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
601	2024-12-06	The impact of artificial intelligence in the diagnosis and management of acoustic neuroma: A systematic review 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-232043 PMID:39093085	综述	本文系统回顾了人工智能在听神经瘤诊断和管理中的应用	探讨了机器学习和人工智能如何革新听神经瘤的管理和诊断程序	需要进一步研究以标准化人工智能方法，并验证其在医疗环境中的应用	研究人工智能和机器学习在听神经瘤诊断和管理中的潜力	听神经瘤的诊断和管理方法	机器学习	听神经瘤	NA	NA	NA	NA
602	2024-12-06	Multi-dimensional dense attention network for pixel-wise segmentation of optic disc in colour fundus images 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-230310 PMID:39058458	研究论文	提出了一种多维密集注意力网络（MDDA-Net）用于彩色眼底图像中视盘的像素级分割	引入了密集注意力块和三重注意力块，以增强上下文表示能力和特征处理能力，并通过多尺度上下文融合获取多尺度上下文信息	未提及具体的局限性	提高视盘分割的准确性，以早期检测视网膜疾病	视盘的像素级分割	计算机视觉	NA	深度学习	MDDA-Net	图像	三个数据集（MESSIDOR和ORIGA）
603	2024-12-06	Fine grained automatic left ventricle segmentation via ROI based Tri-Convolutional neural networks 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240062 PMID:39058464	研究论文	本文提出了一种基于Tri-Convolutional神经网络的左心室自动分割方法	本文创新性地结合了三种不同的深度学习结构，通过Tri-Convolutional网络实现了高精度的左心室分割	NA	提高左心室分割的准确性和效率	左心室图像的自动分割	计算机视觉	心血管疾病	深度学习	Tri-Convolutional神经网络	图像	使用了sunny brook、York、ACDC和LVSC数据集
604	2024-12-06	Gastrointestinal tract disease detection via deep learning based structural and statistical features optimized hexa-classification model 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240603 PMID:39031411	研究论文	提出了一种基于深度学习的结构和统计特征优化六分类模型，用于检测胃肠道疾病	提出了Deep SS-Hexa模型，结合两种深度学习结构提取WCE图像的结构和统计特征，并通过Walrus优化算法选择最佳特征，最终使用深度信念网络进行六分类	未提及具体局限性	提高胃肠道疾病检测的准确性和效率	胃肠道疾病的检测	计算机视觉	胃肠道疾病	深度学习	深度信念网络	图像	使用了KVASIR和KID数据集
605	2024-12-06	A hybrid model for the classification of Autism Spectrum Disorder using Mu rhythm in EEG 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240644 PMID:39031413	研究论文	研究利用脑电图中的Mu节律，结合机器学习和深度学习技术，开发了一种混合模型用于自闭症谱系障碍的分类	提出了一个结合深度学习和机器学习的混合模型，显著提高了自闭症谱系障碍的分类准确率	研究仅使用了有限的脑电图通道，可能无法全面反映自闭症谱系障碍的复杂性	提高自闭症谱系障碍与典型发育个体的分类准确率	自闭症谱系障碍患者和典型发育个体	机器学习	自闭症谱系障碍	脑电图	混合模型	脑电图数据	未明确提及样本数量
606	2024-12-06	CNN-based glioma detection in MRI: A deep learning approach 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240158 PMID:39031408	研究论文	本文开发了一种基于卷积神经网络（CNN）的自动化胶质瘤分割算法，用于在MRI图像中准确识别肿瘤成分	本文利用CNN技术提高了胶质瘤分割的准确性，达到了与经验丰富的放射科医生和商用工具相当的水平	NA	开发一种自动化的胶质瘤分割算法，以提高诊断精度和量化	高级别胶质瘤（HGGs）和低级别胶质瘤（LGGs）的MRI扫描图像	计算机视觉	脑肿瘤	卷积神经网络（CNN）	U-Net网络	MRI图像	285例高级别胶质瘤（HGGs）和低级别胶质瘤（LGGs）的MRI扫描
607	2024-12-06	Development of an efficient novel method for coronary artery disease prediction using machine learning and deep learning techniques 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240740 PMID:39031414	研究论文	本文提出了一种基于机器学习和深度学习技术的新方法，用于提高冠状动脉疾病预测的准确性	本文提出了一种新的集成投票分类器模型，结合了多种机器学习算法和深度学习算法，以提高冠状动脉疾病预测的准确性	NA	提高冠状动脉疾病预测的准确性	冠状动脉疾病	机器学习	心血管疾病	机器学习、深度学习	集成投票分类器模型	临床数据	216例冠状动脉疾病病例
