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
721	2024-09-23	Deep learning for prediction of post-thrombectomy outcomes based on admission CT angiography in large vessel occlusion stroke 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1369702 PMID:39149161	研究论文	本文训练并验证了基于入院CT血管造影的深度学习管道，用于预测大血管闭塞性卒中血栓切除术后3个月的结果	本文首次提出了基于入院CTA图像、CTA+治疗信息以及CTA+治疗+临床信息的深度学习模型，用于预测血栓切除术后3个月的结果	本文的样本量较小，且仅限于前循环大血管闭塞性卒中患者	开发一种端到端的自动化模型，用于基于入院CTA和血栓切除术后再灌注成功情况预测卒中患者的预后	大血管闭塞性卒中患者	计算机视觉	脑血管疾病	深度学习	ResNet-50 3D卷积神经网络	图像	591名患者
722	2024-09-23	Fetal-BET: Brain Extraction Tool for Fetal MRI 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3426969 PMID:39157057	研究论文	本文提出了一种用于胎儿MRI脑部提取的机器学习方法	开发了一种基于U-Net架构和注意力机制的深度学习方法，用于从多种胎儿MRI序列中自动提取脑部	需要大量标注数据进行训练，且方法的泛化能力需要在更多不同中心的数据上进一步验证	解决胎儿MRI脑部提取的挑战，为胎儿脑发育研究提供技术支持	胎儿MRI图像中的脑部提取	计算机视觉	NA	深度学习	U-Net	图像	约72,000张2D胎儿脑部MRI图像
723	2024-09-23	Classification of land lot shapes in real estate sector using a convolutional neural network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308788 PMID:39298502	研究论文	本文研究了使用卷积神经网络对房地产行业中的地块形状进行分类	首次尝试在微观空间尺度上使用深度学习算法进行土地管理	NA	填补传统地块分类方法的空白，解决其耗时、资源密集和主观偏差的问题	地块形状的自动分类	计算机视觉	NA	卷积神经网络	Xception神经网络	图像	研究区域内的地块图像数据
724	2024-09-22	Effects of Individual Research Practices on fNIRS Signal Quality and Latent Characteristics 2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3458396 PMID:39259640	研究论文	研究评估了不同实验室在两个不同人群中采集的fNIRS信号质量及其潜在特征的差异	首次系统评估了不同实验室采集的fNIRS信号质量及其潜在特征的差异，并强调了制定清晰实验指南的重要性	研究仅限于两个实验室的数据，样本量较小，可能影响结果的普适性	评估不同实验室采集的fNIRS信号质量及其潜在特征的差异	新加坡和意大利两个实验室采集的fNIRS信号	神经影像学	NA	功能近红外光谱(fNIRS)	支持向量机(SVM)	信号	新加坡74人，意大利84人
725	2024-09-22	A comparative evaluation of maize silage quality under diverse pre-ensiling strategies 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308627 PMID:39292664	研究论文	本文比较了不同预青贮策略下玉米青贮饲料质量的影响	利用开源数据库评估了新鲜收获玉米化学成分多样性对青贮饲料质量的影响，并提出了结合多数据库数据以应用更强大的机器学习或深度学习算法的建议	预测模型仅适用于使用田间传感器技术的筛选目的，需要更全面的方法来更好地阐明玉米青贮饲料质量的决定因素	评估不同预青贮策略对玉米青贮饲料质量的影响	玉米青贮饲料的质量	NA	NA	NA	NA	NA	NA
726	2024-09-22	Artificial intelligence and machine learning applications for the imaging of bone and soft tissue tumors 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1332535 PMID:39301168	研究论文	本文探讨了人工智能和机器学习在骨与软组织肿瘤影像学中的应用	本文展示了人工智能工具在影像分割、病变检测等方面的潜力，特别是在恶性分级、预测和治疗计划中的应用	本文指出了标准化、数据整合和患者数据伦理问题等挑战，以及由于疾病发病率有限导致的算法开发障碍	本文旨在探讨人工智能和机器学习在骨与软组织肿瘤影像学中的应用及其潜力	本文主要研究对象是骨与软组织肿瘤的影像学	计算机视觉	骨与软组织肿瘤	人工智能、机器学习	深度学习	影像	NA
727	2024-09-22	Noise-induced modality-specific pretext learning for pediatric chest X-ray image classification 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1419638 PMID:39301479	研究论文	研究探讨了通过图像去噪和去模糊增强的特定模态预训练学习在小儿胸片分类中的有效性	提出了一种基于VGG-16-Sharp-U-Net架构的特定模态预训练学习方法，显著提高了小儿胸片分类的敏感性和其他性能指标	研究仅限于小儿胸片分类，未涉及其他类型的医学图像	探索特定模态预训练学习在医学图像分类中的应用，特别是小儿胸片分类	小儿胸片图像，分为正常肺部和心肺疾病表现	计算机视觉	NA	深度学习	VGG-16-Sharp-U-Net	图像	NA
