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
11821	2024-12-06	Using deep learning and word embeddings for predicting human agreeableness behavior 2024-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81506-8 PMID:39622946	研究论文	本文利用深度学习和词嵌入技术预测人类随和性行为	本文采用Bi-LSTM算法结合句子嵌入，在预测人类随和性行为方面达到了91.57%的高准确率	NA	预测人类的随和性人格特质	人类的随和性行为	自然语言处理	NA	深度学习	Bi-LSTM	文本	使用了MBTI数据集
11822	2024-12-06	The analysis of rural tourism image optimization under the internet of things and deep learning 2024-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81868-z PMID:39622993	研究论文	研究利用深度学习技术优化乡村旅游形象，提升游客体验并促进可持续发展	通过部署传感器进行实时环境监测和游客流量监控，结合DenseNet实现乡村景观的自动识别和分析	NA	利用深度学习技术优化乡村旅游形象，提升游客体验并促进可持续发展	乡村旅游形象的优化	计算机视觉	NA	深度学习	DenseNet	图像	以黄河沿岸的乡村旅游为例
11823	2024-12-06	Extreme wrinkling of the nuclear lamina is a morphological marker of cancer 2024-Dec-02, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00775-8 PMID:39623008	研究论文	研究探讨了核膜皱褶作为癌症形态学标志的可能性	首次通过深度学习和傅里叶分析证实了极端核膜皱褶在癌症组织中的存在，并提出其作为癌症诊断标志的潜力	研究仅限于对核膜皱褶的形态学分析，未涉及其生物学功能或分子机制	验证极端核膜皱褶作为癌症标志的可行性，并探讨其在癌症诊断中的应用	人类组织中的正常和癌症细胞核	数字病理学	NA	深度学习	NA	图像	患者组织样本
11824	2024-12-06	Probabilistic regression for autonomous terrain relative navigation via multi-modal feature learning 2024-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81377-z PMID:39623052	研究论文	本文提出了一种基于多模态特征学习的概率回归方法，用于自主地形相对导航，特别是在行星着陆的动力下降阶段	本文提出了一种新的CNN架构，通过多层级联结构和分类概率作为回归权重，来估计着陆器的位置	NA	开发一种新的自主导航算法，以应对复杂任务架构和扩展的太空飞行领域	行星着陆过程中的自主导航算法	计算机视觉	NA	深度学习	CNN	图像和深度数据	多个模拟场景
11825	2024-12-06	Combining immunoscore and tumor budding in colon cancer: an insightful prognostication based on the tumor-host interface 2024-Dec-02, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05818-z PMID:39623479	研究论文	本文研究了结直肠癌中免疫评分和肿瘤芽的结合对患者无病生存期的影响	首次探讨了免疫评分和肿瘤芽的结合在结直肠癌中的预后价值	样本量有限，仅包括pTNM分期I-III的结直肠癌患者	研究免疫评分和肿瘤芽的结合在结直肠癌中的预后作用	pTNM分期I-III的结直肠癌患者	数字病理学	结直肠癌	深度学习网络	NA	图像	654例pTNM分期I-III的结直肠癌患者
11826	2024-12-06	Improving laryngeal cancer detection using chaotic metaheuristics integration with squeeze-and-excitation resnet model 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00296-5 PMID:39006830	研究论文	本文提出了一种基于混沌元启发式算法与挤压激励残差网络模型相结合的方法，用于提高喉癌检测的效率	本文创新性地将混沌元启发式算法与挤压激励残差网络模型结合，用于喉癌的检测和分类，显著提高了检测的准确性和效率	NA	本文旨在开发一种高效的喉癌检测方法，以提高早期喉癌的诊断准确性	本文的研究对象是喉癌及其在喉部区域的图像	计算机视觉	喉癌	挤压激励残差网络模型	挤压激励残差网络模型	图像	使用了一个基准的喉部区域图像数据库进行性能评估
11827	2024-12-06	Detection and Localization of Spine Disorders from Plain Radiography 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01175-x PMID:38937344	研究论文	本文提出了一种基于深度学习的脊柱疾病检测和定位方法，使用Transformer网络从X光片中识别和定位脊柱疾病	首次采用Transformer网络进行脊柱疾病的端到端检测和定位，显著提高了检测准确性	NA	开发一种自动化的脊柱疾病检测和定位工具，以提高诊断准确性和效率	脊柱压缩性骨折和脊柱滑脱	计算机视觉	NA	深度学习	Transformer	图像	脊柱压缩性骨折数据集包含337张图像，脊柱滑脱数据集包含413张图像
