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
1461	2024-08-05	The role of deep learning for periapical lesion detection on panoramic radiographs 2023-Nov, Dento maxillo facial radiology DOI:10.1259/dmfr.20230118 PMID:37641964	研究论文	本研究旨在使用深度学习自动检测全景放射片上的根尖病变	采用了10种不同的深度学习检测框架，结果显示深度学习模型在检测根尖病变方面表现出色	未提及具体限制	研究深度学习在全景放射片根尖病变检测中的应用	使用454个对象在357张全景放射片上进行标记和检测	计算机视觉	NA	深度学习	RetinaNet	图像	454个对象，357张全景放射片
1462	2024-08-05	Deep learning and clustering approaches for dental implant size classification based on periapical radiographs 2023-10-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-42385-7 PMID:37803022	研究论文	本研究探讨了两种人工智能方法用于基于根尖影像自动分类牙种植体的直径和长度	提出将深度学习和聚类分析结合用于牙种植体尺寸分类，并使用预训练的VGG16模型进行微调	AI模型需在多中心数据上进行验证以用于临床应用	旨在自动化牙种植体尺寸的分类，提高分类准确性	基于根尖影像的牙种植体直径和长度	机器学习	NA	深度学习和聚类分析	VGG16和k-means++	图像	NA
1463	2024-08-05	The use of deep learning in medical imaging to improve spine care: A scoping review of current literature and clinical applications 2023-Sep, North American Spine Society journal DOI:10.1016/j.xnsj.2023.100236 PMID:37599816	综述	本文评估了深度学习在脊柱影像学中的当前文献和临床应用	提供了深度学习在脊柱护理中的最新应用情况和研究发现	未能全面覆盖所有相关研究，且只有15%的模型经过外部验证	探讨深度学习在脊柱影像学中的使用情况和有效性	评估脊柱影像学中深度学习算法的应用和临床效果	医学影像	脊柱疾病	深度学习	U-Net和ResNet	文献数据	365项研究，总样本量232,394名患者
1464	2024-08-05	A deep learning framework to scale linear facial measurements to actual size using horizontal visible iris diameter: a study on an Iranian population 2023-08-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-40839-6 PMID:37612309	研究论文	本研究开发了一种深度学习工具，通过虹膜直径对人脸图像进行线性测量的校准	提出使用虹膜的水平可见直径作为自动校正图像放大比例的参考标志	研究仅在伊朗人群中进行，可能无法推广到其他种群	旨在提高面部图像测量的精度以支持临床评估	研究对象为94名受试者的面部图像	计算机视觉	NA	深度学习	NA	图像	94个受试者
1465	2024-08-05	Investigation of the best effective fold of data augmentation for training deep learning models for recognition of contiguity between mandibular third molar and inferior alveolar canal on panoramic radiographs 2023-Jul, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-023-04992-6 PMID:37043029	研究论文	本研究旨在使用全景放射影像训练深度学习模型，以识别下颌第三磨牙与下 alveolar 管之间的连续性，并探索最佳的数据增强折数	该研究探讨了在训练深度学习模型时，数据增强不同折数对模型识别性能的影响	不同增强折数间虽然没有显著差异，但最高的AUC并没有在所有模型中表现出一致性	研究旨在提高深度学习模型识别下颌第三磨牙与下 alveolar 管之间连续性的能力	研究对象为1800张经过裁剪的下颌第三磨牙影像	数字病理学	NA	深度学习模型	AlexNet, VGG-16, GoogLeNet	图像	1800张下颌第三磨牙裁剪影像
1466	2024-08-05	Impact of Noisy Labels on Dental Deep Learning-Calculus Detection on Bitewing Radiographs 2023-Apr-23, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm12093058 PMID:37176499	研究论文	本研究评估了标签噪声对牙科深度学习中计算石检测的影响	探讨了不同标签不一致性对模型性能的影响，特别是在口腔X光图像上	只分析了特定的数据集，无法推广到所有类型的医学图像	评估数据标签不一致性对牙科计算石检测模型性能的影响	牙科X光图像中的计算石标注数据	计算机视觉	NA	YOLOv5	目标检测网络	医学图像	2584张咬翼X光图像
1467	2024-08-05	Classification of Alzheimer's disease stages from magnetic resonance images using deep learning 2023, PeerJ. Computer science DOI:10.7717/peerj-cs.1490 PMID:37705614	研究论文	本文提出了一种基于深度学习的方法，通过磁共振成像（MRI）分类阿尔茨海默病（AD）的不同阶段	创新之处在于使用深度学习和多种网络架构（如EfficientNet、DenseNet和视觉变换器）来提高AD早期检测的精确度	研究的限制在于样本大小和样本的特定来源，可能影响结果的通用性	本研究旨在利用深度学习技术提高阿尔茨海默病早期诊断的准确性	研究对象为来自阿尔茨海默病神经影像倡议和开放获取成像研究系列数据库的MRI图像	计算机视觉	阿尔茨海默病	磁共振成像（MRI）	3D卷积神经网络	图像	使用了来自多个数据库的特定MRI图像集，样本大小未明确说明
