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
22521	2024-08-05	Automated Brain Tumor Detection Using Machine Learning: A Bibliometric Review 2023-07, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2023.03.115 PMID:37019303	综述	本研究系统回顾了使用机器学习进行脑肿瘤分类的文献	提供了关于自动化脑肿瘤检测的最新研究概况和文献计量分析	仅限于过去五年的文献，可能未涵盖所有相关研究	开发使用机器学习进行脑肿瘤检测的研究概述	1747篇关于自动脑肿瘤检测的研究	机器学习	脑肿瘤	机器学习	卷积神经网络	NA	来自679个不同来源的1747项研究
22522	2024-08-05	JOINT DEEP LEARNING FOR IMPROVED MYOCARDIAL SCAR DETECTION FROM CARDIAC MRI 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230541 PMID:38523738	研究论文	本文提出了一种新颖的联合深度学习框架，用于改善从心脏MRI检测心肌瘢痕的效果	该方法通过引入信息传递模块，直接传递心肌分割的信息来指导瘢痕检测，创造性地将瘢痕检测与心肌分割结合在一起	采用的图像中存在噪声和伪影可能仍然影响检测精度	研究旨在改善心脏MRI中心肌瘢痕的自动识别	研究对象为心脏磁共振成像中的心肌瘢痕	数字病理学	心血管疾病	心脏磁共振成像（CMR）	联合深度学习（JDL）	图像	实验中使用了多种心脏MRI图像
22523	2024-08-05	Adversarial Consistency for Single Domain Generalization in Medical Image Segmentation 2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-16449-1_64 PMID:38859913	研究论文	提出了一种可以在医疗图像分割中实现单域一般化的对抗一致性方法	创新性地提出了一个对抗域合成器（ADS）用于合成新的域，以实现对未见域的插值	缺乏多个域的训练数据可能会限制模型的推广能力	旨在开发一种可以在不同扫描设置下有效进行器官分割的方法	研究对象是医疗图像中的器官分割	数字病理学	NA	对抗训练	NA	医学图像	NA
22524	2024-08-05	Predicting microbiome compositions from species assemblages through deep learning 2022-Mar, iMeta IF:23.7Q1 DOI:10.1002/imt2.3 PMID:35757098	研究论文	本文提出了一种通过深度学习预测微生物群落组成的方法	开发了一种深度学习框架，能够在没有任何物理、生化或生态过程知识的情况下，从物种组合中自动学习群落组成的映射	虽然在合成数据和真实微生物群落数据上进行了验证，但未提及实际操作中的潜在限制	改善对不同物种组合如何影响微生物群落最终组成的预测能力	聚焦于海洋和土壤微生物群落、肠道微生物群落以及人类肠道和口腔微生物群落	计算机视觉	NA	深度学习	NA	合成数据和真实微生物群落数据	小数量的训练样本
22525	2024-08-05	Artificial intelligence for skin permeability prediction: deep learning 2024-12, Journal of drug targeting IF:4.3Q1 DOI:10.1080/1061186X.2024.2309574 PMID:38258521	研究论文	本研究使用深度学习网络成功预测了外源物质的皮肤渗透性	引入深度学习网络模型来预测皮肤渗透系数，提供了一种替代传统实验方法的新途径	研究仅基于公开数据库，可能存在样本选择和数据质量的限制	探索使用深度学习预测外源物质在皮肤上的渗透性	研究对象是145种化学物质、外源物质和药物的皮肤渗透性	机器学习	NA	深度学习	卷积神经网络 (CNN), 前馈神经网络 (FNN), 循环神经网络 (RNN)	记录数据	476条记录
22526	2024-08-05	Bridging Imaging and Clinical Scores in Parkinson's Progression via Multimodal Self-Supervised Deep Learning 2024-Aug, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065724500436 PMID:38770651	研究论文	本文提出了一种多模态的共同潜在生成模型，以综合理解帕金森病的神经退行性特征。	该文章的创新之处在于使用了耦合变分自编码器（VAEs）来共同建模帕金森病的神经影像和临床数据。	研究中提到模型的局限性和能力，但具体细节未详细阐述。	本研究旨在提供一个更全面的框架来了解帕金森病的神经退行性演变。	研究对象为帕金森进展标记倡议（PPMI）中的神经影像和临床数据。	数字病理学	帕金森病	耦合变分自编码器（VAEs）	潜在生成模型	神经影像和临床数据	涉及的样本数量未明确说明
22527	2024-08-05	A deep learning-based approach for efficient detection and classification of local Ca²⁺ release events in Full-Frame confocal imaging 2024-Jul, Cell calcium IF:4.3Q2 DOI:10.1016/j.ceca.2024.102893 PMID:38701707	研究论文	本文提出了一种基于深度学习的方法，用于有效检测和分类局部钙释放事件	创新性地应用深度学习技术自动检测和分类局部钙释放事件	分析过程依赖于特定的成像数据，可能不适用于其他类型的成像技术	研究局部钙释放事件的检测和分类以促进细胞内钙信号的理解	孤立心肌细胞中的局部钙释放事件	数字病理学	NA	深度学习	NA	成像数据	NA
