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
601	2024-08-07	Training deep learning based dynamic MR image reconstruction using open-source natural videos 2024-05-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62294-7 PMID:38783018	研究论文	开发并评估一种深度学习（DL）流程，用于从公开的自然视频（Inter4K）学习动态磁共振图像重建	利用公开的自然视频数据集进行动态磁共振图像重建的深度学习训练，并提供了预训练网络和代码	在模拟数据中，使用心脏数据的DL网络表现优于使用自然视频的DL网络	开发和评估一种深度学习流程，用于从自然视频学习动态磁共振图像重建	动态磁共振图像重建的深度学习网络及其在心脏和语音磁共振数据上的应用	计算机视觉	NA	深度学习	VarNet, 3D UNet, FastDVDNet	图像	心脏MR数据692例，模拟MR数据588例，模拟数据集104个，心脏电影数据20例，语音电影数据10例
602	2024-08-07	Enhancing trash classification in smart cities using federated deep learning 2024-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62003-4 PMID:38783026	研究论文	本研究通过比较分析多种基于卷积神经网络（CNN）的深度学习模型，探讨了在智能城市环境中实现可持续固体废物管理的高效垃圾分类方法	本研究展示了基于CNN的技术在智能城市垃圾分类中的显著进步潜力，并提出了一个基于联邦学习的分布式框架，以优化CNN模型组合的性能	NA	探讨在智能城市环境中实现可持续固体废物管理的高效垃圾分类方法	智能城市环境中的垃圾分类	计算机视觉	NA	深度学习	CNN	图像	使用TrashBox数据集进行实验
603	2024-08-07	Deep learning for dual detection of microsatellite instability and POLE mutations in colorectal cancer histopathology 2024-May-23, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00592-z PMID:38783059	研究论文	研究利用深度学习技术在结直肠癌病理切片中同时检测微卫星不稳定性（MSI）和DNA聚合酶ε（POLE）突变	首次提出使用基于transformer的深度学习系统，通过训练MSI病理切片数据，能够有效检测出POLE突变，为MSS患者提供增强的治疗选择	NA	开发一种深度学习模型，用于在结直肠癌病理图像中同时检测MSI和POLE突变，以提高治疗效率	结直肠癌病理图像中的微卫星不稳定性（MSI）和DNA聚合酶ε（POLE）突变	机器学习	结直肠癌	深度学习	transformer	图像	内部和外部切除队列中的大量病理图像数据
604	2024-08-07	Enhancing oral squamous cell carcinoma detection: a novel approach using improved EfficientNet architecture 2024-May-23, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04307-5 PMID:38783295	研究论文	本研究利用改进的EfficientNet架构，通过深度学习技术提高口腔鳞状细胞癌的检测准确性	通过在EfficientNetB0模型中加入双注意力网络（DAN），显著提升了模型的性能，超越了现有技术的水平	NA	利用深度学习技术自动化早期诊断口腔组织病理学图像，以促进口腔癌的及时准确检测	口腔鳞状细胞癌（OSCC）的早期诊断	计算机视觉	口腔癌	深度学习卷积神经网络（CNN）	EfficientNetB0	图像	涉及良性与恶性口腔活检组织病理学图像
605	2024-08-07	Development and validation of a reliable method for automated measurements of psoas muscle volume in CT scans using deep learning-based segmentation: a cross-sectional study 2024-May-22, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-079417 PMID:38777592	研究论文	本文开发并验证了一种基于深度学习的自动测量CT扫描中腰大肌体积的方法	本文提出了一种基于nnU-Net方法的深度学习模型，用于自动分割腰大肌，提高了测量效率和准确性	NA	开发一种自动测量腰大肌体积的方法，以有效支持肌少症研究	腰大肌体积的自动测量	计算机视觉	NA	深度学习	nnU-Net	CT扫描图像	520名参与者的CT扫描数据
