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
1021	2024-11-26	Histopathologic Differential Diagnosis and Estrogen Receptor/Progesterone Receptor Immunohistochemical Evaluation of Breast Carcinoma Using a Deep Learning-Based Artificial Intelligence Architecture 2024-Dec, The American journal of pathology DOI:10.1016/j.ajpath.2024.08.011 PMID:39241826	研究论文	本文利用深度学习技术对乳腺浸润性导管癌（IDC）和导管原位癌（DCIS）进行病理学鉴别诊断，并评估雌激素受体（ER）/孕激素受体（PR）的免疫组化染色	开发了一种新的基于深度学习的人工智能架构，并建立了组织良好的数据集，以促进IDC/DCIS的病理学诊断和ER/PR的免疫染色评分	NA	利用人工智能技术减少病理学家在阅读全切片图像（WSIs）时的观察者间变异性	乳腺浸润性导管癌（IDC）和导管原位癌（DCIS）的病理学鉴别诊断及ER/PR的免疫组化评估	数字病理学	乳腺癌	深度学习	YOLOv8	图像	进行了三轮环形研究（RS）以评估WSIs
1022	2024-11-26	Quantifying and visualising uncertainty in deep learning-based segmentation for radiation therapy treatment planning: What do radiation oncologists and therapists want? 2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110545 PMID:39326521	研究论文	本研究探讨了深度学习分割在放射治疗计划中的不确定性量化和可视化，并调查了放射肿瘤学家和治疗师对此的需求	本研究首次系统地调查了临床医生对深度学习分割不确定性可视化方法的偏好	研究样本量较小，仅涉及四家机构的十六名临床医生	旨在收集临床医生对不确定性可视化选项的见解，以改进深度学习分割在放射治疗中的应用	放射肿瘤学家和放射治疗师对深度学习分割不确定性可视化方法的偏好	计算机视觉	NA	深度学习	NA	图像	16名临床医生
1023	2024-11-26	Development of learning-based predictive models for radiation-induced atrial fibrillation in non-small cell lung cancer patients by integrating patient-specific clinical, dosimetry, and diagnostic information 2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110566 PMID:39362606	研究论文	研究开发了基于学习的预测模型，用于预测非小细胞肺癌患者在接受放化疗后发生心房颤动的风险	通过整合患者特定的临床、剂量学和诊断信息，开发了混合深度学习模型，显著提高了预测性能	研究样本量较小，且仅限于非小细胞肺癌患者	开发和验证预测非小细胞肺癌患者放化疗后心房颤动风险的模型	非小细胞肺癌患者在接受放化疗后心房颤动的风险	机器学习	肺癌	机器学习和深度学习	混合深度学习模型	临床、剂量学和诊断信息	321个机构数据集和187个外部数据集
1024	2024-11-26	Development and comprehensive evaluation of a national DBCG consensus-based auto-segmentation model for lymph node levels in breast cancer radiotherapy 2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110567 PMID:39374675	研究论文	本研究开发并全面评估了一种基于丹麦国家乳腺癌合作组共识的自动分割模型，用于乳腺癌放疗中的淋巴结水平	本研究的创新点在于开发了一种多机构深度学习自动分割模型，用于高风险乳腺癌患者的淋巴结临床靶区体积（CTVn）分割，并进行了多机构参与的数据集训练和验证	研究的局限性在于模型在CTVn胸骨旁淋巴结的分割效果略低于其他模型，且在某些情况下需要进行较大的修正	本研究旨在训练和验证一种多机构深度学习自动分割模型，用于高风险乳腺癌患者的淋巴结临床靶区体积（CTVn）分割，并推动其在丹麦的临床实施	研究对象为高风险乳腺癌患者的淋巴结临床靶区体积（CTVn）	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	21名乳腺癌轮廓专家参与创建了金标准数据集和高质量训练数据集
1025	2024-11-26	Weakly supervised deep learning image analysis can differentiate melanoma from naevi on haematoxylin and eosin-stained histopathology slides 2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20307 PMID:39215631	研究论文	本文评估了弱监督深度学习图像分类器在区分H&E染色病理切片上的黑色素瘤和痣的能力	使用弱监督深度学习方法，相比全监督方法，能够利用更大的训练数据集	需要外部验证和进一步评估较少出现的组织学亚型和边缘病例	评估弱监督深度学习图像分类器在区分黑色素瘤和痣方面的诊断价值	H&E染色病理切片上的黑色素瘤和痣	数字病理学	皮肤癌	弱监督深度学习	多实例学习模型（Trans-MIL, CLAM, DTFD-MIL）	图像	520个样本（260个痣和260个黑色素瘤）
