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
381	2024-08-07	A novel deep learning technique for medical image analysis using improved optimizer 2024 Apr-Jun, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241255584 PMID:38755759	研究论文	本文探讨了在医学图像分析中使用改进优化器的卷积神经网络的应用	引入了新的优化技术梯度中心化（GC），并与先进的预处理技术Real ESRGAN和GFPGAN结合，提高了深度学习模型的执行时间和损失因子	现有的优化器如梯度下降、随机梯度下降等存在处理速度慢、内存需求大、计算成本高和死神经元问题	研究如何通过新的优化技术提高医学图像分析中深度学习模型的性能	医学图像的分类和分割	计算机视觉	NA	梯度中心化（GC）	CNN	图像	NA
382	2024-08-07	Three dimensional convolutional neural network-based automated detection of midline shift in traumatic brain injury cases from head computed tomography scans 2024 Apr-Jun, Journal of neurosciences in rural practice IF:0.8Q4 DOI:10.25259/JNRP_490_2023 PMID:38746523	研究论文	本研究开发了一种基于三维卷积神经网络的自动检测工具，用于从头部CT扫描中检测创伤性脑损伤病例中的中线移位	本研究首次使用三维卷积神经网络自动检测中线移位，为紧急医疗人员提供了一种前沿的解决方案	该模型的准确性和敏感性有待提高，目前的准确率为55%，敏感性为40%	确定自动检测工具在CT图像中检测创伤性脑损伤患者中线移位的准确性和预测价值	创伤性脑损伤病例的中线移位	机器学习	创伤性脑损伤	三维卷积神经网络	CNN	图像	176个头部CT扫描
383	2024-08-07	Deep Learning-Based Classification and Semantic Segmentation of Lung Tuberculosis Lesions in Chest X-ray Images 2024-Apr-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14090952 PMID:38732366	研究论文	本文提出了一种基于深度学习网络的方法，用于检测和语义分割胸部X光图像中的两种特定类型的肺结核病变	使用多种U-Net模型的增强版本和集成方法，以提高病变分类和分割的准确性	NA	开发一种辅助临床医生检查胸部X光图像中肺结核病变的诊断工具	胸部X光图像中的肺结核病变	计算机视觉	肺结核	深度学习	U-Net, Attention U-Net, U-Net++, Attention U-Net++, PSP Attention U-Net++	图像	110训练图像，14验证图像，98测试图像
384	2024-08-07	Analysis and Comparison of New-Born Calf Standing and Lying Time Based on Deep Learning 2024-Apr-29, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14091324 PMID:38731328	research paper	本研究提出了一种基于深度学习的计算机视觉方法，用于非侵入性地监测新生牛犊的站立和躺卧行为	使用YOLOv8n模型进行行为检测，实现了高精度和快速推理	NA	旨在通过自动测量牛犊的站立和躺卧时间来了解其健康状况	新生牛犊的站立和躺卧行为	computer vision	NA	深度学习	YOLOv8n	视频	六头牛犊，连续六天
385	2024-08-07	A Multi-Stage Approach for Cardiovascular Risk Assessment from Retinal Images Using an Amalgamation of Deep Learning and Computer Vision Techniques 2024-Apr-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14090928 PMID:38732342	研究论文	本文提出了一种利用深度学习和计算机视觉技术从视网膜图像中评估心血管风险的多阶段方法	该研究结合了手工特征和人工智能模型提取的视网膜血管模式，以提高心血管疾病风险预测的准确性和可靠性	未来的工作将集中在提高解决方案的稳健性，探索额外的风险因素，并在更多样化的临床环境中验证其性能	开发一种用于早期检测心血管疾病的预测模型，通过评估视网膜血管参数	视网膜图像和血管参数	计算机视觉	心血管疾病	深度学习	二元分类模型	图像	包含临床试验中的眼底图像和全面元数据的数据集