728	2024-09-22	Diagnostic accuracy of deep learning in detection and prognostication of renal cell carcinoma: a systematic review and meta-analysis 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1447057 PMID:39301494	meta-analysis	本文通过系统综述和荟萃分析评估了深度神经网络在肾细胞癌检测和预后中的诊断性能	本文首次通过荟萃分析评估了深度神经网络在肾细胞癌亚型检测和生存预测中的综合诊断性能	需要进一步研究以验证这些发现并在大规模上建立其普遍性	评估深度神经网络在肾细胞癌检测和预后中的诊断性能	肾细胞癌的亚型检测和生存预测	数字病理学	肾细胞癌	深度学习	深度神经网络	病理样本	5340名患者
729	2024-09-22	Deep learning-based image analysis predicts PD-L1 status from 18F-FDG PET/CT images in non-small-cell lung cancer 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1402994 PMID:39301549	研究论文	本研究利用深度学习技术分析18F-FDG PET/CT图像，预测非小细胞肺癌中的PD-L1表达状态	本研究首次将深度学习与临床特征结合，用于预测非小细胞肺癌中的PD-L1表达，并验证了18F-FDG PET/CT图像作为PD-L1表达生物标志物的潜力	本研究为回顾性研究，样本量较小，需要进一步的前瞻性研究验证	研究目的是通过结合深度学习图像和临床特征，提高非小细胞肺癌中PD-L1表达的预测性能	研究对象为101名接受18F-FDG PET/CT扫描的非小细胞肺癌患者	计算机视觉	肺癌	深度学习	3D DenseNet121	图像	101名非小细胞肺癌患者
730	2024-09-22	Image steganography techniques for resisting statistical steganalysis attacks: A systematic literature review 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308807 PMID:39283894	综述	本文对能够抵抗统计隐写分析攻击的图像隐写技术进行了系统的文献综述	本文通过综合分析现有文献，探讨了生成对抗网络在图像隐写技术中的主导地位，并指出人工智能算法如机器学习、深度学习和卷积神经网络在增强安全性方面的应用	本文主要关注于现有技术的综述和比较，未提出新的技术或方法	填补现有文献中关于能够抵抗统计隐写分析攻击的图像隐写技术的研究空白	图像隐写技术及其对统计隐写分析攻击的抵抗能力	计算机视觉	NA	生成对抗网络、机器学习、深度学习、卷积神经网络、遗传算法	生成对抗网络、卷积神经网络	图像	从ACM数字图书馆、IEEE探索、Science Direct和Wiley中选取了125篇文章
731	2024-09-21	Predicting recovery following stroke: Deep learning, multimodal data and feature selection using explainable AI 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103638 PMID:39002223	研究论文	本文评估了多种基于深度学习和可解释AI的解决方案，用于预测中风后的恢复情况	引入了一种新的方法，即将从MRI中提取的感兴趣区域（ROIs）与表格数据的符号表示相结合，训练卷积神经网络（CNN）	数据集相对较小，且仅限于英语使用者	评估多种方法以提高中风后恢复预测的准确性	中风幸存者的MRI和表格数据	机器学习	中风	MRI	卷积神经网络（CNN）	图像和表格数据	758名中风幸存者
732	2024-09-21	Geodesic shape regression based deep learning segmentation for assessing longitudinal hippocampal atrophy in dementia progression 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103623 PMID:38821013	研究论文	本文提出了一种基于测地线形状回归的深度学习分割方法，用于评估痴呆进展中的海马体萎缩	本文创新性地将测地线形状回归集成到两阶段分割网络中，以增强个体内部形态一致性，从而减少纵向变异性对分割精度的影响	NA	旨在提高纵向MRI图像中海马体形态分割的准确性，从而更精确地评估痴呆进展中的海马体萎缩	海马体形态及其在痴呆进展中的萎缩情况	计算机视觉	神经退行性疾病	深度学习	3D U-Net	图像	来自阿尔茨海默病神经影像学倡议（ADNI）的纵向数据
733	2024-09-21	Cortical thickness and grey-matter volume anomaly detection in individual MRI scans: Comparison of two methods 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103624 PMID:38823248	研究论文	比较两种方法在个体MRI扫描中检测皮质厚度和灰质体积异常的性能	使用深度学习方法DL + DiReCT比传统方法FreeSurfer在计算时间上快了15倍以上	在健康对照组中，异常检测的灵敏度和空间特异性较低	评估和比较两种工具在检测阿尔茨海默病患者和健康对照者MRI扫描中皮质厚度和灰质体积异常的能力	阿尔茨海默病患者和健康对照者的MRI扫描数据	数字病理学	阿尔茨海默病	MRI	深度学习	图像	OASIS3数据集，包含阿尔茨海默病患者和健康对照者
