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
521	2024-08-05	Development of an automatic surgical planning system for high tibial osteotomy using artificial intelligence 2024-Jun, The Knee DOI:10.1016/j.knee.2024.03.008 PMID:38599029	研究论文	本研究提出了一种基于深度学习的高胫骨截骨自动手术规划系统，并验证了其准确性	该系统能够快速准确地测量下肢对齐参数，并且测量时间远短于外科医生	研究未提及大样本数据或长期随访结果	研究旨在开发一种提高高胫骨截骨手术规划效率和准确性的智能系统	107名接受高胫骨截骨的患者及其整个腿部站立X光片	数字病理学	NA	深度学习	NA	X光片	107张来自107名患者的整个腿部站立X光片
522	2024-08-05	Deep learning to quantify care manipulation activities in neonatal intensive care units 2024-Jun-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01164-y PMID:38937643	研究论文	本研究旨在量化新生儿重症监护病房中的护理操作活动	开发了一种深度学习方法以从视频中检测操作活动，估算其持续时间和频率，并整合生理信号以评估反应	相对误差容忍度为13.8%的活动持续时间和频率，结果仅与人工注释相当	监测新生儿重症监护中的压力	27名新生儿在2个新生儿重症监护病房中的330次会话	计算机视觉	NA	深度学习	NA	视频和生理信号	27名新生儿，289小时视频记录和生理数据
523	2024-08-05	Fully automated assessment of the future liver remnant in a blood-free setting via CT before major hepatectomy via deep learning 2024-Jun-27, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01724-6 PMID:38935177	研究论文	本研究开发并验证了一种用于血液-free环境下CT影像的肝脏未来残余肝脏的深度学习模型	开发了全自动的肝静脉和门静脉分割模型，并成功应用于主要肝切除术前的FLR评估	没有提到模型在不同病灶或患者特征下的适用性	目的在于提高肝脏未来残余肝脏的评估准确性和自动化水平	包括170名在2018年1月至2019年3月期间接受治疗的患者	数字病理	NA	CT影像	3D U-Net	影像	170名患者
524	2024-08-05	Simulation-driven design of smart gloves for gesture recognition 2024-06-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65069-2 PMID:38937537	研究论文	本文提出了一个开放的仿真平台用于设计智能手套，以实现手势识别	创新点在于利用单目视频而非精确运动数据，并通过新方法减少运动提取误差的影响	具体样本数量及其多样性未在摘要中说明	研究智能手套的设计，以提高手势识别的效率和准确性	智能手套的传感器布局和深度学习模型	计算机视觉	NA	深度学习	NA	视频	NA
525	2024-08-05	Addressing label noise for electronic health records: insights from computer vision for tabular data 2024-Jun-27, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02581-5 PMID:38937744	研究论文	本研究探讨了如何通过计算机视觉算法减轻电子健康记录中的标签噪声对深度学习模型的影响	将计算机视觉算法应用于电子健康记录，以应对标签噪声的挑战	不确定计算机视觉方法在电子健康记录领域的有效性，因为两个领域之间存在显著差异	旨在提高深度学习模型在电子健康记录中应对标签噪声的能力	电子健康记录数据中的标签噪声	机器学习	COVID-19	深度学习	未指定	电子健康记录数据	未指定
526	2024-08-05	Deformation-encoding Deep Learning Transformer for High-Frame-Rate Cardiac Cine MRI 2024-Jun, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.230177 PMID:38722232	研究论文	本研究开发了一种深度学习模型，以提高心脏cine MRI的帧率，同时保持空间分辨率和扫描时间	提出了一种基于transformer的深度学习模型，能够在提高帧率的同时保持图像质量	在不同成像设备和磁场强度下进行的回归分析未能完全排除所有潜在误差	研究旨在提高心脏cine MRI的图像帧率	对来自5840名患者回顾性cine图像进行分析，及对49名临床心脏MRI参与者实现前瞻性研究	数字病理学	心血管疾病	MRI	Transformer	影像	5840名患者的回顾性样本和49名参与者的前瞻性样本
527	2024-08-05	Deep learning based automated left ventricle segmentation and flow quantification in 4D flow cardiac MRI 2024 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2023.100003 PMID:38211658	研究论文	本研究开发并评估基于深度学习的方法，以直接从4D流动MRI中分割左心室并定量血流。	提出了用于从短轴重构的4D流动体积中进行左心室自动分割的新型深度学习网络和特征融合方法	评估只基于内部数据集，可能存在样本偏差	旨在提高4D流动MRI中的左心室分割和血流定量分析的准确性	以101名受试者的4D流动MRI数据为研究对象	计算机视觉	心血管疾病	4D流动MRI	2D U-Net	图像	101个受试者，67,567个2D图像和3030个3D体积