386	2024-08-07	Accurate categorization and rapid pathological diagnosis correction with Micro-Raman technique in human lung adenocarcinoma infiltration level 2024-Apr-29, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-168 PMID:38736487	研究论文	本研究探讨了使用微拉曼技术对人类肺腺癌浸润程度进行精确分类和快速病理诊断校正的方法	本研究采用了微拉曼技术结合卷积神经网络模型，提供了一种快速、精确且临床相关的分析方法，显著提高了诊断的准确性和一致性	NA	旨在开发和验证一种针对不同浸润程度的肺腺癌病理诊断的工作流程	人类肺腺癌样本	数字病理	肺腺癌	微拉曼技术	CNN	组织图像	具体样本数量未在摘要中提及
387	2024-08-07	Development and validation of a deep learning-based model to predict response and survival of T790M mutant non-small cell lung cancer patients in early clinical phase trials using electronic medical record and pharmacokinetic data 2024-Apr-29, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-23-737 PMID:38736496	研究论文	开发并验证了一种基于深度学习的模型，用于预测T790M突变型非小细胞肺癌患者在早期临床试验中的反应和生存率，使用电子病历和药代动力学数据	结合了混合专家模型（MoE）和Cox算法，能够预测疗效并细分EGFR突变型非小细胞肺癌患者的生存情况	NA	开发一种新的工具，补充EGFR基因型检测，以预测第三代EGFR-TKI治疗的疗效并细分EGFR突变患者的预后	T790M突变型非小细胞肺癌患者	机器学习	肺癌	深度学习	混合专家模型（MoE）和Cox算法	电子病历和药代动力学数据	326名T790M突变型非小细胞肺癌患者
388	2024-08-07	Innovative Machine Learning Strategies for Early Detection and Prevention of Pregnancy Loss: The Vitamin D Connection and Gestational Health 2024-Apr-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14090920 PMID:38732334	研究论文	本研究利用机器学习技术提高早期妊娠丢失（EPL）的预测准确性，并区分正常妊娠与高风险妊娠	采用深度学习和多层感知器等先进机器学习模型，以及线性判别分析和二次判别分析算法，实现了高达98%的预测准确率	NA	提高早期妊娠丢失的预测准确性，改善妊娠健康结果	早期妊娠丢失及妊娠健康	机器学习	妊娠疾病	机器学习	深度学习, 多层感知器, 线性判别分析, 二次判别分析	数值数据	未明确提及具体样本数量
389	2024-08-07	Promoting Artificial Intelligence for Global Breast Cancer Risk Prediction and Screening in Adult Women: A Scoping Review 2024-Apr-25, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13092525 PMID:38731054	综述	本文通过范围综述探讨了人工智能技术在乳腺癌风险预测和筛查中的应用及其面临的障碍	本文介绍了多种人工智能技术和模型在乳腺癌风险检测和预防中的应用	研究中存在缺乏外部效度和有限的可推广性，以及由于样本量小或数据缺失导致的偏倚问题	旨在识别在应用创新人工智能技术进行乳腺癌风险预测和促进筛查行为中遇到的障碍	成人女性乳腺癌风险预测和筛查	机器学习	乳腺癌	机器学习和深度学习模型	ML-DL模型	NA	研究中存在样本量小或数据缺失的问题
