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
22581	2024-08-05	Machine learning-based classification of structured light modes under turbulence and eavesdropping effects 2024-Jun-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.520510 PMID:38856620	研究论文	本文考虑了在湍流和窃听影响下对复用结构光模态的分类	这是首个同时考虑湍流和窃听威胁对复用结构光模态分类的研究	未提及具体的实验条件或其他可能影响分类结果的因素	提高在挑战性环境中的通信可靠性和数据传输速率	复用的结构光模态，特别是在湍流和窃听场景下的性能	机器学习	NA	机器学习算法	人工神经网络，支持向量机，1D卷积神经网络，2D卷积神经网络	光学信号	16种模式
22582	2024-08-05	Role of ChatGPT-4 for Medical Researchers 2024-Jun, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-023-03336-5 PMID:37526801	评论	本文强调了ChatGPT-4在医疗领域的贡献、益处和挑战	探讨了ChatGPT-4在医学研究中的应用潜力和具体优势	对该工具的知识和潜力仍需更深入的了解	旨在阐明ChatGPT-4对医学研究的影响	医疗研究人员和从业者	自然语言处理	NA	深度学习	ChatGPT-4	文本	NA
22583	2024-08-05	Estimation of modified Zernike coefficients from turbulence-degraded multispectral imagery using deep learning 2024-Jun-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.521072 PMID:38856589	研究论文	本文研究了波长多样性如何影响深度学习模型从多光谱图像中预测修正Zernike系数的性能	提出了一种利用波长依赖的模拟方法来处理湍流引起的波前误差，并采用深度神经网络进行修正Zernike系数的预测	在使用带有附加噪声的扩展对象时，增加光谱带数所带来的改进有限	研究深度学习在湍流条件下从多光谱图像中高准确度预测修正Zernike系数的能力	点对象和来自字符数据集的扩展对象的多光谱图像	计算机视觉	NA	深度学习	AlexNet	图像	点对象和扩展对象的模拟图像数据，涉及不同湍流水平的多个样本
22584	2024-08-05	Identifying the twist factor of twisted partially coherent optical beams 2024-Jun-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.522975 PMID:38856440	研究论文	本文介绍了一种识别扭曲部分相干光束扭曲因子的方法	提出利用源平面上的圆形光圈来识别扭曲部分相干光束，简化了识别过程	识别过程可能受到光束低相干性和随机性的影响	研究如何有效识别扭曲部分相干光束的扭曲因子	扭曲部分相干光束的扭曲因子	光学	NA	深度学习	简单的深度学习模型	光束强度结构	NA
22585	2024-08-05	[Computer-vision-based artificial intelligence for detection and recognition of instruments and organs during radical laparoscopic gastrectomy for gastric cancer: a multicenter study] 2024-May-25, Zhonghua wei chang wai ke za zhi = Chinese journal of gastrointestinal surgery DOI:10.3760/cma.j.cn441530-20240125-00041 PMID:38778686	研究论文	本研究探讨了基于计算机视觉的人工智能技术在胃癌根治性腹腔镜胃切除术中检测和识别器械与器官的可行性和准确性	首次应用YOLOv8深度学习框架，在多中心收集的腹腔镜手术视频中实现器械和器官的实时检测与识别	主要依赖视频数据，可能存在手术视频的多样性和复杂性影响准确性的可能	研究计算机视觉在胃癌根治性腹腔镜手术中检测与识别器械和器官的有效性	从四家大医院收集的8段完整腹腔镜胃切除术视频	计算机视觉	胃癌	YOLOv8深度学习框架	YOLOv8m模型	图像	3369帧图像，训练集包含3032帧，验证集包含337帧
22586	2024-08-05	Systematic training of table tennis players' physical performance based on artificial intelligence technology and data fusion of sensing devices 2024-May-23, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100151 PMID:38796032	研究论文	本文研究了基于人工智能技术和传感器设备数据融合的乒乓球运动员体能训练的系统方法	结合人工智能的体能训练模型，提高了比赛信息提取的效率和观众体验	没有具体提及样本量和广泛适用性	探讨乒乓球运动员的体能训练对提高比赛表现的重要性	聚焦于中国乒乓球运动员的训练和技术动作识别	机器学习	NA	深度学习	卷积神经网络	视频	NA
22587	2024-08-05	Coded aperture compressive temporal imaging via unsupervised lightweight local-global networks with geometric characteristics 2024-May-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.510414 PMID:38856504	研究论文	本文提出了一种轻量级重建网络，通过压缩测量恢复高维信号。	本研究创新性地设计了一个轻量级网络，利用无监督学习和几何特征来改进信号重建。	受限于实际光学成像系统中的应用，可能对数据质量和网络训练有依赖。	研究压缩测量下的高维信号重建问题。	研究对象为通过压缩测量恢复的视频信号。	计算机视觉	NA	压缩感知	轻量级网络	视频	实验结果未提供样本大小