1468	2024-08-05	Patient-level thyroid cancer classification using attention multiple instance learning on fused multi-scale ultrasound image features 2023, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:38222341	研究论文	该文章提出了一种基于注意力的多实例学习模型用于甲状腺癌的患者级分类。	创新性地结合了不同超声图像帧的全局和局部特征进行患者级恶性肿瘤分类。	目前模型仍然依赖于手动注释的肿块分割。	本研究旨在改善甲状腺结节的恶性肿瘤分类性能。	研究对象为超声图像中的甲状腺结节。	数字病理学	甲状腺癌	深度学习	多实例学习	图像	NA
1469	2024-08-05	A deep learning approach based on multi-omics data integration to construct a risk stratification prediction model for skin cutaneous melanoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05358-x PMID:37673824	研究论文	本研究提出了一种基于深度学习的模型，从多组学数据中构建皮肤黑色素瘤的风险分类预测模型	提出了一种结合早期融合特征自编码器和晚期融合特征自编码器的深度学习框架，用于SKCM的风险亚型预测	尚未提及可能的局限性	构建SKCM的风险亚型分类模型以改善预测能力	SKCM患者的mRNA、miRNA和DNA甲基化数据	数字病理	皮肤癌	深度学习	自编码器（AE）	多组学数据	使用了两个独立测试数据集的SKCM患者数据
1470	2024-08-05	Development and external validation of the multichannel deep learning model based on unenhanced CT for differentiating fat-poor angiomyolipoma from renal cell carcinoma: a two-center retrospective study 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05339-0 PMID:37672075	研究论文	本研究开发并评估了一种基于未增强CT的多通道深度学习模型，以区分贫脂肪血管平滑肌脂肪瘤和肾细胞癌	该文章创新性地提出了一种针对贫脂肪血管平滑肌脂肪瘤与肾细胞癌的深度学习分类器，并通过内外部验证其有效性	仅使用了两个中心的回顾性数据，可能影响模型的通用性和适应性	旨在区分贫脂肪血管平滑肌脂肪瘤和肾细胞癌	320名来自两个医疗中心的患者数据	数字病理学	肾细胞癌	未增强CT	深度学习模型	影像	总共452名患者，包括320名患者和132名患者
1471	2024-08-05	SMiT: symmetric mask transformer for disease severity detection 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05223-x PMID:37698681	研究论文	本文提出了一种对病理图像进行诊断分级的对称掩码预训练视觉变换器SMiT模型	作者采用纯变换器框架，不依赖传统CNN模型，并提出了一种新的对称性掩码预训练方法	针对特定类型的癌症图像进行评估，可能不适用于所有病理图片	研究旨在提高病理图像分类中的疾病严重性检测准确性	涉及4500张结直肠癌的组织病理图像	数字病理学	癌症	变换器	视觉变换器	图像	4500张结直肠癌组织病理图像和公开的糖尿病视网膜病变数据集
1472	2024-08-05	Combining radiomics and deep learning features of intra-tumoral and peri-tumoral regions for the classification of breast cancer lung metastasis and primary lung cancer with low-dose CT 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05329-2 PMID:37642722	研究论文	本研究探讨了低剂量CT下，肿瘤内区域和肿瘤周围区域的放射组学和深度学习特征在乳腺癌肺转移和原发性肺癌诊断中的表现	提出了一种融合模型，结合了深度学习特征和传统放射组学特征，采用多区域策略	本文未提及样本的异质性和模型在其他类型肺癌中的适用性	研究低剂量CT下，乳腺癌肺转移和原发性肺癌的分类性能	100例乳腺癌患者的低剂量CT影像数据，包括60例BCLM与40例PLC	数字病理学	肺癌	低剂量CT	ResNet18基础的多输入残差卷积网络	图像	100例乳腺癌患者的低剂量CT影像
1473	2024-08-05	SpheroScan: A User-Friendly Deep Learning Tool for Spheroid Image Analysis 2023-Jun-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.06.28.533479 PMID:37425923	研究论文	本文介绍了SpheroScan，一个用户友好的深度学习工具，用于球形图像分析	开发了一个全自动、基于网络的工具，使用掩模区域卷积神经网络进行图像检测和分割	NA	解决缺乏自动化和用户友好的3D球体图像分析工具的问题	使用IncuCyte活细胞分析系统和常规显微镜拍摄的球形图像	数字病理	NA	深度学习	卷积神经网络	图像	使用的训练集和验证集的具体样本数量未提供
