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
11721	2024-12-07	AI-based prediction and detection of early-onset of digital dermatitis in dairy cows using infrared thermography 2024-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80902-4 PMID:39617800	研究论文	本研究利用深度学习技术结合红外热成像数据，预测和检测奶牛的蹄部疾病——蹄叶炎的早期发作	首次应用深度学习技术结合红外热成像数据进行蹄叶炎的早期检测和预测	NA	提高奶牛蹄叶炎的早期检测和预测准确性，从而改善动物福利和奶业经济效益	奶牛的蹄叶炎早期发作	计算机视觉	蹄部疾病	红外热成像	深度学习模型	红外热成像图像	NA
11722	2024-12-07	Effectively saltiness enhanced odorants screening and prediction by database establish, sensory evaluation and deep learning method 2024-Dec-02, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.142307 PMID:39637666	研究论文	本研究通过建立数据库、感官评估和深度学习方法，筛选和预测增强咸味的气味物质	本研究结合了深度学习模型和感官评估，提供了一种快速筛选增强咸味香气化合物的新方法	NA	提供增强咸味的候选气味物质	咸味食品中的挥发性化合物及其频率	机器学习	NA	深度学习	图注意力网络和反向传播神经网络分类器	化合物数据	代表性香气化合物在NaCl溶液中的浓度
11723	2024-12-07	Utility of zero echo time (ZTE) sequence for assessing bony lesions of skull base and calvarium 2024-Dec, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.08.029 PMID:39322533	研究论文	研究探讨了零回波时间（ZTE）序列在评估颅底和颅顶骨病变中的应用	首次探讨了ZTE成像在评估颅底和颅顶骨病变中的潜力，并引入了iZTE和pCT图像进行研究	研究样本量较小，需要更大规模的研究来全面评估其有效性	探讨ZTE成像在评估颅底和颅顶骨病变中的应用潜力	颅底和颅顶骨病变	NA	NA	零回波时间（ZTE）成像	NA	图像	35名患者，平均年龄42岁，男女比例1:4
11724	2024-12-07	Deep learning constrained compressed sensing reconstruction improves high-resolution three-dimensional (3D) T2-weighted turbo spin echo magnetic resonance imaging (MRI) of the lumbar spine 2024-Dec, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.09.004 PMID:39379271	研究论文	评估深度学习约束的压缩感知重建对腰椎高分辨率三维T2加权涡轮自旋回波磁共振成像的图像质量的影响	提出了一种深度学习约束的压缩感知重建方法，显著提高了加速高分辨率三维T2加权涡轮自旋回波成像的质量	NA	评估深度学习约束的压缩感知重建对腰椎高分辨率三维T2加权涡轮自旋回波磁共振成像的图像质量的影响	腰椎的高分辨率三维T2加权涡轮自旋回波磁共振成像	计算机视觉	NA	压缩感知（CS）	深度学习（DL）	图像	53名患者
11725	2024-12-07	An omics-driven computational model for angiogenic protein prediction: Advancing therapeutic strategies with Ens-deep-AGP 2024-Dec, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.136475 PMID:39423981	研究论文	本研究开发了一种新的计算模型Ens-Deep-AGP，用于预测血管生成蛋白（AGP），以推进治疗策略	引入了创新的特征工程技术，包括PSSM-DC-DCT和PSSM-ACC-DWT，并使用多头的集成残差卷积神经网络（MERCNN）进行深度学习	NA	开发一种高效的计算模型来预测血管生成蛋白，以加速药物开发和发现新的治疗靶点	血管生成蛋白（AGP）	机器学习	心血管疾病	PSSM-DC-DCT, PSSM-ACC-DWT	多头的集成残差卷积神经网络（MERCNN）	蛋白质序列	训练集和测试集的具体样本数量未明确说明
