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
5881	2024-10-18	Feature Fusion for Multi-Coil Compressed MR Image Reconstruction 2024-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01057-2 PMID:38459398	研究论文	提出了一种名为“多线圈特征融合变分网络”（MFFVN）的方法，用于多线圈压缩MR图像重建	引入编码器直接从多线圈MR图像中提取特征，并通过特征融合操作，避免了大量参数的引入，同时保留了线圈间信息	NA	提高多线圈压缩MR图像重建的速度和质量	多线圈MR图像	计算机视觉	NA	深度学习	变分网络	图像	NA
5882	2024-10-18	A Data Augmentation Methodology to Reduce the Class Imbalance in Histopathology Images 2024-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01018-9 PMID:38485898	研究论文	本文提出了一种数据增强方法，用于减少组织病理学图像中的类别不平衡问题	本文提出了一种结合复制粘贴数据增强技术和损失函数加权平衡方法的策略，专门针对高实例密度数据集进行优化	本文仅在一个高度不平衡的核检测数据集上进行了验证，未来需要在更多不同类型的数据集上进行测试	解决多类和多标签分类中的类别不平衡问题，特别是在高实例密度数据集中	组织病理学图像中的类别不平衡问题	计算机视觉	NA	深度学习	神经网络	图像	一个高度不平衡的核检测数据集
5883	2024-10-18	DL-EDOF: Novel Multi-Focus Image Data Set and Deep Learning-Based Approach for More Accurate and Specimen-Free Extended Depth of Focus 2024-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01076-z PMID:38528289	研究论文	本文提出了一种基于深度学习的扩展景深（EDOF）显微镜方法，并生成了一种新的多焦点图像数据集	首次提出基于无监督深度学习的EDOF方法，提供更准确且无需样本的EDOF，生成新的多焦点图像数据，无需任何预处理或后处理技术，并使用深度特征获取像素的焦点度	未提及	克服显微系统中景深狭窄的问题，提高EDOF方法的性能	多焦点图像数据集和基于深度学习的EDOF显微镜方法	计算机视觉	NA	深度学习	无监督深度学习模型	图像	包含9个图像集合的多焦点图像数据集（4个合成图像集合和5个显微镜图像集合）
5884	2024-10-18	The role of quantitative electroencephalography in diagnostic workup of mental disorders 2024-Aug, Journal of physiology and pharmacology : an official journal of the Polish Physiological Society IF:2.0Q3 DOI:10.26402/jpp.2024.4.02 PMID:39415522	综述	本文综述了定量脑电图（QEEG）在多种精神障碍诊断中的最新优势	介绍了使用人工智能（AI）、深度学习（DL）和机器学习（ML）等复杂方法进行脑电图数据分析的最新进展	NA	探讨定量脑电图在精神障碍诊断中的应用及其对个性化治疗发展的支持	焦虑症、痴呆、精神分裂症、双相情感障碍和抑郁症等精神障碍	神经科学	精神障碍	脑电图（EEG）	深度学习（DL）	脑电图数据	NA
5885	2024-10-18	Objectification of evaluation criteria in microscopic agglutination test using deep learning 2024-07, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2024.106955 PMID:38754481	研究论文	本文旨在通过深度学习方法客观化显微凝集试验中的凝集率评估标准	提出了一种利用深度学习从暗场显微图像中提取自由钩端螺旋体并计算凝集率的方法	NA	客观化显微凝集试验中的凝集率评估标准	显微凝集试验中的凝集率	计算机视觉	NA	深度学习	NA	图像	NA
5886	2024-10-18	Speech decoding from stereo-electroencephalography (sEEG) signals using advanced deep learning methods 2024-06-27, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad593a PMID:38885688	研究论文	本研究使用立体脑电图（sEEG）信号和先进的深度学习方法解码语音波形	首次全面探索使用立体脑电图（sEEG）信号进行语音解码，并展示了深度学习方法在此领域的优越性	研究仅限于解码荷兰语单词，且样本量较小	探索使用立体脑电图（sEEG）信号解码语音的可行性，并评估不同深度学习方法的性能	癫痫患者的立体脑电图（sEEG）信号和其对应的语音波形	机器学习	NA	立体脑电图（sEEG）	RNN, Transformer	信号	癫痫患者参与者的sEEG数据
5887	2024-10-18	Mapping dynamic spatial patterns of brain function with spatial-wise attention 2024-03-07, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad2cea PMID:38407988	研究论文	本文提出了一种基于空间注意力机制的深度学习方法SCAAE，用于发现动态功能脑网络	本文创新性地提出了空间注意力机制，用于生成动态功能脑网络，无需线性或独立性假设	NA	研究动态功能脑网络的发现方法	功能磁共振成像数据中的动态空间模式	计算机视觉	NA	功能磁共振成像	自编码器	图像	使用了HCP-rest、HCP-task和ADHD-200数据集
