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	2024-08-04	Application of Deep Learning-Based Denoising Technique for Radiation Dose Reduction in Dynamic Abdominal CT: Comparison with Standard-Dose CT Using Hybrid Iterative Reconstruction Method 2023-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00808-x PMID:36944812	研究论文	本文评估基于深度学习的去噪算法在降低腹部CT辐射剂量中的应用效果	首次将深度学习去噪算法与减少30%的辐射剂量相结合进行比较	仅限于腹部CT影像的评估，结果可能不适用于其他类型的CT	评估深度学习去噪算法在腹部CT中的图像质量与辐射剂量减少的关系	50名接受标准剂量腹部CT的患者和50名接受降低剂量腹部CT的患者	数字病理学	NA	深度学习去噪（DLD）	NA	图像	100例患者（50例标准剂量，50例减少剂量）
62	2024-08-04	Genetic Susceptibility to Atrial Fibrillation Identified via Deep Learning of 12-Lead Electrocardiograms 2023-08, Circulation. Genomic and precision medicine DOI:10.1161/CIRCGEN.122.003808 PMID:37278238	研究论文	本文探讨了利用12导联心电图的人工智能模型预测房颤的遗传易感性	首次结合深度学习和基因组范围关联研究，揭示特定基因与房颤风险之间的关系	研究样本主要来自英国生物库，结果可能不适用于其他人群	研究心电图基础上的人工智能算法预测新发房颤的遗传基础	分析39,986名无房颤的UK Biobank参与者的心电图和遗传数据	数字病理学	房颤	人工智能算法 (AI), 心电图 (ECG)	深度学习模型	心电图数据	39,986名UK Biobank参与者
63	2024-08-04	Machine learning driven index of tumor multinucleation correlates with survival and suppressed anti-tumor immunity in head and neck squamous cell carcinoma patients 2023-Aug, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2023.106459 PMID:37307602	研究论文	本研究通过机器学习方法识别肿瘤细胞多核化的生物特征，并与头颈鳞状细胞癌患者的生存率相关联	首次使用深度学习模型开发的多核化指数（MuNI）与头颈鳞状细胞癌患者的生存率和肿瘤免疫微环境之间的相关性	研究未深入探讨多核化与肿瘤免疫之间的机制	旨在明确头颈鳞状细胞癌患者肿瘤生物学特征与生存之间的关系	头颈鳞状细胞癌患者的肿瘤细胞	机器学习	头颈癌	深度学习	NA	图像	训练集来自机构的OPSCC队列，验证集为TCGA的头颈鳞状细胞癌患者数据
64	2024-08-04	Deep imputation of missing values in time series health data: A review with benchmarking 2023-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104440 PMID:37429511	综述	该文章评估了多变量时间序列数据中缺失值的深度插补方法	通过六个数据中心实验对深度插补方法进行了基准测试，展示了不同方法在时间序列健康数据集上的性能差异	缺失值评估受限于少数数据集、较低缺失率和完全随机缺失值类型	研究缺失值插补方法对数据质量和数据驱动预测模型的影响	五个时间序列健康数据集的缺失值插补	机器学习	NA	深度学习	NA	时间序列	五个健康数据集
65	2024-08-04	Automatic Spine Segmentation and Parameter Measurement for Radiological Analysis of Whole-Spine Lateral Radiographs Using Deep Learning and Computer Vision 2023-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00830-z PMID:37131065	研究论文	本文提出了一种结合深度学习和计算机视觉的全脊柱侧位X光片自动测量脊柱参数的流水线	该研究通过结合Mask R-CNN模型与计算机视觉算法，提出了一种自动测量脊柱参数的方法，克服了手动测量的局限性	虽然该方法显示出高精度，但可能在某些情况下仍受限于影像质量与个体差异	旨在提高脊柱侧位X光片的诊断与治疗计划的效率和准确性	使用1807张侧位X光片进行模型训练与验证	计算机视觉	脊柱疾病	深度学习	Mask R-CNN	图像	共使用1807张侧位X光片，训练集1607张，验证集200张
66	2024-08-04	Deep-Stacked Convolutional Neural Networks for Brain Abnormality Classification Based on MRI Images 2023-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00828-7 PMID:37145248	研究论文	本文介绍了一种基于深层堆叠卷积神经网络（Deep-Stacked CNN）用于脑部异常分类的自动诊断系统	提出了一种深层异构模型，通过堆叠泛化利用不同CNN分类器的优势，提升多类脑病分类的鲁棒性	在缺乏足够标注数据时，仍需面对医疗图像CNN分类器面临的标签不足和类别不平衡等挑战	提高脑部异常的自动诊断准确性	不同预训练CNN的组合以用于多类脑病的自动分类	计算机视觉	NA	卷积神经网络（CNN）	深层堆叠卷积神经网络（Deep-Stacked CNN）	MRI图像	NA
