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
961	2024-08-07	Linked color imaging with artificial intelligence improves the detection of early gastric cancer 2024-Aug-05, Digestive diseases (Basel, Switzerland) DOI:10.1159/000540728 PMID:39102801	研究论文	本研究开发了一种基于深度学习框架的计算机辅助检测系统（CADe），用于在白光成像（WLI）和链接彩色成像（LCI）模式下检测胃癌（GC），并比较了CADe与内镜医师的性能	CADe系统在LCI模式下检测胃癌的敏感性显著优于WLI模式，并且使用LCI的CADe敏感性显著高于使用LCI的专家内镜医师	NA	开发和评估一种计算机辅助检测系统（CADe），以提高早期胃癌的检测能力	胃癌（GC）的检测	计算机视觉	胃癌	深度学习	NA	图像	9021张图像来自385名患者，116个LCI和WLI视频来自110名患者
962	2024-08-07	Heatmap-Based Active Shape Model for Landmark Detection in Lumbar X-ray Images 2024-Aug-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01210-x PMID:39103566	研究论文	本研究提出了一种基于热图的主动形状模型方法，用于提高腰椎X光图像中地标检测的鲁棒性	该方法结合了深度学习的图像分析能力和地标分布的统计形状约束，通过热图响应和主动形状模型来修正地标位置	NA	提高腰椎X光图像中地标检测的准确性和鲁棒性	腰椎X光图像中的地标检测	计算机视觉	NA	卷积神经网络	CNN	图像	3600张腰椎X光图像
963	2024-08-07	The METRIC-framework for assessing data quality for trustworthy AI in medicine: a systematic review 2024-Aug-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01196-4 PMID:39097662	综述	本文通过系统回顾评估了医学领域中可信AI的数据质量框架，提出了METRIC框架。	提出了METRIC框架，这是一个专门针对医学训练数据的数据质量框架，包含15个意识维度，有助于减少偏见、增加鲁棒性、提高可解释性。	NA	探讨数据质量在医学深度学习应用中的重要性，并提出一个专门的数据质量框架。	医学领域的深度学习应用的数据质量。	机器学习	NA	深度学习	NA	数据集	从5408项研究中筛选出120项符合条件的记录。
964	2024-08-07	Automatic renal carcinoma biopsy guidance using forward-viewing endoscopic optical coherence tomography and deep learning 2024-Aug-02, Communications engineering DOI:10.1038/s44172-024-00254-9 PMID:39095532	research paper	本文介绍了一种使用前视光学相干断层扫描（OCT）探头和深度学习技术进行自动肾癌活检引导的方法	开发了卷积神经网络用于组织识别，与传统的衰减系数方法相比，提供了更准确的癌预测	NA	旨在提高穿刺肾活检过程中的采样准确性	肾癌和正常肾组织的区分	digital pathology	肾癌	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	10个人类肾脏样本，其中9个为恶性肾癌，1个为良性嗜酸性瘤
965	2024-08-07	Deep learning predicts the 1-year prognosis of pancreatic cancer patients using positive peritoneal washing cytology 2024-08-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67757-5 PMID:39095474	研究论文	本研究利用深度学习技术分析腹腔冲洗细胞学（CY）标本图像，预测胰腺癌患者的一年预后	首次使用Vision Transformer（ViT）和卷积神经网络（CNN）通过腹腔冲洗细胞学标本图像预测胰腺癌患者的一年预后	NA	探索深度学习在腹腔冲洗细胞学标本图像分析中的应用，以预测胰腺癌患者的一年生存率	胰腺癌患者的腹腔冲洗细胞学标本	计算机视觉	胰腺癌	深度学习	Vision Transformer（ViT）和卷积神经网络（CNN）	图像	88名胰腺癌患者的腹腔冲洗细胞学标本
966	2024-08-07	Current genomic deep learning models display decreased performance in cell type-specific accessible regions 2024-Aug-01, Genome biology IF:10.1Q1 DOI:10.1186/s13059-024-03335-2 PMID:39090688	研究论文	本文评估了在具有不同程度细胞类型特异性的染色质可及区域中，基因组深度学习模型的性能	发现基因组深度学习模型在细胞类型特异性可及区域的准确性降低，并提出了通过增加模型容量来提高性能的策略	改进参考序列预测并不总能提高变异效应预测的性能，需要新的策略来提高变异性能	评估基因组深度学习模型在细胞类型特异性染色质可及区域的性能	基因组深度学习模型在细胞类型特异性染色质可及区域的性能	机器学习	NA	深度学习	CNN	DNA序列	数千个输出（细胞类型和表观遗传标记）