5888	2024-10-18	Diagnostic performance of deep learning models versus radiologists in COVID-19 pneumonia: A systematic review and meta-analysis 2024-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110092 PMID:38301371	meta-analysis	本文通过系统综述和荟萃分析，比较了深度学习模型与放射科医生在COVID-19肺炎诊断中的表现	首次系统性地评估了深度学习模型与放射科医生在COVID-19肺炎诊断中的表现差异	研究仅限于已发表的文献，可能存在发表偏倚	评估深度学习模型与放射科医生在COVID-19肺炎诊断中的表现差异	深度学习模型和放射科医生在COVID-19肺炎诊断中的表现	计算机视觉	肺部疾病	深度学习	CNN	图像	22篇符合条件的文章
5889	2024-10-18	Performance Analysis in Children of Traditional and Deep Learning CT Lung Nodule Computer-Aided Detection Systems Trained on Adults 2024-02, AJR. American journal of roentgenology DOI:10.2214/AJR.23.30345 PMID:37991333	研究论文	本研究评估了基于成人数据训练的传统和深度学习计算机辅助检测系统在儿童胸部CT扫描中检测肺结节的表现	首次比较了基于成人数据训练的传统和深度学习CAD系统在儿童患者中的诊断性能	研究结果表明，基于成人数据训练的CAD系统在儿童患者中的敏感性显著降低，表明需要针对儿童的特定CAD系统	评估传统和深度学习CAD系统在儿童患者中检测肺结节的诊断性能，并比较其对儿童和其他成人的泛化能力	儿童和成人的胸部CT扫描数据	计算机视觉	肺部疾病	计算机辅助检测系统	传统CAD系统和深度学习MONAI模型	CT扫描图像	59名儿童和89名成人的CT扫描数据
5890	2024-10-18	Importance of Serum Albumin in Deep Learning-Based Prediction of Cognitive Function Data in the Aged Using a Basic Blood Test 2024, Advances in experimental medicine and biology DOI:10.1007/978-3-031-67458-7_42 PMID:39400832	研究论文	研究探讨了在老年人群中使用深度学习模型预测认知功能时，血清白蛋白作为营养状态指标的重要性	研究首次探讨了在深度学习模型中加入血清白蛋白对预测老年认知功能的准确性的影响	研究样本仅来自一家医院，且未涵盖所有年龄段的老年人群	评估在预测老年认知功能时，血清白蛋白对深度学习模型准确性的影响	老年人群的认知功能预测	机器学习	老年病	深度学习	深度学习模型	血液检测数据	1287名患者，分为65岁及以上和65岁以下两组
5891	2024-10-18	Lung-PNet: An Automated Deep Learning Model for the Diagnosis of Invasive Adenocarcinoma in Pure Ground-Glass Nodules on Chest CT 2024-01, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29674 PMID:37493322	研究论文	开发并验证了一种用于胸部CT上纯磨玻璃结节（pGGNs）中区分浸润性腺癌（IAC）与其他实体的自动深度学习模型	提出了Lung-PNet，一种3D深度学习模型，用于自动分割和分类pGGNs中的IAC与其他实体	研究为回顾性，样本量相对较小，且仅限于特定时间段内的病例	开发和验证一种自动深度学习模型，用于区分胸部CT上pGGNs中的IAC与其他实体	胸部CT上的纯磨玻璃结节（pGGNs），包括AAH、AIS、MIA和IAC	计算机视觉	肺癌	深度学习	3D深度学习模型	影像	402名患者，共448个pGGNs
5892	2024-10-18	Editorial Comment: Implementing an End-to-End Deep Learning Model in the Task of Differentiating Pure Ground-Glass Nodules on Chest CT 2024-Jan, AJR. American journal of roentgenology DOI:10.2214/AJR.23.30002 PMID:37530402	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5893	2024-10-18	Artificial Intelligence for Assessment of Endotracheal Tube Position on Chest Radiographs: Validation in Patients From Two Institutions 2024-01, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29769 PMID:37703195	研究论文	研究评估了基于深度学习的人工智能系统在胸部X光片上检测气管插管位置的性能	开发并验证了一种基于深度学习的人工智能系统，用于在胸部X光片上自动检测气管插管的存在和位置	研究仅限于两个机构的数据，且样本量较小	评估人工智能系统在胸部X光片上检测气管插管位置的准确性和及时性	气管插管在胸部X光片上的位置	计算机视觉	NA	深度学习	深度学习模型	图像	539张胸部X光片（机构A，505名患者），637张胸部X光片（机构A，302名患者），546张胸部X光片（机构B，83名患者）
