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
21061	2024-08-05	Simultaneous removal of noise and correction of motion warping in neuron calcium imaging using a pipeline structure of self-supervised deep learning models 2024-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.527919 PMID:39022541	研究论文	本文提出了一种使用自监督深度学习模型的两级管道结构，有效去除神经钙成像中的噪声和运动扭曲。	创新点在于提出了一种无需无扭曲和高信噪比观察的自监督深度学习管道，能够同时进行去噪和去扭曲处理。	本研究未涉及非自监督的深度学习模型效果评估。	研究旨在改善钙成像视频的图像质量，以促进神经功能分析。	研究对象为七个来自双光子和共聚焦成像系统的视频材料。	数字病理学	NA	深度学习	自监督深度学习模型	视频	七个视频
21062	2024-08-05	Deep learning-based deformable image registration with bilateral pyramid to align pre-operative and follow-up magnetic resonance imaging (MRI) scans 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1821 PMID:39022247	研究论文	本文提出了一种基于深度学习的变形图像配准方法，用于对比术前和术后MRI扫描	提出了一种双向金字塔的深度学习变形配准方法，利用多尺度图像特征来改善配准精度	未提及具体的适用范围或其他潜在限制	改善术前和术后MRI扫描的配准精度，以评估脑肿瘤复发	聚焦于脑肿瘤的MRI扫描图像，比较术前与术后图像	计算机视觉	脑肿瘤	深度学习	NA	图像	使用了BraTS-Reg 2022公共数据集，样本规模未具体说明
21063	2024-08-05	Prediction of metastases in confusing mediastinal lymph nodes based on flourine-18 fluorodeoxyglucose (18F-FDG) positron emission tomography/computed tomography (PET/CT) imaging using machine learning 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-100 PMID:39022286	研究论文	本研究旨在使用机器学习方法评估介入淋巴结的状态，基于正电子发射计算机断层扫描(PET/CT)图像进行分析	创新点在于结合了梯度提升决策树-逻辑回归模型与放射组学特征，相较于其他模型表现更优	研究的外部验证仅限于三个中心，可能影响结果的普遍适用性	准确评估介入淋巴结的状态以改善患者管理和预后	509个已进行病理评估或随访的混乱介入淋巴结，来自320名患者	机器学习	NA	正电子发射计算机断层扫描(PET/CT)	梯度提升决策树-逻辑回归(GBDT-LR)	图像	来自三个中心的320名患者的509个混乱的介入淋巴结
21064	2024-08-05	CMAF-Net: a cross-modal attention fusion-based deep neural network for incomplete multi-modal brain tumor segmentation 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-9 PMID:39022265	研究论文	该研究提出了一种新型深度学习网络CMAF-Net，用于不完整多模态脑肿瘤分割	本文的创新点在于设计了跨模态注意力融合的深度神经网络，能够处理不同缺失模态情况	该研究未提及对不同模态缺失情况的通用适用性和其他数据集的验证	本研究的目的是改善不完整多模态脑肿瘤分割的准确性	研究对象为不同模态的脑肿瘤图像数据	计算机视觉	脑肿瘤	深度学习	3D U-Net	医学图像	使用BraTS 2018和BraTS 2020数据集进行评估
21065	2024-08-05	Research on ultrasound-based radiomics: a bibliometric analysis 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1867 PMID:39022291	研究论文	本研究对基于超声的放射组学进行了系统的文献计量分析	首次对超声放射组学领域进行系统的文献计量分析，识别研究热点和前沿	缺乏对超声放射组学研究的深入实验数据和具体案例分析	系统化描述基于超声的放射组学研究的整体框架和特征	对2016年至2023年间的相关文献进行分析	数字病理学	甲状腺癌	文献计量分析	NA	文献	466篇相关文献
21066	2024-08-05	Cervical cancer segmentation based on medical images: a literature review 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-369 PMID:39022282	综述	本文全面回顾了关于宫颈癌医学图像分割的文献，并讨论了目前分割过程中的挑战	提供了不同医学图像分割方法的分类及其优缺点的深入分析	现有文献中缺乏对宫颈癌医学图像分割领域的综合回顾	综述宫颈癌医学图像在靶区和风险器官的分割方法及其挑战	研究主要集中在利用CT、MR和PET图像进行宫颈癌的分割	数字病理学	宫颈癌	CT、MR、PET	传统或深度学习方法	医学图像	NA
21067	2024-08-05	An end-to-end gait recognition system for covariate conditions using custom kernel CNN 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32934 PMID:39021936	研究论文	本研究提出了一种端到端的步态识别系统，旨在处理协变量条件问题。	创新性地提出了一种深度学习框架，通过自定义卷积核处理步态识别中的协变量条件。	研究中未提及的具体局限性不明确	提高在协变量条件下的步态识别准确性。	使用公共数据集（如CASIA A和CASIA C）进行步态识别的个体。	计算机视觉	NA	自定义卷积神经网络（CNN）	CNN	图像	公开数据集（如CASIA A和CASIA C）中的个体
