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
20041	2024-08-05	Enhancing the image quality of prostate diffusion-weighted imaging in patients with prostate cancer through model-based deep learning reconstruction 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100588 PMID:39070063	研究论文	本研究评估了模型基础的深度学习重建在前列腺扩散加权成像中的有效性。	本研究展示了深度学习重建在前列腺扩散加权成像中显著提高了图像质量的定性和定量特性。	本研究未与其他基于深度学习的方法进行比较，这是一个需要未来研究关注的局限性。	评估模型基础的深度学习重建在前列腺扩散加权成像中的效用。	32名已确诊为前列腺癌的患者，病变≥10mm。	数字病理学	前列腺癌	深度学习重建	NA	图像	32名前列腺癌患者
20042	2024-08-05	Smartphone-based machine learning model for real-time assessment of medical kidney biopsy 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100385 PMID:39071542	研究论文	本文开发了一种基于智能手机的机器学习模型，以实时评估肾活检的质量	首次利用智能手机图像和深度学习模型评估肾活检中皮质的百分比	研究需要进一步优化和验证模型性能，尤其是在不同场景中的表现	旨在开发能实时评估肾活检样本质量的机器学习模型	747个肾活检样本及其智能手机拍摄的图像	机器学习	NA	深度学习、U-Net	卷积神经网络（CNN）	图像	747个肾活检样本
20043	2024-08-04	Using dynamic spatio-temporal graph pooling network for identifying autism spectrum disorders in spontaneous functional infrared spectral sequence signals 2024-Sep, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110157 PMID:38705284	研究论文	本文研究动态空间时间图池化网络在自闭症谱系障碍的识别中的应用	提出了一种动态图构建方法，探讨了脑通道之间动态连接关系对自闭症分类的影响	没有提供数据的样本数量和类型	研究动态连接如何影响自闭症的分类	自闭症谱系障碍（ASD）与典型发育（TD）个体的fNIRS数据	机器学习	自闭症	功能性近红外光谱（fNIRS）	动态空间时间图池化神经网络（DSTGPN）	时间序列信号	NA
20044	2024-08-05	Brain-computer interfaces inspired spiking neural network model for depression stage identification 2024-Sep, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110203 PMID:38880343	研究论文	本研究提出了一种基于脑电图的尖峰神经网络模型，用于抑郁症阶段的识别	开发了一种灵感来源于脑机接口的学习模型，克服了传统深度学习方法中的计算量大和缺乏生理解释性的问题	仍然依赖脑电图作为数据源，可能存在数据采集及分析的局限性	提升抑郁症的诊断方法，减少传统方法的主观性与误诊风险	使用脑电图数据进行抑郁症患者与健康个体的分类识别	数字病理学	抑郁症	脑电图（EEG）	尖峰神经网络	脑电图数据	使用128通道电极收集数据，产生了90×90的脑图矩阵
20045	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
20046	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
20047	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
20048	2024-08-04	A stepwise strategy integrating dynamic stress CT myocardial perfusion and deep learning-based FFRCT in the work-up of stable coronary artery disease 2024-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10562-x PMID:38214735	研究论文	该研究验证了一种新颖的分步策略，通过限制CT衍生的分数流量储备(FFRCT)和保留心肌灌注成像(CT-MPI)以优化稳定性冠状动脉疾病的诊断。	提出了一种结合动态应激CT心肌灌注与基于深度学习的FFRCT的分步策略，提高了诊断效率	研究是回顾性，样本规模相对较小，可能影响结果的广泛适用性	研究旨在优化稳定性冠状动脉疾病的诊断流程	87名患者，这些患者因怀疑或已知冠状动脉疾病接受了相关检査	数字病理学	冠状动脉疾病	动态CT心肌灌注成像、深度学习	NA	连续的患者数据	87名患者
