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
21561	2024-08-05	Sex classification of 3D skull images using deep neural networks 2024-06-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61879-6 PMID:38877045	研究论文	本研究利用深度神经网络对3D头骨图像进行性别分类	首个评估深度学习模型处理3D医疗成像以区分出生时分配为男性或女性的个体的研究	成像样本数量有限，可能影响结果的推广性	研究性别分类的基础特征以及如何通过深度学习进行3D头骨图像分析	98个3D头骨样本	数字病理学	NA	深度学习	Resnet3D, PointNet++, MeshNet	图像	98个3D头骨样本
21562	2024-08-05	Development of a real-time cattle lameness detection system using a single side-view camera 2024-06-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64664-7 PMID:38877097	研究论文	本文研究了在奶牛养殖中使用深度学习进行牛只跛行检测的应用	提出了一种实时牛只跛行检测系统，结合了Mask-RCNN和YOLOv8两种物体检测算法	未提及具体的样本多样性和环境条件对系统性能的影响	旨在提高奶牛养殖管理，通过早期检测跛行来改善健康监测	主要研究对象为奶牛的跛行检测与跟踪	计算机视觉	NA	深度学习	Mask-RCNN, YOLOv8	图像	NA
21563	2024-08-05	Deep Kernel learning for reaction outcome prediction and optimization 2024-Jun-14, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-024-01219-x PMID:38877182	研究论文	文章提出了一种深度核学习框架用于反应结果预测和优化	融合了神经网络的特征学习能力与高斯过程的不确定性量化	标准高斯过程的表现不如深度核学习模型	加速反应发现，通过整合准确的预测模型与贝叶斯优化	反应结果的预测和优化	机器学习	NA	高斯过程	神经网络	NA	NA
21564	2024-08-05	Retention-aware zero-shifting technique for Tiki-Taka algorithm-based analog deep learning accelerator 2024-Jun-14, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adl3350 PMID:38875324	研究论文	本文展示了一种针对非理想模拟内存设备的Tiki-Taka算法的模拟神经网络训练加速器的退化意识零偏移技术	提出了一种面向保留特性的零偏移技术，以优化神经网络训练性能	主要研究在具有有限保留时间的交叉点设备中的应用，可能不适用于其他类型的设备	优化模拟神经网络的训练性能	使用ECRAM设备进行的Tiki-Taka版本2算法的实验研究	机器学习	NA	ECRAM	NA	NA	8 × 8 ECRAM阵列，具有100%的产量
21565	2024-08-05	Deep learning-driven hybrid model for short-term load forecasting and smart grid information management 2024-Jun-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63262-x PMID:38877081	研究论文	本文提出了一种计算方法来解决短期电力负荷预测和能源信息管理中的挑战	引入了一种混合方法，结合了多种深度学习模型，以提高负荷预测的准确性和效率	未提及具体的局限性	准确预测未来的电力负荷需求	短期电力负荷预测和能源信息管理	机器学习	NA	深度学习	Gated Recurrent Unit (GRU)和Temporal Convolutional Network (TCN)	时间序列数据	包含四个公共数据集，包括GEFCom2014
21566	2024-08-05	Deep learning-based pathological prediction of lymph node metastasis for patient with renal cell carcinoma from primary whole slide images 2024-Jun-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05382-6 PMID:38877591	研究论文	本研究开发了一种基于深度学习的策略，用于从原发性肾细胞癌的全切片图像预测淋巴结转移	提出了一种新的基于聚类约束注意力的多实例学习方法来预测淋巴转移，并在多个队列中进行了验证	本研究主要依赖于特定的图像数据集，可能会限制模型在其他数据集上的适用性	旨在为肾细胞癌患者提供淋巴结转移的预测模型，以辅助临床决策	研究对象为895个福尔马林固定和石蜡包埋的全切片图像以及588个冷冻切片图像	数字病理学	肾癌	深度学习	聚类约束注意力多实例学习	图像	总计1483个（895个福尔马林固定的全切片图像和588个冷冻切片图像）
21567	2024-08-05	An AS-OCT image dataset for deep learning-enabled segmentation and 3D reconstruction for keratitis 2024-Jun-13, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03464-0 PMID:38871784	研究论文	本文提供了一个用于角膜炎深度学习分割和3D重建的AS-OCT影像数据集	创建了一个1168个AS-OCT图像的开放获取数据集，支持角膜炎图像的深度学习分析	NA	推动AS-OCT图像分析技术的发展	角膜炎患者的AS-OCT影像	数字病理学	角膜炎	AS-OCT	深度学习	图像	1168个AS-OCT影像（6名患者）
