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
23681	2024-08-07	Effects of the Training Data Condition on Arterial Spin Labeling Parameter Estimation Using a Simulation-Based Supervised Deep Neural Network 2024 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001566 PMID:38149628	研究论文	研究基于模拟的监督深度神经网络在不同训练数据条件下对脑血流量和动脉传输时间参数估计的影响	首次探讨了训练数据中脑血流量和动脉传输时间真实值范围对深度神经网络性能的影响	研究仅限于模拟数据和少数真实病例，可能需要更多临床数据验证	探究训练数据的真实值范围对基于模拟的监督深度神经网络性能的影响	脑血流量和动脉传输时间参数估计	机器学习	NA	动脉自旋标记信号模拟	深度神经网络 (DNN)	图像	36种训练数据集模式，1,000,000点模拟测试数据，17名健康志愿者和1名烟雾病患者
23682	2024-08-07	Deep learning combining mammography and ultrasound images to predict the malignancy of BI-RADS US 4A lesions in women with dense breasts: a diagnostic study 2024-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001186 PMID:38348891	研究论文	本研究旨在评估结合超声和乳腺X线摄影图像的深度学习模型在预测乳腺密度高女性BI-RADS US 4A病变恶性程度中的表现	本研究开发了一种结合超声和乳腺X线摄影特征的深度学习模型，该模型在预测BI-RADS US 4A乳腺病变恶性程度方面比临床诺模图模型和仅使用超声或乳腺X线摄影图像的深度学习模型更准确	NA	评估结合超声和乳腺X线摄影图像的深度学习模型在预测乳腺密度高女性BI-RADS US 4A病变恶性程度中的表现	乳腺密度高女性的BI-RADS US 4A病变	计算机视觉	乳腺疾病	深度学习	深度学习模型	图像	共1210名患者，其中992名随机分配到训练组和测试组，218名组成前瞻性验证组
23683	2024-08-07	Congenital diaphragmatic hernia: automatic lung and liver MRI segmentation with nnU-Net, reproducibility of pyradiomics features, and a machine learning application for the classification of liver herniation 2024-May, European journal of pediatrics IF:3.0Q1 DOI:10.1007/s00431-024-05476-9 PMID:38416256	研究论文	本研究使用深度学习分割系统nnU-Net自动分割先天性膈疝（CDH）胎儿的肺和肝脏MRI图像，并通过计算Jaccard系数评估自动与手动分割的一致性。此外，提取并比较了手动和自动分割区域的Pyradiomics标准特征的再现性，并构建了一个基于支持向量机（SVM）的机器学习分类器系统，用于预测肝脏疝。	本研究展示了使用深度学习nnU-Net系统进行MRI肺和肝脏自动分割的可行性，以及与手动结果相比，Pyradiomics特征的良好再现性和机器学习系统预测肝脏疝的可行性。	NA	评估先天性膈疝胎儿肺和肝脏MRI图像自动分割的可行性，并开发机器学习系统以预测肝脏疝。	先天性膈疝胎儿的肺和肝脏MRI图像。	机器学习	先天性膈疝	MRI	nnU-Net	图像	未具体说明样本数量
23684	2024-08-07	Estimating Body Weight From Measurements From Different Single-Slice Computed Tomography Levels: An Evaluation of Total Cross-Sectional Body Area Measurements and Deep Learning 2024 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001587 PMID:38438330	研究论文	本研究评估了两种简易方法（线性回归模型和深度学习模型）在不同CT层面估计体重的相关性，并确定最佳参考位点	本研究首次比较了线性回归模型和深度学习模型在不同CT层面估计体重的准确性	研究仅使用了公开数据库中的862名患者的PET/CT研究数据，样本量可能有限	评估不同CT层面估计体重的准确性并确定最佳参考位点	862名患者的PET/CT研究数据	计算机视觉	NA	CT	线性回归模型, 深度学习模型	图像	862名患者
