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
3281	2024-11-20	An interpretable and generalizable deep learning model for iEEG-based seizure prediction using prototype learning and contrastive learning 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109257 PMID:39423703	研究论文	本文提出了一种基于原型学习和对比学习的可解释且可泛化的深度学习模型，用于基于iEEG的癫痫发作预测	本文将自解释原型学习网络扩展到一个新的领域适应框架，用于跨患者癫痫发作预测，并引入了对比语义对齐损失约束，增强了学习原型的鲁棒性	NA	建立一种可解释且可泛化的癫痫发作预测模型，以满足临床诊断的需求	基于iEEG的癫痫发作预测	机器学习	癫痫	深度学习	深度学习模型	iEEG数据	20名患者，共82次癫痫发作
3282	2024-11-20	Attention Induced Dual Convolutional-Capsule Network (AIDC-CN): A deep learning framework for motor imagery classification 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109260 PMID:39426071	研究论文	本文介绍了一种名为注意力诱导双卷积胶囊网络（AIDC-CN）的新型深度学习分类器，用于运动想象分类	引入了双卷积层处理脑连接性和频谱图特征，增加了自注意力模块（SAM）和交叉注意力模块（CAM），并使用了基于高斯误差线性单元（GELU）的动态路由算法	NA	开发一种新的深度学习分类器，以准确分类运动想象类别标签	基于脑电图（EEG）的运动想象信号	机器学习	NA	深度学习	卷积神经网络（CNN）和胶囊网络	脑电图信号	四个公开数据集
3283	2024-11-20	Deep-AutoMO: Deep automated multiobjective neural network for trustworthy lesion malignancy diagnosis in the early stage via digital breast tomosynthesis 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109299 PMID:39437606	研究论文	本文开发了一种名为Deep-AutoMO的深度自动化多目标神经网络，用于通过数字乳腺断层合成（DBT）在早期阶段诊断恶性病变	引入了多目标免疫神经架构搜索（MINAS）和基于熵的证据推理（ERE）方法，以提高模型的平衡性、安全性和鲁棒性	NA	开发一种可信赖的模型，用于早期乳腺癌的恶性病变诊断	数字乳腺断层合成（DBT）图像	计算机视觉	乳腺癌	深度学习	神经网络	图像	NA
3284	2024-11-20	Target-specified reference-based deep learning network for joint image deblurring and resolution enhancement in surgical zoom lens camera calibration 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109309 PMID:39442443	研究论文	本文提出了一种针对手术放大镜头相机校准的深度学习网络，用于同时增强图像的模糊度和空间分辨率	本文提出了一种新的目标特定深度学习网络，能够同时增强图像的模糊度和空间分辨率，以提高手术放大镜头相机校准的准确性	NA	解决手术导航中由于高倍放大导致的图像模糊和分辨率不足问题，提高相机校准的准确性	手术放大镜头相机校准中的棋盘格图像	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
3285	2024-11-20	Graph neural network-based subgraph analysis for predicting adverse drug events 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109282 PMID:39442442	研究论文	本文提出了一种基于图神经网络的子图分析方法，用于预测药物不良反应	利用图神经网络模型对患者诊断历史进行建模，实现了对药物不良反应的早期预测	NA	开发计算方法以在临床试验前识别未检测到的药物不良反应	药物不良反应的预测	机器学习	NA	图神经网络	图神经网络	图数据	NA
