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
10881	2024-12-13	Enhanced brain tumor diagnosis using combined deep learning models and weight selection technique 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1444650 PMID:39659489	研究论文	本研究提出了一种结合深度学习模型和权重选择技术的方法，用于增强脑肿瘤的诊断	创新点在于利用集成学习方法结合Vision Transformers (ViT)和EfficientNet-V2模型，并通过遗传算法优化权重，显著提高了分类准确性	NA	旨在提高脑肿瘤分类的准确性，以改善诊断和治疗计划	脑肿瘤的多分类任务	计算机视觉	脑肿瘤	深度学习	Vision Transformers (ViT), EfficientNet-V2	图像	使用了一个包含标记脑部MRI图像的精心策划的数据集
10882	2024-12-13	Deep learning and transfer learning for brain tumor detection and classification 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae080 PMID:39659666	研究论文	本研究探讨了卷积神经网络（CNN）在脑肿瘤检测和分类中的应用，通过迁移学习步骤提升网络的肿瘤检测能力	引入了独特的伪装动物检测迁移学习步骤，以增强网络的肿瘤检测能力	NA	提高神经网络在脑肿瘤MRI数据上的分类准确性	胶质瘤和正常脑MRI数据，包括增强后T1加权和T2加权图像	计算机视觉	脑肿瘤	卷积神经网络（CNN）	CNN	图像	NA
10883	2024-12-13	Spontaneous breaking of symmetry in overlapping cell instance segmentation using diffusion models 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae084 PMID:39659670	研究论文	本文提出了一种基于扩散模型的重叠细胞实例分割方法，解决了传统方法在处理重叠标签时的局限性	本文提出了一种基于扩散模型的新方法，能够自发地打破对称性，并在像素级别上实现实例分割，同时允许重叠标签	NA	解决在生物医学图像中处理重叠标签的实例分割问题	重叠的细胞实例	计算机视觉	NA	扩散模型	扩散模型	图像	使用了cellpose荧光细胞数据集
10884	2024-12-13	Deep learning-based postoperative glioblastoma segmentation and extent of resection evaluation: Development, external validation, and model comparison 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae199 PMID:39659831	研究论文	本文开发并验证了一种基于深度学习的模型，用于术后胶质母细胞瘤的分割和切除范围评估，并与现有算法进行了比较	本文首次开发了一种基于深度学习的模型，专门用于术后胶质母细胞瘤的分割和切除范围评估，并展示了其在临床应用中的潜力	本文的局限性在于样本量相对较小，且仅在特定的研究机构和公共数据库中进行了验证	开发一种基于深度学习的模型，用于术后胶质母细胞瘤的分割和切除范围评估，并与其他现有算法进行比较	术后胶质母细胞瘤的分割和切除范围评估	计算机视觉	脑肿瘤	MRI	nnU-Net	图像	586个扫描样本，其中395个用于模型训练，52个用于模型比较，139个用于独立验证
10885	2024-12-13	Clinical application of machine-based deep learning in patients with radiologically presumed adult-type diffuse glioma grades 2 or 3 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae192 PMID:39659833	研究论文	本研究测试了深度学习在放射学上疑似低级别胶质瘤患者中预测IDH突变的临床应用	使用深度学习模型对放射学上疑似低级别胶质瘤患者的IDH突变进行预测	在当前状态下，复杂模型在临床场景中的应用并未显示出比基线临床模型更大的净收益	测试深度学习在放射学上疑似低级别胶质瘤患者中预测IDH突变的临床实用性	放射学上疑似低级别胶质瘤患者	机器学习	脑肿瘤	深度学习	深度学习模型	图像	314名患者（回顾性招募）和155名患者（外部验证队列）
10886	2024-12-12	Artificial intelligence algorithms for real-time detection of colorectal polyps during colonoscopy: a review 2024, American journal of cancer research IF:3.6Q2 DOI:10.62347/BZIZ6358 PMID:39659923	综述	本文综述了基于人工智能的算法在结肠镜检查中实时检测结直肠息肉的应用	重点介绍了深度学习算法在优化效率和准确性方面的进展	未具体讨论现有算法的局限性	探讨人工智能技术在结肠镜检查中实时检测结直肠息肉的应用及其未来发展	结直肠息肉的实时检测	计算机视觉	结直肠癌	人工智能	深度学习算法	图像	NA