67	2024-08-04	Multi-Modal Brain Tumor Data Completion Based on Reconstruction Consistency Loss 2023-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00697-6 PMID:36856903	研究论文	提出了一种基于重建一致性损失的多模态脑肿瘤数据补全方法	引入了一种新型生成对抗网络框架RAGAN，并采用循环监督学习生成缺失的多模态脑MRI数据	虽未显著优于其他算法，但DICE值仅比现有最先进算法高出2%	解决多模态脑MRI数据中的缺失问题，以便提高脑肿瘤的分割和诊断效果	缺失的T1、T1ce和FLAIR模态数据	医学图像处理	脑肿瘤	生成对抗网络（GAN）	随机生成对抗网络（RAGAN）	图像	生成10,686条每个缺失模态的MRI数据
68	2024-08-04	Evaluation of Image Quality and Detectability of Deep Learning Image Reconstruction (DLIR) Algorithm in Single- and Dual-energy CT 2023-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00806-z PMID:37071291	研究论文	本研究评估了深度学习图像重建（DLIR）对单能CT和双能CT的图像质量的影响	DLIR-H在低和高频范围内相比于ASIR-V，大幅减少了噪声，并提高了图像的可检测性	NA	评估DLIR在不同能量CT中的图像质量和可检测性	使用Gammex 464幻影进行单能CT和双能CT成像	数字病理学	NA	深度学习图像重建（DLIR）	NA	图像	使用六种算法对多个剂量级别的CT影像进行评估
69	2024-08-04	A Patch-Based Deep Learning Approach for Detecting Rib Fractures on Frontal Radiographs in Young Children 2023-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00793-1 PMID:36897422	研究论文	本研究开发了一种基于块的深度学习算法，用于自动检测2岁以下儿童胸片中的肋骨骨折	创新之处在于应用基于块的滑动窗口技术来满足肋骨骨折检测的高分辨率需求	本研究的局限性在于需要未来在多机构的大规模队列数据上进行验证以提高结果的通用性	本研究的目的是开发一种计算机辅助方法，以识别年轻儿童的肋骨骨折	研究对象为0至2岁儿童的胸部X光片，共845例	数字病理学	NA	深度学习	ResNet-50, ResNet-18	图像	845张胸部X光片
70	2024-08-04	Nondestructive 3D pathology with analysis of nuclear features for prostate cancer risk assessment 2023-08, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6090 PMID:37232213	研究论文	本文探索了基于3D形状的核特征在前列腺癌风险评估中的预后价值	提出了利用3D形状特征比传统2D特征更有效地预测前列腺癌生化复发的可能性	未提供关于样本选择和3D病理数据生成的详细信息	评估3D核特征在前列腺癌中的预后能力	102个来自46名患者的前列腺癌活检样本	数字病理学	前列腺癌	开放顶部光片显微镜 (OTLS)	深度学习模型	3D病理数据	102个活检样本
71	2024-08-04	Deep learning-based dominant index lesion segmentation for MR-guided radiation therapy of prostate cancer 2023-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.16320 PMID:36856092	研究论文	本文开发了一种基于深度学习的自动化前列腺癌主索病变（DIL）分割模型	提出的MRRN-DS模型在不同的MR测试数据集上具有良好的通用性，相较于其他方法具有更高的分割准确性	研究可能受限于使用的MR成像设备和样本多样性	构建和验证一种基于深度学习的自动化分割模型用于前列腺癌的MR引导放疗	对Gleason评分（GS）≥3+4的前列腺癌主索病变（DIL）进行分割	数字病理学	前列腺癌	深度学习	MRRN-DS	影像	使用来自365名患者的500个病变进行评估
72	2024-08-04	Can Artificial Intelligence Pass the American Board of Orthopaedic Surgery Examination? Orthopaedic Residents Versus ChatGPT 2023-08-01, Clinical orthopaedics and related research IF:4.2Q1 DOI:10.1097/CORR.0000000000002704 PMID:37220190	研究论文	本研究探讨了ChatGPT在美国骨科手术考试中的表现，并与骨科住院医生的成绩进行了比较	首次使用大型语言模型ChatGPT评估骨科住院医生考试的表现	样本量仅为207个问题，且不包括带有图形或图表的问题	评估ChatGPT回答骨科培训考试问题的能力及其相对于骨科住院医生的表现	ChatGPT和不同年级的骨科住院医生	人工智能	NA	大型语言模型（LLM）	ChatGPT	考试问题	207个问题
73	2024-08-04	AD-BERT: Using pre-trained language model to predict the progression from mild cognitive impairment to Alzheimer's disease 2023-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104442 PMID:37429512	研究论文	本文开发了一种基于预训练BERT模型的深度学习框架，用于预测轻度认知障碍(MCI)进展到阿尔茨海默病(AD)的风险。	本研究首次将预训练语言模型应用于电子健康记录中的非结构化临床笔记，以预测MCI到AD的进展。	该研究主要依赖于特定医院的数据进行验证，因此结果在其他背景下的推广性有限。	研究的目标是利用临床笔记和预训练语言模型评估MCI患者向AD进展的风险。	研究对象是3657名被诊断为MCI的患者及其电子健康记录中的进展笔记。	自然语言处理	阿尔茨海默病	BERT	深度学习模型	文本	共涉及6210名MCI患者的临床笔记