11726	2024-12-07	Image quality of virtual monochromatic and material density iodine images for evaluation of head and neck neoplasms using deep learning-based CT image reconstruction - A retrospective observational study 2024-Dec, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111806 PMID:39500043	研究论文	比较深度学习重建的虚拟单色图像和材料密度碘图像与传统单能CT图像在评估头颈部肿瘤中的质量	使用深度学习图像重建（DLIR）和金属伪影减少（MAR）算法生成的虚拟单色图像（VMI）和材料密度碘图像在头颈部肿瘤评估中的图像质量优于传统单能CT图像	研究为回顾性观察性研究，样本量有限，且仅涉及头颈部肿瘤	比较深度学习重建的虚拟单色图像和材料密度碘图像与传统单能CT图像在评估头颈部肿瘤中的质量	头颈部肿瘤的CT图像质量	计算机视觉	头颈部肿瘤	深度学习图像重建（DLIR）、金属伪影减少（MAR）算法	深度学习	图像	294例头颈部CT扫描（包括98例60 keV的VMI、102例MD碘图像和94例120 kVp的单能CT图像）
11727	2024-12-07	An extensive image dataset for deep learning-based classification of rice kernel varieties in Bangladesh 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111109 PMID:39633975	研究论文	本文介绍了一个与孟加拉国核农业研究所和孟加拉国水稻研究所合作开发的全面数据集，包含38种当地水稻品种的高分辨率图像	通过数据增强技术，将原始的19,000张图像扩展到76,000张，模拟了各种环境条件，丰富了数据集	NA	支持基于深度学习的水稻品种分类研究	38种当地水稻品种	计算机视觉	NA	数据增强技术	NA	图像	76,000张图像
11728	2024-12-07	Automatic detection and classification of beluga whale calls in the St. Lawrence estuary 2024-Dec-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0030472 PMID:39636175	研究论文	研究开发了一种自动管道，用于分析连续的被动声学数据，以准确估计圣劳伦斯湾白鲸的声学存在和发声活动	引入了自动管道，结合对象检测和深度学习分类器，实现了对白鲸发声的高频和低频成分的自动检测和分类	研究主要集中在Baie Sainte-Marguerite地区，未来需要扩展到其他区域以验证方法的普适性	开发一种非侵入性和连续的方法，实时获取圣劳伦斯湾白鲸的时空栖息地使用信息，以支持其监测和保护	圣劳伦斯湾的白鲸及其发声活动	机器学习	NA	深度学习	CNN	音频	NA
11729	2024-12-07	[Intestinal Polyp Segmentation Based on Histogram Equalization ResNet (PE-ResNet)] 2024-Nov-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.240235 PMID:39638618	研究论文	本文提出了一种基于直方图均衡化的ResNet架构（PE-ResNet）用于肠道息肉分割	通过引入直方图均衡化技术，减少了肠道内窥镜图像中的颜色变化对分割结果的影响	NA	提高肠道息肉分割的准确性，从而改进早期结直肠癌筛查的准确性	肠道息肉	计算机视觉	结直肠癌	直方图均衡化	ResNet	图像	五个数据集，包括ClinicDB
11730	2024-12-07	Full dimensional dynamic 3D convolution and point cloud in pulmonary nodule detection 2024-Nov-29, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.11.033 PMID:39617261	研究论文	本文介绍了一种名为Omni-dimension Dynamic Residual 3D Net (ODR3DNet)的新方法，用于肺结节检测，利用全维度动态3D卷积和3D点云数据	提出了ODR3DNet算法，结合全维度动态3D卷积和专门用于3D点云的机器学习算法，显著提高了肺结节检测的准确性	NA	提高肺结节检测的准确性，改善患者预后	肺结节	计算机视觉	肺癌	3D卷积	CNN	点云	NA