22528	2024-08-05	Deceptive learning in histopathology 2024-Jul, Histopathology IF:3.9Q1 DOI:10.1111/his.15180 PMID:38556922	研究论文	本研究系统评价了用于组织病理分析的深度神经网络（DNN）的可信度	提出了一种新的模型评估和解释框架，以识别DNN所学策略的可信与欺骗性	DNN在分子型谱分析中的表现依赖于虚假的相关性，未能在激光捕获显微切割获得的测试集上推广	旨在分析深度学习模型在组织病理分析中的视觉策略的信任度	研究了221个来自肺腺癌患者的全切片图像的深度神经网络	数字病理学	肺癌	深度学习	深度神经网络（DNN）	图像	221个全切片图像
22529	2024-08-05	Predicting hematoma expansion using machine learning: An exploratory analysis of the ATACH 2 trial 2024-Jun-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2024.123048 PMID:38749281	研究论文	本文旨在利用深度学习算法构建分类模型，以预测脑出血患者的血肿扩展。	该研究首次使用深度学习算法预测血肿扩展，而不依赖于高级影像学特征。	该模型的AUC仅稍好于其他模型，需要更大且更具异质性的数据集来进一步构建和泛化模型。	研究的目的是预测脑出血患者中的血肿扩展。	研究对象为参与ATACH-2试验的脑出血患者。	机器学习	脑出血	深度学习算法	人工神经网络（ANN）	数据	1000名患者中924名具有完整参数
22530	2024-08-05	Unraveling the Correlation between the Interface Structures and Tunable Magnetic Properties of La1-xSrxCoO3-δ/La1-xSrxMnO3-δ Bilayers Using Deep Learning Models 2024-Jun-12, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.3c18773 PMID:38780088	研究论文	本文探讨了La1-xSrxCoO3-δ/La1-xSrxMnO3-δ双层界面的结构与可调磁性之间的关系	该研究利用深度学习模型和大量模拟探索了层状钙钛矿氧化物双层的界面特性和磁性行为	文章中关于界面化学和物理特性的具体原子级组成尚未直接测得	研究钙钛矿氧化物双层界面的新设计原则，从而优化其在磁性和铁电器件中的应用	研究对象为LaSrCoO/LaSrMnO双层的氧缺陷率和锶浓度影响下的结构及磁性	材料科学	NA	第一性原理模拟、进化算法、神经网络搜索	深度学习模型	结构数据	超过50000个LSCO/LSMO双层结构
22531	2024-08-05	Automated detection of steps in videos of strabismus surgery using deep learning 2024-Jun-10, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-024-03504-8 PMID:38853240	研究论文	本研究开发和验证了一种深度学习模型，用于自动检测斜视手术视频中的步骤	采用Transformer算法相比于RNN模型在识别视频步骤上表现更佳，展示了视频帧时空特征建模的优越性	可能存在视频数据集不够多样性以及仅限于特定医院的手术视频	提高斜视手术教学效果和住院医生表现评估的效率	479个斜视手术视频，这些视频被切割成3345个关于八个手术步骤的剪辑	计算机视觉	NA	深度学习	Transformer和RNN	视频	479个斜视手术视频，切割为3345个剪辑
22532	2024-08-05	Unlocking the potential: T1-weighed MRI as a powerful predictor of levodopa response in Parkinson's disease 2024-Jun-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01690-z PMID:38853208	研究论文	本研究探讨了T1加权MRI对帕金森病患者左旋多巴反应的预测能力	本文首次使用深度学习模型提取T1w MRI特征，以预测帕金森病患者的左旋多巴反应，并且其鲁棒性优于传统临床信息	研究基于回顾性数据，可能存在数据偏倚	探索T1加权MRI在帕金森病患者左旋多巴反应预测中的潜力	帕金森病患者的MRI图像和临床特征数据	人工智能	帕金森病	深度学习	SVM, XgBoost, MLP	医学影像	436个记录（219个来自PPMI，217个来自瑞金医院的外部临床数据集）
22533	2024-08-05	A deep image classification model based on prior feature knowledge embedding and application in medical diagnosis 2024-06-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63818-x PMID:38853158	研究论文	提出了一种基于先前特征知识嵌入的深度学习图像分类模型，应用于医学诊断	结合了先前特征知识嵌入和多尺度特征提取，使用RBPNN进行图像分类	对样本集的完整性要求较低，但可能影响分类特性	提高医学图像分类的准确性	脑肿瘤MRI图像和心脏超声图像数据集	计算机视觉	NA	深度学习，RBPNN	ResNet50	图像	脑肿瘤MRI数据集和心脏超声图像数据集，准确率分别为85.82%和83.92%
22534	2024-08-05	Deep learning models for predicting the survival of patients with hepatocellular carcinoma based on a surveillance, epidemiology, and end results (SEER) database analysis 2024-06-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63531-9 PMID:38853169	研究论文	本研究基于SEER数据库分析建立了深度学习模型以预测肝细胞癌患者的生存率	提出了一个新的NMTLR深度学习模型，其预后评估和治疗建议可能优于传统线性模型	研究对象仅限于2011年至2015年在SEER数据库中确诊的肝细胞癌患者，可能影响结果的普遍性	旨在使用深度学习模型提高对肝细胞癌患者生存率的预测精准度	研究对象包括2197名在SEER数据库中确诊的肝细胞癌患者	机器学习	肝癌	深度学习	NMTLR	临床数据	2197名患者，其中训练队列1537名，测试队列660名