608	2024-12-06	Football teaching and training based on video surveillance using deep learning 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-231860 PMID:39177616	研究论文	本文研究了基于视频监控和深度学习的足球教学与训练，通过自动识别和分类训练动作来评估运动员的表现	本文提出了基于深度学习的足球教学动作识别模型（DL-FTMR），并结合惯性测量单元（IMU）和计算机视觉分析数据进行系统性研究	NA	研究目的是通过深度学习技术自动识别和分类足球教学与训练动作，以提高运动员的表现评估准确性	足球教学与训练动作的自动识别和分类	计算机视觉	NA	深度学习	卷积神经网络（CNN）	视频	使用了公开的Human Activity Recognition (HAR)数据集和UT-Interaction数据集
609	2024-12-06	Liver tumor segmentation method combining multi-axis attention and conditional generative adversarial networks 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312105 PMID:39625955	研究论文	提出了一种结合多轴注意力和条件生成对抗网络的肝脏肿瘤分割方法	引入了多轴注意力机制和条件生成对抗网络，以解决现有方法在类不平衡、全局上下文特征融合不足和局部细节感知弱等问题	未提及具体局限性	提高肝脏肿瘤分割的效率和准确性	肝脏和肿瘤在腹部CT图像中的分割	计算机视觉	NA	深度学习	条件生成对抗网络 (cGAN)	图像	使用了LiTS公共数据集进行训练和测试
610	2024-12-06	DLLabelsCT: Annotation tool using deep transfer learning to assist in creating new datasets from abdominal computed tomography scans, case study: Pancreas 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313126 PMID:39625972	研究论文	开发了一种名为DLLabelsCT的注释工具，利用深度迁移学习加速腹部CT扫描图像分析过程，并以胰腺为例进行了案例研究	提出了DLLabelsCT工具，通过使用ResNet34-UNet模型显著加速了注释过程，并展示了其在不同数据集上的高准确性和可扩展性	仅在胰腺分割任务上进行了验证，尚未在其他器官上进行广泛测试	开发一种能够加速医学图像注释过程的工具，以支持深度学习算法在放射学评估中的应用	腹部CT扫描图像中的胰腺分割	计算机视觉	NA	深度学习	CNN	图像	3715张CT扫描切片
611	2024-12-06	A fact based analysis of decision trees for improving reliability in cloud computing 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311089 PMID:39625991	研究论文	本文通过比较五种机器学习算法在云计算中的准确性和故障预测能力，提出了一种改进决策树算法的方法	提出了对决策树（J48）算法的改进，以提高其在云计算中的可靠性和准确性	算法复杂度较高，需要进一步优化	提高云计算中的决策树算法的可靠性和准确性	五种机器学习算法在云计算中的性能	机器学习	NA	机器学习算法	决策树（J48）	数值数据	NA
612	2024-12-06	Dual assurance for healthcare and future education development: normalized assistance for low-income population in rural areas-evidence from the population identification 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1384474 PMID:39628808	研究论文	本研究探讨了农村低收入人口在医疗和未来教育方面的关系，并开发了一种智能识别分类模型来准确检测和分类农村低收入个体	提出了一个准确度达到91.93%的智能识别分类模型，超过了其他基线神经网络算法	研究仅限于广东省J市，结果可能不适用于其他地区	探索农村低收入人口在医疗和未来教育方面的关系，并为政策制定提供支持	农村低收入人口的医疗和教育状况	机器学习	NA	深度学习算法	神经网络	大数据	NA
613	2024-12-06	SMART-PET: a Self-SiMilARiTy-aware generative adversarial framework for reconstructing low-count [18F]-FDG-PET brain imaging 2024, Frontiers in nuclear medicine (Lausanne, Switzerland) DOI:10.3389/fnume.2024.1469490 PMID:39628873	研究论文	本文介绍了一种基于生成对抗网络（GAN）和自相似性注意力机制的新型深度学习框架，用于重建低计数[18F]-FDG-PET脑部图像	提出了一个自相似性感知生成对抗框架（SMART-PET），利用自相似性注意力机制来增强PET图像的去噪效果，无需依赖MRI的解剖细节	NA	开发一种新的深度学习框架，用于提高低计数PET图像的质量，减少放射性暴露	低计数[18F]-FDG-PET脑部图像	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	114名受试者，包括34名药物难治性癫痫患者、10名额颞叶痴呆患者和70名健康志愿者
