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
621	2024-08-07	The artistic image processing for visual healing in smart city 2024-07-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68082-7 PMID:39039163	研究论文	本研究探讨了艺术图像处理在智慧城市背景下对城市居民心理健康和生活质量的视觉治疗效果	提出了重叠分割视觉变换器（OSViT）结合双向长短期记忆（BiLSTM）算法的艺术图像处理和分类识别模型	NA	探讨艺术图像处理在智慧城市中的应用及其对居民心理健康的影响	艺术图像及其处理技术	数字病理学	NA	深度学习技术	OSViT-BiLSTM	图像	涉及多个场景的艺术图像，用户反馈超过90%满意
622	2024-08-07	YOLO-Granada: a lightweight attentioned Yolo for pomegranates fruit detection 2024-07-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67526-4 PMID:39039263	研究论文	提出了一种轻量级的YOLO-Granada算法用于石榴果实检测	基于YOLOv5改进算法，使用ShuffleNetv2作为骨干网，并结合注意力机制提升检测精度和速度	与原始YOLOv5s模型的精度相差不到1%，但模型压缩和速度提升仍有改进空间	开发智能管理系统以提高石榴果园的产量和管理效率	石榴果实的检测	计算机视觉	NA	深度学习	YOLOv5	图像	NA
623	2024-08-07	Automated PD-L1 status prediction in lung cancer with multi-modal PET/CT fusion 2024-07-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66487-y PMID:39030240	研究论文	本文研究了如何利用多模态PET/CT融合自动预测肺癌中的PD-L1状态	提出了使用不同数据融合方案的深度学习模型来进行PD-L1状态的预测，并发现PET和CT融合的表现优于单独使用	在晚期融合架构中，虽然权重共享可能提高模型的稳定性，但并不总能带来更好的结果	评估不同融合方法在非小细胞肺癌中预测PD-L1状态的性能	189名肺癌患者的非侵入性CT和PET图像	计算机视觉	肺癌	PET/CT成像	ResNet, DenseNet, EfficientNet	图像	189名非小细胞肺癌患者的PET和CT图像
624	2024-08-07	Exploring deep learning strategies for intervertebral disc herniation detection on veterinary MRI 2024-07-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67749-5 PMID:39030338	研究论文	本文旨在自动化兽医MRI中椎间盘突出（IVDH）病灶的检测和定位	引入了一种新的脊柱定位模块，并成功集成到不同的目标检测模型中，以提高IVDH检测的精准度	未提供对小型猫数据集适应的详细评估	研究AI在兽医护理中的应用，推动兽医放射学的发展	213只不同品种、年龄和体型的宠物狗的T2加权矢状面MRI图像	计算机视觉	脊柱疾病	深度学习	传统两阶段检测模型及YOLOX检测器	图像	213张宠物狗的MRI图像
625	2024-08-07	Intelligent breast cancer diagnosis with two-stage using mammogram images 2024-07-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65926-0 PMID:39030248	研究论文	这篇文章提出了一种基于深度学习的乳腺癌筛查新方法，利用乳腺X光图像进行智能诊断	引入了ACA-ATRUNet和ACA-AMDN模型，并通过MML-EOO算法优化超参数	未提及具体样本的多样性或模型在其他类型图像上的适应性	优化乳腺癌的早期检测方法	使用乳腺X光图像进行乳腺癌识别和分类	计算机视觉	乳腺癌	深度学习，乳腺X光	ACA-ATRUNet，ACA-AMDN	图像	来自已建立基准源的数据集
626	2024-08-05	A Multimorbidity Analysis of Hospitalized Patients With COVID-19 in Northwest Italy: Longitudinal Study Using Evolutionary Machine Learning and Health Administrative Data 2024-Jul-18, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/52353 PMID:39024001	研究论文	该研究分析了在意大利西北部住院的COVID-19患者的多重合并症情况	提出了一种进化机器学习模型，以处理数据稀疏性并识别与COVID-19严重性密切相关的多重合并症特征组合	由于多重合并症的稀有性，临床数据管理面临重大挑战，具体表现为数据的稀疏性和组合多重合并症特征的复杂排列问题	评估多重合并症患者的COVID-19严重性，并识别与之相关的最优特征组合	研究对象为12793名在2020年2月至5月之间确诊为COVID-19的45至74岁患者	机器学习	NA	进化机器学习	深度学习分类器	医疗历史数据	12793个患者样本
627	2024-08-05	Cross-attention enables deep learning on limited omics-imaging-clinical data of 130 lung cancer patients 2024-Jul-15, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100817 PMID:38981473	研究论文	本文提出了两种深度学习模型用于非小细胞肺癌患者的生存预后预测	通过引入交叉注意力机制，显著提升了模型在小样本数据上的表现，并突出了肿瘤区域和相关基因	仅使用了130名患者的数据，样本量较小	开发能够在数据有限的情况下进行生存预测的深度学习模型	非小细胞肺癌患者	数字病理学	肺癌	深度学习	稀疏自编码器	图像和基因表达数据	130名肺癌患者