3286	2024-11-20	Imaging phenotype evaluation from digital breast tomosynthesis data: A preliminary study 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109285 PMID:39454527	研究论文	本研究提出了一种基于深度学习的数字乳腺断层合成（DBT）数据中乳腺组织模式特征化的方法	本研究首次将深度学习应用于DBT数据的乳腺组织模式分类，并结合常见的恶性-良性-正常分类，实现了更详细的图像评估	本研究中良性结构扭曲与良性肿块以及恶性结构扭曲之间的混淆是一个局限	开发一种能够详细评估数字乳腺断层合成图像的深度学习方法	数字乳腺断层合成（DBT）数据中的乳腺组织模式	计算机视觉	乳腺癌	深度学习	迁移学习	图像	5388个2D图像块，来自230个右侧中侧斜位、259个左侧中侧斜位、18个右侧头尾位和15个左侧头尾位的单侧乳腺DBT研究
3287	2024-11-20	Effective deep-learning brain MRI super resolution using simulated training data 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109301 PMID:39486305	研究论文	研究使用模拟的脑部MRI数据训练深度学习超分辨率网络，以提高低分辨率MRI图像的质量	使用模拟的脑部MRI数据训练深度学习超分辨率网络，并验证其在多源真实数据上的泛化能力	仅使用模拟数据训练的网络在单源真实数据上的表现略逊于仅使用真实数据训练的网络	探讨使用模拟的脑部MRI数据训练深度学习超分辨率网络的潜力	脑部MRI图像的超分辨率处理	计算机视觉	NA	深度学习	超分辨率网络	MRI图像	模拟了大量不同分辨率的脑部MRI数据，并使用了来自多个来源的真实数据进行评估
3288	2024-11-20	Deep learning approaches for automated classification of neonatal lung ultrasound with assessment of human-to-AI interrater agreement 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109315 PMID:39504781	研究论文	本文提出了一种基于深度学习的自动分类方法，用于新生儿肺部超声视频的分类，并评估了人机交互评分者之间的一致性	本文提出了两种策略：帧到视频级别的预测方法和直接视频分类方法，用于评估新生儿肺部超声数据	主要挑战在于缺乏标注数据和专家解释的主观性	开发一种可靠的自动化解决方案，用于新生儿肺部超声视频中模式的解释	新生儿肺部超声视频	计算机视觉	NA	深度学习	NA	视频	34名新生儿患者的70次检查，由三位专家进行标注
3289	2024-11-20	Advances in Neuroimaging and Multiple Post-Processing Techniques for Epileptogenic Zone Detection of Drug-Resistant Epilepsy 2024-Dec, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29157 PMID:38014782	研究论文	本文探讨了神经影像学和多种后处理技术在药物难治性癫痫致痫灶定位中的应用	本文介绍了多模态神经影像学和深度机器学习在提高致痫灶检测率和诊断效率方面的创新应用	现有研究主要受限于样本量小或基于假设的研究设计	旨在提高药物难治性癫痫患者手术前致痫灶的精确定位	药物难治性癫痫患者的致痫灶	数字病理学	癫痫	磁共振成像 (MRI) 和正电子发射断层扫描 (PET)	深度学习	影像	现有研究样本量较小
3290	2024-11-20	Deep learning model for diagnosis of thyroid nodules with size less than 1 cm: A multicenter, retrospective study 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100609 PMID:39554616	研究论文	开发了一种基于超声图像的双通道深度学习模型，用于诊断小于1厘米的甲状腺结节	提出了甲状腺结节变压器网络（TNT-Net），该模型通过双通道输入横向和纵向超声图像，显著提高了对小于1厘米甲状腺结节的识别能力	NA	实现对小于1厘米甲状腺结节的早期准确诊断	小于1厘米的甲状腺结节	计算机视觉	甲状腺疾病	深度学习	变压器网络（TNT-Net）	图像	共收集了来自五家医院的8455名患者的9649个结节，分为训练集（8453个结节，7369名患者）、内部测试集（565个结节，512名患者）和外部测试集（631个结节，574名患者）