967	2024-08-07	An ensemble model for accurate prediction of key water quality parameters in river based on deep learning methods 2024-Aug, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121932 PMID:39043087	研究论文	本研究提出基于季节性和趋势分解（STL）方法的两种集成模型TNX和STNX，利用地理传感时间序列数据预测河流中的水质参数	本研究提出的集成模型TNX和STNX在短步长和长步长水质预测中相较于最佳基线深度学习模型分别提高了2.1%-6.1%和4.3%-22.0%的性能，STNX模型在短步长和长步长预测中分别比TNX模型提高了0.5%-2.4%和2.3%-5.7%的性能	模型解释结果显示，随着预测站点与输入站点距离的增加，七个特定监测站点的显著性降低	提高河流水质参数的短步长和长步长预测精度，并理解复杂空间信息对深度学习模型的影响	溶解氧、总磷和氨氮等水质参数	机器学习	NA	深度学习方法	集成模型（TNX和STNX）	地理传感时间序列数据	七个水质监测站点
968	2024-08-07	Unsupervised deep learning enables real-time image registration of fast-scanning optical-resolution photoacoustic microscopy 2024-Aug, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2024.100632 PMID:39100197	研究论文	开发了一种基于无监督深度学习的注册网络，用于实时图像恢复和注册	该方法能够实时纠正B扫描畸变产生的伪影，并消除相邻和重复图像之间的错位，与传统的基于强度的注册算法相比，计算吞吐量提高了50倍	NA	实现光学分辨率光声显微镜快速扫描图像的实时图像恢复和注册	光学分辨率光声显微镜快速扫描图像	计算机视觉	NA	光声显微镜	深度学习网络	图像	NA
969	2024-08-07	Hybrid brain tumor classification of histopathology hyperspectral images by linear unmixing and an ensemble of deep neural networks 2024-Aug, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12084 PMID:39100499	研究论文	本文提出了一种混合方法，通过线性解混和深度神经网络集成对组织病理学高光谱图像中的脑肿瘤进行分类	该方法结合了线性解混进行特征提取和深度学习进行分类，实现了88%的平均准确率，减少了计算成本和推理时间	NA	研究目的是通过高光谱成像技术对脑组织样本进行肿瘤和非肿瘤的分类	研究对象是脑组织的组织病理学高光谱图像	数字病理学	脑肿瘤	高光谱成像	深度神经网络	图像	NA
970	2024-08-07	A labelled dataset for rebar counting inspection on construction sites using unmanned aerial vehicles 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110720 PMID:39100779	研究论文	本文详细介绍了使用深度学习对象检测方法创建用于钢筋计数的标注数据集的过程	本文创新地应用了八种数据增强技术来增强训练数据，并创建了九个不同的数据集	NA	旨在通过无人机图像利用深度学习算法提高钢筋在钢筋混凝土结构中的检查准确性	钢筋计数	计算机视觉	NA	深度学习	对象检测	图像	数据集包含874张原始图像，分为训练集524张，验证集175张，测试集175张
971	2024-08-07	NSTU-BDTAKA: An open dataset for Bangladeshi paper currency detection and recognition 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110701 PMID:39100771	research paper	本文介绍了一个名为'NSTU-BDTAKA'的开放数据集，专门用于孟加拉国纸币的同时检测和识别	该数据集不仅为纸币检测和识别提供基准，还促进了可应用于其他文化物品和对象的检测和识别方法的进步	NA	旨在促进纸币检测和识别模型的开发和评估	孟加拉国纸币（称为'Taka'）的检测和识别	computer vision	NA	图像处理技术、人工智能、深度学习	YOLOv5	image	检测子集包含3,111张高分辨率图像，识别子集包含28,875张图像
972	2024-08-07	Letter to the editor: Magnetic resonance imaging-based radiomics and deep learning models for predicting lymph node metastasis of squamous cell carcinoma of the tongue 2024-08, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.03.015 PMID:38797626	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
973	2024-08-07	Enhancing the reliability of deep learning-based head and neck tumour segmentation using uncertainty estimation with multi-modal images 2024-Aug-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad682d PMID:39059432	研究论文	本研究探讨了使用多模态图像的不确定性估计方法在提高头颈部肿瘤自动分割可靠性的效果	本研究引入了不确定性估计方法，通过提供校准的置信区间来提高深度学习在头颈部癌症自动分割中的可靠性	研究中未提及具体的局限性	研究目的是评估不同不确定性估计方法在提高头颈部癌症肿瘤分割可靠性方面的效果	研究对象为567名头颈部癌症患者的多模态图像及其临床肿瘤轮廓	计算机视觉	头颈部癌症	深度学习	nnUNet 3D分割模型	多模态图像（CT、PET、T1-和T2-加权MRI）	567名头颈部癌症患者
