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
741	2024-08-05	An AS-OCT image dataset for deep learning-enabled segmentation and 3D reconstruction for keratitis 2024-Jun-13, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03464-0 PMID:38871784	研究论文	本文提供了一个用于角膜炎深度学习分割和3D重建的AS-OCT影像数据集	创建了一个1168个AS-OCT图像的开放获取数据集，支持角膜炎图像的深度学习分析	NA	推动AS-OCT图像分析技术的发展	角膜炎患者的AS-OCT影像	数字病理学	角膜炎	AS-OCT	深度学习	图像	1168个AS-OCT影像（6名患者）
742	2024-08-05	Quantitative Evaluation of the Pore and Window Sizes of Tissue Engineering Scaffolds on Scanning Electron Microscope Images Using Deep Learning 2024-Jun-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c01234 PMID:38882138	研究论文	本研究开发了一种深度学习模型Pore D，用于自动定量评估组织工程支架的孔和窗尺寸	首次使用深度学习模型自动量化开放孔支架的形态特征	由于该研究仅限于特定条件下制造的支架，可能不适用于所有类型的支架	旨在精确控制组织工程支架的形态特征，以满足特定应用的需求	研究对象是不同制造条件下的开放孔支架	数字病理学	NA	扫描电子显微镜	深度学习模型	图像	多种制造条件下的不同形态支架
743	2024-08-05	Brain age predicted using graph convolutional neural network explains neurodevelopmental trajectory in preterm neonates 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10414-8 PMID:37957363	研究论文	本研究探讨了利用图卷积神经网络预测的脑龄与早产儿的神经发育结果之间的关联	提出了一种基于脑形态学和图卷积网络的新脑龄指数，提高了预测脑龄的准确性和临床解释能力	研究未考虑围产期脑损伤对神经发育结果的影响	理解早产儿的神经发育轨迹以及如何通过预测脑龄进行早期干预	577个早产儿的T1 MRI扫描图像	数字病理学	NA	图卷积神经网络	NA	图像	577个早产儿的T1 MRI扫描
744	2024-08-05	Prediction of cerebral hemorrhagic transformation after thrombectomy using a deep learning of dual-energy CT 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10432-6 PMID:37950080	研究论文	本研究开发并验证了一种深度学习模型，以预测血栓清除术后的出血性转化	使用双能计算机断层扫描的卷积神经网络无须标注感兴趣区域即可进行准确预测	本研究为回顾性研究，可能存在选择偏倚	研究旨在建立和验证预测急性中风后出血性转化的深度学习模型	研究对象包括在2019年5月至2023年2月间接受血管内血栓清除术的急性前循环堵塞患者	计算机视觉	急性中风	双能CT	卷积神经网络（CNN）	影像	202名患者（平均年龄71.4岁）
745	2024-08-05	Weakly supervised deep learning for diagnosis of multiple vertebral compression fractures in CT 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10394-9 PMID:37973631	研究论文	本研究旨在开发一种弱监督深度学习模型，用于CT图像中椎体压缩骨折的分类	提出的弱监督模型在椎体级压缩骨折分类中可能具有与监督模型相当或更好的性能	在L2的敏感性低于监督模型，但差异无显著性	旨在利用图像级标签数据进行椎体级别的椎体压缩骨折分类	研究对象为815名患者，包括正常患者和椎体压缩骨折患者	数字病理学	NA	深度学习	弱监督模型	图像	815名患者，包含507名正常患者和308名椎体压缩骨折患者
746	2024-08-05	Automatic image segmentation and online survival prediction model of medulloblastoma based on machine learning 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10316-9 PMID:37994966	研究论文	本研究开发了一种动态列线图，整合放射组学特征和临床特征，以估计髓母细胞瘤患者的整体生存率，并设计了一种自动图像分割模型来降低劳动和时间成本	引入了结合放射组学特征与临床特征的生存预测模型，提高了髓母细胞瘤患者生存率预估的准确性，同时建立了MRI图像的自动分割模型	研究中使用的数据仅限于217名患者，可能影响结果的广泛适用性	旨在提升髓母细胞瘤患者的生存率预测准确性并减少图像处理的时间和劳动成本	217名髓母细胞瘤患者的数据	机器学习	髓母细胞瘤	随机生存森林 (RSF)、LASSO回归、3D-Unet深度学习	Cox比例风险模型、深度学习模型	影像数据	217名髓母细胞瘤患者
747	2024-08-05	A dataset of ground-dwelling nocturnal fauna for object detection and classification 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110537 PMID:38882193	研究论文	本文揭示了一个名为BioAuxdataset的注释数据集，旨在通过多年的野外图像采集促进夜行性地面生物的识别	该数据集包含超过100,000张原始野外图像，并采用图像增强技术来提高数据质量	对于数据集中表现不足的物种，数据增强技术的应用可能无法完全解决样本不足的问题	促进对夜行性地面生物的识别，助力生态研究和其他应用领域	七种常见的夜行性地面生物，包括步甲、老鼠、蛛形纲、蛞蝓、鼩鼱、小蛞蝓和虫子	计算机视觉	NA	深度学习算法	NA	图像	超过100,000张原始野外图像，涵盖七种生物