20049	2024-08-04	Deep learning-based multimodal segmentation of oropharyngeal squamous cell carcinoma on CT and MRI using self-configuring nnU-Net 2024-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10585-y PMID:38243135	研究论文	本研究评估了基于深度学习的模型在CT和MRI上对口咽鳞状细胞癌的分割效果	采用自配置的nnU-Net框架进行多模态影像的分割，展示了其在CT和MRI上的可靠性和准确性	单中心的回顾性研究，样本量有限	评估深度学习模型对口咽鳞状细胞癌进行分割的有效性	91名口咽鳞状细胞癌患者	数字病理	口咽癌	nnU-Net	自配置nnU-Net	CT和MRI影像	91名患者（开发组56名，测试组1 13名，测试组2 22名）
20050	2024-08-04	MI-DenseCFNet: deep learning-based multimodal diagnosis models for Aureus and Aspergillus pneumonia 2024-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10578-3 PMID:38231392	研究论文	建立并融合了一个多输入DenseNet诊断模型，以区分金黄色葡萄球菌肺炎和曲霉肺炎	MI-DenseCFNet结合了深度学习神经网络与关键临床特征，显著提高了诊断准确性	样本量仅为60名患者，可能影响模型的广泛适用性	提高diagnostic accuracy和效率以区分金黄色葡萄球菌肺炎和曲霉肺炎	60名临床确诊的金黄色葡萄球菌肺炎及曲霉肺炎患者	计算机视觉	肺炎	深度学习	DenseNet	图像和临床数据	60名患者
20051	2024-08-04	Three-dimensional heavily T2-weighted FLAIR in the detection of blood-labyrinthine barrier leakage in patients with sudden sensorineural hearing loss: comparison with T1 sequences and application of deep learning-based reconstruction 2024-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10580-9 PMID:38231393	研究论文	本文比较了在突发性神经性听力丧失患者中检测血迷路屏障泄漏的三维重T2加权FLAIR与其他序列的效果。	通过深度学习重建提高了三维重T2加权FLAIR在检测外淋巴增强方面的敏感性。	样本量相对较小，仅限于单侧突发性神经性听力丧失患者。	研究不同MRI序列在检测血迷路屏障泄漏中的有效性。	54名接受耳部MRI的单侧突发性神经性听力丧失患者。	数字病理学	突发性神经性听力丧失	MRI	深度学习重建	图像	54名患者
20052	2024-08-04	Anti-HER2 therapy response assessment for guiding treatment (de-)escalation in early HER2-positive breast cancer using a novel deep learning radiomics model 2024-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10609-7 PMID:38329503	研究论文	本文提出了一种基于深度学习的放射组学模型DeepTEPP，用于早期HER2阳性乳腺癌的抗HER2治疗反应评估	该研究开发了一种新型的基于MRI的深度学习模型DeepTEPP，能够非侵入性地预测抗HER2的有效性并指导抗HER2治疗策略的调整	需进行前瞻性验证以确认DeepTEPP的有效性和适用性	研究目的是为了精确风险分层，指导抗HER2策略的（减）加强	研究对象为726例接受不同抗HER2治疗的HER2阳性乳腺癌患者	计算机视觉	乳腺癌	MRI	深度学习模型 (DeepTEPP)	影像	726例HER2阳性乳腺癌患者
20053	2024-08-04	Deep learning-based white matter lesion volume on CT is associated with outcome after acute ischemic stroke 2024-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10584-z PMID:38285103	研究论文	本研究探讨了基于深度学习的白质病灶体积在急性缺血性中风患者中的应用	提出使用深度学习模型测量白质病灶体积，作为评估静脉溶栓效果和风险因素	该研究为事后分析，可能存在偏倚，且结果需要进一步验证	开发和验证深度学习模型以测量CT上白质病灶的体积，并评估其作为静脉溶栓反应修饰因子的潜力	急性缺血性中风患者，特别是在静脉溶栓和血管内治疗过程中	数字病理学	急性缺血性中风	深度学习	NA	影像	516名患者
20054	2024-08-04	Diagnostic accuracy of an artificial intelligence algorithm versus radiologists for fracture detection on cervical spine CT 2024-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10559-6 PMID:38206401	研究论文	本文比较了人工智能算法在颈椎CT中检测骨折的诊断准确性与放射科医师的表现	该研究展示了人工智能在发现放射科医师未发现的颈椎骨折方面的潜力	人工智能在检测需要稳定治疗的骨折方面的敏感性低于放射科医师，并且漏检率较高	评估人工智能在颈椎骨折检测中的诊断准确性	对2007年至2014年间的成千上万名患者的CT扫描进行分析	医学影像处理	NA	深度学习	NA	CT影像	2368个扫描