21068	2024-08-05	Attention-based scale sequence network for small object detection 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32931 PMID:39021898	研究论文	本文提出了一种基于注意力的比例序列网络，以改善小物体检测的性能	提出了一种轻量级的注意力模块ASSN，优化了FPN基础检测器，具有提高小物体检测精度的能力	在实验中，只针对YOLOv7和YOLOv8进行了比较，可能限制了模型的广泛性验证	提高小物体检测的精确度，使其在真实应用中的表现更加优秀	小物体的检测和识别	计算机视觉	NA	深度学习	FPN, YOLO	图像	NA
21069	2024-08-05	Enhanced object detection in pediatric bronchoscopy images using YOLO-based algorithms with CBAM attention mechanism 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32678 PMID:39021922	研究论文	本研究旨在通过将基于YOLO的算法与CBAM注意力机制结合，改善儿童支气管镜图像中的物体检测准确性	提出将CBAM注意力模块与YOLO-V7和YOLO-V8相结合，以提高支气管镜图像中物体的识别和分类能力	未提及具体的样本大小和数据来源，可能影响结果的普遍适用性	改善支气管镜图像中物体检测的准确性	支气管镜图像中的各种物体，如黏液、血液和异物	计算机视觉	呼吸系统疾病	YOLO算法	YOLO-V7和YOLO-V8	图像	NA
21070	2024-08-05	A clustering mining method for sports behavior characteristics of athletes based on the ant colony optimization 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33297 PMID:39021992	研究论文	本研究旨在提高对运动员行为特征分析的精度，从而优化体育训练和竞赛策略	创新点在于应用蚁群优化（ACO）算法解决运动领域实际问题，并展示ACO算法处理复杂、高维运动数据的优势	其在更大范围或不同类型的运动数据上的普遍性和效率仍需进一步验证	研究的目的是提升运动员行为特征分析的精准性	研究对象为运动员的行为特征数据	运动科学	NA	蚁群优化（ACO）	聚类模型	高维运动数据	NA
21071	2024-08-05	Application of DMSFNN-COA technique for brand image design 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32674 PMID:39021911	研究论文	本文提出了一种新的品牌形象设计方法，利用深度多尺度融合神经网络和猎豹优化算法进行产品颜色品牌图像分类	创新点在于结合深度学习技术和优化算法，提出了BID-DMSFNN-COA方法以提高品牌形象设计的准确性	本研究的局限性没有具体说明	研究目的在于增强品牌形象设计的准确性，并解决产品颜色趋势预测研究中的现有挑战	研究对象为产品色彩品牌图像，主要分类为'时尚'和'自然'	计算机视觉	NA	深度多尺度融合神经网络，猎豹优化算法	NA	图像	使用Mnist数据集进行数据收集，具体样本数未说明
21072	2024-08-05	Ensemble-based deep learning improves detection of invasive breast cancer in routine histopathology images 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32892 PMID:39022088	研究论文	使用基于集成的深度学习提高了常规组织病理学图像中侵袭性乳腺癌的检测准确性	比较了单个CNN模型与多个基础模型的集成，展示了集成模型在预测性能上的优势	未提及该研究的明显限制	改善侵袭性乳腺癌的检测以支持病理学家的决策	两个内部数据集，包括587个全滑动图像，用于训练十个InceptionV3模型的集成	计算机视觉	乳腺癌	CNN	InceptionV3	图像	587个全滑动图像用于训练，118个在内部测试集，157个在外部数据集
21073	2024-08-05	Deep Learning-Based Localization and Orientation Estimation of Pedicle Screws in Spinal Fusion Surgery 2024-Jun, Korean journal of neurotrauma DOI:10.13004/kjnt.2024.20.e17 PMID:39021752	研究论文	本研究调查了基于深度学习的物体检测模型在脊柱融合手术中精确定位和方向估计的应用	使用YOLO物体检测框架和取向边界框(OBBs)来处理手术现场中非轴对齐仪器的挑战	尽管模型的精确度很高，但召回率显示出在捕捉所有存在仪器方面有轻微限制	探讨深度学习在脊柱固定手术中对外科仪器的定位与方向估计的应用	脊柱融合手术中使用的椎弓根螺钉的图像数据	计算机视觉	NA	YOLO	YOLOv8 OBB	图像	初始数据集为100张图像，通过数据增强扩展到300张图像
21074	2024-08-05	Insights about cervical lymph nodes: Evaluating deep learning-based reconstruction for head and neck computed tomography scan 2024-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2023.100534 PMID:39022614	研究论文	本研究旨在评估不同重建方法对头颈部癌症患者颈部淋巴结影像质量的影响	本研究采用深度学习图像重建（DLIR）技术，显示其在颈部淋巴结影像质量方面显著优于传统的重建算法	未提及特定的样本多样性和长期随访结果的局限性	研究不同重建技术对头颈部癌症患者的颈部淋巴结CT影像质量的影响	70名头颈部癌症患者	计算机视觉	头颈癌	双能量CT	深度学习图像重建（DLIR）	影像	70名头颈部癌症患者
