Healthcare Predictive Analytics Platform 2023-07, 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/EMBC40787.2023.10340351 PMID:38083765	研究论文	开发并部署了一个可扩展的、基于云的、容错的实时医疗预测分析平台	提出了一个能够安全无缝集成到现有医疗工作流程中的预测分析平台，并成功部署在UC San Diego Health系统中	NA	开发和部署一个能够实时处理电子健康记录数据并进行预测分析的平台	电子健康记录数据和实时预测分析	机器学习	NA	深度学习	深度学习模型	电子健康记录数据	NA
437	2024-10-21	Deep learning based synthetic CT from cone beam CT generation for abdominal paediatric radiotherapy 2023-05-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acc921 PMID:36996837	研究论文	本文提出了一种基于深度学习的循环一致生成对抗网络（cycleGANs）框架，用于从锥形束CT（CBCT）生成合成CT图像，以提高儿科腹部放射治疗中剂量计算的图像质量	引入了全局残差仅学习概念，并修改了cycleGAN损失函数以促进源图像和合成图像之间的结构一致性	由于儿科患者数据集较小，存在数据收集困难的问题	提高儿科腹部放射治疗中CBCT图像的质量，以进行剂量重新计算和优化	儿科腹部患者的CBCT图像	计算机视觉	NA	深度学习	生成对抗网络（GAN）	图像	涉及多种恶性肿瘤（胸腹盆腔）患者的扫描数据
438	2024-10-21	Local Contrastive Learning for Medical Image Recognition 2023, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:38222415	研究论文	本文提出了一种用于医学图像识别的局部对比学习框架	引入了一种灵活的微调框架LRCLR，增加了显著图像区域选择和跨模态交互的层	未提及	提高医学图像分析中对细微病理差异的区分能力，并提供图像区域与文本之间的解释	胸部X光图像	计算机视觉	NA	深度学习	对比学习	图像	外部验证集中的胸部X光图像
439	2024-10-21	Towards Fair Patient-Trial Matching via Patient-Criterion Level Fairness Constraint 2023, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:38222427	研究论文	本文提出了一种基于患者-标准层公平性约束的公平患者-试验匹配框架	本文的创新点在于引入了患者-标准层公平性约束，以解决深度学习模型在患者-试验匹配中可能出现的公平性问题	本文未详细讨论该框架在实际应用中的可扩展性和效率问题	本文旨在解决临床试验中患者招募和保留的挑战，并提出一种公平的患者-试验匹配方法	本文的研究对象是临床试验中的患者和试验标准	机器学习	NA	深度学习	NA	文本	NA
440	2024-10-21	Prospective deployment of an automated implementation solution for artificial intelligence translation to clinical radiation oncology 2023, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2023.1305511 PMID:38239639	研究论文	本文介绍了一种名为Deep Learning On-Demand Assistant (DL-ODA)的全自动端到端临床平台，用于在放射肿瘤学中实现人工智能干预	DL-ODA平台的多模态、全自动端到端AI临床实施解决方案的创新性	NA	展示DL-ODA在放射肿瘤学中的应用，并验证其在临床环境中的可行性	DL-ODA系统在放射治疗计划中的应用，包括自动模型训练、自动分割和质量保证报告	数字病理学	NA	深度学习	NA	图像	3,399例肺部和885例脊柱放射治疗病例用于回顾性分析，2,500例心脏和230例脊柱病例用于前瞻性质量保证分析