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
7961	2024-08-28	Deep Learning Diagnostic Classification of Cervical Images to Augment Colposcopic Impression 2024-Jul-01, Journal of lower genital tract disease IF:2.4Q2 DOI:10.1097/LGT.0000000000000815 PMID:38713522	研究论文	本文开发了一种基于深度学习的分类器，用于提高宫颈图像的诊断准确性，辅助阴道镜印象	该模型在10折实验中表现优于专家，并通过整合患者年龄和转诊数据进一步提高了性能	NA	提高阴道镜印象的准确性	宫颈图像的分类	计算机视觉	宫颈疾病	深度学习	SegFormer	图像	5,485张阴道镜图像，其中4,946张具有组织学和可见宫颈
7962	2024-08-28	Combining Artificial Intelligence and Simplified Image Processing for the Automatic Detection of Mycobacterium tuberculosis in Acid-fast Stain : A Cross-institute Training and Validation Study 2024-Jul-01, The American journal of surgical pathology DOI:10.1097/PAS.0000000000002223 PMID:38595262	研究论文	本文介绍了一种结合深度学习和图像处理技术的自动化结核杆菌检测平台，用于提高结核病的检测效率和准确性	采用改进的EfficientNet模型和图像处理技术，实现了97%的图像分类准确率，并通过设置0.99的阈值显著降低了假阳性率	NA	提高结核病的自动化检测效率和准确性	结核杆菌的自动检测	数字病理学	结核病	深度学习	EfficientNet	图像	来自2家医院的整张幻灯片图像
7963	2024-08-28	Enhancing Clinical Diagnosis With Convolutional Neural Networks: Developing High-Accuracy Deep Learning Models for Differentiating Thoracic Pathologies 2024-Jul, Cureus DOI:10.7759/cureus.65444 PMID:39184667	研究论文	本研究利用卷积神经网络开发深度学习模型，以区分正常胸片与显示肺炎、结核病、心脏肥大和COVID-19的胸片	本研究展示了机器学习算法在胸片疾病检测中的高准确性和潜力	训练模型需要大量样本，且图像扫描设备和技术的差异可能导致模型学习到外部噪声和非预期细节，影响准确性	提高临床诊断的准确性，通过使用人工智能技术改善诊断质量、效率和降低医疗成本	区分正常胸片与肺炎、结核病、心脏肥大和COVID-19的胸片	计算机视觉	肺部疾病	卷积神经网络	CNN	图像	共使用3,063张正常胸片、3,098张肺炎胸片、2,920张COVID-19胸片、2,214张胸片和554张结核病胸片进行训练和验证
7964	2024-08-28	AsymMirai: Interpretable Mammography-based Deep Learning Model for 1-5-year Breast Cancer Risk Prediction 2024-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.232780 PMID:38501952	研究论文	研究通过分析双侧不对称性，构建了一个可解释的深度学习模型AsymMirai，用于预测1-5年乳腺癌风险	AsymMirai模型通过引入局部双侧不对称性模块，提高了模型的解释性，并能近似Mirai模型的预测性能	研究为回顾性研究，且样本主要来自EMBED数据库，可能存在选择偏倚	旨在探索双侧不对称性是否是Mirai模型推理过程的基础，并构建一个简化的、可解释的模型AsymMirai	乳腺癌风险预测	数字病理学	乳腺癌	深度学习	CNN	影像	210,067张筛查乳腺X线照片，来自81,824名患者
7965	2024-08-28	Music-evoked emotions classification using vision transformer in EEG signals 2024, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2024.1275142 PMID:38638516	研究论文	本研究提出了一种结合注意力机制的深度学习模型，用于从情绪相关的脑电图（EEG）记录中有效提取空间和时间信息，以进行音乐引发情绪的分类。	本研究引入了一种新的深度学习模型，该模型结合了注意力机制，能够更有效地从EEG信号中提取空间和时间信息，以改善情绪分类的准确性。	NA	旨在通过深度学习模型提高基于EEG的情绪识别的准确性。	研究对象为音乐引发的EEG情绪信号。	机器学习	NA	EEG	Vision Transformer	EEG信号	本研究使用了两个数据集，一个是自有的音乐引发情绪的EEG记录数据集，另一个是公开可用的数据集。
