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
11561	2024-08-07	Artificial intelligence-based classification of echocardiographic views 2024-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztae015 PMID:38774376	研究论文	本文研究了使用卷积神经网络（CNN）对超声心动图视图进行自动分类的方法	本文首次使用二维和三维CNN对超声心动图视图进行分类，并实现了高准确率	NA	旨在通过人工智能增强超声心动图的自动评估能力	超声心动图视图的自动分类	机器学习	NA	卷积神经网络（CNN）	CNN	视频	研究使用了来自909名患者的经胸超声心动图（TTE）研究，以及229名患者的内部验证数据
11562	2024-08-07	Decoding 2.3 million ECGs: interpretable deep learning for advancing cardiovascular diagnosis and mortality risk stratification 2024-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztae014 PMID:38774384	研究论文	本文利用232万份心电图数据，开发了一种深度学习模型，用于心血管疾病的诊断和死亡风险分层，并展示了其在临床知识发现方面的潜力	本文首次大规模应用人工智能模型于心电图分析，提供细粒度的解释性，以推进心血管诊断和死亡风险分层	NA	探索人工智能在心电图分析中的应用，以提高心血管疾病诊断的准确性和死亡风险分层	心电图数据，心血管疾病诊断，死亡风险分层	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	232万份心电图数据，来自155万8772名患者，随访7年
11563	2024-08-07	Optimized 3D brachial plexus MR neurography using deep learning reconstruction 2024-Apr, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-023-04484-4 PMID:37914895	研究论文	评估使用深度学习重建（DLR）的快速单侧3D臂丛磁共振神经成像（MRN）是否能提供与未使用DLR的标准扫描相似的图像质量	使用深度学习重建技术优化了3D臂丛MR神经成像的采集速度，同时保持了图像质量	NA	评估深度学习重建技术在快速3D臂丛MR神经成像中的应用效果	30名受试者的臂丛3.0T MRN图像质量	计算机视觉	NA	深度学习重建（DLR）	深度学习模型	图像	30名受试者
11564	2024-08-07	Artificial Intelligence-Based Distinction of Actinic Keratosis and Seborrheic Keratosis 2024-Apr, Cureus DOI:10.7759/cureus.58692 PMID:38774175	研究论文	本文研究了基于人工智能技术在区分光化性角化病和脂溢性角化病中的应用	开发了一种新型人工智能模型，使用先进的深度学习方法，能够准确区分光化性角化病和脂溢性角化病	NA	开发并评估一种人工智能模型，能够准确区分光化性角化病和脂溢性角化病	光化性角化病和脂溢性角化病	计算机视觉	皮肤疾病	深度学习	AI模型	图像	1000张光化性角化病图像和1000张脂溢性角化病图像
11565	2024-08-07	What does artificial intelligence mean in rheumatology? 2024-Mar, Archives of rheumatology IF:1.1Q4 DOI:10.46497/ArchRheumatol.2024.10664 PMID:38774703	研究论文	本文探讨了人工智能在风湿病学中的应用及其潜力	介绍了大型语言模型通过转换器将自我学习融入深度学习的新发展	提到了AI模型扩展能力带来的重大伦理挑战，特别是误用的风险	探索人工智能在风湿病学中的应用，以革新医疗保健和研究	主要研究对象为风湿病学领域的人工智能应用	机器学习	风湿病	深度学习	NA	图像、视频、基因组学、转录组学、蛋白质组学、代谢组学数据	NA
11566	2024-08-07	The BONSAI (Brain and Optic Nerve Study with Artificial Intelligence) deep learning system can accurately identify pediatric papilledema on standard ocular fundus photographs 2024-02, Journal of AAPOS : the official publication of the American Association for Pediatric Ophthalmology and Strabismus IF:1.2Q3 DOI:10.1016/j.jaapos.2023.10.005 PMID:38216117	研究论文	本文研究了一种名为BONSAI的深度学习系统，该系统能够准确识别标准眼底照片中的儿童视乳头水肿	该研究首次验证了在成人中已验证的深度学习系统在儿童中的应用，并展示了其在识别视乳头水肿及其他视盘异常方面的准确性	研究仅在三个中心进行，可能存在地域和种族的局限性	验证深度学习系统在儿童中识别视乳头水肿及其他视盘异常的准确性	儿童视乳头水肿及其他视盘异常	机器学习	NA	深度学习系统	深度学习系统	图像	898张眼底照片，涉及447名患者
11567	2024-08-07	Correlation Attention Registration Based on Deep Learning from Histopathology to MRI of Prostate 2024, Critical reviews in biomedical engineering DOI:10.1615/CritRevBiomedEng.2023050566 PMID:38305277	研究论文	本文探讨了如何利用深度学习技术，通过相关注意力注册框架，将前列腺癌的组织病理学图像与MRI图像进行精确注册	引入了L2-Pearson相关层增强特征匹配，并采用增强注意力回归网络区分关键与非关键特征	未明确提及	提高前列腺癌图像从组织病理学到MRI的注册性能	前列腺癌的组织病理学图像与MRI图像	计算机视觉	前列腺癌	深度学习	CNN	图像	使用了来自癌症影像档案的配对前列腺组织病理学和MRI数据集
