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
10361	2024-08-05	Utility of Thin-slice Fat-suppressed Single-shot T2-weighted MR Imaging with Deep Learning Image Reconstruction as a Protocol for Evaluating the Pancreas 2024-Jun-21, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0017 PMID:38910138	研究论文	本文比较了使用深度学习图像重建的薄层脂肪抑制单次T2加权成像与传统快速自旋回波T2加权成像在评估胰腺中的应用	引入了薄层脂肪抑制单次T2加权成像与深度学习图像重建组合进行胰腺评估的创新方法	限于回顾性研究，样本量较小，仅包含胰腺癌患者	评估新的MRI成像协议在胰腺疾病中的效果	42名患有胰腺癌的患者	数字病理学	胰腺癌	MRI	深度学习图像重建	图像	42名胰腺癌患者
10362	2024-08-05	Quantum error-correction using humming sparrow optimization based self-adaptive deep cnn noise correction module 2024-Jun-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65182-2 PMID:38906948	研究论文	该研究提出了一种基于Humming Sparrow优化的自适应深度CNN噪声校正模块，用于改进重六角量子码的错误纠正模型	研究中提出的HSO-based SADCNN模型能够针对超导量子比特的独特挑战进行自适应优化，显著提高了错误纠正能力	研究可能没有详细讨论在不同噪声环境中的表现或其他类型量子代码的适用性	提高重六角量子码在量子计算应用中的可靠性和错误纠正性能	针对重六角量子码的错误纠正模型进行研究和改进	量子计算	NA	深度学习	深度CNN	NA	NA
10363	2024-08-05	Exploration on OCT biomarker candidate related to macular edema caused by diabetic retinopathy and retinal vein occlusion in SD-OCT images 2024-06-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63144-2 PMID:38906954	研究论文	本文探讨了与糖尿病视网膜病变和视网膜静脉阻塞引起的黄斑水肿相关的生物标志物候选者	使用深度学习技术发现了与视网膜外层失调和高反射灶特征相关的新生物标志物	未提及具体的研究局限	提高对糖尿病视网膜病变和视网膜静脉阻塞导致的黄斑水肿潜在病理机制的理解	收集了不同类型视网膜病变患者的光学相干断层扫描图像	数字病理学	糖尿病视网膜病变	深度学习	NA	图像	共收集了120只眼睛的116名受试者和其他类型的患者样本
10364	2024-08-05	Distinct brain morphometry patterns revealed by deep learning improve prediction of post-stroke aphasia severity 2024-Jun-12, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00541-8 PMID:38866977	研究论文	本研究揭示了深度学习在预测卒中后失语症严重程度方面的能力	使用卷积神经网络（CNN）分析整个大脑形态学，并揭示了不同的三维网络分布与失语症严重程度的直接关联	未提及具体的局限性	旨在探索大脑形态学及其空间分布对卒中后失语症严重程度的影响	231名慢性卒中患者，具有不同失语症严重程度	计算机视觉	卒中后失语症	卷积神经网络（CNN）	CNN	形态学数据	231名患者
10365	2024-08-05	Enhancing SNR in Chemical Exchange Saturation Transfer imaging: a Deep Learning Approach with a Denoising Convolutional Autoencoder (DCAE-CEST) 2024-Jun-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.07.597818 PMID:38895366	研究论文	本研究开发了一种用于化学交换饱和转移成像的信噪比增强方法	利用去噪卷积自编码器（DCAE）进行CEST成像的信噪比增强，并与现有去噪方法进行比较	在APT和NOE之间未观察到肿瘤与正常组织之间的显著差异	研究化学交换饱和转移成像的信噪比增强技术	利用模拟的Z谱和动物肿瘤模型的体内数据进行评估	数字病理学	NA	去噪卷积自编码器（DCAE）	NA	图像	使用模拟的Z谱和体内数据进行评估
10366	2024-08-05	RESPAN: an accurate, unbiased and automated pipeline for analysis of dendritic morphology and dendritic spine mapping 2024-Jun-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.06.597812 PMID:38895232	研究论文	介绍了一种新开发的开源管道RESPAN，用于自动化树突形态和树突棘映射分析	该方法结合了深度学习和GPU处理，提供高准确度和强健性	尽管具有高准确性，但仍需对某些细节进行手动验证	旨在实现自动化的树突及树突棘分析	主要研究对象为神经元的树突形态及树突棘分布	数字病理学	NA	深度学习, GPU处理	NA	3D图像	广泛的成像模式下进行了验证
10367	2024-08-05	Visualization for Trust in Machine Learning Revisited: The State of the Field in 2023 2024 May-Jun, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2024.3360881 PMID:38294921	研究论文	该文章回顾了机器学习可解释性和可信度可视化的最新进展	提供了542种最新的可视化技术，并讨论了使用可视化提高机器学习模型信任的趋势和挑战	主要集中在可视化技术的分类和趋势分析，缺乏具体应用案例的深度讨论	研究机器学习中可视化技术的应用及其对模型信任度的影响	描述和分类了542种可视化技术	信息可视化	NA	可视化技术	NA	文献数据	542种可视化技术
