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
881	2024-08-24	The future of medicine: an outline attempt using state-of-the-art business and scientific trends 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1391727 PMID:39170042	综述	本文综述了当前商业和科学趋势对未来医药生态系统的影响	探讨了人工智能、机器学习、大数据和真实世界数据在医药产品生命周期中的应用，以及个性化医疗的突破	NA	探讨未来医药生态系统的发展	医药生态系统及其与技术的互动	NA	NA	人工智能、机器学习、大数据、真实世界数据、纳米技术	人工神经网络、深度学习	数据	NA
882	2024-08-24	Evaluation and analysis of visual perception using attention-enhanced computation in multimedia affective computing 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1449527 PMID:39170679	研究论文	本文提出了一种注意力增强的多层变换器（AEMT）模型，用于改善面部表情识别（FER）在自然环境中的鲁棒性和准确性	AEMT模型集成了双分支卷积神经网络（CNN）、注意力选择融合（ASF）模块和多层变换器编码器（MTE），通过捕获长距离依赖和复杂特征关系，显著提高了特征表示和分类准确性	NA	提高面部表情识别在复杂现实场景中的鲁棒性和准确性	面部表情识别系统在自然环境中的性能	计算机视觉	NA	卷积神经网络（CNN），多层变换器编码器（MTE）	注意力增强的多层变换器（AEMT）	图像	在RAF-DB和AffectNet数据集上进行了评估，分别达到了81.45%和71.23%的准确率
883	2024-08-23	The role of cortical structural variance in deep learning-based prediction of fetal brain age 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1411334 PMID:38846713	研究论文	本研究探讨了皮质结构变异在基于深度学习的胎儿脑龄预测中的作用	首次尝试解释形状相关的皮质结构特征对预测胎儿脑龄变异的影响	NA	识别胎儿大脑发育异常及不良发育结果的风险	胎儿大脑的皮质结构特征	机器学习	NA	磁共振成像	卷积神经网络	图像	NA
884	2024-08-23	An advanced Artificial Intelligence platform for a personalised treatment of Eating Disorders 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1414439 PMID:39165503	研究论文	本研究利用人工智能（AI），特别是机器学习（ML）和深度学习（DL），开发一个先进的平台，以改善饮食失调（EDs）的诊断和个性化治疗	本研究通过集成患者数据、支持医疗专业人员和增强患者能力，提高了护理的可及性、个性化治疗计划和优化护理路径	NA	利用AI技术改善饮食失调的诊断和治疗	饮食失调患者	机器学习	饮食失调	机器学习（ML）和深度学习（DL）	AI算法	多样化的数据源	NA
885	2024-08-23	Thyroid Cancer Central Lymph Node Metastasis Risk Stratification Based on Homogeneous Positioning Deep Learning 2024, Research (Washington, D.C.) DOI:10.34133/research.0432 PMID:39165637	研究论文	本研究开发了一种基于同质定位深度学习的甲状腺癌中央淋巴结转移风险分层方法	采用差异同构对齐方法结合图变换器准确提取甲状腺结节的定位和形态信息，预测中央淋巴结转移	NA	评估超声诊断的甲状腺癌中央淋巴结转移风险和预防性淋巴结手术的必要性	甲状腺癌患者的中央淋巴结转移风险	数字病理学	甲状腺癌	深度学习	图变换器	图像	88,796张超声图像，来自48,969名患者
886	2024-08-23	CSNet: A Count-Supervised Network via Multiscale MLP-Mixer for Wheat Ear Counting 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0236 PMID:39165670	研究论文	提出了一种基于多尺度MLP-Mixer的计数监督网络CSNet，用于小麦穗头自动计数	CSNet利用数量信息而非位置信息进行训练，减少了人工标注的需求	NA	提高小麦穗头计数的准确性并降低标注成本	小麦穗头的自动计数技术	计算机视觉	NA	MLP-Mixer	CNN	图像	使用了公开的小麦穗头检测数据集
887	2024-08-23	A lightweight dual-attention network for tomato leaf disease identification 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1420584 PMID:39166234	研究论文	本文提出了一种基于机器视觉的番茄叶病分类识别方法，通过图像增强和数据扩充解决数据不平衡问题，并引入具有双注意力机制的卷积块构建轻量级模型LDAMNet，以提高特征提取能力	创新性地使用混合通道注意力（HCA）和坐标注意力（CSA）处理图像的通道和空间信息，并提出鲁棒交叉熵（RCE）损失函数以减少噪声标签的影响	未来研究需要进一步优化模型的结构和计算效率，并在更多实际场景中验证其应用效果	提高番茄叶病识别的准确性和泛化能力	番茄叶病图像	计算机视觉	NA	机器视觉方法	卷积神经网络（CNN）	图像	在番茄病害数据集上达到98.71%的平均识别准确率，并在水稻作物病害数据集上展示了良好的识别能力