1026	2024-11-26	Weak supervision, strong results: Automating melanocyte lesion diagnosis with deep learning 2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20382 PMID:39582480	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1027	2024-11-25	Automated tablet defect detection and the prediction of disintegration time and crushing strength with deep learning based on tablet surface images 2024-Dec-25, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2024.124896 PMID:39489389	研究论文	本文提出了一种基于深度学习的自动检测片剂缺陷并预测崩解时间和抗压强度的方法	利用YOLOv5算法进行实时缺陷识别和基于表面纹理预测崩解时间和抗压强度	仍有进一步改进的空间	提高制药生产中的质量控制和效率	片剂的缺陷检测、崩解时间和抗压强度的预测	计算机视觉	NA	深度学习	YOLOv5	图像	涉及五种不同类别的缺陷
1028	2024-11-25	Lightweight deep learning model for underwater waste segmentation based on sonar images 2024-Dec-15, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.09.008 PMID:39277917	研究论文	本文提出了一种基于声呐图像的轻量级深度学习模型，用于水下废物分割，为自主水下机器人提供像素级定位信息和废物类别	引入了混合感知和多尺度注意力模块，以捕捉多尺度上下文特征并增强高级关键信息，同时使用采样注意力模块和跨层交互模块实现特征下采样和融合细节特征与语义特征	NA	提高水下废物回收的自动化程度，促进可持续海洋发展	水下废物及其在声呐图像中的分割	计算机视觉	NA	深度学习	多尺度跨层网络	图像	NA
1029	2024-11-25	Unveiling the non-linear effects of water and oil on hyperspectral imaging-based characterization of solid waste by hyperspectral unmixing 2024-Dec-15, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.09.011 PMID:39357305	研究论文	本文研究了水和油对固体废物高光谱成像特征的非线性影响，并提出了基于高光谱解混的新方法	首次尝试使用高光谱解混技术提取固体废物中的端元成分，并展示了其贡献度	NA	研究水和油对固体废物高光谱成像特征的非线性影响	固体废物的高光谱成像特征	计算机视觉	NA	高光谱成像	深度学习模型	光谱数据	各种固体废物成分受纯水、油和三种渗滤液影响的光谱数据
1030	2024-11-25	Deep learning approaches for classification of copper-containing metal scrap in recycling processes 2024-Dec-15, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.10.022 PMID:39454556	研究论文	本文研究了使用深度学习方法对含铜金属废料进行分类，以替代传统的XRF/XRT设备	本文首次在金属回收过程中使用RGB相机和深度学习模型进行含铜金属废料的分类，并评估了多种CNN架构的性能	本文仅评估了20种常见的CNN架构，未涵盖所有可能的深度学习模型	开发一种低成本的传感器设备和深度学习模型，用于在金属回收过程中高效分离铜和铁废料	含铜和铁的金属废料	计算机视觉	NA	深度学习	CNN	图像	2200个金属废料样本
1031	2024-11-25	Rapid and accurate bacteria identification through deep-learning-based two-dimensional Raman spectroscopy 2024-Dec-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2024.343376 PMID:39580159	研究论文	本文提出了一种基于深度学习和二维拉曼光谱的快速准确细菌鉴定策略	通过结合小波包变换和Gramian角场技术，实现了高精度且高效的细菌鉴定，相比传统方法训练时间减少了90%	NA	开发一种快速且准确的细菌鉴定方法	细菌鉴定	机器学习	NA	拉曼光谱	深度学习模型	光谱图像	两种和三十种细菌分离株
1032	2024-11-25	Enhancing decision confidence in AI using Monte Carlo dropout for Raman spectra classification 2024-Dec-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2024.343346 PMID:39580162	研究论文	本文提出了一种结合蒙特卡罗 dropout 和卷积神经网络的方法，用于增强拉曼光谱分类中的决策置信度	本文的创新点在于在推理阶段使用蒙特卡罗 dropout 来测量模型的不确定性，从而提高预测的可靠性	NA	本文的研究目的是提高基于拉曼光谱的细菌菌株识别的准确性	本文的研究对象是拉曼光谱数据及其在细菌菌株识别中的应用	机器学习	NA	蒙特卡罗 dropout	卷积神经网络 (CNN)	光谱数据	两个数据集，分别是 1206 个光谱和 3000 个光谱
1033	2024-11-25	Artificial neural networks development in prosthodontics - a systematic mapping review 2024-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105385 PMID:39362297	综述	本文系统地分类了现有文献，并全面概述了人工神经网络（ANN）在修复学中的预测模型	本文引入了对修复学中ANN目标、数据、架构、评估指标和局限性的系统分析	本文揭示了ANN开发中的局限性，特别是在数据生命周期方面	旨在系统地分类现有文献，并全面概述人工神经网络（ANN）在修复学中的预测模型	修复学中的人工神经网络（ANN）预测模型	机器学习	NA	人工神经网络（ANN）	人工神经网络（ANN）	NA	从597篇文章中筛选出70篇报告，其中33%来自2023年，29%关注种植修复，71%关注非种植修复