748	2024-08-05	Feasibility and limitations of deep learning-based coronary calcium scoring in PET-CT: a comparison with coronary calcium score CT 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10390-z PMID:37962596	研究论文	本研究旨在确定基于深度学习的冠状动脉钙评分在PET-CT中的可行性及局限性。	比较使用人工智能的PET-CT与传统的冠状动脉钙CT在计算冠状动脉钙评分中的效果，提供了新的视角。	相对较高的假阴性结果和低估趋势应引起关注。	研究人工智能辅助的冠状动脉钙评分在PET-CT中的应用效果和局限。	共215名接受CaCT和PET-CT检查的个体。	数字病理学	心血管疾病	PET-CT, ECG-门控非增强心脏CT	人工智能	影像	215名个体
749	2024-08-05	Segmented X-ray image data for diagnosing dental periapical diseases using deep learning 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110539 PMID:38882192	研究论文	本研究提供了一个包含健康与病态患者的牙齿周围X光片的分割数据集	采用先进的图像分割方法，将数据集分类为健康和病态牙病患者，奠定了自动化检测系统的基础	NA	研究旨在提高牙周病的诊断准确性	包含929张高质量的牙周X光片，涵盖不同年龄和牙齿疾病的患者	数字病理学	NA	深度学习	NA	图像	929张牙周X光图像
750	2024-08-05	Impact of real-life use of artificial intelligence as support for human reading in a population-based breast cancer screening program with mammography and tomosynthesis 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10426-4 PMID:37975920	研究论文	评估人工智能作为辅助工具对乳腺癌筛查项目双重阅读的影响	首次在真实世界场景中使用人工智能系统支持人类双重阅读，提高乳腺癌检测率和阳性预测值	研究未深入探讨人工智能系统的具体实施细节和与不同人群的泛化能力	研究人工智能在乳腺癌筛查中的应用效果	对2021年3月至2022年3月期间参与乳腺癌筛查的11998名女性进行分析	数字病理	乳腺癌	数字乳腺摄影和数字乳腺断层合成	深度学习	图像	11998名女性（5049名接受数字乳腺摄影，6949名接受数字乳腺断层合成）
751	2024-08-05	Radiomics for the identification of extraprostatic extension with prostate MRI: a systematic review and meta-analysis 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10427-3 PMID:37955670	meta-analysis	本研究系统回顾了MRI放射组学在前列腺癌EPE预测中的应用	本研究通过荟萃分析探讨了MRI放射组学在前列腺癌外前列腺扩展预测中的潜力	本研究提到包含的研究在设计和方法学质量上存在局限性	探讨MRI放射组学在前列腺癌外前列腺扩展预测中的有效性	评估MRI基础的放射组学方法对前列腺癌EPE识别的准确性	digital pathology	prostate cancer	MRI	NA	radiomics data	包含了13项研究的数据
752	2024-08-05	MRI-based automated multitask deep learning system to evaluate supraspinatus tendon injuries 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10392-x PMID:37964049	研究论文	本研究建立了一种基于MRI的自动化多任务深度学习系统来评估肩胛上肌腱损伤	该系统在肩胛上肌腱损伤的分类上表现优于经验丰富的放射科医生	未提及具体的局限性	研究旨在构建一种高效的MRI自动化多任务深度学习系统以评估肩胛上肌腱损伤	3087名患者根据关节镜发现分为正常、退行性和撕裂三组	计算机视觉	NA	深度学习	RC-MTL模型，VGG16	图像	3087名患者，外部验证573名患者
753	2024-08-05	Solution-state methyl NMR spectroscopy of large non-deuterated proteins enabled by deep neural networks 2024-Jun-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49378-8 PMID:38871714	研究论文	本文展示了使用深度神经网络处理质子化样本的NMR光谱，以解决大分子样品准备的挑战。	本研究创新性地展示了在不进行氘代的情况下，通过深度神经网络获得高质量的NMR光谱。	研究中可能仍存在对数据处理及解读的限制，且未涉及所有类型的大分子蛋白质。	探讨使用深度学习分析复杂磁共振数据的方法，以促进对大生物分子的研究。	研究涉及分子量在42-360 kDa范围内的三种蛋白质及大肠杆菌苹果酸合成酶G（81 kDa）。	数字病理学	NA	NMR光谱	深度神经网络	光谱数据	三种蛋白质