20055	2024-08-05	Tennis player actions dataset for human pose estimation 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110665 PMID:39071962	研究论文	本文描述了一个用于人类姿态估计的网球动作数据集	构建了一个新的数据集，专注于网球运动中的人类姿态估计，包括具体的网球动作	数据集仅限于从朋友的网球视频中提取，可能存在样本多样性不足的问题	为网球训练和人类姿态估计提供一个新的数据集	研究对象是网球运动员的姿态动作	计算机视觉	NA	深度学习	OpenPose	视频	NA
20056	2024-08-05	A dataset for multimodal music information retrieval of Sotho-Tswana musical videos 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110672 PMID:39071970	研究论文	介绍了一个针对Sotho-Tswana音乐视频的多模态音乐信息检索数据集	首次建立针对低资源语言Sotho-Tswana的多模态音乐信息检索数据集	缺乏广泛的多模态数据集，可能无法涵盖所有音乐信息检索应用	促进多模态音乐信息检索应用的发展	Sotho-Tswana文化的音乐视频数据集	机器学习	NA	Python程序处理和特征提取	NA	视频、文本、音频	涉及多个Sotho-Tswana音乐视频
20057	2024-08-05	Early warning of hepatocellular carcinoma in cirrhotic patients by three-phase CT-based deep learning radiomics model: a retrospective, multicentre, cohort study 2024-Aug, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102718 PMID:39070173	研究论文	本研究开发并验证了一个基于三期CT的深度学习放射组学模型，用于在肝硬化患者中早期警告肝细胞癌（HCC）。	该研究提出了一个新型的ALARM模型，结合了深度学习放射组学与临床变量，能够有效预测大多数HCC病例的短期发展。	本研究的限制包括样本主要来自特定的11个中心，可能影响模型的外部适应性。	研究的目的是为了开发和验证一个早期警告HCC的模型，以改善肝硬化患者的诊断结果。	研究对象为1858名肝硬化患者，收集了他们的三期CT影像及实验室结果。	数字病理学	肝癌	深度学习放射组学	ALARM模型	影像	1858名肝硬化患者
20058	2024-08-05	Artificial intelligence for small molecule anticancer drug discovery 2024-Aug, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2024.2367014 PMID:39074493	综述	本文探讨了人工智能在小分子抗癌药物发现中的应用和挑战。	强调了AI驱动药物发现的重要里程碑以及未来研究的启示。	数据质量、模型可解释性和技术限制仍然是面临的挑战。	研究人工智能在小分子癌症药物发现中的应用及其潜在创新。	综述过去和当前AI在药物发现中的应用与挑战。	药物发现	癌症	机器学习，深度学习	NA	基因组数据、蛋白质组数据、影像数据	NA
20059	2024-08-05	SQI-DOANet: electroencephalogram-based deep neural network for estimating signal quality index and depth of anaesthesia 2024-Jul-30, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6592 PMID:39029477	研究论文	本文提出了一种基于脑电图的深度神经网络SQI-DOANet，用于评估信号质量指数和麻醉深度	创新性地结合了信号质量评估和麻醉深度估计，通过深度学习技术改进了脑电图信号的准确性	未提及具体的限制	改善手术中麻醉深度的监测方法	脑电图信号的质量评估以及麻醉深度分析	数字病理	NA	脑电图(EEG)	卷积神经网络(CNN)	信号	使用VitalDB数据库进行训练和测试
20060	2024-08-05	A medical image classification method based on self-regularized adversarial learning 2024-Jul-30, Medical physics IF:3.2Q1 DOI:10.1002/mp.17320 PMID:39078069	研究论文	本研究提出了一种基于对抗学习的医学图像分类框架，以提高分类性能	创新性地将GAN模型作为辅助正则化项支持分类，解决医学图像领域的挑战	依赖高质量生成图像，且对GAN模型的大量训练数据的需求未完全解决	提高医学图像分类的准确性和减少过拟合问题	针对COVID-19胸部X光图像和口咽鳞状细胞癌的PET图像进行分析	数字病理学	COVID-19，口咽鳞状细胞癌	对抗生成网络（GAN）	GAN-DL框架，包括F-Net, R-Net 和 D-Net	图像	包括13,958张胸部X光图像和3,255张PET图像