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
2241	2024-12-05	Correction to: Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease 2024-Dec-04, Abdominal radiology (New York) DOI:10.1007/s00261-024-04694-x PMID:39630201	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2242	2024-12-06	Real-time intraoperative ultrasound registration for accurate surgical navigation in patients with pelvic malignancies 2024-Dec-04, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03299-5 PMID:39633142	研究论文	本文开发并评估了几种实时术中超声（iUS）注册方法，用于提高盆腔恶性肿瘤手术导航的准确性	本文提出了一种实时2D iUS骨注册方法，相较于现有的注册技术，该方法更快速且准确	由于iUS的用户依赖性，直观的软件对于最佳临床实施至关重要	提高盆腔恶性肿瘤手术导航系统的准确性	盆腔恶性肿瘤患者	计算机视觉	盆腔恶性肿瘤	实时超声注册	深度学习模型	超声图像	30名患者
2243	2024-12-06	A Robust Malaria Cell Detection Framework Using Adaptive and Atrous Convolution-Based Recurrent Mobilenetv2 with Trans-MobileUNet + + -Based Abnormality Segmentation 2024-Dec-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01311-7 PMID:39633208	研究论文	本文提出了一种基于自适应和空洞卷积的循环MobilenetV2与Trans-MobileUNet++异常分割相结合的鲁棒疟疾细胞检测框架	本文创新性地结合了Trans-MobileUNet++网络进行异常分割，并设计了AA-CRMV2模型进行有效的疟疾细胞识别，同时使用URP-FFO算法优化参数	NA	开发一种高效且准确的疟疾细胞检测方法	疟疾细胞的检测与识别	计算机视觉	疟疾	深度学习	CNN	图像	NA
2244	2024-12-06	Cone Beam Computed Tomography Image-Quality Improvement Using "One-Shot" Super-resolution 2024-Dec-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01346-w PMID:39633213	研究论文	本文提出了一种基于“一次性”超分辨率（OSSR）方法的锥束CT图像质量改进模型	该模型基于“零样本”超分辨率方法，仅需少量训练数据即可提高CBCT图像质量	研究仅使用了30名前列腺癌患者的骨盆CBCT和治疗计划CT图像进行验证	旨在改进锥束CT图像质量，减少对大量训练数据的依赖	前列腺癌患者的骨盆CBCT图像和治疗计划CT图像	计算机视觉	前列腺癌	超分辨率	OSSR	图像	30名前列腺癌患者
2245	2024-12-06	PixCUE: Joint Uncertainty Estimation and Image Reconstruction in MRI using Deep Pixel Classification 2024-Dec-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01250-3 PMID:39633210	研究论文	提出了一种新的深度学习方法PixCUE，用于在MRI重建过程中联合估计不确定性和图像重建	PixCUE方法通过像素分类框架在一次前向传递中生成重建图像和不确定性图，显著降低了计算成本	NA	解决深度学习在MRI重建中的不确定性问题	MRI图像重建和不确定性估计	计算机视觉	NA	深度学习	CNN	图像	涉及多种MR成像序列和不同对抗条件下的样本
2246	2024-12-06	Machine Learning Based on Digital Mammography to Reduce the Need for Invasive Biopsies of Benign Calcifications Classified in BI-RADS Category 4 2024-Dec-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01347-9 PMID:39633212	研究论文	本研究旨在开发基于数字乳腺X线摄影的机器学习模型，以减少BI-RADS 4类钙化患者的侵入性活检需求	本研究创新性地结合了放射组学模型和深度学习模型，并通过信息融合方法提高了预测准确性	本研究仅在两个医院的数据集上进行了验证，可能存在样本偏倚	减少BI-RADS 4类钙化患者的侵入性活检需求	BI-RADS 4类钙化患者	机器学习	乳腺疾病	nnUnet	融合模型	图像	372名女性患者
2247	2024-12-06	A review of convolutional neural network based methods for medical image classification 2024-Dec-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109507 PMID:39631108	综述	本文系统回顾了基于卷积神经网络（CNN）的医学图像分类方法	本文总结了CNN在医学图像分类中的主要技术，包括数据预处理、迁移学习、CNN架构和可解释性，并指出了未来的研究方向	尽管CNN在医学图像分类任务中具有巨大潜力并取得了良好效果，但临床应用仍然困难	系统回顾和分析CNN在医学图像分类中的应用，并指出未来的研究方向	CNN在医学图像分类中的方法和应用	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	149篇最新和最重要的论文