21075	2024-08-05	Exploring the Methodological Approaches of Studies on Radiographic Databases Used in Cariology to Feed Artificial Intelligence: A Systematic Review 2024, Caries research IF:2.9Q1 DOI:10.1159/000536277 PMID:38342096	系统评价	本研究系统评价了用于计算机辅助诊断的牙科放射数据库的不同方法论方法	提出了标准化指南以提高研究的可重复性和结果的普遍适用性	大多数研究为单中心研究，且仅有9%的研究在评估模型性能时使用了外部测试集	评估使用放射数据库进行龋齿分类、检测和分割的机器学习与深度学习研究的方法论	关注机器学习和深度学习在龋齿检测中的应用研究	计算机视觉	龋齿	卷积神经网络	卷积神经网络	牙科放射图像	涉及的样本大小范围为95到38437
21076	2024-08-05	Effect of dexamethasone pretreatment using deep learning on the surgical effect of patients with gastrointestinal tumors 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304359 PMID:39018292	研究论文	探讨深度学习在胃肠肿瘤手术麻醉管理中的应用效果及其重要性	首次将基于深度学习的麻醉监测系统应用于胃肠肿瘤手术，改善患者术后认知和生理恢复	样本量有限，仅在一个机构内进行，可能影响外部适用性	研究深度学习在胃肠肿瘤手术麻醉管理中的应用效果	80名接受胃肠肿瘤手术的老年患者	机器学习	胃肠肿瘤	深度学习	GBDT和PKPD模型	临床数据	80名老年患者
21077	2024-08-05	An innovative approach to detecting the freshness of fruits and vegetables through the integration of convolutional neural networks and bidirectional long short-term memory network 2024, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2024.100723 PMID:39022740	研究论文	本文提出了一种通过融合卷积神经网络和双向长短时记忆网络检测水果和蔬菜新鲜度的创新方法	该方法结合不同的深度学习模型，以提取水果和蔬菜图像的特征以及图像中各区域之间的关联	目前尚需进一步提升现有研究在水果和蔬菜新鲜度检测中的性能	提高水果和蔬菜新鲜度检测的效率和准确性	水果和蔬菜的图像数据，用于新鲜度检测	计算机视觉	NA	深度学习	CNN_BiLSTM	图像	NA
21078	2024-08-05	The privacy-explainability trade-off: unraveling the impacts of differential privacy and federated learning on attribution methods 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1236947 PMID:39021435	研究论文	本文深入探讨了隐私保护技术对深度学习模型解释的影响	首次系统研究了隐私保护技术与可解释人工智能(XAI)方法在深度学习模型中的相互作用	在隐私保护和可解释性的权衡方面，尚未对某些特定情境进行深入分析	研究隐私保护技术对深度学习模型解释的影响及其应用建议	使用六个图像数据集和五个时间序列数据集进行实验	机器学习	NA	隐私保护机器学习(PPML)	深度学习模型	图像和时间序列数据	六个图像数据集和五个时间序列数据集
21079	2024-08-05	Survival prediction landscape: an in-depth systematic literature review on activities, methods, tools, diseases, and databases 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1428501 PMID:39021434	综述	本文通过深入的系统性文献回顾，探讨了生存预测的活动、方法、工具、疾病和数据库。	文章整合了23个现有的综述研究，涵盖了44种不同疾病的90个最新生存预测模型，并提供了具体方法的见解。	尽管进行了全面分析，但可能未涵盖所有现有的生存预测模型和方法。	旨在通过集中现有生存预测知识和洞察，推动创新性进展。	研究对象为90个最新的生存预测工具和方法，涵盖44种不同的疾病。	计算生物学	NA	机器学习	深度学习	临床数据	90个生存预测模型
21080	2024-08-05	Enhancing Opioid Bioactivity Predictions through Integration of Ligand-Based and Structure-Based Drug Discovery Strategies with Transfer and Deep Learning Techniques 2023-12-21, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.3c05306 PMID:38084046	研究论文	本研究通过整合基于配体和基于结构的药物发现策略，利用迁移学习和深度学习技术提高阿片类药物的生物活性预测	本文创新性在于应用迁移学习构建稳健的深度学习模型，以增强对每种阿片受体亚型的配体生物活性预测	本研究的局限性在于可能仍面临训练样本不足的问题，影响预测性能	研究旨在寻找更好的阿片类药物，降低成瘾潜力，以应对阿片类药物危机	研究对象为阿片类药物及其对应的受体亚型	机器学习	NA	深度学习	NA	生物活性数据	大型生物活性数据集