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
661	2024-08-04	Explainable lung cancer classification with ensemble transfer learning of VGG16, Resnet50 and InceptionV3 using grad-cam 2024-Jul-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01345-x PMID:39030496	研究论文	本研究提出了一种集成深度学习方法，以提高医学影像诊断的准确性，专注于肺癌检测	结合预训练模型VGG16、ResNet50和InceptionV3，采用统一框架进行肺癌分类，改善了诊断的准确性	未提及具体的限制	提高医学影像中肺癌检测的诊断准确性	利用统一格式的数据集进行肺癌影像分类	计算机视觉	肺癌	深度学习	集成模型	影像	IQ-OTH/NCCD肺癌数据集，数据来自伊拉克肿瘤医院/国家癌症疾病中心，样本量未具体说明
662	2024-08-04	Affordable and real-time antimicrobial resistance prediction from multimodal electronic health records 2024-07-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66812-5 PMID:39013934	研究论文	本研究首次利用深度学习技术和多模态电子健康记录数据预测抗微生物抵抗性。	引入了一种多模态融合方法，将时间不变和时间序列数据合并以预测抗微生物抵抗性。	缺乏关于算法性能在不同人群或不同抗生素的广泛验证信息	旨在通过数据驱动模型预测抗微生物抵抗性，以帮助临床医生和微生物学家。	基于MIMIC-IV数据库的多模态数据，特别是患者的电子健康记录。	机器学习	NA	深度学习	NA	电子健康记录	使用了MIMIC-IV数据库中的患者数据
663	2024-08-04	Deep learning pose detection model for sow locomotion 2024-07-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62151-7 PMID:39013897	研究论文	本研究旨在开发一个用于自动识别母猪体特定部位的计算机视觉模型，从而帮助检测跛行。	提出了一种结合深度学习的自动识别和追踪母猪特定身体区域的模型，支持精准的畜牧生产管理。	当前系统依赖于先前训练的模型，可能无法处理未见过的姿势或运动方式。	开发一个自动化系统，以利用深度学习技术提高母猪跛行的检测精度。	母猪，特别是不同跛行评分的个体。	计算机视觉	NA	深度学习	LEAP架构	视频	使用了来自不同跛行评分母猪的视频图像数据库
664	2024-08-04	Deep learning application of vertebral compression fracture detection using mask R-CNN 2024-07-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67017-6 PMID:39009647	研究论文	本研究开发了一种基于深度学习的椎体压缩骨折检测模型	创新点在于将Mask R-CNN应用于椎体压缩骨折的检测，并与其他三种流行模型进行了比较	研究的样本仅限于487张侧位X光片，且只涵盖了L1-T11椎骨	旨在提供一种工具以改进椎体压缩骨折的早期诊断	研究对象为胸腰椎区域的椎体压缩骨折	数字病理学	NA	深度学习	Mask R-CNN	影像	487张侧位X光片，包含598个骨折
665	2024-08-04	Predicting Obstructive Sleep Apnea Based on Computed Tomography Scans Using Deep Learning Models 2024-07-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202304-0767OC PMID:38471111	研究论文	通过计算机断层扫描(CT)预测阻塞性睡眠呼吸暂停(OSA)及其严重性。	提出了一种新型的深度学习模型，结合了多模态深度学习和气道高亮预处理算法，以提高OSA诊断的准确性。	研究的样本主要来源于特定的CT图像，可能影响模型的普遍适用性。	利用CT扫描数据预测阻塞性睡眠呼吸暂停的发生及其严重程度。	涉及798名参与者的内部数据集以及135和85名参与者的两个外部数据集。	数字病理学	阻塞性睡眠呼吸暂停	深度学习	多模态深度学习模型	图像	内部数据集798名参与者，包括92名正常参与者和706名不同严重程度的OSA患者
666	2024-08-04	Efficient segmentation of active and inactive plaques in FLAIR-images using DeepLabV3Plus SE with efficientnetb0 backbone in multiple sclerosis 2024-07-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67130-6 PMID:39009636	研究论文	本文介绍了一种高效的FLAIR图像内活动和非活动斑块的分割方法	该研究采用了DeepLabV3Plus SE和EfficientNetB0骨干网的卷积神经网络模型，并显示出优于其他CNN架构的性能	未提及具体的限制	研究FLAIR图像中斑块的分割能力	研究对象为100名患有活动性脑斑块的多发性硬化症患者	数字病理学	多发性硬化症	卷积神经网络（CNN）	DeepLabV3Plus SE	MRI切片图像	分析了100名患者，使用了1500个标记切片进行深度学习
667	2024-08-04	Automatic 3D reconstruction of vertebrae from orthogonal bi-planar radiographs 2024-07-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65795-7 PMID:39003269	研究论文	本文提出了一种基于正交双平面X光片的自动化脊椎3D重建方法	提出了一种新的深度学习框架ReVerteR，通过自注意力机制和特殊设计的损失函数来缓解重建过程中的样本不平衡问题	尚未详细说明当前方法在不同临床场景下的适用性和局限性	旨在通过自动化和定制化的3D脊柱重建来提高临床决策支持	主要研究对象为脊椎的3D重建	数字病理学	NA	深度学习	NA	图像	基于VerSe 2019和VerSe 2020两个基准数据集构建的数据集进行的广泛实验
