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
941	2024-08-05	Deep learning-based measurement of split glomerular filtration rate with 99mTc-diethylenetriamine pentaacetic acid renal scan 2024-Jul-17, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00664-w PMID:39017817	研究论文	本文旨在开发一个深度学习模型，用于在99mTc-DTPA肾扫描中生成自动感兴趣区域（ROIs）以测量肾小球滤过率（GFR）	提出了一种使用多通道输入的二维U-Net卷积神经网络架构进行ROI生成的创新方法	研究未提及对不同类型患者或其他病理条件的适用性	研究的目的是提高99mTc-DTPA肾扫描中肾小球滤过率的测量准确性	分析了来自12,822名患者的24,364个肾扫描数据	计算机视觉	NA	深度学习	U-Net	扫描图像	24,364个扫描（12,822名患者）
942	2024-08-07	Design and application of coal gangue sorting system based on deep learning 2024-Jul-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67323-z PMID:39019983	研究论文	本文提出了一种基于深度学习的非接触式煤矸石识别与气动智能分拣系统	开发了一个动态数据库并明确了弹射速度、质量、体积和入射角与冲击能量匹配机制之间的关系	未提及具体的系统实时性和适应性限制	旨在提升煤矸石分拣的准确性和效率	煤矸石的自动识别和分拣	机器学习	NA	深度学习	NA	图像	系统原型的演示实验结果显示，识别准确率超过97%，分拣率超过91%
943	2024-08-05	Automated interpretation of retinal vein occlusion based on fundus fluorescein angiography images using deep learning: A retrospective, multi-center study 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33108 PMID:39027617	研究论文	本研究开发了一种基于深度学习的系统，用于自动诊断和分类视网膜静脉阻塞（RVO）	该研究的创新点在于提出了一个全新的深度学习模型，能够自动化标注和分类FFA图像，用于RVO的诊断	该研究的局限性在于只能在收集到的FFA图像上进行验证，可能不适用于所有类型的视网膜病变	本研究旨在利用FFA图像开发一种准确有效的RVO诊断系统	研究对象为来自463名患者的467只眼睛的4028张FFA图像	数字病理学	NA	深度学习	CNN (卷积神经网络)	图像	4028张FFA图像，来自463名患者的467只眼睛
944	2024-08-05	A Deep Learning-Based Rotten Food Recognition App for Older Adults: Development and Usability Study 2024-Jul-03, JMIR formative research IF:2.0Q4 DOI:10.2196/55342 PMID:38959501	研究论文	本研究开发并评估了一款智能手机应用，帮助老年人识别腐烂的水果	提出了一种基于深度学习的应用，通过拍摄水果照片来判断水果是否新鲜，从而解决老年人识别腐烂食物的困难	该应用目前仅限于对三种水果的检测，尚需扩展到其他食品的识别	开发一款帮助老年人识别腐烂水果的智能手机应用	参与者为65岁以上的健康老年人，共26人	数字病理学	NA	深度学习	残差深度网络	图像	26名老年人（15名男性和11名女性）
945	2024-08-05	Data-driven rogue waves solutions for the focusing and variable coefficient nonlinear Schrödinger equations via deep learning 2024-Jul-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0209068 PMID:39028903	研究论文	本研究利用深度学习方法探讨聚焦和变系数非线性薛定谔方程的数据驱动浪涌波解	提出了一种基于物理信息记忆网络的解决方案，能够很好地捕捉浪涌波解的非线性特征	未提及具体的局限性	研究如何通过深度学习方法解决聚焦和变系数非线性薛定谔方程	聚焦和变系数非线性薛定谔方程的浪涌波解	机器学习	NA	深度学习	物理信息记忆网络（PIMN）	数值数据	NA
946	2024-08-05	Interpretation of SPECT wall motion with deep learning 2024-Jul, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.101881 PMID:38723886	研究论文	本研究开发了一种新型深度学习工作流，以解读单光子发射计算机断层扫描(SPECT)的壁运动	使用深度学习模型提高了SPECT壁运动评估的准确性，克服了传统方法的局限性	研究可能受限于患者样本特性及模型在其他数据集上的外部验证	提升对静息SPECT壁运动的解读能力	包含1038名接受静息心电图门控SPECT和超声心动图的患者	数字病理学	心血管疾病	深度学习	DL模型	图像	1038名患者