10887	2024-12-13	Radiomics and Deep Learning in Nasopharyngeal Carcinoma: A Review 2024, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2023.3269776 PMID:37097799	综述	本文综述了放射组学和深度学习在鼻咽癌临床诊断和治疗中的应用	总结了前沿研究的创新点和应用效果，并提出了改进方向	研究领域存在异质性，研究与临床转化之间存在差距	探讨放射组学和深度学习在鼻咽癌中的应用，并提出改进建议	鼻咽癌的临床诊断和治疗任务	计算机视觉	鼻咽癌	放射组学，深度学习	NA	图像	NA
10888	2024-12-13	Beyond Supervised Learning for Pervasive Healthcare 2024, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2023.3296938 PMID:37471188	综述	本文探讨了机器学习和传感技术在医疗保健中的应用，并回顾了超越完全监督学习的趋势，以解决医疗数据稀缺、质量和异质性的问题	总结了七种关键的学习策略，以提高实际部署中的泛化性能，并指出了几个新兴且有前景的方向，如数据高效、可扩展和可信的计算模型，以及利用多模态和多源传感信息	未具体提及	探讨机器学习和传感技术在医疗保健中的应用，并提出解决医疗数据问题的学习策略	医疗保健中的机器学习应用及其面临的挑战	机器学习	NA	NA	NA	NA	NA
10889	2024-12-13	Vision Transformers for Computational Histopathology 2024, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2023.3297604 PMID:37478035	综述	本文综述了在计算组织病理学中用于分类、分割和生存风险回归的先进视觉Transformer技术	介绍了基于自注意力机制的Transformer在计算组织病理学中的最新应用	讨论了视觉Transformer在计算组织病理学中的关键挑战和未来展望	提供一个详细的指南，帮助读者探索视觉Transformer在计算组织病理学中的应用	组织病理学图像的分类、分割和生存结果预测	数字病理学	癌症	Transformer	Transformer	图像	NA
10890	2024-12-13	Impact of deep learning on radiologists and radiology residents in detecting breast cancer on CT: a cross-vendor test study 2024-01, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2023.09.022 PMID:37872026	研究论文	研究深度学习对放射科医生和放射科住院医师在CT上检测乳腺癌诊断性能的影响	首次探讨了深度学习模型在不同供应商设备上对放射科医生和住院医师诊断乳腺癌的辅助作用	研究为回顾性研究，样本量较小，且仅限于两个供应商的设备	探讨深度学习对放射科医生和住院医师在CT上检测乳腺癌诊断性能的影响	放射科医生和放射科住院医师在CT上检测乳腺癌的诊断性能	计算机视觉	乳腺癌	深度学习	NA	图像	训练组201例，验证组26例，测试组30例
10891	2024-12-13	A Monocular Variable Magnifications 3D Laparoscope System Using Double Liquid Lenses 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2023.3311022 PMID:38059130	研究论文	本文提出了一种基于双液态镜头的单目可变放大率3D腹腔镜系统，能够在微创手术中提供可变放大率、近距离观察和实时单目3D重建	该系统通过双液态镜头实现自动变焦和自动对焦，无需物理移动部件，并结合基于离焦深度（DFD）方法的深度学习网络，能够在不同焦距和放大率下实时估计深度	NA	开发一种能够在微创手术中提供3D感知和可变放大率的新型腹腔镜系统	腹腔镜系统在微创手术中的应用	计算机视觉	NA	深度学习	深度学习网络	图像	NA
10892	2024-12-13	Contrastive Transfer Learning for Prediction of Adverse Events in Hospitalized Patients 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2023.3344035 PMID:38196820	研究论文	本文提出并验证了一种对比迁移学习方法，用于住院患者不良事件的早期预测	本文首次将对比迁移学习应用于住院患者不良事件的早期预测，并展示了其在性能上优于传统的监督深度学习模型	NA	开发一种用于住院患者不良事件早期预测的算法	住院患者的不良事件	机器学习	NA	对比迁移学习	对比学习模型	时间序列数据	大规模时间序列数据和回顾性DI评分数据
10893	2024-12-13	A Study on Intelligent Optical Bone Densitometry 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3368106 PMID:38606393	研究论文	本文提出了一种利用近红外光和深度学习技术快速筛查骨密度的新方法	本文的创新点在于利用近红外光捕捉人体局部信息，并结合深度学习技术进行骨密度预测，初步结果显示与DXA测量的骨密度有高度相关性	本文的局限性在于预测误差在手腕处低于10%，但在髋部和脊柱处的误差高于手腕	本文的研究目的是开发一种成本较低且易于操作的骨密度筛查方法	本文的研究对象是手腕、髋部和脊柱的骨密度	机器学习	老年病	深度学习	多线性回归	图像	未明确具体样本数量
10894	2024-12-13	Acoustic and Text Features Analysis for Adult ADHD Screening: A Data-Driven Approach Utilizing DIVA Interview 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3369764 PMID:38606391	研究论文	本研究利用DIVA访谈收集的音频数据，通过提取声学和文本特征，结合支持向量机进行成人ADHD筛查	本研究创新性地使用语音和文本数据进行ADHD筛查，避免了传统方法中昂贵的设备和专业人员需求	NA	开发一种基于语音和文本数据的有效成人ADHD筛查方法	成人ADHD患者和正常对照组的语音数据	机器学习	精神疾病	支持向量机	NA	音频和文本	ADHD患者和正常对照组的音频数据