734	2024-09-21	Deep Learning-based Automated Knee Joint Localization in Radiographic Images Using Faster R-CNN 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056262464230922112606 PMID:37881088	研究论文	本文提出了一种基于深度学习的自动膝关节定位方法，使用Faster R-CNN模型在放射影像中检测膝关节区域	本文的创新点在于利用Faster R-CNN模型实现了膝关节区域的自动检测，克服了传统方法的主观性、耗时和劳动密集的缺点	本文未详细讨论模型的泛化能力和在不同数据集上的表现	本研究的目的是开发一种更高效和自动化的膝关节分析方法，以替代传统的膝关节X光评估	本研究的对象是膝关节区域的放射影像	计算机视觉	骨关节炎	Faster R-CNN	Faster R-CNN	图像	使用了膝关节图像数据集进行模型训练和评估
735	2024-09-21	Performance analysis of Alexnet for Classification of Knee Osteoarthritis 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230809105544 PMID:37559245	研究论文	本文分析了AlexNet模型在膝关节骨性关节炎分类中的性能	本文首次评估了AlexNet模型在膝关节骨性关节炎分类中的性能，并与其他模型进行了比较	本文仅评估了AlexNet模型的性能，未探讨其他可能更优的深度学习模型	评估AlexNet模型在膝关节骨性关节炎分类中的性能，并与其他模型进行比较	膝关节骨性关节炎的分类	计算机视觉	骨关节炎	深度学习技术	AlexNet	图像	NA
736	2024-09-21	Implementation and Efficient Analysis of Preprocessing Techniques in Deep Learning for Image Classification 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230829150157 PMID:37649293	研究论文	本文研究了深度学习图像分类中预处理技术的实现及其有效性分析	本文采用MSA方法分析了图像处理应用中预处理步骤的影响，并总结了现有使用和不使用预处理步骤的深度学习图像处理模型	本文未详细探讨不同预处理技术对模型性能的具体影响	探讨预处理步骤在深度学习图像分类中的必要性	图像分类中的预处理技术及其对模型性能的影响	计算机视觉	NA	深度学习	神经网络	图像	大量数据样本
737	2024-09-21	Classification of Brain Tumours in MRI Images using a Convolutional Neural Network 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230327124902 PMID:37018519	研究论文	本文使用卷积神经网络（CNN）对脑部MRI图像中的肿瘤进行分类	提出的CNN模型在处理资源消耗较少的情况下，实现了更高的准确率和损失减少	实验在相对有限的样本数据集上进行	利用深度学习技术提高脑肿瘤MRI图像分类的准确性	脑部MRI图像中的肿瘤	计算机视觉	脑肿瘤	卷积神经网络（CNN）	CNN	图像	相对有限的样本数据集
738	2024-09-21	An Early Detection and Classification of Alzheimer's Disease Framework Based on ResNet-50 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230825113344 PMID:37622561	研究论文	本文提出了一种基于ResNet-50的阿尔茨海默病早期检测和分类框架	通过使用深度残差网络（ResNet）模型和图像预处理技术，解决了传统卷积神经网络（CNN）中卷积层的局限性	尽管某些模型在准确性上表现更好，但它们容易过拟合	开发一种更有效的阿尔茨海默病早期检测系统	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	深度残差网络（ResNet）	ResNet-50	MRI扫描图像	阿尔茨海默病患者的MRI扫描数据集
739	2024-09-21	Convex Hull Prediction for Adaptive Video Streaming by Recurrent Learning 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3455989 PMID:39264770	研究论文	提出了一种基于深度学习的自适应视频流凸包预测方法，通过循环卷积网络（RCN）分析视频片段的时空复杂度来预测其凸包	采用循环卷积网络（RCN）和两步迁移学习方案，显著减少了预编码时间和计算开销	未提及具体限制	减少自适应视频流中预编码步骤的时间和计算开销	视频片段的凸包预测	计算机视觉	NA	深度学习	循环卷积网络（RCN）	视频	未提及具体样本数量
740	2024-09-21	Change Representation and Extraction in Stripes: Rethinking Unsupervised Hyperspectral Image Change Detection With an Untrained Network 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3438100 PMID:39269800	研究论文	提出了一种新的无监督高光谱图像变化检测方法StripeCD，通过在无训练网络中集成优化建模来表示和建模条纹变化	引入了一种新的特征空间表示方法，通过条纹形式表示变化特征，并提出了一种多尺度前向-后向分割框架来突出显著变化	依赖于无训练网络的特征波动性可能导致变化检测结果不准确	改进无监督高光谱图像变化检测方法，减少对标注数据的依赖	高光谱图像的变化检测	计算机视觉	NA	无训练卷积网络	卷积神经网络	图像	涉及三个广泛使用的高光谱图像数据集