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	2024-11-21	Artificial Intelligence and the Future of Communication Sciences and Disorders: A Bibliometric and Visualization Analysis 2024-Nov-07, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2024_JSLHR-24-00157 PMID:39418583	研究论文	本文通过文献计量学分析和可视化方法，全面概述了人工智能在沟通科学与障碍研究中的应用	本文首次系统性地分析了人工智能在沟通科学与障碍领域的研究趋势和热点，揭示了该领域应用AI的现状和未来发展方向	本文主要依赖于文献计量学方法，可能无法全面反映所有相关研究的细节和深度	旨在为研究人员、开发者和专业人士提供一个全面的概述，帮助理解AI在沟通科学与障碍研究中的演变	主要研究了自闭症、失语症、构音障碍、帕金森病和阿尔茨海默病等沟通障碍	机器学习	NA	文献计量学分析	支持向量机、卷积神经网络、隐马尔可夫模型	文献数据	15,035篇出版物，其中4,375篇符合纳入标准
682	2024-11-21	An All-in-One Array of Pressure Sensors and sEMG Electrodes for Scoliosis Monitoring 2024-Nov, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202404136 PMID:39115097	研究论文	开发了一种基于分层MXene/壳聚糖/聚二甲基硅氧烷(PDMS)/聚氨酯海绵和MXene/聚酰亚胺(PI)的全集成压力传感器和sEMG电极阵列，用于脊柱侧弯监测	该传感器具有高灵敏度和宽线性检测范围，sEMG电极具有出色的拉伸性和柔韧性，系统能够通过深度学习准确分类人体运动并预测Cobb角	NA	解决传统影像学方法在脊柱侧弯治疗中无法提供实时反馈和最佳矫正力的问题	脊柱侧弯患者及其治疗效果	生物医学工程	脊柱侧弯	深度学习	NA	传感器数据	NA
683	2024-10-15	Deciphering protective genomic factors of tumor development in pediatric Down syndrome via deep learning approach to whole genome and RNA sequencing 2024-Nov, Cancer communications (London, England) DOI:10.1002/cac2.12612 PMID:39387321	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
684	2024-11-21	Machine learning models of cerebral oxygenation (rcSO2) for brain injury detection in neonates with hypoxic-ischaemic encephalopathy 2024-Nov, The Journal of physiology DOI:10.1113/JP287001 PMID:39425751	研究论文	本研究旨在测试区域脑氧饱和度（rcSO2）在检测患有缺氧缺血性脑病（HIE）的新生儿脑损伤中的潜在应用	本研究首次将机器学习和深度学习模型应用于rcSO2信号分析，以预测短期脑损伤，并展示了其在临床决策中的潜力	研究样本量较小，且仅限于足月婴儿，未来需要在大样本和不同年龄段婴儿中进一步验证	评估机器学习和深度学习模型在检测患有HIE的新生儿脑损伤中的应用	患有缺氧缺血性脑病（HIE）的足月新生儿	机器学习	新生儿疾病	近红外光谱（NIRS）	机器学习模型和深度学习模型	信号	58名足月婴儿
685	2024-11-21	Accelerating Brain MR Imaging With Multisequence and Convolutional Neural Networks 2024-Nov, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70163 PMID:39552110	研究论文	研究使用深度学习技术加速脑部MRI成像过程，通过多序列和卷积神经网络重建图像，同时保持图像质量	利用深度学习技术从不同MRI序列中提取共同信息，减少最耗时的序列扫描时间，同时保持图像质量	研究仅限于T1-FLAIR、T2-FLAIR和T2WI序列，未涵盖所有可能的MRI序列	探讨深度学习技术是否能通过利用不同MRI序列的共同信息来减少扫描时间并保持图像质量	脑部MRI图像，包括T1-FLAIR、T2-FLAIR和T2WI序列	计算机视觉	NA	深度学习	卷积神经网络	图像	217名患者和105名健康受试者的脑部MRI原始数据