7966	2024-08-28	Skin Type Diversity in Skin Lesion Datasets: A Review 2024, Current dermatology reports IF:2.4Q2 DOI:10.1007/s13671-024-00440-0 PMID:39184010	综述	本文综述了皮肤病变数据集中皮肤类型多样性的问题，评估了公开的皮肤病变数据集及其元数据，以评估皮肤类型的报告频率和完整性，并调查了每个皮肤类型在这些数据集中的多样性和代表性。	本文通过评估公开的皮肤病变数据集及其元数据，探讨了皮肤类型多样性的问题，并调查了每个皮肤类型在这些数据集中的多样性和代表性。	本文未具体测量所审查数据集中皮肤类型的多样性。	探讨和评估皮肤病变数据集中皮肤类型多样性的问题。	皮肤病变数据集及其元数据。	计算机视觉	NA	深度学习	NA	图像	NA
7967	2024-08-28	Deep learning-assisted diagnosis of benign and malignant parotid gland tumors based on automatic segmentation of ultrasound images: a multicenter retrospective study 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1417330 PMID:39184051	研究论文	本研究构建了基于超声图像自动分割的深度学习辅助诊断模型，以帮助放射科医生区分良性和恶性腮腺肿瘤	本研究采用多种深度学习模型进行超声图像的自动分割，并评估了这些模型在辅助诊断中的性能	NA	构建和评估基于超声图像自动分割的深度学习模型，以提高放射科医生对腮腺肿瘤的诊断性能	良性和恶性腮腺肿瘤的诊断	计算机视觉	腮腺肿瘤	深度学习	ResNet18, Inception_v3, Deeplabv3, UNet++, UNet	图像	582名经组织病理学诊断的腮腺肿瘤患者
7968	2024-08-28	TF-EPI: an interpretable enhancer-promoter interaction detection method based on Transformer 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1444459 PMID:39184348	研究论文	本研究开发了一种基于Transformer的深度学习模型TF-EPI，用于从DNA序列中检测增强子-启动子相互作用	TF-EPI模型利用Transformer的注意力机制，识别了特定细胞类型的增强子和启动子中的独特基序和序列，并通过数据库验证，揭示了新的生物学见解	NA	旨在理解基因表达调控、疾病机制等关键的增强子-启动子相互作用	增强子-启动子相互作用	机器学习	NA	Transformer	Transformer	DNA序列	多个基准数据集
7969	2024-08-28	Enhanced accuracy with Segmentation of Colorectal Polyp using NanoNetB, and Conditional Random Field Test-Time Augmentation 2024, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2024.1387491 PMID:39184863	研究论文	本文提出了一种新型的轻量级增强型Nanonet模型，通过使用NanonetB、条件随机场（CRF）和测试时增强（TTA）技术，实现了实时且精确的结肠镜图像分割，以帮助内镜医师及时诊断和干预结直肠息肉	本文的创新点在于提出了一种增强型Nanonet模型，结合CRF和TTA技术，提高了模型在不同数据集上的泛化能力和对小尺寸及扁平息肉的检测能力	NA	研究目的是开发一种准确、轻量级的模型，以实现无缝集成到内镜硬件设备中，提高结直肠息肉的检测效率	研究对象是结直肠息肉的图像分割	计算机视觉	结直肠癌	条件随机场（CRF），测试时增强（TTA）	NanonetB	图像	使用了六个公开数据集进行评估，包括Kvasir-SEG、Endotect Challenge 2020、Kvasir-instrument、CVC-ClinicDB、CVC-ColonDB和CVC-300
7970	2024-08-28	An Innovative Deep Learning Approach to Spinal Fracture Detection in CT Images 2024, Annali italiani di chirurgia IF:0.9Q3 DOI:10.62713/aic.3498 PMID:39186337	研究论文	本研究提出了一种创新的深度学习方法，用于在CT图像中检测脊柱骨折，特别是椎体压缩骨折	本研究通过整合YOLO V7模型与ELAN和MPConv架构，显著减少了计算处理过程中小尺度信息的损失，从而提高了检测准确性	未来的研究应包括交叉验证和独立验证及测试集，以评估模型的鲁棒性和泛化能力	开发一种创新的深度学习方法，用于在CT图像中检测脊柱骨折，特别是椎体压缩骨折	脊柱骨折，特别是椎体压缩骨折	计算机视觉	脊柱骨折	YOLO V7模型，ELAN，MPConv架构	YOLO V7	CT图像	240张CT图像