11828	2024-12-06	A transfer learning enabled approach for ocular disease detection and classification 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00293-8 PMID:38868156	研究论文	本文提出了一种基于迁移学习的深度学习模型Ocular Net，用于眼部疾病的检测和分类	本文的创新点在于使用迁移学习、平均池化层、Clipped Relu、Leaky Relu等技术，提出了一种新的深度学习模型Ocular Net，用于眼部疾病的检测和分类	本文的局限性在于仅使用了6200张眼部图像进行模型训练和测试，样本量相对较小	本文的研究目的是开发一种准确且高效的眼部疾病检测和分类方法	本文的研究对象是包括白内障、糖尿病、葡萄膜炎和青光眼在内的眼部疾病	计算机视觉	眼部疾病	深度学习	Ocular Net	图像	6200张眼部图像，其中4000张用于训练，2200张用于测试
11829	2024-12-06	Iterative Motion Correction Technique with Deep Learning Reconstruction for Brain MRI: A Volunteer and Patient Study 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01184-w PMID:38942939	研究论文	研究了迭代运动校正（IMC）对减少脑部磁共振成像（MRI）中运动伪影的影响，并使用深度学习重建（DLR）进行图像重建	首次探讨了IMC与DLR结合在脑部MRI中的应用，显著减少了运动伪影	研究中志愿者和患者的样本量较小，且噪声增加的问题需要进一步解决	研究IMC对减少脑部MRI中运动伪影的效果	志愿者和患者的脑部MRI图像	计算机视觉	NA	磁共振成像（MRI）	深度学习重建（DLR）	图像	10名志愿者和30名患者
11830	2024-12-06	Automated Segmentation of Lymph Nodes on Neck CT Scans Using Deep Learning 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01114-w PMID:38937342	研究论文	研究开发了一种用于颈部CT扫描中淋巴结自动分割的深度学习算法	首次使用深度学习算法自动分割颈部CT扫描中的淋巴结，特别是针对5-10毫米的小淋巴结	研究仅限于正常颈部对比增强CT扫描，未涉及癌症患者	开发一种非侵入性的深度学习算法，用于检测和自动分割颈部CT扫描中的淋巴结	颈部CT扫描中的淋巴结	计算机视觉	NA	深度学习	U-Net 和空间上下文网络	CT扫描图像	25,119张CT切片，来自221例无头颈部癌症患者的正常颈部对比增强CT扫描
11831	2024-12-06	Deep Learning for Describing Breast Ultrasound Images with BI-RADS Terms 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01155-1 PMID:38926264	研究论文	本文提出了一种基于深度神经网络的计算机辅助诊断系统，用于描述乳腺超声图像中的肿瘤，并使用BI-RADS术语进行分类	本文的创新点在于结合YOLO检测算法和多类分类架构，显著提高了与专家意见的一致性，并增强了模型的可解释性	本文的局限性在于仅使用了公开数据集中的749个结节进行训练和测试，样本量相对较小	本文的研究目的是开发一种能够辅助医生诊断乳腺肿瘤的计算机辅助诊断系统	本文的研究对象是乳腺超声图像中的肿瘤	计算机视觉	乳腺癌	YOLO检测算法	多类分类架构	图像	749个结节，其中600个用于10折交叉验证，149个用于测试
11832	2024-12-06	RDLR: A Robust Deep Learning-Based Image Registration Method for Pediatric Retinal Images 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01154-2 PMID:38874699	研究论文	提出了一种基于深度学习的图像配准方法RDLR，用于儿童视网膜图像的精确配准	RDLR方法结合了全局和局部特征信息，并学习了图像方向的先验信息，能够有效重建全景图像中的空间信息	NA	提高儿童视网膜图像配准的准确性，以辅助疾病诊断	儿童视网膜图像	计算机视觉	视网膜疾病	深度学习	RDLR	图像	超过280,000张儿童视网膜图像
11833	2024-12-06	Time-Dependent Deep Learning Prediction of Multiple Sclerosis Disability 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01031-y PMID:38871944	研究论文	本文提出了一种基于视频视觉变换器（ViViT）和卷积神经网络-长短期记忆（CNN-LSTM）架构的组合分析方法，用于预测多发性硬化症（MS）患者的长期残疾程度	本文创新性地将时间依赖性分析引入深度学习模型，以预测多发性硬化症患者的长期残疾程度，并比较了不同模型在不同时间点MRI数据上的表现	本文的实验结果表明，尽管时间依赖性深度学习模型在预测多发性硬化症残疾方面表现良好，但在精确的EDSS分类方面表现较差	研究目的是开发一种能够预测多发性硬化症患者长期残疾程度的深度学习模型	研究对象是多发性硬化症患者，特别是基于颈椎MRI影像的残疾进展	机器学习	神经系统疾病	深度学习	视频视觉变换器（ViViT）、卷积神经网络-长短期记忆（CNN-LSTM）、视觉变换器-长短期记忆（ViT-LSTM）	影像	703名患者的颈椎MRI影像
