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
681	2024-08-21	A Non-invasive Blood Glucose Detection System Based on Photoplethysmogram with Multiple Near-infrared Sensors 2024-Aug-14, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3443317 PMID:39141451	研究论文	本文开发了一种结合光体积描记法和多近红外传感器的无创血糖检测系统	该系统通过使用多个光传感器和轻量级深度学习模型，有效结合了两种方法的优势	研究样本量较小，仅涉及10名参与者	旨在提高无创血糖检测的准确性和稳定性	无创血糖检测技术	生物医学工程	糖尿病	近红外光谱分析	深度学习模型	光体积描记数据	10名参与者，每人提供约700段10秒的数据
682	2024-08-21	Hybridizing mechanistic modeling and deep learning for personalized survival prediction after immune checkpoint inhibitor immunotherapy 2024-Aug-14, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00415-8 PMID:39143136	研究论文	本研究结合预测性机制建模和深度学习方法，预测个体患者在接受免疫检查点抑制剂（ICI）免疫治疗后的生存概率	提出了一种混合方法，结合了可从机制模型计算的测量值和易于测量的患者特征，提高了预测准确性	NA	旨在提高个体患者在接受ICI免疫治疗后的生存预测准确性	个体患者的生存概率	机器学习	NA	深度学习	深度学习时间-事件预测模型	混合机制+临床数据	93名患者
683	2024-08-21	Deep learning-assisted multispectral imaging for early screening of skin diseases 2024-Aug, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2024.104292 PMID:39069204	研究论文	本研究介绍了一种基于多光谱成像（MSI）的方法，用于早期筛查和检测皮肤表面病变	该方法通过捕获多波长图像数据，能够检测组织中的细微光谱变化，显著增强对各种皮肤状况的区分	NA	旨在引入一种基于多光谱成像的方法，用于早期筛查和检测皮肤表面病变	皮肤表面病变，包括黑色素细胞痣、疣、脂溢性角化病和牛皮癣	计算机视觉	皮肤疾病	多光谱成像	一维卷积神经网络	图像	NA
684	2024-08-21	Optical imaging for diabetic retinopathy diagnosis and detection using ensemble models 2024-Aug, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2024.104259 PMID:38944405	研究论文	本文利用基于卷积神经网络（CNN）的模型和集成学习方法，通过光学成像技术诊断和检测糖尿病视网膜病变（DR）	提出了一种结合多种深度学习模型（如VGG19、Resnet50和InceptionV3）的集成方法，以提高糖尿病视网膜病变的检测性能和鲁棒性	NA	开发一种新的方法来早期诊断糖尿病视网膜病变	糖尿病视网膜病变	计算机视觉	糖尿病	卷积神经网络（CNN）	集成模型	图像	使用公开的视网膜图像数据集进行评估
685	2024-08-21	Prediction of the short-term efficacy and recurrence of photodynamic therapy in the treatment of oral leukoplakia based on deep learning 2024-Aug, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2024.104236 PMID:38851310	研究论文	本研究构建了一个基于深度学习的模型，用于预测氨基酮戊酸光动力疗法（ALA-PDT）治疗口腔白斑（OLK）的短期疗效和复发情况	本研究通过结合临床变量和深度学习自动编码器提取的病理切片特征，提高了预测模型的性能	基于临床病理特征的预测模型对短期疗效有很好的预测效果，但对复发的预测效果有限	预测ALA-PDT治疗OLK的短期疗效和复发情况	口腔白斑（OLK）患者接受ALA-PDT治疗后的短期疗效和复发情况	机器学习	口腔疾病	深度学习	自动编码器	图像	未明确提及具体样本数量
686	2024-08-21	Optical Coherence Tomography Versus Optic Disc Photo Assessment in Glaucoma Screening 2024-Aug-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002392 PMID:38546240	综述	本文综述了光学相干断层扫描（OCT）和视盘摄影在青光眼筛查中的优势和局限	引入人工智能（AI）和深度学习模型以提高视盘摄影的诊断准确性，通过自动化检测青光眼性视神经病变和减少主观性	OCT成本较高且便携性较差，而视盘摄影受限于主观解读和评分可靠性；AI模型的有效性依赖于训练数据的质量	探讨OCT和视盘摄影在青光眼筛查中的应用，并评估AI技术整合的可能性	光学相干断层扫描（OCT）和视盘摄影技术	NA	青光眼	光学相干断层扫描（OCT）	深度学习模型	图像	NA
687	2024-08-21	Barriers and Potential Solutions to Glaucoma Screening in the Developing World: A Review 2024-Aug-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002404 PMID:38625838	综述	本文综述了发展中国家青光眼筛查的障碍及潜在解决方案	提出了利用人工智能和深度学习技术来建立有效的青光眼筛查程序	NA	探讨发展中国家青光眼筛查的障碍并提出解决方案	青光眼筛查的障碍和促进因素	NA	青光眼	人工智能 (AI), 深度学习 (DL)	NA	NA	NA