528	2024-08-07	Seeing between Time: Higher Frame Rate Cardiac Cine MRI using Deep Learning 2024-Jun, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240140 PMID:38842457	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
529	2024-08-05	A novel radiomics approach for predicting TACE outcomes in hepatocellular carcinoma patients using deep learning for multi-organ segmentation 2024-06-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65630-z PMID:38926517	研究论文	本研究提出了一种新的放射组学方法，利用深度学习进行多脏器分割，以预测肝细胞癌患者的TACE治疗结果	本研究采用全自动的、预训练的深度学习模型，从多个感兴趣的脏器体积中提取放射组学特征，克服了传统模型手动分割的限制	本研究的局限性在于未能考虑所有可能影响TACE结果的临床因素	本研究旨在开发一种新的方法来预测肝细胞癌患者的TACE治疗结果	研究对象为252名接受TACE治疗的肝细胞癌患者	数字病理学	肝癌	深度学习	随机生存森林模型	CT图像	252名肝细胞癌患者
530	2024-08-05	CT imaging-derived phenotypes for abdominal muscle and their association with age and sex in a medical biobank 2024-06-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64603-6 PMID:38926479	研究论文	本研究探讨了通过CT成像获得的腹部肌肉表型及其与年龄和性别的关联	开发了一种全自动的技术来评估腹部肌肉IDP，并展示了与年龄和性别的差异，提供了个体肌肉的3D分割	本研究仅限于回顾性分析，样本选择和数据集的多样性可能影响结果的普遍适用性	研究腹部肌肉质量变化与年龄和性别的关系	利用医学生物库中不同人种的参与者的CT扫描数据进行分析	影像学	肌肉衰减症	CT扫描	深度残差U-Net	影像	110个CT研究，此外还有295个研究用于模型性能评估
531	2024-08-05	Imputation of label-free quantitative mass spectrometry-based proteomics data using self-supervised deep learning 2024-Jun-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48711-5 PMID:38926340	研究论文	本研究展示了如何使用自监督深度学习模型对缺失的质谱数据进行填充	创新点在于应用协同过滤、去噪自编码器和变分自编码器填充缺失数据，并结合深度学习方法进行分析	研究的限制在于仅在特定的酒精相关肝病队列中进行了验证，可能无法推广到其他类型的数据	研究的目的是改善质谱数据中的缺失值填充方法，以提高其分析的可靠性	研究对象是358名具有血浆蛋白组数据的酒精相关肝病个体	数字病理学	肝脏疾病	质谱	变分自编码器	蛋白组数据	358个个体的血浆蛋白组数据
532	2024-08-05	Deep learning image reconstruction generates thinner slice iodine maps with improved image quality to increase diagnostic acceptance and lesion conspicuity: a prospective study on abdominal dual-energy CT 2024-Jun-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01334-0 PMID:38926711	研究论文	本文评估了深度学习图像重建在腹部双能CT中生成更薄切片碘图的图像质量和诊断接受度的提高	首次在腹部双能CT中应用深度学习图像重建技术以生成更薄的碘地图，并显著提高图像质量和诊断接受度	研究仅针对腹部双能CT的特定样本，结果的普遍适用性可能受到限制	研究深度学习图像重建在改善腹部双能CT图像质量和诊断接受度方面的作用	104名参与者和136个病变被纳入前瞻性研究	数字病理学	NA	深度学习图像重建	NA	图像	104名参与者和136个病变
533	2024-08-05	Prediction of CO2 solubility in Ionic liquids for CO2 capture using deep learning models 2024-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65499-y PMID:38926595	研究论文	本研究探讨了使用深度学习模型对离子液体中二氧化碳溶解度的预测	提出了一种深度神经网络模型来预测离子液体中的二氧化碳溶解度，并进行全球灵敏度分析	未提及具体的模型限度或数据集的局限性	优化二氧化碳捕集过程中的离子液体使用	研究了164种不同温度和压力条件下的离子液体中的二氧化碳溶解度	机器学习	NA	深度学习	人工神经网络(ANN)和长短期记忆网络(LSTM)	数据	10,116个二氧化碳溶解度数据
534	2024-08-05	Exploring the effect of domain-specific transfer learning for thyroid nodule classification 2024-Jun-26, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.06.011 PMID:38942163	研究论文	本文探讨了专域转移学习对甲状腺结节分类的影响	展示了RadImageNet作为甲状腺结节分类中的特域转移学习数据源的潜力	对模型在其他类型影像中的适用性缺乏验证	研究如何通过转移学习提高甲状腺结节分类模型的性能	对822例甲状腺结节的超声图像进行分析	计算机视觉	甲状腺疾病	深度学习	Resnet-18	图像	822例超声图像
