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
3301	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）
3302	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
3303	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
3304	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
3305	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
3306	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）
3307	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
3308	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
3309	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
3310	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
3311	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
3312	2024-11-20	Current status and future direction of cancer research using artificial intelligence for clinical application 2024-Nov-18, Cancer science IF:4.5Q1 DOI:10.1111/cas.16395 PMID:39557634	综述	本文综述了人工智能在癌症研究中的当前状态和未来方向，特别是从临床应用的角度	本文讨论了生成性AI技术（如ChatGPT）在社会中的影响，并强调了AI在医疗领域的广泛应用	尽管AI技术具有巨大潜力，但仍存在许多需要仔细考虑的挑战	促进利用有效AI技术的癌症研究	AI在癌症研究中的应用及其挑战和未来方向	机器学习	癌症	NA	NA	NA	NA
3313	2024-11-20	Deep learning-based automatic bleeding recognition during liver resection in laparoscopic hepatectomy 2024-Nov-18, Surgical endoscopy DOI:10.1007/s00464-024-11331-7 PMID:39557646	研究论文	本文开发了一种基于深度学习的自动识别腹腔镜肝切除术中出血区域的模型	首次报道了用于检测和停止腹腔镜肝切除术中出血的深度学习模型	研究为回顾性可行性研究，样本量较小	开发一种自动识别腹腔镜肝切除术中出血区域的深度学习模型	腹腔镜肝切除术中的出血区域	计算机视觉	NA	卷积神经网络算法	CNN	图像	2203张标注图像，来自44个腹腔镜肝切除术视频
3314	2024-11-20	A Comparison of Deep Learning vs. Dental Implantologists in Cone-Beam Computed Tomography-Based Bone Quality Classification 2024-Nov-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01317-1 PMID:39557735	研究论文	比较深度学习模型与牙种植专家在基于锥束计算机断层扫描（CBCT）的骨质量分类中的表现	使用Inception-ResNet-v2深度学习模型在骨质量分类中表现优于牙种植专家和住院医师	研究仅限于CBCT图像和L&Z分类，未涉及其他骨质量评估方法	比较深度学习模型与人类评估者在骨质量评估中的表现	CBCT图像中的骨质量分类	计算机视觉	NA	深度学习	Inception-ResNet-v2	图像	1100个CBCT横截面切片
3315	2024-11-20	RIDGE: Reproducibility, Integrity, Dependability, Generalizability, and Efficiency Assessment of Medical Image Segmentation Models 2024-Nov-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01282-9 PMID:39557736	研究论文	本文介绍了一个名为RIDGE的框架，用于评估医学图像分割模型的可重复性、完整性、可靠性、可推广性和效率	提出了RIDGE清单，这是一个全面的框架，旨在评估深度学习医学图像分割模型的多个关键方面	NA	提高医学图像分割模型的质量和透明度，促进其在临床环境中的应用	深度学习医学图像分割模型	计算机视觉	NA	深度学习	NA	图像	NA
3316	2024-11-20	Pneumonia Detection from Chest X-Ray Images Using Deep Learning and Transfer Learning for Imbalanced Datasets 2024-Nov-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01334-0 PMID:39557737	研究论文	本文研究了使用深度学习和迁移学习技术从胸部X光图像中检测肺炎，特别关注处理不平衡数据集的挑战	本文探索了多种深度学习架构（如VGG、ResNet和ViT）以及迁移学习、零样本学习和少样本学习等策略，以提高肺炎检测的准确性	本文未详细讨论模型的泛化能力和在不同医疗环境中的适用性	研究如何利用深度学习技术提高肺炎检测的准确性和效率，特别是处理不平衡数据集的问题	胸部X光图像中的肺炎检测	计算机视觉	肺炎	深度学习	VGG、ResNet、ViT	图像	使用了多个公开数据集，包括Chest X-Ray Images (Pneumonia)、BRAX和CheXpert数据集
3317	2024-11-20	Active Learning with Particle Swarm Optimization for Enhanced Skin Cancer Classification Utilizing Deep CNN Models 2024-Nov-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01327-z PMID:39557738	研究论文	本文提出了一种结合主动学习（AL）和粒子群优化（PSO）的皮肤癌分类框架，以提高深度卷积神经网络（CNN）模型的分类准确性和效率	本文的创新点在于将主动学习和粒子群优化结合，通过选择最具信息量的未标注实例进行专家标注，从而减少标注成本并优化分类器性能	本文的局限性在于实验仅在HAM10000皮肤病变数据集上进行，未来需要在更多数据集上验证方法的通用性	本文的研究目的是通过结合主动学习和粒子群优化，提高皮肤癌分类的准确性和效率	本文的研究对象是皮肤癌分类问题，特别是非黑色素瘤和黑色素瘤的早期检测	计算机视觉	皮肤癌	粒子群优化（PSO）	卷积神经网络（CNN）	图像	使用了HAM10000皮肤病变数据集，包含约10000个样本
3318	2024-11-20	Progress in the Identification and Design of Novel Antimicrobial Peptides Against Pathogenic Microorganisms 2024-Nov-18, Probiotics and antimicrobial proteins IF:4.4Q2 DOI:10.1007/s12602-024-10402-4 PMID:39557756	综述	本文综述了抗菌肽（AMPs）在对抗病原微生物中的最新进展及其设计方法	本文介绍了计算机辅助策略（如机器学习和深度学习）在准确预测和设计新型抗菌肽中的应用	本文指出了在发现和应用抗菌肽时面临的重大挑战	评估抗菌肽在对抗广泛细菌病原体中的最新进展及其设计方法	抗菌肽及其对抗病原微生物的活性	NA	NA	机器学习（ML）和深度学习（DL）	NA	NA	NA
3319	2024-11-20	Analysis of Microscopic Remaining Oil Based on the Fluorescence Image and Deep Learning 2024-Nov-18, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-024-04032-w PMID:39557795	研究论文	本文利用荧光图像和深度学习技术分析微观剩余油，以提高高含水油藏的采收率	本文创新性地应用了四种深度学习网络（U-Net、ResU-Net、ScSEU-Net和Unet++）进行荧光图像分割，显著提高了分析效率和准确性	本文主要关注于大孔径（大于60微米）的油藏，对于小孔径（小于50微米）的微观剩余油仍需进一步研究	提高高含水油藏的采收率	微观剩余油及其分布模式	计算机视觉	NA	深度学习	U-Net、ResU-Net、ScSEU-Net、Unet++	图像	油藏样本
3320	2024-11-20	Laser-Induced Breakdown Spectroscopy and a Convolutional Neural Network Model for Predicting Total Iron Content in Iron Ores 2024-Nov-18, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028241294088 PMID:39558586	研究论文	本文利用激光诱导击穿光谱（LIBS）和卷积神经网络（CNN）模型预测铁矿石中的总铁含量	本文提出了一种基于CNN的LIBS方法，通过变量重要性随机森林（VI-RF）和变量重要性反向传播人工神经网络（VI-BP-ANN）与传统模型进行比较，展示了CNN在提高LIBS定量准确性和减少建模时间方面的优势	NA	提高激光诱导击穿光谱（LIBS）在铁矿石中总铁含量检测的准确性	铁矿石中的总铁含量	机器学习	NA	激光诱导击穿光谱（LIBS）	卷积神经网络（CNN）	光谱数据	339批次铁矿石样品，收集了2034个代表性光谱