686	2024-11-21	Deep learning model for automated diagnosis of moyamoya disease based on magnetic resonance angiography 2024-Nov, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102888 PMID:39559186	研究论文	本研究探讨了基于深度学习的卷积神经网络（CNN）在磁共振血管造影（MRA）图像上自动识别烟雾病（MMD）的潜力	本研究首次使用DenseNet-121模型在MRA图像上实现了MMD的自动诊断，并展示了其与经验丰富的放射科医生相当的诊断能力	本研究为回顾性研究，样本主要来自中国的一个机构，外部验证集较小，可能影响模型的泛化能力	探索基于深度学习的卷积神经网络在MRA图像上自动诊断烟雾病的可能性	烟雾病（MMD）、动脉粥样硬化疾病（ASD）和正常对照（NC）的MRA图像	计算机视觉	脑血管疾病	卷积神经网络（CNN）	DenseNet-121	图像	600名参与者（200名MMD、200名ASD和200名NC）用于训练，60名参与者用于外部验证
687	2024-11-21	Deep Learning Algorithms for Breast Cancer Detection in a UK Screening Cohort: As Stand-alone Readers and Combined with Human Readers 2024-Nov, Radiology IF:12.1Q1 DOI:10.1148/radiol.233147 PMID:39560480	研究论文	本文研究了三种深度学习算法在英国乳腺癌筛查队列中的表现，评估了它们作为独立读片者和与人类读片者结合使用时的性能	本文的创新点在于验证了三种深度学习算法在独立使用和与人类读片者结合使用时的非劣效性，特别是在敏感性和特异性方面	本文的局限性在于仅在两个英国站点收集的数据上进行了验证，且仅使用了两种设备供应商的机器	本文的研究目的是在外部独立数据集中验证三种深度学习算法作为乳腺X线筛查读片者的性能	本文的研究对象是三种商业深度学习算法（DL-1, DL-2, DL-3）在乳腺癌筛查中的应用	计算机视觉	乳腺癌	深度学习	深度学习算法	图像	共26,722例病例，包括332例筛查发现、174例间隔期和254例下一轮癌症
688	2024-11-20	[Investigation of the impact of the deep learning based CT fractional flow reserve on clinical decision-making and long-term prognosis in patients with obstructive coronary heart disease] 2024-Nov-24, Zhonghua xin xue guan bing za zhi DOI:10.3760/cma.j.cn112148-20240626-00357 PMID:39557526	研究论文	研究深度学习CT分数流量储备（CT-FFR）对阻塞性冠心病患者临床决策和长期预后的影响	深度学习CT-FFR作为临床决策和长期预后评估的辅助工具	单中心回顾性队列研究，样本量有限	探讨深度学习CT-FFR对阻塞性冠心病患者临床决策和长期预后的影响	阻塞性冠心病患者	机器学习	心血管疾病	深度学习	NA	图像	622名患者，年龄61岁（54, 66），其中407名（65.4%）为男性
689	2024-11-20	Empirical Modal Decomposition Combined with Deep Learning for Photoacoustic Spectroscopy Detection of Mixture Gas Concentrations 2024-Nov-19, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04479 PMID:39506893	研究论文	本文提出了一种基于经验模态分解（EMD）、卷积神经网络（CNN）和长短期记忆网络（LSTM）的多组分气体分析方法，用于从重叠的波长调制光谱中提取混合气体的精确浓度	结合EMD、CNN和LSTM网络，能够从重叠的光谱中准确提取混合气体的浓度	NA	提高光声光谱技术在多组分气体分析中的测量精度	乙炔和氨气的混合气体浓度	机器学习	NA	光声光谱技术	CNN和LSTM	光谱数据	25种不同浓度的乙炔-氨气混合物，乙炔浓度范围为2.5至7.5 ppm，氨气浓度范围为12.5至37.5 ppm
