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
101	2024-10-04	Deep Learning-Based Skin Lesion Multi-class Classification with Global Average Pooling Improvement 2023-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00862-5 PMID:37407845	研究论文	本文提出了一种基于深度学习的皮肤病变多分类方法，通过改进全局平均池化层来提高分类准确性	本文提出了一种新的深度卷积神经网络模型，结合全局平均池化和预处理技术，用于皮肤病变的准确识别和分类	NA	开发一种可靠的自动识别系统，用于皮肤癌的准确检测和分类	皮肤病变的多分类	计算机视觉	皮肤癌	深度学习	深度卷积神经网络 (DCNN)	图像	HAM10000数据集，包含7种不同类别的皮肤病变
102	2024-10-04	Evaluation of Neural Machine translation for conversion of International Classification of disease codes to the Abbreviated injury Scale 2023-Oct, Accident; analysis and prevention DOI:10.1016/j.aap.2023.107183 PMID:37418869	研究论文	本文评估了神经机器翻译技术在将国际疾病分类代码转换为简明损伤量表中的应用	首次提出使用神经机器翻译技术进行医疗代码转换，并展示了其在预测损伤严重程度方面的优势	需要在外部数据库中进行验证	比较神经机器翻译模型与其他两种转换方法在确定损伤严重程度方面的准确性	国际疾病分类代码和简明损伤量表的转换	机器学习	NA	神经机器翻译	神经机器翻译模型	文本	来自美国国家创伤登记处的数据
103	2024-10-04	A Domain-Shift Invariant CNN Framework for Cardiac MRI Segmentation Across Unseen Domains 2023-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00873-2 PMID:37430062	研究论文	本文提出了一种跨域不变的卷积神经网络框架，用于心脏MRI图像分割	通过利用多序列心脏MRI的异质性，使现有的最先进架构在不同域之间具有更好的可迁移性	仅在特定的心脏MRI数据集上进行了验证，尚未在其他类型的医学图像上进行测试	提高深度学习模型在不同患者、不同MRI设备和不同成像条件下的泛化能力	心脏MRI图像的分割	计算机视觉	心血管疾病	MRI	CNN	图像	使用了多个公开数据集和一个私有数据集，包括MyoPS 2020数据集、AIIMS数据集和M&M数据集
104	2024-10-04	Automated detection and segmentation of pulmonary embolisms on computed tomography pulmonary angiography (CTPA) using deep learning but without manual outlining 2023-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102882 PMID:37482032	研究论文	本文介绍了一种基于深度学习的计算机算法，用于自动检测和分割CT肺动脉造影中的肺栓塞	该算法无需手动标注肺栓塞区域，通过自适应阈值和受限形态学操作识别可疑区域，并使用3D Recurrent Residual U-Net进行自动分割	该算法在独立测试集上的表现虽然有前景，但仍存在一定的误报率	开发一种无需手动标注的深度学习算法，用于自动检测和分割CT肺动脉造影中的肺栓塞	CT肺动脉造影图像中的肺栓塞	计算机视觉	肺栓塞	深度学习	3D Recurrent Residual U-Net (R2-Unet)	图像	91个CT肺动脉造影扫描图像
105	2024-10-04	The Number and Size of Individual Kidney Medullary Pyramids is Associated with Clinical Characteristics, Kidney Biopsy Findings, and CKD Outcomes among Kidney Donors 2023-10-01, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000000000203 PMID:37562061	研究论文	本文开发并验证了一种深度学习算法，用于快速、准确和可重复地分割肾脏髓质锥体，并探讨了锥体数量和大小与临床特征、肾活检结果及慢性肾脏病（CKD）结局的关系	首次使用深度学习算法自动分割肾脏髓质锥体，并研究其与临床特征和CKD结局的关联	NA	研究肾脏髓质锥体的数量和大小与临床特征、肾活检结果及CKD结局的关系	肾脏髓质锥体的数量和大小	数字病理学	慢性肾脏病	深度学习算法	深度学习模型	图像	2876名活体肾脏捐赠者