688	2024-08-21	A novel groundnut leaf dataset for detection and classification of groundnut leaf diseases 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110763 PMID:39156669	研究论文	本研究提供了一个新的花生叶部疾病检测与分类数据集，包含1720张在实际种植田中拍摄的健康和病害花生叶图像	该研究首次提供了一个专门针对花生叶部疾病的数据集，用于训练和评估深度学习模型	NA	旨在促进开发先进的深度学习方法，帮助农民准确识别花生叶部疾病，提高产量	花生叶部疾病	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	1720张花生叶图像
689	2024-08-21	An annotated image dataset of pests on different coloured sticky traps acquired with different imaging devices 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110741 PMID:39156668	research paper	本文介绍了一个新的图像数据集，该数据集包含两种常见储粮害虫（赤拟谷盗和米象）在不同颜色粘虫板上的图像，使用三种不同设备（DSLR、网络摄像头和智能手机）拍摄	首次提供了一个包含不同颜色粘虫板和不同成像设备拍摄的害虫图像数据集，用于计算机视觉和深度学习算法的研究	NA	研究计算机视觉和机器学习在自动识别和计数粘虫板上害虫的应用	赤拟谷盗和米象	computer vision	NA	NA	deep learning	image	包含两种害虫在四种颜色粘虫板上的图像，使用三种不同设备拍摄，并分为训练、验证和测试部分
690	2024-08-20	Artificial intelligence in musculoskeletal applications: a primer for radiologists 2024-Aug-19, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2024.242830 PMID:39157958	综述	本文旨在为放射科医生详细介绍人工智能（AI）、机器学习和深度学习等术语，并让他们熟悉在肌肉骨骼放射学中常用的算法、常见实践和问题	NA	NA	帮助放射科医生了解人工智能在肌肉骨骼放射学中的应用	放射科医生	计算机视觉	NA	人工智能（AI）、机器学习、深度学习	NA	NA	NA
691	2024-08-20	Explicit Abnormality Extraction for Unsupervised Motion Artifact Reduction in Magnetic Resonance Imaging 2024-Aug-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3444771 PMID:39150812	研究论文	本文提出了一种新的无监督异常提取网络（UNAEN），用于减少磁共振成像（MRI）中的运动伪影	UNAEN能够处理未配对的MA-corrupted和MA-free图像，通过提取器从MA-corrupted图像中提取异常，并使用重建器恢复原始输入，从而减少运动伪影	NA	解决磁共振成像中运动伪影的问题，提高诊断准确性和图像引导疗法的效果	磁共振成像中的运动伪影	计算机视觉	NA	深度学习	UNAEN	图像	使用了多种公开可用的MRI数据集
692	2024-08-20	DualStreamFoveaNet: A Dual Stream Fusion Architecture with Anatomical Awareness for Robust Fovea Localization 2024-Aug-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3445112 PMID:39150813	研究论文	本文提出了一种基于transformer的新型架构DualStreamFoveaNet，用于视网膜疾病分析中的黄斑定位	引入了一种双流融合架构，结合空间注意力机制提取并融合自学习的解剖信息，显著降低了计算成本	NA	提高黄斑定位的准确性和鲁棒性，以分析视网膜疾病	黄斑定位在视网膜图像中的应用	计算机视觉	视网膜疾病	transformer	DualStreamFoveaNet	图像	两个公共数据集和一个大型私有数据集
693	2024-08-20	Deep learning improves quality of intracranial vessel wall MRI for better characterization of potentially culprit plaques 2024-08-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69750-4 PMID:39152167	研究论文	本研究通过深度学习技术提高颅内血管壁磁共振成像的质量，以更好地识别潜在的罪魁祸首斑块	深度学习技术显著提高了颅内血管壁成像的图像质量，包括信号噪声比和对比噪声比，并增强了斑块和内斑块出血的检测能力	研究为回顾性分析，样本量相对较小	提高颅内血管壁成像的质量，以便更准确地识别和评估潜在的罪魁祸首斑块	颅内血管壁成像的质量和深度学习技术的应用	计算机视觉	心血管疾病	磁共振成像	深度学习	图像	117名患者
694	2024-08-20	Variational tensor neural networks for deep learning 2024-Aug-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69366-8 PMID:39152160	研究论文	本文提出将张量网络（TN）与神经网络框架结合，采用变分DMRG启发式训练技术，构建可扩展的张量神经网络（TNN）架构	引入张量网络与神经网络结合的方法，以及变分DMRG启发式训练技术，提高了神经网络在大规模参数空间中的训练效率	NA	解决深度神经网络在大规模神经元情况下遇到的扩展性限制问题	设计并验证张量神经网络在回归、分类和图像识别任务中的准确性和效率	机器学习	NA	张量网络（TN）	张量神经网络（TNN）	图像	MNIST手写数字数据集
