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
5001	2024-10-20	Applications of artificial intelligence in dentomaxillofacial imaging: a systematic review 2024-11, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2023.12.790 PMID:38637235	综述	本文系统回顾了人工智能在口腔颌面影像中的应用及其性能	本文总结了人工智能在牙齿和植入物分类与识别、三维头影测量标志点检测、病变检测（根尖周、颌骨和骨骼）以及骨质疏松检测等方面的应用	尽管人工智能模型显示出有希望的结果，但仍需进一步研究以探索特定应用和现实场景，才能自信地将这些模型整合到牙科实践中	评估人工智能算法在不同口腔颌面影像模式中的应用和性能	口腔颌面影像中的人工智能应用	计算机视觉	NA	机器学习、深度学习、神经网络	NA	影像	共纳入194篇文章
5002	2024-10-20	Artificial intelligence can be trained to predict c-KIT-11 mutational status of canine mast cell tumors from hematoxylin and eosin-stained histological slides 2024-Oct-18, Veterinary pathology IF:2.3Q1 DOI:10.1177/03009858241286806 PMID:39422217	研究论文	本文研究了使用深度学习模型（DLMs）从苏木精和伊红（HE）染色的组织切片中预测犬肥大细胞瘤的c-KIT-11突变状态	首次尝试使用深度学习模型仅基于形态学特征预测犬肥大细胞瘤的c-KIT-11突变状态	染色协议和扫描仪类型对预测准确性有影响，需要更大规模的多实验室和多扫描仪数据集以提高模型的鲁棒性	开发一种基于深度学习的方法，从HE染色的组织切片中预测犬肥大细胞瘤的c-KIT-11突变状态	犬肥大细胞瘤的c-KIT-11突变状态	数字病理学	犬类疾病	深度学习	深度学习模型（DLMs）	图像	368例犬肥大细胞瘤样本，包括195例有ITD突变和173例无ITD突变
5003	2024-10-20	Toward Intelligent Head Impulse Test: A Goggle-Free Approach Using a Monocular Infrared Camera 2024-Oct-18, The Laryngoscope DOI:10.1002/lary.31848 PMID:39422423	研究论文	提出了一种使用单目红外摄像头的智能头脉冲测试（iHIT）方法，以替代传统的头戴式护目镜设备，并使用深度学习进行视频分类以评估前庭功能	iHIT消除了对头戴式护目镜的需求，无需设备校准，实现了完全自动化，并降低了成本和操作难度	实验结果显示在水平和垂直半规管功能评估中的预测准确率分别为84.1%和79.0%，仍有提升空间	开发一种无需头戴式护目镜的智能头脉冲测试方法，以评估前庭功能	前庭功能和半规管功能	计算机视觉	NA	深度学习	多模态视频分类网络	视频	DiHIT数据集包含头脉冲测试视频片段
5004	2024-10-20	Post-Stroke Dysarthria Voice Recognition based on Fusion Feature MSA and 1D 2024-Oct-18, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2410228 PMID:39422438	研究论文	提出了一种基于融合特征MSA和改进的1D ResNet网络的深度学习模型，用于识别中风后构音障碍的语音	引入了新的融合特征MSA和改进的1D ResNet网络，结合了双向LSTM和扩张卷积，提高了病理语音识别的准确性	NA	提高中风后构音障碍语音识别的准确性，以帮助评估和诊断	中风后构音障碍的病理语音和正常语音	机器学习	中风	深度学习	1D DRN-biLSTM	语音	NA
5005	2024-10-20	Hyperparameter Recommendation Integrated With Convolutional Neural Network 2024-Oct-18, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3476439 PMID:39423079	研究论文	本文提出了一种将卷积神经网络（CNN）与超参数推荐相结合的方法	通过将卷积神经网络与学习模型集成，解决了现有元学习方法在捕捉数据特征和超参数性能关系方面的局限性	NA	开发一种有效的元学习算法，以捕捉数据特征与超参数性能之间的内在关系	超参数推荐	机器学习	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	数据集特征	400个真实分类问题和著名的支持向量机（SVM）
5006	2024-10-20	DPI-MoCo: Deep Prior Image Constrained Motion Compensation Reconstruction for 4D CBCT 2024-Oct-18, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3483451 PMID:39423082	研究论文	提出了一种名为DPI-MoCo的深度先验图像约束运动补偿框架，用于4D CBCT图像重建	该框架将4D CBCT重建分解为粗略图像恢复和结构细节微调两个子任务，无需配对数据集，确保临床实用性	NA	解决4D CBCT图像重建中由于稀疏采样数据导致的严重条纹伪影问题	4D CBCT图像重建	计算机视觉	肺癌	生成对抗网络、对比学习、运动估计和补偿技术	生成对抗网络	图像	NA
5007	2024-10-20	Investigation on Melting Curves and Phase Diagrams for CaO3 Using Deep Learning Potentials 2024-Oct-18, The journal of physical chemistry. A DOI:10.1021/acs.jpca.4c03074 PMID:39423322	研究论文	研究了CaO的熔化曲线和压力-温度相图，使用深度学习势能模型	采用深度学习势能模型来研究CaO的熔化曲线和相图	NA	理解行星内部动力学和行星演化的历史及机制	CaO的熔化曲线和压力-温度相图	NA	NA	深度学习势能模型	深度学习	NA	NA