2248	2024-12-06	A smart CardioSenseNet framework with advanced data processing models for precise heart disease detection 2024-Dec-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109473 PMID:39631110	研究论文	提出了一种名为CardioSenseNet的智能框架，用于精确检测心脏病	引入了新的数据预处理方法DGPN、特征选择方法STHIO和预测模型SADNet，显著提高了心脏病检测的准确性和效率	NA	提高心脏病检测的准确性和效率	心脏病检测	机器学习	心血管疾病	深度学习	SADNet	数据	使用了Cleveland和CVD等基准数据集进行实验
2249	2024-12-06	Leveraging deep transfer learning and explainable AI for accurate COVID-19 diagnosis: Insights from a multi-national chest CT scan study 2024-Dec-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109461 PMID:39631112	研究论文	本文提出了一种基于深度迁移学习和可解释AI的计算机辅助诊断框架XCT-COVID，用于从胸部CT扫描图像中准确诊断COVID-19	首次在一个统一框架内开发了三种不同的模型，利用了一个未被探索的大型数据集和两个广泛使用的小型数据集，并通过可解释的人工智能分析解释了模型的功能	XCT-COVID-L在数据分布相似的外部数据集上表现良好，但在图像质量较低的小型数据集上性能显著下降	开发一种可解释、可迁移和可重复的计算机辅助诊断框架，用于从胸部CT扫描图像中准确预测COVID-19感染	胸部CT扫描图像	计算机视觉	COVID-19	深度迁移学习	卷积神经网络	图像	使用了三个数据集，包括一个大型数据集和两个小型数据集
2250	2024-12-06	Development and validation of a deep learning algorithm for the classification of the level of surgical difficulty in impacted mandibular third molar surgery 2024-Dec-03, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2024.11.008 PMID:39632213	研究论文	本研究开发并验证了一种用于分类下颌阻生第三磨牙手术难度级别的深度学习算法	本研究首次使用YOLOv5模型对全景放射图像中的下颌阻生第三磨牙进行检测和手术难度级别的分类	本研究仅使用了1730张全景放射图像，样本量相对较小	开发和验证一种能够准确检测和分类下颌阻生第三磨牙手术难度级别的深度学习算法	下颌阻生第三磨牙的全景放射图像	计算机视觉	NA	卷积神经网络 (CNN)	YOLOv5	图像	1730张全景放射图像，其中1300张用于训练，430张用于测试
2251	2024-12-06	Prediction of Neoadjuvant Chemotherapy Response based on Ultrasound Deep Learning Radiomics Nomogram 2024-Dec-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.040 PMID:39632218	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2252	2024-12-06	A multi-scene deep learning model for automated segmentation of acute vertebral compression fractures from radiographs: a multicenter cohort study 2024-Dec-02, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01861-y PMID:39621135	研究论文	开发了一种多场景深度学习模型，用于从脊柱X光片中自动分割急性椎体压缩性骨折	首次开发了一种多场景深度学习模型，能够从脊柱X光片中分割急性椎体压缩性骨折，模型架构包括两个关键模块：注意力引导模块和监督解码模块	NA	开发一种能够自动分割脊柱X光片中急性椎体压缩性骨折的多场景模型	急性椎体压缩性骨折和健康对照	计算机视觉	骨骼疾病	深度学习	PFNet	图像	训练数据集包含1071名参与者，验证数据集包含458名参与者，外部测试数据集1-3分别包含301、223和261名参与者
2253	2024-12-06	Integrating graph and reinforcement learning for vaccination strategies in complex networks 2024-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78626-6 PMID:39622907	研究论文	本文提出了一种结合图神经网络和深度强化学习的新框架，用于在复杂网络中优化疫苗分配策略	该方法整合了网络结构学习和战略决策，旨在通过定位和移除关键传播节点来有效破坏网络结构，从而阻止疾病传播	该方法的有效性依赖于网络的独特特征，且在实际应用中需要考虑节点间的相互影响	研究如何在复杂网络中有效分配疫苗以抑制病毒传播	关键传播节点（即网络中的有影响力节点）	机器学习	NA	图神经网络 (GNN) 和深度强化学习 (DRL)	图神经网络 (GNN) 和深度强化学习 (DRL)	网络数据	涉及多种网络类型，包括合成数据集和真实世界数据集
