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
1141	2024-08-05	EEG-based motor imagery channel selection and classification using hybrid optimization and two-tier deep learning 2024-Sep, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110215 PMID:38968976	研究论文	本论文探讨了一种基于脑电图(EEG)的运动想象信道选择与分类的方法	提出了一种结合战争策略优化和猩猩优化算法的混合优化方法，以改善运动想象任务的分类性能	在此处没有提到具体的局限性	旨在提高基于脑电图的运动想象任务的分类准确性和鲁棒性	本研究对象为运动想象行为的脑电图信号	计算机视觉	NA	脑电图(EEG)	卷积神经网络(CNN)和修改后的深度神经网络(M-DNN)	EEG信号	NA
1142	2024-08-05	Adoption of deep learning-based magnetic resonance image information diagnosis in brain function network analysis of Parkinson's disease patients with end-of-dose wearing-off 2024-Sep, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110184 PMID:38838748	研究论文	本研究采用基于卷积神经网络的功能性磁共振成像数据分类模型分析帕金森病患者的脑功能网络。	本研究在卷积神经网络架构上进行了改进，并探讨了帕金森病患者在服药末期Wear-off情况下的脑功能网络变更。	本研究未探讨其他可能影响结果的因素，例如患者的年龄和其他健康状况。	分析帕金森病患者在EODWO状态下的脑功能网络变化。	研究对象为100名帕金森病患者，分为对照组和实验组。	计算机视觉	帕金森病	功能性磁共振成像（fMRI）	卷积神经网络（CNN）	影像	100名帕金森病患者
1143	2024-08-05	An emerging network for COVID-19 CT-scan classification using an ensemble deep transfer learning model 2024-Sep, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2024.107277 PMID:38878849	研究论文	本文介绍了一种基于人工智能的方法来通过CT扫描诊断COVID-19	提出了一种称为CT6-CNN的网络，并基于此设计了两个集成深度迁移学习模型	未提及具体的局限性	旨在通过CT样本实现COVID-19的早期诊断	使用SARS-CoV-2 CT数据集进行COVID-19的诊断	数字病理学	COVID-19	深度学习	CT6-CNN，集成深度迁移学习模型	图像	2481个CT扫描
1144	2024-08-05	Differentiation of glioblastoma from solitary brain metastasis using deep ensembles: Empirical estimation of uncertainty for clinical reliability 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108288 PMID:38941861	研究论文	本文开发了一种临床可靠的深度学习模型，以区分胶质母细胞瘤与孤立性脑转移。	通过提供预测不确定性估计和可解释性，提升了深度学习模型的临床可靠性。	模型的高不确定性组在预测性能上表现较差，可能受到数据不平衡的影响。	研究旨在开发一种能够区分胶质母细胞瘤和孤立性脑转移的深度学习模型。	研究对象包括469名患者，其中300名为胶质母细胞瘤患者，169名为孤立性脑转移患者。	深度学习	胶质母细胞瘤	深度集成学习	DenseNet121	多参数MRI	469名患者，包含300名胶质母细胞瘤和169名孤立性脑转移
1145	2024-08-05	Light&fast generative adversarial network for high-fidelity CT image synthesis of liver tumor 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108252 PMID:38843572	研究论文	提出了一种生成对抗网络模型，以提升肝肿瘤CT图像合成的真实度	本研究通过新颖的梯度传递采样模块和注意力模块，提高了图像合成的质量和生成模型的准确性	本研究主要集中于肝细胞癌的模型构建，可能对其他类型的肿瘤适用性有限	改善肝细胞癌辅助诊断的准确性	生成接近真实分布的肝脏和肿瘤图像	数字病理学	肝癌	生成对抗网络(GAN)	NA	图像	NA
1146	2024-08-05	MACFNet: Detection of Alzheimer's disease via multiscale attention and cross-enhancement fusion network 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108259 PMID:38865795	研究论文	本研究提出了一种新颖的多尺度注意力和交叉增强融合网络MACFNet，用于阿尔茨海默病的检测	提出了一种新颖的交叉增强融合模块和高效空间通道注意力模块，改进了不同模态低级特征的融合和交互	该研究的结果依赖于阿尔茨海默病神经影像倡议（ADNI）数据集，可能在其他数据集上表现不同	旨在提高阿尔茨海默病的早期诊断准确性	研究对象为阿尔茨海默病患者与正常对照及轻度认知障碍者	数字病理学	老年痴呆症	深度学习	多尺度注意力网络	神经影像数据	使用来自阿尔茨海默病神经影像倡议（ADNI）数据集的样本