628	2024-08-05	Fatecode enables cell fate regulator prediction using classification-supervised autoencoder perturbation 2024-Jul-15, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100819 PMID:38986613	研究论文	本研究提出了一种名为Fatecode的计算方法，用于基于单细胞RNA测序数据预测细胞命运调控因子。	Fatecode利用深度学习的分类监督自编码器学习单细胞RNA测序数据的潜在表示，并通过对这一表示的扰动实验来预测基因。	未提及具体的局限性	加速细胞重编程技术的发展，以促进组织修复和再生。	研究对象为细胞命运调控因子。	数字病理学	NA	单细胞RNA测序	深度学习自编码器	RNA测序数据	使用了来自不同生物体的血液和大脑发育的单细胞RNA-seq数据
629	2024-08-04	Stepwise Transfer Learning for Expert-level Pediatric Brain Tumor MRI Segmentation in a Limited Data Scenario 2024-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.230254 PMID:38984985	研究论文	本文开发并评估了一种基于逐步迁移学习的深度学习模型，用于儿童脑肿瘤的MRI分割。	采用逐步迁移学习的方法，在有限数据场景中实现了专家级的儿童脑肿瘤自动分割，具有较高的临床可接受性。	研究基于回顾性数据，外部验证样本数量有限，可能影响结果的广泛适用性。	探讨深度学习在儿童脑肿瘤分割中的应用及其临床可接受性。	研究对象为儿童低级别胶质瘤的MRI数据集，分析其在分割过程中的表现。	计算机视觉	脑肿瘤	深度学习	NA	MRI图像	284个MRI扫描（184个来自国家脑肿瘤联盟，100个来自儿童癌症中心）
630	2024-08-05	Impact of Transfer Learning Using Local Data on Performance of a Deep Learning Model for Screening Mammography 2024-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.230383 PMID:38717291	研究论文	研究使用转移学习的本地数据对深度学习模型在筛查乳腺X光中的表现的影响	探讨了深度学习模型在不同地区数据集上的可推广性和再现性	研究仅基于一个地方的数据集，可能影响结果的普遍适用性	评估深度学习系统在当地数据集上的性能	涉及南澳大利亚公共乳腺筛查计划中确诊病变和匹配年龄对照的个体	计算机视觉	乳腺癌	深度学习算法	卷积神经网络（CNN）	图像	959名女性
631	2024-08-05	Deep Learning Prostate MRI Segmentation Accuracy and Robustness: A Systematic Review 2024-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.230138 PMID:38568094	系统综述	本研究调查了不同训练数据量、MRI厂商、前列腺区域和测试方法下，深度学习对前列腺分割的准确性和鲁棒性。	本研究比较了深度学习算法在前列腺MRI分割中的表现与专业放射科医师的表现，发现深度学习算法的准确性相似于专家水平。	本研究未对不同临床环境下的分割鲁棒性和患者结果进行评估。	探讨深度学习在前列腺MRI分割中的应用及其准确性和鲁棒性。	本研究聚焦于使用深度学习算法进行前列腺MRI分割的多个相关研究。	计算机视觉	前列腺癌	深度学习	NA	图像	48个研究
632	2024-08-05	Improving Automated Hemorrhage Detection at Sparse-View CT via U-Net-based Artifact Reduction 2024-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.230275 PMID:38717293	研究论文	本文探索了基于深度学习的伪影去除对稀疏视角颅脑CT扫描的自动出血检测的潜在益处	采用U-Net模型进行伪影去除显著提高了稀疏视角CT图像的质量和自动出血检测能力	研究为回顾性，样本来源于公共数据库，可能存在选择偏差	改善稀疏视角CT扫描中的自动出血检测性能	对3000名患者的稀疏视角颅脑CT扫描进行伪影去除和出血检测	数字病理学	NA	深度学习，U-Net	U-Net，EfficientNet-B2	图像	3000名患者的稀疏视角颅脑CT扫描和17545名患者的全视角CT数据
633	2024-08-05	Deep Learning for Breast Cancer Risk Prediction: Application to a Large Representative UK Screening Cohort 2024-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.230431 PMID:38775671	研究论文	开发了一种深度学习人工智能工具，能够根据当前阴性筛查的乳腺X线摄影检查预测未来乳腺癌风险	首次将深度学习模型应用于基于阴性筛查结果的乳腺癌风险预测	排除了伴随植入物的图像及确诊癌症的筛查，可能影响结果的普遍适用性	评估人工智能模型在乳腺癌风险预测中的有效性	来自英国国家健康服务乳腺筛查程序的女性筛查数据	数字病理学	乳腺癌	深度学习	深度学习模型	影像	总体样本量为520,000，其中包括5264个风险阳性和191,488个风险阴性筛查结果
