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
1381	2024-08-07	Predicting the error magnitude in patient-specific QA during radiotherapy based on ResNet 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230251 PMID:38457139	研究论文	本研究利用ResNet模型预测放射治疗中特定患者质量保证（QA）过程中的误差幅度	首次探讨了深度学习在预测误差幅度方面的可行性	NA	旨在预测放射治疗中不同交付误差类型的误差幅度	胸部癌症计划的强度调制放射治疗（IMRT）	机器学习	胸部癌症	ResNet	CNN	剂量分布	34个胸部癌症计划（172个场），其中30个计划用于模型训练和验证，4个计划用于外部测试
1382	2024-08-07	A user-friendly deep learning application for accurate lung cancer diagnosis 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230255 PMID:38607727	研究论文	本研究开发了一种用户友好的深度学习应用，用于提高肺癌诊断的准确性	利用放射组学和深度学习技术，通过U-NET和DenseNet模型进行图像分割和癌症分类，提高了肺癌诊断的效率和准确性	3D图像处理可能受器官重叠、畸变和放大等因素的限制，且可能无法检测到新的病理变化	开发一种工具，利用放射组学和深度学习技术进行肺癌诊断	肺癌患者的CT扫描图像	机器学习	肺癌	放射组学, 深度学习	U-NET, DenseNet	图像	86名患者来自Bach Mai医院，1012名患者来自开放数据库
1383	2024-08-07	DDA-SSNets: Dual decoder attention-based semantic segmentation networks for COVID-19 infection segmentation and classification using chest X-Ray images 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230421 PMID:38607728	研究论文	本文提出了一种基于双解码器注意力机制的语义分割网络DDA-SSNets，用于通过胸部X光图像对COVID-19感染进行分割和分类	提出了双解码器注意力机制的语义分割网络DDA-SSNets，包括DDA-UNet和DDA-SegNet，以及基于遗传算法的深度卷积神经网络分类器GADCNet，用于提高COVID-19感染的诊断和分期能力	NA	开发基于深度学习的模型，用于分类和量化与COVID-19相关的肺部感染	COVID-19感染的肺部区域和非感染区域	计算机视觉	COVID-19	深度学习	CNN	图像	胸部X光图像中的肺叶和感染区域
1384	2024-08-07	Feature shared multi-decoder network using complementary learning for Photon counting CT ring artifact suppression 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230396 PMID:38669511	研究论文	本文提出了一种新颖的特征共享多解码器网络（FSMDN），利用互补学习来抑制光子计数CT图像中的环状伪影	该网络通过特征共享编码器提取上下文和环状伪影特征，并通过并行的独立解码器进行处理，实现了伪影抑制和组织细节保留	NA	旨在全面解决光子计数CT图像中环状伪影的问题	光子计数CT图像中的环状伪影	计算机视觉	NA	深度学习	特征共享多解码器网络（FSMDN）	图像	涉及具有三种强度环状伪影的光子计数CT图像的多次实验
1385	2024-08-07	Development and Application of Traditional Chinese Medicine Using AI Machine Learning and Deep Learning Strategies 2024, The American journal of Chinese medicine DOI:10.1142/S0192415X24500265 PMID:38715181	综述	本文综述了机器学习和深度学习在传统中医中的应用和发展	探讨了机器学习和深度学习在中医理论中的应用，如舌诊、脉诊和辨证施治，并强调了其在中医领域的早期成功应用	文章指出了中医在机器学习和深度学习应用中面临的问题和挑战	旨在验证机器学习和深度学习在中医应用中的成就，并探讨其未来的发展	传统中医及其在现代技术中的应用	自然语言处理	NA	机器学习 (ML) 和深度学习 (DL)	NA	NA	NA
