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
9761	2024-08-05	Early warning of atrial fibrillation using deep learning 2024-Jun-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100970 PMID:39005489	研究论文	本文介绍了一种深度学习模型，可以在房颤发作前平均预测30.8分钟的时间	开发了一种名为WARN的深度卷积神经网络模型，能够实现高准确性和F1分数的早期房颤预测	本研究的模型在测试中使用了额外的患者样本，可能限制了其广泛适用性	旨在通过深度学习技术提前警报房颤的发作	基于280名患者的24小时Holter心电图数据进行模型训练和验证	机器学习	心血管疾病	深度学习	深度卷积神经网络	心电图数据	280名患者用于训练和验证，70名额外患者用于测试
9762	2024-08-05	Evaluating synthetic neuroimaging data augmentation for automatic brain tumour segmentation with a deep fully-convolutional network 2024-Jun, IBRO neuroscience reports IF:2.0Q3 DOI:10.1016/j.ibneur.2023.12.002 PMID:39007088	研究论文	本研究开发了一种神经影像合成技术，以增强用于自动胶质瘤分割的训练数据	利用StyleGAN2-ada生成流体衰减反转恢复（FLAIR）磁共振图像及相应的胶质瘤分割掩膜，创新性地进行数据增强	合成数据增强仅带来了边际性的改进，且开发合成图像生成管道的计算成本较高	开发智能系统以自动化胶质瘤的评估和分割	2751个真实训练数据和对应的590个验证集及588个测试集用于评估U-net模型	数字病理学	胶质瘤	StyleGAN2-ada	U-net	图像	2751个真实数据和1000个合成数据，共14轮
9763	2024-08-05	Segond Fractures Can Be Identified With Excellent Accuracy Utilizing Deep Learning on Anteroposterior Knee Radiographs 2024-Jun, Arthroscopy, sports medicine, and rehabilitation DOI:10.1016/j.asmr.2024.100940 PMID:39006790	研究论文	本研究开发了一种深度学习模型用于检测前后向膝关节X光片中的Segond骨折	提出了一种深度学习方法，用于准确识别Segond骨折，并在表现上超越了专业人类观察者	测试集样本量较小，仅324张膝关节X光片，可能影响结果的普适性	研究深度学习在前后向膝关节X光片上识别Segond骨折的应用	319张前后向膝关节X光片，特别关注Segond骨折的识别	计算机视觉	膝关节损伤	深度学习	未提供具体模型类型	图像	324张膝关节X光片
9764	2024-08-05	Insight into Automatic Image Diagnosis of Ear Conditions Based on Optimized Deep Learning Approach 2024-Apr, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-023-03422-8 PMID:38097895	研究论文	这篇文章提出了一种基于优化深度学习的方法用于耳部疾病的自动图像诊断	本文创新性地使用了贝叶斯超参数优化与CNN架构相结合，提高了耳部疾病自动诊断的准确性	文章没有提及该方法在真实临床环境中的应用限制	研究旨在改善耳部疾病的自动诊断方法	研究对象为615张耳部内窥镜图像，分类为正常、耳膜硬化、耳垢堵塞和慢性中耳炎	计算机视觉	耳部疾病	CNN	CNN	图像	616张耳部内窥镜图像用于训练，264张用于测试
9765	2024-08-05	A systematic review on deep learning-based automated cancer diagnosis models 2024-03, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18144 PMID:38426930	综述	本文提供了关于基于深度学习的癌症自动诊断模型的系统评价	本文分析了2016年至2022年期间的最新研究，比较了不同类型的深度学习模型在癌症早期诊断中的应用	讨论了现有基于深度学习的自动癌症诊断模型的各种不足之处	评估基于深度学习的癌症自动诊断模型的有效性	重点关注乳腺癌、肺癌、肝癌、脑癌和宫颈癌等五大类癌症	深度学习	癌症	深度学习	卷积神经网络	NA	NA
9766	2024-08-05	Autologous Transplantation Tooth Guide Design Based on Deep Learning 2024-03, Journal of oral and maxillofacial surgery : official journal of the American Association of Oral and Maxillofacial Surgeons IF:2.3Q2 DOI:10.1016/j.joms.2023.09.014 PMID:37832596	研究论文	本文探讨了基于深度学习的自体牙移植手术引导设计的可行性	提出了一种替代传统设计流程的深度学习驱动的自体牙移植引导设计方案	该研究基于回顾性横断面设计，可能存在选择偏差	评估使用深度学习技术进行自体牙移植引导设计的可行性	79个来自广州市医学大学医院的CBCT图像	计算机视觉	NA	深度学习	NA	图像	79个CBCT图像和5070个感兴趣区域图像