5894	2024-10-18	Computational models can distinguish the contribution from different mechanisms to familiarity recognition 2024-01, Hippocampus IF:2.4Q3 DOI:10.1002/hipo.23588 PMID:37985213	研究论文	本文设计了两种结合深度学习和Hebbian学习规则的计算模型，分别用于模拟熟悉感，并通过比较两种模型的性能来揭示其内在机制	本文提出了一种新的方法来区分不同熟悉感机制的贡献，并通过两种互补模型提出了新的可测试预测	Hebbian模型在大训练集规模下无法拟合人类行为数据，且仅对图像同质性高度敏感	研究不同机制对熟悉感识别的贡献，并提出新的可测试预测	熟悉感及其相关机制	机器学习	NA	深度学习	Hebbian模型和anti-Hebbian模型	图像	自然图像
5895	2024-10-17	Classification of Parkinson's disease severity using gait stance signals in a spatiotemporal deep learning classifier 2024-Nov, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03148-2 PMID:38884852	研究论文	本文开发了一种基于垂直地面反作用力信号的帕金森病严重程度分类算法	使用改进的卷积长深度神经网络架构对每只脚的步态站立阶段信号进行建模，并将结果结合以预测帕金森病严重程度，优于以往文献中的结果	NA	提高帕金森病诊断的准确性	帕金森病患者的步态信号	机器学习	帕金森病	NA	卷积长深度神经网络	信号	93名帕金森病患者和72名健康对照成人
5896	2024-10-17	Multi-label classification of retinal diseases based on fundus images using Resnet and Transformer 2024-Nov, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03144-6 PMID:38871856	研究论文	本文提出了一种结合ResNet和Transformer的框架，用于眼底图像的多标签分类，以诊断多种视网膜疾病	该模型通过ResNet提取图像特征，利用Transformer捕捉全局信息，并通过可学习的标签嵌入增强类别之间的关系，显著提高了多标签分类的准确性	NA	提高视网膜疾病多标签分类的准确性和效率	视网膜疾病的多标签分类	计算机视觉	视网膜疾病	深度学习	ResNet和Transformer	图像	5000张眼底图像
5897	2024-10-17	Layer-selective deep representation to improve esophageal cancer classification 2024-Nov, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03142-8 PMID:38848031	研究论文	本文研究了ResNet-50深度卷积设计对Barrett's食管和腺癌分类的影响	提出了一种两步学习技术，通过训练和分类ResNet-50架构中每个卷积层的输出来定义对架构影响更大的层	未提及	提高食管癌分类的准确性和透明度	Barrett's食管和腺癌	计算机视觉	食管癌	深度学习	ResNet-50	图像	未提及
5898	2024-10-17	Artificial intelligence in healthcare: a mastery 2024-Nov, Biotechnology & genetic engineering reviews DOI:10.1080/02648725.2023.2196476 PMID:37013913	综述	本文综述了人工智能（AI）在医疗领域的最新进展，并讨论了其在商业、监管和社会学方面的实施情况	本文介绍了AI在医疗领域的多种应用，包括诊断和治疗、患者参与和承诺以及行政任务，并讨论了其在复杂疾病风险预测中的未来潜力	本文指出了AI在医疗领域应用中需要解决的困难、限制和偏见	探讨AI在医疗领域的应用及其未来潜力	AI在医疗领域的应用及其在诊断、治疗和风险预测中的作用	机器学习	NA	深度学习算法和人工神经网络（ANN）	人工神经网络（ANN）	多维生物数据集	NA
5899	2024-10-17	Preliminary report on the short-term efficacy and safety of SAPO-S1 therapy for locally advanced gastric cancer with a deep learning perspective 2024-Nov, Biotechnology & genetic engineering reviews DOI:10.1080/02648725.2023.2202513 PMID:37078530	研究论文	评估SAPO-S1疗法在局部晚期胃癌新辅助治疗中的短期疗效和安全性	探讨了sindilizumab与白蛋白结合型紫杉醇+奥沙利铂+S-1化疗（SAPO-S1疗法）联合用于局部晚期胃癌新辅助治疗的疗效和安全性	研究样本量较小，且仅评估了短期疗效和安全性	评估SAPO-S1疗法在局部晚期胃癌新辅助治疗中的疗效和安全性	局部晚期胃癌患者	NA	胃癌	NA	NA	NA	28名患者
5900	2024-10-17	MFCA-MICNN: a convolutional neural network with multiscale fast channel attention and multibranch irregular convolution for noise removal in dMRI 2024-Oct-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad8294 PMID:39412243	研究论文	提出了一种用于dMRI图像去噪的多尺度快速通道注意力和多分支不规则卷积神经网络	引入了多尺度快速通道注意力和多分支不规则卷积架构，以及一种新的损失函数	NA	提高dMRI图像去噪的准确性和速度	dMRI图像中的噪声	计算机视觉	NA	卷积神经网络	CNN	图像	NA