11568	2024-08-07	Influence of deep learning image reconstruction algorithm for reducing radiation dose and image noise compared to iterative reconstruction and filtered back projection for head and chest computed tomography examinations: a systematic review 2024, F1000Research DOI:10.12688/f1000research.147345.1 PMID:38725640	综述	本文系统回顾了深度学习图像重建（DLIR）算法在头部和胸部CT检查中降低辐射剂量和图像噪声的影响，并与迭代重建（IR）和滤波反投影（FBP）进行比较	DLIR算法在降低辐射剂量和图像噪声方面显示出比传统IR和FBP技术更好的效果	研究时间跨度仅为2017至2023年，可能未涵盖所有相关研究	评估DLIR算法在头部和胸部CT检查中的应用效果，特别是在降低辐射剂量和图像噪声方面	头部和胸部CT检查中的DLIR算法应用	计算机视觉	NA	深度学习图像重建（DLIR）	深度学习模型	图像	总共包括1292个样本
11569	2024-08-07	The use of artificial intelligence in induced pluripotent stem cell-based technology over 10-year period: A systematic scoping review 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302537 PMID:38771829	综述	本文是一篇系统范围综述，探讨了人工智能在诱导多能干细胞技术中的应用	人工智能技术，特别是机器学习和深度学习，在iPSC分类、细胞功能监测和遗传分析中的应用显著提高了iPSC技术的精确度	人工智能技术在iPSC研究中的应用仍处于早期阶段，存在挑战和机遇	探索人工智能在诱导多能干细胞研究进展中的作用	诱导多能干细胞技术及其在疾病模型、药物筛选和再生医学中的应用	机器学习	NA	机器学习 (ML) 和深度学习 (DL)	NA	NA	涵盖了79项符合条件的研究
11570	2024-08-07	Robust deep learning method for fruit decay detection and plant identification: enhancing food security and quality control 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1366395 PMID:38774219	研究论文	本文提出了一种用于水果腐烂检测和植物识别的鲁棒深度学习方法	该方法不仅关注模型精度，还考虑了鲁棒性和有限数据场景的挑战，实现了99.93%的高精度	NA	提高食品质量和安全控制	水果腐烂检测和植物识别	机器学习	NA	深度学习	NA	图像	NA
11571	2024-08-07	On the additive artificial intelligence-based discovery of nanoparticle neurodegenerative disease drug delivery systems 2024, Beilstein journal of nanotechnology IF:2.6Q2 DOI:10.3762/bjnano.15.47 PMID:38774585	研究论文	本文利用信息融合、扰动理论和机器学习相结合的IFPTML技术，通过构建线性和非线性模型，预测纳米粒子神经退行性疾病药物输送系统（N2D3Ss）的有效性	本文首次采用IFPTML技术，结合线性判别分析（LDA）和人工神经网络（ANN）算法，提高了N2D3Ss的预测准确性	由于N2D3Ss相关数据的相对有限，AI/ML分析面临挑战	开发新的神经退行性疾病药物输送系统	纳米粒子神经退行性疾病药物输送系统（N2D3Ss）	机器学习	神经退行性疾病	IFPTML	LDA, ANN（MLP和DLN）	数据集	4403个NDD试验和260个NP细胞毒性试验，生成三个包含500,000个案例的新工作数据集
11572	2024-08-07	Innova4Health: an integrated approach for prevention of recurrence and personalized treatment of Major Depressive Disorder 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1366055 PMID:38774832	研究论文	本文介绍了一种综合方法，用于预防复发和个性化治疗重度抑郁症（MDD），通过集成数字和环境生物标志物来改善MDD的预防策略。	利用可穿戴技术和环境监测设备生成的数字生物标志物，结合现有的生理、心理病理学和其他指标，创新地应用于MDD的评估和治疗。	NA	验证一种AI工具，以增强MDD的早期临床管理，并建立一个AI基础设施来管理医疗大数据。	诊断为MDD的青少年和年轻成年人。	NA	精神疾病	可穿戴技术，环境监测	深度学习AI系统	数字生物标志物，环境数据	两个实验组，每组10名青少年和30名年轻成年人。
11573	2024-08-07	A Dataset of apical periodontitis lesions in panoramic radiographs for deep-learning-based classification and detection 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110486 PMID:38770039	研究论文	本文介绍了用于深度学习分类和检测根尖周病变的口腔全景X光片数据集的创建和处理	通过数据增强技术增加了数据量，提高了机器学习模型的训练效果	NA	构建一个有效的学习模型来检测全景X光片中的根尖周病变	根尖周病变的全景X光片图像	计算机视觉	牙周病	数据增强技术（如缩放、镜像和翻转）	深度学习模型	图像	16,519张全景X光片，其中3,926张包含根尖周病变