634	2024-08-05	Future Perspectives of Artificial Intelligence in Bone Marrow Dosimetry and Individualized Radioligand Therapy 2024-Jul, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2024.06.003 PMID:39013673	review	这篇综述提供了人工智能在骨髓剂量测定和个性化放射配体治疗中的未来前景	文章创新性在于提出了将人工智能方法集成到核医学剂量测定中的机会	NA	探讨人工智能在改善骨髓和血液剂量测定准确性中的应用	主要关注于放射配体治疗相关的血液学副作用	NA	NA	机器学习和深度学习算法	NA	NA	NA
635	2024-08-07	Vision Transformer-based Deep Learning Models Accelerate Further Research for Predicting Neurosurgical Intervention 2024-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.240117 PMID:38864744	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
636	2024-08-04	Attention-enhanced dilated convolution for Parkinson's disease detection using transcranial sonography 2024-Jul-31, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-024-01265-5 PMID:39085884	研究论文	本文介绍了一种增强注意力的膨胀卷积方法，旨在通过经颅超声检测帕金森病	提出了一种名为AMSNet的深度学习残差网络模型，通过注意力机制和多尺度特征提取来提高诊断精度	尚未讨论现有方法在实际临床应用中的限制和挑战	开发一种新方法以提高经颅超声对帕金森病的诊断准确性	包含来自1109名参与者的经颅超声图像及个人数据	数字病理学	帕金森病	深度学习	残差网络	图像	1109个参与者的经颅超声图像
637	2024-08-04	Mixed T-domain and TF-domain Magnitude and Phase representations for GAN-based speech enhancement 2024-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68708-w PMID:39085424	研究论文	本文提出了一种名为 M-DGAN 的新方法，通过在时间-频率生成框架中引入时间域编码器-解码器结构以提高语音增强效果	提出了一种新的生成器结构，结合了混合的时间域和时间-频率域的幅度和相位表示	未提及具体的限制	提升在嘈杂条件下的语音信号质量	针对语音增强任务进行的模型测试	深度学习	NA	NA	混合生成对抗网络	音频	使用了 Voice Bank + DEMAND 公共数据集及 NISQA_TEST_LIVETALK 实际数据集进行测试
638	2024-08-04	CT-based deep learning radiomics biomarker for programmed cell death ligand 1 expression in non-small cell lung cancer 2024-Jul-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01380-8 PMID:39085788	研究论文	该文章探讨了基于CT的深度学习放射组学特征在非小细胞肺癌中预测PD-L1表达的价值	提出了一种新的CT基于深度学习的放射组学生物标志物，能够有效预测非小细胞肺癌中的PD-L1表达	在验证队列中的表现相对较低，提示临床应用可能有限	研究CT图像中深度学习放射组学特征在预测非小细胞肺癌PD-L1表达中的价值	259名病理学确认的非小细胞肺癌患者	数字病理学	肺癌	深度学习，放射组学	NA	CT图像	259名患者
639	2024-08-04	DGCPPISP: a PPI site prediction model based on dynamic graph convolutional network and two-stage transfer learning 2024-Jul-31, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05864-w PMID:39085781	研究论文	本文提出了一种基于动态图卷积神经网络和两阶段迁移学习的新型PPI位点预测模型DGCPPISP	采用双重视角进行迁移学习，从特征输入和模型训练方面为模型提供有效的先验知识	方法的局限性在于深度学习算法在PPI位点预测中的提升性能仍面临挑战	提升PPI位点预测的准确性	针对蛋白质中的PPI位点进行预测	计算机视觉	NA	动态图卷积神经网络	NA	数据集	使用了两个基准数据集进行性能评估
640	2024-08-04	Improving the performance of deep learning models in predicting and classifying gamma passing rates with discriminative features and a class balancing technique: a retrospective cohort study 2024-Jul-31, Radiation oncology (London, England) DOI:10.1186/s13014-024-02496-5 PMID:39085872	研究论文	本文旨在通过使用与机器参数相关的输入特征和类平衡技术来提高深度学习模型在IMRT伽玛通过率预测与分类中的性能	提出了一种新的加权均方误差损失函数，能够在通过和未通过场的预测准确性之间取得平衡	可能无法全面评估所有影响因素，仅基于收集的数据集进行分析	提高深度学习模型的预测和分类性能，特别是针对鼻咽癌患者的IMRT伽玛通过率	分析来自204个鼻咽癌患者的2348个IMRT计划场的历史数据	机器学习	鼻咽癌	深度学习	UNet++	数值数据	2348个场