390	2024-08-07	New Horizons of Artificial Intelligence in Medicine and Surgery 2024-Apr-25, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13092532 PMID:38731061	研究论文	本文探讨了人工智能在医学和外科领域的应用及其对医疗诊断、患者监测、个性化治疗和手术流程优化的影响	文章介绍了人工智能在医学和外科领域的新应用，如机器学习、深度学习、神经网络和计算机视觉等技术	文章提到人工智能的实施可能面临障碍，可能会减缓其应用速度	旨在预测并发症、减少诊断时间、诊断复杂病理、术中指导外科医生和减少医疗错误	人工智能在医学和外科领域的应用	机器学习	NA	机器学习, 深度学习, 神经网络, 计算机视觉	神经网络	数据库	NA
391	2024-08-07	The Detection of Pulp Stones with Automatic Deep Learning in Panoramic Radiographies: An AI Pilot Study 2024-Apr-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14090890 PMID:38732305	研究论文	本研究旨在评估使用深度学习方法在全景影像中自动检测牙髓石的有效性	利用YOLOv5架构进行人工智能建模，在全景放射图像中通过数值识别检测牙髓石取得了显著成功	预期通过使用包含更多图像的数据集来提高训练模型的成功率	评估深度学习方法在全景影像中自动检测牙髓石的效果	牙髓石的自动检测	计算机视觉	NA	深度学习	YOLOv5	图像	2409张全景放射图像，包含7564个标签
392	2024-08-07	Deep Learning for Cell Migration in Nonwoven Materials and Evaluating Gene Transfer Effects following AAV6-ND4 Transduction 2024-Apr-24, Polymers IF:4.7Q1 DOI:10.3390/polym16091187 PMID:38732656	研究论文	本研究利用深度学习算法分析非织造材料中细胞迁移行为及AAV6-ND4转导后的基因转移效应	采用深度学习算法优化生物材料设计，并模拟细胞在人工环境中的归巢、迁移和增殖行为	NA	研究细胞在合成生物材料三维结构中的定植过程，以促进人工组织和器官的开发	非织造材料中的细胞迁移行为及AAV6-ND4转导后的基因转移效应	机器学习	NA	深度学习	NA	图像	LHON成纤维细胞
393	2024-08-07	From Organelle Morphology to Whole-Plant Phenotyping: A Phenotypic Detection Method Based on Deep Learning 2024-Apr-23, Plants (Basel, Switzerland) DOI:10.3390/plants13091177 PMID:38732392	研究论文	本文利用深度学习技术从宏观（植物）到微观（细胞器）层面进行植物表型参数的分类和预测	提出了一种基于深度学习的植物表型检测方法，并通过增加时间间隔的图像数据集验证了模型在不同时间间隔下的性能	NA	研究植物表型参数分析，以促进育种实践	从宏观的植物到微观的细胞器	计算机视觉	NA	深度学习	多输出模型	图像	使用了拟南芥的图像数据集
394	2024-08-07	Artificial Intelligence-Based Non-invasive Differentiation of Distinct Histologic Subtypes of Renal Tumors With Multiphasic Multidetector Computed Tomography 2024-Apr, Cureus DOI:10.7759/cureus.57959 PMID:38738077	研究论文	本研究利用深度学习技术通过四相多层CT扫描非侵入性地区分肾肿瘤的不同组织学亚型	开发了一种基于人工智能的非侵入性方法，通过深度神经网络使用四相多层CT扫描的峰值衰减值来预测肾细胞癌亚型	NA	精确识别肾细胞癌的肿瘤亚型，特别是检测常在传统组织病理学检查中被忽视的小型异质性病变	肾肿瘤的不同组织学亚型	机器学习	肾细胞癌	多层CT扫描	深度神经网络	图像	50名受试者，包括32名男性和18名女性，以及一个包含20,000个样本的合成数据集
395	2024-08-07	Self-Supervised Joint Learning for pCLE Image Denoising 2024-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s24092853 PMID:38732957	研究论文	本文提出了一种新的自监督去噪方法，通过联合训练噪声预测网络、图像质量评估网络和去噪网络，提高了pCLE图像和荧光显微镜图像的去噪效果	本文提出的自监督去噪方法通过联合训练多个网络，实现了对pCLE图像和荧光显微镜图像的更优去噪效果	NA	提高pCLE图像和荧光显微镜图像的去噪效果	pCLE图像和荧光显微镜图像	计算机视觉	NA	深度学习	CNN	图像	NA