23685	2024-08-07	Prognostic Value of a Combined Nomogram Model Integrating 3-Dimensional Deep Learning and Radiomics for Head and Neck Cancer 2024 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001584 PMID:38438336	研究论文	本研究评估了将3D深度学习特征添加到放射组学模型中，以预测头颈癌患者5年总生存状态的影响。	本研究创新性地结合了3D深度学习特征与放射组学模型，以提高预测头颈癌患者5年总生存状态的准确性。	NA	评估3D深度学习特征对放射组学模型预测头颈癌患者5年总生存状态的影响。	头颈癌患者的5年总生存状态。	数字病理学	头颈癌	放射组学, 3D深度学习	结合模型	图像	220例
23686	2024-08-07	Development and validation of a deep learning radiomics model with clinical-radiological characteristics for the identification of occult peritoneal metastases in patients with pancreatic ductal adenocarcinoma 2024-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001213 PMID:38445459	研究论文	本研究开发并验证了一种基于计算机断层扫描（CT）的深度学习放射组学（DLR）模型，用于在治疗前识别胰腺导管腺癌（PDAC）患者的隐匿性腹膜转移（OPM）	本研究结合了临床放射学特征、手工放射组学（HCR）和DLR特征，开发了一个综合模型，显示出比单独的临床放射学模型更好的区分能力	NA	开发并验证一个基于CT的深度学习放射组学模型，用于在治疗前识别胰腺导管腺癌患者的隐匿性腹膜转移	胰腺导管腺癌患者的隐匿性腹膜转移	机器学习	胰腺癌	深度学习放射组学（DLR）	逻辑回归分类器	CT图像	302名胰腺导管腺癌患者（训练集：167名，其中OPM阳性22名；内部测试集：72名，其中OPM阳性9名；外部测试集：63名，其中OPM阳性9名）
23687	2024-08-07	Quantitative evaluation of the impact of relaxing eligibility criteria on the risk-benefit profile of drugs for lung cancer based on real-world data 2024-May, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.15269 PMID:38576119	研究论文	本研究旨在通过真实世界数据定量评估放宽非小细胞肺癌（NSCLC）药物试验的入选标准对风险-效益概况的影响	本研究首次采用深度学习方法构建NSCLC真实世界数据库，并利用Shapley值定量测量每个入选标准变化对患者数量、临床疗效和安全性的影响	NA	定量评估放宽非小细胞肺癌药物试验入选标准的效果	非小细胞肺癌药物试验的入选标准	数字病理学	肺癌	深度学习	NA	数据库	NA
23688	2024-08-07	A novel stochastic resonance based deep residual network for fault diagnosis of rolling bearing system 2024-May, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2024.03.020 PMID:38582635	研究论文	本文提出了一种基于随机共振的深度残差网络，用于滚动轴承系统的故障诊断	将随机共振引入尖峰神经网络作为特征增强方法，结合深度学习与随机共振提高分类准确性	NA	确保机械设备中滚动轴承的安全运行	滚动轴承系统的故障诊断	机器学习	NA	随机共振	深度残差网络	信号	使用CWRU数据集进行实验验证
23689	2024-08-07	Creating an autoencoder single summary metric to assess gait quality to compare surgical outcomes in children with cerebral palsy: The Shriners Gait Index (SGI) 2024-May, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112092 PMID:38669795	研究论文	本文提出了一种使用深度学习自动编码器模型创建的单一总结指标（Shriners步态指数（SGI）），用于评估脑瘫儿童的步态质量，并比较手术结果	利用深度学习自动编码器模型捕捉多个不同步态指标之间的非线性统计关系，创建了一个综合的步态质量评估指标	NA	开发一种综合的步态评估指标，以评估和比较脑瘫儿童在接受治疗和手术后的步态变化	脑瘫儿童的步态数据	机器学习	脑瘫	深度学习自动编码器	自动编码器	步态数据	412名18岁以下的个体