11731	2024-12-07	Artificial intelligence in cytopathological applications for cancer: a review of accuracy and analytic validity 2024-Nov-19, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-024-02138-2 PMID:39558397	综述	本文综述了人工智能在细胞病理学应用中的准确性和分析效度	本文探讨了人工智能辅助方法在提高细胞病理学诊断中的敏感性、特异性和准确性方面的创新应用	本文主要基于文献综述，未提供具体的技术实现细节或实验数据	探讨人工智能在细胞病理学诊断中的应用及其对诊断准确性和分析效度的影响	细胞病理学样本，包括宫颈癌、骨髓和外周血涂片、肺部良性与恶性病变	数字病理学	NA	机器学习、深度学习	NA	图像	417项研究中筛选出34项进行综述
11732	2024-12-07	Sequence of Morphological Changes Preceding Atrophy in Intermediate AMD Using Deep Learning 2024-Jul-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.8.30 PMID:39028907	研究论文	研究使用深度学习技术分析中间年龄相关性黄斑变性（iAMD）中在外丛状层（OPL）下沉之前发生的形态学变化序列	利用人工智能算法预测和量化iAMD转化为地理萎缩的形态学前兆，实现个性化风险分层	NA	研究iAMD中外丛状层下沉前的形态学变化序列	中间年龄相关性黄斑变性（iAMD）患者的外丛状层（OPL）下沉和视网膜色素上皮（RPE）及外层视网膜萎缩	计算机视觉	眼科疾病	深度学习	NA	图像	280只眼，140名患者
11733	2024-12-07	Deep learning-based classification of erosion, synovitis and osteitis in hand MRI of patients with inflammatory arthritis 2024-06-17, RMD open IF:5.1Q1 DOI:10.1136/rmdopen-2024-004273 PMID:38886001	研究论文	本文开发了一种基于卷积神经网络（CNN）的自动化评分系统，用于在炎症性关节炎患者的MRI影像中评估骨侵蚀、骨炎和滑膜炎	本文的创新点在于开发了一种基于CNN的自动化评分系统，能够快速评估骨侵蚀、骨炎和滑膜炎，且使用的MRI序列比传统评分方法更少	NA	开发和验证一种基于卷积神经网络的自动化评分系统，用于在炎症性关节炎患者的MRI影像中评估骨侵蚀、骨炎和滑膜炎	炎症性关节炎患者的MRI影像中的骨侵蚀、骨炎和滑膜炎	计算机视觉	关节炎	卷积神经网络（CNN）	CNN	MRI影像	训练和内部验证使用了211个MRI影像，涉及112名患者（14906个感兴趣区域）；外部验证使用了220个MRI影像，涉及75名患者（11040个感兴趣区域）
11734	2024-12-07	Federated Fusion of Magnified Histopathological Images for Breast Tumor Classification in the Internet of Medical Things 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3256974 PMID:37028353	研究论文	本文提出了一种基于联邦学习的放大病理图像融合方法，用于在医疗物联网中进行乳腺癌肿瘤分类	本文创新性地结合了不同放大倍数的病理图像，并使用联邦学习保护患者数据隐私，同时创建全局模型	NA	解决在处理敏感医疗数据时，由于数据共享限制导致公开数据集有限，从而影响深度学习模型性能的问题	乳腺癌肿瘤的检测和分类	计算机视觉	乳腺癌	联邦学习	残差网络	图像	使用BreakHis数据集进行比较
11735	2024-12-07	CLADSI: Deep Continual Learning for Alzheimer's Disease Stage Identification Using Accelerometer Data 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3392354 PMID:38648143	研究论文	本文提出了一种使用加速度计数据进行阿尔茨海默病阶段识别的深度持续学习方法	本文首次探索了使用持续学习算法，使卷积神经网络能够在新数据到来时自我配置，而无需完全访问之前的数据	实验仅在35名患者的数据上进行，样本量较小	开发一种能够从持续数据流中学习并识别阿尔茨海默病阶段的深度学习方法	阿尔茨海默病患者的步态数据	机器学习	阿尔茨海默病	加速度计数据分析	卷积神经网络	加速度计数据	35名阿尔茨海默病患者