9767	2024-08-05	COVLIAS 3.0: cloud-based quantized hybrid UNet3+ deep learning for COVID-19 lesion detection in lung computed tomography 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1304483 PMID:39006802	研究论文	本文提出了基于云的量化混合UNet3+深度学习模型用于COVID-19病灶检测。	提出了两种新型的云端量化深度学习UNet3+混合模型，利用全尺度跳跃连接提高检测能力。	研究未提及具体在临床环境中的应用和验证。	提高COVID-19患者CT扫描中病灶检测的准确性。	使用3500个CT扫描的注释数据训练SDL和HDL模型。	计算机视觉	肺癌	深度学习	UNet3+、VGG-UNet3+、ResNet-UNet3+	CT图像	3500个CT扫描用于训练，500个CT扫描用于测试
9768	2024-08-05	Training immunophenotyping deep learning models with the same-section ground truth cell label derivation method improves virtual staining accuracy 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1404640 PMID:39007128	研究论文	本研究探讨了在同一切片上获得的细胞标签对H&E模型表现的影响	提出使用来自同一切片的细胞标签提高虚拟染色模型的准确性	未详细讨论与其他模型的比较及其外部有效性	评估细胞标签获取方法对深度学习模型性能的影响	针对肺癌组织中的CD3+ T细胞进行测试	数字病理学	肺癌	深度学习，Pix2Pix生成对抗网络	P2P-GAN	图像	NA
9769	2024-08-05	DeepRetroMoCo: deep neural network-based retrospective motion correction algorithm for spinal cord functional MRI 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1323109 PMID:39006826	研究论文	本研究提出了一种基于深度学习的卷积神经网络算法DeepRetroMoCo，用于纠正脊髓功能性MRI中的运动伪影。	该研究创新地利用深度学习方法显著提高了脊髓MRI运动纠正的效果，证明了其在脊髓数据处理中的有效性。	该研究的样本数量较小，仅包含27名参与者，可能限制了结果的普遍性。	本研究旨在开发并验证一种新的运动纠正算法，以提高脊髓fMRI图像的质量。	本研究的对象为27名参与者的脊髓fMRI数据。	计算机视觉	NA	卷积神经网络(CNN)	CNN	图像	27名参与者的脊髓fMRI数据，共135次训练和81次测试
9770	2024-08-05	Explainable deep-learning framework: decoding brain states and prediction of individual performance in false-belief task at early childhood stage 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1392661 PMID:39006894	研究论文	本研究提出了一种可解释的深度学习框架，用于解码大脑状态并预测早期儿童阶段的表现。	提出了一种可解释的基于时空连接的图卷积神经网络模型，能够更准确地解码大脑状态并进行个体表现预测。	未详细讨论在不同儿童发展阶段的普遍性或模型在复杂情境中的适用性。	研究儿童在错误信念任务中的表现，并解码其大脑状态。	以早期儿童（3-12岁）和成年人（18-39岁）为对象进行实验。	深度学习	NA	功能连接性（FC）和个体间功能相关性（ISFC）矩阵	图卷积神经网络（Ex-stGCNN）和卷积变分自编码器（Ex-Convolutional VAE）	视频	155（122名儿童；3-12岁和33名成人；18-39岁）
9771	2024-08-05	Micro-CT determination of the porosity of two tricalcium silicate sealers applied using three obturation techniques 2024, Journal of oral science IF:1.9Q4 DOI:10.2334/josnusd.24-0031 PMID:39010164	研究论文	本研究使用微型CT测量两种三钙硅酸盐封闭剂的孔隙率	首次比较了三种填充技术下两种不同三钙硅酸盐封闭剂的孔隙率	样本数量较少，仅包含六颗单根人类牙齿	评估不同填充技术对封闭剂孔隙率的影响	使用微型CT分析两种三钙硅酸盐封闭剂在不同填充技术下的孔隙率	数字病理学	NA	微型CT	深度学习	图像	六颗单根人类牙齿
9772	2024-08-05	Innovative infrastructure to access Brazilian fungal diversity using deep learning 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.17686 PMID:39006015	研究论文	本文构建了一个用于自主识别巴西宏蘑菇物种的深度学习数据库和移动应用程序	创新性地整合了宏蘑菇形态数据和CNN技术，实现了高效的物种识别	未提及数据库的局限性或模型的具体局限素材	旨在通过深度学习技术促进巴西宏蘑菇的识别和保护	研究对象为巴西收集的505种宏蘑菇及其照片	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	13,894张照片，代表505种不同的宏蘑菇
9773	2024-08-05	Deep learning modeling using mammography images for predicting estrogen receptor status in breast cancer 2024, American journal of translational research IF:1.7Q4 DOI:10.62347/PUHR6185 PMID:39006260	研究论文	本研究开发了一种深度学习模型，通过乳腺X光图像准确评估乳腺癌患者的雌激素受体状态	提出了一种新的IP-SE-DResNet模型，结合了深度残差网络与Squeeze-and-Excitation注意机制，用于预测乳腺癌患者的ER状态	本研究的数据仅限于358名侵袭性导管癌患者，可能限制了模型的普遍适用性	预测乳腺癌患者的雌激素受体状态	358名被诊断为侵袭性导管癌的患者，收集了其术前乳腺X光图像和临床数据	数字病理学	乳腺癌	NA	深度残差网络	图像	358个乳腺癌患者的术前乳腺X光图像数据