690	2024-11-20	Dopaminergic PET to SPECT domain adaptation: a cycle GAN translation approach 2024-Nov-19, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06961-x PMID:39557690	研究论文	本文提出了一种基于CycleGAN的深度学习方法，用于将[11C]CFT PET图像转换为[123I]FP-CIT SPECT图像，以促进多中心研究和克服数据稀缺问题	本文首次使用CycleGAN模型进行PET到SPECT的跨模态图像转换，生成的合成SPECT图像在视觉上与真实图像难以区分，并保留了疾病特异性信息	合成SPECT图像的对比度噪声比低于真实PET和SPECT图像，且在合成图像上观察到诊断性能的降低	开发一种深度学习方法，将[11C]CFT PET图像转换为[123I]FP-CIT SPECT图像，以促进多中心研究和克服数据稀缺问题	帕金森病（PD）和非典型帕金森综合征（APS）的诊断	机器学习	帕金森病	CycleGAN	CycleGAN	图像	602例[11C]CFT PET图像（72%为PD）和1152例[123I]FP-CIT SPECT图像（85%为PD），以及67例测试PET图像（75%为PD）
691	2024-11-20	Predicting intraoperative 5-ALA-induced tumor fluorescence via MRI and deep learning in gliomas with radiographic lower-grade characteristics 2024-Nov-19, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-024-04875-0 PMID:39560696	研究论文	本文研究了使用深度学习模型基于术前磁共振成像（MRI）预测低级别胶质瘤中5-氨基乙酰丙酸（5-ALA）诱导的术中荧光	本文提出了一种结合U-Net模型和随机森林分类器的方法，用于预测术前MRI中的术中荧光	模型仍有改进空间，目前主要用于评估何时对缺乏典型高级别放射学特征的胶质瘤施用5-ALA	分析深度学习模型是否能基于术前MRI预测术中荧光，以提高低级别胶质瘤的诊断准确性	低级别胶质瘤患者及其术前MRI图像	计算机视觉	脑肿瘤	磁共振成像（MRI）	U-Net模型	图像	163名胶质瘤患者，其中83名荧光阳性，80名荧光阴性
692	2024-11-20	Minimally interactive segmentation of soft-tissue tumors on CT and MRI using deep learning 2024-Nov-19, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11167-8 PMID:39560714	研究论文	本文开发了一种基于深度学习的软组织肿瘤CT和MRI图像的交互式分割方法	该方法通过用户点击肿瘤边界附近的六个点，生成距离图并与图像一起输入卷积神经网络，实现了比手动分割更快且比其他自动方法更准确的分割效果	NA	开发一种交互式深度学习分割方法，用于软组织肿瘤的CT和MRI图像分割	软组织肿瘤的CT和MRI图像	计算机视觉	NA	卷积神经网络	CNN	图像	训练和内部验证使用了514名患者的多中心公共数据集，外部验证使用了包含五种未见过的软组织肿瘤表型的公共数据集
693	2024-11-20	Machine learning outperforms the Canadian Triage and Acuity Scale (CTAS) in predicting need for early critical care 2024-Nov-19, CJEM DOI:10.1007/s43678-024-00807-z PMID:39560909	研究论文	本研究通过比较机器学习模型与加拿大急诊分级和严重程度评分（CTAS）在预测急诊患者早期重症监护需求方面的表现，探讨了改进急诊分诊的可能性	机器学习模型在识别急诊患者早期重症监护需求方面优于CTAS评分	研究结果需要在未来研究中进行验证	探讨机器学习模型在急诊分诊中的应用，以提高预测重症监护需求的准确性	急诊患者早期重症监护需求的预测	机器学习	NA	LASSO回归、梯度提升树、深度学习模型	LASSO回归、梯度提升树、深度学习模型	数据	670,841次急诊就诊
694	2024-11-20	Randomized controlled trial of an artificial intelligence diagnostic system for the detection of esophageal squamous cell carcinoma in clinical practice 2024-Nov-18, Endoscopy IF:11.5Q1 DOI:10.1055/a-2421-3194 PMID:39317205	研究论文	本文探讨了人工智能诊断系统在临床实践中检测食管鳞状细胞癌的效果	首次在临床环境中进行随机对照试验，评估人工智能系统在食管鳞状细胞癌检测中的应用	研究未能证明人工智能诊断系统能显著提高食管鳞状细胞癌的检测率	评估人工智能系统在临床实践中辅助内镜医师检测食管鳞状细胞癌的效果	食管鳞状细胞癌患者	计算机视觉	食管癌	深度学习	NA	图像	320名患者