668	2024-08-04	Predictive value of MRI-based deep learning model for lymphovascular invasion status in node-negative invasive breast cancer 2024-07-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67217-0 PMID:39003325	研究论文	评估基于乳腺 MRI 的深度学习模型在预测侵袭性乳腺癌患者预operative 淋巴血管侵犯状态的有效性	提出了一种结合放射组学特征与临床放射学信息的深度学习模型，显著提高了对淋巴血管侵犯状态的预测准确性	研究是回顾性的，未涉及多中心样本，可能影响模型的推广性和普适性	旨在预测侵袭性乳腺癌患者的淋巴血管侵犯状态，以帮助临床决策	280 名接受乳腺 MRI 的侵袭性乳腺癌患者，包括148名 LVI 阳性和141名 LVI 阴性病灶	数字病理学	乳腺癌	MRI	多层感知器 (MLP)	影像	280 名患者
669	2024-08-04	Establishment of a corneal ulcer prognostic model based on machine learning 2024-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66608-7 PMID:38997339	研究论文	本文建立了一种基于机器学习的角膜溃疡预后模型	提出了一种全自动的预后模型系统，包括机器学习算法用于角膜溃疡患者的分割和分类	仅包含4973个角膜溃疡患者的裂隙灯图像和240个临床病例数据，样本量相对有限	分析角膜溃疡患者的角膜穿孔和视觉损害风险，以制定早期治疗策略	研究对象为角膜溃疡患者的临床数据和裂隙灯图像	机器学习	NA	机器学习算法，包括XGBoost和LightGBM	深度学习模型	图像和临床数据	4973个裂隙灯图像和240个临床病例数据
670	2024-08-04	Medical intelligence using PPG signals and hybrid learning at the edge to detect fatigue in physical activities 2024-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66839-8 PMID:38997404	研究论文	本研究提出了一种创新的深度学习框架，用于实时预测运动学生的疲劳。	创新点在于采用深度学习和边缘计算技术实时监测学生的生理疲劳，且比较了多种深度学习模型的效果。	研究面临的挑战是使用有限的训练数据来确定PPG信号的最佳参数。	旨在提高对运动学生疲劳状态的监测精度。	研究对象为参与体育活动的学生。	机器学习	NA	光电容积脉搏波 (PPG)	深度残差网络卷积神经网络 (ResNetCNN), Xception架构, 双向长短期记忆 (BILSTM)	信号	在本研究中使用了多个PPG信号的数据集进行训练
671	2024-08-04	Efficient musculoskeletal annotation using free-form deformation 2024-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67125-3 PMID:38992241	研究论文	该文章介绍了一种高效的工具，用于非专家进行肌肉分割的注释	开发了一种新工具，通过自由形变简化了医学图像的注释过程	本研究未提及工具在不同类型医学图像中的适用性	探索通过非专家进行自动肌肉分割数据集创建的方法	评估非专家使用该工具进行肌肉分割的效果	数字病理学	NA	自由形变	NA	医学图像	NA
672	2024-08-04	Artificial intelligence-enhanced electrocardiography analysis as a promising tool for predicting obstructive coronary artery disease in patients with stable angina 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae038 PMID:39081950	研究论文	本文探讨了基于人工智能的心电图分析在预测稳定性心绞痛患者阻塞性冠状动脉疾病中的临床可行性	使用深度学习框架分析心电图并开发风险评分系统，首次在大样本中验证其有效性	本研究未进行多中心外部验证，仅限于已有的数据集	评估AI驱动的心电图分析在预测阻塞性冠状动脉疾病中的实用性	稳定性心绞痛患者中的心电图数据	机器学习	心血管疾病	深度学习	NA	图像	50,756张心电图图像，来自21,866名患者，外部验证中4517名患者
673	2024-08-04	Machine learning in cardiac stress test interpretation: a systematic review 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae027 PMID:39081945	综述	本文系统回顾了机器学习在心脏压力测试解读中的应用	探讨了机器学习应用于心脏压力测试解读的潜力，并展示了相关模型在敏感性和特异性上的改进	研究的样本量较小，且排除了核压力测试	评估机器学习在冠状动脉疾病压力测试解读中的应用	涉及压力心电图和压力超声心动图的机器学习模型	机器学习	心脏病	机器学习，深度学习，自然语言处理	NA	数据分析结果	七项相关研究的结果
674	2024-08-04	Hypertrophic cardiomyopathy detection with artificial intelligence electrocardiography in international cohorts: an external validation study 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae029 PMID:39081936	研究论文	该研究评估了一种基于深度学习的人工智能-心电图算法在国际队列中检测肥厚型心肌病的表现	这项研究在多国人群中验证了AI-心电图算法的外部有效性，展示了该算法在临床应用中的潜在价值	该研究的前瞻性评估尚未进行，需要进一步验证算法在临床实践中的应用效果	评估AI-心电图算法在不同国际人群中检测肥厚型心肌病的表现	来自瑞士、英国和韩国的患者，包括773名肥厚型心肌病患者和3867名非肥厚型心肌病对照	心血管疾病	肥厚型心肌病	人工智能心电图	卷积神经网络	心电图	773名肥厚型心肌病患者和3867名非肥厚型心肌病对照