10895	2024-12-13	Sparse Deep Neural Network for Encoding and Decoding the Structural Connectome 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3366504 PMID:38633564	研究论文	本文提出了一种稀疏的前馈深度神经网络架构，用于编码和解码人类大脑的结构连接组，并在阿尔茨海默病和帕金森病的分类任务中展示了其优越性能	本文的创新点在于提出了一种稀疏的前馈深度神经网络架构，通过稀疏连接和递归特征消除算法显著减少了可训练参数的数量，同时提高了分类准确性	本文的局限性在于仅在阿尔茨海默病和帕金森病的分类任务中进行了验证，未来可能需要在更多疾病和数据集上进行进一步验证	研究目的是开发一种高效的深度学习方法，用于处理高维且样本量少的神经影像数据，并应用于大脑状态分类	研究对象是阿尔茨海默病和帕金森病患者的结构连接组数据	机器学习	神经退行性疾病	深度学习	稀疏前馈深度神经网络	图像	具体样本数量未在摘要中明确提及
10896	2024-12-13	Artificial Intelligence and Machine Learning in Cancer Related Pain: A Systematic Review 2023-Dec-08, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.06.23299610 PMID:38105979	综述	本文系统回顾了人工智能/机器学习（AI/ML）在癌症相关疼痛预测和管理决策中的应用	本文展示了多种新型AI/ML工具在癌症疼痛分类、风险分层和管理决策中的潜力	大多数研究缺乏外部验证和临床应用，模型校准报告不足	探索AI/ML在癌症疼痛相关结果预测和疼痛管理决策支持中的应用	癌症患者的疼痛管理	机器学习	癌症	NA	随机森林模型、Lasso模型、支持向量机	NA	44项研究，涵盖2006-2023年
10897	2024-12-13	Sleep-Energy: An Energy Optimization Method to Sleep Stage Scoring 2023, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2023.3263477 PMID:38292346	研究论文	本文提出了一种能量优化方法，用于改进自动睡眠分期生成的睡眠图质量	提出了一种基于能量优化的方法，通过条件概率评估每个时期的睡眠阶段，并采用能量最小化程序来提高自动睡眠分期的准确性	未提及具体限制	改进自动睡眠分期生成的睡眠图质量	睡眠分期和睡眠图质量	机器学习	NA	能量优化方法	深度学习模型	数据集	使用了Sleep EDFx和DRM-SUB数据集
10898	2024-12-13	A Pilot Study on Automatic Three-Dimensional Quantification of Barrett's Esophagus for Risk Stratification and Therapy Monitoring 2021-09, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2021.05.059 PMID:34116029	研究论文	本文提出了一种基于人工智能的自动三维量化Barrett食管的方法，用于风险分层和治疗监测	本文首次实现了Barrett食管的三维重建和自动量化，能够准确测量Prague C&M评分和Barrett食管区域面积	研究样本量相对较小，且仅限于高清晰度视频数据	评估所提出的人工智能系统在模拟和内镜患者数据上的准确性	Barrett食管的三维量化和风险分层	计算机视觉	消化系统疾病	深度学习	深度估计网络	视频	194个高清晰度视频来自131名患者
10899	2024-12-12	LesionScanNet: dual-path convolutional neural network for acute appendicitis diagnosis 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00321-7 PMID:39654693	研究论文	本文提出了一种名为LesionScanNet的双路径卷积神经网络模型，用于急性阑尾炎的计算机辅助诊断	LesionScanNet模型具有轻量级设计，包含多个DualKernel块，通过两条路径处理输入图像，分别使用3×3和1×1滤波器，展示了在急性阑尾炎诊断中的高准确性和泛化能力	NA	开发一种高效的卷积神经网络模型，用于急性阑尾炎的计算机辅助诊断	急性阑尾炎的诊断	计算机视觉	急性阑尾炎	卷积神经网络	CNN	图像	2400张CT扫描图像
10900	2024-12-12	Adaptive Multicore Dual-Path Fusion Multimodel Extraction of Heterogeneous Features for FAIMS Spectral Analysis 2025-Mar, Rapid communications in mass spectrometry : RCM IF:1.8Q2 DOI:10.1002/rcm.9967 PMID:39658821	研究论文	本文提出了一种自适应多核双路径融合多模型提取异构特征的模型，用于FAIMS光谱分析	通过多模型特征提取实现多网络互补，自适应特征融合模块调整特征大小和维度融合，多核双路径融合能够捕捉和整合多尺度和多层次的信息	NA	提高FAIMS光谱分析的分析效果和工作效率	FAIMS光谱数据	机器学习	NA	FAIMS	多模型特征提取	光谱数据	小样本数据