974	2024-08-06	Deep learning architecture with shunted transformer and 3D deformable convolution for voxel-level dose prediction of head and neck tumors 2024-Aug-05, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01462-5 PMID:39101991	研究论文	本研究开发了一种新型深度学习多尺度Transformer（MST）模型，用于加速头颈肿瘤的IMRT规划并提高体素级剂量预测的精度	本研究的创新之处在于采用了shunted Transformer和3D变形卷积，以捕捉多尺度特征并补偿空间信息丢失	本研究未提及模型的临床应用范围和潜在的临床限制	该研究旨在提高头颈肿瘤的放射治疗计划的效率和剂量预测的精度	研究对象为头颈肿瘤患者的IMRT剂量分布预测	计算机视觉	头颈癌	深度学习，3D变形卷积	MST模型	结构化数据	使用OpenKBP挑战数据集进行训练和评估，具体样本数量未给出
975	2024-08-06	Multi-step framework for glaucoma diagnosis in retinal fundus images using deep learning 2024-Aug-05, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03172-2 PMID:39098859	研究论文	提出了一种新的多步骤框架MSG-CNN，用于基于深度学习的青光眼诊断	将青光眼病理知识与深度学习模型结合，设计了一种新型特征提取网络RA-ResNet，提升了青光眼诊断效率	使用的样本量较小，可能影响结果的普适性	提高基于深度学习的青光眼诊断效率	青光眼的诊断，利用视网膜眼底图像数据	计算机视觉	青光眼	深度学习	MSG-CNN，RA-ResNet	图像	三个公共数据集，分别为Drishti-GS、RIM-ONE-R3和ACRIMA
976	2024-08-07	Comprehensive mapping and modelling of the rice regulome landscape unveils the regulatory architecture underlying complex traits 2024-Aug-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50787-y PMID:39095348	研究论文	本文呈现了水稻的综合调控组图谱，揭示了复杂性状背后的调控结构	提出了水稻的调控组图谱，发现了117,176个独特的开放染色质区域，及其与基因的关联	研究仅限于三种代表性水稻品种，可能无法全面适用于所有水稻品种	揭示调控复杂性状的调控机制，以促进作物改良	水稻（Oryza sativa）的23种不同组织	数字基因组学	NA	RNA-seq	深度学习模型	基因组数据	23种组织
977	2024-08-07	Robotic scrub nurse to anticipate surgical instruments based on real-time laparoscopic video analysis 2024-Aug-02, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00581-0 PMID:39095639	研究论文	本文介绍了一种机器人消毒护士系统，旨在通过实时腹腔镜视频分析预测并交付所需的手术器械	提出了一种三阶段深度学习架构，能够基于实时视频分析有效预测手术器械	样本量相对较小，仅在62例腹腔镜胆囊切除术中训练和测试模型	提高手术的质量和效率，缓解医护人员短缺问题	腹腔镜胆囊切除术中的手术器械预测	机器人技术	NA	深度学习	三阶段深度学习模型	视频	62例腹腔镜胆囊切除术
978	2024-08-07	Can supervised deep learning architecture outperform autoencoders in building propensity score models for matching? 2024-Aug-02, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02284-5 PMID:39095707	研究论文	本研究评估了监督深度学习模型与无监督自编码器在倾向得分估计中的表现。	首次比较了监督深度学习模型和无监督自编码器在倾向得分建模中的表现，发现前者在方差估计方面优于后者。	未提及具体的样本大小和数据特列，可能限制了研究的外部验证能力	评估不同模型在倾向得分估计中的表现，尤其是在流行病学研究中的应用	使用模拟数据和真实世界数据对倾向得分模型进行评估	机器学习	NA	深度学习、逻辑回归	监督深度学习架构、无监督自编码器	模拟数据、真实世界数据	使用了Right Heart Catheterization 数据集进行模拟
979	2024-08-07	Real-time tracking of structural evolution in 2D MXenes using theory-enhanced machine learning 2024-Aug-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66902-4 PMID:39095485	研究论文	本文提出了一种机器学习框架，用于实时评估和表征操作中电子能量损失谱图像	该研究创新性地采用变分自编码器将计算产生的MXenes结构与实验数据集结合，预测结构演变	此研究可能在样本多样性和复杂性上存在局限，未讨论具体的影响因素	旨在理解和控制二维MXenes的原子级结构转变	研究对象为二维MXenes材料系统	机器学习	NA	电子能量损失谱学（EELS）、透射电子显微镜（TEM）	变分自编码器（VAE）	谱图像数据	NA
980	2024-08-07	Enhanced skin cancer diagnosis using optimized CNN architecture and checkpoints for automated dermatological lesion classification 2024-Aug-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01356-8 PMID:39095688	研究论文	本研究通过优化的CNN架构和检查点来提高皮肤癌诊断的自动化分类能力	引入了一个复杂的CNN模型，通过创新的数据增强策略解决了数据集的类别不平衡问题	未提及模型在真实临床环境中的应用效果	提升皮肤癌诊断的准确性和效率	利用HAM10000数据集中的皮肤病变图像进行分类	计算机视觉	皮肤癌	深度学习	卷积神经网络（CNN）	图像	使用了HAM10000数据集中的多种皮肤病变图像