5008	2024-10-20	Exploring "dark-matter" protein folds using deep learning 2024-Oct-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.09.006 PMID:39383860	研究论文	本文介绍了一种使用深度学习探索未知蛋白质折叠结构的方法	提出了一个卷积变分自编码器Genesis，能够学习蛋白质结构的特征，并成功应用于设计五种天然折叠和三种新型折叠结构	未提及具体的局限性	探索和设计未知的蛋白质折叠结构	蛋白质折叠结构及其设计	机器学习	NA	深度学习	卷积变分自编码器	蛋白质结构数据	五种天然折叠和三种新型折叠结构
5009	2024-10-20	Automated segment-level coronary artery calcium scoring on non-contrast CT: a multi-task deep-learning approach 2024-Oct-16, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01827-0 PMID:39412613	研究论文	本文开发并评估了一种多任务深度学习模型，用于在非对比CT上自动进行冠状动脉钙化（CAC）的分段评分	提出了一种多任务深度学习模型，用于在非对比CT上自动进行冠状动脉钙化的分段评分，实现了精确的钙化定位和量化	NA	开发和评估一种多任务深度学习模型，用于在非对比CT上自动进行冠状动脉钙化的分段评分	冠状动脉钙化的分段评分	计算机视觉	心血管疾病	深度学习	多任务神经网络	图像	1514名患者，其中1059名用于训练/验证，455名用于测试
5010	2024-10-20	Assessing the deep learning based image quality enhancements for the BGO based GE omni legend PET/CT 2024-Oct-16, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00688-2 PMID:39412633	研究论文	本研究评估了基于深度学习的图像质量增强技术在GE Omni Legend PET/CT扫描仪中的应用	本研究首次探讨了深度学习技术在补偿GE Omni Legend PET/CT扫描仪缺乏飞行时间（TOF）方面的应用	本研究仅使用了NEMA IQ phantom进行评估，未涵盖所有可能的临床应用场景	评估深度学习算法在GE Omni Legend PET/CT扫描仪中的图像质量增强效果	GE Omni Legend PET/CT扫描仪的图像质量	计算机视觉	NA	深度学习	NA	图像	使用NEMA IQ phantom进行评估，并展示了患者图像
5011	2024-10-18	Correction: Efficacy of compressed sensing and deep learning reconstruction for adult female pelvic MRI at 1.5 T 2024-Oct-16, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00521-6 PMID:39414662	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5012	2024-10-20	AnEEG: leveraging deep learning for effective artifact removal in EEG data 2024-10-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75091-z PMID:39414897	研究论文	本文提出了一种名为AnEEG的深度学习方法，用于去除脑电图（EEG）数据中的伪影	本文的创新点在于提出了一种新的深度学习方法AnEEG，用于有效去除EEG数据中的伪影，并通过多种量化指标验证了其有效性	NA	本文的研究目的是提高脑电图数据的质量，通过去除伪影来增强信号的可用性	本文的研究对象是脑电图（EEG）数据及其中的伪影	机器学习	NA	深度学习	深度学习模型	脑电图数据	NA
5013	2024-10-20	Integrated multicenter deep learning system for prognostic prediction in bladder cancer 2024-Oct-16, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00731-6 PMID:39414931	研究论文	开发并验证了一种端到端的深度学习系统，利用组织学切片预测膀胱癌患者的总体生存风险	提出了BlaPaSeg切片分类器生成组织概率热图和分割图，并训练了两个预测网络MacroVisionNet和UniVisionNet，探索了六个潜在的膀胱癌预后生物标志物	NA	提高膀胱癌生存预测的准确性，支持精细化患者管理	膀胱癌患者的总体生存风险	机器学习	膀胱癌	深度学习	CNN	图像	多个队列的膀胱癌患者
5014	2024-10-20	Deep learning to combat knee osteoarthritis and severity assessment by using CNN-based classification 2024-Oct-16, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-024-07942-9 PMID:39415217	研究论文	本研究利用基于卷积神经网络（CNN）的深度学习方法来对抗膝关节骨性关节炎（KOA）并评估其严重程度	本研究提出了一种专门为二分类和KOA严重程度评估设计的复杂CNN架构，并在二分类和多分类任务中均表现出色	本研究仅使用了Osteoarthritis Initiative（OAI）的数据集，未来需要扩展到更多数据集和场景	开发一种基于深度学习的膝关节骨性关节炎检测和分类方法	膝关节骨性关节炎及其严重程度	计算机视觉	骨关节炎	卷积神经网络（CNN）	CNN	图像	使用了Osteoarthritis Initiative（OAI）的数据集
