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
5121	2024-11-02	Refined matrix completion for spectrum estimation of heart rate variability 2024-Aug-02, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2024296 PMID:39483092	研究论文	本文提出了一种基于矩阵补全的心率变异性（HRV）频谱不确定性估计方法	引入了一种新的基于矩阵补全的HRV频谱不确定性估计方法，并开发了一种改进的矩阵补全技术以提高估计精度和计算效率	NA	研究心率变异性（HRV）频谱的不确定性估计	心率变异性（HRV）频谱	机器学习	心血管疾病	矩阵补全	统计机器学习模型	频谱数据	五个公共数据集
5122	2024-11-02	Impact of an artificial intelligence based model to predict non-transplantable recurrence among patients with hepatocellular carcinoma 2024-08, HPB : the official journal of the International Hepato Pancreato Biliary Association IF:2.7Q1 DOI:10.1016/j.hpb.2024.05.006 PMID:38796346	研究论文	本文开发了基于人工智能的模型来预测肝细胞癌患者肝切除术后不可移植的复发	本文创新性地使用了集成AI模型，结合术前和术后因素，显著提高了预测不可移植复发（NTR）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	开发和验证基于人工智能的模型，用于预测肝细胞癌患者肝切除术后不可移植的复发	肝细胞癌（HCC）患者肝切除术后不可移植的复发（NTR）	机器学习	肝癌	机器学习和深度学习技术	集成AI模型	临床数据	1763名肝细胞癌患者
5123	2024-11-02	An ingenious deep learning approach for pressure injury depth evaluation with limited data 2024-Aug, Journal of tissue viability IF:2.4Q1 DOI:10.1016/j.jtv.2024.05.009 PMID:38825443	研究论文	本文提出了一种利用深度学习评估压疮深度的新方法，特别是在数据有限的情况下	开发了一种结合分类模型和二分类模型的高性能深度学习模型，能够在有限监督数据的情况下实现高准确性	分类模型在区分d1和d2时表现不佳，二分类模型在评估步骤增加时性能下降	开发一种在有限数据情况下评估压疮深度的高性能深度学习模型	压疮图像及其深度分类	机器学习	NA	深度学习	卷积神经网络	图像	414张压疮图像，分为五个深度阶段（d0到D4）
5124	2024-11-02	Mapping the landscape of histomorphological cancer phenotypes using self-supervised learning on unannotated pathology slides 2024-Jun-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48666-7 PMID:38862472	研究论文	本文介绍了一种无需标注的自我监督学习方法，用于从病理切片中自动发现区分性特征，构建组织形态学表型图谱	提出了一种无需标注的自我监督学习方法，自动发现病理图像中的区分性特征，并构建了组织形态学表型图谱	NA	开发一种无需标注的自我监督学习方法，用于从病理切片中提取复杂信息，辅助癌症诊断和管理	病理切片图像中的组织形态学表型	数字病理学	肺癌	自我监督学习	NA	图像	NA
5125	2024-11-02	Application of simultaneous uncertainty quantification and segmentation for oropharyngeal cancer use-case with Bayesian deep learning 2024-Jun-08, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00528-5 PMID:38851837	研究论文	本文探讨了在口咽癌治疗中使用贝叶斯深度学习进行不确定性量化和分割的方法	首次将贝叶斯深度学习应用于口咽癌主要肿瘤体积的分割和不确定性量化	仅使用了292个PET/CT扫描数据集，样本量相对较小	开发一种可靠且可信的自动化工具，用于口咽癌放射治疗中的肿瘤体积分割	口咽癌的主要肿瘤体积	计算机视觉	口咽癌	贝叶斯深度学习	贝叶斯深度学习模型	图像	292个PET/CT扫描数据
5126	2024-11-02	Humans use tools: From handcrafted tools to artificial intelligence 2024-Mar, Journal of vascular surgery. Venous and lymphatic disorders DOI:10.1016/j.jvsv.2023.101705 PMID:37956905	研究论文	本文探讨了人工智能在血管外科中的应用及其对手术安全性和精确性的影响	文章提出了人工智能在手术中的应用，通过深度学习和模式识别提高手术的精确性和安全性	人工智能的发展仍处于早期阶段，数据管理和隐私保护是重要问题	研究人工智能在血管外科中的应用，探讨其对手术效果的提升	血管外科手术及其相关的人工智能技术	机器学习	心血管疾病	深度学习	NA	影像数据	NA
5127	2024-11-02	Spatial and Spectral Reconstruction of Breast Lumpectomy Hyperspectral Images 2024-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s24051567 PMID:38475103	研究论文	本文介绍了一种深度学习空间-光谱重建框架，用于从低分辨率高光谱图像和高分辨率RGB图像中获取高分辨率高光谱图像	提出了一种新的深度学习框架，能够在手术过程中快速获取数据的同时保持高图像质量	未提及具体的技术局限性	开发一种能够在手术中快速且高质量地进行边缘评估的高光谱成像技术	乳腺癌保乳手术中的高光谱图像	计算机视觉	乳腺癌	高光谱成像	深度学习	图像	NA
