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
11161	2024-08-05	Development and deployment of a histopathology-based deep learning algorithm for patient prescreening in a clinical trial 2024-Jun-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49153-9 PMID:38824132	研究论文	开发并部署了一种基于组织病理学的深度学习算法用于临床试验中的患者预筛查	成功开发了一个AI驱动的生物标志物检测算法，优化以提高敏感性并加速患者招募	算法在特定数据集上的验证可能不包含所有类型的肿瘤或患者	提高靶向治疗的患者招募效率和减少分子检测成本	使用超过3000张来自晚期尿路上皮癌患者的H&E染色全切片图像	数字病理学	NA	深度学习	NA	图像	超过3000张图像，350名患者
11162	2024-08-05	Assessment of impaired consciousness using EEG-based connectivity features and convolutional neural networks 2024-Jun, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09944-0 PMID:38826674	研究论文	本研究利用基于EEG的连接特征及卷积神经网络评估意识障碍的程度	通过三种重排列方案来提高脑网络评估性能，首次使用Grad-CAM可视化各区域连接的分类贡献	尚未明确提及具体的限制因素	开发一种有效评估意识障碍患者残余意识的模型	意识障碍患者的脑电图(EEG)信号	数字病理	NA	EEG	CNN	脑电图信号	NA
11163	2024-08-05	Super resolution deep learning reconstruction for coronary CT angiography: A structured phantom study 2024-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100570 PMID:38828096	研究论文	该文章研究了一种新开发的基于深度学习的冠状动脉CT血管造影超分辨率重建方法SR-DLR。	引入了一种结构化的幻影模型来准确评估SR-DLR在冠状动脉CT影像重建中的表现。	虽然提出了SR-DLR的优势，但未在临床患者数据上进行验证。	调查SR-DLR重建图像的质量，提升冠状动脉CT影像的空间分辨率。	使用模拟人类解剖结构的结构化幻影作为研究对象。	数字病理学	冠状动脉疾病	超分辨率深度学习重建	NA	图像	一个包含肋骨、脊椎和模拟冠状动脉狭窄的结构化幻影
11164	2024-08-05	Fully automated explainable abdominal CT contrast media phase classification using organ segmentation and machine learning 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17076 PMID:38629779	研究论文	本研究通过器官分割和机器学习算法自动化分类腹部CT对比剂注射阶段	提出了一种快速、准确、可靠且可解释的方法来分类对比剂阶段，解决了公共数据集缺乏注射阶段信息的问题	研究结果主要基于两个CT扫描仪的数据，可能在其他设备上效果不同	检测CT图像中的对比剂注射阶段	2509幅CT图像，分为四个不同的对比剂注射相	机器学习	肝癌	深度学习	随机森林 (RF)	图像	总共2509幅CT图像
11165	2024-08-05	Deep learning-based optimization of field geometry for total marrow irradiation delivered with volumetric modulated arc therapy 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17089 PMID:38634859	研究论文	该文章提出了一种基于深度学习的卷积神经网络 (CNN) 来自动生成全骨髓放射治疗的场几何。	通过结合医学物理师的知识，开发的模型能在有限数据环境下优化场几何的生成，这是该研究的创新之处。	研究样本量有限，仅包括117名患者的治疗数据，可能影响模型的泛化能力。	研究旨在开发自动生成TMI/TMLI场几何的卷积神经网络。	研究对象为117名在2011年至2023年期间接受全骨髓放射治疗的患者。	数字病理学	NA	卷积神经网络 (CNN)	CNN	影像	117名接受TMI/TMLI治疗的患者
11166	2024-08-05	Towards automatic home-based sleep apnea estimation using deep learning 2024-Jun-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01139-z PMID:38824175	研究论文	提出了一种名为DRIVEN的方法，用于从可穿戴设备中自动估计家中的睡眠呼吸暂停指数（AHI）	该方法结合了深度卷积神经网络和轻量级梯度提升机，实现了在家中舒适环境下的AHI估计	长时间的PSG监测不切实际，且需要患者的依从性	旨在通过可穿戴设备在家中对睡眠呼吸暂停进行早期检测和评估	通过可穿戴传感器（如腹部和胸部运动、脉搏血氧饱和度）监测睡眠障碍的患者	机器学习	呼吸系统疾病	深度卷积神经网络和轻量级梯度提升机	CNN	录音数据	来自三个大型睡眠研究的14,370条记录
