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
3961	2024-11-08	Study on the classification of benign and malignant breast lesions using a multi-sequence breast MRI fusion radiomics and deep learning model 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100607 PMID:39502650	研究论文	本文研究了使用多序列乳腺MRI融合放射组学和深度学习模型对良恶性乳腺病变进行分类	本文创新性地结合了多序列乳腺MRI融合放射组学和深度学习模型，显著提高了乳腺病变分类的诊断性能	本文的样本量相对较小，可能影响模型的泛化能力	开发一种多模态模型，结合多序列乳腺MRI融合放射组学和深度学习，以辅助临床医生更好地选择治疗方案	良恶性乳腺病变	计算机视觉	乳腺癌	MRI	ResNet50	图像	314名接受乳腺MRI检查的患者
3962	2024-11-08	M/EEG source localization for both subcortical and cortical sources using a convolutional neural network with a realistic head conductivity model 2024-Dec, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0226457 PMID:39502794	研究论文	本文提出了一种基于卷积神经网络（CNN）的脑电图（EEG）和磁共振成像（MEG）源定位方法，用于同时定位皮层和皮层下源，并使用现实头部电导率模型进行训练	首次尝试使用深度学习方法进行皮层下区域的源定位，并展示了在源定位方面的优异准确性	NA	提高脑电图和磁共振成像在神经科学和临床医学中的空间分辨率	脑电图和磁共振成像信号的皮层和皮层下源定位	计算机视觉	NA	卷积神经网络	CNN	图像	使用个体MRI数据生成的十种不同头部组织的分割数据
3963	2024-11-08	[Research progress on the development of myopia prediction models and their predictive performance] 2024-Nov-11, [Zhonghua yan ke za zhi] Chinese journal of ophthalmology DOI:10.3760/cma.j.cn112142-20231128-00248 PMID:39505381	综述	本文综述了近年来近视预测模型及其预测性能的研究进展	介绍了结合环境因素和遗传因素的近视预测模型，以及人工智能在近视预测中的应用	未提及具体模型的局限性	探讨近视预测模型的研究进展及其预测性能，为建立更准确的近视预测模型提供参考	近视预测模型及其预测性能	NA	眼科疾病	机器学习、深度学习	NA	NA	NA
3964	2024-11-08	Exploring coronavirus sequence motifs through convolutional neural network for accurate identification of COVID-19 2024-Nov-07, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2404149 PMID:39508163	研究论文	本文利用深度学习方法中的卷积神经网络来识别和区分新冠病毒与其他冠状病毒	本文提出了DeepCoV方法，通过卷积神经网络识别新冠病毒，并能定位与新冠病毒相关的各种基序，显示出CNN的透明性	NA	快速识别由新病毒或已知疾病引起的疫情	新冠病毒与其他冠状病毒的区分	机器学习	NA	卷积神经网络	CNN	序列	使用了2019nCoVR数据集
3965	2024-11-08	Inverse Design of Multistructured Terahertz Metamaterial Sensors Based on Improved Conditional Generative Network 2024-Nov-06, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c10921 PMID:39438282	研究论文	提出了一种基于改进的条件生成对抗网络的多结构太赫兹超材料传感器逆向设计模型	结合自注意力生成对抗网络和Wasserstein生成对抗网络，提出了一种新的逆向设计模型SACW-GAN	NA	简化太赫兹超材料传感器的设计过程	太赫兹超材料传感器	计算机视觉	NA	生成对抗网络	SACW-GAN	图像	NA
