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
7161	2024-09-15	A convolutional neural network-based system for fully automatic segmentation of whole-body [68Ga]Ga-PSMA PET images in prostate cancer 2024-Apr, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06555-z PMID:38095671	研究论文	本文开发并评估了一种基于nnU-Net框架的全自动工具，用于在前列腺癌患者的全身[68Ga]Ga-PSMA PET扫描中检测和分割mPCa病变	提出了一个基于nnU-Net框架的全3D卷积神经网络（CNN），用于前列腺癌患者的全身[68Ga]Ga-PSMA PET图像的自动分割	NA	开发和评估一种全自动工具，用于在前列腺癌患者的全身[68Ga]Ga-PSMA PET扫描中检测和分割mPCa病变	前列腺癌患者的全身[68Ga]Ga-PSMA PET扫描图像	计算机视觉	前列腺癌	卷积神经网络（CNN）	nnU-Net	图像	412名前列腺癌患者
7162	2024-09-15	Automated identification of uncertain cases in deep learning-based classification of dopamine transporter SPECT to improve clinical utility and acceptance 2024-Apr, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06566-w PMID:38133688	研究论文	本文设计并验证了一种基于卷积神经网络（CNN）的系统，用于识别多巴胺转运体SPECT图像分类中的不确定病例	提出了一个结合五个CNN的网络集成（NE）和一个不确定性检测模块（UDM），用于识别可能被错误分类的病例	NA	设计并验证一个CNN系统，用于识别多巴胺转运体SPECT图像分类中的不确定病例，以提高临床实用性和接受度	多巴胺转运体（DAT）-SPECT图像	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	开发数据集包含1740个临床DAT-SPECT图像，其中1250个用于训练，490个用于测试；另外两个独立测试数据集分别包含640和645个图像
7163	2024-09-15	Neuron collinearity differentiates human hippocampal subregions: a validated deep learning approach 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae296 PMID:39262825	研究论文	本文介绍了一种基于深度学习的高通量方法，用于自动提取海马亚区的锥体神经元方向，并生成适合个体间和个体内比较的共线性测量	首次进行了海马亚区内锥体神经元方向和共线性的全面定量研究，并提出了一种新的深度学习方法来区分海马亚区	NA	研究海马亚区内锥体神经元的方向和共线性，并开发一种新的深度学习方法来区分这些亚区	海马亚区的锥体神经元方向和共线性	计算机视觉	NA	深度学习	Cellpose算法	图像	168个海马分区中的479,873个锥体神经元
7164	2024-09-15	AFM-YOLOv8s: An Accurate, Fast, and Highly Robust Model for Detection of Sporangia of Plasmopara viticola with Various Morphological Variants 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0246 PMID:39263595	研究论文	本文开发了一种名为AFM-YOLOv8s的增强型YOLOv8s模型，用于检测葡萄霜霉病孢子囊	引入了自适应交叉融合模块、轻量级特征提取模块FasterCSP和新的损失函数MPDIoU，显著提高了检测精度和速度	尽管FasterCSP在模型复杂度和大小上有所减少，但可能会导致轻微的精度损失	开发一种高效、准确的深度学习模型，用于快速检测葡萄霜霉病孢子囊	葡萄霜霉病孢子囊及其多种形态变异	计算机视觉	葡萄霜霉病	深度学习	YOLOv8s	图像	自定义的葡萄霜霉病孢子囊数据集
7165	2024-09-15	Enhancing reginal wall abnormality detection accuracy: Integrating machine learning, optical flow algorithms, and temporal convolutional networks in multi-view echocardiography 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310107 PMID:39264929	研究论文	本文提出了一种结合机器学习、光流算法和时间卷积网络的多视角超声心动图区域壁异常检测方法	本文创新性地利用多周期和多视角的超声心动图数据，结合U-Net分割、光流算法和时间卷积网络，提取丰富的运动场特征，以提高区域壁异常检测的准确性	NA	提高区域壁运动异常检测的准确性，为早期心肌梗死诊断提供更全面和精确的工具	区域壁运动异常（RWMA）和心肌梗死（MI）	机器学习	心血管疾病	光流算法、时间卷积网络	U-Net、SVM分类器	超声心动图	HMC-QU数据集
7166	2024-09-15	Causal Inference Meets Deep Learning: A Comprehensive Survey 2024, Research (Washington, D.C.) DOI:10.34133/research.0467 PMID:39257419	综述	本文全面回顾了因果推断在深度学习中的应用	通过将因果模型替代相关性模型，提高模型的解释性和稳定性	讨论了因果推断的当前局限性和未来研究方向	探讨因果推断与深度学习的结合及其应用	深度学习模型及其在大型任务和特定模态中的应用	机器学习	NA	因果推断	深度学习模型	NA	NA
