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
21961	2024-08-05	BAOS-CNN: A novel deep neuroevolution algorithm for multispecies seagrass detection 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0281568 PMID:38917071	研究论文	文章提出了一种新的深度神经进化算法BAOS-CNN，用于多种海草的检测	该研究通过提出一种名为'Boosted Atomic Orbital Search (BAOS)'的元启发式算法，实现了CNN模型的架构工程和超参数调优的自动化	文章没有提到特定的局限性	研究的目的是提高多种海草图像识别的准确性	研究对象是多种海草图像数据集	计算机视觉	NA	深度学习，CNN	CNN	图像	七个进化基础的CNN模型在基于补丁的多种海草数据集上进行训练和评估
21962	2024-08-05	FF-LPD: A Real-Time Frame-by-Frame License Plate Detector With Knowledge Distillation and Feature Propagation 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3414269 PMID:38896516	研究论文	提出了一种针对实时准确车牌检测的逐帧车牌检测器。	引入了知识蒸馏策略和特征传播方法来提高低级流的性能，并设计了一种空间-时间注意特征传播方法，利用视频中的时间相关性。	未提及具体的局限性	旨在实现实时准确的自动车牌检测。	针对肆意移动车辆的车牌信息进行检测。	计算机视觉	NA	深度学习	NA	视频	NA
21963	2024-08-05	MRI-Based Breast Cancer Classification and Localization by Multiparametric Feature Extraction and Combination Using Deep Learning 2024-01, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28713 PMID:37013422	研究论文	本文实现了一种深度学习方法，以从多序列中提取和组合特征来进行乳腺癌分类和检测	应用了多参数磁共振成像（mpMRI）的组合，并利用深度学习进行乳腺癌的分类和定位	未详细探讨其他成像技术的结合和比较	检测和分类乳腺癌的有效技术	569例乳腺癌患者的内部队列和125例公共数据集中的外部队列	计算机视觉	乳腺癌	磁共振成像（MRI）	卷积神经网络和长短期记忆网络	图像	内部队列569例，外部队列125例
21964	2024-08-05	A semi-automatic deep learning model based on biparametric MRI scanning strategy to predict bone metastases in newly diagnosed prostate cancer patients 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1298516 PMID:38919538	研究论文	本文开发了一种半自动模型，用于预测新诊断的前列腺癌患者的骨转移。	文章通过结合放射组学、深度学习和临床特征，提出了一种用于骨转移预测的创新模型。	该研究为回顾性研究，可能存在选择偏倚。	研究目的在于通过bpMRI图像预测前列腺癌患者的骨转移。	研究对象为414名新诊断的前列腺癌患者。	数字病理学	前列腺癌	Biparametric MRI (bpMRI)	ResNet	医学影像	414名前列腺癌患者（BM组136名，NO-BM组278名）
21965	2024-08-05	Association of Sarcopenia With Toxicity-Related Discontinuation of Adjuvant Endocrine Therapy in Women With Early-Stage Hormone Receptor-Positive Breast Cancer 2024-Jan-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.07.018 PMID:37506979	研究论文	本研究探讨了肌少症与早期激素受体阳性乳腺癌女性患者中因毒性引起的辅助内分泌治疗提前终止之间的关联	首次确认了肌少症与早期激素受体阳性乳腺癌患者中毒性相关的辅助内分泌治疗提前终止之间的显著关联	研究未考虑未接受辅助放疗的女性患者，限制了结果的广泛适用性	探讨肌少症对早期激素受体阳性乳腺癌女性患者辅助内分泌治疗的影响	305名接受放疗和辅助内分泌治疗的早期激素受体阳性乳腺癌女性患者	数字病理学	乳腺癌	深度学习模型分析常规横截面放射模拟影像	逻辑回归分析和Cox回归分析	影像数据	305名患者
21966	2024-08-05	BrainCDNet: a concatenated deep neural network for the detection of brain tumors from MRI images 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1405586 PMID:38919881	研究论文	本文提出了一种名为BrainCDNet的新型深度学习架构，用于从MRI图像中检测脑肿瘤。	BrainCDNet通过连接池层和采用'He Normal'初始化处理过拟合问题，增强了图像特征提取和分类的性能。	未提及具体的局限性。	提高脑肿瘤的检测准确性，减少误诊并促进早期诊断。	对比分析健康与病理、不同类型脑肿瘤的MRI图像。	计算机视觉	脑癌	深度学习	NA	MRI图像	使用了二元和多分类的MRI数据库进行实验
21967	2024-08-05	CMR-net: A cross modality reconstruction network for multi-modality remote sensing classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304999 PMID:38917124	研究论文	本研究提出了一种基于卷积神经网络（CNN）的CMR-Net深度学习架构，用于多模态遥感图像数据的分类	创新之处在于设计了一个在多模态特征融合阶段的跨模态重建模块，以有效整合来自多种遥感数据的特征	该研究的局限性未在摘要中提及	本研究旨在解决多模态遥感数据分类中的挑战	本研究的对象为两个多模态遥感数据集，包括Houston2013数据集和Berlin数据集	遥感	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	超光谱和激光雷达数据，合成孔径雷达数据	两个数据集的样本数量未在摘要中具体说明