3966	2024-11-08	Building a Synthetic Vascular Model: Evaluation in an Intracranial Aneurysms Detection Scenario 2024-Nov-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3492313 PMID:39504285	研究论文	本文介绍了一种能够模拟大脑血管树各个组成部分的全合成模型，包括大脑动脉、分叉和颅内动脉瘤，旨在为3D卷积神经网络提供大量数据集以高效检测颅内动脉瘤	本文提出了一种全合成3D模型，能够模拟通过磁共振血管造影（MRA）获取的大脑血管结构，并设计了同时模拟动脉几何形状、动脉瘤形状和背景噪声的模型	NA	研究旨在开发一种合成模型，用于增强3D卷积神经网络在颅内动脉瘤检测中的性能	大脑血管树及其组成部分，特别是颅内动脉瘤	计算机视觉	NA	磁共振血管造影（MRA）	3D卷积神经网络	3D图像	NA
3967	2024-11-08	A Survey of Few-Shot Learning for Biomedical Time Series 2024-Nov-06, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2024.3492381 PMID:39504299	综述	本文综述了少样本学习在生物医学时间序列数据中的应用	探讨了少样本学习在解决生物医学时间序列数据标注稀缺问题中的创新应用	讨论了少样本学习方法在临床应用中的局限性，并与传统数据驱动方法进行了比较	旨在提供对当前少样本学习在生物医学时间序列领域现状的洞察，并探讨其对未来研究和应用的影响	生物医学时间序列数据	机器学习	NA	少样本学习	NA	时间序列	NA
3968	2024-11-08	Signal-guided multitask learning for myocardial infarction classification using images of electrocardiogram 2024-Nov-06, Cardiology IF:1.9Q3 DOI:10.1159/000542399 PMID:39504941	研究论文	研究开发了一种基于多任务学习的深度学习算法，用于通过心电图图像对心肌梗死进行分类	提出了基于信号引导的多任务学习算法，相较于之前的单任务算法，性能显著提升	NA	开发一种能够快速准确诊断心肌梗死的深度学习算法	通过心电图图像区分心肌梗死患者和非冠状动脉疾病患者	机器学习	心血管疾病	深度学习	多任务学习	图像	11,227张心电图图像，51名医生参与测试
3969	2024-11-08	Improved patient identification by incorporating symptom severity in deep learning using neuroanatomic images in first episode schizophrenia 2024-Nov-06, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-024-02021-y PMID:39506100	研究论文	本文研究了在首次发作的精神分裂症中，通过结合症状严重程度和神经解剖图像，利用深度学习模型改进患者识别	本文创新性地将症状严重程度回归纳入多任务深度学习模型，提高了模型对急性精神分裂症患者的诊断价值	本文的样本量相对较小，且仅限于首次发作的精神分裂症患者，可能限制了研究结果的普适性	研究目的是通过结合影像生物标志物和症状表达，增强对急性精神病机制的理解	研究对象为首次发作的精神分裂症患者和健康对照组	计算机视觉	精神分裂症	MRI	多任务深度学习模型	图像	286名首次发作的精神分裂症患者和330名健康对照组，以及40名独立验证集中的首次发作精神分裂症患者
3970	2024-11-08	Computer vision applications for the detection or analysis of tuberculosis using digitised human lung tissue images - a systematic review 2024-Nov-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01443-w PMID:39497049	综述	本文对使用数字化人类肺部组织图像进行结核病检测或分析的计算机视觉应用进行了系统性综述	本文介绍了使用μCT扫描仪获取软组织图像对比度的新方法，以及使用多分辨率CT分析人类肺部3D结构的技术	当前技术在检测结核病方面存在挑战和局限性	促进开发更高效和准确的结核病检测或分析算法，并提高对早期检测重要性的认识	使用数字化人类肺部组织图像进行结核病检测或分析的计算机视觉应用	计算机视觉	肺结核	图像处理和深度学习	机器学习模型	图像	10项研究使用了人类组织（主要是肺部），其中5项研究提出了用于检测结核杆菌的机器学习模型，另外5项研究使用了CT扫描的人类肺部组织
