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
1581	2024-08-05	Batch-balanced focal loss: a hybrid solution to class imbalance in deep learning 2023-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.5.051809 PMID:37361550	研究论文	验证了一种名为批平衡焦点损失(BBFL)的方法在处理不平衡数据集时对卷积神经网络(CNN)分类性能的提升效果	BBFL结合了批平衡和焦点损失两种策略以应对类别不平衡问题	本文未讨论BBFL在其他类型数据集上的表现	提升卷积神经网络在不平衡数据集上的分类能力	针对不平衡的视网膜神经纤维层缺损(RNFLD)和青光眼图像数据集进行研究	计算机视觉	青光眼	卷积神经网络(CNN)	InceptionV3, MobileNetV2	图像	视网膜神经纤维层缺损数据集(n=7,258); 青光眼数据集(n=7,873)
1582	2024-08-05	Machine learning in computational histopathology: Challenges and opportunities 2023-09, Genes, chromosomes & cancer DOI:10.1002/gcc.23177 PMID:37314068	review	文章回顾了机器学习在计算数字病理学中的应用及其挑战与机遇	提供了机器学习在数字病理学领域成功应用的背景和临床任务的自动化情况	未详细讨论特定机器学习模型的局限性和实际应用的障碍	探讨机器学习在数字病理学中的应用潜力和未来发展方向	数字病理学图像及其在癌症诊断和分期中的应用	数字病理学	癌症	机器学习，深度学习	NA	数字病理图像	大规模数字病理切片数据集
1583	2024-08-05	Automatic retinoblastoma screening and surveillance using deep learning 2023-08, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-023-02320-z PMID:37344582	研究论文	本文研究了一种基于深度学习的视网膜母细胞瘤自动筛查和监测方法	提出了一种深度学习算法DLA-RB，能够准确区分正常眼底、稳定视网膜母细胞瘤和主动视网膜母细胞瘤	目前样本集中仅包括在北京同仁医院就诊的患者，可能影响结果的普遍适用性	旨在应用深度学习算法降低随访和后代筛查的负担	视网膜母细胞瘤患者及其相关影像数据	计算机视觉	视网膜母细胞瘤	深度学习	深度学习助手(DLA-RB)	图像	共收集了36623张图像和103名患者的139只眼睛
1584	2024-08-05	Traditional Machine Learning Methods versus Deep Learning for Meningioma Classification, Grading, Outcome Prediction, and Segmentation: A Systematic Review and Meta-Analysis 2023-11, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2023.08.023 PMID:37574189	meta-analysis	本研究评估了传统机器学习方法与深度学习在脑膜瘤分类、分级、预后预测和分割中的表现	首次系统性比较了传统机器学习与深度学习在脑膜瘤管理中的性能	由于性能指标报告不足，无法进一步统计分析其他性能指标	评估脑膜瘤管理中传统机器学习与深度学习算法的表现	脑膜瘤的分类、分级、预后预测和分割	机器学习	脑膜瘤	机器学习	传统机器学习，深度学习	文献数据	534条记录筛选，包含43篇文章
1585	2024-08-05	Automated segmentation of five different body tissues on computed tomography using deep learning 2023-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.15932 PMID:36008356	研究论文	该文开发并验证了一种用于CT扫描上五种不同身体组织的自动分割计算机工具。	文中采用了训练与标注相结合的策略，提高了注释效率，并比较了多种卷积神经网络在组织分割中的表现。	不同CNN模型在分割身体组织时未表现出显著差异。	旨在开发一种高效的计算工具，以自动化分割CT扫描显示的多种身体组织。	该研究对象为100个CT扫描样本，涉及内脏脂肪组织、皮下脂肪组织、肌肉及骨骼等多种身体组织。	计算机视觉	NA	卷积神经网络（CNN）	UNet, R2Unet, UNet++	图像	100个CT扫描样本