614	2024-12-06	The effectiveness of deep learning model in differentiating benign and malignant pulmonary nodules on spiral CT 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-241079 PMID:39520159	研究论文	研究深度学习模型在螺旋CT图像上区分良性和恶性肺结节的有效性	提出了一种基于深度学习的细粒度分类方法，用于区分肺结节，并展示了其在区分良恶性肺结节方面的优越性	研究样本量较小，且仅限于一家医院的病例	探讨基于深度学习的肺结节分类和分割算法在区分良恶性肺结节中的临床价值和诊断效果	良性和恶性肺结节	计算机视觉	肺部疾病	深度学习	深度学习模型	CT图像	120例肺结节患者
615	2024-12-05	[Changes in FDG-PET Images of Small Lung and Liver Masses Caused by the Deep Learning-based Time-of-flight Processing] 2024, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-1518 PMID:39617445	研究论文	研究评估了基于深度学习的飞行时间处理（DL-ToF）对PET图像中肺部和肝脏小肿块的影响	DL-ToF通过后处理模拟飞行时间效应，应用深度学习增强PET图像	研究仅使用了一个胸腹部仿真模型，未涉及临床数据	评估DL-ToF在PET成像中的有效性	肺部和肝脏的小肿块	计算机视觉	NA	PET成像	深度学习	图像	一个胸腹部仿真模型
616	2024-12-05	Estimating protein-ligand interactions with geometric deep learning and mixture density models 2024, Journal of biosciences IF:2.1Q2 PMID:39618061	研究论文	本文介绍了一种基于几何深度学习和混合密度模型的方法，用于预测蛋白质与配体的结合构象	开发了一种生成蛋白质图形表示的技术，利用图神经网络学习基于距离概率的统计势能，并结合全局优化算法进行配体结合构象的预测	NA	改进现有的基于物理学的解决方案，提高蛋白质与配体相互作用的预测精度	蛋白质与配体的结合构象	计算机视觉	NA	几何深度学习	图神经网络	结构数据	NA
617	2024-12-05	Advanced Analysis of OCT/OCTA Images for Accurately Differentiating Between Glaucoma and Healthy Eyes Using Deep Learning Techniques 2024, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S472231 PMID:39618988	研究论文	评估OCT和OCTA图像在区分青光眼和健康眼睛中的区分能力，使用深度学习技术	提出了一种结合OCT和OCTA图像的深度学习方法，用于更准确地区分青光眼和健康眼睛	研究样本量相对较小，可能影响结果的普适性	评估OCT和OCTA图像在区分青光眼和健康眼睛中的有效性	青光眼和健康眼睛的OCT和OCTA图像	计算机视觉	眼科疾病	深度学习	卷积神经网络 (CNN)	图像	157名受试者的1106次眼扫描
618	2024-12-05	Segmentation of glioblastomas via 3D FusionNet 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1488616 PMID:39619438	研究论文	本文提出了一种用于脑肿瘤自动分割的端到端3D深度学习模型	FusionNet结合了U-Net和SegNet的优点，在肿瘤分割性能上优于两者	尽管模型在脑肿瘤分割上表现出色，但仍有提升空间	开发一种能够自动分割脑肿瘤的3D深度学习模型	胶质母细胞瘤（GBM）患者的脑肿瘤	计算机视觉	脑肿瘤	NA	FusionNet	MRI图像	630名GBM患者
619	2024-12-05	Advancing EGFR mutation subtypes prediction in NSCLC by combining 3D pretrained ConvNeXt, radiomics, and clinical features 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1464555 PMID:39619439	研究论文	本研究开发了一种结合3D预训练ConvNeXt、放射组学和临床特征的新方法，用于预测非小细胞肺癌患者中表皮生长因子受体（EGFR）及其亚型的表达状态	本研究首次将3D预训练ConvNeXt与放射组学和临床特征结合，用于EGFR突变及其亚型的预测	本研究为回顾性研究，样本量有限，未来需在更大规模的前瞻性研究中验证模型的有效性	开发一种新的方法，用于预测非小细胞肺癌患者中EGFR及其亚型的表达状态	非小细胞肺癌患者的EGFR及其亚型表达状态	计算机视觉	肺癌	3D卷积神经网络（3D-CNN）	ConvNeXt	图像	732名非小细胞肺癌患者
620	2024-12-05	IGAMT: Privacy-Preserving Electronic Health Record Synthesization with Heterogeneity and Irregularity 2024, Proceedings of the ... AAAI Conference on Artificial Intelligence. AAAI Conference on Artificial Intelligence DOI:10.1609/aaai.v38i14.29491 PMID:39619768	研究论文	提出了一种名为IGAMT的框架，用于生成隐私保护的合成电子健康记录（EHR）数据，解决了特征异质性、结构缺失值和时间测量不规则性等问题	IGAMT框架不仅能够生成高质量的合成EHR数据，还能在隐私保护和数据效用之间实现更好的平衡	未明确提及	解决电子健康记录数据在机器学习应用中的隐私和安全问题	电子健康记录数据及其合成方法	机器学习	NA	深度学习	NA	文本	未明确提及