1386	2024-08-07	Classifying Routine Clinical Electroencephalograms With Multivariate Iterative Filtering and Convolutional Neural Networks 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.2024.3403198 PMID:38768007	研究论文	本研究使用多元迭代滤波和卷积神经网络对常规临床脑电图进行分类，并探讨其在脑龄预测中的应用	提出了一种新的方法，通过多元内在模态函数（MIMFs）和卷积神经网络（CNN）模型，对脑电信号进行分解，以提高脑龄预测的准确性	研究中使用的CNN模型未经精细调整，可能影响预测性能	解决脑电图分类的基本挑战，并探索其在脑龄预测中的应用	常规临床脑电图记录	机器学习	NA	多元迭代滤波（MIF）	卷积神经网络（CNN）	时间序列	6540例常规临床脑电图扫描
1387	2024-08-07	Long short-term memory (LSTM)-based news classification model 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301835 PMID:38814925	研究论文	本研究使用单向和双向长短期记忆（LSTM）深度学习网络进行中文新闻分类，并分析了上下文信息对文本分类的影响，实现了高准确率	本研究采用了双向LSTM网络进行特征提取，能够同时从前后两个方向传递信息到隐藏层，提高了特征提取的效果	NA	研究中文新闻分类的深度学习模型	中文新闻文章	自然语言处理	NA	LSTM, word2vec, jieba	LSTM, BiLSTM	文本	NA
1388	2024-08-07	Intelligent Stroke Disease Prediction Model Using Deep Learning Approaches 2024, Stroke research and treatment IF:1.8Q3 DOI:10.1155/2024/4523388 PMID:38817540	研究论文	本文利用一系列生理特征参数与深度神经网络（如Wasserstein生成对抗网络和回归网络）合作，构建了一个中风预测模型	使用WGAN-GP进行正样本数据增强以解决样本不平衡问题，并设计了一个基于深度回归网络的中风预测模型	NA	开发一个智能的中风疾病预测模型，以帮助早期识别中风症状并及时干预	中风疾病的预测	机器学习	中风	深度学习	深度神经网络	生理特征参数	使用中风公共数据集，具体样本数量未明确
1389	2024-08-07	Revolutionising healthcare with artificial intelligence: A bibliometric analysis of 40 years of progress in health systems 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241258757 PMID:38817839	研究论文	本文通过文献计量分析，回顾了过去四十年人工智能在医疗系统中的发展历程	本文首次对人工智能在医疗系统中的应用进行了长达四十年的文献计量分析，揭示了该领域的增长趋势和关键研究方向	NA	评估和可视化人工智能在医疗系统中的研究趋势和影响力	人工智能在医疗系统中的应用	机器学习	NA	文献计量分析	NA	文本	64,063篇论文
1390	2024-08-07	Dermoscopy-based Radiomics Help Distinguish Basal Cell Carcinoma and Actinic Keratosis: A Large-scale Real-world Study Based on a 207-combination Machine Learning Computational Framework 2024, Journal of Cancer IF:3.3Q2 DOI:10.7150/jca.94759 PMID:38817855	研究论文	本研究利用机器学习算法开发了一种预测模型，用于区分皮肤镜图像中的基底细胞癌（BCC）和光化性角化病（AK）	研究开发了一个深度学习模型用于图像特征的定量分析，并整合了15种机器学习算法，通过随机组合和交叉验证生成了207种算法组合	NA	开发一种有效的预测模型，用于区分皮肤镜图像中的基底细胞癌和光化性角化病	皮肤镜图像中的基底细胞癌和光化性角化病	机器学习	皮肤癌	机器学习算法	深度学习模型	图像	904张皮肤镜图像
