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
12241	2024-11-06	A collaborative computer aided diagnosis (C-CAD) system with eye-tracking, sparse attentional model, and deep learning 2019-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2018.10.010 PMID:30399507	研究论文	本文开发了一种名为协作计算机辅助诊断（C-CAD）的系统，结合了眼动追踪、稀疏注意力模型和深度学习技术，以帮助放射科医生提高诊断准确性	本文提出了一种新的基于图的聚类和稀疏化算法，将眼动追踪数据转化为图模型，以定量和定性解释注视模式	本文未详细讨论系统的实际部署和长期使用中的潜在问题	开发一种能够结合眼动追踪和计算机辅助诊断系统的创新方法，以提高放射科医生的诊断效率和准确性	放射科医生在低剂量胸部CT和多参数磁共振成像（mp-MRI）中的诊断行为	计算机视觉	肺部疾病	眼动追踪、深度学习	图模型、多任务学习平台	图像	多个放射科医生参与的肺癌筛查实验
12242	2024-11-04	Decoding viewer emotions in video ads 2024-Nov-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76968-9 PMID:39487244	研究论文	本文研究了视频广告中观众情感的解码问题	本文通过深度学习方法解决了缺乏大规模情感标注视频数据集的问题，并提供了一个准确的深度学习解决方案	本文的模型在检测某些情感类别时表现较好，但在其他类别上仍有改进空间	理解和预测观众对视频的情感反应	视频广告中的观众情感	计算机视觉	NA	深度学习	卷积神经网络	视频和音频	超过30,000个真实视频广告，每个广告平均由75名观众标注，共有超过230万个情感标注
12243	2024-11-04	Multi-modality deep learning-based [68Ga]Ga-DOTA-FAPI-04 PET polar map generation: potential value in detecting reactive fibrosis after myocardial infarction 2024-Nov, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06850-3 PMID:39060373	研究论文	本研究提出了一种基于多模态深度学习的方法，用于生成[68Ga]Ga-DOTA-FAPI-04 PET极地图，并探讨其在检测心肌梗死后反应性纤维化和评估其与心脏功能关系中的潜在价值	本研究创新性地融合了多模态图像，弥补了[68Ga]Ga-DOTA-FAPI-04 PET图像中心脏结构信息的缺失，提高了极地图生成的准确性	本研究仅在ST段抬高型心肌梗死患者中进行了验证，未来需在更广泛的患者群体中进行验证	提高[68Ga]Ga-DOTA-FAPI-04 PET图像极地图生成的准确性，并探讨其在临床诊断中的应用潜力	心肌梗死后反应性纤维化和心脏功能	计算机视觉	心血管疾病	深度学习	NA	图像	133对[68Ga]Ga-DOTA-FAPI-04 PET/MR图像，来自87名ST段抬高型心肌梗死患者
12244	2024-11-04	Sedation-free pediatric [18F]FDG imaging on totalbody PET/CT with the assistance of artificial intelligence 2024-Nov, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06818-3 PMID:38958680	研究论文	研究使用人工智能辅助的超快速全身PET/CT进行无镇静儿童[18F]FDG成像的可行性	结合超快速成像技术和基于深度学习的衰减与散射校正，实现了无镇静的儿童PET成像	研究样本量较小，仅包括35名镇静儿童和5名非镇静儿童	探讨无镇静儿童PET成像的可行性	4岁以下儿童的PET成像	计算机视觉	NA	深度学习	深度学习模型	图像	35名镇静儿童和5名非镇静儿童
12245	2024-11-04	A deep learning approach for cervical cord injury severity determination through axial and sagittal magnetic resonance imaging segmentation and classification 2024-Nov, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08464-7 PMID:39198286	研究论文	本文研究了通过轴向和矢状磁共振成像分割和分类来确定颈椎脊髓损伤严重程度的深度学习方法	利用深度卷积神经网络对颈椎脊髓损伤的MRI图像进行分割和分类，以提高损伤严重程度的识别准确性	需要进一步研究以开发更高级的模型来预测脊髓损伤病例中的患者预后	分析深度学习技术用于从MRI扫描中识别和分类颈椎脊髓损伤严重程度	颈椎脊髓损伤患者的MRI图像	计算机视觉	脊髓损伤	深度学习	深度卷积神经网络	图像	2019年至2022年间入院的创伤性和非创伤性颈椎脊髓损伤患者