396	2024-08-07	Calibrating Deep Learning Classifiers for Patient-Independent Electroencephalogram Seizure Forecasting 2024-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s24092863 PMID:38732969	研究论文	本研究展示了通过实施简单的校准流程，即使在训练阶段未见过的独立患者上，也能在一定程度上进行自动癫痫发作预测	本研究通过实施校准流程，能够在独立患者上提高深度学习模型的预测准确率，平均增加超过20%	本方法仍需每个患者至少一次癫痫发作事件来校准预测模型	验证自动癫痫发作预测方法在临床应用中的鲁棒性	评估深度学习模型在独立患者上的癫痫发作预测性能	机器学习	NA	深度学习	深度学习模型	脑电图信号	两个包含大量癫痫患者脑电图信号的数据集
397	2024-08-07	Mapping Method of Human Arm Motion Based on Surface Electromyography Signals 2024-Apr-29, Sensors (Basel, Switzerland) DOI:10.3390/s24092827 PMID:38732933	研究论文	本文研究了一种基于表面肌电信号的精确映射人体手臂运动的方法	构建了结合卷积神经网络和人工神经网络的混合网络模型，并采用多特征融合算法提高手势识别的准确性	NA	研究精确映射人体手臂运动的方法，并验证其在机器人手臂精确控制中的应用潜力	人体手臂运动及表面肌电信号	机器学习	NA	表面肌电信号（sEMG）	卷积神经网络（CNN）和人工神经网络	信号	涉及多种运动（手势、单自由度关节运动和连续关节动作）的数据
398	2024-08-07	Dynamic Occupancy Grid Map with Semantic Information Using Deep Learning-Based BEVFusion Method with Camera and LiDAR Fusion 2024-Apr-29, Sensors (Basel, Switzerland) DOI:10.3390/s24092828 PMID:38732934	研究论文	本研究通过深度学习方法融合相机和激光雷达传感器，开发了一种包含语义信息的动态占用网格地图（DOGM），以扩展其在机器人和自动驾驶领域的应用	本研究不仅更新了对象的位置和速度信息，还更新了对象的类别信息，并利用未分类的激光雷达点测量提高了环境地图的可靠性	传统的基于三维激光雷达的DOGM无法分类对象类型	开发一种包含语义信息的动态占用网格地图，以提供更丰富的环境信息，帮助自动驾驶车辆在复杂城市环境中导航	动态占用网格地图（DOGM）及其在自动驾驶中的应用	计算机视觉	NA	深度学习	NA	图像	使用公共的nuScenes数据集进行性能评估
399	2024-08-07	Image Super Resolution-Based Channel Estimation for Orthogonal Chirp Division Multiplexing on Shallow Water Underwater Acoustic Communications 2024-Apr-29, Sensors (Basel, Switzerland) DOI:10.3390/s24092846 PMID:38732952	研究论文	本文研究了基于图像超分辨率的正交啁啾分频多路复用（OCDM）在浅水水声通信中的信道估计问题	将基于导频的信道估计转化为矩阵补全问题，等价于图像处理领域的图像超分辨率问题，并利用深度学习方法提高了信道估计性能	NA	提高浅水水声通信系统的鲁棒性和效率	浅水水声通信中的信道估计	通信	NA	深度学习	NA	图像	NA
400	2024-08-07	Deep Learning Reconstruction for DWIs by EPI and FASE Sequences for Head and Neck Tumors 2024-Apr-28, Cancers IF:4.5Q1 DOI:10.3390/cancers16091714 PMID:38730665	研究论文	本研究探讨了使用快速高级自旋回波（FASE）序列和深度学习重建（DLR）对头颈部肿瘤扩散加权图像（DWI）质量的影响	提出使用FASE序列和DLR技术来改善DWI图像质量，同时不影响表观扩散系数（ADC）测量或恶性与良性头颈部肿瘤的区分能力	NA	研究不同序列和DLR对DWI图像质量、ADC评估及恶性与良性头颈部肿瘤区分的影响	头颈部肿瘤的扩散加权图像	计算机视觉	头颈部肿瘤	深度学习重建（DLR）	NA	图像	体外研究使用DWI幻影，体内研究涉及头颈部肿瘤患者