11167	2024-08-05	An enhancement algorithm for head characteristics of caged chickens detection based on cyclic consistent migration neural network 2024-Jun, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2024.103663 PMID:38603930	研究论文	提出了一种基于循环一致迁移神经网络的笼养鸡头部特征检测增强算法	提出了一种基于大数据和深度学习的笼门去除算法，采用CCMNN网络实现图像中关键信息的自动消除和恢复	该研究主要集中在笼养鸡的头部特征检测，可能对其它类型的家禽检测有效性有限	提高笼养鸡健康状态识别的准确性	针对笼养鸡的冠和眼睛进行图像检测	计算机视觉	NA	循环一致迁移神经网络	YOLOv8	图像	NA
11168	2024-08-05	An attention-based bilateral feature fusion network for 3D point cloud 2024-Jun-01, The Review of scientific instruments DOI:10.1063/5.0189991 PMID:38832851	研究论文	本文提出了一种基于注意力的双边特征融合网络，用于处理3D点云数据	创新之处在于提出了一个双边特征融合模块和偏移向量注意力模块，以改善点云的局部和全局特征提取	本文未提及特定的计算复杂性或效能损耗分析	研究旨在解决点云处理中的几何与语义特征提取不平衡的问题	研究对象为3D点云数据	计算机视觉	NA	NA	注意力网络	点云	NA
11169	2024-08-05	Advanced CKD detection through optimized metaheuristic modeling in healthcare informatics 2024-06-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63292-5 PMID:38824162	研究论文	本研究提出了一种新的分类模型，通过优化的元启发式方法提高慢性肾病的诊断效率	采用元启发式方法进行特征选择，提升慢性肾病检测的准确率	缺乏对比已有模型的详细实验细节和局限性的讨论	提高慢性肾病的检测准确性	医疗数据，特别是慢性肾病相关数据	医疗信息学	慢性肾病	元启发式方法	极限学习机	医疗数据	NA
11170	2024-08-05	Automatic assessment of DWI-ASPECTS for acute ischemic stroke based on deep learning 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17101 PMID:38687043	研究论文	本研究提出了一种基于扩散加权成像(DWI)的自动ASPECTS评分模型，用于帮助临床医生进行准确的急性缺血性中风治疗计划	研究中提出了一种改进的深度学习网络，加上混合分类器，能够自动评估DWI-ASPECTS	本研究的局限性在于只包含82名中风患者的样本，可能影响结果的广泛适用性	本研究的目的是通过自动化ASPECTS得分来提高急性缺血性中风的临床诊断准确性	本研究对象为82名急性缺血性中风患者	计算机视觉	缺血性中风	深度学习	改进的U-net	医学影像	82名中风患者
11171	2024-08-05	Deep learning-based target decomposition for markerless lung tumor tracking in radiotherapy 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17039 PMID:38507259	研究论文	本研究介绍了一种基于深度学习的无标记肺肿瘤追踪新方法。	创新点在于开发了一种利用条件生成对抗网络（cGAN）进行无标记关键幅像追踪的方案，从而增强肿瘤在实时kV投影影像中的可见性。	本研究的局限性在于仅使用了九个患者的数据集进行验证，样本量较小，可能影响结果的广泛适用性。	研究的目的是改善肺肿瘤在放射治疗中的实时追踪能力。	本研究的对象是肺肿瘤，以及通过深度学习模型生成的合成分解目标图像。	数字病理学	肺癌	条件生成对抗网络(cGAN)	Pix2Pix	图像	9个患者的数据集
11172	2024-08-05	Deep learning based model predictive controller on a magnetic levitation ball system 2024-Jun, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2024.04.019 PMID:38644075	研究论文	提出了一种基于深度学习的模型预测控制器，用于磁悬浮球系统的实时控制	通过将LSTM网络与自回归结构结合来精确描述磁悬浮球系统的动态，并提出了一种改进的控制器以提高实时控制效率	研究主要集中于磁悬浮球系统，可能对其他系统的适用性有限	开发一种高效的控制方法以改进磁悬浮球系统的瞬态性能和控制效率	磁悬浮球系统作为一个单输入单输出的非线性系统	机器学习	NA	LSTM	LSTM-ARX	NA	NA
11173	2024-08-05	Research Note: Prospects for early detection of breast muscle myopathies by automated image analysis 2024-Jun, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2024.103680 PMID:38564836	研究论文	本研究评估了新开发的基于深度学习的自动图像分析工具在鸡胸肌肌病早期检测中的有效性	开发了一种新的自动图像分析工具，可在早期检测与肌肉病变相关的形态参数	研究仅限于雄性小鸡，样本收集时间为饲养第14天，结果可能不适用于其他种类或生命周期阶段的鸡	探讨自动图像分析作为早期检测鸡胸肌肌病的潜力	雄性肉鸡及其肌肉样本	数字病理学	NA	深度学习	NA	图像	在饲养第14天收集的雄性小鸡肌肉样本
