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
1161	2024-09-21	Improved REBA: deep learning based rapid entire body risk assessment for prevention of musculoskeletal disorders 2024-Oct, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2024.2306315 PMID:38423143	研究论文	提出了一种基于深度学习的改进REBA方法，用于预防肌肉骨骼疾病	该方法通过3D姿态重建，能够捕捉复杂的三维运动和姿势，相较于现有的2D图像方法有显著改进	NA	旨在开发一种自动化且准确的风险评估方法，以预防工作相关的肌肉骨骼疾病	工作视频和相应的REBA评分	计算机视觉	肌肉骨骼疾病	深度学习	NA	视频	NA
1162	2024-09-20	An enhanced AlexNet-Based model for femoral bone tumor classification and diagnosis using magnetic resonance imaging 2024-Oct, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100626 PMID:39290649	研究论文	本文介绍了一种基于AlexNet的增强深度学习模型，用于通过磁共振成像对股骨肿瘤进行分类和诊断	本文提出了一种优化的AlexNet模型，通过卷积神经网络对股骨肿瘤图像进行分类，相比其他方法具有更高的准确性、精确性、敏感性、特异性和F1分数	NA	开发一种自动化的分类方法，以提高股骨肿瘤的诊断准确性	股骨肿瘤患者及其磁共振成像数据	计算机视觉	骨肿瘤	卷积神经网络 (CNN)	AlexNet	图像	500例股骨肿瘤患者，包括500例影像数据（335例良性，165例恶性）
1163	2024-09-20	Discovery of type 2 diabetes mellitus with correlation and optimization driven hybrid deep learning approach 2024-Oct, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2267721 PMID:37865922	研究论文	本文提出了一种混合深度学习方法，用于识别2型糖尿病	采用基于相关性和优化的混合深度学习方法，结合了深度残差网络和基于骑手优化器的神经网络，并通过相关性融合提高分类性能	NA	开发一种新的混合深度学习技术，用于准确识别2型糖尿病	2型糖尿病的识别	机器学习	糖尿病	深度学习	混合模型	数值数据	未明确提及具体样本数量
1164	2024-09-19	Unifying antimicrobial peptide datasets for robust deep learning-based classification 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110822 PMID:39281014	研究论文	本文通过整合来自豆科植物种子的抗菌肽序列，开发了一个新的非冗余数据库，用于抗菌肽的二分类和预测	提出了一个新的非冗余抗菌肽序列数据库，解决了现有数据库中序列重叠的问题	NA	开发一个更精确的抗菌肽序列数据库，以支持可持续农业实践	豆科植物种子中的抗菌肽	计算生物学	NA	深度学习	二分类模型	序列数据	来自不同来源和功能的抗菌肽序列
1165	2024-09-19	PheW2P2V: a phenome-wide prediction framework with weighted patient representations using electronic health records 2024-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae084 PMID:39282083	研究论文	本文介绍了一种名为PheW2P2V的表型广泛预测框架，利用加权患者表示从电子健康记录中进行预测	PheW2P2V通过加权患者向量进行定制化预测，利用医疗概念嵌入和相关病史的加权，提高了对罕见表型的预测能力	需要进一步研究评估嵌入在不同数据库之间的可转移性	开发一种能够从电子健康记录中进行表型广泛预测的计算工具	电子健康记录中的患者病史数据	机器学习	NA	加权患者向量计算	NA	文本	使用MIMIC-III数据库进行942种表型的预测