74	2024-08-04	MRI Advancements in Musculoskeletal Clinical and Research Practice 2023-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.230531 PMID:37581501	研究论文	本文探讨了MRI在肌肉骨骼疾病的诊断和监测中的最新进展	文章提出了深度学习重建算法在减少采集时间方面的优势，以及改进合成MRI和MR指纹技术	未提及具体的样本量和潜在的临床试验数据	研究MRI在肌肉骨骼领域中的应用进展与未来趋势	肌肉骨骼疾病的诊断和监测技术	医学影像学	肌肉骨骼疾病	MRI	深度学习	医学影像	NA
75	2024-08-04	Artificial intelligence for the diagnosis of retinopathy of prematurity: A systematic review of current algorithms 2023-08, Eye (London, England) DOI:10.1038/s41433-022-02366-y PMID:36577806	系统评价	本文系统回顾了现有深度学习算法在早产儿视网膜病诊断中的应用	发现现有AI技术在ROP诊断中的潜力，能够提高诊断性能并减轻筛查的工作负担	目前证据不足以支持AI作为唯一的诊断工具	系统总结现有深度学习算法的诊断特征	使用深度学习系统进行视网膜成像的研究	数字病理学	早产儿视网膜病	深度学习	NA	视网膜图像	共纳入27项研究
76	2024-08-04	Automated MR Image Prescription of the Liver Using Deep Learning: Development, Evaluation, and Prospective Implementation 2023-08, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28564 PMID:36583550	研究论文	本文介绍了一种基于人工智能的肝脏图像自动处方方法。	提出了一种全自动的肝脏磁共振成像处方系统，使用YOLOv3模型进行物体检测。	研究主要依赖于回顾性数据和小样本的前瞻性评估，可能限制了结果的广泛适用性。	开发和评估一种基于人工智能的肝脏图像自动处方方法。	570名女性和469名男性患者以及6名健康志愿者。	数字病理学	NA	深度学习	YOLOv3	图像	总共1039个三平面定位采集 (26,929 slices)
77	2024-08-04	Rapid 3D T1 mapping using deep learning-assisted Look-Locker inversion recovery MRI 2023-08, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29672 PMID:37125662	研究论文	本文提出了一种深度学习辅助的快速3D T1映射方法。	该方法通过深度学习学习从有效T1与T1之间的转化，无需延迟时间(TD)，提高了3D LLIR成像的效率。	研究中未提及样本的多样性以及在临床环境中的验证。	研究目的是提高3D LLIR T1映射的效率和准确性。	研究对象为经历不同延迟时间的GraspT1数据集。	数字病理学	NA	GraspT1成像	深度学习网络	图像	39个GraspT1数据集用于训练和14个GraspT1数据集用于测试
78	2024-08-04	Employing Multiple Low-Dose PET Images (at Different Dose Levels) as Prior Knowledge to Predict Standard-Dose PET Images 2023-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00815-y PMID:36988836	研究论文	本文探讨了利用多种低剂量PET图像作为先验知识来预测标准剂量PET图像的方法	该研究首次整合多个不同剂量水平的PET图像作为输入，以改善医学成像的预测精度	未提及数据集的多样性及其对模型泛化能力的影响	研究低剂量PET图像在预测标准剂量PET图像中的应用	使用不同剂量的PET图像对标准剂量PET图像进行预测	数字病理学	NA	NA	ResNet	图像	使用多个低剂量PET图像，包括6%、4%和2% L-PET图像
79	2024-08-04	Discrimination Between Glioblastoma and Solitary Brain Metastasis Using Conventional MRI and Diffusion-Weighted Imaging Based on a Deep Learning Algorithm 2023-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00838-5 PMID:37156977	研究论文	本研究旨在开发和验证一个深度学习模型，以区分胶质母细胞瘤与孤立性脑转移。	本研究结合常规MRI和扩散加权成像，开发了多种深度学习模型，并展示了组合模型的分类性能优于单一MRI序列模型。	本研究的样本来自于回顾性数据收集，可能存在选择偏差。	研究的目的是提高胶质母细胞瘤与孤立性脑转移的鉴别能力。	研究对象为202名孤立性脑肿瘤患者，包括104例胶质母细胞瘤和98例脑转移。	数字病理学	胶质母细胞瘤	MRI，扩散加权成像（DWI）	3D残差网络-18	医学影像	202名患者（104名胶质母细胞瘤和98名脑转移）
80	2024-08-04	Deep-Learning-Based Contrast Synthesis From MRF Parameter Maps in the Knee Joint 2023-08, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28573 PMID:36562500	研究论文	本研究探讨了如何从MRF量化数据中合成对比加权的MR图像，以提高MRF的临床实用性	使用经过训练的U-net网络结合L1和感知损失函数进行对比合成，是改善MRF成像的一种新方法	还需要更多研究来验证这些合成图像的诊断准确性	通过合成对比加权的MR图像来提高磁共振指纹技术的临床应用价值	来自1986年北芬兰出生队列的184名受试者的膝关节MRI数据	数字病理学	NA	磁共振成像，磁共振指纹技术	U-net	图像	184名受试者的膝关节MRI数据