1391	2024-08-07	Simulation of Automatically Annotated Visible and Multi-/Hyperspectral Images Using the Helios 3D Plant and Radiative Transfer Modeling Framework 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0189 PMID:38817960	研究论文	本文提出了一种基于Helios 3D植物建模软件的辐射传输建模框架，用于模拟植物的可见光、多/高光谱图像，并自动生成标注信息	该框架能够模拟RGB、多/高光谱、热成像和深度相机图像，并生成带有完全解析的参考标签的植物图像，如植物物理特性、叶片化学浓度和叶片生理特性	NA	解决深度学习模型在植物和作物特性分析中对标注图像数据集的需求，以及从遥感数据中提取复杂特性的挑战	植物和作物的特性分析	计算机视觉	NA	辐射传输建模	深度学习模型	图像	NA
1392	2024-08-07	Delineation of intracavitary electrograms for the automatic quantification of decrement-evoked potentials in the coronary sinus with deep-learning techniques 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1331852 PMID:38818521	研究论文	本文提出了一种基于深度学习的算法，用于从心电图信号中识别心房成分相对于心室成分的减少，以区分附加束和房室折返性心动过速。	开发了两种新的损失函数以减少假阴性和描绘错误，并探索了自注意力机制对模型性能的影响。	NA	旨在自动量化冠状窦内心电图信号中的减少诱发电位。	心电图信号中的减少诱发电位。	机器学习	心血管疾病	深度学习	W-Net	信号	312个心电图记录来自77名患者
1393	2024-08-07	Radiation dose estimation with multiple artificial neural networks in dicentric chromosome assay 2024, International journal of radiation biology IF:2.1Q2 DOI:10.1080/09553002.2024.2338531 PMID:38687685	研究论文	本文开发了一种使用深度学习算法自动识别染色体并进行辐射剂量精确估计的方法，遵循泊松分布。	该研究通过使用多种人工神经网络（ANNs）实现了辐射剂量的全自动和精确估计，克服了传统方法的局限性。	在低于0.5 Gy的剂量水平下，由于数值问题，剂量估计的准确性受到阻碍。	开发一种高精度的辐射剂量估计方法，通过全自动检测双着丝粒染色体（DCs），严格遵循泊松分布。	辐射剂量估计	机器学习	NA	人工神经网络（ANNs）	深度学习模型	图像	30名健康捐赠者的样本，覆盖7个剂量水平（0至4 Gy）
1394	2024-08-07	Deep learning and minimally invasive inflammatory activity assessment: a proof-of-concept study for development and score correlation of a panendoscopy convolutional network 2024, Therapeutic advances in gastroenterology IF:3.9Q1 DOI:10.1177/17562848241251569 PMID:38812708	研究论文	本研究旨在开发一种基于卷积神经网络的自动化评分系统，用于客观评估克罗恩病患者的炎症活动	本研究首次提出了一种基于人工智能的自动化评分系统，用于评估克罗恩病患者的炎症活动，并与现有的验证评分系统进行了强相关性分析	本研究为初步研究，样本量较小，需要进一步验证和优化	开发一种基于胶囊内镜图像的自动化评分系统，用于客观评估克罗恩病患者的炎症活动	克罗恩病患者的胶囊内镜视频	机器学习	克罗恩病	卷积神经网络	CNN	视频	61名克罗恩病患者
1395	2024-08-07	SPECT-MPI for Coronary Artery Disease: A Deep Learning Approach 2024, Acta medica Philippina DOI:10.47895/amp.vi0.7582 PMID:38812768	研究论文	本文研究使用卷积神经网络（CNN）对单光子发射计算机断层扫描-心肌灌注成像（SPECT-MPI）进行分类，以检测冠状动脉疾病中的灌注异常	本文提出的CNN模型在分类性能上优于常用的预训练CNN架构，并能提供高精度的诊断结果	NA	应用深度学习方法在SPECT-MPI图像分类中，以提高诊断冠状动脉疾病的准确性	SPECT-MPI图像和卷积神经网络模型	机器学习	心血管疾病	卷积神经网络（CNN）	CNN	图像	192名接受应激测试-休息Tc99m MPI的患者
