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
2641	2024-12-01	Simple Imaging System for Label-Free Identification of Bacterial Pathogens in Resource-Limited Settings 2024, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/2024/6465280 PMID:39606275	研究论文	本文介绍了一种基于简单宽场无透镜成像系统的高通量方法，用于在资源有限的环境中无标签识别细菌病原体	提出了一种新的无透镜成像系统，结合监督深度学习算法，适用于资源有限的环境，无需移动机械部件或光学元件	尽管识别性能高，但仍存在一定的识别错误率，且未提及长期维护和实际应用中的稳定性	开发一种快速、准确且经济实惠的细菌识别方法，以改善资源有限环境中的感染治疗	五种常见细菌病原体的临床分离株	计算机视觉	NA	无透镜成像系统	深度学习算法	图像	252个临床分离株
2642	2024-12-01	Sensitive Quantification of Cerebellar Speech Abnormalities Using Deep Learning Models 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3393243 PMID:39606584	研究论文	本文开发了一种基于深度学习模型的方法，用于敏感地量化小脑性言语异常	使用卷积神经网络捕捉小脑共济失调的言语表型，并基于对数梅尔频谱图的时间和频率偏导数进行分类和回归建模	NA	开发能够准确识别和量化共济失调言语临床体征的模型	小脑共济失调患者的言语异常	机器学习	神经退行性疾病	卷积神经网络	CNN	音频	包括共济失调患者和健康对照组
2643	2024-12-01	Sex differences in brain MRI using deep learning toward fairer healthcare outcomes 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1452457 PMID:39606583	研究论文	本研究利用深度学习分析脑部MRI数据中的性别差异，旨在推进医学影像的公平性	本研究首次在多个多样化的数据集上使用3D T1加权磁共振图像，通过卷积神经网络模型进行性别分类，并使用显著性图识别性别差异显著的脑区	模型在极端脑部尺寸下表现出偏差，但在TIV分布重叠更多时偏差较小	研究脑部MRI数据中的性别差异，以促进医学影像的公平性	脑部MRI数据中的性别差异	计算机视觉	NA	磁共振成像	卷积神经网络	图像	来自四个数据集的3D T1加权磁共振图像，确保性别和人口统计的平衡
2644	2024-12-01	Effective automatic classification methods via deep learning for myopic maculopathy 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1492808 PMID:39606624	研究论文	本研究开发了一种基于深度学习的系统，用于对病理性近视相关的黄斑病变进行自动分类	采用五种深度学习架构（ResNet50、EfficientNet-B0、Vision Transformer、Contrastive Language-Image Pre-Training和RETFound），并通过集成学习方法提升模型性能	未来工作可能需要扩展数据集、整合图像质量评估以及优化集成算法以提高效率和适用性	提高病理性近视相关黄斑病变分类的准确性和可靠性	病理性近视相关的黄斑病变	计算机视觉	眼科疾病	深度学习	集成学习	图像	2159张标注的眼底图像
2645	2024-12-01	Automated lung segmentation on chest MRI in children with cystic fibrosis 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1401473 PMID:39606627	研究论文	研究使用深度学习方法对患有囊性纤维化的儿童胸部MRI图像进行自动肺部分割	采用nnU-Net框架对胸部MRI图像进行自动肺部分割，展示了在不同疾病严重程度、患者年龄和尺寸下的高分割性能	在膈肌和背部区域存在不完全分割的挑战，需要进一步改进以增强模型的泛化能力	探索使用深度学习方法对囊性纤维化儿童的胸部MRI图像进行自动肺部分割的可行性和有效性	患有囊性纤维化的儿童的胸部MRI图像	计算机视觉	囊性纤维化	深度学习	nnU-Net	MRI图像	165个标准化年度监测MRI扫描，来自84名囊性纤维化患者