675	2024-08-04	A reliable deep-learning-based method for alveolar bone quantification using a murine model of periodontitis and micro-computed tomography imaging 2024-07, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105057 PMID:38729290	研究论文	本研究专注于使用人工智能分析小鼠模型中的牙槽骨，旨在创建一个自动化的深度学习分割模型	该研究开发了一个可下载且易于应用的AI模型，能够准确评估牙槽骨的体积、矿物质密度及小梁骨厚度	该研究未明确提到样本的多样性及其对结果的可能影响	本研究的目的是开发一个无需机器学习知识即可使用的牙槽骨量化分析工具	研究对象为小鼠模型及其牙槽骨	数字病理学	牙周病	微型计算机断层扫描	U-Net	三维影像	未提及
676	2024-08-04	Comparative analysis of deep-learning-based bone age estimation between whole lateral cephalometric and the cervical vertebral region in children 2024-Jul, The Journal of clinical pediatric dentistry IF:1.5Q2 DOI:10.22514/jocpd.2024.093 PMID:39087230	研究论文	本研究旨在开发一种基于深度学习的骨龄评估模型，比较全侧面头影测量和颈椎区域在儿童中的应用	采用了两种预训练的卷积神经网络进行模型构建，并首次展示了使用颅面骨骼和牙齿进行骨龄评估的可行性	本研究为回顾性研究，仅使用了特定医院的数据，可能存在样本选择偏差	研究儿童的骨龄评估方法，以便改善对生长儿童的诊断和治疗	研究对象为年龄在4到18岁之间的1050名儿童患者	数字病理学	NA	深度学习，尤其是卷积神经网络	InceptionResNet-v2 和 NasNet-Large	影像	1050名接受侧面头影测量和手腕放射摄影的儿童
677	2024-08-04	Dynamic risk stratification of worsening heart failure using a deep learning-enabled implanted ambulatory single-lead electrocardiogram 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae035 PMID:39081943	研究论文	本研究探讨了使用可植入循环记录器（ILR）监测的单导联心电图（aECG）来识别心力衰竭恶化的可能性	创新点在于建立了一个人工智能算法，能够通过ILR aECG检测左心室射血分数（LVEF）在40%以下，并识别心力衰竭住院风险	该研究的限制在于依赖于现有数据集，可能存在数据偏倚	研究的目的是开发一种基于aECG的算法，以动态评估心力衰竭患者的住院风险	研究对象为2247名之前已有心力衰竭诊断的患者	机器学习	心力衰竭	心电图（aECG）	卷积神经网络（CNN）	心电图	2247名患者提供了35741个aECG样本
678	2024-08-04	Prospects for artificial intelligence-enhanced electrocardiogram as a unified screening tool for cardiac and non-cardiac conditions: an explorative study in emergency care 2024-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztae039 PMID:39081937	研究论文	这项研究调查了单一深度学习模型在急诊部门预测心脏和非心脏疾病的能力	提出了一种能够处理多种心脏和非心脏诊断的统一筛查工具	研究集中于急诊病人，可能不适用于其他场景	探索深度学习模型在多种疾病诊断中的应用	单一的心电图（ECG）数据	机器学习	心血管疾病	深度学习	NA	心电图	NA
679	2024-08-04	Deep learning for discrimination of active and inactive lesions in multiple sclerosis using non-contrast FLAIR MRI: A multicenter study 2024-Jul, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2024.105642 PMID:38703520	研究论文	本研究调查了使用非对比FLAIR型MRI数据，深度学习在区分多发性硬化症中活跃与非活跃病变的能力。	提出了一种无创的非对比MRI替代方法，利用深度学习技术区分病变状态。	研究主要集中在FLAIR图像上，未考虑其他多种成像方式。	旨在准确区分多发性硬化症中的活跃与非活跃病变。	研究对象为130名多发性硬化症患者的9097幅病变图像。	计算机视觉	多发性硬化症	FLAIR MRI	卷积神经网络（CNN）	图像	9097幅病变图像，来自130名患者
680	2024-08-04	Toward calibration-free motor imagery brain-computer interfaces: a VGG-based convolutional neural network and WGAN approach 2024-Jul-31, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6598 PMID:39029497	研究论文	本研究提出了一种不需要标定的运动意象脑机接口的方法，使用VGG卷积神经网络和WGAN。	提出了一种利用深度学习和WGAN生成合成谱图像的校准-free方法来增强跨主体的运动意象EEG分类性能。	研究中未提及的限制因素	提高运动意象EEG分类的准确性，使之更适合实际应用。	使用记录的运动意象EEG信号进行分类和数据增强。	计算机视觉	NA	EEG, WGAN	VGG-CNN	EEG谱图像	使用了BCI竞赛IV-2B, IV-2 A, 和IV-1基准数据集进行评估