1474	2024-08-05	The ChatGPT Storm and What Faculty Can Do 2023 May-Jun 01, Nurse educator IF:2.4Q1 DOI:10.1097/NNE.0000000000001390 PMID:37043716	研究论文	本论文讨论了ChatGPT在学术界的迅速普及及其伦理使用的关注	探讨教师如何应对ChatGPT带来的挑战，强调自我反思、批判性思维和独立学习的重要性	未提及具体的实证研究或数据支持	旨在探讨ChatGPT在护理教育中的潜力及其伦理使用	关注职员及学生如何利用ChatGPT进行学习和信息评估	自然语言处理	NA	深度学习语言模型	NA	文本	NA
1475	2024-08-05	Intelligent oncology: The convergence of artificial intelligence and oncology 2023-Mar, Journal of the National Cancer Center IF:7.6Q1 DOI:10.1016/j.jncc.2022.11.004 PMID:39036310	研究论文	本文描述了一种称为智能肿瘤学的整体和结构化概念	提出了一个跨学科的智能肿瘤学概念，整合多个领域以促进癌症管理	智能肿瘤学的概念和应用仍处于 infancy，面临许多障碍和挑战	旨在促进癌症预防、筛查、早期诊断和精确治疗	整合肿瘤学、放射学、病理学、分子生物学等领域	计算机视觉	癌症	自然语言处理、机器/深度学习	NA	NA	NA
1476	2024-08-05	Self-supervised deep learning for highly efficient spatial immunophenotyping 2023-Sep, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104769 PMID:37672979	研究论文	该文章提出了一种自监督学习方法，用于高效的细胞免疫表型识别。	文章提出的SANDI模型通过自监督学习显著降低了标注负担，同时维持了细胞表型识别的准确性。	研究的样本数量和标注参考集的规模可能限制了模型的泛化能力。	本研究旨在开发一种高效的细胞免疫表型识别方法，以支持标志物的发现和临床转化。	研究对象是多重免疫组化数据集中的单细胞图像。	数字病理学	卵巢癌	多重免疫组化	自监督学习模型 (SANDI)	图像	涉及2825到15,258个单细胞图像
1477	2024-08-05	Prediction-oriented prognostic biomarker discovery with survival machine learning methods 2023-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqad055 PMID:37332657	研究论文	本文提出了一系列基于生存机器学习方法的预测导向生物标志物选择框架。	采用了随机生存森林、极端梯度提升、轻量级梯度提升和深度学习生存模型等新型机器学习算法进行生物标志物选择，并将PROMISE方法调整为生存模型(PROMISE-Cox)。	在生存模型中不同特征选择方法的表现需要进一步深入研究。	目标是发现新颖且可靠的预后生物标志物，以预测患者的生存结果。	主要研究对象为不同类型的头颈癌数据中的预后生物标志物。	机器学习	癌症	机器学习算法	随机生存森林、极端梯度提升、轻量级梯度提升、深度学习模型	数据	不同类型的头颈癌数据集（具体样本量未提及）
1478	2024-08-05	Deep Clustering of Electronic Health Records Tabular Data for Clinical Interpretation 2023-Dec, ... IEEE International Conference on Telecommunications and Photonics. IEEE International Conference on Telecommunications and Photonics DOI:10.1109/ictp60248.2023.10490723 PMID:39027675	研究论文	本研究提出了一种基于临床变量的患者分层策略，并评估了聚类性能。	创新点在于提出了一种基于临床变量进行患者分层的新策略，并采用深度学习方法改善了聚类效果。	本研究局限于使用传统聚类算法进行比较，未涉及其他复杂模型的应用。	本研究旨在提高对患者数据的理解和分析，特别是在没有明确诊断标签的情况下。	研究对象为高血压患者群体，通过聚类分析识别了不同患者簇。	机器学习	NA	深度学习	NA	表格数据	NA
1479	2024-08-05	Generative adversarial network constrained multiple loss autoencoder: A deep learning-based individual atrophy detection for Alzheimer's disease and mild cognitive impairment 2023-02-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26146 PMID:36394351	研究论文	本文提出了一种生成对抗网络约束的多损失自编码器框架用于阿尔茨海默病和轻度认知障碍的个体萎缩检测	提出了一种新颖的GANCMLAE模型，能够精确描述个体大脑萎缩模式并具有良好的临床应用潜力	尚缺乏对其他人群或更广泛样本的验证，以评估模型的通用性	研究个体大脑萎缩模式，以提高阿尔茨海默病和轻度认知障碍的精准医学	正常对照组与阿尔茨海默病和轻度认知障碍患者	数字病理学	阿尔茨海默病	生成对抗网络	自编码器	图像	来自阿尔茨海默病神经影像学倡议队列的正常对照组和Xuanwu队列的数据
1480	2024-08-05	ASD-GResTM: Deep Learning Framework for ASD classification using Gramian Angular Field 2023-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm58861.2023.10385743 PMID:39021439	研究论文	本文设计并开发了一个深度学习框架，用于基于功能磁共振成像(fMRI)数据分类自闭症谱系障碍(ASD)与神经典型大脑	引入了一种新策略，将提取的时间序列数据转化为Gramian Angular Field (GAF)，并锁定了数据中的时间和空间模式	未提及特定的局限性	旨在通过深度学习方法提高自闭症的分类准确性	基于功能磁共振成像(fMRI)数据的自闭症与神经典型脑的分类	计算机视觉	自闭症谱系障碍	fMRI	卷积神经网络(CNN)及长短期记忆网络(LSTM)	图像	使用了公开的ABIDE-I基准数据集进行训练、验证和测试