2646	2024-12-01	Employing Xception convolutional neural network through high-precision MRI analysis for brain tumor diagnosis 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1487713 PMID:39606635	研究论文	本文提出了一种基于Xception卷积神经网络的高精度MRI分析方法，用于脑肿瘤的诊断	引入了Xception架构，并结合批量归一化和dropout层来减少过拟合，通过迁移学习和定制的密集层设置提高了模型的泛化能力	NA	提高脑肿瘤诊断的准确性和可靠性	脑肿瘤的分类	计算机视觉	脑肿瘤	MRI分析	Xception卷积神经网络	图像	NA
2647	2024-12-01	Enhanced skin cancer diagnosis: a deep feature extraction-based framework for the multi-classification of skin cancer utilizing dermoscopy images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1495576 PMID:39606634	研究论文	本文提出了一种基于深度特征提取的框架，用于利用皮肤镜图像对皮肤癌进行多分类诊断	本文提出了四种卷积神经网络（CNN）模型的变体，并结合支持向量机（SVM）、随机森林（RF）和逻辑回归（LR）进行皮肤癌分类，提高了诊断准确率	本文未提及如何处理数据不平衡问题以及模型的泛化能力	提高皮肤癌诊断的准确性，帮助医生进行诊断	皮肤癌的分类和预测	计算机视觉	皮肤癌	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	10,015张皮肤镜图像
2648	2024-12-01	Bibliometric and visual analysis of radiomics for evaluating lymph node status in oncology 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1501652 PMID:39610679	研究论文	本文通过文献计量学和可视化方法分析了2012年至2023年间关于放射组学在评估肿瘤学中淋巴结状态的研究出版物，揭示了该领域的研究热点和未来趋势	本文首次通过文献计量学和可视化方法全面分析了放射组学在评估淋巴结状态中的应用，揭示了研究热点和未来趋势	本文主要基于文献计量学和可视化分析，未涉及具体实验或临床数据，因此缺乏对实际应用效果的深入探讨	分析放射组学在评估肿瘤学中淋巴结状态的研究出版物，揭示研究热点和未来趋势	2012年至2023年间发表的关于放射组学在评估淋巴结状态中的研究出版物	数字病理学	肿瘤学	文献计量学和可视化分析	NA	文本	898篇英文原创文章和综述
2649	2024-12-01	Drone-Based Digital Phenotyping to Evaluating Relative Maturity, Stand Count, and Plant Height in Dry Beans (Phaseolus vulgaris L.) 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0278 PMID:39610705	研究论文	研究利用无人机RGB图像和深度学习方法评估干豆的相对成熟度、植株密度和植株高度	采用混合卷积神经网络和长短期记忆模型以及Faster R-CNN算法，提高了相对成熟度和植株密度测量的准确性和效率	在植株高度估计中，PC和DSM数据源的选择依赖于特定的环境和飞行条件	探索无人机图像和深度学习方法在干豆田间试验中测量相对成熟度、植株密度和植株高度的应用	干豆的相对成熟度、植株密度和植株高度	计算机视觉	NA	深度学习	混合卷积神经网络和长短期记忆模型、Faster R-CNN	图像	NA
2650	2024-12-01	RDA-MTE: an innovative model for emotion recognition in sports behavior decision-making 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1466013 PMID:39610868	研究论文	本文提出了一种基于深度学习的模型RDA-MTE，用于在体育行为决策中进行情感识别	该模型结合了预训练的ResNet-50、双向注意力机制和多层Transformer编码器，提高了情感识别的准确性和鲁棒性	NA	研究情感刺激在体育行为决策中的作用	情感识别和体育行为决策	机器学习	NA	深度学习	RDA-MTE	图像	FER-2013数据集和CK+数据集
2651	2024-12-01	Systematic analysis of the relationship between fold-dependent flexibility and artificial intelligence protein structure prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313308 PMID:39591473	研究论文	研究分析了蛋白质折叠依赖的灵活性与人工智能蛋白质结构预测之间的关系	首次系统分析了AlphaFold v2预测的蛋白质结构与实验测量的蛋白质拓扑刚性之间的差异，并评估了不同折叠类型的异质性	研究仅基于2878个蛋白质样本，可能无法全面代表所有蛋白质的灵活性	探讨人工智能在蛋白质结构预测中的准确性及其与蛋白质折叠灵活性的关系	2878个至少有十个不同实验结构的蛋白质	机器学习	NA	人工智能	AlphaFold v2	蛋白质结构	2878个蛋白质样本