695	2024-08-20	A comparative analysis of classical and machine learning methods for forecasting TB/HIV co-infection 2024-08-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69580-4 PMID:39152187	研究论文	本研究比较了经典统计和机器学习模型在预测TB/HIV合并感染病例方面的效果	研究发现深度学习模型，特别是双向LSTM和CNN-LSTM，显著优于经典方法	NA	评估和比较不同模型在预测TB/HIV合并感染病例中的表现	TB/HIV合并感染病例的预测	机器学习	NA	NA	SVR, XGBoost, LSTM, CNN, GRU, CNN-GRU, CNN-LSTM	时间序列数据	NA
696	2024-08-20	Metaheuristics based dimensionality reduction with deep learning driven false data injection attack detection for enhanced network security 2024-Aug-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69806-5 PMID:39152172	研究论文	本文提出了一种基于混合元启发式降维与深度学习的虚假数据注入攻击检测技术，以增强网络安全性	引入了一种新的混合元启发式降维与深度学习技术（HMDR-DLFDIA），用于检测分布系统中的虚假数据注入攻击	未提及具体限制	旨在识别和分类分布系统中的虚假数据注入攻击，以提高网络安全性	分布系统中的虚假数据注入攻击	机器学习	NA	混合元启发式降维，深度学习	堆叠自编码器（SAE）	数据	未提及具体样本数量
697	2024-08-20	Biologically interpretable multi-task deep learning pipeline predicts molecular alterations, grade, and prognosis in glioma patients 2024-Aug-16, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00670-2 PMID:39152182	研究论文	开发了一种端到端的多任务深度学习（MDL）管道，用于同时预测胶质瘤患者的分子改变、组织学分级和预后，并提供模型预测的生物学机制	该研究开发了一种生物学可解释的多任务深度学习管道，能够同时预测胶质瘤的分子改变、分级和预后，并提供了生物学机制的解释	NA	开发一种能够同时预测胶质瘤分子改变、分级和预后的多任务深度学习管道，并解释其生物学机制	胶质瘤患者的分子改变、组织学分级和预后	机器学习	脑肿瘤	深度学习	多任务深度学习模型	MRI图像	2776名胶质瘤患者
698	2024-08-20	Deep learning-based prediction of indication for cracked tooth extraction using panoramic radiography 2024-Aug-16, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04721-9 PMID:39152384	研究论文	本文研究了使用全景放射摄影和深度学习模型预测裂牙拔除指征的可行性	首次尝试使用深度学习模型通过全景放射摄影预测裂牙拔除的指征	模型的特异性较低，范围在52.63-60.77%	确定使用深度学习预测裂牙拔除指征的可行性	418颗牙齿的全景放射图像，包括209颗正常牙齿和209颗裂牙	计算机视觉	NA	深度学习	InceptionV3, ResNet50, EfficientNetB0	图像	418颗牙齿
699	2024-08-20	Artificial Intelligence Enabled Interpretation of ECG Images to Predict Hematopoietic Cell Transplantation Toxicity 2024-Aug-16, Blood advances IF:7.4Q1 DOI:10.1182/bloodadvances.2024013636 PMID:39158065	研究论文	本文利用人工智能技术解读心电图图像，预测造血细胞移植后的心脏并发症和总体生存率	AI-ECG技术为造血细胞移植后的个性化风险评估提供了一种新策略	NA	探讨AI-ECG技术在预测造血细胞移植后心脏并发症和总体生存率方面的应用	接受造血细胞移植的血液恶性肿瘤患者	机器学习	血液恶性肿瘤	深度学习	NA	图像	1377名患者（849名自体造血细胞移植和528名异基因造血细胞移植接受者）
700	2024-08-20	Technical note: MR image-based synthesis CT for CyberKnife robotic stereotactic radiosurgery 2024-Aug-13, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad6a62 PMID:39094608	研究论文	本研究旨在探讨基于深度学习的合成CT图像是否能在CyberKnife机器人立体定向放射手术中实现精确的剂量计算。	本研究将基于MR的合成CT预测扩展到CyberKnife机器人立体定向放射手术，扩展了仅MR放射治疗的应用场景。	NA	研究基于深度学习的合成CT图像在CyberKnife机器人立体定向放射手术中的剂量计算准确性。	研究对象为CyberKnife机器人立体定向放射手术中的MR图像和CT图像。	计算机视觉	NA	深度学习	U-net卷积神经网络	图像	使用了2446对MR-CT图像进行训练，并使用551张MR图像进行测试。