11736	2024-12-07	DDT-Net: Dose-Agnostic Dual-Task Transfer Network for Simultaneous Low-Dose CT Denoising and Simulation 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3376628 PMID:38478459	研究论文	提出了一种名为DDT-Net的剂量无关双任务迁移网络，用于同时进行低剂量CT去噪和模拟	通过双任务学习模块将低剂量CT去噪和模拟任务整合到一个统一的优化框架中，并采用混合剂量训练策略提升低剂量数据的去噪性能	NA	解决现有深度学习去噪模型在未见剂量数据上的泛化能力不足以及低剂量CT模拟工具通常依赖于专有投影数据的问题	低剂量CT图像的去噪和模拟	计算机视觉	NA	深度学习	DDT-Net	图像	使用合成数据和临床数据进行实验
11737	2024-12-07	Radial Undersampled MRI Reconstruction Using Deep Learning With Mutual Constraints Between Real and Imaginary Components of K-Space 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3357784 PMID:38261493	研究论文	提出了一种新的复值卷积神经网络Dense-U-Dense Net (DUD-Net)，用于插值欠采样的k空间数据并重建磁共振图像	该方法考虑了复值k空间数据中实部和虚部之间的相互约束，通过密集层和U-Net的结合来实现特征稀疏和插值估计	NA	提高欠采样磁共振图像重建的质量并减少数据采集时间	脑部和膝关节的磁共振图像	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	两个MRI数据集：脑部幅度磁共振图像和膝关节复值k空间数据
11738	2024-12-07	Smart Multimodal In-Bed Pose Estimation Framework Incorporating Generative Adversarial Neural Network 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3384453 PMID:38843069	研究论文	提出了一种基于深度学习的多模态床位姿态估计框架，结合生成对抗神经网络进行特征融合和图像生成	引入了生成模型来生成与LWIR/深度图像相似姿态的RGB图像，提高了姿态估计的准确性	未提及	开发一种新的多模态床位姿态估计方法，以提高睡眠相关疾病和压疮风险的监测和评估	床位姿态估计在家庭和医院环境中的应用	计算机视觉	睡眠障碍	生成对抗神经网络	生成对抗网络	图像	使用了Simultaneously-collected multimodal Lying Pose (SLP)数据集，包含长波红外和深度图像两种模态
11739	2024-12-07	MAD-Former: A Traceable Interpretability Model for Alzheimer's Disease Recognition Based on Multi-Patch Attention 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3368500 PMID:38442047	研究论文	提出了一种基于多补丁注意力的可追踪解释性模型MAD-Former，用于阿尔茨海默病的识别	设计了3D脑特征提取网络和双分支注意力结构，实现了多尺度空间特征提取，并提出了重要注意力相似位置损失函数和基于注意力的可追踪解释方法	现有基于卷积神经网络的体素模型仅处理单一空间尺度的阿尔茨海默病相关脑萎缩，缺乏基于模型解释性的异常脑区空间定位	提高阿尔茨海默病自动诊断的准确性和模型解释性	阿尔茨海默病患者的脑部结构磁共振成像数据	计算机视觉	阿尔茨海默病	深度学习	MAD-Former	图像	使用了ADNI和OASIS数据集
11740	2024-12-07	A Scalable Federated Learning Approach for Collaborative Smart Healthcare Systems With Intermittent Clients Using Medical Imaging 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3282955 PMID:37279135	研究论文	本文提出了一种可扩展的联邦学习框架，用于处理间歇性客户端和数据不平衡问题，以支持智能医疗系统的协作	本文的创新点在于结合了联邦学习与数据增强技术，解决了间歇性客户端和数据不平衡问题，提高了模型的准确性和可持续性	本文的局限性在于实验中客户端数量较少，且未探讨更大规模或更复杂场景下的性能	本文的研究目的是开发一种保护数据隐私且能处理间歇性客户端和数据不平衡问题的联邦学习框架，以支持智能医疗系统的协作	本文的研究对象是间歇性客户端和数据不平衡问题，以及如何在保护隐私的前提下提高模型的准确性和可持续性	计算机视觉	NA	联邦学习	深度学习模型	图像	实验中使用了5到18个客户端，并测试了不同大小的测试数据集