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
1041	2024-10-30	Pre-operative lung ablation prediction using deep learning 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10767-8 PMID:38775950	研究论文	本文介绍了一种基于深度学习的模型，用于预测微波肺消融术后的消融区域，以辅助治疗计划并提高治疗效果	本文提出了一种新颖的可变形图像配准方法和以消融器为中心的坐标系统，用于分析数据，并基于U-net架构构建了预测模型	本文的研究是回顾性的，样本量相对较小，且仅限于单一供应商的消融器	开发一种能够准确预测微波肺消融术后消融区域的深度学习模型，以改善治疗计划并减少肿瘤复发	微波肺消融术后的消融区域	计算机视觉	肺癌	可变形图像配准	U-net	图像	113次消融，来自72名患者
1042	2024-10-30	Prospective and multi-reader evaluation of deep learning reconstruction-based accelerated rectal MRI: image quality, diagnostic performance, and reading time 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10882-6 PMID:39017934	研究论文	评估基于深度学习重建（DLR）的加速直肠磁共振成像（MRI）与标准MRI的图像质量、诊断性能和阅读时间	DLR技术在直肠MRI中显著减少了采集时间，并提高了图像质量和初级放射科医生的T分期准确性	研究仅在一个中心进行，样本量有限，且仅包括接受治愈性手术的患者	评估基于深度学习重建的加速直肠MRI与标准MRI的性能差异	直肠腺癌患者	医学影像	直肠癌	深度学习重建（DLR）	NA	图像	117名患者，其中60名接受治愈性手术
1043	2024-10-30	Standalone deep learning versus experts for diagnosis lung cancer on chest computed tomography: a systematic review 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10804-6 PMID:38777902	综述	比较独立深度学习算法与人类专家在胸部CT扫描中诊断肺癌的诊断性能	深度学习算法在肺癌检测中的敏感性和特异性优于人类专家	深度学习算法在不同成像模式和任务中的表现存在差异，需要进一步优化	比较深度学习算法与专家在肺癌检测中的诊断性能	成人肺癌患者和胸部CT扫描	计算机视觉	肺癌	深度学习	NA	图像	20项研究
1044	2024-09-06	On-Device Deep Learning to Detect Carotid Stenosis With Smartphones: Development and Validation 2024-Nov, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.124.048410 PMID:39234680	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1045	2024-10-30	A deep learning-based approach for unbiased kinematic analysis in CNS injury 2024-Nov, Experimental neurology IF:4.6Q1 DOI:10.1016/j.expneurol.2024.114944 PMID:39242068	研究论文	本文介绍了一种基于深度学习的方法，用于在中枢神经系统损伤中进行无偏差的运动学分析	开发了两种基于深度学习算法的无标记运动学分析范式，MotorBox和MotoRater，用于替代传统的BMS测试，消除了评估中的主观偏差和变异性	NA	提高脊髓损伤后功能评估的准确性、敏感性和可重复性	脊髓损伤后的运动功能评估	计算机视觉	脊髓损伤	深度学习	NA	视频	NA
1046	2024-10-30	A wavelet subband based LSTM model for 12-lead ECG synthesis from reduced lead set 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00412-0 PMID:39465099	研究论文	本文提出了一种基于小波子带和长短期记忆网络（LSTM）的模型，用于从减少的导联集中合成12导联心电图	本文利用小波域中的增强导联间相关性，结合LSTM网络捕捉心电信号的时空信息，提出了一种新的深度学习架构	NA	研究目的是从减少的导联集中合成12导联心电图，以满足患者舒适度、简化复杂性和实现远程监控	研究对象是心电图信号及其导联间和导联内的相关性	机器学习	NA	小波变换	LSTM	心电图信号	NA
1047	2024-10-30	Self-supervised learning for CT image denoising and reconstruction: a review 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00424-w PMID:39465103	综述	本文综述了自监督学习方法在CT图像去噪和重建中的应用	自监督学习方法在无需干净/噪声参考的情况下学习CT图像	NA	回顾自监督学习在CT图像去噪和重建中的进展	CT图像去噪和重建	计算机视觉	NA	自监督学习	NA	图像	NA