3291	2024-11-20	On efficient expanding training datasets of breast tumor ultrasound segmentation model 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109274 PMID:39471661	研究论文	本文介绍了一种新的数据增强方法，通过将肿瘤区域嵌入正常图像中生成合成图像，以提高乳腺肿瘤超声图像分割模型的性能	提出了一种新的数据增强方法，通过将肿瘤区域嵌入正常图像中生成合成图像，以提高模型性能	生成的合成图像标签的准确性仍需手动验证，且图像多样性有限	提高乳腺肿瘤超声图像分割模型的性能	乳腺肿瘤超声图像	计算机视觉	乳腺癌	NA	GAN	图像	NA
3292	2024-11-20	Automated detection and labeling of posterior teeth in dental bitewing X-rays using deep learning 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109262 PMID:39476727	研究论文	本文介绍了一种基于深度学习的人工智能系统，用于自动检测和标记牙科咬翼X光片中的后牙	该研究采用了先进的YOLO架构，实现了快速的对象检测和分类，显著提高了牙科X光片中牙齿检测和标记的准确性和效率	NA	开发一种自动化的牙科X光片牙齿检测和标记系统，以提高牙科记录的准确性和临床工作效率	牙科咬翼X光片中的后牙	计算机视觉	NA	深度学习	YOLO	图像	3000张成人数字咬翼X光片
3293	2024-11-20	[Investigation of the impact of the deep learning based CT fractional flow reserve on clinical decision-making and long-term prognosis in patients with obstructive coronary heart disease] 2024-Nov-24, Zhonghua xin xue guan bing za zhi DOI:10.3760/cma.j.cn112148-20240626-00357 PMID:39557526	研究论文	研究深度学习CT分数流量储备（CT-FFR）对阻塞性冠心病患者临床决策和长期预后的影响	深度学习CT-FFR作为临床决策和长期预后评估的辅助工具	单中心回顾性队列研究，样本量有限	探讨深度学习CT-FFR对阻塞性冠心病患者临床决策和长期预后的影响	阻塞性冠心病患者	机器学习	心血管疾病	深度学习	NA	图像	622名患者，年龄61岁（54, 66），其中407名（65.4%）为男性
3294	2024-11-20	Empirical Modal Decomposition Combined with Deep Learning for Photoacoustic Spectroscopy Detection of Mixture Gas Concentrations 2024-Nov-19, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04479 PMID:39506893	研究论文	本文提出了一种基于经验模态分解（EMD）、卷积神经网络（CNN）和长短期记忆网络（LSTM）的多组分气体分析方法，用于从重叠的波长调制光谱中提取混合气体的精确浓度	结合EMD、CNN和LSTM网络，能够从重叠的光谱中准确提取混合气体的浓度	NA	提高光声光谱技术在多组分气体分析中的测量精度	乙炔和氨气的混合气体浓度	机器学习	NA	光声光谱技术	CNN和LSTM	光谱数据	25种不同浓度的乙炔-氨气混合物，乙炔浓度范围为2.5至7.5 ppm，氨气浓度范围为12.5至37.5 ppm
3295	2024-11-20	Dopaminergic PET to SPECT domain adaptation: a cycle GAN translation approach 2024-Nov-19, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06961-x PMID:39557690	研究论文	本文提出了一种基于CycleGAN的深度学习方法，用于将[11C]CFT PET图像转换为[123I]FP-CIT SPECT图像，以促进多中心研究和克服数据稀缺问题	本文首次使用CycleGAN模型进行PET到SPECT的跨模态图像转换，生成的合成SPECT图像在视觉上与真实图像难以区分，并保留了疾病特异性信息	合成SPECT图像的对比度噪声比低于真实PET和SPECT图像，且在合成图像上观察到诊断性能的降低	开发一种深度学习方法，将[11C]CFT PET图像转换为[123I]FP-CIT SPECT图像，以促进多中心研究和克服数据稀缺问题	帕金森病（PD）和非典型帕金森综合征（APS）的诊断	机器学习	帕金森病	CycleGAN	CycleGAN	图像	602例[11C]CFT PET图像（72%为PD）和1152例[123I]FP-CIT SPECT图像（85%为PD），以及67例测试PET图像（75%为PD）