106	2024-10-04	DeepAFP: An effective computational framework for identifying antifungal peptides based on deep learning 2023-10, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4758 PMID:37595093	研究论文	本文开发了一种基于深度学习的计算框架DeepAFP，用于高效识别抗真菌肽	DeepAFP利用多分支卷积神经网络和双向长短期记忆层的组合核，结合迁移学习策略，提高了模型性能	NA	开发一种高效识别抗真菌肽的计算框架，以加速抗真菌肽的开发和真菌感染的治疗	抗真菌肽的识别	机器学习	NA	深度学习	卷积神经网络（CNN）和双向长短期记忆网络（LSTM）	序列数据	DeepAFP-Main数据集
107	2024-10-04	CardioVision: A fully automated deep learning package for medical image segmentation and reconstruction generating digital twins for patients with aortic stenosis 2023-10, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102289 PMID:37633032	研究论文	开发了一个全自动的深度学习工具，用于医学图像分割和重建，生成主动脉瓣狭窄患者的数字孪生体	利用U-Net架构的深度学习模型实现了全自动的医学图像分割，显著减少了计算成本并提高了精度	NA	优化新兴设备，预测临床结果，并模拟虚拟介入手术	主动脉瓣狭窄患者的数字孪生体	计算机视觉	心血管疾病	深度学习	U-Net	图像	NA
108	2024-10-04	Automatic Localization of the Pons and Vermis on Fetal Brain MR Imaging Using a U-Net Deep Learning Model 2023-10, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7978 PMID:37652583	研究论文	本文开发了一种基于U-Net深度学习模型的方法，用于在胎儿脑部MRI图像中自动定位脑桥和小脑蚓部	首次使用U-Net深度学习模型自动识别胎儿脑部MRI图像中的解剖标志，并生成模型预测的置信度分数	仅使用了55例胎儿脑部MRI图像进行训练和验证，样本量较小	开发一种自动化的深度学习模型和流程，用于在胎儿脑部MRI图像中识别解剖标志，以提高测量脑桥和小脑蚓部的准确性	胎儿脑部MRI图像中的脑桥和小脑蚓部	计算机视觉	NA	深度学习	U-Net	图像	55例胎儿脑部MRI图像
109	2024-10-04	Open-Source Automated Segmentation of Neuronal Structures in Corneal Confocal Microscopy Images of the Subbasal Nerve Plexus With Accuracy on Par With Human Segmentation 2023-Oct-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000003319 PMID:37669422	研究论文	本文研究了在角膜共聚焦显微镜图像中自动分割神经结构的方法	提出了一种基于深度学习的两阶段算法，能够自动分割角膜神经和其他结构，准确度与人工分割相当	NA	实现角膜神经和其他结构在角膜共聚焦显微镜图像中的自动分割	角膜神经和其他结构在角膜共聚焦显微镜图像中的自动分割	计算机视觉	眼表疾病	深度学习	生成对抗网络	图像	训练和验证集包含来自73个个体每层的470张图像，测试集包含来自43个眼表疾病患者的207张手动分割的图像
110	2024-10-04	Deep Learning-Based Feature Extraction from Whole-Body PET/CT Employing Maximum Intensity Projection Images: Preliminary Results of Lung Cancer Data 2023-Oct, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-023-00802-9 PMID:37720886	研究论文	本文提出了一种基于深度学习的方法，利用全身PET/CT生成的最大强度投影图像进行特征提取，并应用于肺癌数据的初步结果	本文创新地使用最大强度投影图像作为输入，避免了直接使用3D PET体积数据，从而减少了数据处理难度和资源需求	本文仅提供了初步结果，尚未在大规模数据集上验证其有效性	探索基于深度学习的特征提取方法在全身PET/CT图像分析中的应用	肺癌患者的全身PET/CT图像及其临床病理因素	计算机视觉	肺癌	最大强度投影	卷积神经网络	图像	562例肺癌患者的[18F]FDG PET/CT图像及其临床病理因素