11174	2024-08-05	Ultra-high-resolution CT of the temporal bone: Comparison between deep learning reconstruction and hybrid and model-based iterative reconstruction 2024-Jun, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.02.001 PMID:38368178	研究论文	本研究评估了超高分辨率计算机断层扫描（UHR-CT）在评估镫骨和鼓索神经解剖方面的能力	采用深度学习重建与混合和基于模型的迭代重建算法进行比较，展示了UHR-CT在噪声和空间分辨率上的优势	本研究没有讨论不同剂量水平对图像质量的长期影响	评估不同重建算法在超高分辨率CT评估耳朵解剖结构中的应用效果	使用超高分辨率CT评估镫骨和鼓索神经的解剖	数字病理学	NA	超高分辨率计算机断层扫描（UHR-CT）	深度学习重建（DLR）	图像	13个颞骨CT检查
11175	2024-08-05	Investigation on ultrasound images for detection of fetal congenital heart defects 2024-May-31, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad4f91 PMID:38781934	综述	该文章讨论了使用超声图像检测胎儿先天性心脏缺陷的最新技术	提出结合深度学习技术的胎儿超声图像评估以提高先天性心脏缺陷的检测率	当前筛查技术的检测率仍然较低，文章未提供具体的实验数据	提高胎儿先天性心脏缺陷的检测率	使用超声图像进行胎儿先天性心脏缺陷的检测	数字病理学	先天性心脏缺陷	深度学习	卷积神经网络 (CNN)	图像	NA
11176	2024-08-05	Dynamics and patterns of recurrence in neovascular AMD during real-world management using automated fluid monitoring 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31567 PMID:38826751	研究论文	本研究调查了新生血管性老年性黄斑变性(nAMD)在真实世界管理中的复发液体的数量和分布	利用经过监管批准的深度学习算法定量分析nAMD患者在抗VEGF治疗后的液体复发模式	本研究为回顾性研究，样本来自单一中心，结果可能无法广泛推广	探讨新生血管性老年性黄斑变性患者在治疗中断后的复发液体动态	56名符合纳入标准的nAMD患者的眼睛数据	数字病理学	老年性黄斑变性	深度学习算法	NA	临床数据	56
11177	2024-08-05	Worldwide research landscape of artificial intelligence in lung disease: A scientometric study 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31129 PMID:38826704	研究论文	对人工智能在肺部疾病应用的文献计量分析以了解该领域的现状和新兴趋势	完成了对人工智能在肺部疾病研究中的全面文献计量分析，揭示了出版物数量的快速增长和主要研究人员	没有深入分析具体的临床应用或技术细节	分析人工智能在肺部疾病研究中的应用现状及发展趋势	人工智能在肺部疾病研究中的发表论文	数字病理学	肺癌	深度学习	卷积神经网络	文献数据	总共5210篇论文
11178	2024-08-05	Performance evaluation of E-VGG19 model: Enhancing real-time skin cancer detection and classification 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31488 PMID:38826726	研究论文	本文增强了VGG19预训练模型，以提高皮肤癌的实时检测和分类能力	论文通过结合传统分类器与E-VGG19模型，显著提高了皮肤癌检测和分类的整体精度	未提及具体限制	改善皮肤癌的早期检测和分类以提高患者的治疗效果	使用包含恶性和良性病例的皮肤病变数据集进行模型的训练和评估	计算机视觉	皮肤癌	深度学习	E-VGG19及其他预训练模型	图像	包含恶性和良性皮肤病变样本的皮肤病变数据集
11179	2024-08-05	Deep learning model for differentiating nasal cavity masses based on nasal endoscopy images 2024-May-29, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02517-z PMID:38811961	研究论文	这项研究开发了一种深度学习算法，用于基于鼻内镜图像的鼻腔肿块的计算机辅助诊断	提出了一种新的基于深度学习的网络模型，采用课程学习方法以提高鼻腔肿块的分类性能	存在一些误分类的情况，需进一步优化模型的准确性	提高鼻内镜图像对鼻息肉和倒生乳头状瘤的临床诊断准确性	鼻息肉和倒生乳头状瘤的鼻内镜图像	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
11180	2024-08-05	Thin-slice 2D MR Imaging of the Shoulder Joint Using Denoising Deep Learning Reconstruction Provides Higher Image Quality Than 3D MR Imaging 2024-05-22, 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.2023-0115 PMID:38777762	研究论文	本研究评估了使用深度学习重建的薄层2D MR成像在肩关节成像中的效果	本研究首次比较了结合平行成像、部分傅里叶技术和深度学习重建的2D成像与3D成像的图像质量	样本量较小，仅涉及18名患者	评估薄层2D脂肪抑制质子密度加权图像在肩关节成像中的实用性	18名在3T下接受肩关节MRI的患者	数字病理学	NA	深度学习重建	NA	图像	18名患者