535	2024-08-05	Securing China's rice harvest: unveiling dominant factors in production using multi-source data and hybrid machine learning models 2024-06-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64269-0 PMID:38926368	研究论文	本文分析了影响中国水稻生产的主要因素，利用多源数据和混合机器学习模型进行预测	创新点在于结合气候、遥感、土壤特性和农业统计数据，采用六种人工智能模型及其组合来优化水稻生产预测	未提及样本的时间跨度及数据质量可能影响结果	研究中国水稻生产的安全性及其可持续性	主要研究对象为中国的水稻种植区及其生产影响因素	机器学习	NA	遥感与多源数据集成	随机森林（RF）、极端梯度提升（XGB）、卷积神经网络（CNN）、长短期记忆（LSTM）	综合数据（气候、遥感、土壤特性、农业统计）	2000年至2017年的多源数据
536	2024-08-05	ROCOv2: Radiology Objects in COntext Version 2, an Updated Multimodal Image Dataset 2024-Jun-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03496-6 PMID:38926396	研究论文	本文介绍了更新版的放射学对象上下文数据集ROCOv2，包括放射图像及其相关的医学概念和说明。	ROCOv2是对2018年发布的ROCO数据集的更新版本，新增了35,705张图像，并提供了经过手动策划的成像模式概念。	数据集的具体使用限制或范围没有在摘要中提及	研究旨在提供医用图像分析所需的多模式数据集。	研究对象为包括放射图像在内的医学图像及其相关说明。	数字病理学	NA	NA	NA	图像	79,789张图像
537	2024-08-05	Deep learning model integrating cfDNA methylation and fragment size profiles for lung cancer diagnosis 2024-06-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63411-2 PMID:38926407	研究论文	本研究开发了一种结合cfDNA甲基化和片段大小特征的深度学习模型来诊断肺癌	创新之处在于将cfDNA甲基化数据与片段大小特征结合，构建深度学习模型，识别肺癌患者与健康个体的甲基化标记	研究主要依赖数据库的数据，可能存在数据集成偏差	本研究的目的是识别肺癌患者的甲基化标记，并开发相应的深度学习诊断模型	研究对象为肺癌患者和健康个体的cfDNA样本	数字病理学	肺癌	甲基化免疫沉淀测序和酶切全基因组甲基化测序	深度学习模型	cfDNA甲基化数据	142个肺癌样本和56个健康样本
538	2024-08-05	An integrated remote sensing, petrology, and field geology analyses for Neoproterozoic basement rocks in some parts of the southern Egyptian-Nubian Shield 2024-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62093-0 PMID:38926393	研究论文	本研究利用深度学习和卷积神经网络（CNN）结合现场地质学首次对埃及南东沙漠的Samadia-Tunduba地区进行地质绘图	首次将CNN算法与地质现场工作结合使用，提高了岩石单元的识别精度	研究区域的 geological maps 之前未能准确匹配区域特征	识别南埃及-努比亚地盾某些地区的不同岩石类型	Neoproterozoic 基底岩石和区域内的不同岩石单元	数字地质学	NA	深度学习，卷积神经网络（CNN）	CNN	图像	NA
539	2024-08-05	Accurate Prediction of NMR Chemical Shifts: Integrating DFT Calculations with Three-Dimensional Graph Neural Networks 2024-Jun-25, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00422 PMID:38842505	研究论文	本文提出了一种新型的三维图神经网络模型CSTShift，用于预测核磁共振化学位移。	创新在于将DFT计算的屏蔽张量描述符与原子特征相结合，捕捉各向同性和各向异性屏蔽效应。	在计算成本和预测准确性方面仍然存在一定的限制。	研究的目的是提高核磁共振化学位移的预测准确性。	研究对象为氢和碳的化学位移。	计算机视觉	NA	密度泛函理论（DFT）	三维图神经网络（GNN）	三维结构和屏蔽张量	NMRShiftDB2数据集和外部CHESHIRE数据集的高质量3D结构和化学位移
540	2024-08-05	Breast Cancer Molecular Subtype Prediction: A Mammography-Based AI Approach 2024-Jun-20, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12061371 PMID:38927578	研究论文	本研究介绍了一种基于乳腺X光影像的人工智能方法用于预测乳腺癌分子亚型	提出了一种针对乳腺癌分子亚型的新预测方法，利用乳腺X光影像和深度学习技术	分类结果受限于数据不平衡，虽然采取了一些策略进行改善，但仍可能影响最终准确性	研究乳腺癌分子亚型的预测方法以替代传统的活检方法	使用660名患者的1397幅乳腺X光影像进行分类	计算机视觉	乳腺癌	深度学习	ResNet-101	影像	660名患者的1397幅影像