22588	2024-08-05	Imaging through thick scattering media based on envelope-informed learning with a simulated training dataset 2024-May-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.521140 PMID:38856497	研究论文	本文提出了一种基于卷积和高斯分布包络的深度学习方法，用于在厚散射介质中成像	通过使用高斯分布的包络来模拟点扩散函数，从而减少了训练数据集构建的时间和条件	重建物体的质量与散射介质的厚度呈负相关	研究如何在散射成像中有效应用深度学习	使用模拟训练数据集的神经网络重建被未知散射介质遮挡的物体	计算成像	NA	深度学习	神经网络	图像	通过手写数字与点扩散函数的卷积获取的训练数据集的样本
22589	2024-08-05	Improving the reliability of deep learning computational ghost imaging with prediction uncertainty based on neighborhood feature maps 2024-May-10, Applied optics IF:1.7Q3 DOI:10.1364/AO.511817 PMID:38856335	研究论文	本文展示了基于邻域特征图的迭代估计在深度学习计算幽灵成像中的应用	提出了一种通过邻域特征图评估输出不确定性的迭代估计方法，以提高深度学习输出的可靠性	未提及具体的算法或数据集限制	提高深度学习在精密测量中的输出可靠性	深度学习算法在缺陷检测中的应用	计算机视觉	NA	深度学习	NA	NA	实验结果未具体说明样本数量
22590	2024-08-05	Unsupervised speckle denoising in digital holographic interferometry based on 4-f optical simulation integrated cycle-consistent generative adversarial network 2024-May-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.521701 PMID:38856541	研究论文	本文提出了一种自监督深度学习的散斑去噪方法，旨在减轻数字全息干涉法中的散斑噪声影响	创新点在于提出了一种将4-f光学散斑噪声模拟模块与循环一致生成对抗网络集成的方法	本文未提及具体的局限性	研究旨在改善数字全息干涉法中的散斑噪声去除能力	研究对象为数字全息干涉法中遇到的散斑噪声	计算机视觉	NA	生成对抗网络	循环一致生成对抗网络	模拟数据和实验数据	NA
22591	2024-08-05	Res-U2Net: untrained deep learning for phase retrieval and image reconstruction 2024-May-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.511074 PMID:38856563	研究论文	本文提出了一种新颖的无训练 Res-U2Net 模型用于相位恢复和图像重建	提出了一种创新的无训练模型，通过逆向物理模型实现图像形成过程	传统的图像重建方法依赖于大量难以获取的训练数据	研究一种无需训练数据的图像重建方法	分析物体表面的变化并生成其 3D 结构的网格表示	计算机视觉	NA	NA	Res-U2Net	图像	使用来自 GDXRAY 数据集的图像进行比较
22592	2024-08-05	Adaptive noise-resilient deep learning for image reconstruction in multimode fiber scattering 2024-Apr-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.519285 PMID:38856444	研究论文	本研究探讨了光纤和压电材料领域中的三个重要方面，包括电压变化对压电位移的影响、多模光纤（MMF）弯曲对数据传输的影响，以及在有无附加噪声情况下自编码器在MMF图像重建中的表现	文章通过研究电压变化对压电位移的影响和MMF弯曲对数据传输的影响，为光纤技术的优化提供了新的见解，且展示了自编码器在MMF图像重建中的高精度	文章未明确指出研究的局限性	研究光纤和压电材料的性能，优化数据传输及图像重建技术	研究对象包括压电材料的位移、MMF的数据传输性能以及自编码器在图像重建中的应用	光纤技术	NA	自编码器	自编码器	图像	使用了一组多模光纤图像数据集
22593	2024-08-05	Characterization of organic fouling on thermal bubble-driven micro-pumps 2024 Mar-Apr, Biofouling IF:2.6Q1 DOI:10.1080/08927014.2024.2353034 PMID:38785127	研究论文	该文章研究了热泡驱动微泵与生物流体的相互作用，尤其是有机污垢对其性能的影响	首次探讨了热泡驱动微泵在与血液和富含蛋白质的液体接触时的有机污垢现象	当前研究仅集中在鸡蛋清和牛全血的影响上，未考虑其他类型的生物流体	了解热泡驱动微泵与生物流体的相互作用及其对泵性能的影响	主要研究对象是热泡驱动微泵在与鸡蛋清和牛全血接触时的污垢效应	微流体	NA	高速度成像和基于RESNET-18的深度学习神经网络	NA	图像	NA
22594	2024-08-05	Development of MRI-Based Deep Learning Signature for Prediction of Axillary Response After NAC in Breast Cancer 2024-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.10.004 PMID:37914627	研究论文	本研究开发了一种基于MRI的深度学习特征，用于预测乳腺癌患者在新辅助化疗后腋窝反应	本研究利用深度学习从动态对比增强MRI中提取特征，并提出了一种新的预测模型	NA	开发一种用于预测乳腺癌患者在新辅助化疗后腋窝反应的MRI基础深度学习特征	327名乳腺癌患者，这些患者在新辅助化疗后接受腋窝手术	医学影像学	乳腺癌	动态对比增强MRI	支持向量机	医学影像	327名乳腺癌患者