3971	2024-11-08	Explainable fully automated CT scoring of interstitial lung disease for patients suspected of systemic sclerosis by cascaded regression neural networks and its comparison with experts 2024-11-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78393-4 PMID:39496802	研究论文	本文开发了一种深度学习框架，用于自动化系统性硬化症相关间质性肺病（SSc-ILD）的CT评分，并与专家评分进行比较	提出了一个由两个神经网络组成的级联框架，用于自动化SSc-ILD评分，并引入了热图方法来解释网络输出	未来研究需要确认模型的泛化能力	开发一种自动化系统性硬化症相关间质性肺病的CT评分方法	系统性硬化症相关间质性肺病（SSc-ILD）患者的CT扫描图像	计算机视觉	间质性肺病	深度学习	级联回归神经网络	图像	NA
3972	2024-11-08	Novel large empirical study of deep transfer learning for COVID-19 classification based on CT and X-ray images 2024-11-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76498-4 PMID:39489731	研究论文	本文通过大规模实验研究了基于CT和X光图像的COVID-19分类的深度迁移学习模型	首次扩展模型空间并从10,000个构建的深度迁移学习模型中识别出性能更好的模型	NA	开发基于AI的模型以加速COVID-19的诊断过程	COVID-19和非COVID-19患者的CT和X光图像	计算机视觉	COVID-19	深度迁移学习	ConvNeXt, EfficientNetV2, DenseNet121, ResNet34	图像	4481张CT和X光图像
3973	2024-11-08	Ultrasensitive Wearable Pressure Sensors with Stress-Concentrated Tip-Array Design for Long-Term Bimodal Identification 2024-Nov, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202406235 PMID:39007254	研究论文	本文介绍了一种超灵敏的可穿戴压力传感器，通过引入应力集中尖端阵列设计和自粘性界面来提高检测限	设计了一种双金字塔微结构，将机械传递效率从72.6%提高到98.4%，并通过增加模量差异将灵敏度提高到8.5 V kPa，检测限为0.14 Pa	NA	提高现有可穿戴压力传感器的传感性能和界面粘附性	可穿戴压力传感器的设计和性能优化	NA	NA	NA	深度学习双模态融合网络	信号	NA
3974	2024-11-08	An Artificial Intelligence-assisted Diagnostic System Improves Upper Urine Tract Cytology Diagnosis 2024 Nov-Dec, In vivo (Athens, Greece) DOI:10.21873/invivo.13785 PMID:39477382	研究论文	评估基于深度学习的人工智能工具AIxURO系统在提高上尿路细胞学诊断准确性和可靠性方面的效果	AIxURO系统能够精确检测非典型尿路上皮细胞，减少评估中的主观性，显著提高诊断准确性和一致性	NA	评估AIxURO系统在诊断上尿路癌症中的效果	上尿路细胞学样本	计算机视觉	泌尿系统癌症	深度学习	NA	图像	185个上尿路细胞学样本，包括168个非高级别尿路上皮癌（NHGUC）、14个非典型尿路上皮细胞（AUC）、2个疑似高级别尿路上皮癌（SHGUC）和1个高级别尿路上皮癌（HGUC）
3975	2024-11-08	Morphological analysis of Pd/C nanoparticles using SEM imaging and advanced deep learning 2024-Oct-29, RSC advances IF:3.9Q2 DOI:10.1039/d4ra06113f PMID:39502866	研究论文	本文提出了一种利用扫描电子显微镜（SEM）图像和深度学习技术对钯碳（Pd/C）纳米颗粒进行形态分析的综合方法	本文创新性地使用了基于注意力机制的深度学习检测模型来准确识别和描绘未标记SEM图像中的小纳米颗粒，并采用图网络和基于密度的噪声应用空间聚类方法进行进一步分析	NA	研究目的是通过先进的深度学习技术对Pd/C纳米颗粒进行形态分析，以揭示其形态分布和结构组织	研究对象是钯碳（Pd/C）纳米颗粒	计算机视觉	NA	扫描电子显微镜（SEM）	基于注意力机制的深度学习模型	图像	未明确提及具体样本数量