1147	2024-08-05	Suppressing the HIFU interference in ultrasound guiding images with a diffusion-based deep learning model 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108304 PMID:38954917	研究论文	本文提出了一种基于扩散的深度学习模型，用于抑制高强度聚焦超声（HIFU）在超声引导图像中的干扰	这是第一个为抑制HIFU干扰而开发的基于扩散的模型	NA	提出一种新的方法来实时监测非侵入性手术过程	高强度聚焦超声手术中的超声引导图像	数字病理学	NA	深度学习，扩散隐式模型	扩散隐式模型（HIFU-Diff）	图像	进行了一系列的离体和在体实验
1148	2024-08-05	Multi-omics deep learning for radiation pneumonitis prediction in lung cancer patients underwent volumetric modulated arc therapy 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108295 PMID:38905987	研究论文	本文评估了辐射组学、剂量组学和深度学习在预测肺癌患者放射性肺炎的可行性和准确性	通过结合辐射组学、剂量组学和深度学习特征，从而提高了对肺癌患者放射性肺炎预测的准确性	在外部验证中，模型的特异性较低，需进一步优化和验证	提高接受体积调制弧形治疗的肺癌患者的放疗安全性和管理	318名和31名接受体积调制弧形治疗的肺癌患者	机器学习	肺癌	辐射组学、剂量组学、深度学习	ResNet-34	图像	318名用于训练和31名用于外部验证的肺癌患者
1149	2024-08-05	CPSS: Fusing consistency regularization and pseudo-labeling techniques for semi-supervised deep cardiovascular disease detection using all unlabeled electrocardiograms 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108315 PMID:38991373	研究论文	本文提出了一种新颖的半监督学习算法CPSS，旨在利用未标记的心电图（ECG）提高心血管疾病（CVD）检测的性能	CPSS算法结合了一致性正则化和伪标签技术，能有效利用未标记的ECG数据，从而减少标签负担	论文中未提及算法在不同临床情境下的普适性和可迁移性	研究旨在通过充分利用未标记的ECG数据改善心血管疾病检测的性能	研究对象为未标记的心电图数据及其与标记数据的结合	机器学习	心血管疾病	深度学习	VGGNet与ResNet	心电图（ECG）	使用了10%的标记ECG数据进行验证
1150	2024-08-05	AiCarePWP: Deep learning-based novel research for Freezing of Gait forecasting in Parkinson 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108254 PMID:38905989	研究论文	本研究提出一种基于深度学习的AiCarePWP设备，用于预测帕金森病患者的运动冻结事件。	该研究引入了一种新的电刺激提示方法来改善步态功能，并减少帕金森病患者中运动冻结的发生率。	研究中未提及样本的多样性和长期效果评估的局限性	研究旨在开发一种可穿戴设备，以识别即将发生的运动冻结事件，并刺激患者的动作。	研究对象为帕金森病患者，重点分析其步态参数和运动冻结事件的预测。	计算机视觉	帕金森病	卷积神经网络	CNN	传感器数据	47种步态特征
1151	2024-08-05	Artificial intelligence in retinal screening using OCT images: A review of the last decade (2013-2023) 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108253 PMID:38861878	综述	本文全面回顾了光学相干断层扫描（OCT）在眼科疾病检测中的应用	探讨了机器学习和深度学习在OCT图像处理中的优势，尤其是深度学习模型的预训练网络的应用	可能未能覆盖所有相关文献，且选取的文献质量参差不齐	旨在评估OCT图像在眼科疾病检测、特征提取和监测中的作用	研究了多种眼科病症，包括青光眼、视网膜黄斑变性及其他相关病症	数字病理学	眼科疾病	机器学习，深度学习	深度学习模型	图像	76篇期刊文章
1152	2024-08-05	Automatic semantic segmentation of EHG recordings by deep learning: An approach to a screening tool for use in clinical practice 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108317 PMID:38996804	研究论文	本研究设计并验证了一种自动分割和筛选EHG记录中生理段落的系统，以促进临床实践中的使用	该研究开发的自动化工具能够有效替代专家的手动分割，填补现有预测系统的空白	模型在挑战性高或复杂的记录情况下的性能可能仍然有限	研究目标是为EHG信号的自动处理设计一个系统，以预测早产	研究对象为单胎妊娠女性的EHG记录	数字病理学	早产	EHG（电生理监测）	U-Net, U-Net++, U-Net 3+	信号	369个EHG记录（300个来自TPEHG DS数据库，69个来自Ci2B-La Fe数据库）
1153	2024-08-05	A deep learning approach for overall survival prediction in lung cancer with missing values 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108308 PMID:38968829	研究论文	本文提出了一种深度学习方法，用于处理肺癌患者生存预测中的缺失值问题	提出了一种新的生存分析方法，利用变压器架构动态处理缺失数据而无需插补策略	模型可能在面对极端缺失数据时表现不佳	旨在开发一个能够处理缺失数据的人工智能模型，以提高非小细胞肺癌患者的生存预测准确性	研究对象为非小细胞肺癌（NSCLC）患者	机器学习	肺癌	变压器架构	变压器模型	表格数据	使用了共6年的患者数据进行评估