10368	2024-08-05	Prediction of early hematoma expansion of spontaneous intracerebral hemorrhage based on deep learning radiomics features of noncontrast computed tomography 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10410-y PMID:37938384	研究论文	本研究旨在开发一个基于深度学习和放射组学特征的预测早期血肿扩展的诺莫图模型	结合了深度学习特征和放射组学特征的模型显示出良好的预测效率，并提高了自发性脑内出血的分割和语义特征分类的工作效率	验证队列的AUC值低于训练队列，可能影响模型的临床应用性能	研究旨在预测自发性脑内出血早期血肿扩展的风险	纳入561例基础非对比CT的自发性脑内出血病例	数字病理学	自发性脑内出血	深度学习放射组学	深度学习模型	图像	561例自发性脑内出血病例
10369	2024-08-05	Deep learning-based identification of spine growth potential on EOS radiographs 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10308-9 PMID:37848772	研究论文	开发了一种基于深度学习的自动化方法，用于评估脊柱生长潜力	首次提出了一种能模仿人类判断过程的深度学习算法来自动确定脊柱生长潜力	研究没有提及算法在不同人群或不同疾病状态下的适用性	评估脊柱生长潜力，帮助临床医生做出决策	3383个EOS案例用于算法训练和测试，440个案例用于临床验证	计算机视觉	脊柱相关疾病	深度学习	NA	影像	3383个EOS案例以及440个用于临床验证的案例
10370	2024-08-05	A deep learning framework for intracranial aneurysms automatic segmentation and detection on magnetic resonance T1 images 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10295-x PMID:37843574	研究论文	本文设计了一个基于深度学习的框架，用于自动分割和检测颅内动脉瘤。	提出了一种新的基于T1磁共振成像的深度学习分割和检测方法，优于现有的血管造影方法。	研究样本相对较少，仅基于159个动脉瘤的回顾性研究，可能影响模型的泛化能力。	旨在开发一种自动化的框架来提高颅内动脉瘤的检测准确性。	研究对象为136名接受T1影像检查的患者的159个颅内动脉瘤。	数字病理学	NA	深度学习，卷积神经网络	卷积神经网络（CNN）	图像	159个颅内动脉瘤（来自136名患者）
10371	2024-08-05	Automated prostate gland segmentation in challenging clinical cases: comparison of three artificial intelligence methods 2024-05, Abdominal radiology (New York) DOI:10.1007/s00261-024-04242-7 PMID:38512516	研究论文	本研究评估了三种不同的前列腺分割人工智能算法在具有挑战性的患者人群中的表现	首次在复杂临床案例中比较了不同的前列腺分割算法的性能	该研究仅限于一个机构的回顾性数据库，可能影响结果的普适性	评估在不理想条件下的前列腺分割自动化方法的有效性	对683个MRI扫描样本的前列腺图像进行分析	计算机视觉	前列腺癌	深度学习（DL），形状基础模型	深度学习模型、商业可用的形状基础模型	图像	683个扫描（651名患者）
10372	2024-08-05	A comprehensive segmentation of chest X-ray improves deep learning-based WHO radiologically confirmed pneumonia diagnosis in children 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10367-y PMID:37930411	研究论文	这篇文章探讨了胸部X光的全面分割在促进基于深度学习的儿童肺炎诊断中的作用	提出了一种全面的胸部X光分割方法，并用于提高基于深度学习的肺炎诊断准确性	具体的限制在文中未提及	研究如何通过全面分割提高儿童肺炎的诊断精度	4400名儿童参与者	数字病理学	肺炎	深度学习模型	CBAM-ResNet	胸部X光图像	4400名参与者
10373	2024-08-05	Predicting microvascular invasion in hepatocellular carcinoma with a CT- and MRI-based multimodal deep learning model 2024-05, Abdominal radiology (New York) DOI:10.1007/s00261-024-04202-1 PMID:38433144	研究论文	本研究探讨了一种基于CT和MRI的多模态深度学习模型在预测肝细胞癌微血管侵犯中的价值	提出了一种结合CT和MRI数据的多模态深度学习模型，显著提高了微血管侵犯预测的准确性	本研究限于单一机构的数据和样本，可能影响结果的普遍性	研究多模态深度学习模型在肝细胞癌微血管侵犯预测中的应用	287例肝细胞癌患者的数据用于模型开发和验证	医学影像学	肝细胞癌	多模态深度学习	极限学习机 (ELM)	CT和MRI影像数据	287例患者