1048	2024-10-30	A review of deep learning-based reconstruction methods for accelerated MRI using spatiotemporal and multi-contrast redundancies 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00425-9 PMID:39465106	综述	本文综述了基于深度学习的加速MRI重建方法，利用时空和多对比度冗余信息	本文介绍了利用多线圈冗余、多对比度冗余和时空冗余信息结合深度学习方法，实现更高加速和细节保留的重建性能	本文讨论了当前方法的挑战和局限性，并提出了未来发展的潜在方向	综述基于深度学习的加速MRI重建方法及其利用冗余信息的优势	加速MRI重建方法及其在图像重建中的应用	计算机视觉	NA	MRI	深度学习	图像	NA
1049	2024-10-30	A systematic review of deep learning-based denoising for low-dose computed tomography from a perceptual quality perspective 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00419-7 PMID:39465112	综述	本文综述了从感知质量角度出发，基于深度学习的低剂量计算机断层扫描（LDCT）去噪方法	本文探讨了针对LDCT图像感知质量提升的先进深度学习方法，包括感知损失函数和生成对抗网络，并强调了开发平衡感知和诊断质量方法的迫切需求	当前方法主要依赖于PSNR和SSIM等客观指标，导致图像过度平滑，缺乏关键细节	提升低剂量计算机断层扫描图像的感知质量，使其更符合临床实践中的诊断需求	低剂量计算机断层扫描图像的去噪效果	计算机视觉	NA	深度学习	生成对抗网络	图像	NA
1050	2024-10-30	CT synthesis with deep learning for MR-only radiotherapy planning: a review 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00430-y PMID:39465111	综述	本文综述了使用深度学习模型进行MR到CT合成的多种方法	本文通过比较不同模型并分析应用于该任务的通用方法，评估了这些模型的潜力和改进当前方法的途径	NA	提升MR-only放疗计划中合成CT的准确性并应用于实践	MR到CT合成的深度学习模型	计算机视觉	NA	深度学习	卷积神经网络、生成对抗网络、Transformer模型、扩散模型	图像	NA
1051	2024-10-30	Integrated deep learning approach for generating cross-polarized images and analyzing skin melanin and hemoglobin distributions 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00409-9 PMID:39465115	研究论文	本文提出了一种集成深度学习方法，用于生成交叉偏振图像并分析皮肤中黑色素和血红蛋白的分布	本文的创新点在于提出了一种无需真实标签的集成方法，通过生成对抗网络生成交叉偏振图像，并使用理论重建的地面真值训练皮肤分析模块	本文的局限性在于依赖于理论重建的地面真值，可能与实际测量结果存在差异	研究目的是开发一种无需额外光学仪器或大量地面真值准备的皮肤色素分析方法	研究对象是皮肤中的黑色素和血红蛋白分布	计算机视觉	NA	生成对抗网络	CycleGAN, pix2pix, pix2pixHD, 回归分析网络	图像	使用VISIA VAESTRO临床系统进行评估
1052	2024-10-30	Diagnostic performance of deep learning for infectious keratitis: a systematic review and meta-analysis 2024-Nov, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102887 PMID:39469534	meta-analysis	本文系统综述和荟萃分析了深度学习在感染性角膜炎诊断中的表现	首次系统评估了深度学习模型在感染性角膜炎诊断中的准确性，并与眼科医生的诊断准确性进行了比较	研究存在图像分析未考虑个体间潜在相关性、研究人群相对同质、深度学习阈值未预先设定以及外部验证有限等问题	评估深度学习在感染性角膜炎诊断中的准确性及其与眼科医生的比较	感染性角膜炎的诊断	machine learning	眼科疾病	深度学习	NA	图像	136,401张角膜图像，来自超过56,011名患者
1053	2024-08-07	Leveraging deep learning for more accurate prediction of lung microwave ablation zones 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10995-y PMID:39075303	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1054	2024-10-29	Breast cancer survival prediction using an automated mitosis detection pipeline 2024-Nov, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70008 PMID:39466133	研究论文	本文研究了一种全自动的细胞分裂检测流程，用于乳腺癌患者的生存预测	本文提出了一种新的自动区域选择方法，用于找到最佳的有丝分裂热点并计算每2mm的细胞分裂计数	NA	验证全自动细胞分裂计数AI算法在乳腺癌患者中的预后价值	乳腺癌患者的细胞分裂计数和生存预测	数字病理学	乳腺癌	深度学习	深度学习模型	图像	912例乳腺癌患者