1154	2024-08-05	NNBGWO-BRCA marker: Neural Network and binary grey wolf optimization based Breast cancer biomarker discovery framework using multi-omics dataset 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108291 PMID:38909399	研究论文	本文提出了一种基于神经网络和二元灰狼优化的乳腺癌生物标志物发现框架	将深度学习与多组学数据相结合，进行特征选择以识别乳腺癌生物标志物	当前研究中仅限于特定的生物标志物，其他可能的标志物尚未探讨	旨在通过多组学数据准确分类乳腺癌亚型	使用多组学数据分析乳腺癌生物标志物	数字病理学	乳腺癌	深度学习，二元灰狼优化	前馈神经网络	多组学数据	NA
1155	2024-08-05	Next-Generation Tear Meniscus Height Detecting and Measuring Smartphone-Based Deep Learning Algorithm Leads in Dry Eye Management 2024 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100546 PMID:39051043	研究论文	本研究旨在开发一个基于Python的深度学习算法，以用于干眼病的诊断和管理	使用智能手机图像进行干眼病相关的诊断和管理，带来新的技术路径	本研究仅包括单眼图像，可能影响结果的普遍性	研究旨在提升干眼病的诊断和管理方法	参与者为734名患者的1021幅眼部图像	数字病理学	干眼症	深度学习算法	NA	图像	1021幅眼部图像，来自734名患者
1156	2024-08-05	Highly Accurate and Precise Automated Cup-to-Disc Ratio Quantification for Glaucoma Screening 2024 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100540 PMID:39051045	研究论文	本文旨在开发和验证一种基于深度学习的算法，以自动确定视网膜图像中的杯盘比（CDR）	提出了一种深度学习算法来提高CDR的自动评估准确性和效率	在青光眼筛查中，CDR阈值的确定可能受其他临床参数的影响	提升青光眼筛查中CDR的自动评估准确性	来自英国生物银行（UKBB）、Drishti_GS和EyePACS的181,768幅视网膜图像	数字病理学	青光眼	深度学习	卷积神经网络（CNN）	图像	181,768幅视网膜图像
1157	2024-08-05	Image-based deep learning model using DNA methylation data predicts the origin of cancer of unknown primary 2024-09, Neoplasia (New York, N.Y.) DOI:10.1016/j.neo.2024.101021 PMID:38943996	研究论文	本文开发了一种基于图像的深度学习模型，用于预测未知原发癌症的起源。	文章创新地应用了视觉变换算法和DNA甲基化数据来识别癌症的起源。	本研究的局限性在于使用的样本主要来自TCGA和20个外部研究，可能影响模型的普遍适用性。	研究的目的是提高对未知原发癌症起源的准确识别。	研究对象为8,233个来自TCGA的原发肿瘤样本和394个转移癌样本。	数字病理学	未知原发癌症	DNA甲基化分析	视觉变换器	图像	8,233个原发肿瘤样本和394个转移癌样本
1158	2024-08-07	Comment on "Utilizing deep learning for automated detection of oral lesions: A multicenter study" 2024-Sep, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2024.106932 PMID:38968726	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1159	2024-08-05	Automated magnetic resonance imaging-based grading of the lumbar intervertebral disc and facet joints 2024-Sep, JOR spine IF:3.4Q1 DOI:10.1002/jsp2.1353 PMID:39011368	研究论文	本研究介绍了一种基于磁共振成像的自动化技术，用于对腰椎间盘和关节的分级。	提出了一种基于卷积神经网络的自动化分级技术，增强了评估的一致性。	在Fujiwara分级系统中表现出较大的误差，显示出该系统的高变异性。	旨在使用自动化系统根据Pfirrmann和Fujiwara分级系统分类腰椎间盘和关节的健康状况。	临床MRI图像，涉及腰椎间盘和关节的健康状况。	计算机视觉	NA	磁共振成像	卷积神经网络	图像	从公共可访问的腰椎MRI数据集中获取的临床MRI图像
1160	2024-08-05	Tracing the genealogy origin of geographic populations based on genomic variation and deep learning 2024-Sep, Molecular phylogenetics and evolution IF:3.6Q2 DOI:10.1016/j.ympev.2024.108142 PMID:38964594	研究论文	本文开发了一种基于基因组SNP的卷积神经网络方法，以识别地理种群的来源	提出了一种新颖的方法，将全基因组测序与深度学习结合，以提高个体的种群来源追踪准确性	依赖于全面和标准化的基因组参考数据	研究如何利用基因组变异追踪个体的种群来源	文章涉及亚洲蜜蜂、红火蚁和鸡的数据集	机器学习	NA	全基因组测序	卷积神经网络	基因组数据	三个实证数据集和两个模拟种群