23690	2024-08-07	Comprehensive analysis of clinical images contributions for melanoma classification using convolutional neural networks 2024-May, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13607 PMID:38742379	研究论文	本研究旨在比较三种基于卷积神经网络（CNN）的模型在黑色素瘤分类中的表现，这些模型分别使用临床图像、皮肤镜图像以及两者的组合进行训练	本研究首次系统比较了仅使用临床图像、仅使用皮肤镜图像以及两者结合训练的CNN模型在黑色素瘤分类中的性能差异	研究结果显示，结合临床和皮肤镜图像的模型性能提升不明显，这可能是研究的局限之一	探讨不同类型图像在黑色素瘤分类中的有效性	黑色素瘤的分类	计算机视觉	黑色素瘤	卷积神经网络（CNN）	Inception-ResNetV2	图像	914对图像
23691	2024-08-07	Intelligent algorithm based on deep learning to predict the dosage for anesthesia: A study on prediction of drug efficacy based on deep learning 2024-May, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.2113 PMID:38745754	研究论文	本研究提出了一种基于深度学习的智能算法，用于预测麻醉药物的剂量，以帮助麻醉医师在手术过程中更好地控制药物剂量	本研究设计了基于人工神经网络的模型，使用SELU激活函数和加权正则化损失函数解决样本不平衡问题，并通过CNN和LSTM网络提取关键特征和预测剂量	NA	开发一种智能算法，用于预测麻醉药物的剂量，以辅助临床判断和手术过程的顺利进行	麻醉药物的剂量预测	机器学习	NA	深度学习	CNN, LSTM	生理数据	具体样本数量未在摘要中提及
23692	2024-08-07	Three dimensional convolutional neural network-based automated detection of midline shift in traumatic brain injury cases from head computed tomography scans 2024 Apr-Jun, Journal of neurosciences in rural practice IF:0.8Q4 DOI:10.25259/JNRP_490_2023 PMID:38746523	研究论文	本研究开发了一种基于三维卷积神经网络的自动检测工具，用于从头部CT扫描中检测创伤性脑损伤病例中的中线移位	本研究首次使用三维卷积神经网络自动检测中线移位，为紧急医疗人员提供了一种前沿的解决方案	该模型的准确性和敏感性有待提高，目前的准确率为55%，敏感性为40%	确定自动检测工具在CT图像中检测创伤性脑损伤患者中线移位的准确性和预测价值	创伤性脑损伤病例的中线移位	机器学习	创伤性脑损伤	三维卷积神经网络	CNN	图像	176个头部CT扫描
23693	2024-08-07	Subcutaneous fat predicts bone metastasis in breast cancer: A novel multimodality-based deep learning model 2024, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-230219 PMID:38043007	研究论文	本研究利用深度学习方法，结合临床信息和CT图像特征，预测乳腺癌患者的骨转移	首次提出使用皮下脂肪指数作为预测乳腺癌骨转移的独立预后因素，并采用多模态深度学习算法进行预测	NA	探索利用深度学习技术预测乳腺癌患者的骨转移	乳腺癌患者的骨转移预测	机器学习	乳腺癌	CT图像	CNN	图像	431名乳腺癌患者
23694	2024-08-07	Learning multi-site harmonization of magnetic resonance images without traveling human phantoms 2024, Communications engineering DOI:10.1038/s44172-023-00140-w PMID:38420332	研究论文	本文提出了一种无需人类受试者跨站点采集数据即可实现磁共振图像多站点协调的深度学习方法	该方法通过分离站点特定外观信息和站点不变解剖信息，生成适用于任何目标站点的图像，无需额外数据收集	NA	提高磁共振图像数据的一致性，实现多站点图像数据的有效整合	磁共振图像的多站点协调	计算机视觉	NA	深度学习	深度神经网络	图像	超过6,000张多站点T1和T2加权图像