1166	2024-09-17	Artificial Intelligence vs. Doctors: Diagnosing Necrotizing Enterocolitis on Abdominal Radiographs 2024-Oct, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2024.06.001 PMID:38955625	研究论文	研究使用深度学习模型ResNet-50来诊断新生儿坏死性小肠结肠炎（NEC），并与资深外科住院医师的诊断准确性进行比较	首次将深度学习模型应用于新生儿坏死性小肠结肠炎的放射影像诊断，并展示了其与资深外科住院医师相当的诊断准确性	研究样本仅来自单一机构，且未使用普遍应用的“金标准”进行诊断	评估深度学习模型在诊断新生儿坏死性小肠结肠炎中的准确性，并比较其与资深外科住院医师的诊断能力	新生儿坏死性小肠结肠炎的腹部放射影像	计算机视觉	新生儿疾病	深度学习	ResNet-50	图像	494张新生儿腹部放射影像（214张为NEC，280张为其他）
1167	2024-09-17	Progression or Aging? A Deep Learning Approach for Distinguishing Glaucoma Progression From Age-Related Changes in OCT Scans 2024-Oct, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.04.030 PMID:38703802	研究论文	开发了一种深度学习算法，用于在缺乏参考标准的情况下，通过光学相干断层扫描（OCT）图像检测青光眼进展	提出了噪声正未标记（Noise-PU）深度学习模型，结合卷积神经网络（CNN）和长短期记忆网络（LSTM），用于区分青光眼进展和年龄相关变化	研究基于回顾性队列，且依赖于特定的OCT设备（Spectralis, Heidelberg Engineering）	开发一种深度学习算法，用于在缺乏参考标准的情况下，通过OCT图像检测青光眼进展	青光眼和健康眼的OCT图像序列	机器学习	眼科疾病	光学相干断层扫描（OCT）	卷积神经网络（CNN）和长短期记忆网络（LSTM）结合模型	图像	3253只眼（1859名受试者），共8785个随访序列，平均随访时间为3.5 ± 1.6年
1168	2024-09-17	Automatic diagnosis for adenomyosis in ultrasound images by deep neural networks 2024-Oct, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2024.07.046 PMID:39121648	研究论文	本文介绍了一种基于深度神经网络的自动诊断子宫腺肌症的新技术	提出了一种基于Transformer网络的端到端统一网络框架A2DNet，用于自动诊断子宫腺肌症	NA	开发一种非侵入性的自动诊断子宫腺肌症的新技术	子宫腺肌症的自动诊断	计算机视觉	妇科疾病	深度学习	Transformer网络	图像	1654名患者
1169	2024-09-17	Schizophrenia diagnosis using the GRU-layer's alpha-EEG rhythm's dependability 2024-Oct, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2024.111886 PMID:39217668	研究论文	本文提出了一种基于门控循环单元（GRU）和alpha-EEG节律的深度学习模型，用于精神分裂症（SZ）的诊断	本文创新性地提出了Rudiment Densely-Coupled Convolutional Gated Recurrent Unit（RDCGRU）模型，用于基于EEG节律（gamma, beta, alpha, theta, 和 delta）的精神分裂症诊断	NA	研究目的是验证alpha-EEG节律在基于门控循环单元的深度学习模型中诊断精神分裂症的可靠性	研究对象是精神分裂症患者和alpha-EEG节律	机器学习	精神疾病	深度学习	门控循环单元（GRU）	脑电图（EEG）	NA
1170	2024-09-17	Deep Learning Prediction for Distal Aortic Remodeling After Thoracic Endovascular Aortic Repair in Stanford Type B Aortic Dissection 2024-Oct, Journal of endovascular therapy : an official journal of the International Society of Endovascular Specialists IF:1.7Q2 DOI:10.1177/15266028231160101 PMID:36927177	研究论文	本研究旨在开发一种深度学习模型，用于预测斯坦福B型主动脉夹层患者在接受胸主动脉腔内修复术后远端主动脉的重塑情况	本研究首次使用卷积神经网络（CNN）和点云神经网络（PC-NN）来预测主动脉重塑情况，并发现PC-NN在预测负性主动脉重塑和再干预方面优于CNN	本研究为回顾性研究，样本量相对较小，且仅在一个中心进行	开发一种基于CTA的深度学习算法，用于自动化预测胸主动脉腔内修复术后远端主动脉的重塑情况	斯坦福B型主动脉夹层患者在接受胸主动脉腔内修复术后的远端主动脉重塑情况	计算机视觉	心血管疾病	CTA	CNN, PC-NN	图像	147例急性或亚急性斯坦福B型主动脉夹层患者