22535	2024-08-05	Reduced field-of-view DWI based on deep learning reconstruction improving diagnostic accuracy of VI-RADS for evaluating muscle invasion 2024-Jun-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01686-9 PMID:38853219	研究论文	本研究调查了基于深度学习重建的缩小视野扩散加权成像(DWI)在评估膀胱癌肌肉浸润中的诊断准确性	采用深度学习重建技术的缩小视野DWI提高了诊断性能并减少了采集时间	未发现rFOV DWI与标准rFOV DWI在评估肌肉浸润的诊断准确性上存在差异	研究使用深度学习重建的缩小视野DWI是否能提高肌肉浸润评估的准确性	86名膀胱癌患者	数字病理学	膀胱癌	深度学习重建（DLR）	NA	影像	86名膀胱癌患者
22536	2024-08-05	Establishment and preliminary application of personalized three-dimensional reconstruction of thyroid gland with automatic detection of thyroid nodules based on ultrasound videos 2024-Jun, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14332 PMID:38528686	研究论文	本研究旨在建立基于超声视频的甲状腺及甲状腺结节的三维重建方法	首次采用深度学习技术构建个性化的甲状腺三维模型，并结合自动检测技术	样本量较小，仅涉及20名患者和15名外科医生，可能影响结果的普遍性	评估基于二维超声视频的甲状腺三维重建方法的临床价值	甲状腺、甲状腺结节和颈总动脉	数字病理学	NA	超声	BC-UNet, MTN-Net, RDPA-U-Net	视频	20名患者和15名外科医生
22537	2024-08-05	U-Net enhanced real-time LED-based photoacoustic imaging 2024-Jun, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300465 PMID:38622811	研究论文	本文提出了一种简单的深度学习U-Net框架，用于增强LED基础的光声成像的信噪比和对比度	提出了U-Net框架以提高低帧数平均获得的光声图像的信噪比，显著增强图像质量	存在模糊的结果和无法减少盐和胡椒噪声等缺点	研究提高光声成像系统中使用LED光源的图像质量	使用体外模型和体内模型进行的光声成像实验	数字病理学	NA	NA	U-Net	图像	涉及体外模型和体内模型的样本
22538	2024-08-05	[Artificial intelligence-enhanced electrocardiography : Will it revolutionize diagnosis and management of our patients?] 2024-Jun, Herzschrittmachertherapie & Elektrophysiologie DOI:10.1007/s00399-024-00997-0 PMID:38361131	研究论文	本文概述了人工智能增强心电图分析的当前进展及其潜在的临床革命。	引入了利用人工智能的新诊断选项，提高了传统心电图分析的准确性。	讨论了现有的局限性和医疗专业人员可能面临的挑战。	探讨人工智能在心电图分析中的应用及其对诊断和管理的影响。	焦点在于心电图的智能化分析及其在临床中的应用。	医学影像学	心脏病	心电图 (ECG)	深度学习	心电图数据	NA
22539	2024-08-05	Research on runoff process vectorization and integration of deep learning algorithms for flood forecasting 2024-Jun, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121260 PMID:38833924	研究论文	本文提出了一种径流过程向量化方法，并结合三种深度学习模型进行洪水预测	提出的径流过程向量化方法显著提高了深度学习洪水预测的准确性	模型在实际应用中可能受到数据质量和可用性的限制	研究多步洪水预测方法以优化洪水预防和水资源管理	对中黄河地区九个典型流域的洪水径流数据进行研究	机器学习	NA	深度学习	LSTM, TCN, Transformer	洪水径流数据	九个典型流域的数据
22540	2024-08-05	Is deep learning-enabled real-time personalized CT dosimetry feasible using only patient images as input? 2024-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2024.103381 PMID:38810391	研究论文	提出了一种基于深度学习的个性化CT剂量测量新方法，仅使用患者的CT图像作为输入。	创新之处在于使用条件生成对抗网络(cGAN)替代传统的蒙特卡洛模拟，以实现快速的剂量图像生成。	研究的局限性在于个别器官的剂量计算可能受限于手动分割的准确性。	研究旨在提高个性化CT剂量测量的速度和准确性。	研究对象为接受CT扫描的患者的器官剂量。	医学影像学	无	深度学习	条件生成对抗网络(cGAN)	图像	使用手动分割的多个器官（如肺、心脏、乳腺、骨骼和皮肤）进行剂量计算