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
22901	2024-08-05	Prior-Guided Attribution of Deep Neural Networks for Obstetrics and Gynecology 2024-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3337511 PMID:38019619	研究论文	提出了一种名为Prior-Guided Attribution (PGA)的新方法，用于提高深度神经网络在妇产科超声成像任务中的表现	创新点在于利用空间先验信息引导深度神经网络的归因过程，同时引入了一种新的先验分配策略以处理多个空间先验	需要额外的信息仅在训练过程中使用，推断时不需要，但对于隐私的保护可能仍然存在一些限制	旨在解决妇产科领域深度学习在超声图像任务中的数据不足问题	研究对象为妇产科超声成像中的乳腺癌检测和扫描平面检测任务	计算机视觉	乳腺癌	深度神经网络	NA	超声图像	NA
22902	2024-08-05	Lung nodule malignancy classification with associated pulmonary fibrosis using 3D attention-gated convolutional network with CT scans 2024-01-13, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-023-04798-w PMID:38216992	研究论文	本研究旨在使用3D注意力门控卷积网络对肺结节的恶性分类进行评估，考虑了相关的肺纤维化因素	提出了一种可视化的3D分类模型，并特别考虑肺纤维化的信息以提高肺结节恶性分类的准确性	本研究基于自有的CT数据集，可能缺乏足够的多样性以代表广泛的人群	评估在胸部CT图像中将纤维化微环境纳入肺结节恶性分类的效果	研究对象为胸部CT图像中的肺结节及其微环境	数字病理学	肺癌	深度学习	3D卷积神经网络	CT图像	使用了内部CT数据集，具体样本大小未详细说明
22903	2024-08-05	Development of a deep learning model for predicting recurrence of hepatocellular carcinoma after liver transplantation 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1373005 PMID:38919938	研究论文	本研究开发了一种深度学习模型，用于预测肝移植后肝细胞癌的复发	提出了一种基于TabNet的预后模型，在预测肝移植后复发方面优于米兰标准	研究未涉及其他潜在影响复发风险的临床因素	旨在建立和验证深度学习模型，更好地指导肝移植后的治疗	评估356例接受肝移植的肝细胞癌患者的复发风险	机器学习	肝细胞癌	深度学习	TabNet	表格数据	356个肝细胞癌患者
22904	2024-08-05	Development of a predictive model for 1-year postoperative recovery in patients with lumbar disk herniation based on deep learning and machine learning 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1255780 PMID:38919973	研究论文	本研究旨在开发一个预测模型，以预测腰椎间盘突出患者术后1年的恢复情况	利用深度学习和机器学习技术开发的预测模型为临床决策提供信息	数据来自于特定时间段的回顾性分析，可能存在样本偏差	开发一个能预测腰椎间盘突出患者术后恢复的模型	470名接受微创手术的住院患者的临床数据	机器学习	NA	深度学习和机器学习	MLP（人工神经网络）	临床数据	470名住院患者
22905	2024-08-05	Factor-GAN: Enhancing stock price prediction and factor investment with Generative Adversarial Networks 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306094 PMID:38917175	研究论文	本文介绍了Factor-GAN，一个利用生成对抗网络技术进行因子投资的创新框架	Factor-GAN结合深度学习技术与多因子定价模型，提高了投资策略的精确度和稳定性	样本分析仅限于中国股市，可能影响研究结论的普遍性	探讨深度学习在因子投资中的应用	以70个公司特征为基础的因子数据库进行分析	机器学习	NA	生成对抗网络	NA	金融数据	中国股市的子样本分析
22906	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
22907	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
22908	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
22909	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）
22910	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
22911	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
22912	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
22913	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
22914	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
22915	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
22916	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
22917	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
22918	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
22919	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
22920	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