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	2024-08-05	Enhanced deep learning model for precise nodule localization and recurrence risk prediction following curative-intent surgery for lung cancer 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300442 PMID:38995927	研究论文	本研究分析了肺癌CT图像，以预测高风险患者的复发可能性。	利用深度学习模型（MRCNN）改进了肺癌结节定位和复发风险预测。	对样本选择和模型调整的具体数据及效果描述有限。	旨在识别早期可切除肺癌患者中高风险复发者。	研究对象为接受非小细胞肺癌根治性手术的患者。	计算机视觉	肺癌	计算机断层扫描（CT）	MRCNN	医学图像	使用了匿名影像和临床数据，具体样本数量未提及
1382	2024-08-05	Counting nematodes made easy: leveraging AI-powered automation for enhanced efficiency and precision 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1349209 PMID:38993936	研究论文	本文通过开发用户友好的图形用户界面和多种深度学习算法，提高了线虫计数的效率和精度	研究开发了一种能够同时识别和分类多类对象的算法，并展示了深度学习模型在实际应用中的潜力	目前的研究仅集中于一种属，未来需扩展到其他经济重要的植物寄生线虫属	研究旨在提高线虫计数的效率和精确性，推动全球的合作	本研究的对象包括线虫卵和第二阶段幼虫	数字病理学	NA	卷积神经网络（CNN）	YOLOv8x	图像	共生成650幅卵的图像和1339幅幼虫的图像
1383	2024-08-07	Deep learning empowered breast cancer diagnosis: Advancements in detection and classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304757 PMID:38990817	研究论文	介绍了一种创新的计算机辅助诊断系统，通过深度学习和计算机视觉技术提升乳腺癌的诊断能力	提出了一种利用深度学习和计算机视觉技术的CAD系统，能够独立识别和分类乳腺病变，表现出卓越的检测和分类性能	虽然检测准确性高，但在将乳腺肿块分成单独组进行检查时，方法的表现约为95.39%	研究目的在于提升乳腺癌的早期检测和分类的准确性	研究对象为乳腺癌病变的检测与分类	计算机视觉	乳腺癌	深度学习	NA	影像	使用Curated Breast Imaging Subset of Digital Database for Screening Mammography (CBIS-DDSM)进行验证
1384	2024-08-05	Eichner classification based on panoramic X-ray images using deep learning: A pilot study 2024, Bio-medical materials and engineering IF:1.0Q4 DOI:10.3233/BME-230217 PMID:38848165	研究论文	该研究基于全景X光图像进行Eichner分类，使用深度学习技术	提出了基于剩余牙齿进行部分义齿制作的Eichner分类方法	无明显限制信息	探讨如何利用影像信息进行分类和预测	使用全景X光图像进行Eichner分类	机器学习	NA	深度学习	卷积神经网络（CNN）	图像	样本数量不明确
1385	2024-08-05	Research on the construction of information-based nursing quality control system based on deep learning model under the lean perspective 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-230730 PMID:38393932	研究论文	本研究探讨了一个基于深度学习模型的信息化护理质量控制系统的构建	将精益管理理念引入护理质量控制的信息化建设，促进信息技术与护理管理的深度融合	未提供样本规模和模型具体细节	提升护理质量管理，保护患者医疗安全	护理工作及其质量控制	数字病理学	NA	深度学习	NA	数据分析报告	NA
1386	2024-08-05	Artificial intelligence in medicine and healthcare: Opportunity and/or threat 2024, Casopis lekaru ceskych PMID:38981711	研究论文	本文旨在介绍人工智能（AI）方法的发展及其在医学和医疗保健中的应用	强调了人工智能对患者护理过程的支持以及在复杂数据处理中的成功应用	深度学习存在一些缺陷，可能导致错误分类	探讨人工智能在医学和医疗保健中的机会与威胁	人工智能方法及其在患者护理和数据分析中的应用	计算机视觉	NA	数据分析方法	深度学习	大数据	NA
1387	2024-08-05	Software that combines deep learning, 3D reconstruction and CFD to analyze the state of carotid arteries from ultrasound imaging 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-231306 PMID:38393860	研究论文	本文介绍了一种结合深度学习、三维重建和计算流体力学的软件方法，分析颈动脉的超声成像状态	提出了一个包含三个模块的新软件方法，能够提供患者特定颈动脉的详细信息	NA	研究颈动脉疾病的诊断方法	使用临床数据集分析颈动脉的状态	数字病理学	NA	超声成像	深度学习模块	临床数据	NA