1055	2024-10-28	Current status and prospects of breast cancer imaging-based diagnosis using artificial intelligence 2024-Nov, International journal of clinical oncology IF:2.4Q3 DOI:10.1007/s10147-024-02594-0 PMID:39297908	综述	本文综述了人工智能在乳腺癌影像诊断中的现状和前景	探讨了人工智能在乳腺癌影像诊断中的应用潜力，特别是机器学习和深度学习技术	尽管AI模型表现良好，但其整体利用率仍然较低，需要大量多样化的影像数据和前瞻性验证以证明其高重复性和鲁棒性	探讨人工智能在乳腺癌影像诊断中的应用现状和未来发展	乳腺癌影像诊断	计算机视觉	乳腺癌	机器学习, 深度学习	NA	影像	NA
1056	2024-10-28	Current status and prospects of artificial intelligence in breast cancer pathology: convolutional neural networks to prospective Vision Transformers 2024-Nov, International journal of clinical oncology IF:2.4Q3 DOI:10.1007/s10147-024-02513-3 PMID:38619651	综述	本文综述了人工智能在乳腺癌病理学中的现状和前景，重点介绍了卷积神经网络和新兴的Vision Transformers在自动化病理任务中的应用	本文介绍了卷积神经网络和Vision Transformers在乳腺癌诊断中的应用，并探讨了其在提高病理服务效率和预测蛋白质表达、分子亚型、突变状态、治疗效果和预后方面的潜力	NA	探讨深度学习在乳腺癌诊断中的现状和前景	乳腺癌的病理学特征和诊断	数字病理	乳腺癌	深度学习	卷积神经网络和Vision Transformers	全切片图像	NA
1057	2024-10-27	Deep learning and its associated factors among Chinese nursing undergraduates: A cross-sectional study 2024-11, Nurse education today IF:3.6Q1 DOI:10.1016/j.nedt.2024.106356 PMID:39167874	研究论文	研究了中国护理本科生的深度学习水平及其相关因素	首次探讨了中国护理本科生的深度学习及其相关因素	研究采用横断面设计，无法确定因果关系	描述中国护理本科生的深度学习水平并探索其相关因素	中国护理本科生	NA	NA	NA	NA	NA	271名护理本科生
1058	2024-10-20	Designed with interactome-based deep learning 2024-Nov, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-024-01754-7 PMID:39424957	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1059	2024-10-26	Artificial intelligence and myocarditis-a systematic review of current applications 2024-Nov, Heart failure reviews IF:4.5Q1 DOI:10.1007/s10741-024-10431-9 PMID:39138803	综述	本文系统回顾了人工智能在心肌炎中的应用，旨在整合当前知识并指导未来研究	本文展示了人工智能在心肌炎诊断、生存预测和分子分析方面的广泛应用和潜在变革性	需要克服的限制包括数据质量和算法透明度等问题	探索人工智能在心肌炎中的应用，整合当前知识并指导未来研究	心肌炎的诊断、生存预测和分子分析	机器学习	心血管疾病	NA	NA	NA	NA
1060	2024-10-26	Automated Machine Learning versus Expert-Designed Models in Ocular Toxoplasmosis: Detection and Lesion Localization Using Fundus Images 2024-Nov, Ocular immunology and inflammation IF:2.6Q2 DOI:10.1080/09273948.2024.2319281 PMID:38411944	研究论文	本研究评估了自动化机器学习（AutoML）在检测和定位眼弓形虫病（OT）病变中的表现，并将其与专家设计的模型进行比较	通过AutoML，即使没有编码经验的临床医生也能构建深度学习模型，这为临床医生提供了更广泛的应用深度学习模型的可能性	研究仅使用了304张标记的视网膜图像，样本量较小，可能影响模型的泛化能力	评估AutoML在眼弓形虫病检测和病变定位中的表现，并比较其与专家设计模型的效果	眼弓形虫病（OT）病变在视网膜图像中的检测和定位	计算机视觉	眼科疾病	自动化机器学习（AutoML）	深度学习模型	图像	304张标记的视网膜图像