606	2024-08-07	Deep learning of left atrial structure and function provides link to atrial fibrillation risk 2024-May-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48229-w PMID:38773065	研究论文	本文利用深度学习和表面重建模型分析了40,558名UK Biobank参与者的心脏磁共振成像数据，研究左心房结构和功能与心房颤动风险的关系	首次结合大规模心脏磁共振成像和遗传数据，通过深度学习模型识别与左心房结构和功能相关的遗传位点，并探讨其对心房颤动风险的因果影响	NA	评估遗传因素对左心房结构和功能的影响，并理解其与心房颤动风险的关系	左心房结构和功能与心房颤动风险的关系	机器学习	心血管疾病	心脏磁共振成像	深度学习	图像	40,558名UK Biobank参与者
607	2024-08-07	Parkinson's Disease Recognition Using Decorrelated Convolutional Neural Networks: Addressing Imbalance and Scanner Bias in rs-fMRI Data 2024-May-19, Biosensors DOI:10.3390/bios14050259 PMID:38785733	研究论文	本文介绍了一种创新的去相关深度学习技术，用于减轻类别偏差和扫描器偏差，并同时关注于在静息态功能磁共振成像（rs-fMRI）数据中寻找区分特征，以高准确度识别帕金森病（PD）。	提出了一个新的去相关卷积神经网络（DcCNN）框架，通过应用基于去相关的优化到卷积神经网络（CNNs），有效解决了不平衡数据集问题和扫描器偏差问题。	文章未明确提及具体的局限性。	旨在通过去相关深度学习技术提高帕金森病的识别准确性，并解决数据集中的类别偏差和扫描器偏差问题。	帕金森病（PD）的识别和分类。	机器学习	帕金森病	静息态功能磁共振成像（rs-fMRI）	去相关卷积神经网络（DcCNN）	图像	使用了公开的帕金森病进展标志物倡议（PPMI）数据集和前颞叶变性神经影像学倡议（NIFD）数据集的组合，具体样本数量未详细说明。
608	2024-08-07	Objective Methods to Assess Aorto-Iliac Calcifications: A Systematic Review 2024-May-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14101053 PMID:38786352	综述	本文遵循PRISMA指南，系统回顾了评估主动脉-髂动脉钙化的方法及其与心血管疾病和临床结果的相关性	自动化方法使用人工智能显示出更广泛的适用性和更少的时间消耗	缺乏标准化的可重复性评估	研究测量主动脉-髂动脉钙化的方法及其与心血管疾病和临床结果的相关性	主动脉-髂动脉钙化及其与心血管疾病的关系	NA	心血管疾病	人工智能，深度学习	NA	图像	11项研究符合纳入标准
609	2024-08-07	Taxonomy of Acute Stroke: Imaging, Processing, and Treatment 2024-May-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14101057 PMID:38786355	综述	本文对急性脑卒中的影像诊断、图像处理与分析以及治疗方法进行了分类，并提供了最新的分类图解	本文通过综合和直观的分类图解，捕捉了脑卒中管理的最新技术，并对其他最新分类进行了比较	NA	对急性脑卒中的影像诊断、图像处理与分析以及治疗方法进行分类和综述	急性脑卒中的影像诊断、图像处理与分析以及治疗方法	数字病理学	脑血管疾病	CT, MR	NA	影像	NA
610	2024-08-07	Accurate Prediction of 1H NMR Chemical Shifts of Small Molecules Using Machine Learning 2024-May-19, Metabolites IF:3.4Q2 DOI:10.3390/metabo14050290 PMID:38786767	研究论文	本文介绍了一种基于深度学习算法的机器学习方法，用于精确预测小分子化合物的1H NMR化学位移	该方法使用高质量的“溶剂感知”实验数据集进行训练，能够比其他已知方法更准确地预测H化学位移	NA	旨在填补实验NMR参考谱图数量不足的空白，通过计算方法预测已知化合物的NMR化学位移	小分子化合物的1H NMR化学位移	机器学习	NA	机器学习	深度学习算法	化学结构数据	超过600,000个分子