111	2024-10-04	3D Convolution neural network with multiscale spatial and temporal cues for motor imagery EEG classification 2023-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-022-09906-y PMID:37786651	研究论文	本文提出了一种基于3D卷积神经网络的多尺度时空特征提取方法，用于提高运动想象脑电信号分类的准确性	本文创新性地提出了一个端到端的3D CNN模型，能够自适应地分配权重给与运动相关的空间通道和时间采样提示，从而减少生物和环境噪声的影响	NA	提高运动想象脑电信号分类的准确性	运动想象脑电信号	机器学习	NA	3D卷积神经网络	3D CNN	脑电信号	两个常用数据集，分别达到93.06%和97.05%的平均分类准确率
112	2024-10-04	Expanding Role of Advanced Image Analysis in CT-detected Indeterminate Pulmonary Nodules and Early Lung Cancer Characterization 2023-10, Radiology IF:12.1Q1 DOI:10.1148/radiol.222904 PMID:37815447	综述	本文综述了在胸部CT中使用先进的图像分析技术对不确定的肺结节和早期肺癌进行分类和特征化的方法	介绍了机器学习模型和深度学习架构在CT衍生的放射组学特征中的应用	方法学挑战和技术障碍，如异质性成像参数、最佳特征选择、模型选择以及训练和验证所需的良好注释图像数据集	探讨如何通过早期检测和干预来提高肺癌护理水平	不确定的肺结节和早期肺癌	计算机视觉	肺癌	CT	机器学习模型和深度学习架构	图像	NA
113	2024-10-04	The Impact of Changing Step 1 to Pass/Fail Reporting on Anxiety, Learning Approaches, and Curiosity 2023-Oct, Medical science educator IF:1.9Q2 DOI:10.1007/s40670-023-01878-w PMID:37886271	研究论文	研究了美国医学执照考试（USMLE）Step 1从三位数评分改为通过/不通过评分对学生焦虑、学习方法和好奇心的影响	首次探讨了USMLE Step 1评分方式改变对学生心理和学习策略的具体影响	样本仅来自三所医学院的预科学生，可能限制了研究结果的普适性	探讨USMLE Step 1评分方式改变对医学生焦虑、学习方法和好奇心的影响	预科医学生的焦虑、学习方法和好奇心	NA	NA	Mann-Whitney U检验和多元回归路径分析	NA	问卷调查数据	86名三位数评分考生和154名通过/不通过评分考生
114	2024-10-04	Fast Reconstruction for Deep Learning PET Head Motion Correction 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43999-5_67 PMID:38174207	研究论文	本文提出了一种新的头部运动校正框架，利用快速重建作为输入，用于脑部PET成像中的运动校正	采用高分辨率短帧快速重建工作流程，开发了一种新的PET数据表示提取编码器，并实施了数据增强技术	NA	提高脑部PET成像中头部运动校正的准确性和效率	脑部PET成像中的头部运动	计算机视觉	NA	深度学习	编码器	图像	多受试者研究，使用F-FPEB数据集
115	2024-10-02	"A net for everyone": fully personalized and unsupervised neural networks trained with longitudinal data from a single patient 2023-10-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-023-01128-w PMID:37907876	研究论文	本文探讨了使用单个患者的纵向数据训练个性化无监督神经网络以检测肿瘤进展的概念验证	提出了一种使用单个患者的纵向数据训练个性化神经网络的新方法，无需额外的训练数据或手动标注	仅在胶质母细胞瘤患者的数据集上进行了验证，尚未在其他类型的肿瘤或疾病中进行测试	展示使用单个患者的纵向数据训练深度神经网络以监测肿瘤变化的潜力	胶质母细胞瘤患者的脑部MRI图像	机器学习	脑癌	MRI	Wasserstein-GAN	图像	64次扫描，来自32名胶质母细胞瘤患者