754	2024-08-05	Active gas camera mass flow quantification (qOGI): Application in a biogas plant and comparison to state-of-the-art gas cams 2024-Jun-01, The Review of scientific instruments DOI:10.1063/5.0206155 PMID:38884562	研究论文	本文介绍了一种用于气体流量量化的新型主动气体相机，并在生物气体工厂进行应用。	本文创新地增强了气体相机的灵敏度适应性和相机-气体距离检测功能，首次实现了主动与被动气体相机间的比较。	本文未详细讨论在不同环境条件下该技术的普遍适用性。	研究气体流量的量化技术，评估主动气体相机在实际应用中的性能。	本研究对象为德国一座生物气体工厂中的气体泄漏情况。	数字道歉病理学	NA	激光光谱法和深度学习	NA	气体浓度	在生物气体工厂测量了一次气体泄漏情况
755	2024-08-05	Automated blood volume estimation in surgical drains for clinical decision support 2024-Jun, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202406_36375 PMID:38884505	研究论文	本文提出了一种利用深度学习技术自动估算手术引流管中血液体积的方法	创新点在于使用非接触方法和深度学习技术自动检测引流管，并计算血液体积	尚未提及系统在不同临床环境下的长期稳定性测试	研究旨在创建一个自动化的血液体积监测系统，以支持临床决策	主要研究对象是手术引流管中的血液体积监测	计算机视觉	NA	深度学习	语义分割	图像	使用了1004张在各种背景和光照条件下拍摄的图像
756	2024-08-05	A systematic review of brain metastases from lung cancer using magnetic resonance neuroimaging: Clinical and technical aspects 2024-Jun, Journal of medical radiation sciences IF:1.8Q3 DOI:10.1002/jmrs.756 PMID:38234262	综述	本综述总结了与肺癌相关的脑转移瘤在磁共振成像技术方面的最新进展	文章创新性地展示了先进的磁共振成像技术在脑转移瘤管理中的应用，如灌注加权成像(PWI)和扩散加权成像(DWI)	文章可能未能包括所有相关研究，可能存在偏倚的文献选择	探讨磁共振成像技术在肺癌脑转移瘤中的临床和技术应用	涉及2013年1月至2023年3月间进行的脑转移瘤相关的65项研究	数字病理学	肺癌	磁共振成像(MRI)	深度学习(DL)	文本	65项研究
757	2024-08-05	A deep-learning-based model for assessment of autoimmune hepatitis from histology: AI(H) 2024-Jun-15, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-024-03841-5 PMID:38879691	研究论文	该文章开发了一种基于深度学习的工具，用于评估自身免疫性肝炎的组织学结果	提出了一种深度学习模型，能够从常规病理切片中提供可重复、可量化且可解释的结果	没有提及该工具在临床应用中的实际效果	研究旨在提高自身免疫性肝炎活检的评估精度和一致性	使用123例确诊自身免疫性肝炎的肝活检样本进行模型训练	数字病理学	自身免疫性肝炎	深度学习	卷积神经网络(CNN)	图像	123例肝活检样本
758	2024-08-05	Potential rapid intraoperative cancer diagnosis using dynamic full-field optical coherence tomography and deep learning: A prospective cohort study in breast cancer patients 2024-Jun-15, Science bulletin IF:18.8Q1 DOI:10.1016/j.scib.2024.03.061 PMID:38702279	研究论文	本研究结合动态全景光学相干断层成像和深度学习，提供了一种快速的乳腺癌术中自动化诊断工作流程	本研究创新性地使用动态全景光学相干断层成像(D-FFOCT)与深度学习相结合，实现了无标签的快速肿瘤诊断	研究可能未覆盖所有类型的乳腺肿瘤样本	研究旨在提高乳腺癌术中诊断的速度和准确性	乳腺癌患者的良性与恶性组织	数字病理学	乳腺癌	动态全景光学相干断层成像(D-FFOCT)	深度学习模型	图像	建模组包含182例样本，独立测试组包含42例样本
759	2024-08-05	Recurrent quantum embedding neural network and its application in vulnerability detection 2024-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63021-y PMID:38871946	研究论文	本论文提出了一种递归量子嵌入神经网络用于漏洞检测。	创新点在于结合了递归量子嵌入神经网络与自然语言处理，显著减少了内存消耗和参数数量。	没有提到具体的局限性。	研究旨在提高漏洞检测任务的性能和资源利用效率。	研究对象为漏洞检测任务中的量子自然语言处理方法。	自然语言处理	NA	量子计算	递归量子嵌入神经网络	NA	NA
760	2024-08-05	Sentiment analysis of the Hamas-Israel war on YouTube comments using deep learning 2024-06-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63367-3 PMID:38871739	研究论文	本研究利用深度学习对YouTube评论中的哈马斯-以色列战争进行情感分析。	提出了一种深度学习方法，对哈马斯-以色列战争评论进行情感分析，填补了相关领域的研究空白。	未提供对不同社交媒体平台上评论的全面分析，可能限制了结果的广泛适用性。	旨在通过分析公众对哈马斯-以色列战争的意见，提供对不同立场的见解。	研究对象为从YouTube新闻频道收集的关于哈马斯-以色列战争的评论。	自然语言处理	NA	NLP	LSTM, Bi-LSTM, GRU, CNN和Bi-LSTM混合	文本	收集了24,360条评论