2652	2024-11-30	Development and Validation of a Biparametric MRI Deep Learning Radiomics Model with Clinical Characteristics for Predicting Perineural Invasion in Patients with Prostate Cancer 2024-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.013 PMID:39043515	研究论文	本研究开发并验证了一种结合双参数MRI深度学习放射组学和临床特征的预测模型，用于非侵入性预测前列腺癌患者的神经周围侵犯	本研究创新性地将临床特征与基于双参数MRI的深度学习放射组学相结合，开发了一种综合模型用于预测前列腺癌的神经周围侵犯	本研究的局限性在于样本量相对较小，且仅限于前列腺癌患者	本研究的目的是开发和验证一种结合双参数MRI深度学习放射组学和临床特征的预测模型，用于非侵入性预测前列腺癌的神经周围侵犯	本研究的研究对象是接受术前MRI和根治性前列腺切除术的前列腺癌患者	计算机视觉	前列腺癌	深度学习	深度学习-放射组学-临床模型 (DLRC)	图像	557名前列腺癌患者
2653	2024-11-30	Gated SPECT-Derived Myocardial Strain Estimated From Deep-Learning Image Translation Validated From N-13 Ammonia PET 2024-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.047 PMID:39095261	研究论文	本研究探讨了使用深度学习生成的虚拟正电子发射断层扫描（PET）样门控单光子发射断层扫描（SPECTVP）评估心肌应变，克服了传统SPECT的局限性	通过深度学习将SPECT图像转换为PET样图像，提高了心肌应变测量的准确性，并展示了通过PET和SPECTVP进行纵向应变测量的可能性	本研究仅初步验证了SPECTVP在心肌应变分析中的应用，未来需要更大规模的研究来进一步验证其临床价值	研究深度学习生成的虚拟PET样SPECT图像在心肌应变评估中的应用	心肌应变	计算机视觉	心血管疾病	深度学习	NA	图像	训练集包括720对应激状态和920对休息状态的图像，分别来自18名和23名患者
2654	2024-11-30	Preoperative Contrast-Enhanced CT-Based Deep Learning Radiomics Model for Distinguishing Retroperitoneal Lipomas and Well‑Differentiated Liposarcomas 2024-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.035 PMID:39003228	研究论文	本文评估了基于术前增强CT的深度学习放射组学模型在区分腹膜后脂肪瘤和分化良好的脂肪肉瘤中的有效性	提出了一个结合放射组学和深度学习特征的深度学习放射组学模型，用于区分腹膜后脂肪瘤和分化良好的脂肪肉瘤	研究为回顾性多中心研究，样本量有限	评估基于术前增强CT的深度学习放射组学模型在区分腹膜后脂肪瘤和分化良好的脂肪肉瘤中的有效性	腹膜后脂肪瘤和分化良好的脂肪肉瘤	计算机视觉	NA	深度学习	深度学习放射组学模型	图像	167名患者
2655	2024-11-30	Predicting the Prognosis of HIFU Ablation of Uterine Fibroids Using a Deep Learning-Based 3D Super-Resolution DWI Radiomics Model: A Multicenter Study 2024-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.027 PMID:38969576	研究论文	本文研究了基于深度学习的3D超分辨率扩散加权成像（DWI）放射组学模型在预测高强度聚焦超声（HIFU）治疗子宫肌瘤预后中的可行性和有效性	本文提出的3D超分辨率DWI放射组学模型在预测HIFU治疗子宫肌瘤预后方面优于传统的高分辨率DWI模型和专家放射科医生的评估	这是一项回顾性研究，样本量有限，且仅涉及两个中心的数据	评估基于深度学习的3D超分辨率DWI放射组学模型在预测HIFU治疗子宫肌瘤预后中的可行性和有效性	接受HIFU治疗的子宫肌瘤患者	计算机视觉	妇科疾病	扩散加权成像（DWI）	深度学习模型	影像数据	360名患者，包括训练集240名，内部测试集60名，外部测试集60名