611	2024-08-07	Semi-Supervised Facial Acne Segmentation Using Bidirectional Copy-Paste 2024-May-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14101040 PMID:38786338	研究论文	本研究提出了一种新的深度学习模型，用于面部痤疮分割，采用双向复制粘贴的半监督学习方法	提出了一种双向复制粘贴的半监督学习方法，通过在训练阶段交换标记和未标记图像的前景和背景部分来合成图像	NA	旨在自动化检测面部痤疮，以早期发现和治疗	面部痤疮的分割	计算机视觉	皮肤病	深度学习	NA	图像	仅使用了3%的标记图像进行实验
612	2024-08-07	Imaging-Based Deep Learning for Predicting Desmoid Tumor Progression 2024-May-17, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10050122 PMID:38786576	研究论文	本研究利用基于影像的深度学习技术预测硬纤维瘤的进展情况	研究采用深度学习算法，通过MRI影像独立预测硬纤维瘤的临床进展，准确率高达93%	研究为回顾性单中心研究，样本量相对较小，可能影响结果的普遍性	开发一种新的方法来提高硬纤维瘤治疗反应和进展检测的准确性	硬纤维瘤患者及其MRI影像数据	计算机视觉	软组织肿瘤	深度学习	NA	影像	51名硬纤维瘤患者
613	2024-08-07	Evaluating the Margins of Breast Cancer Tumors by Using Digital Breast Tomosynthesis with Deep Learning: A Preliminary Assessment 2024-May-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14101032 PMID:38786329	研究论文	本研究利用数字乳腺断层合成技术结合深度学习算法，对乳腺癌肿瘤边缘进行评估	首次使用数字乳腺断层合成技术和深度学习算法在手术中评估肿瘤边缘	研究样本量较小，仅涉及46名患者	开发一种在手术中快速准确评估肿瘤边缘的方法	乳腺癌肿瘤边缘	机器学习	乳腺癌	数字乳腺断层合成技术	深度学习模型	图像	46名接受保乳治疗的患者术后组织样本
614	2024-08-07	Breast Delineation in Full-Field Digital Mammography Using the Segment Anything Model 2024-May-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14101015 PMID:38786313	研究论文	本研究介绍了SAM-breast模型，一种用于在乳腺X线摄影中分割乳腺区域的Segment Anything Model（SAM）的适应性模型	SAM-breast模型在乳腺区域的描绘和胸大肌的排除方面表现出色，且在不同数据集上显示出一致的高性能	NA	提高乳腺X线摄影中乳腺区域的分割准确性，以辅助诊断	乳腺X线摄影图像中的乳腺区域分割	计算机视觉	乳腺癌	NA	SAM	图像	使用了来自多个中心的2492张乳腺X线摄影图像进行模型训练，并在五个不同数据集（包括两个私有和三个公开数据集）上进行了独立测试
615	2024-08-07	Texture-Based Classification to Overcome Uncertainty between COVID-19 and Viral Pneumonia Using Machine Learning and Deep Learning Techniques 2024-May-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14101017 PMID:38786315	研究论文	本研究通过集成先进的纹理特征提取方法和深度学习框架，提出了一种新的分类模型，用于区分COVID-19和病毒性肺炎	本研究引入了包括GLCM、GLDM和小波变换在内的先进纹理特征提取方法，并在深度学习框架中整合，以提高分类性能	NA	旨在通过机器学习和深度学习技术，提高COVID-19和病毒性肺炎的准确分类	COVID-19和病毒性肺炎的胸部X光图像	机器学习	COVID-19	深度学习	深度学习神经网络 (DLNN)	图像	NA