7971	2024-08-27	Research on terahertz image analysis of thin-shell seeds based on semantic segmentation 2024-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124897 PMID:39094271	研究论文	本研究探讨了结合太赫兹时域光谱和成像与语义分割模型，用于快速无损评估薄壳种子内部结构和质量特征	本研究首次采用DeepLab V3+模型进行种子组织自动分割，显著提高了速度和准确性	NA	探索太赫兹成像技术与深度学习模型在薄壳种子内部结构和质量评估中的应用	120个来自三种不同品种的西瓜种子	计算机视觉	NA	太赫兹时域光谱和成像	DeepLab V3+	图像	120个西瓜种子样本
7972	2024-08-27	Neuroimaging biomarkers for the diagnosis and prognosis of patients with disorders of consciousness 2024-Nov-15, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.149133 PMID:39084451	综述	本文综述了利用神经影像学和电生理技术在意识障碍患者中诊断和预后评估的神经影像生物标志物的研究进展	神经影像技术能够揭示传统行为评估可能忽视的隐蔽意识，结合不同任务范式或分析方法可以显著提高诊断和预后的准确性	神经生物标志物的稳定性仍需进一步验证，未来研究可能需要结合大数据和深度学习方法	探讨神经影像生物标志物在意识障碍患者中的临床应用价值	意识障碍患者的脑活动模式	神经影像学	意识障碍	功能性磁共振成像(fMRI)、静息态功能磁共振成像(rs-fMRI)、脑电图(EEG)、正电子发射断层扫描(PET)	NA	影像数据	NA
7973	2024-08-27	Multi-instance learning attention model for amyloid quantification of brain sub regions in longitudinal cognitive decline 2024-Nov-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.149103 PMID:38955250	研究论文	本研究旨在开发一种深度学习模型，通过PET扫描自动检测大脑不同区域的淀粉样蛋白沉积，无需相应的MRI扫描	提出了一种基于多实例学习和注意力的深度学习模型，该模型在ADNI和A4研究的外部数据集上表现优于现有模型	NA	开发一种能够仅通过PET扫描自动检测大脑不同区域淀粉样蛋白沉积的深度学习模型	大脑不同区域的淀粉样蛋白沉积	机器学习	阿尔茨海默病	PET扫描	多实例学习注意力模型	图像	2647个F-Florbetapir PET扫描用于训练和验证，1413个F-Florbetapir PET扫描用于外部数据集测试
7974	2024-08-27	An integrated CBLA-Net with fractional discrete wavelet transform and frequency-based CARS to predict heavy metal elements by XRF 2024-Sep-22, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2024.343073 PMID:39182974	研究论文	本文提出了一种综合框架，用于通过XRF预测土壤中重金属元素的浓度，包括预处理、变量选择和决策制定	引入了基于分数离散小波变换的最优去噪方法和基于频率的竞争自适应重加权采样算法进行特征选择，并设计了一种新的深度学习网络CBLA-Net，用于精确估计重金属元素浓度	NA	提高通过XRF技术预测土壤中重金属元素浓度的准确性	土壤中的重金属元素浓度	机器学习	NA	XRF	CBLA-Net	光谱数据	未具体说明样本数量
7975	2024-08-27	In vivo ultrasound localization microscopy for high-density microbubbles 2024-Sep, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107410 PMID:39084108	研究论文	本文介绍了一种结合Transformer和U-Net架构的深度学习框架ULM-TransUNet，用于提高高密度微泡条件下的超声定位显微成像质量	提出了ULM-TransUNet框架，能够学习重叠微泡的复杂数据模式，提高定位精度	目前仅通过数值模拟和体内实验验证，尚未在临床广泛应用	旨在提高高密度微泡条件下的超声定位显微成像性能	高密度微泡的超声定位显微成像	计算机视觉	NA	超声定位显微成像（ULM）	Transformer和U-Net	图像	具体样本数量未在摘要中提及