11574	2024-08-07	IoT-DH dataset for classification, identification, and detection DDoS attack in IoT 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110496 PMID:38774247	研究论文	本文介绍了一个名为IoT-DH的新型大型数据集，旨在用于物联网生态系统中DDoS攻击的分类、识别和检测	IoT-DH数据集包含了多样化的场景和网络配置，提供了对真实物联网环境的现实代表性，并包括了多种攻击场景和不同攻击向量及强度	NA	开发和评估用于有效缓解DDoS攻击的机器学习和深度学习模型	物联网生态系统中的DDoS攻击	计算机视觉	NA	机器学习	深度学习模型	数据集	包含多样化的场景和网络配置，具体样本数量未提及
11575	2024-08-07	Enhancing kidney disease prediction with optimized forest and ECG signals data 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30792 PMID:38770288	研究论文	本研究利用优化森林（Opt-Forest）模型结合心电图（ECG）数据，旨在提高慢性肾脏病（CKD）的早期检测	Opt-Forest模型在CKD预测中表现出更高的敏感性和特异性，以及较低的误报率	未来研究需要探索深度学习方法并整合患者特定数据以进一步提高精确医学在肾脏病学中的应用	提高慢性肾脏病的早期检测	慢性肾脏病（CKD）的早期检测	机器学习	肾脏病	优化森林（Opt-Forest）模型	优化森林（Opt-Forest）	心电图（ECG）数据	未具体说明样本数量
11576	2024-08-07	Feasibility of rib fracture detection in low-dose computed tomography images with a large, multicenter datasets-based model 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31010 PMID:38770294	研究论文	评估基于RetinaNet的深度学习模型在低剂量CT图像中检测肋骨骨折的可行性	使用基于RetinaNet的深度学习模型在低剂量CT图像中检测肋骨骨折，并评估其与常规剂量CT图像的性能对比	NA	评估低剂量CT图像中肋骨骨折检测的可行性	肋骨骨折检测	计算机视觉	NA	低剂量CT	RetinaNet	图像	7300次扫描，包含50,410处肋骨骨折，用于内部训练；外部测试数据集包含100名患者的728处创伤性肋骨骨折
11577	2024-08-07	A novel LVPA-UNet network for target volume automatic delineation: An MRI case study of nasopharyngeal carcinoma 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30763 PMID:38770315	研究论文	本文提出了一种基于2D-3D架构的Layer-Volume Parallel Attention (LVPA)-UNet模型，用于鼻咽癌MRI图像中肿瘤体积的自动勾画	引入了2D和3D工作流程并行处理，多分支深度条卷积适应不同形状和大小的肿瘤，以及层-通道注意力机制自适应调整切片和通道权重	NA	提高肿瘤体积勾画的准确性和效率，为放射治疗提供技术支持	鼻咽癌的MRI图像	计算机视觉	鼻咽癌	深度学习	LVPA-UNet	MRI图像	1010例鼻咽癌MRI数据集
11578	2024-08-07	Deep learning-enhanced characterization of bubble dynamics in proton exchange membrane water electrolyzers 2024-May-22, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d3cp05869g PMID:38482891	研究论文	本文提出了一种基于深度学习的框架，用于高吞吐量分析质子交换膜水电解器中的气泡动力学	利用U-Net架构对35张标注图像进行训练，实现了高效的气泡分割任务	使用的标注图像数据集相对较小	提高质子交换膜水电解器研究中图像分析的速度和精度	质子交换膜水电解器中的气泡动力学	计算机视觉	NA	深度学习	U-Net	图像	35张标注图像
11579	2024-08-07	Optimized encoder-decoder cascaded deep convolutional network for leaf disease image segmentation 2024-May-22, Network (Bristol, England) DOI:10.1080/0954898X.2024.2326493 PMID:38775271	研究论文	本文提出了一种优化的编码器-解码器级联深度卷积网络（ODEDCNet）模型，用于提高叶片疾病图像分割的准确性	引入了新的Dingo优化算法（DOA）来选择最佳的超参数，提高了模型的鲁棒性和分割精度	NA	旨在通过自动化技术提高植物疾病的识别和诊断效率，增强全球粮食安全	叶片疾病图像的分割和分类	计算机视觉	NA	深度学习	CNN	图像	使用了PlantVillage和Betel Leaf Image两个数据集，分别达到了97.33%和97.42%的准确率
11580	2024-08-07	Detecting the corneal neovascularisation area using artificial intelligence 2024-May-21, The British journal of ophthalmology DOI:10.1136/bjo-2023-323308 PMID:37339866	研究论文	本文旨在开发并评估一种基于人工智能的图像分析工具，用于测量和量化角膜新生血管（CoNV）区域	使用深度学习技术自动分割和检测CoNV区域，并通过六折交叉验证评估算法性能	NA	开发和评估用于测量和量化角膜新生血管区域的人工智能工具	角膜新生血管区域	计算机视觉	NA	深度学习	U-Net	图像	120只眼睛的裂隙灯图像