1171	2024-09-17	Efficient Generation of Pretraining Samples for Developing a Deep Learning Brain Injury Model via Transfer Learning 2024-Oct, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-023-03354-3 PMID:37642795	研究论文	研究如何通过迁移学习使用高精度的变换神经网络（TNN）生成预训练样本，以减少开发深度学习脑损伤模型所需的计算资源	提出了一种通过迁移学习使用TNN生成预训练样本的方法，显著提高了CNN模型的准确性，特别是在微调数据集较小的情况下	当微调样本数量达到3000或更多时，预训练带来的改进不明显	研究如何通过迁移学习减少开发深度学习脑损伤模型所需的计算资源	脑损伤模型	机器学习	NA	迁移学习	卷积神经网络（CNN），变换神经网络（TNN）	合成冲击数据，增强冲击数据	100个合成冲击样本，100个增强冲击样本，191个独立测量冲击样本
1172	2024-09-15	Image dataset for cattle biometric detection and analysis 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110835 PMID:39263231	研究论文	本文介绍了一个用于牛生物特征检测和分析的图像数据集	该数据集包含了72头霍林郭勒黄牛的侧面和背面图像，并附有详细的生物特征标注，可用于构建深度学习模型以实现自动化牲畜监测系统	NA	提高畜牧业管理效率和运营效果，促进农业智能化和可持续发展	霍林郭勒黄牛的生物特征	计算机视觉	NA	深度学习	NA	图像	72头霍林郭勒黄牛
1173	2024-09-15	Radiographic imaging and diagnosis of spinal bone tumors: AlexNet and ResNet for the classification of tumor malignancy 2024-Oct, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100629 PMID:39257652	研究论文	研究探讨了放射影像和图像识别算法在脊柱骨肿瘤恶性分类中的应用，特别是AlexNet和ResNet模型的应用	研究首次将AlexNet和ResNet模型应用于脊柱骨肿瘤的恶性分类，展示了深度学习和卷积神经网络在医学影像分析中的潜力	研究仅限于脊柱骨肿瘤的恶性分类，且样本量相对较小，未来需扩大样本量和研究范围	探索放射影像和图像识别算法在脊柱骨肿瘤恶性分类中的应用	脊柱骨肿瘤的恶性分类	计算机视觉	NA	卷积神经网络 (CNN)	AlexNet, ResNet	图像	580名患者，1532张图像（679张良性肿瘤图像，853张恶性肿瘤图像）
1174	2024-09-15	Create distinctive databases of ancient languages and using a computer vision model to accurately recognize and classify them 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110809 PMID:39257691	研究论文	本文提出了一种基于深度学习的楔形文字识别方法，通过计算机视觉模型快速识别和分类楔形文字图像	利用预先存在的音译和拉丁字母表示法，解决了希伯来字母数据收集困难的问题，并使用Yolov8预训练模型进行对象识别	NA	加速楔形文字的识别和分类过程	楔形文字图像和希伯来字母	计算机视觉	NA	深度学习	Yolov8	图像	约500张希伯来语书籍插图和超过1000张伊拉克发现的古代文档图像
1175	2024-09-15	Personalized Deep Learning Model for Clinical Target Volume on Daily Cone Beam Computed Tomography in Breast Cancer Patients 2024-Oct, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2024.101580 PMID:39258144	研究论文	开发了一种深度学习算法，用于在乳腺癌患者的每日锥形束CT扫描中改进临床靶区体积的分割	利用Intentional Deep Overfit Learning (IDOL)框架，实现了基于患者特异性学习的个性化图像引导放射治疗	未来研究应探索IDOL框架在不同深度学习模型、数据集和癌症部位的适应性	提高乳腺癌放射治疗中每日锥形束CT扫描的临床靶区体积分割精度	乳腺癌患者的每日锥形束CT扫描	计算机视觉	乳腺癌	深度学习	Swin UNETR, UNET, SegResNET	图像	240次CBCT扫描，来自100名乳腺癌患者