1388	2024-08-05	CT-based volumetric measures obtained through deep learning: Association with biomarkers of neurodegeneration 2024-01, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.13445 PMID:37767905	研究论文	本文探讨了基于CT的体积测量与神经退行性疾病生物标志物之间的关联	该研究开发了基于深度学习的CT体积测量，能够高准确度地区分认知健康个体和痴呆患者	研究结果需要进一步验证以确认CT体积测量在神经退行性疾病诊断中的潜在应用	研究CT数据中神经退行性疾病生物标志物的潜在关联	分析Gothenburg H70出生队列和新加坡记忆门诊队列中的CT和MRI扫描数据	数字病理学	神经退行性疾病	深度学习	NA	CT和MRI图像	917个CT和744个MRI扫描来自Gothenburg H70出生队列，204个CT和241个MRI扫描来自新加坡记忆门诊队列
1389	2024-08-05	Deep convolutional neural network for differentiating between sarcoidosis and lymphoma based on [18F]FDG maximum-intensity projection images 2024-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09937-x PMID:37535157	研究论文	本文比较了未治疗的肉芽肿病和恶性淋巴瘤的 [18F]FDG PET/CT 查找。	本研究使用最大强度投影（MIP）图像开发的卷积神经网络（CNN）模型能够高效区分肉芽肿病与恶性淋巴瘤。	本研究基于回顾性数据，可能存在偏倚，且样本量相对较小。	研究旨在通过FDG累积差异区分肉芽肿病和恶性淋巴瘤。	研究对象为新诊断的肉芽肿病和恶性淋巴瘤患者。	机器学习	淋巴瘤	[18F]FDG PET/CT	CNN	图像	共纳入118名患者，包含56名肉芽肿患者和62名恶性淋巴瘤患者
1390	2024-08-05	Corn leaf disease: insightful diagnosis using VGG16 empowered by explainable AI 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1402835 PMID:38988642	研究论文	这项研究利用VGG16深度学习模型对玉米叶片进行分类，以识别疾病	该研究通过引入层次相关传播（LRP）增强模型的可解释性，生成输入图像的直观热图	研究中未提及对不同环境和气候条件下结果的适用性分析	旨在提高玉米叶片疾病的早期检测和分类精度	研究对象为健康、枯萎、灰斑和普通锈病四种类型的玉米叶片	计算机视觉	NA	深度学习，VGG16，层次相关传播（LRP）	VGG16	图像	NA
1391	2024-08-05	HAPI: An efficient Hybrid Feature Engineering-based Approach for Propaganda Identification in social media 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302583 PMID:38985703	研究论文	本研究介绍了一种基于混合特征工程的宣传识别方法HAPI，用于检测社交媒体上的宣传内容	该研究结合传统特征工程方法与机器学习技术，提出了一种新的混合特征选择技术，能有效提高宣传检测的准确率	该研究的宣传检测范围主要限于文本数据，未涵盖多模态数据的处理	研究目的在于开发一种系统用于社交媒体上文本内容的宣传识别	研究对象为从Twitter收集的推文，进行分类为宣传和非宣传	自然语言处理	NA	机器学习	多项式朴素贝叶斯、支持向量机、决策树、逻辑回归	文本	使用了40个相关特征进行训练和评估
1392	2024-08-05	Deep learning-based assessment of CT markers of sarcopenia and myosteatosis for outcome assessment in patients with advanced pancreatic cancer after high-intensity focused ultrasound treatment 2024-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09974-6 PMID:37572195	研究论文	本文评估了CT基础的肌肉萎缩和肌肉脂肪含量标志物在高强度聚焦超声治疗的晚期胰腺癌患者中的预后价值	研究揭示了肌肉脂肪含量标志物在临床评分之外对患者生存期的附加风险评估的更大作用	本研究为回顾性研究，可能存在时间和样本选择的偏差	评估CT基础的肌肉萎缩和肌肉脂肪含量标志物对晚期胰腺癌患者生存的预后价值	142名接受高强度聚焦超声治疗的晚期胰腺癌患者	数字病理学	胰腺癌	CT扫描	Cox比例风险模型	影像	142名患者的回顾性数据
1393	2024-08-05	ML-driven segmentation of microvascular features during histological examination of tissue-engineered vascular grafts 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1411680 PMID:38988863	研究论文	本研究展示了机器学习驱动的分割方法在组织工程血管移植物组织学分析中的潜力	创建了一个独特的数据集并优化了深度神经网络超参数，开发并验证了一个集成模型	未提及具体的局限性	研究机器学习工具在组织工程血管移植物的组织学分析中的应用	采用104个组织工程血管移植物的全切片图像进行分析	数字病理学	NA	深度学习	U-Net, LinkNet, FPN, PSPNet, DeepLabV3, MA-Net	图像	104 张全切片图像和 1401 个手动注释的区域