1034	2024-11-25	Image-based multi-omics analysis for oral science: Recent progress and perspectives 2024-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105425 PMID:39427959	综述	本文综述了基于图像的多组学分析在口腔科学中的应用和最新进展	探讨了深度学习辅助的多组学分析在提取比传统诊断方法更具代表性特征方面的潜力	NA	讨论基于图像的多组学分析在口腔科学中的应用及其对传统诊断方法的潜在增强作用	口腔和牙科疾病的诊断与治疗	数字病理学	NA	多组学分析	深度学习	图像	NA
1035	2024-11-25	Fully automated method for three-dimensional segmentation and fine classification of mixed dentition in cone-beam computed tomography using deep learning 2024-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105398 PMID:39447958	研究论文	本文介绍了一种基于深度学习的全自动方法，用于在锥形束计算机断层扫描（CBCT）图像中对混合牙列进行三维分割和精细分类	该研究开发了一种基于改进的nnU-Net和U-Net网络的高精度自动化深度学习模型，用于混合牙列的分类和分割	NA	建立一种高精度的自动化模型，用于混合牙列在CBCT图像中的精细分类和三维分割	混合牙列和恒牙列在CBCT图像中的分类和分割	计算机视觉	NA	深度学习	nnU-Net, U-Net	图像	训练集包含336个CBCT扫描，测试集包含120个混合牙列CBCT扫描和143个恒牙列CBCT扫描
1036	2024-11-25	Detection of carotid plaques on panoramic radiographs using deep learning 2024-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105432 PMID:39461583	研究论文	本研究利用深度学习模型检测全景放射影像中的颈动脉斑块	本研究提出了一种基于Faster R-CNN和Swin Transformer的AI模型，用于检测全景放射影像中的颈动脉钙化，其性能优于基于卷积神经网络的模型	NA	旨在利用人工智能模型检测全景放射影像中的颈动脉钙化	全景放射影像中的颈动脉钙化	计算机视觉	心血管疾病	深度学习	Faster R-CNN, Swin Transformer	影像	6404张全景放射影像，其中185张包含颈动脉钙化，185张不包含颈动脉钙化
1037	2024-11-25	Deep-learning-based image reconstruction with limited data: generating synthetic raw data using deep learning 2024-Dec, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01193-4 PMID:39207581	研究论文	研究利用深度学习生成合成原始数据以补充小数据集，提高加速MRI重建质量	提出了一种对抗自编码器，用于从幅度图像生成相位和线圈灵敏度图，从而生成合成原始数据	在小训练集上，合成数据降低了平均绝对误差，但在大训练集上，误差有所增加	研究在有限数据情况下，利用深度学习生成合成数据以提高MRI重建质量	加速MRI重建任务	计算机视觉	NA	深度学习	对抗自编码器	图像	20到160次扫描
1038	2024-11-24	CT-based artificial intelligence prediction model for ocular motility score of thyroid eye disease 2024-Dec, Endocrine IF:3.0Q2 DOI:10.1007/s12020-024-03906-0 PMID:39046593	研究论文	本研究开发了一种基于CT图像和临床数据的人工智能模型，用于甲状腺眼病患者的眼部运动评分	首次提出了一种基于CT图像和临床数据的人工智能模型，用于自动评分甲状腺眼病患者的眼部运动	性别亚组分析显示模型在女性患者中的预测准确性高于男性，可能存在性别差异的影响	开发一种基于CT图像和临床数据的人工智能模型，用于甲状腺眼病患者的眼部运动评分	甲状腺眼病患者的CT图像和临床数据	计算机视觉	甲状腺眼病	深度学习	ResNet-34	图像	410组CT图像和临床数据
1039	2024-11-24	Pupillometry as a biomarker of postural control: Deep-learning models reveal side-specific pupillary responses to increased intensity of balance tasks 2024-Dec, Psychophysiology IF:2.9Q1 DOI:10.1111/psyp.14667 PMID:39135357	研究论文	研究使用瞳孔测量作为姿势控制的生物标志物，并利用深度学习模型揭示了在平衡任务强度增加时瞳孔反应的侧向特异性变化	首次探讨了瞳孔测量在平衡任务强度增加时的反应，并发现了侧向特异性的瞳孔直径变化	研究仅限于健康受试者，未探讨其他人群或病理状态下的瞳孔反应	分析不同强度平衡任务下瞳孔直径的差异，并确定是否存在侧向特异性的变化	健康受试者在不同强度平衡任务下的瞳孔直径	NA	NA	深度学习	神经网络	瞳孔直径数据	48名健康受试者
1040	2024-11-24	Development of deep learning-based novel auto-segmentation for the prostatic urethra on planning CT images for prostate cancer radiotherapy 2024-Dec, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-024-00832-8 PMID:39143386	研究论文	开发了一种基于深度学习的自动分割方法，用于在前列腺癌放疗计划CT图像中定位前列腺尿道	首次将深度学习技术应用于外部束放疗（EBRT）患者的前列腺尿道定位	研究样本量有限，主要集中在局部前列腺癌患者	开发一种基于深度学习的方法，用于在外部束放疗（EBRT）患者中确定前列腺尿道的位置	前列腺癌患者的前列腺尿道	计算机视觉	前列腺癌	深度学习	U-Net	图像	430名局部前列腺癌患者