21968	2024-08-05	3DCNN predicting brain age using diffusion tensor imaging 2023-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-023-02915-x PMID:37672142	研究论文	这篇文章提出了一种基于扩散张量成像的3DCNN模型来预测大脑年龄	首次利用扩散张量成像（DTI）数据来预测大脑年龄，并使用3D卷积神经网络模型	未提及具体的限制	研究如何通过神经影像学技术预测大脑年龄	分析来自六个公开数据集的2406个样本（年龄范围为17-60岁）	计算机视觉	NA	扩散张量成像（DTI）	3D卷积神经网络（3DCNN）	影像	2406个样本
21969	2024-08-05	Accelerated Diffusion-Weighted Imaging in 3 T Breast MRI Using a Deep Learning Reconstruction Algorithm With Superresolution Processing: A Prospective Comparative Study 2023-Dec-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000000997 PMID:37428618	研究论文	本研究比较了使用深度学习重建算法的加速扩散加权成像（DWI DL）与标准成像在乳腺MRI中的应用效果	本研究展示了深度学习加速的DWI序列显著缩短了采集时间，并改善了病变的显著性	DWI DL的信噪比和对比噪音比未表现出显著差异且某些图像伪影评分较高	评估深度学习加速的扩散加权成像序列在乳腺MRI中的采集时间和图像质量	本研究涉及65名参与者，评估其乳腺中的恶性和良性病变	数字病理学	乳腺癌	深度学习重建算法	NA	图像	65名参与者
21970	2024-08-05	Automatic Localization of Key Structures for Subthalamic Nucleus-Deep Brain Stimulation Surgery via Prior-Enhanced Multi-Object Magnetic Resonance Imaging Segmentation 2023-10, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2023.07.103 PMID:37506845	研究论文	本文提出了一种通过增强先验的多目标磁共振成像分割方法，自动定位用于下丘脑深部刺激手术的关键结构	本研究创新性地提出了一种自动化的方法来增强下丘脑-深部脑刺激手术中关键脑结构的定位，解决了当前临床实践中对放射科医生经验的依赖	本研究未提及样本大小和在不同临床背景下方法的适用性	本文旨在提高下丘脑深部刺激手术中关键脑结构的定位精度和效率	本文研究对象包括下丘脑、红核、脑沟、脑回和脑室等关键脑结构	数字病理学	帕金森病	深度学习	U-Net	磁共振成像图像	NA
21971	2024-08-07	Autoencoders for sample size estimation for fully connected neural network classifiers 2022-Dec-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00728-0 PMID:36513729	研究论文	研究如何利用自编码器损失来估计全连接神经网络分类器所需的最小标记训练数据样本量	提出了一种基于自编码器损失的估计方法，用于确定全连接神经网络分类器所需的最小标记数据样本量，这是一种在深度学习领域中尚未充分研究的方法	研究主要集中在全连接神经网络分类器上，可能不适用于其他类型的深度学习模型	探索在计算机视觉模型训练前，如何通过自编码器损失来估计所需的最小标记数据样本量	全连接神经网络分类器所需的最小标记训练数据样本量	计算机视觉	NA	自编码器	全连接神经网络	图像	研究中未具体提及样本数量，但讨论了最小收敛样本（MCS）的概念
21972	2024-08-07	Predicting hypertension onset from longitudinal electronic health records with deep learning 2022-Dec, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooac097 PMID:36448021	研究论文	本研究利用深度学习中的长短期记忆网络（LSTM）从电子健康记录（EHRs）中预测高血压的发病	本研究首次采用LSTM网络结合纵向EHRs数据来预测高血压的发病，并与其他模型如XGboost进行比较	NA	预测高血压的发病	高血压的发病风险及相关的驱动因素	机器学习	心血管疾病	深度学习	LSTM	电子健康记录	233,895名成年患者
21973	2024-08-07	Enhancing convolutional neural network predictions of electrocardiograms with left ventricular dysfunction using a novel sub-waveform representation 2022-Oct, Cardiovascular digital health journal IF:2.6Q2 DOI:10.1016/j.cvdhj.2022.07.074 PMID:36310683	研究论文	本文介绍了一种新的子波形表示方法，用于增强卷积神经网络对心电图预测左心室功能障碍的性能	引入了基于数据中心的子波形表示方法，而不是改变模型中心的CNN架构	NA	提高心电图深度学习在心血管异常患者中的预测准确性	左心室功能障碍的识别	机器学习	心血管疾病	卷积神经网络 (CNN)	CNN	心电图 (ECG) 波形	92,446名患者