1586	2024-08-05	DeepN4: Learning N4ITK Bias Field Correction for T1-weighted Images 2023-Nov-13, Research square DOI:10.21203/rs.3.rs-3585882/v1 PMID:38014176	研究论文	本文提出了一种深度学习方法DeepN4，用于纠正T1加权MRI图像中的偏差场	本文创新地将深度学习应用于N4ITK偏差场校正，提供了一种便携灵活且完全可微分的方法	研究可能受限于训练数据集的多样性和深度学习模型的复杂性	研究旨在改进T1加权MRI图像的偏差场校正方法	该研究对象为72台不同扫描仪和不同年龄范围的8个独立队列的T1w MRI图像	数字病理学	NA	深度学习	深度神经网络	医学图像	72台扫描仪，8个独立队列
1587	2024-08-05	Deep learning-based fast volumetric imaging using kV and MV projection images for lung cancer radiotherapy: A feasibility study 2023-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.16377 PMID:36939395	研究论文	该研究提出了一种快速体积成像方法，用于肺癌放射治疗，旨在减少获取时间并提高治疗的准确性	创新点在于结合了2D和3D网络，以快速生成高质量的3D成像，并增强了图像的一致性和准确性	结果基于模拟数据和真实设备的幻影结果，未进行在临床环境下的全面验证	研究旨在开发一种有效的体积成像方法，以提高肺癌放射治疗的准确性和效率	研究对象为50名肺癌患者，通过对每个相位的CT进行射线追踪生成正交的kV和MV成像对	数字病理	肺癌	正交kV/MV成像	结合2D和3D网络的模型	图像	50名肺癌患者
1588	2024-08-05	An X-Ray C-Arm Guided Automatic Targeting System for Histotripsy 2023-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2022.3198600 PMID:35984807	研究论文	本研究提出了一种基于CBCT的自动靶向系统用于非侵入性治疗癌症的Histotripsy技术。	提出了一种替代超声成像的X射线C臂靶向方法，结合深度学习和数字模型提高靶点定位精度。	实验主要在验证物模型上进行，临床应用的准确性和效果尚待进一步验证。	探讨CBCT在Histotripsy靶向中的应用，提升靶点定位的准确性和自动化程度。	研究主要针对肿瘤靶点的精准定位与治疗技术。	数字病理学	癌症	CBCT	深度学习	影像	在虚拟模型实验中评估了靶向精度
1589	2024-08-05	A Comprehensive Evaluation of Generalizability of Deep Learning-Based Hi-C Resolution Improvement Methods 2023-12-29, Genes IF:2.8Q2 DOI:10.3390/genes15010054 PMID:38254945	研究论文	本研究评估了现有Hi-C分辨率提升方法的可泛化性。	提出了一个框架Hi-CY，使用多种评估指标比较现有的Hi-C分辨率提升方法，并强调了现有方法在稀疏Hi-C数据集上的性能不足。	现有深度学习方法在实验生成的稀疏Hi-C数据集上泛化能力差，性能降低高达57%。	研究Hi-C分辨率提升方法的可泛化性，并识别改进的方向。	评估七个实验生成的低分辨率Hi-C数据集，分析不同稀疏程度的读取情况。	机器学习	NA	Hi-C	深度学习方法	Hi-C数据集	七个实验生成的低分辨率Hi-C数据集
1590	2024-08-05	Machine Learning to Advance Human Genome-Wide Association Studies 2023-12-25, Genes IF:2.8Q2 DOI:10.3390/genes15010034 PMID:38254924	综述	本文综述了机器学习在对人类基因组广泛关联研究中的应用	本文创新性在于介绍了机器学习在分配人类遗传位点与健康结果之间的应用，强调了新工具的整合	文章中提到的方法和工具在应用方面的优势和挑战，但未深入探讨具体的实践案例	探讨机器学习在遗传流行病学研究中的应用进展与潜力	主要讨论人类基因组与健康结果之间的关系	机器学习	NA	机器学习，包括深度学习和增强学习	NA	遗传变异数据	NA