23695	2024-08-07	MHCII-peptide presentation: an assessment of the state-of-the-art prediction methods 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1293706 PMID:38646540	研究论文	本文评估了最新的MHCII-肽结合预测计算方法的性能	采用了深度学习算法和大量训练数据，新开发的预测方法性能优于旧方法	NA	评估和概述最新的MHCII-肽结合预测计算方法	MHCII-肽结合预测方法	生物信息学	NA	深度学习	NA	蛋白质序列数据	包含20种人类MHCII蛋白同种型的结合和非结合肽的独立数据集
23696	2024-08-07	Artificial intelligence in the healthcare sector: comparison of deep learning networks using chest X-ray images 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1386110 PMID:38660365	研究论文	本研究探讨了深度学习网络在胸部X光图像疾病诊断中的应用	本研究首次比较了ResNet101、AlexNet、GoogLeNet和Xception在胸部X光图像疾病诊断中的成功率	研究使用的数据集仅包含COVID-19、病毒性肺炎和健康个体的胸部X光图像	旨在确定深度学习网络在疾病诊断中的成功率	深度学习网络ResNet101、AlexNet、GoogLeNet和Xception	计算机视觉	NA	深度学习	CNN	图像	1,680张胸部X光图像，包括COVID-19、病毒性肺炎和健康个体
23697	2024-08-07	A hybrid deep learning scheme for MRI-based preliminary multiclassification diagnosis of primary brain tumors 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1363756 PMID:38746679	研究论文	本研究探索了一种结合多种先进技术的混合深度学习方案，用于提高原发性脑肿瘤诊断的分类性能和可解释性	本研究通过结合超分辨率重建、动态学习率退火策略、特征迁移和机器学习等技术，提高了深度学习模型的分类性能和可解释性	NA	探索一种混合深度学习方案，以提高原发性脑肿瘤诊断的准确性和自动化程度	原发性脑肿瘤的诊断	机器学习	脑肿瘤	深度学习	DenseNet121, LightGBM	MRI图像	230名原发性脑肿瘤患者，包括97名脑膜瘤、66名胶质瘤和67名垂体瘤
23698	2024-08-07	MAMILNet: advancing precision oncology with multi-scale attentional multi-instance learning for whole slide image analysis 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1275769 PMID:38746682	研究论文	本文介绍了MAMILNet，一种用于全切片图像分析的多尺度注意力多实例学习框架，旨在提高肿瘤检测、分类和治疗反应预测的精确度	MAMILNet通过引入注意力机制和多尺度策略，提高了模型的泛化能力和预测准确性，同时减少了病理学家的手动工作量	NA	推动精准肿瘤学和个体化治疗计划的发展	全切片图像分析中的肿瘤检测、分类和治疗反应预测	数字病理学	NA	多尺度注意力多实例学习	注意力机制	图像	1171例涵盖多种癌症类型
23699	2024-08-07	Editorial: IoT, UAV, BCI empowered deep learning models in precision agriculture 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1399753 PMID:38751845	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
23700	2024-08-07	Patient-derived PixelPrint phantoms for evaluating clinical imaging performance of a deep learning CT reconstruction algorithm 2023-Dec-09, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.07.23299625 PMID:38106064	研究论文	本研究使用基于患者胸部CT扫描的3D打印PixelPrint肺部幻影，评估商业深度学习重建（DLR）算法在不同辐射剂量水平下的临床成像性能	使用基于患者的3D打印PixelPrint肺部幻影，提供比传统CT幻影更真实的组织结构，实现基于结构的图像质量评估	NA	评估深度学习重建算法在不同辐射剂量下的临床成像性能	深度学习重建算法和3D打印PixelPrint肺部幻影	计算机视觉	NA	3D打印技术	深度学习重建算法	图像	使用了一个基于患者胸部CT扫描的肺部幻影，并通过不同大小的扩展环模拟小和中等体型的患者