21568	2024-08-05	Quantitative Evaluation of the Pore and Window Sizes of Tissue Engineering Scaffolds on Scanning Electron Microscope Images Using Deep Learning 2024-Jun-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c01234 PMID:38882138	研究论文	本研究开发了一种深度学习模型Pore D，用于自动定量评估组织工程支架的孔和窗尺寸	首次使用深度学习模型自动量化开放孔支架的形态特征	由于该研究仅限于特定条件下制造的支架，可能不适用于所有类型的支架	旨在精确控制组织工程支架的形态特征，以满足特定应用的需求	研究对象是不同制造条件下的开放孔支架	数字病理学	NA	扫描电子显微镜	深度学习模型	图像	多种制造条件下的不同形态支架
21569	2024-08-05	Brain age predicted using graph convolutional neural network explains neurodevelopmental trajectory in preterm neonates 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10414-8 PMID:37957363	研究论文	本研究探讨了利用图卷积神经网络预测的脑龄与早产儿的神经发育结果之间的关联	提出了一种基于脑形态学和图卷积网络的新脑龄指数，提高了预测脑龄的准确性和临床解释能力	研究未考虑围产期脑损伤对神经发育结果的影响	理解早产儿的神经发育轨迹以及如何通过预测脑龄进行早期干预	577个早产儿的T1 MRI扫描图像	数字病理学	NA	图卷积神经网络	NA	图像	577个早产儿的T1 MRI扫描
21570	2024-08-05	Prediction of cerebral hemorrhagic transformation after thrombectomy using a deep learning of dual-energy CT 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10432-6 PMID:37950080	研究论文	本研究开发并验证了一种深度学习模型，以预测血栓清除术后的出血性转化	使用双能计算机断层扫描的卷积神经网络无须标注感兴趣区域即可进行准确预测	本研究为回顾性研究，可能存在选择偏倚	研究旨在建立和验证预测急性中风后出血性转化的深度学习模型	研究对象包括在2019年5月至2023年2月间接受血管内血栓清除术的急性前循环堵塞患者	计算机视觉	急性中风	双能CT	卷积神经网络（CNN）	影像	202名患者（平均年龄71.4岁）
21571	2024-08-05	Weakly supervised deep learning for diagnosis of multiple vertebral compression fractures in CT 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10394-9 PMID:37973631	研究论文	本研究旨在开发一种弱监督深度学习模型，用于CT图像中椎体压缩骨折的分类	提出的弱监督模型在椎体级压缩骨折分类中可能具有与监督模型相当或更好的性能	在L2的敏感性低于监督模型，但差异无显著性	旨在利用图像级标签数据进行椎体级别的椎体压缩骨折分类	研究对象为815名患者，包括正常患者和椎体压缩骨折患者	数字病理学	NA	深度学习	弱监督模型	图像	815名患者，包含507名正常患者和308名椎体压缩骨折患者
21572	2024-08-05	Automatic image segmentation and online survival prediction model of medulloblastoma based on machine learning 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10316-9 PMID:37994966	研究论文	本研究开发了一种动态列线图，整合放射组学特征和临床特征，以估计髓母细胞瘤患者的整体生存率，并设计了一种自动图像分割模型来降低劳动和时间成本	引入了结合放射组学特征与临床特征的生存预测模型，提高了髓母细胞瘤患者生存率预估的准确性，同时建立了MRI图像的自动分割模型	研究中使用的数据仅限于217名患者，可能影响结果的广泛适用性	旨在提升髓母细胞瘤患者的生存率预测准确性并减少图像处理的时间和劳动成本	217名髓母细胞瘤患者的数据	机器学习	髓母细胞瘤	随机生存森林 (RSF)、LASSO回归、3D-Unet深度学习	Cox比例风险模型、深度学习模型	影像数据	217名髓母细胞瘤患者
21573	2024-08-05	A dataset of ground-dwelling nocturnal fauna for object detection and classification 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110537 PMID:38882193	研究论文	本文揭示了一个名为BioAuxdataset的注释数据集，旨在通过多年的野外图像采集促进夜行性地面生物的识别	该数据集包含超过100,000张原始野外图像，并采用图像增强技术来提高数据质量	对于数据集中表现不足的物种，数据增强技术的应用可能无法完全解决样本不足的问题	促进对夜行性地面生物的识别，助力生态研究和其他应用领域	七种常见的夜行性地面生物，包括步甲、老鼠、蛛形纲、蛞蝓、鼩鼱、小蛞蝓和虫子	计算机视觉	NA	深度学习算法	NA	图像	超过100,000张原始野外图像，涵盖七种生物