2656	2024-11-30	DeepSAP: A Novel Brain Image-Based Deep Learning Model for Predicting Stroke-Associated Pneumonia From Spontaneous Intracerebral Hemorrhage 2024-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.025 PMID:38955592	研究论文	本文开发了一种基于脑部CT扫描的深度学习模型DeepSAP，用于预测自发性脑出血后的卒中相关性肺炎	DeepSAP模型通过MRI模板图像配准技术消除了样本间的结构差异，实现了脑出血区域的统计量化和空间标准化，提高了预测卒中相关性肺炎的准确性	本文为回顾性研究，样本量有限，且未提及模型的泛化能力和在不同医疗中心的适用性	开发一种快速可靠的模型，用于及时预测卒中相关性肺炎	自发性脑出血患者及其卒中相关性肺炎的预测	计算机视觉	脑血管疾病	深度学习	神经网络	图像	244名自发性脑出血患者
2657	2024-11-30	Prospective Deployment of Deep Learning Reconstruction Facilitates Highly Accelerated Upper Abdominal MRI 2024-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.044 PMID:38955591	研究论文	比较传统T1容积插值屏气检查（VIBE）与SPAIR脂肪抑制技术与深度学习重建加速VIBE序列在图像质量和诊断信心方面的差异	深度学习重建技术使上腹部MRI的屏气时间减少50%，同时减少伪影并提高图像质量	未发现传统VIBE-SPAIR与加速VIBE-SPAIRDL在脂肪抑制均匀性、病变检测能力或诊断信心方面的差异	评估深度学习重建技术在加速上腹部MRI中的应用效果	上腹部MRI图像质量和诊断信心	计算机视觉	NA	深度学习重建	深度学习模型	图像	45名患者
2658	2024-11-30	Generalisation capabilities of machine-learning algorithms for the detection of the subthalamic nucleus in micro-electrode recordings 2024-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03202-2 PMID:38951363	研究论文	研究机器学习算法在微电极记录中检测丘脑底核的泛化能力	探讨了不同临床中心和训练范式下机器学习方法的泛化能力，并提出了通过迁移学习快速适应新中心的方法	算法在不同数据集上的性能显著下降，尽管迁移学习可以缓解这一问题，但重新训练可能需要更长的训练时间	研究机器学习算法在不同临床中心和训练范式下的泛化能力	微电极记录信号的二分类	机器学习	NA	深度学习	深度学习算法	信号	三个来自两个不同临床中心的数据库，大小、采集硬件和标注协议不同
2659	2024-11-30	Super-resolution Deep Learning Reconstruction for 3D Brain MR Imaging: Improvement of Cranial Nerve Depiction and Interobserver Agreement in Evaluations of Neurovascular Conflict 2024-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.010 PMID:38897913	研究论文	研究通过超分辨率深度学习重建（SR-DLR）技术改善3D脑部MRI图像中颅神经的描绘和评估神经血管冲突时的观察者间一致性	提出了一种超分辨率深度学习重建（SR-DLR）技术，相比传统的深度学习重建（DLR），显著提高了图像的清晰度和颅神经的描绘质量，并增强了观察者间的一致性	SR-DLR技术在图像噪声方面表现较差，尽管在其他方面有显著优势	评估超分辨率深度学习重建（SR-DLR）技术在3D脑部MRI图像中对颅神经描绘和神经血管冲突评估的改善效果	3D快速不对称自旋回波（3D FASE）脑部MRI图像中的颅神经和神经血管冲突	计算机视觉	NA	超分辨率深度学习重建（SR-DLR）	深度学习模型	图像	37名患者的3D FASE脑部MRI图像
2660	2024-11-30	Value of CT-Based Deep Learning Model in Differentiating Benign and Malignant Solid Pulmonary Nodules ≤ 8 mm 2024-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.021 PMID:38806374	研究论文	研究评估了基于CT的深度学习模型在区分≤8mm的良性与恶性实性肺结节中的有效性	开发了包含结节及其周围区域的五种深度学习模型，并使用Multiscale Dual Attention Network (MDANet)进行训练，以区分良性与恶性实性肺结节	NA	评估基于CT的深度学习模型在区分小尺寸良性与恶性实性肺结节中的有效性	≤8mm的良性与恶性实性肺结节	计算机视觉	肺部疾病	深度学习	Multiscale Dual Attention Network (MDANet)	影像	719例患者