7167	2024-09-15	Individuals carrying the HLA-B*15 allele exhibit favorable responses to COVID-19 vaccines but are more susceptible to Omicron BA.5.2 and XBB.1.16 infection 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1440819 PMID:39257586	研究论文	研究携带HLA-B*15等位基因个体对COVID-19疫苗的反应及对Omicron变种感染的易感性	首次揭示携带HLA-B*15等位基因个体对COVID-19疫苗有良好反应，但对Omicron变种感染更易感	研究样本量有限，未涵盖所有可能的HLA等位基因类型	探讨HLA-B*15等位基因对COVID-19疫苗反应及Omicron变种感染的影响	携带HLA-B*15等位基因的个体	NA	COVID-19	ELISA、流式细胞术、人工智能深度学习技术	深度学习	血液样本	252名志愿者
7168	2024-09-15	AR-AI assisted ophthalmic nursing: Preliminary usability study in clinical settings 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241269470 PMID:39257872	研究论文	研究利用增强现实（AR）和人工智能（AI）技术开发眼科病房护士智能辅助系统，并评估其在临床工作中的可用性和可接受性	首次将AR和AI技术结合应用于眼科病房护理工作，开发了具有患者面部识别、自动信息匹配和护理工作管理功能的智能辅助系统	研究样本量较小，仅涉及眼科日间病房护士，未来需扩大样本量和研究范围	开发和评估基于AR和AI技术的眼科病房护士智能辅助系统的可用性和可接受性	眼科病房护士及其护理工作	机器学习	NA	增强现实（AR）、深度学习、声学识别、语音交互、图像识别	NA	文本、图像	眼科日间病房护士
7169	2024-09-15	Deep learning image analysis for filamentous fungi taxonomic classification: Dealing with small datasets with class imbalance and hierarchical grouping 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae063 PMID:39258158	研究论文	研究探讨了使用深度学习对数百种丝状真菌进行分类的潜力，并解决了小数据集、类别不平衡和层次分组等常见问题	首次尝试使用深度学习对丝状真菌进行分类，并提出了处理小数据集和类别不平衡的方法	模型性能较低，主要由于数据集较小、类别不平衡和真菌菌落形态可塑性高	探索深度学习在丝状真菌分类中的应用潜力	数百种丝状真菌的菌落图像	计算机视觉	NA	卷积神经网络	CNN	图像	606个真菌菌落图像
7170	2024-09-15	Unveiling the hidden: a deep learning approach to unraveling subzone-specific changes in peripapillary atrophy in type 2 diabetes 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1459040 PMID:39258228	研究论文	本研究利用深度学习模型评估了2型糖尿病患者中视盘周围萎缩（PPA）亚区的光学相干断层扫描血管造影（OCTA）变化	采用多任务联合深度学习模型自动化确定和量化PPA的微结构及其相应的微循环	需要纵向研究进一步阐明gamma区在DR发展和进展中的作用	评估2型糖尿病患者中视盘周围萎缩亚区的OCTA变化	2型糖尿病患者中视盘周围萎缩的beta区和gamma区	计算机视觉	糖尿病	光学相干断层扫描血管造影（OCTA）	多任务联合深度学习模型	图像	2820张图像用于模型训练和验证，44只非增殖性糖尿病视网膜病变（NPDR）眼和46只无DR眼用于横断面研究
7171	2024-09-15	DeepMonitoring: a deep learning-based monitoring system for assessing the quality of cornea images captured by smartphones 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1447067 PMID:39258227	研究论文	本文构建了一个基于深度学习的图像质量监控系统，用于评估智能手机拍摄的角膜图像质量	提出了DeepMonitoring系统，能够识别低质量角膜图像并分析其成因，指导操作者及时获取高质量图像	未提及具体限制	开发一个能够评估智能手机拍摄角膜图像质量的系统，以促进AI诊断系统在临床中的应用	智能手机拍摄的角膜图像及其质量评估	计算机视觉	角膜疾病	深度学习	NA	图像	未提及具体样本数量
7172	2024-09-15	Weakly supervised large-scale pancreatic cancer detection using multi-instance learning 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1362850 PMID:39267824	研究论文	本文提出了一种两阶段弱监督深度学习模型，用于通过CT图像检测胰腺癌	本文创新性地采用了两阶段弱监督学习方法，结合了nnU-Net和多实例学习模型，显著提高了胰腺癌检测的准确性	本文的局限性在于依赖于特定的数据集（HFH和MSKCC），可能限制了模型的普适性	研究目的是提高胰腺癌早期检测的准确性	研究对象是胰腺癌的CT图像	计算机视觉	胰腺癌	深度学习	两阶段模型（nnU-Net和多实例学习）	图像	463例病例和2,882例对照
7173	2024-09-15	Neighborhood attention transformer multiple instance learning for whole slide image classification 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1389396 PMID:39267847	研究论文	本文介绍了一种名为NATMIL的新方法，通过使用Neighborhood Attention Transformer来整合WSI切片之间的上下文依赖关系，从而提高肿瘤分类的准确性	本文创新性地引入了Neighborhood Attention Transformer，通过整合更广泛的组织上下文来增强多实例学习，从而提高肿瘤分类的准确性	NA	提高使用全切片图像进行肿瘤分类的准确性	非小细胞肺癌和淋巴结肿瘤的全切片图像	数字病理学	肺癌	Neighborhood Attention Transformer	Transformer	图像	在Camelyon数据集上为89.6%，在TCGA-LUSC数据集上为88.1%