7976	2024-08-27	Spectral analysis enhanced net (SAE-Net) to classify breast lesions with BI-RADS category 4 or higher 2024-Sep, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107406 PMID:39047350	research paper	本文提出了一种名为SAE-Net的新型网络，结合组织微观结构信息与形态学信息，用于提高高级别乳腺病变的识别	SAE-Net通过结合灰度图像分支和光谱模式分支，能够同时学习图像形态学特征和超声射频信号的微观结构特征	NA	提高乳腺超声筛查中高级别乳腺病变的识别准确性	乳腺病变，特别是BI-RADS分类为4级或以上的病变	computer vision	breast cancer	NA	CNN	image	NA
7977	2024-08-27	Deep coherence learning: An unsupervised deep beamformer for high quality single plane wave imaging in medical ultrasound 2024-Sep, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107408 PMID:39094387	研究论文	本文提出了一种新的无监督学习方法——深度相干学习（DCL），用于提高医学超声中单平面波成像（PWI）的质量	提出的DCL-based深度学习波束形成器（DL-DCL）能够从低质量的单平面波数据中生成高质量的PWI，并具有通用波束形成能力	NA	旨在通过深度学习技术提高医学超声中单平面波成像的质量	医学超声中的单平面波成像	计算机视觉	NA	深度学习	深度相干学习（DCL）	图像	使用公开数据集进行了模拟、幻影和体内研究
7978	2024-08-27	A Multiscale Connected UNet for the Segmentation of Lung Cancer Cells in Pathology Sections Stained Using Rapid On-Site Cytopathological Evaluation 2024-Sep, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.011 PMID:38897537	研究论文	本研究提出了一种基于深度学习的分割算法，用于快速现场细胞病理学评估（ROSE），以提高内镜超声引导下经支气管针吸活检（EBUS-TBNA）手术中的诊断效率	该算法通过使用CUNet3+网络模型，能够准确分割ROSE染色病理切片中的癌细胞团簇，并在准确性上优于传统的分割算法	NA	提高肺癌早期检测的准确性	肺癌细胞在ROSE染色病理切片中的分割	数字病理学	肺癌	深度学习	CUNet3+	图像	内部测试数据集
7979	2024-08-27	Deep Learning Classification and Quantification of Pejorative and Nonpejorative Architectures in Resected Hepatocellular Carcinoma from Digital Histopathologic Images 2024-Sep, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.007 PMID:38879083	研究论文	本研究利用基于ResNet34的监督式深度学习方法，对680张全切片图像（WSIs）进行分析，构建了一种算法用于识别和量化肝细胞癌切除标本中的有害和非有害结构	本研究首次采用深度学习技术识别和量化肝细胞癌中的有害结构，并验证了其在预测复发风险中的有效性	研究仅在一个外部医院的数据集上进行了验证，需要进一步在更多数据集上验证其泛化能力	开发一种基于人工智能的特征的复合预测算法，用于早期肝细胞癌切除后的复发预测	肝细胞癌切除标本中的有害和非有害结构	数字病理学	肝细胞癌	深度学习	ResNet34	图像	680张全切片图像（WSIs）来自107个肝切除标本，以及29个来自另一个医院的肝细胞癌样本
7980	2024-08-27	Deep learning based diagnosis of PTSD using 3D-CNN and resting-state fMRI data 2024-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2024.111845 PMID:38908302	研究论文	本研究使用基于深度学习的三维卷积神经网络（3D-CNN）和静息态功能磁共振成像（rs-fMRI）数据来诊断创伤后应激障碍（PTSD）	本研究首次使用3D-CNN模型对rs-fMRI数据进行分析，显示出比其他六种机器学习技术更高的分类准确率	NA	旨在通过分类PTSD患者与健康对照来准确检测PTSD	PTSD患者与健康对照的rs-fMRI扫描数据	机器学习	心理疾病	功能磁共振成像（fMRI）	三维卷积神经网络（3D-CNN）	图像	19名PTSD男性患者和24名健康对照男性