1591	2024-08-05	A Triboelectric Sensor with Double Bubble Structure Applied in a High Security Double Lock System 2023-12-22, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.3c01574 PMID:38063342	研究论文	提出了一种集成了双气泡结构的摩擦电传感器的高安全性双锁系统	创新点在于将摩擦电纳米发电机与深度学习模型结合，使用双气泡结构提高灵敏度	未提及实际应用中的长期稳定性和耐用性	设计一种具有更高安全性能的智能锁系统	聚焦于摩擦电传感器和深度学习模型的集成应用	数字病理学	NA	摩擦电纳米发电机	长短期记忆网络	生理信号	实验中使用了识别四种典型呼吸信号的样本
1592	2024-08-05	The Evolution of Artificial Intelligence in Biomedicine: Bibliometric Analysis 2023-Dec-19, JMIR AI DOI:10.2196/45770 PMID:38875563	研究论文	本研究探讨了生物医学领域中人工智能技术的演变和未来趋势。	提出了背景增强预测方法，提升了回归模型的预测效果。	研究可能局限于已发表文献的数据，未能覆盖所有相关领域。	预测不同生物医学领域中人工智能技术的未来发展趋势。	分析与人工智能和生物医学交叉领域相关的文献。	计算机视觉	NA	回归模型	背景增强预测模型	文献数据	从PubMed数据库中收集的大量相关文章
1593	2024-08-05	Machine Learning for the Prediction of Procedural Case Durations Developed Using a Large Multicenter Database: Algorithm Development and Validation Study 2023-Sep-08, JMIR AI DOI:10.2196/44909 PMID:38875567	研究论文	该研究开发并验证了一个可在多个中心间扩展的机器学习算法，用于预测手术案例的持续时间	提出了基于机器学习的非线性模型，用于精确预测手术时间，提供了与传统线性回归模型相比显著的预测改进	研究可能受限于所使用的数据集的特性，无法涵盖所有可能影响手术时长的变量	旨在提高手术时间预测的准确性，以优化手术室资源和人员配置	分析来自13家医院的1177893个手术案例数据	机器学习	NA	深度学习，梯度提升，集成机器学习模型	梯度提升机	周期性数据	1177893个手术案例
1594	2024-08-05	A Trainable Open-Source Machine Learning Accelerometer Activity Recognition Toolbox: Deep Learning Approach 2023-Jun-08, JMIR AI DOI:10.2196/42337 PMID:38875548	研究论文	本研究开发了一种准确、可训练的开源手机活动追踪工具箱。	提出了一种开放源代码的深度学习加速器活动识别工具，能够适应新行为的检测。	维度自适应神经架构模型在测试自有数据时准确性大幅下降至26%。	解决当前活动追踪器在科学应用中动作判别准确性不足的问题。	使用加速度计和陀螺仪数据识别不同类别的活动。	机器学习	NA	深度学习	维度自适应神经架构模型	加速度计和陀螺仪数据	6种不同的行为，包含来自自身记录的数据和MotionSense数据
1595	2024-08-05	Natural Language Processing for Clinical Laboratory Data Repository Systems: Implementation and Evaluation for Respiratory Viruses 2023-Jun-06, JMIR AI DOI:10.2196/44835 PMID:38875570	研究论文	本文探讨了自然语言处理技术在临床实验室数据中的应用，评估了其在呼吸病毒信息提取中的可行性	提出了一种基于深度学习的自然语言处理模型，以替代耗时且资源密集的手工规则工具	模型性能在不同病毒类别和类型间存在差异，且在检测到的病毒案例中的表现较差	研究自然语言处理模型在实验室报告信息提取中的可行性	省级实验室报告中的文本数据，涵盖14种呼吸病毒及其亚型	自然语言处理	呼吸道病毒感染	深度学习	层次多标签分类器	文本	87,500份独特的实验室报告