7174	2024-09-14	The research hotspots and theme trends of artificial intelligence in nurse education: A bibliometric analysis from 1994 to 2023 2024-10, Nurse education today IF:3.6Q1 DOI:10.1016/j.nedt.2024.106321 PMID:39084073	综述	本文通过文献计量分析探讨了1994年至2023年间人工智能在护理教育中的研究热点和主题趋势	本文通过多种分析工具揭示了人工智能在护理教育中的研究热点和未来趋势	本文主要依赖文献计量分析，可能忽略了其他定性研究方法的贡献	探讨人工智能在护理教育中的研究热点和主题趋势	人工智能在护理教育中的应用	机器学习	NA	文献计量分析	NA	文本	135篇文章
7175	2024-09-14	Non-invasive prediction of axillary lymph node dissection exemption in breast cancer patients post-neoadjuvant therapy: A radiomics and deep learning analysis on longitudinal DCE-MRI data 2024-Oct, Breast (Edinburgh, Scotland) DOI:10.1016/j.breast.2024.103786 PMID:39137488	研究论文	本研究利用放射组学和深度学习分析纵向DCE-MRI数据，预测乳腺癌患者在新辅助治疗后腋窝淋巴结切除豁免的可能性	本研究引入了一种基于支持向量机的“数据整合”模型，显著提高了腋窝淋巴结状态评估的准确性	本研究为回顾性分析，样本量有限，需要进一步的前瞻性研究验证	开发一种精确的方法来评估乳腺癌患者在新辅助治疗后腋窝淋巴结的状态	乳腺癌患者在新辅助治疗后的腋窝淋巴结状态	数字病理学	乳腺癌	动态对比增强MRI (DCE-MRI)	支持向量机 (SVM)	图像	160名乳腺癌患者
7176	2024-09-14	Artificial intelligence-assisted grading for tear trough deformity 2024-Oct, Journal of plastic, reconstructive & aesthetic surgery : JPRAS DOI:10.1016/j.bjps.2024.07.048 PMID:39151284	研究论文	本文研究了利用智能手机摄影和人工智能深度学习技术辅助泪沟畸形分级的方法	首次展示了使用内置智能手机摄像头和AI深度学习程序对泪沟畸形进行分类的可行性	研究样本量相对较小，且仅使用了单一的智能手机摄像头	建立一个可靠且精确的数字图像分级模型，以辅助外科医生进行临床评估和手术决策	泪沟畸形	计算机视觉	NA	深度学习	NA	图像	504名患者和983张照片
7177	2024-08-20	Correction to "Physics-Informed Deep Learning Approach for Reintroducing Atomic Detail in Coarse-Grained Configurations of Multiple Poly(lactic acid) Stereoisomers" 2024-Sep-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01407 PMID:39158929	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7178	2024-09-14	Enhancing early Parkinson's disease detection through multimodal deep learning and explainable AI: insights from the PPMI database 2024-09-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70165-4 PMID:39251639	研究论文	研究通过多模态深度学习和可解释人工智能技术，利用PPMI数据库数据，提升帕金森病早期检测的准确性	引入了一种联合协同学习方法进行多模态融合，结合了不同的3D架构和新型激励网络（EN），并支持可解释人工智能（XAI）技术	NA	提升帕金森病早期检测的准确性	帕金森病的早期检测	机器学习	神经退行性疾病	多模态深度学习	DenseNet, ResNet, Vision Transformer (ViT)	影像和临床数据	利用了Parkinson's Progression Markers Initiative数据库的数据
7179	2024-09-14	Advancements in supervised deep learning for metal artifact reduction in computed tomography: A systematic review 2024-Sep-07, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111732 PMID:39265203	综述	本文系统回顾了监督式深度学习在计算机断层扫描中减少金属伪影的算法性能	介绍了基于深度学习的金属伪影减少算法在临床实践中的应用	需要标准化方法来评估基于深度学习的金属伪影减少算法在临床数据上的性能，以提高算法之间的可比性	提供当前监督式深度学习金属伪影减少算法在计算机断层扫描中的性能概述	监督式深度学习金属伪影减少算法在计算机断层扫描中的应用	计算机视觉	NA	深度学习	NA	图像	14项研究
7180	2024-09-14	Visible and near-infrared spectral imaging combined with robust regression for predicting firmness, fatness, and compositional properties of fresh pork bellies 2024-Sep-06, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2024.109645 PMID:39265383	研究论文	研究利用可见光和近红外光谱成像结合稳健回归方法预测新鲜猪腹肉的硬度、脂肪含量和化学成分	首次将可见光和近红外光谱成像技术应用于预测猪腹肉的硬度、脂肪含量和化学成分，并提出了一种稳健的回归方法	研究仅限于猪腹肉样本，未来可扩展到其他肉类产品	探索可见光和近红外光谱成像技术在实时评估猪腹肉质量方面的潜力	猪腹肉的硬度、脂肪含量和化学成分	计算机视觉	NA	可见光和近红外光谱成像	迭代重加权偏最小二乘回归	光谱图像	182个猪腹肉样本