10374	2024-08-05	Bladder MRI with deep learning-based reconstruction: a prospective evaluation of muscle invasiveness using VI-RADS 2024-05, Abdominal radiology (New York) DOI:10.1007/s00261-024-04280-1 PMID:38652125	研究论文	本研究评估了深度学习重建在膀胱MRI中的影响，特别是检查时间、图像质量和VI-RADS的诊断性能	首次将深度学习重建应用于膀胱MRI，显著提高了图像质量并缩短了检查时间	标准序列和快速序列的ADC与VI-RADS的AUC之间没有显著差异	探讨深度学习重建对膀胱MRI诊断的影响	70名于2022年8月至2023年2月接受MRI检查的膀胱癌患者	医学成像	膀胱癌	深度学习重建(DLR)	NA	图像	70名膀胱癌患者
10375	2024-08-07	Hematoma expansion prediction: still navigating the intersection of deep learning and radiomics 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10586-x PMID:38252277	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10376	2024-08-05	The association between DNA methylation and human height and a prospective model of DNA methylation-based height prediction 2024-Mar, Human genetics IF:3.8Q2 DOI:10.1007/s00439-024-02659-0 PMID:38507014	研究论文	本研究探讨了DNA甲基化与人类身高之间的关系，并构建了一个基于DNA甲基化的身高预测模型。	使用仅959个CpG位点的靶向甲基化测序结合深度学习技术，提供了比基于SNP预测模型更高的身高预测准确性。	样本主要针对中国人群，可能限制了研究结果的普遍适用性。	研究DNA甲基化与人类身高之间的关联，并基于此构建身高预测模型。	研究对象为与身高相关的DNA甲基化位点。	数字病理学	NA	靶向甲基化测序	深度神经网络	NA	11,730个与身高相关的位点
10377	2024-08-05	Custom-Trained Deep Learning-Based Auto-Segmentation for Male Pelvic Iterative CBCT on C-Arm Linear Accelerators 2024-Feb-06, Practical radiation oncology IF:3.4Q1 DOI:10.1016/j.prro.2024.01.006 PMID:38325548	研究论文	本研究评估了一种基于人工智能的深度学习自动分割工具在男性盆腔增强迭代锥形束计算机断层扫描中的临床适用性	提出了一种自定义训练的深度学习模型，展示了相较于传统方法在分割精度和效率上的改善	前列腺床的分割表现不佳，平均Dice相似系数低于0.75，且部分轮廓需要手动编辑以符合机构轮廓指导原则	评估在前列腺和前列腺床治疗中，商业深度学习自动分割工具的临床适用性	116个包含手动描绘器官和目标体积的iCBCT数据集	数字病理学	前列腺癌	深度学习	DLAS	iCBCT图像	用于模型训练的116个数据集和用于模型测试的25个数据集
10378	2024-08-05	Deep Learning-Assisted Segmentation and Classification of Brain Tumor Types on Magnetic Resonance and Surgical Microscope Images 2024-02, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2023.11.073 PMID:38030068	研究论文	本研究旨在利用深度学习技术改善神经外科手术中的肿瘤边界描绘和分类	将深度学习与神经外科手术相结合，提高了手术中的肿瘤识别精度	强调了训练和优化深度学习模型所需的多样数据集的重要性	探索如何通过深度学习提高神经外科手术的安全性和效果	针对脑肿瘤类型的精确分割和分类	计算机视觉	脑肿瘤	深度学习	Mask R-CNN	视频和图像	NA
10379	2024-08-05	Clinical predictions of COVID-19 patients using deep stacking neural networks 2024-01, Journal of investigative medicine : the official publication of the American Federation for Clinical Research IF:2.5Q3 DOI:10.1177/10815589231201103 PMID:37712431	研究论文	该文章提出了一种深度堆叠神经网络模型来预测COVID-19患者的临床结果	使用矩阵分解特征选择的方法来挑选最相关的COVID-19患者实验室生物标志物和人口统计数据特征	未提及该模型的实际应用限制	提高COVID-19患者临床结果预测的准确性	COVID-19患者的实验室生物标志物和人口统计数据	机器学习	COVID-19	机器学习模型	深度堆叠神经网络	实验室生物标志物和人口统计数据	NA
10380	2024-08-05	Can the generalizability issue of artificial intelligence be overcome? Pneumothorax detection algorithm 2024-01, Journal of investigative medicine : the official publication of the American Federation for Clinical Research IF:2.5Q3 DOI:10.1177/10815589231208479 PMID:37840192	研究论文	本文旨在解决人工智能在气胸检测中的可推广性问题	开发了基于深度学习的气胸检测算法，并通过外部验证提高了模型的准确性	需要更多的研究来确定最佳的外部验证数据量，以完全解决可推广性问题	研究气胸检测中人工智能模型的可推广性	气胸患者的胸部X光影像	计算机视觉	气胸	深度学习	深度学习模型	胸部X光影像	648例气胸患者和650例非气胸患者的影像