888	2024-08-23	[[Applications] 13. Segmentation of Infant Brain Ventricles with Hydrocephalus Using Deep Learning] 2024, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.2024-2398 PMID:39168595	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
889	2024-08-22	Expert-centered Evaluation of Deep Learning Algorithms for Brain Tumor Segmentation 2024-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.220231 PMID:38197800	研究论文	本文通过文献调查和专家评估，研究了深度学习算法在脑肿瘤分割中的应用和评价	本文首次探讨了临床专家对脑肿瘤分割质量感知的评估，并揭示了现有量化质量指标与临床感知之间的差异	研究中专家对分割质量的感知存在较大差异，且现有指标未能完全反映临床感知	评估深度学习算法在脑肿瘤分割中的表现，并研究临床专家对分割质量的感知	脑肿瘤分割算法及其质量评估	机器学习	脑肿瘤	深度学习算法	NA	图像	60例脑肿瘤分割案例
890	2024-08-22	M-VAAL: Multimodal Variational Adversarial Active Learning for Downstream Medical Image Analysis Tasks 2024, Medical Image Understanding and Analysis. Medical Image Understanding and Analysis (Conference) DOI:10.1007/978-3-031-48593-0_4 PMID:39156493	研究论文	本文提出了一种多模态变分对抗主动学习方法（M-VAAL），用于提高医学图像分析任务中的数据效率	M-VAAL方法利用多模态辅助信息增强主动采样，提高模型的鲁棒性	NA	旨在减少医学领域中大规模标注样本的需求，通过主动学习选择最有信息量的样本进行标注	脑肿瘤分割与多标签分类，以及胸部X光图像分类	计算机视觉	NA	变分对抗主动学习	变分对抗网络	图像	使用了BraTS2018数据集和COVID-QU-Ex数据集
891	2024-08-22	A retrospective evaluation of individual thigh muscle volume disparities based on hip fracture types in followed-up patients: an AI-based segmentation approach using UNETR 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.17509 PMID:39161969	研究论文	本研究使用基于UNETR的AI自动分割模型，评估了随访的髋部骨折患者中不同类型骨折导致的单个大腿肌肉体积差异	采用基于深度学习算法的自动肌肉分割模型，实现了对大腿肌肉体积差异的高效准确分析	研究样本量较小，仅包括18名患者	评估髋部骨折患者随访期间大腿肌肉体积的变化，并指导康复干预	髋部骨折患者的单个大腿肌肉体积	计算机视觉	骨折	CT扫描	UNETR	图像	18名髋部骨折手术治疗后的患者
892	2024-08-21	Prediction of multiclass surgical outcomes in glaucoma using multimodal deep learning based on free-text operative notes and structured EHR data 2024-01-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad213 PMID:37964658	研究论文	本研究开发并评估了基于自由文本手术记录和结构化电子健康记录的多模态深度学习模型，用于预测青光眼手术的多类别结果	本研究首次将术中信息纳入多模态模型，用于预测青光眼手术的多类别结果，并展示了其在临床决策中的价值	NA	研究目的是通过整合术中信息，提高青光眼手术结果预测的准确性	青光眼手术的多类别结果预测	机器学习	青光眼	多模态深度学习	神经网络	文本和结构化数据	NA
893	2024-08-21	Presegmenter Cascaded Framework for Mammogram Mass Segmentation 2024, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/2024/9422083 PMID:39155940	研究论文	本文提出了一种新颖的两阶段端到端级联框架，用于乳腺X线摄影图像中的乳腺肿块分割，该框架结合了潜在肿块区域的显著性图来指导深度学习模型进行乳腺肿块分割	引入预分割注意力（PSA）块在第二阶段分割模型中，使模型能够根据生成的显著性图动态适应乳腺X线图像中最具信息量的区域	当前的深度学习模型在乳腺X线摄影肿块分割中存在假阳性（FPs）、假阴性（FNs）和端到端方法的挑战	提高乳腺X线摄影图像中乳腺肿块分割的准确性，以支持早期癌症诊断和治疗计划	乳腺X线摄影图像中的乳腺肿块	计算机视觉	乳腺癌	深度学习（DL）	U-net	图像	使用了三个数据集：INbreast、CSAW-S和DMID
894	2024-08-21	Automatic detection of fish scale circuli using deep learning 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae056 PMID:39155982	研究论文	本文介绍了一种使用卷积神经网络（CNN）自动从鱼鳞图像中提取生长数据的全自动方法	提出了一种基于CNN的自动化方法来检测鱼鳞的生长环（circuli），并能从多个径向轨迹中自动检测鱼鳞中心和个体生长环	在鱼鳞图像的淡水区域，生长带最为狭窄，导致circuli检测的置信度较低	开发一种自动化的方法来提取鱼鳞的生长数据，以便于鱼类年龄和生长分析	鱼鳞的生长环（circuli）	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	焦点检测器训练使用了725张鱼鳞图像，circuli检测器训练使用了40,678个circuli标注
