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
22401	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
22402	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
22403	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
22404	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
22405	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
22406	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）
22407	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
22408	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
22409	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
22410	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
22411	2024-08-05	Automated permanent tooth detection and numbering on panoramic radiograph using a deep learning approach 2024-05, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2023.06.003 PMID:37633788	研究论文	本研究评估了深度学习模型在全景放射影像中自动牙齿编号的性能	使用YOLO v4深度卷积神经网络实现了全景放射影像中牙齿的高效自动检测和编号	未提及模型在不同类型图像或不同人群中的适用性	评估深度学习模型在全景放射影像中的牙齿自动编号表现	使用500个全景影像数据集进行研究	计算机视觉	NA	YOLO v4	CNN	图像	500个全景图像
22412	2024-08-05	Deep Learning-Assisted Colorimetric/Electrical Dual-Sensing System for Ultrafast Detection of Hydrogen Sulfide 2024-04-26, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.3c02793 PMID:38584366	研究论文	本研究提出了一种用于氢 sulfide（HS）气体检测的双感应系统	该系统结合了色谱法和电法，利用深度神经网络实现了高精度和实时检测	NA	开发一种低功耗、高精度和适应性强的氢 sulfide检测系统	氢 sulfide（HS）气体	数字病理学	NA	电纺丝	深度神经网络（DNN）	电信号和颜色变化	NA
22413	2024-08-05	Deep Learning Promotes Profiling of Multiple miRNAs in Single Extracellular Vesicles for Cancer Diagnosis 2024-03-22, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.3c02789 PMID:38442411	研究论文	本研究介绍了一种通过深度学习检测单个外泌体中多种miRNA的方法，以用于癌症诊断。	首次结合全内反射荧光成像与深度学习算法对单个外泌体进行多miRNA特征分析，克服了外泌体异质性带来的挑战。	尚未提及其他癌症种类的验证，且样本量相对较小。	旨在通过单个外泌体分析提高癌症的早期诊断准确性。	研究对象为来自5种癌细胞和正常血浆的外泌体。	数字病理学	肺癌	全内反射荧光成像（TIRF）和深度学习（DL）	NA	图像	共分析了25名患者（5名肺癌、5名乳腺癌、5名宫颈癌和5名结肠癌）及5名健康对照
22414	2024-08-05	Investigation of Deepfake Voice Detection Using Speech Pause Patterns: Algorithm Development and Validation 2024-Mar-21, JMIR biomedical engineering DOI:10.2196/56245 PMID:38875685	研究论文	本研究探讨了利用语音暂停模式检测深度伪造音频的算法开发与验证	引入固有生物过程的概念以区分真实人声与克隆音频	样本量有限，可能影响模型的泛化能力	旨在识别真实和克隆人声之间的差异	49名具有不同种族和口音的成年人提供音频样本	计算机视觉	NA	机器学习	AdaBoost模型	音频	49个成年参与者
22415	2024-08-05	Deep Learning Enabled SERS Identification of Gaseous Molecules on Flexible Plasmonic MOF Nanowire Films 2024-02-23, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.3c02519 PMID:38299870	研究论文	本文介绍了一种基于柔性金属有机框架薄膜的气体分子SERS检测技术	该研究利用深度学习和柔性纸基表面增强拉曼光谱技术实现了对低密度高速气体分子的准确识别	研究主要集中在气体分析的实验室环境中，实际应用场景可能存在环境干扰	探索表面增强拉曼光谱在气体分析中的应用，特别是在非侵入性结直肠癌筛查中的潜力	研究气体生物标志物的SERS检测，尤其是与结直肠癌相关的气体分子	数字病理	结直肠癌	表面增强拉曼光谱（SERS）	人工神经网络	光谱数据	使用了多种气体分析物的混合样本，具体样本数量未明确指定
22416	2024-08-05	A Deep Learning Framework for Predicting Patient Decannulation on Extracorporeal Membrane Oxygenation Devices: Development and Model Analysis Study 2024-Feb-02, JMIR biomedical engineering DOI:10.2196/48497 PMID:38875691	研究论文	本研究开发了一个基于深度学习的模型，帮助临床医生判断是否应将患者从VV-ECMO上切离。	本研究首次提出了CEVVO模型，它结合了离散临床信息和ECMO设备的连续数据，以预测VV-ECMO患者的离管成功率。	虽然模型的逐患者预测能力可能不足以直接应用于临床，但患者风险分类系统显示出更大的潜力。	研究旨在协助临床医生做出患者是否应离开ECMO的决策。	研究对象为在哥伦比亚大学欧文医学中心接受VV-ECMO支持的118名患者。	机器学习	呼吸系统疾病	深度学习	长短时记忆网络 (LSTM)	临床数据	118名患者
22417	2024-08-05	Synergistic Integration of Machine Learning with Microstructure/Composition-Designed SnO2 and WO3 Breath Sensors 2024-01-26, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.3c01814 PMID:38207118	研究论文	提出了一种高性能半导体金属氧化物气体传感策略，以实现基于传感器的高效疾病预测	创新性地将机器学习方法与SnO-和WO基传感器组成的互补传感器阵列相结合	在相同组中的传感器单独应用时，将会面临较差的辨别能力	研究高性能气体传感器的疾病预测能力	使用SnO-和WO基传感器及神经网络算法来测量气体混合物	数字病理学	肠易激综合症	机器学习	深度神经网络（DNN）和卷积神经网络（CNN）	数值数据和图像数据	使用六个传感器进行实验
22418	2024-08-05	AI and Knowledge-Based Method for Rational Design of Escherichia coli Sigma70 Promoters 2024-01-19, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.3c00578 PMID:38176073	研究论文	本文开发了一种人工智能和知识驱动的方法用于合理设计大肠杆菌sigma70启动子	提出一种将人工智能与已有深度学习模型结合的新的启动子设计方法	缺乏对其他类型启动子的验证和全面性比较	旨在通过合理设计sigma70启动子来增强重组蛋白的表达	研究对象主要是sigma70启动子及其在不同蛋白表达中的应用	数字病理学	NA	高通量筛选(HTS)	深度学习模型	NA	NA
22419	2024-08-05	Effects of wind speed and wind direction on crop yield forecasting using dynamic time warping and an ensembled learning model 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.16538 PMID:38881862	研究论文	本文探讨风速和风向对腰果作物产量预测的影响，采用动态时间规整和集成学习模型。	提出了一种结合LSTM和随机森林的集成模型，并利用动态时间规整来评估时空数据的相似性。	未提及数据样本的多样性与广泛性，可能影响模型的普适性。	研究风速和风向对腰果产量预测的影响，并改进预测模型。	研究对象为加纳博诺地区的腰果作物及其风速和风向数据。	机器学习	NA	动态时间规整 (DTW)	长短期记忆网络 (LSTM) 和随机森林 (RF)	时空数据	NA
22420	2024-08-05	Explainable Deep Learning Model for Predicting Serious Adverse Events in Hospitalized Geriatric Patients Within 72 Hours 2024, Clinical interventions in aging IF:3.5Q2 DOI:10.2147/CIA.S460562 PMID:38883992	研究论文	本文开发了一种可解释的深度学习模型，以预测住院老年患者在72小时内发生的不良事件	该研究开发了一种可解释的深度学习模型，能够在72小时内准确预测老年患者的不良事件	该研究使用的回顾性数据可能受限于数据收集的准确性和完整性	研究的目的是提高对老年患者住院期间发生的不良事件的预测能力	研究对象为非创伤性老年患者，这些患者在急诊科就诊并住入普通病房	数字病理	老年疾病	深度学习	深度前馈神经网络	回顾性数据	共纳入127,268名患者