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
9501	2024-08-05	Ultrasound and diffuse optical tomography-transformer model for assessing pathological complete response to neoadjuvant chemotherapy in breast cancer 2024-Jul, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.7.076007 PMID:39050779	研究论文	本文评估了整合超声和弥散光学断层成像图像在 predicting 乳腺癌患者对新辅助化疗的病理完全反应的效率	该研究提出了一种名为USDOT-Transformer的模型，结合了超声和弥散光学断层成像技术与肿瘤受体生物标志物，用于准确预测乳腺癌患者的新辅助化疗效果	研究的样本量相对较小，仅为60名患者，可能限制了模型的普遍适用性	本文旨在开发和评估USDOT-Transformer模型在预测乳腺癌患者对新辅助化疗的病理完全反应方面的性能	研究对象为正在接受新辅助化疗的乳腺癌患者	数字病理学	乳腺癌	超声、弥散光学断层成像	Transformer	影像	60名乳腺癌患者
9502	2024-08-05	CT-based deep learning model for predicting hospital discharge outcome in spontaneous intracerebral hemorrhage 2024-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10505-6 PMID:38127074	研究论文	该文章旨在使用基于CT图像的深度学习模型预测自发性脑内出血患者的功能结局。	文章创新地将临床表现、CT图像和放射特征结合起来，建立了深度学习模型，以提高自发性脑内出血患者功能预后的准确性。	由于该研究为回顾性双中心研究，结果可能受到数据收集和样本选择的局限性影响。	研究的目的是利用深度学习模型预测自发性脑内出血患者的功能结果。	研究对象为604名自发性脑内出血患者。	数字病理学	脑血管疾病	深度学习	3D卷积模型与极端梯度提升(XGBoost)模型	CT图像	总共有604名自发性脑内出血患者参与本研究，其中450名为训练集，50名为测试集，104名为外部验证集
9503	2024-08-07	Deep learning reconstruction computed tomography with low-dose imaging 2024-07, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-024-05950-4 PMID:38758373	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9504	2024-08-05	Associations of Intrapancreatic Fat Deposition With Incident Diseases of the Exocrine and Endocrine Pancreas: A UK Biobank Prospective Cohort Study 2024-06-01, The American journal of gastroenterology DOI:10.14309/ajg.0000000000002792 PMID:38587286	研究论文	本研究调查了胰腺内脂肪沉积与外分泌和内分泌胰腺疾病之间的关联	该研究使用MRI和深度学习框架nnUNet量化胰腺内脂肪沉积，揭示其与多种胰腺疾病的独立风险关系	本研究的局限性在于仅使用了UK Biobank的数据，可能缺乏多样化的样本来源	研究增高的胰腺内脂肪沉积是否增加外分泌和内分泌胰腺疾病的风险	研究对象为42,599名参与者，分析其胰腺脂肪变性及相关疾病的风险	数字病理学	胰腺癌, 糖尿病, 急性胰腺炎	MRI, nnUNet	Cox比例风险模型	临床数据	42,599名参与者
9505	2024-08-05	Evaluation of deep learning-based reconstruction late gadolinium enhancement images for identifying patients with clinically unrecognized myocardial infarction 2024-May-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01308-2 PMID:38822240	研究论文	本研究比较了使用常规和深度学习重建技术识别未被确认心肌梗死患者的效果	本研究创新性地应用深度学习重建技术(LGEDL)以提高未被确认心肌梗死的诊断效率	研究仅在一个医院进行，样本量相对较小，可能限制结果的泛化性	评估深度学习重建的晚期铕增强图像在识别未被确认的心肌梗死患者中的有效性	98名有未被确认心肌梗死疑虑患者	计算机视觉	心血管疾病	深度学习重建	NA	图像	98名患者，68名男性，平均年龄：55.8±8.1岁
9506	2024-08-05	Evaluating a radiotherapy deep learning synthetic CT algorithm for PET-MR attenuation correction in the pelvis 2024-Jan-29, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00617-3 PMID:38282050	研究论文	本文评估了一种基于放射治疗的深度学习合成CT算法在盆腔PET-MR衰减校正中的应用	本研究结合了一种新开发的零回声时间（ZTE）MR序列和深度学习模型生成合成CT，显著提高了衰减校正的准确性	样本量相对较小，仅包含10位患者	评估新算法在PET-MR衰减校正中的效果	10名进行肛直肠放射治疗的患者	数字病理学	NA	ZTE-MR序列	深度学习模型	图像	10名患者
9507	2024-08-05	Deep Survival Analysis for Interpretable Time-Varying Prediction of Preeclampsia Risk 2024-Jan-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.18.24301456 PMID:38293230	research paper	本文展示了一种深度生存分析的方法用于预测妊娠期子痫前期的风险	提出了一种修改过的DeepHit深度生存模型，能够处理非比例风险，并捕捉妊娠中的时间变化关系	未提及具体局限性	研究妊娠期子痫前期的时间变化风险及其相关临床风险因素	66,425名在两家三级护理中心分娩的孕妇	digital pathology	妊娠相关疾病	深度学习	DeepHit	时间序列数据	66,425名孕妇
9508	2024-08-05	Research Progress in Predicting Hepatocellular Carcinoma with Portal Vein Tumour Thrombus in the Era of Artificial Intelligence 2024, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S474922 PMID:39050809	综述	该论文全面回顾了人工智能在预测肝细胞癌及其门静脉肿瘤血栓中的应用进展	创新点在于将人工智能技术应用于肝细胞癌的诊断预测，并探讨其对临床管理的影响	存在的研究局限性进行了评估，但具体的局限性未详细列出	提升门静脉肿瘤血栓患者的生存预后	探讨门静脉肿瘤血栓形成和进展的机制及其对肝细胞癌的影响	医学影像学	肝细胞癌	人工智能	机器学习和深度学习	医学图像	NA
9509	2024-08-05	Harnessing Few-Shot Learning for EEG signal classification: a survey of state-of-the-art techniques and future directions 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1421922 PMID:39050382	综述	本文系统性地回顾了针对脑电图信号分类的少量学习技术，包括数据增强、迁移学习和自监督学习等	文章创新性地提出了适用于不同脑电图范例的数据增强策略和迁移学习架构	研究存在对脑电图数据的多样性和噪声的处理不足	探讨如何使用少量学习方法提高脑电图信号分类的效果	主要对象是脑电图信号及其分类方法	机器学习	NA	数据增强、迁移学习、自监督学习	NA	EEG信号	NA
9510	2024-08-05	Artificial intelligence in ischemic stroke images: current applications and future directions 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1418060 PMID:39050128	评论	本文综述了人工智能在缺血性卒中影像学应用的研究进展	探讨了大语言模型在缺血性卒中影像分析中的应用前景	面临数据量不足、模型可解释性差和实时监控更新的挑战	研究人工智能在缺血性卒中影像中的应用及未来方向	分析了自动分割梗死区域、大血管闭塞检测和中风结果预测等多个领域的应用	计算机视觉	缺血性卒中	机器学习和深度学习	NA	影像	NA
9511	2024-08-05	PseudoCell: Hard Negative Mining as Pseudo Labeling for Deep Learning-Based Centroblast Cell Detection 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3407351 PMID:39050971	研究论文	本研究提出了一种用于自动化检测整个切片图像中的中心母细胞的对象检测框架	通过结合病理学家提供的标签和基于细胞形态特征生成的伪阴性标签，减少了对人工标注的依赖	模型仍需要依赖病理学家提供的初步标签	研究目标是降低病理学家的工作量，并提高中心母细胞的检测效率	研究对象为中心母细胞的检测	数字病理学	NA	深度学习	对象检测框架	整体切片图像	NA
9512	2024-08-05	Liquid Biopsy Instrument for Ultra-Fast and Label-Free Detection of Circulating Tumor Cells 2024, Research (Washington, D.C.) DOI:10.34133/research.0431 PMID:39050821	研究论文	本文介绍了一种基于惯性微流体和阻抗细胞计数的自动液体活检仪器CytoExam，用于快速无标记检测循环肿瘤细胞	CytoExam能够在15分钟内实现对癌症患者外周血中循环肿瘤细胞的无标记检测，且临床适用性得到了验证	研究中仅使用了来自10名健康供体和50多名乳腺癌、结直肠癌或肺癌患者的外周血样本	本研究旨在开发一种快速且无创的液体活检技术，以改善癌症的诊断与监测	研究对象为癌症患者及健康供体的外周血样本	数字病理学	肺癌	阻抗细胞计数	深度学习算法	血液样本	10名健康供体和50多名癌症患者
9513	2024-08-05	PSPI: A deep learning approach for prokaryotic small protein identification 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1439423 PMID:39050248	研究论文	本文介绍了一种名为PSPI的深度学习方法，用于识别原核小蛋白	PSPI是专门为预测原核小蛋白而设计的深度学习工具，具有高准确性和较快的识别速度	现有的计算工具主要针对特定的真核物种，对于原核体的小蛋白识别选项较少，且性能依然不理想	填补原核小蛋白识别方法的空白	原核小蛋白的识别和预测	机器学习	NA	深度学习	NA	NA	NA