22595	2024-08-05	Shortening Acquisition Time and Improving Image Quality for Pelvic MRI Using Deep Learning Reconstruction for Diffusion-Weighted Imaging at 1.5 T 2024-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.06.035 PMID:37500416	研究论文	本研究探讨使用深度学习重建技术对1.5T下骨盆扩散加权成像的采集时间和图像质量的影响	创新地应用深度学习技术来缩短扩散加权成像的采集时间并提高图像质量	研究仅限于单一中心，样本量相对较小且为回顾性研究	研究骨盆MRI的扩散加权成像中，深度学习重建对采集时间和图像质量的影响	55名患者接受了标准扩散加权成像和深度学习重建的扩散加权成像	数字病理学	NA	深度学习重建	NA	图像	55名患者（年龄范围27至89岁）
22596	2024-08-05	Automated identification and quantification of metastatic brain tumors and perilesional edema based on a deep learning neural network 2024-Jan, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-023-04540-y PMID:38133789	研究论文	本论文展示了一种用于自动分割转移性脑肿瘤及相关周边水肿的深度学习模型	该研究采用仅仅使用T1加权对比增强影像和T2加权影像训练深度学习模型，从而实现自动分割和定量分析	研究中使用的数据集相对较小，仅包含90组MRI影像，可能影响模型的泛化能力	研究旨在通过深度学习技术提高转移性脑肿瘤和周边水肿的分割效率	研究对象为46名患者的转移性脑肿瘤与周边水肿影像数据	计算机视觉	脑肿瘤	深度学习	DeepMedic 3D卷积神经网络	影像	90组MRI影像，来自46名患者
22597	2024-08-05	Evaluation of mediastinal lymph node segmentation of heterogeneous CT data with full and weak supervision 2024-01, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102312 PMID:38141568	研究论文	本文评估了异质CT数据中纵隔淋巴结分割的完整监督和弱监督方法的性能	提出了在异质数据集中比较完全监督与弱监督分割模型的方法	未提到具体的生物标志物或临床应用的长时间跟踪数据	研究淋巴结分割模型的泛化能力和不同疾病条件与成像参数的影响	使用完全独立于模型创建数据集的806个纵隔淋巴结	计算机视觉	NA	完全卷积神经网络（FCNs）	NA	图像	540名独特患者的806个纵隔淋巴结样本
22598	2024-08-05	Deep Transfer Learning for Ethnically Distinct Populations: Prediction of Refractive Error Using Optical Coherence Tomography 2024-Jan, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-023-00842-6 PMID:37955835	研究论文	本文提出了一种深度迁移学习模型，以预测不同种族人群的未矫正屈光不正	针对多种族情况下训练和测试数据分布不匹配造成的模型性能下降，提出了一种适应性训练的深度迁移学习模型	需要进一步的研究以确认所提出算法的可行性，特别是需较大的样本量和多样的数据来源	研究目的在于通过适应性训练和迁移学习来改善屈光不正的预测	研究对象包括来自不同种族的眼科病人及其光学相干断层扫描图像	数字病理学	NA	光学相干断层扫描（OCT）	深度学习模型	图像	2602只眼睛的1301名患者（预训练），60只眼睛的30名患者（适应性训练），142只眼睛的71名患者（测试）
22599	2024-08-05	Vascular Age Assessed From an Uncalibrated, Noninvasive Pressure Waveform by Using a Deep Learning Approach: The AI-VascularAge Model 2024-Jan, Hypertension (Dallas, Tex. : 1979) DOI:10.1161/HYPERTENSIONAHA.123.21638 PMID:37901957	研究论文	本文介绍了一种使用深度学习方法评估血管年龄的模型，称为AI-VascularAge。	该文章创新性地使用了卷积神经网络从非侵入性的血压波形中提取信息，以预测血管年龄，这是评估心血管疾病风险的新方法。	研究样本主要来自社区人群，可能不具备广泛的适用性，并且模型的特异性和敏感性仍需进一步验证。	本研究的目的是通过使用深度学习的方法评估血管年龄，并探讨其与心血管疾病的关系。	研究对象包括来自冰岛的社区样本和Framingham心脏研究的参与者，共涉及多个血压波形。	机器学习	心血管疾病	卷积神经网络（CNN）	卷积神经网络	波形数据	10680个参与者，31126个波形（冰岛样本）和7208个参与者，21624个波形（Framingham心脏研究）
22600	2024-08-07	Monitoring significant ST changes through deep learning 2018 Nov - Dec, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2018.07.026 PMID:30082087	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA