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
1241	2024-08-05	Deep neural network for the prediction of KRAS, NRAS, and BRAF genotypes in left-sided colorectal cancer based on histopathologic images 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102384 PMID:38759471	研究论文	本研究开发了一种深度学习模型，以利用病理全切片图像准确预测左侧结直肠癌患者的KRAS、NRAS和BRAFV600E基因型。	创新之处在于结合使用病理特征和临床特征，构建临床-病理整合模型来提高基因型预测的准确性。	样本数量有限，可能影响模型的普适性和推广性。	本研究旨在通过深度学习技术提高对左侧结直肠癌患者基因型的预测能力。	研究对象为129名左侧结肠癌和直肠癌患者。	数字病理学	结直肠癌	深度学习	卷积神经网络 (CNN)	图像	129个患者，训练组103名，测试组26名
1242	2024-08-05	Lamb wave-based damage assessment for composite laminates using a deep learning approach 2024-Jul, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107333 PMID:38692213	研究论文	采用基于深度学习的方法进行复合材料层压板的Lamb波损伤评估	提出了一种基于卷积稀疏编码的UNet（CSCUNet）用于复合材料的Lamb波损伤评估，提升了模型的性能和可解释性	现有的深度学习架构在多层结构中仍然缺乏一定的物理可解释性	研发高效的结构健康监测技术来确保复合结构的完整性和可靠性	针对复合材料层压板的损伤检测和特征提取	机器学习	NA	超声Lamb波	卷积神经网络（CNN）	图像	数值和实验数据均进行测试，涵盖复合材料样本
1243	2024-08-05	Exploring Deep Learning for Estimating the Isoeffective Dose of FLASH Irradiation From Mouse Intestinal Histological Images 2024-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.12.032 PMID:38171387	研究论文	本研究开发了一种深度学习方法以量化FLASH照射的等效剂量	首次应用深度学习在小鼠肠道组织图像中估算FLASH照射的等效剂量	只在特定的C57BL/6J小鼠模型中进行，尚未验证在其它模型中的适用性	探讨FLASH照射下的等效剂量估算	八十四只健康的C57BL/6J雌性小鼠	数字病理学	NA	深度学习	ResNet101	图像	84只小鼠
1244	2024-08-05	Deep learning pipeline for quality filtering of MRSI spectra 2024-Jul, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5012 PMID:37518942	研究论文	本文提出了一种基于深度学习分类器的自动化预处理管道，用于过滤MRSI光谱的质量	该研究引入了一种新型的结合多种深度学习网络的管道，能够有效识别和过滤不良质量的MRSI光谱	在表现较低的谱类中，尤其是受脂质影响的谱类，F1分数相对较低，仅为0.82	旨在开发一种自动化管道，以前处理MRSI光谱并提高代谢物定量的有效性	研究对象为来自一名健康受试者和五名脑肿瘤患者的36338个MRSI光谱	数字病理学	脑肿瘤	3D磁共振光谱成像 (MRSI)	卷积自编码器和多层感知器网络的组合	光谱	36338个光谱
1245	2024-08-05	Computer vision analysis of mother-infant interaction identified efficient pup retrieval in V1b receptor knockout mice 2024-Jul, Peptides IF:2.8Q2 DOI:10.1016/j.peptides.2024.171226 PMID:38649033	研究论文	该文章研究了V1b受体缺失小鼠在幼崽取回过程中的母婴互动	首次应用计算机视觉深度学习分析母鼠与幼崽之间的互动关系	研究只限于小鼠，结果可能不适用于其他物种	探讨V1b受体在母鼠取回幼崽过程中的作用	V1b受体缺失小鼠和野生型小鼠在取回幼崽的行为差异	计算机视觉	NA	深度学习	NA	行为数据	V1b受体缺失小鼠和野生型小鼠的比较，包括母鼠和幼崽
1246	2024-08-05	The determination of mastitis severity at 4-level using Milk physical properties: A deep learning approach via MLP and evaluation at different SCC thresholds 2024-Jul, Research in veterinary science IF:2.2Q1 DOI:10.1016/j.rvsc.2024.105310 PMID:38795430	研究论文	本研究旨在通过使用牛奶物理特性确定乳腺炎的严重程度。	采用多层感知器(MLP)人工神经网络模型来替代传统方法，并在不同SCC阈值下进行评估。	未提及研究的其他潜在限制。	研究的目的是为亚临床乳腺炎的检测提供替代模型。	研究对象为牛奶的物理性质及其在乳腺炎分类中的应用。	机器学习	乳腺炎	MLP（多层感知器）	MLP	牛奶物理特性数据	使用了包含5个变量的模型进行分析，具体样本量未说明
1247	2024-08-05	Electromagnetic interference elimination via active sensing and deep learning prediction for radiofrequency shielding-free MRI 2024-Jul, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.4956 PMID:37088894	研究论文	本文介绍了一种通过主动感知和深度学习预测来消除MRI中的电磁干扰的方法	提出了一种新颖的深度学习模型来预测和去除MRI信号中的电磁干扰，且无需传统的射频屏蔽	目前只在低成本的无射频屏蔽的0.055 T永久磁体MRI扫描仪上实施，尚需在其他类型的扫描仪上验证	消除MRI扫描中电磁干扰的问题，以改善患者舒适度和设备安装便利性	研究外部和内部的电磁干扰信号及其对MRI信号的影响	数字病理学	NA	深度学习	卷积神经网络	信号	在0.055 T和1.5 T的MRI扫描上进行了初步实验
1248	2024-08-05	A physics-embedded deep-learning framework for efficient multi-fidelity modeling applied to guided wave based structural health monitoring 2024-Jul, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107325 PMID:38701648	研究论文	提出了一种基于深度学习的数字双胞胎框架，用于降低测量与模拟之间的差异	引入了多保真建模和深度生成模型，以生成接近实验的导波响应	对于外部参数的敏感性影响监测系统的可靠性，处理这些影响因素并不完美	旨在减少基于超声导波的结构健康监测中的测量和模拟之间的不一致性	针对裂纹扩展的测量数据集和相关模拟进行验证	机器学习	NA	深度学习	NA	测量数据与仿真数据	对应裂纹扩展的测量数据集
1249	2024-08-05	Deep learning-assisted locating and sizing of a coating delamination using ultrasonic guided waves 2024-Jul, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107351 PMID:38810394	研究论文	本篇文章提出了一种基于深度学习的无损检测技术，用于定位和测量涂层剥离。	本研究创新性地结合了深度学习与超声导波技术，提高了涂层剥离检测的准确性和效率。	训练机器学习算法时间较长，但每个样本配置只需训练一次。	旨在开发一种有效的无损检测方法以评估涂层的剥离情况。	研究对象为涂层剥离缺陷的定位和尺寸测量。	数字病理学	NA	超声导波	机器学习	时域信号	NA
1250	2024-08-07	Enhanced wastewater treatment by catalytic persulfate activation with protonated hydroxylamine-assisted iron: Insights from a deep learning-based numerical investigation 2024-Jul, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2024.142367 PMID:38801908	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1251	2024-08-05	Privacy-proof Live Surgery Streaming: Development and Validation of a Low-cost, Real-time Robotic Surgery Anonymization Algorithm 2024-Jul-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006245 PMID:38390732	研究论文	开发了一种开创性的外科手术匿名算法，用于在各种机器人平台上实时移除体外图像	本研究提出了一种可靠的实时外科手术匿名化算法，能够在不同机器人平台和手术类型中有效应用	在现场手术流媒体中需要进一步的技术优化，以确保实时变换	提高外科手术视频分享中的隐私保护	63个手术视频，涵盖6个在四种机器人系统上进行的手术程序	数字病理学	NA	深度学习算法	Robotic Anonymization Network	视频	63个手术视频，涉及496,828张图像
1252	2024-08-05	Artificial intelligence for cardiovascular disease risk assessment in personalised framework: a scoping review 2024-Jul, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102660 PMID:38846068	综述	本文是关于在个性化框架中利用人工智能进行心血管疾病风险评估的全面范围审查.	文章揭示了人工智能在心血管疾病风险评估中的独特应用，展示了如何结合基因组学和AI算法构建更准确的预测模型和个性化治疗方案.	该研究未涉及具体的实验数据和临床试验结果，仅基于文献综述.	本研究旨在探讨人工智能与个性化医学如何结合以改善心血管疾病的风险评估.	研究对象是心血管疾病（CVD）和人工智能（AI）相关的文献.	生物医学	心血管疾病	机器学习（ML）和深度学习（DL）	NA	文献综述数据	121项适合定性合成的研究
1253	2024-08-05	Designing Clinical MRI for Enhanced Workflow and Value 2024-Jul, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29038 PMID:37795927	研究论文	本研究探讨了优化MRI工作流程和提高患者价值的机会	提出了通过数字工具和设计策略改善MRI处理流程的新方法	未提供具体的证据级别和技术效果数据	优化MRI视频成像的工作流程以提高效率和患者体验	针对医学成像领域的MRI流程和技术人员效率	数字病理	NA	深度学习加速图像重建	NA	NA	NA
1254	2024-08-05	Developing a regional scale construction and demolition waste landfill landslide risk rapid assessment approach 2024-Jul-15, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.05.042 PMID:38810396	研究论文	本文提出了一种创新的方法，以快速评估区域范围内的建筑和拆除垃圾填埋场滑坡风险	本研究利用深度学习模型快速定位可疑填埋场并开发基于环境因素的风险评估模型	现有研究主要集中在单个填埋场的风险评估，缺乏对多个填埋场的快速评估能力	旨在通过整合计算机视觉和环境分析来提高填埋场滑坡风险评估的有效性	研究对象包括位于深圳的52个可疑建筑和拆除垃圾填埋场	数字路径学	NA	深度学习	NA	环境数据	52个可疑垃圾填埋场
1255	2024-08-05	Automatic 3D left atrial strain extraction framework on cardiac computed tomography 2024-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108236 PMID:38776829	研究论文	该研究提出了一种基于深度学习的全自动框架，用于从心脏CT图像中提取三维左心房应变	这是首个完全自动化的深度学习框架，针对心脏CT的三维左心房应变提取	该研究主要集中在少数病例上，可能需进一步验证其通用性	旨在改进左心房功能评估方法，提供超越超声心动图的评估手段	111名接受心电图门控对比增强CT检查的患者	数字病理学	心房颤动	CT, 深度学习	GN-U-Net	图像	111名患者
1256	2024-08-05	Digitalization of phosphorous removal process in biological wastewater treatment systems: Challenges, and way forward 2024-Jul-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.119133 PMID:38735379	综述	论文讨论了在生物废水处理系统中磷回收的数字化过程和面临的挑战	提出了将人工智能算法应用于预测废水处理厂中磷动态的创新点	缺乏对与水-能源-资源回收-环境关联的网络物理框架的全面分析	分析如何利用新兴技术提高废水处理效率和磷回收能力	主要对象是废水处理厂中的磷回收过程	数字病理学	NA	人工智能	深度学习	NA	NA
1257	2024-08-05	Deep learning reconstruction for high-resolution computed tomography images of the temporal bone: comparison with hybrid iterative reconstruction 2024-Jul, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03330-1 PMID:38514472	研究论文	本研究探讨了深度学习重建（DLR）在颞骨高分辨率CT图像质量方面是否优于混合迭代重建（HIR）	提出了一种新的深度学习重建方法，并与传统的混合迭代重建方法进行比较，显示出在图像质量上的显著提升	本研究的样本大小较小，仅包含36名患者	研究深度学习重建对颞骨高分辨率CT图像质量的影响	36名接受颞骨高分辨率CT检查的患者	数字病理学	NA	深度学习重建（DLR）	NA	图像	36名患者（15名男性，21名女性）
1258	2024-08-05	DermSynth3D: Synthesis of in-the-wild annotated dermatology images 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103145 PMID:38615432	研究论文	本文提出了一种新框架DermSynth3D，用于合成真实场景下注释的皮肤病图像。	DermSynth3D通过将皮肤疾病模式融入3D纹理网格并生成多视角的2D图像，解决了现有皮肤病数据集的局限性。	尚未提及具体的局限性。	旨在解决皮肤病图像分析领域中数据集的不足。	合成皮肤病的2D图像及其相应的语义分割注释。	计算机视觉	皮肤病	深度学习	NA	图像	NA
1259	2024-08-05	Automated identification of aquatic insects: A case study using deep learning and computer vision techniques 2024-Jul-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.172877 PMID:38740196	研究论文	本研究利用深度学习和计算机视觉技术自动识别水生昆虫，以提高生物监测的效率和分类精度	研究建立了一个包含90个EPT分类的数据库，并使用CNN模型实现了98.7%的分类准确率	研究中只涉及特定的EPT分类，可能不能推广到所有水生昆虫的分类	提高水生昆虫生物监测程序的效率和分类分辨率	EPT类水生昆虫，包括蜉蝣、石蝇和毛虫	计算机视觉	NA	深度学习	卷积神经网络	图像	共16,650张图像，包含90个EPT分类
1260	2024-08-05	Human Versus Machine Intelligence: Assessing Natural Language Generation Models Through Complex Systems Theory 2024-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3358168 PMID:38265904	研究论文	通过复杂系统理论评估自然语言生成模型的能力。	提出了一种比较GPT-2生成文本与人类文本的新方法，利用复杂性科学框架进行深入分析。	未提及具体的局限性。	探讨Transformer架构在自然语言生成中的表现并分析其与人类文本的关系。	比较GPT-2生成的英文文本与人类创作的小说和程序代码。	自然语言处理	NA	复杂性测量	GPT-2	文本	分析了三种文本类型，具体样本量未提及