9514	2024-08-05	Robust gesture recognition based on attention-deep fast convolutional neural network and surface electromyographic signals 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1306047 PMID:39050666	研究论文	本文提出了一种基于注意力深度快速卷积神经网络和表面肌电信号的手势识别方法	提出了注意力深度快速卷积神经网络模型，通过结合空间和时间特征来提高手势识别的稳健性和稳定性	缺少对低密度电极的手势识别性能比较	提高在高密度电极移动或损坏情况下的手势识别准确率	七名健康受试者和一名截肢者的手势识别	数字病理学	NA	sEMG	注意力深度快速卷积神经网络	信号	8个受试者（7名健康者和1名截肢者）
9515	2024-08-05	Characterization and Identification of NPK Stress in Rice Using Terrestrial Hyperspectral Images 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0197 PMID:39049839	研究论文	本研究建立了一个小麦NPK营养胁迫条件的高光谱库，以及时评估作物健康状况	提出了一种基于变换器的深度学习网络SHCFTT用于识别高光谱图像中的营养胁迫模式	NA	评估水稻在不同营养胁迫条件下的健康状况	水稻在14种NPK营养胁迫条件下的反射率曲线	数字病理	NA	高光谱成像技术	SHCFTT, SVM, 1D-CNN, 3D-CNN	图像	420张水稻胁迫图像
9516	2024-08-05	Feasibility of direct brain 18F-fluorodeoxyglucose-positron emission tomography attenuation and high-resolution correction methods using deep learning 2024, Asia Oceania journal of nuclear medicine & biology DOI:10.22038/AOJNMB.2024.74875.1522 PMID:39050241	研究论文	本研究开发了三种用于大脑18F-氟脱氧葡萄糖正电子发射断层扫描(PET)的衰减校正方法，并评估其精确度	首次利用深度学习开发直接和高分辨率衰减校正方法，提供无CT暴露的准确衰减校正	样本量较小，仅包含53名和27名患者，可能影响结果的广泛适用性	开发并评估大脑PET的衰减校正方法	53名接受颅脑磁共振成像(MRI)和计算机断层扫描(CT)的患者，以及27名接受MRI、CT和PET的患者	数字病理学	NA	深度学习	U-net	影像	53名患者和27名患者
9517	2024-08-05	Attention Feature Fusion Network via Knowledge Propagation for Automated Respiratory Sound Classification 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3402139 PMID:38899013	研究论文	本研究开发了一种基于深度学习的自动化呼吸声音分类系统	将知识传播机制整合到CNN模型中，提高了呼吸病自动诊断的有效性	研究后仍需进一步的临床验证以确认模型的普适性	旨在通过自动化方法提高呼吸疾病早期诊断的准确性	该研究对象为1至6岁的小儿患者的呼吸声音数据	机器学习	呼吸系统疾病	深度学习	卷积神经网络（CNN）	音频	使用了ICBHI基准数据集和一个更大规模的自收集小儿数据集
9518	2024-08-05	A Brazilian native bee (Tetragonisca angustula) dataset for computer vision 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110659 PMID:39044906	研究论文	文章介绍了一个用于计算机视觉的巴西本土蜜蜂数据集	提供了用于蜜蜂追踪的多样化视频数据及其标签和元数据	研究中未提及数据集的规模或照片与视频的处理方法	证明该数据集在计算机视觉任务中的潜力	多个蜜蜂群体的视频记录	计算机视觉	NA	NA	深度学习模型	视频	多个蜜蜂群体的视频
9519	2024-08-05	SeasVeg: An image dataset of Bangladeshi seasonal vegetables 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110564 PMID:39044911	研究论文	本研究介绍了一个名为'SeasVeg'的数据集，包含孟加拉国季节性蔬菜的图像	数据集的多功能性，不仅用于农业科学的机器学习和深度学习，还可用于儿童学习蔬菜识别	研究未提及数据集使用的具体上下文或限制条件	探索季节性蔬菜对营养和商业的重要性，并推动农业科学的发展	包括十种季节性蔬菜的图像数据集	机器学习	NA	深度学习	CNN	图像	4500幅图像（1500幅原始和3000幅增强）
9520	2024-08-05	Prediction of visual field progression with serial optic disc photographs using deep learning 2024-Jul-23, The British journal of ophthalmology DOI:10.1136/bjo-2023-324277 PMID:37833037	研究论文	本研究测试了基于纵向视神经盘照片预测视野进展的深度学习模型的假设	提出了一种使用双神经网络和ResNet50骨干的深度学习模型来预测青光眼的进展	该研究需要进一步验证模型的临床适用性	研究目的在于利用深度学习模型预测基于光盘照片的视野进展	研究对象为3919只眼睛，其中包括2259名患者	数字病理学	青光眼	深度学习	双神经网络（ResNet50）	图像	3919只眼睛（2259名患者）