695	2024-11-20	Diagnosis and typing of leukemia using a single peripheral blood cell through deep learning 2024-Nov-18, Cancer science IF:4.5Q1 DOI:10.1111/cas.16374 PMID:39555724	研究论文	本文提出了一种基于深度学习的单个外周血细胞白血病诊断和分型方法	采用分割增强残差网络，结合渐进多粒度训练和拼图补丁技术，能够区分良性和恶性细胞，并对白血病进行分型	模型在非APL病例中的召回率较低，仅为74.63%	提高白血病的诊断和分型效率，改善患者依从性和生存率	外周血细胞图像，包括五种良性白细胞和八种白血病细胞	计算机视觉	白血病	深度学习	残差网络	图像	21,208张图像，来自237名患者
696	2024-11-20	Generalization Analysis of Transformers in Distribution Regression 2024-Nov-18, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01726 PMID:39556504	研究论文	本文提出了一种基于分布回归的transformer学习框架，并展示了transformer通过注意力机制在分布压缩和函数表示中的优势	提出了一个新的注意力操作符，使transformer能够无损地压缩分布并表示函数，相比卷积神经网络和全连接网络，transformer在处理复杂结构函数时表现出更强的能力	NA	研究transformer及其相关技术的底层机制，并提供理论支持	transformer模型及其在分布回归中的应用	机器学习	NA	transformer	transformer	分布数据	NA
697	2024-11-20	Current status and future direction of cancer research using artificial intelligence for clinical application 2024-Nov-18, Cancer science IF:4.5Q1 DOI:10.1111/cas.16395 PMID:39557634	综述	本文综述了人工智能在癌症研究中的当前状态和未来方向，特别是从临床应用的角度	本文讨论了生成性AI技术（如ChatGPT）在社会中的影响，并强调了AI在医疗领域的广泛应用	尽管AI技术具有巨大潜力，但仍存在许多需要仔细考虑的挑战	促进利用有效AI技术的癌症研究	AI在癌症研究中的应用及其挑战和未来方向	机器学习	癌症	NA	NA	NA	NA
698	2024-11-20	Deep learning-based automatic bleeding recognition during liver resection in laparoscopic hepatectomy 2024-Nov-18, Surgical endoscopy DOI:10.1007/s00464-024-11331-7 PMID:39557646	研究论文	本文开发了一种基于深度学习的自动识别腹腔镜肝切除术中出血区域的模型	首次报道了用于检测和停止腹腔镜肝切除术中出血的深度学习模型	研究为回顾性可行性研究，样本量较小	开发一种自动识别腹腔镜肝切除术中出血区域的深度学习模型	腹腔镜肝切除术中的出血区域	计算机视觉	NA	卷积神经网络算法	CNN	图像	2203张标注图像，来自44个腹腔镜肝切除术视频
699	2024-11-20	A Comparison of Deep Learning vs. Dental Implantologists in Cone-Beam Computed Tomography-Based Bone Quality Classification 2024-Nov-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01317-1 PMID:39557735	研究论文	比较深度学习模型与牙种植专家在基于锥束计算机断层扫描（CBCT）的骨质量分类中的表现	使用Inception-ResNet-v2深度学习模型在骨质量分类中表现优于牙种植专家和住院医师	研究仅限于CBCT图像和L&Z分类，未涉及其他骨质量评估方法	比较深度学习模型与人类评估者在骨质量评估中的表现	CBCT图像中的骨质量分类	计算机视觉	NA	深度学习	Inception-ResNet-v2	图像	1100个CBCT横截面切片
700	2024-11-20	RIDGE: Reproducibility, Integrity, Dependability, Generalizability, and Efficiency Assessment of Medical Image Segmentation Models 2024-Nov-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01282-9 PMID:39557736	研究论文	本文介绍了一个名为RIDGE的框架，用于评估医学图像分割模型的可重复性、完整性、可靠性、可推广性和效率	提出了RIDGE清单，这是一个全面的框架，旨在评估深度学习医学图像分割模型的多个关键方面	NA	提高医学图像分割模型的质量和透明度，促进其在临床环境中的应用	深度学习医学图像分割模型	计算机视觉	NA	深度学习	NA	图像	NA