21974	2024-08-07	VOLUMETRIC LANDMARK DETECTION WITH A MULTI-SCALE SHIFT EQUIVARIANT NEURAL NETWORK 2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi45749.2020.9098620 PMID:38915907	研究论文	本文提出了一种多尺度移位等变神经网络用于体积图像中的地标检测	该方法通过多尺度移位等变网络结构和噪声注入策略，实现了快速且内存高效的3D图像地标检测，并提高了模型的鲁棒性	由于GPU内存限制，大规模数据可能限制了所采用神经网络架构的容量，从而可能影响输出精度	开发一种能够在体积图像中进行精确解剖地标检测的深度学习方法	颈动脉分叉的地标检测	计算机视觉	NA	深度神经网络	移位等变神经网络	体积图像	263个CT体积
21975	2024-08-05	A comprehensive evaluation method for dust pollution: Digital image processing and deep learning approach 2024-Aug-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.134761 PMID:38870848	研究论文	本文提出了一种新颖的灰度平均分析与深度学习结合的尘埃污染评估方法	将灰度平均分析与深度学习相结合，以提高图像分类的准确性和效率	未提及针对不同尘埃污染类型的适用性和全面性	评估和改善尘埃污染对环境和人类健康的影响	300幅自设计的尘埃扩散模拟系统生成的图像	计算机视觉	NA	深度学习	NA	图像	300幅图像
21976	2024-08-05	A Deep Learning-Based Approach to Estimate Paneth Cell Granule Area in Celiac Disease 2024-Jul-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0074-OA PMID:37852171	研究论文	本文研究了在腹腔疾病中，胰腺细胞颗粒区域的变化与疾病相关性	本研究采用无代码的人工智能工作流程分析完整的组织切片，提升了胰腺细胞功能评估的效率	在研究中仅分析了特定患者群体，可能不具备普遍适用性	比较腹腔疾病患者与非腹腔疾病患者的隐窝细胞和胰腺细胞颗粒区域	包含349名患者的十二指肠活检样本，185名有腹腔疾病病史，164名为对照组	数字病理	腹腔疾病	人工智能，数字病理分析	深度学习模型	图像	349名患者的十二指肠活检样本
21977	2024-08-05	Fostering Clinical Judgment and Promoting Transition Into First Clinical Rotation Through Active Learning 2024-Jun-27, Nursing education perspectives IF:0.9Q3 DOI:10.1097/01.NEP.0000000000001293 PMID:38920415	研究论文	本科护理教育通过互动课堂活动促进临床判断技能的发展	提出了一种新的互动课堂活动以增强批判性思维和临床判断能力	未提及实验样本的多样性和长期效果的评估	研究如何将课堂知识有效转化为临床实践	参与了BSN项目第一学期课程的本科护理学生	NA	NA	互动学习	NA	NA	参与了第一学期课程的学生
21978	2024-08-05	Harmonizing Elastic Modulus and Dielectric Constant of Elastomers for Improved Pressure Sensing Performance 2024-Jun-26, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c06122 PMID:38864718	研究论文	通过液态金属混合弹性体提升电容压力传感器的灵敏度和可靠性	引入无链延伸聚氨酯和液态金属的混合弹性体，平衡电介质层材料的弹性模量和介电常数，从而增强传感性能	增加复杂的制造过程和设备可靠性可能受到影响	研究如何优化电容压力传感器的性能	液态金属混合弹性体及其在压力传感器中的应用	材料科学	NA	电容传感技术	CNN	NA	NA
21979	2024-08-05	An improved empirical mode decomposition method with ensemble classifiers for analysis of multichannel EEG in BCI emotion recognition 2024-Jun-26, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2369257 PMID:38920119	研究论文	本文提出了一种改进的经验模态分解方法，结合了集成分类器用于多通道EEG信号的情感识别	提出了基于IEMD的混合模型，改进了筛选停止准则，以优化EEG信号的分解	未提及关于模型在实际应用中的局限性	提高多通道EEG信号中情感识别的效率	多通道EEG信号及其情感识别	数字病理学	NA	IEMD-KW-Ens	CNN	信号	使用DEAP和DREAMER数据集进行实验
21980	2024-08-05	Classifying real-world macroscopic images in the primary-secondary care interface using transfer learning: implications for development of artificial intelligence solutions using nondermoscopic images 2024-Jun-25, Clinical and experimental dermatology IF:3.7Q1 DOI:10.1093/ced/llad400 PMID:37990943	研究论文	本研究评估深度学习在非皮肤镜影像数据集上的泛化能力，并探讨如何在缺乏大型诊断标记数据集的情况下获得临床满意的表现	引入了在非皮肤镜图像上进行的深度学习模型的训练和微调方法，并探索了真实世界数据的有效利用	本研究依赖于已有的数据集，没有构建更大的地方特定数据集	评估深度学习如何在初级-次级护理接口的非皮肤镜数据集上泛化	2213张来自初级护理的图像和1510张来自次级护理的图像	计算机视觉	皮肤病	深度学习	EfficientNet和SWIN变换器	图像	总共3723张来自NHS的数据，外加公共领域的两个数据集