9774	2024-08-05	HAWKFOG-an enhanced deep learning framework for the Fog-IoT environment 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1354742 PMID:39006803	研究论文	本研究提出了一个名为HAWKFOG的深度学习框架，用于心脏病的智能预测	该框架创新性地将深度学习与边缘和雾计算设备整合，以实现心脏病的实用诊断	未提及研究的具体局限性	开发一个有效的心脏病预测系统	使用物联网设备收集的不同受试者的数据	机器学习	心脏疾病	Logistic Chaos 基于哈里斯鹰优化的增强型门控递归神经网络	增强型门控递归神经网络	生理数据（心电图和血压传感器数据）	不同受试者的数据集
9775	2024-08-05	Parotid Gland Segmentation Using Purely Transformer-Based U-Shaped Network and Multimodal MRI 2024-Aug, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03510-3 PMID:38691234	研究论文	本研究使用纯Transformer的U形网络进行腮腺的分割。	本研究提出了一种全新的纯Transformer基础的U形分割网络，并采用新的训练方法减少临床医生的标记工作量。	尚未提及特定的局限性	提高腮腺及肿瘤的分割准确性以改善诊断和手术计划选择。	多中心多模态腮腺MRI数据集中的腮腺和肿瘤。	计算机视觉	NA	MRI	Transformer	图像	多中心多模态腮腺MRI数据集
9776	2024-08-05	Enhancement of cyber security in IoT based on ant colony optimized artificial neural adaptive Tensor flow 2024-Jul-15, Network (Bristol, England) DOI:10.1080/0954898X.2024.2336058 PMID:39007930	研究论文	提出了一种基于蚁群优化人工神经自适应Tensorflow的技术来检测IoT中的恶意软件	创新提出了ACO-ANT技术以检测通过IoT传播的恶意软件，并提高了检测精度	未提及该方法在不同IoT设备类型上的普适性	提高物联网中网络安全的检测能力	聚焦于恶意软件的检测和源代码重复的识别	计算机视觉	NA	深度学习, ACO-ANT	多目标递归神经网络 (M-RNN)	数据集	使用Malimg数据集进行实验
9777	2024-08-05	Developing an explainable diagnosis system utilizing deep learning model: a case study of spontaneous pneumothorax 2024-Jul-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5e31 PMID:38955331	研究论文	本文开发了一个使用可解释深度学习模型的医疗图像分析系统，用于自发性气胸的诊断	研究创新性地提出了一个集成的医疗图像分析系统，增强了深度学习模型的可解释性	目前对自发性气胸的深度学习预测研究相对有限	提高医疗诊断模型的可解释性，以改善患者的治疗结果	自发性气胸的医疗图像和诊断过程	数字病理学	肺部疾病	深度学习	可解释深度学习模型	医学图像	NA
9778	2024-08-05	Nursing students' approaches to learning in selected Malawian nursing schools: a cross-sectional study 2024-Jul-12, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-024-05746-y PMID:38997697	研究论文	本研究评估了马拉维选定护理学院护理与助产学生的学习方法。	提供了马拉维护理和助产学生学习方法的实证数据	采用的问卷法可能存在主观偏差，且样本仅限于三所护理学院	探讨马拉维护理学院学生学习方式的多样性及其影响	马拉维的护理和助产学生	护理教育	NA	问卷调查法	NA	问卷数据	251名护理学生
9779	2024-08-05	Water body extraction from high spatial resolution remote sensing images based on enhanced U-Net and multi-scale information fusion 2024-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67113-7 PMID:38997473	研究论文	本文提出了一种名为EU-Net的新网络模型，用于从高分辨率遥感图像中提取水体	提出的EU-Net模型结合了改进的残差连接和注意力机制，并设计了多尺度扩张卷积和多尺度特征融合模块，以增强水体提取性能	高分辨率图像中的水体提取仍面临复杂背景的挑战，可能存在一定的提取误差	提高从高分辨率遥感图像中提取水体的准确性	高分辨率遥感图像中的水体	计算机视觉	NA	深度学习	EU-Net	遥感图像	实验结果验证EU-Net的性能，但具体样本数量未提及
9780	2024-08-05	Graph Feature Refinement and Fusion in Transformer for Structural Damage Detection 2024-Jul-08, Sensors (Basel, Switzerland) DOI:10.3390/s24134415 PMID:39001194	研究论文	提出了一种用于结构损伤检测的CGsformer网络，结合了图卷积网络和深度学习方法	创新性地引入了图卷积网络，通过层次学习实现从全局到局部的信息提取	未来研究可能需要进一步验证在更复杂结构上的性能	探讨结构响应数据的全局和局部信息关系以提高损伤检测精度	四层钢框架模型实验数据和IASC-ASCE基准结构模拟数据	数字病理	NA	深度学习	图卷积网络	实验数据	两组数据，分别为四层钢框架实验数据和模拟数据