616	2024-08-07	IMPA-Net: Interpretable Multi-Part Attention Network for Trustworthy Brain Tumor Classification from MRI 2024-May-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14100997 PMID:38786294	研究论文	本研究开发了一种可解释的多部分注意力网络（IMPA-Net），用于从MRI图像中进行脑肿瘤分类，以提高分类结果的可解释性和可信度	IMPA-Net不仅预测肿瘤等级，还提供了模型可解释性的全局解释和预测结果的局部解释，使医疗工作者能够理解模型的推理过程	NA	提高脑肿瘤分类结果的可解释性和可信度	脑肿瘤分类	计算机视觉	脑肿瘤	深度学习	IMPA-Net	MRI图像	BraTS2017数据集
617	2024-08-07	A Deep Learning Approach for Chromium Detection and Characterization from Soil Hyperspectral Data 2024-May-11, Toxics IF:3.9Q1 DOI:10.3390/toxics12050357 PMID:38787136	研究论文	本研究利用深度神经网络（DNN）方法，基于Land Use and Cover Area frame Survey（LUCAS）数据集，开发了一种具有良好泛化性和准确性的土壤铬（Cr）含量预测模型	本研究通过优化光谱预处理方法和DNN超参数，构建了最优的DNN模型，实现了对土壤Cr含量的有效检测，并识别了四个对Cr敏感的重要高光谱波段	NA	开发一种更高效的土壤Cr含量检测方法	土壤中的铬含量	机器学习	NA	深度神经网络（DNN）	DNN	高光谱数据	基于Land Use and Cover Area frame Survey（LUCAS）数据集
618	2024-08-07	MedKnee: A New Deep Learning-Based Software for Automated Prediction of Radiographic Knee Osteoarthritis 2024-May-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14100993 PMID:38786291	研究论文	本文开发了一种名为MedKnee的新型深度学习软件，用于自动预测放射学膝关节骨性关节炎，并根据Kellgren和Lawrence评分辅助医生诊断	MedKnee软件利用预训练的Xception模型进行迁移学习，并在图形用户界面中部署，实现了高准确率的膝关节骨性关节炎诊断	NA	开发一种深度学习软件，辅助医生进行膝关节骨性关节炎的诊断	膝关节骨性关节炎的诊断	计算机视觉	骨性关节炎	深度学习	Xception	图像	5000张膝关节X光图像
619	2024-08-07	Human versus Artificial Intelligence: Validation of a Deep Learning Model for Retinal Layer and Fluid Segmentation in Optical Coherence Tomography Images from Patients with Age-Related Macular Degeneration 2024-May-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14100975 PMID:38786273	研究论文	本研究旨在通过比较深度学习算法与手动调整的金标准方法在光学相干断层扫描（OCT）图像中对视网膜层和液体的分割，来验证深度学习算法在年龄相关性黄斑变性（AMD）患者中的应用。	深度学习系统能够准确识别出疾病阶段间的外层视网膜厚度差异，并在渗出性病例中准确识别液体。	在疾病较严重的眼中，深度学习算法与金标准方法之间存在显著的差异，需要进一步的准确性测试以确认其在实际应用中的有效性。	验证深度学习算法在光学相干断层扫描图像中对视网膜层和液体分割的准确性。	健康受试者和年龄相关性黄斑变性（AMD）患者的OCT图像。	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描（OCT）	深度学习（DL）	图像	共60张OCT图像，包括健康受试者和不同阶段的AMD患者。
620	2024-08-07	CSDNet: A Novel Deep Learning Framework for Improved Cataract State Detection 2024-May-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14100983 PMID:38786279	研究论文	本文介绍了一种名为CSDNet的新型深度学习框架，用于改善白内障状态的检测	CSDNet通过使用较小的内核、更少的训练参数和层，有效地减少了可训练参数的数量，降低了计算成本和平均运行时间	NA	创建一个更轻量级和适应性强的框架，适用于内存或存储容量有限的环境或设备	白内障状态的检测	机器学习	眼科疾病	深度学习	CSDNet	图像	使用来自Ocular Disease Intelligent Recognition (ODIR)数据库的白内障和正常图像