1394	2024-08-05	Deep learning reconstruction CT for liver metastases: low-dose dual-energy vs standard-dose single-energy 2024-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10033-3 PMID:37532899	研究论文	该研究评估了低剂量双能源CT与标准剂量单能源CT在肝脏转移瘤检测中的影像质量和效果	本研究创新点在于利用深度学习图像重建技术实现低剂量双能源CT在保持影像质量的同时减少辐射剂量34%	该研究的样本数量相对较小，且仅在特定条件下进行评估，可能影响结果的广泛适用性	研究目的在于比较低剂量双能源CT与标准剂量单能源CT在肝脏转移瘤检测中的表现	参与者为80名，分别接受低剂量双能源CT和标准剂量单能源CT扫描	医学影像学	肝癌	深度学习图像重建	NA	影像	80名参与者，分别为40名接受低剂量双能源CT和40名接受标准剂量单能源CT
1395	2024-08-05	Drug repurposing for obsessive-compulsive disorder using deep learning-based binding affinity prediction models 2024, AIMS neuroscience IF:3.1Q2 DOI:10.3934/Neuroscience.2024013 PMID:38988885	研究论文	本研究使用基于深度学习的方法构建了预测与强迫症相关的生物靶点相互作用的分子模型	创新点在于利用深度学习方法构建了多模型组合，并在大型药物数据库上进行外部验证	研究可能受限于模型的选择和验证样本的多样性	研究旨在发现针对强迫症的药物再利用	研究对象为与强迫症相关的分子及其与生物靶点的相互作用	机器学习	强迫症	深度学习	集成模型	分子数据	包含多个高分子的综合模型验证和案例研究
1396	2024-08-05	Making MS Omics Data ML-Ready: SpeCollate Protocols 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4007-4_9 PMID:38995540	研究论文	本文提供了将质谱（MS）数据转化为机器学习（ML）训练和应用的全面指南	提出了SpeCollate深度学习模型，并展示了其在肽谱匹配中的应用	未提及具体的样本尺寸和限度	旨在为质谱分析提供数据变换、推理和机器学习模型应用的全面概述	质谱数据及其在肽谱匹配中的应用	机器学习	NA	质谱	深度学习模型（SpeCollate）	质谱数据	NA
1397	2024-08-05	A novel MRI-based deep learning networks combined with attention mechanism for predicting CDKN2A/B homozygous deletion status in IDH-mutant astrocytoma 2024-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09944-y PMID:37553486	研究论文	本文开发了一种基于MRI的深度学习方法，以预测IDH突变星形胶质瘤中的CDKN2A/B同源缺失状态	提出了一种结合注意力机制的深度学习网络FN-Net，优于以往的ResNet网络	没有提及潜在的局限性	研究旨在提高预测IDH突变星形胶质瘤中CDKN2A/B同源缺失状态的准确性	234名参与者的多参数脑MRI数据及相应的基因组信息	数字病理学	脑癌	MRI	ConvNeXt	图像	234名参与者（111例阳性，123例阴性）
1398	2024-08-05	An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1418280 PMID:38988988	研究论文	该文章提出了一种改进的深度学习方法，用于在MRI图像中检测和分割脑肿瘤	本研究使用二进制卷积神经网络（BCNN）算法，成功扩展了肿瘤分割能力，从仅分割四种类型提升到十种主要脑肿瘤类型	NA	提高脑肿瘤的早期检测和分割精度	通过MRI图像对脑肿瘤进行识别、分类和分级	计算机视觉	NA	深度学习	二进制卷积神经网络（BCNN）	图像	6600张脑MRI图像
1399	2024-08-05	Advanced Techniques for MR Neuroimaging 2024, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.e.2024-1000 PMID:38945942	综述	本期特别刊物总结了MR神经成像的先进技术和应用	涉及多个领域的最新进展，如深度学习图像增强和放射组学	未提供具体的研究数据或样本量信息	介绍MR神经成像领域的最新技术进展	九篇由专家撰写的综述文章	数字病理学	神经系统疾病	磁共振成像	NA	图像	NA
1400	2024-08-05	Deep learning-based scan range optimization can reduce radiation exposure in coronary CT angiography 2024-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09971-9 PMID:37552254	研究论文	本研究旨在开发一个深度神经网络，以优化CT定位器的扫描范围，从而减少患者辐射剂量	采用深度学习自动划定CT扫描范围，显著提高了扫描准确性，并减少了辐射暴露	可能存在训练数据的代表性问题，外部验证的样本来自单一医院	旨在降低冠状动脉CT血管造影中患者的辐射剂量	涉及1507个冠状动脉CT定位器的回顾性训练队列	数字病理学	心血管疾病	Monte Carlo仿真	深度神经网络	影像	1507个CT定位器，内部队列233个，外部队列298个