1176	2024-09-15	Data Science Opportunities To Improve Radiotherapy Planning and Clinical Decision Making 2024-Oct, Seminars in radiation oncology IF:2.6Q2 DOI:10.1016/j.semradonc.2024.07.012 PMID:39271273	研究论文	本文探讨了数据科学在放射治疗计划和临床决策中的应用潜力	提出使用深度学习和机制性患者特异性计算机模拟（数字孪生）来改进放射治疗的预测模型	NA	探讨如何利用数据科学改进放射治疗计划和临床决策	放射治疗中的肿瘤控制和正常组织损伤	机器学习	NA	深度学习	NA	基因组数据、放射组学数据、剂量组学数据	NA
1177	2024-09-14	The research hotspots and theme trends of artificial intelligence in nurse education: A bibliometric analysis from 1994 to 2023 2024-10, Nurse education today IF:3.6Q1 DOI:10.1016/j.nedt.2024.106321 PMID:39084073	综述	本文通过文献计量分析探讨了1994年至2023年间人工智能在护理教育中的研究热点和主题趋势	本文通过多种分析工具揭示了人工智能在护理教育中的研究热点和未来趋势	本文主要依赖文献计量分析，可能忽略了其他定性研究方法的贡献	探讨人工智能在护理教育中的研究热点和主题趋势	人工智能在护理教育中的应用	机器学习	NA	文献计量分析	NA	文本	135篇文章
1178	2024-09-14	Transition-zone PSA-density calculated from MRI deep learning prostate zonal segmentation model for prediction of clinically significant prostate cancer 2024-Oct, Abdominal radiology (New York) DOI:10.1007/s00261-024-04301-z PMID:38896250	研究论文	开发了一种基于MRI的深度学习前列腺分区分割模型，并评估了过渡区PSA密度（TZ-PSAD）在预测临床显著性前列腺癌（csPCa）中的应用	提出了基于深度学习的前列腺MRI分区分割模型，并展示了TZ-PSAD在预测csPCa方面优于传统PSAD	需要进一步验证模型在不同数据集和临床环境中的泛化能力	开发和评估一种新的方法来提高临床显著性前列腺癌的检测准确性	前列腺癌的预测和诊断	计算机视觉	前列腺癌	深度学习	CNN	图像	1020名患者用于模型开发，3461名患者用于内部测试集，1460名患者用于外部测试集
1179	2024-09-14	Non-invasive prediction of axillary lymph node dissection exemption in breast cancer patients post-neoadjuvant therapy: A radiomics and deep learning analysis on longitudinal DCE-MRI data 2024-Oct, Breast (Edinburgh, Scotland) DOI:10.1016/j.breast.2024.103786 PMID:39137488	研究论文	本研究利用放射组学和深度学习分析纵向DCE-MRI数据，预测乳腺癌患者在新辅助治疗后腋窝淋巴结切除豁免的可能性	本研究引入了一种基于支持向量机的“数据整合”模型，显著提高了腋窝淋巴结状态评估的准确性	本研究为回顾性分析，样本量有限，需要进一步的前瞻性研究验证	开发一种精确的方法来评估乳腺癌患者在新辅助治疗后腋窝淋巴结的状态	乳腺癌患者在新辅助治疗后的腋窝淋巴结状态	数字病理学	乳腺癌	动态对比增强MRI (DCE-MRI)	支持向量机 (SVM)	图像	160名乳腺癌患者
1180	2024-09-14	Artificial intelligence-assisted grading for tear trough deformity 2024-Oct, Journal of plastic, reconstructive & aesthetic surgery : JPRAS DOI:10.1016/j.bjps.2024.07.048 PMID:39151284	研究论文	本文研究了利用智能手机摄影和人工智能深度学习技术辅助泪沟畸形分级的方法	首次展示了使用内置智能手机摄像头和AI深度学习程序对泪沟畸形进行分类的可行性	研究样本量相对较小，且仅使用了单一的智能手机摄像头	建立一个可靠且精确的数字图像分级模型，以辅助外科医生进行临床评估和手术决策	泪沟畸形	计算机视觉	NA	深度学习	NA	图像	504名患者和983张照片