11834	2024-12-06	Deep Learning Model for Automatic Identification and Classification of Distal Radius Fracture 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01144-4 PMID:38862852	研究论文	本文构建了一个深度学习模型，用于手腕X光片的自动分割，并进一步进行远端桡骨骨折的自动识别和分类	本文首次使用深度学习模型进行手腕X光片的自动分割和远端桡骨骨折的自动识别与分类	本文仅在一个医院的2240名参与者中进行了验证，样本量和数据来源有限	开发一种自动识别和分类远端桡骨骨折的深度学习模型	手腕X光片和远端桡骨骨折	计算机视觉	骨折	深度学习	Unet、Fast-RCNN、DenseNet121、ResNet50、VGG-19、InceptionV3	图像	2240名参与者
11835	2024-12-06	Contrastive Learning vs. Self-Learning vs. Deformable Data Augmentation in Semantic Segmentation of Medical Images 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01159-x PMID:38858260	研究论文	本文研究了对比学习、自学习和可变形数据增强技术在医学图像语义分割中的影响	提出了可变形数据增强技术，并与对比学习和自学习框架进行了比较	未提及	探讨对比学习和自学习对基于深度学习的语义分割性能的影响	脑肿瘤、海马体和肾脏的分割	计算机视觉	NA	对比学习、自学习、可变形数据增强	NA	图像	使用了三个数据集：BraTS、Decathlon（用于脑肿瘤和海马体分割）和Decathlon（用于肾脏分割）
11836	2024-12-06	Histological Subtype Classification of Non-Small Cell Lung Cancer with Radiomics and 3D Convolutional Neural Networks 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01152-4 PMID:38861072	研究论文	本文探讨了利用放射组学和三维卷积神经网络自动非侵入性地识别非小细胞肺癌亚型的方法	首次将不同学习方法和来自不同来源的特征集成用于肺癌组织学亚型分类	实验数据集为混合数据集，未来需在更大规模和多样化的数据集上验证模型性能	提高非小细胞肺癌亚型诊断的准确性和患者预后	非小细胞肺癌的组织学亚型	计算机视觉	肺癌	放射组学	三维卷积神经网络	图像	混合数据集，包括非小细胞肺癌放射组学和放射基因组学数据
11837	2024-12-06	Enhancing Skin Cancer Diagnosis Using Swin Transformer with Hybrid Shifted Window-Based Multi-head Self-attention and SwiGLU-Based MLP 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01140-8 PMID:38839675	研究论文	本文通过改进Swin Transformer架构，提出了一种用于皮肤癌诊断的新方法	引入了混合移位窗口多头自注意力机制（HSW-MSA）和基于SwiGLU的多层感知器（MLP），提高了模型的处理效率和诊断准确性	NA	提高皮肤癌诊断的准确性和效率	皮肤癌图像	计算机视觉	皮肤癌	深度学习	Swin Transformer	图像	使用了包含八个类别的ISIC 2019皮肤数据集
11838	2024-12-06	Deep Learning Models of Multi-Scale Lesion Perception Attention Networks for Diagnosis and Staging of Pneumoconiosis: A Comparative Study with Radiologists 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01125-7 PMID:38839674	研究论文	本文提出了一种名为多尺度病变感知注意力网络（MLANet）的深度学习模型，用于尘肺病的诊断、分期和早期筛查	提出了多尺度病变感知注意力网络（MLANet）模型，显著提高了尘肺病诊断的一致性和效率	NA	开发一种能够准确诊断和分期尘肺病的深度学习模型，并进行临床应用	尘肺病的诊断和分期	计算机视觉	尘肺病	深度学习	多尺度病变感知注意力网络（MLANet）	图像	来自两个中心的DR图像
11839	2024-12-06	Cross-Modality Reference and Feature Mutual-Projection for 3D Brain MRI Image Super-Resolution 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01139-1 PMID:38829472	研究论文	提出了一种跨模态参考和特征互投影（CRFM）方法，用于增强3D脑部MRI图像的空间分辨率	引入了跨模态参考和特征互投影方法，通过引入参考模态的高分辨率MRI图像梯度来转换清晰纹理，并设计了插件式特征互投影方法来捕捉跨尺度和跨模态的相似性细节	未明确提及	提高3D脑部MRI图像的空间分辨率，以辅助临床诊断	3D脑部MRI图像	计算机视觉	NA	MRI	NA	图像	未明确提及
11840	2024-12-06	Classification of Caries Based on CBCT: A Deep Learning Network Interpretability Study 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01143-5 PMID:38806951	研究论文	本研究旨在基于锥形束计算机断层扫描（CBCT）创建龋齿分类方案，并开发两种深度学习模型以提高龋齿分类的准确性	本研究引入了基于CBCT的龋齿分类方案，并开发了两种深度学习模型，其中一种模型通过预分割步骤提高了可解释性	本研究仅使用了204颗龋齿的CBCT图像，样本量相对较小	开发基于CBCT的龋齿分类方案和深度学习模型，以提高龋齿分类的准确性和可解释性	龋齿的分类和治疗策略	计算机视觉	NA	深度学习	ResNet50_vd_ssld, MobileNetV3_large_ssld	图像	204颗龋齿的CBCT图像，共2713张轴向切片