2254	2024-12-06	Using deep learning and word embeddings for predicting human agreeableness behavior 2024-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81506-8 PMID:39622946	研究论文	本文利用深度学习和词嵌入技术预测人类随和性行为	本文采用Bi-LSTM算法结合句子嵌入，在预测人类随和性行为方面达到了91.57%的高准确率	NA	预测人类的随和性人格特质	人类的随和性行为	自然语言处理	NA	深度学习	Bi-LSTM	文本	使用了MBTI数据集
2255	2024-12-06	The analysis of rural tourism image optimization under the internet of things and deep learning 2024-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81868-z PMID:39622993	研究论文	研究利用深度学习技术优化乡村旅游形象，提升游客体验并促进可持续发展	通过部署传感器进行实时环境监测和游客流量监控，结合DenseNet实现乡村景观的自动识别和分析	NA	利用深度学习技术优化乡村旅游形象，提升游客体验并促进可持续发展	乡村旅游形象的优化	计算机视觉	NA	深度学习	DenseNet	图像	以黄河沿岸的乡村旅游为例
2256	2024-12-06	Extreme wrinkling of the nuclear lamina is a morphological marker of cancer 2024-Dec-02, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00775-8 PMID:39623008	研究论文	研究探讨了核膜皱褶作为癌症形态学标志的可能性	首次通过深度学习和傅里叶分析证实了极端核膜皱褶在癌症组织中的存在，并提出其作为癌症诊断标志的潜力	研究仅限于对核膜皱褶的形态学分析，未涉及其生物学功能或分子机制	验证极端核膜皱褶作为癌症标志的可行性，并探讨其在癌症诊断中的应用	人类组织中的正常和癌症细胞核	数字病理学	NA	深度学习	NA	图像	患者组织样本
2257	2024-12-06	Probabilistic regression for autonomous terrain relative navigation via multi-modal feature learning 2024-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81377-z PMID:39623052	研究论文	本文提出了一种基于多模态特征学习的概率回归方法，用于自主地形相对导航，特别是在行星着陆的动力下降阶段	本文提出了一种新的CNN架构，通过多层级联结构和分类概率作为回归权重，来估计着陆器的位置	NA	开发一种新的自主导航算法，以应对复杂任务架构和扩展的太空飞行领域	行星着陆过程中的自主导航算法	计算机视觉	NA	深度学习	CNN	图像和深度数据	多个模拟场景
2258	2024-12-06	Combining immunoscore and tumor budding in colon cancer: an insightful prognostication based on the tumor-host interface 2024-Dec-02, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05818-z PMID:39623479	研究论文	本文研究了结直肠癌中免疫评分和肿瘤芽的结合对患者无病生存期的影响	首次探讨了免疫评分和肿瘤芽的结合在结直肠癌中的预后价值	样本量有限，仅包括pTNM分期I-III的结直肠癌患者	研究免疫评分和肿瘤芽的结合在结直肠癌中的预后作用	pTNM分期I-III的结直肠癌患者	数字病理学	结直肠癌	深度学习网络	NA	图像	654例pTNM分期I-III的结直肠癌患者
2259	2024-12-06	Improving laryngeal cancer detection using chaotic metaheuristics integration with squeeze-and-excitation resnet model 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00296-5 PMID:39006830	研究论文	本文提出了一种基于混沌元启发式算法与挤压激励残差网络模型相结合的方法，用于提高喉癌检测的效率	本文创新性地将混沌元启发式算法与挤压激励残差网络模型结合，用于喉癌的检测和分类，显著提高了检测的准确性和效率	NA	本文旨在开发一种高效的喉癌检测方法，以提高早期喉癌的诊断准确性	本文的研究对象是喉癌及其在喉部区域的图像	计算机视觉	喉癌	挤压激励残差网络模型	挤压激励残差网络模型	图像	使用了一个基准的喉部区域图像数据库进行性能评估
2260	2024-12-06	Detection and Localization of Spine Disorders from Plain Radiography 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01175-x PMID:38937344	研究论文	本文提出了一种基于深度学习的脊柱疾病检测和定位方法，使用Transformer网络从X光片中识别和定位脊柱疾病	首次采用Transformer网络进行脊柱疾病的端到端检测和定位，显著提高了检测准确性	NA	开发一种自动化的脊柱疾病检测和定位工具，以提高诊断准确性和效率	脊柱压缩性骨折和脊柱滑脱	计算机视觉	NA	深度学习	Transformer	图像	脊柱压缩性骨折数据集包含337张图像，脊柱滑脱数据集包含413张图像