21574	2024-08-05	Feasibility and limitations of deep learning-based coronary calcium scoring in PET-CT: a comparison with coronary calcium score CT 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10390-z PMID:37962596	研究论文	本研究旨在确定基于深度学习的冠状动脉钙评分在PET-CT中的可行性及局限性。	比较使用人工智能的PET-CT与传统的冠状动脉钙CT在计算冠状动脉钙评分中的效果，提供了新的视角。	相对较高的假阴性结果和低估趋势应引起关注。	研究人工智能辅助的冠状动脉钙评分在PET-CT中的应用效果和局限。	共215名接受CaCT和PET-CT检查的个体。	数字病理学	心血管疾病	PET-CT, ECG-门控非增强心脏CT	人工智能	影像	215名个体
21575	2024-08-05	Segmented X-ray image data for diagnosing dental periapical diseases using deep learning 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110539 PMID:38882192	研究论文	本研究提供了一个包含健康与病态患者的牙齿周围X光片的分割数据集	采用先进的图像分割方法，将数据集分类为健康和病态牙病患者，奠定了自动化检测系统的基础	NA	研究旨在提高牙周病的诊断准确性	包含929张高质量的牙周X光片，涵盖不同年龄和牙齿疾病的患者	数字病理学	NA	深度学习	NA	图像	929张牙周X光图像
21576	2024-08-05	Impact of real-life use of artificial intelligence as support for human reading in a population-based breast cancer screening program with mammography and tomosynthesis 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10426-4 PMID:37975920	研究论文	评估人工智能作为辅助工具对乳腺癌筛查项目双重阅读的影响	首次在真实世界场景中使用人工智能系统支持人类双重阅读，提高乳腺癌检测率和阳性预测值	研究未深入探讨人工智能系统的具体实施细节和与不同人群的泛化能力	研究人工智能在乳腺癌筛查中的应用效果	对2021年3月至2022年3月期间参与乳腺癌筛查的11998名女性进行分析	数字病理	乳腺癌	数字乳腺摄影和数字乳腺断层合成	深度学习	图像	11998名女性（5049名接受数字乳腺摄影，6949名接受数字乳腺断层合成）
21577	2024-08-05	Radiomics for the identification of extraprostatic extension with prostate MRI: a systematic review and meta-analysis 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10427-3 PMID:37955670	meta-analysis	本研究系统回顾了MRI放射组学在前列腺癌EPE预测中的应用	本研究通过荟萃分析探讨了MRI放射组学在前列腺癌外前列腺扩展预测中的潜力	本研究提到包含的研究在设计和方法学质量上存在局限性	探讨MRI放射组学在前列腺癌外前列腺扩展预测中的有效性	评估MRI基础的放射组学方法对前列腺癌EPE识别的准确性	digital pathology	prostate cancer	MRI	NA	radiomics data	包含了13项研究的数据
21578	2024-08-05	MRI-based automated multitask deep learning system to evaluate supraspinatus tendon injuries 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10392-x PMID:37964049	研究论文	本研究建立了一种基于MRI的自动化多任务深度学习系统来评估肩胛上肌腱损伤	该系统在肩胛上肌腱损伤的分类上表现优于经验丰富的放射科医生	未提及具体的局限性	研究旨在构建一种高效的MRI自动化多任务深度学习系统以评估肩胛上肌腱损伤	3087名患者根据关节镜发现分为正常、退行性和撕裂三组	计算机视觉	NA	深度学习	RC-MTL模型，VGG16	图像	3087名患者，外部验证573名患者
21579	2024-08-05	Digital pathology, deep learning, and cancer: a narrative review 2024-May-31, Translational cancer research IF:1.5Q4 DOI:10.21037/tcr-23-964 PMID:38881914	综述	这篇文章评估了深度学习与数字病理学在癌症检测中的应用现状	这项文章揭示了深度学习模型在实验室开发与其临床实践应用之间存在的差距	大多数文章集中于模型开发的实验室阶段，缺乏临床应用后的验证	探讨数字病理学与深度学习在癌症检测和患者护理中的应用	分析影响深度学习模型开发和临床实施的因素	数字病理学	癌症	深度学习	NA	NA	选取了36篇符合纳入标准的文章进行分析
21580	2024-08-05	Predicting and Recognizing Drug-Induced Type I Brugada Pattern Using ECG-Based Deep Learning 2024-May-21, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.123.033148 PMID:38726893	研究论文	本研究旨在开发深度卷积神经网络，并评估其在识别和预测布鲁加综合征（BrS）诊断中的性能	提出了一种名为BrS-Net的深度卷积神经网络，可有效识别和预测药物诱导的BrS I型模式	研究可能受限于样本选择和实验条件的标准化程度	研究旨在改进药物诱导布鲁加综合征的识别与预测方法	连续接受ajmaline测试的患者，共1188名参与者	深度学习	心血管疾病	深度卷积神经网络	卷积神经网络 (CNN)	心电图 (ECG)	1188名患者