5015	2024-10-20	Deep Learning-Enhanced Paper-Based Vertical Flow Assay for High-Sensitivity Troponin Detection Using Nanoparticle Amplification 2024-Oct-15, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c05153 PMID:39365271	研究论文	本文介绍了一种基于深度学习的纸基垂直流分析法，用于高灵敏度检测心脏肌钙蛋白I	结合纳米颗粒放大技术、成像和数据处理，提高了POCT的灵敏度和精确度	NA	提高POCT的灵敏度和精确度，以满足临床标准	心脏肌钙蛋白I的定量测量	生物传感	心血管疾病	纳米颗粒放大技术	深度学习	图像	患者样本
5016	2024-10-20	Deep and shallow feature fusion framework for remote sensing open pit coal mine scene recognition 2024-Oct-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72855-5 PMID:39406759	研究论文	本文提出了一种用于遥感露天煤矿场景识别的深度与浅层特征融合框架	通过邻域特征注意力模块和图卷积网络模块增强深度特征，并结合灰度共生矩阵和Gabor滤波器提取浅层特征，实现了高精度和低样本依赖的场景识别	NA	提高露天煤矿区域土地利用和破坏的识别精度，以支持科学监管和管理	遥感图像中的露天煤矿场景	计算机视觉	NA	图卷积网络（GCN）、灰度共生矩阵（GLCM）、Gabor滤波器	支持向量机（SVM）	图像	使用了AID和RSSCN7数据集进行评估
5017	2024-10-20	Differential diagnosis of congenital ventricular septal defect and atrial septal defect in children using deep learning-based analysis of chest radiographs 2024-Oct-15, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-024-05141-y PMID:39407181	研究论文	本研究评估了基于深度学习的胸部X光片分析在儿童房间隔缺损和室间隔缺损鉴别诊断中的效果	本研究首次使用深度学习模型对胸部X光片进行分析，以区分儿童的房间隔缺损和室间隔缺损	本研究为回顾性研究，样本量有限，且仅限于特定类型的先天性心脏病	评估深度学习分析胸部X光片在儿童房间隔缺损和室间隔缺损鉴别诊断中的有效性	儿童房间隔缺损和室间隔缺损的鉴别诊断	计算机视觉	先天性心脏病	深度学习	ResNet-CBAM, InceptionV3, EfficientNet, ViT	图像	1194名患者的胸部X光片和相应的放射学报告
5018	2024-10-19	HI-Net: A novel histopathologic image segmentation model for metastatic breast cancer via lightweight dataset construction 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38410 PMID:39421372	研究论文	本文介绍了一种名为HI-Net的新型组织病理学图像分割模型，用于转移性乳腺癌的快速准确检测	提出了HI-Net模型，结合全景分割和局部注意力机制，并构建了一个轻量级的病理切片数据集，加速训练并降低计算成本	NA	提高转移性乳腺癌的检测效率和准确性	转移性乳腺癌的组织病理学图像	数字病理学	乳腺癌	深度学习	HI-Net	图像	轻量级病理切片数据集，分辨率为512 x 512像素
5019	2024-10-20	A method for predicting remaining useful life using enhanced Savitzky-Golay filter and improved deep learning framework 2024-Oct-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74989-y PMID:39402125	研究论文	本文提出了一种基于增强的Savitzky-Golay滤波器和改进的深度学习框架的剩余使用寿命预测方法	本文创新性地结合了增强的Savitzky-Golay滤波器和多通道多尺度的深度学习框架，以提高复杂操作数据集的预测准确性和鲁棒性	该方法在预测多种故障类型时表现不佳，但在单一故障类型预测任务中优于经典算法	研究目的是提高大型设备故障预测和健康管理的有效性，特别是剩余使用寿命的准确预测	研究对象是大型设备的剩余使用寿命预测，使用多变量传感器数据	机器学习	NA	NA	卷积神经网络（CNN）和长短期记忆网络（LSTM）	多变量传感器数据	使用了C-MAPSS数据集进行实验验证
5020	2024-10-20	Equilibrium Optimization-Based Ensemble CNN Framework for Breast Cancer Multiclass Classification Using Histopathological Image 2024-Oct-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14192253 PMID:39410657	研究论文	本文提出了一种基于均衡优化算法的集成卷积神经网络框架，用于乳腺癌多分类的组织病理学图像分类	本文提出了一种名为MultiHisNet的新模型，并结合了点卷积层、残差链接、通道和空间注意力模块，以及使用均衡优化器确定模型权重的集成模型	医学图像存在纹理背景差异、细胞结构重叠、类别分布不平衡和标签数据不足等问题，以及深度学习模型在过拟合和特征提取不足方面的局限性	旨在提高乳腺癌多分类的准确性，支持病理学家成功诊断乳腺癌	乳腺癌的组织病理学图像	计算机视觉	乳腺癌	卷积神经网络	集成模型	图像	使用了包含组织病理学图像的BreakHis数据集，训练了20种最先进的模型