895	2024-08-21	Comprehensive multimodal deep learning survival prediction enabled by a transformer architecture: A multicenter study in glioblastoma 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae122 PMID:39156618	研究论文	本研究通过结合MR图像、临床和分子病理数据，利用基于transformer的深度学习模型，旨在提高胶质母细胞瘤生存预测的准确性	提出了一种基于transformer的非线性和非比例生存预测模型，并采用自监督学习技术有效编码高维MRI输入，通过交叉注意力与非图像数据整合	NA	提高胶质母细胞瘤生存预测的准确性	胶质母细胞瘤患者的生存预测	机器学习	脑肿瘤	transformer	transformer	图像和非图像数据	共涉及三个独立公共测试集，分别为UPenn-GBM（378例）、UCSF-PDGM（366例）和Rio Hortega University Hospital（RHUH）-GBM（36例）
896	2024-08-21	BFNet: a full-encoder skip connect way for medical image segmentation 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1412985 PMID:39156824	研究论文	本文提出了一种新的BFNet模型，通过全编码器跳跃连接方式改进医学图像分割	BFNet模型能够利用编码器层的所有特征图，并通过重新连接当前层的编码器，使解码器更好地学习分割目标的位置信息和边界信息	文章未明确提及现有模型的具体限制	改进医学图像分割的准确性和减少网络参数	医学图像分割	计算机视觉	NA	卷积神经网络(CNN)	U-Net	图像	文章未提供具体样本数量
897	2024-08-21	A deep learning approach to dysphagia-aspiration detecting algorithm through pre- and post-swallowing voice changes 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1433087 PMID:39157445	研究论文	本研究旨在通过深度学习模型识别吞咽困难-吸入患者与健康个体之间的声音特征差异，特别是关注吞咽前后的声音变化	本研究首次使用深度学习模型分析吞咽困难患者吞咽前后的声音变化，并提出了一种新的声音分析程序	研究样本中女性参与者较少，可能影响模型的性别平衡	评估基于声音分析的程序，以检测吞咽困难患者吞咽前后的变化，并提供实时监测	吞咽困难-吸入患者与健康个体的声音特征	机器学习	吞咽困难	深度学习	EfficientAT模型	声音数据	198名年龄大于40岁的参与者
898	2024-08-21	Deep Learning Estimation of 10-2 Visual Field Map Based on Macular Optical Coherence Tomography Angiography Measurements 2024-01, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2023.09.014 PMID:37734638	研究论文	本研究开发了一种深度学习模型，用于从光学相干断层扫描血管成像（OCTA）的血管密度（VD）测量中估计中央视野（VF）	深度学习模型在估计10-2平均偏差（MD）和点状偏差（TD）值方面显著优于线性回归模型	NA	开发和验证一种深度学习模型，用于从OCTA图像中估计中央视野损失	健康眼、青光眼疑似眼和青光眼眼的10-2视野OCTA对	机器学习	青光眼	光学相干断层扫描血管成像（OCTA）	深度学习模型	图像	1051对10-2视野OCTA数据
899	2024-08-21	Assessment of inspiration and technical quality in anteroposterior thoracic radiographs using machine learning 2024-01, Radiography (London, England : 1995) DOI:10.1016/j.radi.2023.10.014 PMID:37918335	研究论文	本研究开发了一种深度学习模型，用于评估前后胸片的吸气和技术质量	首次使用卷积神经网络评估前后胸片的吸气和技术质量	模型在技术质量不足的图像上表现最差	探索机器学习算法在评估前后胸片吸气和技术质量方面的性能	前后胸片的吸气和技术质量	计算机视觉	NA	卷积神经网络	CNN	图像	2375张成人前后胸片
900	2024-08-19	Forecasting CO2 emissions of fuel vehicles for an ecological world using ensemble learning, machine learning, and deep learning models 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2234 PMID:39145202	研究论文	本研究通过比较分析18种基于机器学习、集成学习和深度学习范式的回归算法，评估和预测燃油车辆的二氧化碳排放量	研究发现集成学习方法具有更高的预测准确性和更低的误差率，其中包含极端梯度提升（XGB）、随机森林和轻梯度提升机（LGBM）的算法表现尤为突出	深度学习模型虽然能达到高R2值，但训练时间更长且需要更多计算资源	旨在估计和减少车辆二氧化碳排放，促进环境可持续性和减少大气中的温室气体排放	燃油车辆的二氧化碳排放量	机器学习	NA	回归分析	集成学习算法、深度学习模型（如CNN、DNN和GRU）	NA	NA