947	2024-08-05	Opening the Black Box: Spatial Transcriptomics and the Relevance of Artificial Intelligence-Detected Prognostic Regions in High-Grade Serous Carcinoma 2024-Jul, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100508 PMID:38704029	研究论文	本文利用空间转录组学解析人工智能识别的高等级浆液性癌症预后区域	本文创新性地应用空间转录组学分析AI识别的肿瘤区域，揭示与患者结果相关的生物特征	研究样本量较小，仅包含16名患者，可能影响结果的普遍适用性	研究高等级浆液性癌症与预后之间的关系，特别是肿瘤区域的生物特征	涉及16名高等级浆液性癌症患者，重点研究不同预后组之间的肿瘤区域	数字病理学	卵巢癌	空间转录组学	AI模型	生物组织样本	16名患者（每个预后组8名）
948	2024-08-07	A deep learning model accurately predicts 1-year mortality but at the risk of unfairness 2024-Jul, Nature aging IF:17.0Q1 DOI:10.1038/s43587-024-00665-5 PMID:38956193	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
949	2024-08-05	Deep learning-based voxel sampling for particle therapy treatment planning 2024-Jul-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5bba PMID:38917844	研究论文	本文提出了一种基于深度学习的体素采样方法来改善粒子治疗的治疗计划	引入了一种不依赖于特定患者输入的深度学习模型，以实现最佳体素采样	使用了70名头颈癌患者的数据进行训练，可能限制了模型的泛化能力	旨在通过优化体素选择过程来提高粒子治疗的计算效率	研究对象为接受碳离子治疗的头颈癌患者	数字病理学	NA	人工智能（AI）基础设施	深度学习模型	治疗计划数据	70名头颈癌患者（50名用于训练，10名用于验证，10名用于测试）
950	2024-08-05	Uncertainty quantification via localized gradients for deep learning-based medical image assessments 2024-Jul-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad611d PMID:38981594	研究论文	本研究介绍了一种新的基于梯度的不确定性量化方法，用于深度学习医学图像评估.	提出了一种新的后处理不确定性量化方法，克服了现有方法的局限，能够增强用户对临床模型的信任.	研究主要集中在转移疾病的分界，可能不适用于其他类型的医学图像评估.	旨在提高深度学习医学图像评估模型的可靠性和用户信任.	研究对象为深度学习模型在医学图像评估中的应用，包括转移性疾病的检测.	数字病理学	NA	深度学习	NA	图像	四个临床相关实验的性能评估
951	2024-08-05	CGMega: explainable graph neural network framework with attention mechanisms for cancer gene module dissection 2024-Jul-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50426-6 PMID:39013885	研究论文	提出一种解释性图神经网络框架CGMega，以进行癌症基因模块分解	开发了基于图注意力的深度学习框架CGMega，超越当前癌症基因预测方法，并有效整合多组学信息	NA	研究癌症基因模块的分解及其在癌症发展中的作用	应用CGMega于乳腺癌细胞系和急性髓系白血病患者	数字病理学	急性髓系白血病	深度学习	图神经网络	基因组数据	乳腺癌细胞系和急性髓系白血病患者的样本
952	2024-08-05	Identifying rice field weeds from unmanned aerial vehicle remote sensing imagery using deep learning 2024-Jul-16, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01232-0 PMID:39014411	研究论文	本文提出了一种名为RMS-DETR的多尺度特征增强DETR网络，用于识别水稻田杂草	通过在DETR模型中添加多尺度特征提取分支，提升了对水稻田杂草的识别能力	引入多尺度特征层导致模型计算增加，降低了模型推理速度	旨在提高水稻田杂草的精确识别能力，以便于精准喷药	水稻田中的杂草	计算机视觉	NA	深度学习	DETR	图像	构建的水稻田杂草数据集和DOTA公共数据集
953	2024-08-05	Machine learning without a processor: Emergent learning in a nonlinear analog network 2024-Jul-09, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2319718121 PMID:38954545	研究论文	本文介绍了一种基于非线性类脑电子网络的自主学习能力。	提出了一种非线性循环神经网络，能够执行线性系统无法完成的任务，并具备快速、低功耗的特点。	目前的实现仍未充分探索非线性元素的可行性和实用性。	探索非线性元素在模拟机器学习中的潜力。	介绍了一种由自调节非线性电阻元件组成的非线性类脑网络。	机器学习	NA	类脑电子网络	非线性循环神经网络	NA	NA
954	2024-08-05	Sharing massive biomedical data at magnitudes lower bandwidth using implicit neural function 2024-Jul-09, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2320870121 PMID:38959033	研究论文	本文提出了一种通过隐式神经函数进行生物医学数据压缩的方法BRIEF。	BRIEF通过紧凑的神经网络表示目标数据，具备数据特定性并避免通用化问题，实现了极高的压缩比和更好的保真度。	NA	研究如何高效存储和共享海量生物医学数据。	生物医学数据。	机器学习	NA	隐式神经函数	NA	生物医学数据	NA
955	2024-08-05	Colorimetric Analyses of the Optic Nerve Head and Retina Indicate Increased Blood Flow After Vitrectomy 2024-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.7.12 PMID:39007833	研究论文	本研究评估了玻璃体切除术及后玻璃体剥离对视神经头和视网膜颜色变化的影响	本研究首次通过色度和形态分析方法评估玻璃体切除术对视神经头和视网膜血流的影响	本研究样本仅限于54名患者，可能影响结果的普遍适用性	研究玻璃体切除术及后玻璃体剥离对血流变化的影响	54名接受玻璃体切除术的患者及31名年龄和性别匹配的对照眼	数字病理学	视网膜血管疾病	色度分析	NA	图像	54名患者
956	2024-08-05	Quantitative susceptibility mapping based basal ganglia segmentation via AGSeg: leveraging active gradient guiding mechanism in deep learning 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1858 PMID:39022266	研究论文	本文提出了一种基于主动梯度引导机制的深度学习方法AGSeg，以实现基底神经节的准确分割	提出的AGSeg网络通过主动梯度模块和梯度引导模块提升了对目标核边界的关注，从而改善了分割效果	未提及模型在不同疾病类型或其他影像数据上的适用性	提高基底神经节的自动化分割精度，以支持随后的疾病诊断和手术规划	使用临床扫描和健康志愿者的数据进行基底神经节的三维磁化率测量	计算机视觉	NA	磁化率定量成像（QSM）	深度学习网络（AGSeg）	三维磁化率图像	210个三维磁化率测量
957	2024-08-05	Research into super-resolution in medical imaging from 2000 to 2023: bibliometric analysis and visualization 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-67 PMID:39022237	研究论文	本文对2000年至2023年间医学影像超级分辨率的文献进行了 bibliometric 分析和可视化研究	首次系统性分析了医学影像超分辨率领域的全球趋势并通过图形可视化提供未来研究前景	文章没有针对具体的超分辨率技术或算法进行深入探讨	识别医学影像超分辨率领域的全球趋势和未来研究发展	分析了3262篇医学影像超分辨率相关的文献	数字病理学	NA	NA	NA	文献	3262篇文献
958	2024-08-05	Brain metastasis magnetic resonance imaging-based deep learning for predicting epidermal growth factor receptor (EGFR) mutation and subtypes in metastatic non-small cell lung cancer 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1744 PMID:39022238	研究论文	本研究旨在开发一种深度学习模型，以在非小细胞肺癌患者中预操作性地检测EGFR突变及其亚型	开发了多尺度特征融合网络（MSF-Net），能有效整合不同阶段的残差网络特征，增强了对EGFR突变的预测能力	未提及可能的局限性，样本来自两个特定中心	基于脑转移的MRI数据，预测非小细胞肺癌患者的EGFR突变状态及亚型	160名接受对比增强T1加权和72名接受T2加权MRI的非小细胞肺癌患者	计算机视觉	非小细胞肺癌	磁共振成像（MRI）	多尺度特征融合网络（MSF-Net）	医学影像	160名和72名患者
959	2024-08-05	Application of metal artifact reduction algorithm in reducing metal artifacts in post-surgery pediatric low radiation dose spine computed tomography (CT) images 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1659 PMID:39022236	研究论文	本研究评估了金属伪影减少算法在降低术后儿童低剂量脊柱CT图像中金属伪影的应用效果	引入了金属伪影减少算法（MAR）和深度学习图像重建（DLIR）结合使用，显著改善图像质量	研究仅限于回顾性分析，未比较不同算法在更大人群或不同条件下的效果	旨在评估金属伪影减少算法在术后儿童低剂量脊柱CT图像中的实际应用效果	参与研究的对象为77名3至15岁的儿童	数字病理	NA	适应性统计迭代重建-V（ASIR-V）、深度学习图像重建（DLIR）	NA	图像	77名儿童，评估116个椎弓根螺钉
960	2024-08-05	Deep learning methods for diagnosis of graves' ophthalmopathy using magnetic resonance imaging 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-80 PMID:39022293	研究论文	本研究开发并验证了深度学习模型用于基于磁共振成像诊断Graves'眼病	提出了使用深度学习技术，通过MRI T1加权扫描准确诊断Graves'眼病的新方法	研究没有考虑MRI以外的其他影像学方法的比较	旨在提高使用MRI诊断Graves'眼病的准确性	对199例临床验证的Graves'眼病患者和145例正常对照进行回顾性研究	计算机视觉	Graves'眼病	磁共振成像	ResNet101, Swin Transformer	图像	199例Graves'眼病患者与145例正常对照，共344例