116	2024-10-02	Detection of ASD Children through Deep-Learning Application of fMRI 2023-Oct-05, Children (Basel, Switzerland) DOI:10.3390/children10101654 PMID:37892317	研究论文	本研究开发了一种先进的卷积神经网络算法，用于通过静息态功能磁共振成像早期检测自闭症谱系障碍	本研究的创新点在于开发了一种高效的卷积神经网络算法，显著提高了自闭症谱系障碍的早期检测准确性	NA	本研究的目的是开发一种计算机辅助的自闭症谱系障碍早期筛查方法	本研究的对象是自闭症谱系障碍儿童	计算机视觉	自闭症谱系障碍	功能磁共振成像	卷积神经网络	图像	本研究使用了来自Autism Brain Imaging Data Exchange (ABIDE I)数据库的126名受试者（56名自闭症患者，70名对照组）的数据，共计22,176个二维回波平面样本
117	2024-10-02	SEMPAI: a Self-Enhancing Multi-Photon Artificial Intelligence for Prior-Informed Assessment of Muscle Function and Pathology 2023-10, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202206319 PMID:37582656	研究论文	本文介绍了一种名为SEMPAI的自增强多光子人工智能系统，用于肌肉功能和病理的先验信息评估	SEMPAI通过元学习优化先验知识、数据表示和神经网络架构的集成，实现了对小数据集的预测，并在多个预测任务中优于现有技术	NA	开发一种能够利用先验知识进行肌肉功能和病理评估的深度学习系统	肌肉纤维的功能和病理	机器学习	NA	多光子显微镜	深度学习模型	图像	十年实验中的大量单肌肉纤维数据
118	2024-10-02	Unlocking the Emotional World of Visual Media: An Overview of the Science, Research, and Impact of Understanding Emotion: Drawing Insights From Psychology, Engineering, and the Arts, This Article Provides a Comprehensive Overview of the Field of Emotion Analysis in Visual Media and Discusses the Latest Research, Systems, Challenges, Ethical Implications, and Potential Impact of Artificial Emotional Intelligence on Society 2023-Oct, Proceedings of the IEEE. Institute of Electrical and Electronics Engineers DOI:10.1109/JPROC.2023.3273517 PMID:37859667	综述	本文全面概述了视觉媒体情感分析领域，讨论了最新研究、系统、挑战、伦理影响及其对社会的潜在影响	本文结合心理学、工程学和艺术领域的见解，提供了一个多学科的情感分析概述	情感分析面临缺乏普遍接受的情感定义和情感主观性及复杂性的挑战	探讨视觉媒体中情感理解的心理学基础和计算原理，并讨论其技术挑战和伦理影响	视觉媒体中的情感分析	计算机视觉	NA	深度学习	NA	图像和视频	NA
119	2024-10-02	Intelligent Breast Mass Classification Approach Using Archimedes Optimization Algorithm with Deep Learning on Digital Mammograms 2023-Oct-01, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics8060463 PMID:37887593	研究论文	本文提出了一种基于阿基米德优化算法和深度学习的智能乳腺肿块分类方法，用于数字乳腺X光片的分析	本文创新性地结合了阿基米德优化算法和深度学习技术，用于乳腺肿块的分类，并采用了中值滤波和U-Net分割作为预处理步骤	本文的实验结果仅基于MIAS数据集，可能需要进一步验证其在其他数据集上的表现	本文旨在通过结合生物启发算法和深度学习模型，提高乳腺肿块分类的准确性	本文的研究对象是数字乳腺X光片中的乳腺肿块	计算机视觉	乳腺癌	深度学习	卷积神经网络 (CNN) 和深度信念网络 (DBN)	图像	本文使用了来自Kaggle仓库的MIAS数据集进行实验
120	2024-10-01	Brain tumor image segmentation based on improved FPN 2023-10-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-023-01131-1 PMID:37904116	研究论文	本文提出了一种基于改进特征金字塔网络（FPN）的脑肿瘤图像分割方法	引入FPN结构到U-Net结构中，捕捉上下文多尺度信息，提高模型对不同尺度特征的适应性	未提及具体局限性	提高脑肿瘤分割效果	脑肿瘤图像	计算机视觉	脑肿瘤	卷积神经网络	FPN	图像	未提及具体样本数量