1396	2024-08-07	SVM-RLF-DNN: A DNN with reliefF and SVM for automatic identification of COVID from chest X-ray and CT images 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241257045 PMID:38812845	研究论文	本文提出了一种结合支持向量机（SVM）、改进的特征选择算法ReliefF和深度神经网络（DNN）的混合分类网络，用于从胸部X射线和CT图像中自动识别COVID-19。	该研究引入了ReliefF算法进行特征选择，使用Manhattan距离替代Euclidean距离，并通过SVM进行多类别分类，提高了模型的准确性和稳定性。	NA	开发一种先进的检测技术，用于从胸部X射线和CT扫描图像中识别COVID-19模式，结合深度学习和机器学习方法。	胸部X射线和CT扫描图像中的COVID-19、病毒性肺炎和健康病例。	计算机视觉	COVID-19	深度神经网络（DNN）	CNN	图像	使用了来自Kaggle和GitHub的公开胸部X射线和CT扫描图像数据库
1397	2024-08-07	Deep learning model for differentiating acute myeloid and lymphoblastic leukemia in peripheral blood cell images via myeloblast and lymphoblast classification 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241258079 PMID:38812848	research paper	本文开发了一种深度学习模型，用于通过外周血细胞图像对急性髓系和淋巴母细胞白血病进行分类	使用EfficientNet-V1和EfficientNet-V2开发了一个集成模型，提高了分类准确性和F1分数	NA	开发一种能够通过外周血细胞图像分类急性髓系和淋巴母细胞白血病的人工智能模型	外周血细胞图像中的12种细胞类型，包括与急性白血病相关的病理细胞	machine learning	血液病	NA	EfficientNet-V1, EfficientNet-V2	image	42,386张单细胞图像，来自282名患者（82名AML，40名ALL，160名幼稚粒细胞）
1398	2024-08-07	Deep learning-based automated high-accuracy location and identification of fresh vertebral compression fractures from spinal radiographs: a multicenter cohort study 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1397003 PMID:38812917	研究论文	本研究开发了一种基于深度残差网络（DRN）的模型，用于自动检测和识别脊柱X光片中的新鲜椎体压缩性骨折（VCFs）	本研究首次使用深度残差网络模型自动检测和识别脊柱X光片中的新鲜椎体压缩性骨折，并提供了可解释的注意力图以支持预测结果	研究中未提及具体的局限性	开发一种自动诊断和识别脊柱X光片中新鲜椎体压缩性骨折的模型	脊柱X光片中的新鲜椎体压缩性骨折	机器学习	NA	深度残差网络（DRN）	深度残差网络	图像	1,747名参与者
1399	2024-08-07	Deep learning model for individualized trajectory prediction of clinical outcomes in mild cognitive impairment 2024, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2024.1356745 PMID:38813529	研究论文	本研究开发了一种深度学习模型，用于预测轻度认知障碍患者未来认知下降和磁共振成像标记物随时间的变化。	本研究提出了一种新颖的深度学习架构，通过在循环神经网络中利用注意力机制，提高了预测性能。	未来的研究需要进一步验证和完善该预测模型，以改善临床决策。	开发一种预测轻度认知障碍患者未来认知下降和磁共振成像标记物变化的深度学习模型。	657名记忆障碍的轻度认知障碍患者。	机器学习	认知障碍	磁共振成像（MRI）、正电子发射断层扫描（PET）	循环神经网络（RNN）	图像	657名患者
1400	2024-08-07	Survey of Denoising, Segmentation and Classification of Pancreatic Cancer Imaging 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230515090523 PMID:37189279	综述	本文综述了胰腺癌影像的去噪、分割和分类的不同方法	在分割方面，基于图谱的区域增长方法表现优于现有技术；在分类方面，深度学习方法优于其他方法	NA	探讨计算机辅助诊断系统在胰腺癌检测中的应用	胰腺癌影像的去噪、分割和分类	计算机视觉	胰腺癌	计算机辅助诊断系统（CADs）	深度学习	影像	NA