3976	2024-11-08	Deep learning application in prediction of cancer molecular alterations based on pathological images: a bibliographic analysis via CiteSpace 2024-Oct-18, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05992-z PMID:39422817	综述	本文通过CiteSpace工具对基于病理图像预测癌症分子改变的深度学习应用进行了文献计量和可视化分析	本文利用CiteSpace工具对相关文献进行了全面的分析，揭示了该领域的研究热点和趋势	本文主要依赖于文献计量分析，未涉及具体的实验或模型构建	总结分子病理图像识别领域的研究热点和趋势	基于病理图像预测癌症分子改变的深度学习应用	数字病理	结直肠癌	深度学习	NA	图像	110篇相关文章
3977	2024-11-08	A Feasibility Study of Thermography for Detecting Pressure Injuries Across Diverse Skin Tones 2024-Oct-16, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.14.24315465 PMID:39484234	研究论文	研究使用热成像技术在不同肤色下检测压力性损伤的可行性	首次评估了热成像技术在检测不同肤色压力性损伤中的表现，并引入了新的数据集和冷却及拔罐协议	研究样本量较小，仅包括35名参与者	探索热成像技术在不同肤色下检测压力性损伤的可行性	压力性损伤在不同肤色下的检测	计算机视觉	NA	热成像技术	卷积神经网络 (CNN)	图像	35名参与者，主要关注较深肤色
3978	2024-11-08	RNA-Seq analysis for breast cancer detection: a study on paired tissue samples using hybrid optimization and deep learning techniques 2024-Oct-10, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05968-z PMID:39390265	研究论文	本研究开发了一种先进的深度学习模型，用于使用RNA-Seq基因表达数据准确检测乳腺癌	引入了一种结合Harris Hawk优化和鲸鱼优化算法的混合基因选择方法，以提高特征选择和分类准确性	NA	开发一种能够准确检测乳腺癌的深度学习模型，并有效应对基因表达数据的高维度和复杂性挑战	乳腺癌患者的正常和癌变组织样本	机器学习	乳腺癌	RNA-Seq	深度学习	基因表达数据	66对正常和癌变组织样本，来自55名女性乳腺癌患者
3979	2024-11-08	Novel deep learning radiomics nomogram-based multiparametric MRI for predicting the lymph node metastasis in rectal cancer: A dual-center study 2024-Oct-09, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05986-x PMID:39379733	研究论文	本文开发并评估了一种结合临床参数和深度学习放射组学（DLR）的列线图，用于预测直肠癌术前淋巴结转移	本文创新性地将深度学习放射组学与临床参数结合，构建了一个新的列线图模型，显著提高了直肠癌淋巴结转移的预测准确性	本文的研究是回顾性的，且样本量相对较小，可能影响模型的泛化能力	开发和评估一种新的列线图模型，用于提高直肠癌术前淋巴结转移的预测准确性	直肠癌患者的术前淋巴结转移情况	机器学习	直肠癌	磁共振成像（MRI）	逻辑回归分类器	图像	356名直肠癌患者，其中286名用于训练集，70名用于外部验证集
3980	2024-11-08	Deep learning model using planar whole-body bone scintigraphy for diagnosis of skull base invasion in patients with nasopharyngeal carcinoma 2024-Oct-09, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05969-y PMID:39379746	研究论文	本研究评估了基于平面全身骨显像的深度学习模型在诊断鼻咽癌患者颅底侵犯中的可靠性	本研究开发了一种使用平面全身骨显像的深度学习模型，用于诊断鼻咽癌患者的颅底侵犯，其性能优于经验丰富的核医学医师	本研究仅在一个中心的数据上进行了模型开发和验证，未来需要在更多中心进行验证	评估深度学习模型在诊断鼻咽癌患者颅底侵犯中的可靠性	鼻咽癌患者的颅底侵犯	计算机视觉	鼻咽癌	深度学习	卷积神经网络 (CNN)	图像	本研究涉及多个中心的数据，具体样本数量未在摘要中明确提及