3296	2024-11-20	Minimally interactive segmentation of soft-tissue tumors on CT and MRI using deep learning 2024-Nov-19, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11167-8 PMID:39560714	研究论文	本文开发了一种基于深度学习的软组织肿瘤CT和MRI图像的交互式分割方法	该方法通过用户点击肿瘤边界附近的六个点，生成距离图并与图像一起输入卷积神经网络，实现了比手动分割更快且比其他自动方法更准确的分割效果	NA	开发一种交互式深度学习分割方法，用于软组织肿瘤的CT和MRI图像分割	软组织肿瘤的CT和MRI图像	计算机视觉	NA	卷积神经网络	CNN	图像	训练和内部验证使用了514名患者的多中心公共数据集，外部验证使用了包含五种未见过的软组织肿瘤表型的公共数据集
3297	2024-11-20	Machine learning outperforms the Canadian Triage and Acuity Scale (CTAS) in predicting need for early critical care 2024-Nov-19, CJEM DOI:10.1007/s43678-024-00807-z PMID:39560909	研究论文	本研究通过比较机器学习模型与加拿大急诊分级和严重程度评分（CTAS）在预测急诊患者早期重症监护需求方面的表现，探讨了改进急诊分诊的可能性	机器学习模型在识别急诊患者早期重症监护需求方面优于CTAS评分	研究结果需要在未来研究中进行验证	探讨机器学习模型在急诊分诊中的应用，以提高预测重症监护需求的准确性	急诊患者早期重症监护需求的预测	机器学习	NA	LASSO回归、梯度提升树、深度学习模型	LASSO回归、梯度提升树、深度学习模型	数据	670,841次急诊就诊
3298	2024-11-20	Randomized controlled trial of an artificial intelligence diagnostic system for the detection of esophageal squamous cell carcinoma in clinical practice 2024-Nov-18, Endoscopy IF:11.5Q1 DOI:10.1055/a-2421-3194 PMID:39317205	研究论文	本文探讨了人工智能诊断系统在临床实践中检测食管鳞状细胞癌的效果	首次在临床环境中进行随机对照试验，评估人工智能系统在食管鳞状细胞癌检测中的应用	研究未能证明人工智能诊断系统能显著提高食管鳞状细胞癌的检测率	评估人工智能系统在临床实践中辅助内镜医师检测食管鳞状细胞癌的效果	食管鳞状细胞癌患者	计算机视觉	食管癌	深度学习	NA	图像	320名患者
3299	2024-11-20	Diagnosis and typing of leukemia using a single peripheral blood cell through deep learning 2024-Nov-18, Cancer science IF:4.5Q1 DOI:10.1111/cas.16374 PMID:39555724	研究论文	本文提出了一种基于深度学习的单个外周血细胞白血病诊断和分型方法	采用分割增强残差网络，结合渐进多粒度训练和拼图补丁技术，能够区分良性和恶性细胞，并对白血病进行分型	模型在非APL病例中的召回率较低，仅为74.63%	提高白血病的诊断和分型效率，改善患者依从性和生存率	外周血细胞图像，包括五种良性白细胞和八种白血病细胞	计算机视觉	白血病	深度学习	残差网络	图像	21,208张图像，来自237名患者
3300	2024-11-20	Generalization Analysis of Transformers in Distribution Regression 2024-Nov-18, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01726 PMID:39556504	研究论文	本文提出了一种基于分布回归的transformer学习框架，并展示了transformer通过注意力机制在分布压缩和函数表示中的优势	提出了一个新的注意力操作符，使transformer能够无损地压缩分布并表示函数，相比卷积神经网络和全连接网络，transformer在处理复杂结构函数时表现出更强的能力	NA	研究transformer及其相关技术的底层机制，并提供理论支持	transformer模型及其在分布回归中的应用	机器学习	NA	transformer	transformer	分布数据	NA