5128	2024-11-02	Revolutionizing Robotic Depalletizing: AI-Enhanced Parcel Detecting with Adaptive 3D Machine Vision and RGB-D Imaging for Automated Unloading 2024-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s24051473 PMID:38475009	研究论文	本文提出了一种基于深度学习和图像处理的包裹拣选表面检测方法，用于高效卸载多样化和无序的包裹	利用RGB-D技术和YOLACT模型进行边界线检测，能够有效处理复杂表面图案和旋转包裹的检测问题	NA	开发一种强调包裹边界线的图像处理算法，无论包裹的形状、图案或布局如何	多样化和无序的包裹	计算机视觉	NA	RGB-D成像	YOLACT	图像	随机尺寸和旋转覆盖的盒子，具有多种颜色和图案
5129	2024-11-02	Multimodal Data-Driven Segmentation of Bone Metastasis Lesions in SPECT Bone Scans Using Deep Learning 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056324977240911073841 PMID:39297464	研究论文	本文提出了一种多模态数据驱动的深度学习方法，用于在SPECT骨扫描图像中分割骨转移病变	本文创新性地将诊断报告中的文本数据与SPECT骨扫描图像结合，提出了一种双路径分割框架，显著提高了分割性能	NA	提高深度学习在低分辨率SPECT骨扫描图像中分割骨转移病变的性能	骨转移病变在SPECT骨扫描图像中的分割	计算机视觉	NA	深度学习	编码器-解码器网络	图像和文本	NA
5130	2024-11-02	Investigating the ability of deep learning-based structure prediction to extrapolate and/or enrich the set of antibody CDR canonical forms 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1352703 PMID:38482007	研究论文	研究深度学习模型在预测抗体CDR区域结构时是否能产生新的特征	发现即使训练数据中存在极少量的特定结构形状，深度学习模型仍能恢复其预测能力	深度学习蛋白质结构预测方法无法完全进行超出训练数据范围的预测	探讨深度学习模型在预测抗体CDR区域结构时是否能产生新的特征	抗体CDR区域的结构预测	机器学习	NA	深度学习	深度学习模型	序列数据	约150万对抗体序列
5131	2024-11-02	Improving Image Quality and Diagnostic Performance of CCTA in Patients with Challenging Heart Rate Conditions using a Deep Learning-based Motion Correction Algorithm 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056315753240827114209 PMID:39257151	研究论文	本研究评估了基于深度学习的运动校正算法在心率挑战条件下对冠状动脉CT血管造影图像质量和诊断性能的影响	本研究首次使用基于深度学习的运动校正算法来改善心率挑战条件下冠状动脉CT血管造影的图像质量和诊断性能	本研究为回顾性研究，样本量有限，且未评估算法在不同心率条件下的泛化能力	评估基于深度学习的运动校正算法在心率挑战条件下对冠状动脉CT血管造影图像质量和诊断性能的影响	心率挑战条件下的冠状动脉CT血管造影图像	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	240名患者
5132	2024-11-02	Prediction of fellow eye neovascularization in type 3 macular neovascularization (Retinal angiomatous proliferation) using deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310097 PMID:39475903	研究论文	本研究利用深度学习人工智能模型预测单侧3型黄斑新生血管患者对侧眼新生血管化的风险	首次利用人工智能模型关注3型黄斑新生血管的临床过程	模型整体准确率不高，可能是由于用于AI训练的患者数量相对较少，建议未来进行多中心研究以提高模型准确性	建立深度学习人工智能模型预测单侧3型黄斑新生血管患者对侧眼新生血管化的风险	单侧3型黄斑新生血管患者	计算机视觉	眼科疾病	深度学习	视觉几何组神经网络	眼底图像和光学相干断层扫描图像	217名患者，其中199名用于模型训练/验证，18名用于测试集
5133	2024-11-02	MosquitoSong+: A noise-robust deep learning model for mosquito classification from wingbeat sounds 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310121 PMID:39475971	研究论文	本文提出了一种名为MosquitoSong+的深度学习模型，用于从蚊子的翅膀振动声音中进行分类，并提高其在环境噪声中的鲁棒性	本文的创新点在于提出了一种新的深度学习模型MosquitoSong+，通过调整模型架构和引入数据增强技术，使其在环境噪声和蚊子飞行音量变化的情况下仍能有效分类	本文未详细讨论模型的计算资源需求和实时处理能力	研究目的是开发一种能够在实际环境中有效分类蚊子种类和性别的深度学习模型	研究对象是蚊子的翅膀振动声音及其在环境噪声中的分类	机器学习	NA	深度学习	1D-CNN	声音	多个翅膀振动数据集，包含不同背景噪声