1596	2024-08-05	Detecting Ground Glass Opacity Features in Patients With Lung Cancer: Automated Extraction and Longitudinal Analysis via Deep Learning-Based Natural Language Processing 2023-Jun-01, JMIR AI DOI:10.2196/44537 PMID:38875565	研究论文	本文开发了一种基于深度学习的自然语言处理工具，用于自动提取肺癌患者计算机断层扫描中的地面玻璃不透明度特征	创新点在于建立了一个双向长短期记忆模型，结合条件随机场，以自动提取和分析GGO的特征	样本仅限于肺癌患者，可能不具备更广泛适应性	旨在通过自动提取GGO特征来支持GGO状态的长期轨迹分析	本研究对象为13,216名肺癌患者的放射学记录	自然语言处理	肺癌	深度学习，NLP	双向长短期记忆模型	文本	涉及13,216名肺癌患者的放射学记录
1597	2024-08-05	Few-Shot Learning for Clinical Natural Language Processing Using Siamese Neural Networks: Algorithm Development and Validation Study 2023-May-04, JMIR AI DOI:10.2196/44293 PMID:38875537	研究论文	本研究提出并评估了基于Siamese神经网络的少样本临床自然语言处理方法	文章创新性地将Siamese神经网络应用于临床自然语言处理任务的少样本学习	文中未详细探讨SNN在其他临床NLP任务中的表现，文献支持有限	旨在提出并评估基于SNN的少样本临床自然语言处理方法	研究对象为临床句子分类任务	自然语言处理	NA	Siamese神经网络	SNN	文本	NA
1598	2024-08-05	Deep Learning to Detect Pancreatic Cystic Lesions on Abdominal Computed Tomography Scans: Development and Validation Study 2023-Mar-17, JMIR AI DOI:10.2196/40702 PMID:38875547	研究论文	本研究开发和验证了一种用于自动检测胰腺囊性损伤的人工深度神经网络	研究中使用了一种基于注意力门U-Net架构的算法，提高了胰腺囊性损伤的检测率	研究主要基于335个样本，可能对不同类型的CT扫描结果的普适性有限	本研究旨在通过深度学习技术提高胰腺囊性损伤的早期检测率	研究对象包括335个腹部CT扫描的病例，其中297个病例被诊断为胰腺囊性损伤	计算机视觉	胰腺癌	深度学习	注意力门U-Net	图像	335个腹部CT扫描样本
1599	2024-08-05	Developing an Inpatient Electronic Medical Record Phenotype for Hospital-Acquired Pressure Injuries: Case Study Using Natural Language Processing Models 2023-Mar-08, JMIR AI DOI:10.2196/41264 PMID:38875552	研究论文	本文通过自然语言处理应用于电子病历，旨在更准确及时地识别医院获得性压疮（HAPI）	提出了基于电子病历的表型算法，证明其在检测HAPI方面比单独使用ICD-10-CA算法更有效	研究仅限于特定的医院和样本，可能不适用于其他环境	展示电子病历基础的表型算法在HAPI检测上的优势	在2015年至2018年期间，通过临床试验识别的HAPI患者	自然语言处理	NA	自然语言处理 (NLP)	随机森林 (RF), 极端梯度提升 (XGBoost), 深度学习模型	文本	280名患者，其中97名患者在研究期间出现HAPI
1600	2024-08-05	Deep Learning Transformer Models for Building a Comprehensive and Real-time Trauma Observatory: Development and Validation Study 2023-Jan-12, JMIR AI DOI:10.2196/40843 PMID:38875539	研究论文	本研究探讨了在法国建立国家创伤观察站的可行性，比较了几种自动语言处理方法的性能。	使用了经过法语语料预训练并在306,368条未标记临床笔记上进行自监督学习的GPTanam模型，展示了最佳性能。	需要进一步改进以扩展缩写和多输出多类分类。	研究在法国建立综合且实时的创伤观察站的可行性。	通过对69110条与创伤相关的临床笔记进行多类分类的研究。	自然语言处理	NA	深度学习，变换器模型	变换器模型	文本	69110条临床笔记