5134	2024-11-02	Identification of middle cerebral artery stenosis in transcranial Doppler using a modified VGG-16 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1394435 PMID:39479004	研究论文	研究使用改进的VGG-16模型识别经颅多普勒图像中的大脑中动脉狭窄	提出了一种改进的VGG-16模型，结合挤压激励和跳跃连接，提高了对大脑中动脉狭窄的诊断效果	研究为回顾性研究，且样本量有限，需要进一步的前瞻性研究和更大样本量的验证	旨在开发和验证一种基于深度学习模型的方法，用于识别大脑中动脉狭窄，以辅助预防中风	大脑中动脉狭窄的诊断	计算机视觉	心血管疾病	深度学习	VGG-16	图像	3,068张经颅多普勒图像，来自1,729名患者；90张经颅多普勒图像，来自90名体检者
5135	2024-10-30	Deep learning-based measurement of echocardiographic data and its application in the diagnosis of sudden cardiac death 2024-Dec, Biotechnology & genetic engineering reviews DOI:10.1080/02648725.2023.2213041 PMID:37179495	研究论文	本研究评估了深度学习在测量突发性心脏死亡（SCD）患者超声心动图数据中的应用潜力	本研究开发了一种基于深度学习的模型，用于预测SCD，并在验证组中显示出高准确性和敏感性	本研究的样本量有限，且仅限于SCD患者，未来需要在大规模和多样化的样本中验证模型的有效性	评估深度学习在SCD患者超声心动图数据测量中的诊断价值	突发性心脏死亡（SCD）患者	机器学习	心血管疾病	深度学习	深度学习模型	图像	320名SCD患者和400名健康志愿者
5136	2024-10-30	Pre-operative lung ablation prediction using deep learning 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10767-8 PMID:38775950	研究论文	本文介绍了一种基于深度学习的模型，用于预测微波肺消融术后的消融区域，以辅助治疗计划并提高治疗效果	本文提出了一种新颖的可变形图像配准方法和以消融器为中心的坐标系统，用于分析数据，并基于U-net架构构建了预测模型	本文的研究是回顾性的，样本量相对较小，且仅限于单一供应商的消融器	开发一种能够准确预测微波肺消融术后消融区域的深度学习模型，以改善治疗计划并减少肿瘤复发	微波肺消融术后的消融区域	计算机视觉	肺癌	可变形图像配准	U-net	图像	113次消融，来自72名患者
5137	2024-10-30	Prospective and multi-reader evaluation of deep learning reconstruction-based accelerated rectal MRI: image quality, diagnostic performance, and reading time 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10882-6 PMID:39017934	研究论文	评估基于深度学习重建（DLR）的加速直肠磁共振成像（MRI）与标准MRI的图像质量、诊断性能和阅读时间	DLR技术在直肠MRI中显著减少了采集时间，并提高了图像质量和初级放射科医生的T分期准确性	研究仅在一个中心进行，样本量有限，且仅包括接受治愈性手术的患者	评估基于深度学习重建的加速直肠MRI与标准MRI的性能差异	直肠腺癌患者	医学影像	直肠癌	深度学习重建（DLR）	NA	图像	117名患者，其中60名接受治愈性手术
5138	2024-10-30	Standalone deep learning versus experts for diagnosis lung cancer on chest computed tomography: a systematic review 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10804-6 PMID:38777902	综述	比较独立深度学习算法与人类专家在胸部CT扫描中诊断肺癌的诊断性能	深度学习算法在肺癌检测中的敏感性和特异性优于人类专家	深度学习算法在不同成像模式和任务中的表现存在差异，需要进一步优化	比较深度学习算法与专家在肺癌检测中的诊断性能	成人肺癌患者和胸部CT扫描	计算机视觉	肺癌	深度学习	NA	图像	20项研究
5139	2024-09-06	On-Device Deep Learning to Detect Carotid Stenosis With Smartphones: Development and Validation 2024-Nov, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.124.048410 PMID:39234680	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5140	2024-10-30	A deep learning-based approach for unbiased kinematic analysis in CNS injury 2024-Nov, Experimental neurology IF:4.6Q1 DOI:10.1016/j.expneurol.2024.114944 PMID:39242068	研究论文	本文介绍了一种基于深度学习的方法，用于在中枢神经系统损伤中进行无偏差的运动学分析	开发了两种基于深度学习算法的无标记运动学分析范式，MotorBox和MotoRater，用于替代传统的BMS测试，消除了评估中的主观偏差和变异性	NA	提高脊髓损伤后功能评估的准确性、敏感性和可重复性	脊髓损伤后的运动功能评估	计算机视觉	脊髓损伤	深度学习	NA	视频	NA