12246	2024-11-04	Multiscale Conditional Adversarial Networks based domain-adaptive method for rotating machinery fault diagnosis under variable working conditions 2024-Nov, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2024.08.027 PMID:39237396	研究论文	提出了一种基于多尺度条件对抗网络的领域自适应方法，用于变工况下的旋转机械故障诊断	引入了一种新的多尺度模块和注意力机制，增强了模型的动态调整和自适应能力，并使用双向长短期记忆网络进行时空特征的域适应	NA	解决变工况下旋转机械故障诊断中的领域偏移问题	旋转机械故障诊断	机器学习	NA	多尺度条件对抗网络 (MCAN)	双向长短期记忆网络 (BiLSTM)	数据	使用了两个公开的故障诊断数据集和一个状态监测实验数据
12247	2024-11-04	AI-driven innovations in Alzheimer's disease: Integrating early diagnosis, personalized treatment, and prognostic modelling 2024-Nov, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2024.102497 PMID:39293530	综述	本文综述了人工智能在阿尔茨海默病诊断、个性化治疗和预后建模中的应用	本文探讨了人工智能在阿尔茨海默病管理各个阶段的应用，包括早期诊断、个性化治疗和预后建模	本文指出了人工智能在临床应用中面临的挑战，包括伦理考虑、数据隐私和工具整合	本文旨在探讨人工智能在阿尔茨海默病管理中的潜力和未来研究方向	本文研究对象为阿尔茨海默病的诊断、治疗和预后	机器学习	阿尔茨海默病	MRI、PET、CT扫描、机器学习、深度学习	机器学习模型、深度学习技术	影像数据、基因数据、蛋白质组数据、临床数据	NA
12248	2024-11-04	Validation of an Artificial Intelligence-Based Prediction Model Using 5 External PET/CT Datasets of Diffuse Large B-Cell Lymphoma 2024-Nov-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268191 PMID:39362767	研究论文	本研究验证了一个基于深度学习模型的预测性能，并将其与国际预后指数（IPI）和两个包含放射组学PET/CT特征的模型进行比较	深度学习模型在所有外部数据上显著优于IPI，并且在每个单独的临床试验中表现一致优于IPI	深度学习模型在预测治疗结果时的预后性能低于放射组学模型	验证一个先前开发的深度学习模型在5个独立临床试验中的预测性能	弥漫性大B细胞淋巴瘤患者	机器学习	淋巴瘤	PET/CT	深度学习模型	图像	1132名弥漫性大B细胞淋巴瘤患者，其中296名用于训练，836名用于外部验证
12249	2024-11-04	Artificial intelligence and radiotherapy: Evolution or revolution? 2024-Nov, Cancer radiotherapie : journal de la Societe francaise de radiotherapie oncologique IF:1.5Q3 DOI:10.1016/j.canrad.2024.09.003 PMID:39406605	研究论文	本文探讨了人工智能，特别是深度学习算法在放射治疗中的整合，及其对放射治疗领域的多方面影响	人工智能的整合提高了放射治疗的准确性、效率和个性化护理，并有望通过自动化任务、提高诊断精度和实现自适应放射治疗来彻底改变该行业	人工智能的引入也带来了自动化偏差、验证失败和临床技能潜在退化等风险，需要持续培训和开发强大的质量保证程序来缓解这些风险	探讨人工智能在放射治疗中的应用及其对专业角色的演变和实际挑战的影响	人工智能在放射治疗中的应用及其对放射肿瘤学家和医学物理学家角色的影响	NA	NA	深度学习算法	NA	NA	NA
12250	2024-11-04	The performance of large language models in intercollegiate Membership of the Royal College of Surgeons examination 2024-Nov, Annals of the Royal College of Surgeons of England IF:1.1Q3 DOI:10.1308/rcsann.2024.0023 PMID:38445611	研究论文	评估大型语言模型在皇家外科医学院会员考试（MRCS）中的表现	首次评估大型语言模型在MRCS Part A考试中的表现	样本量较小，仅使用了300个模拟问题	评估人工智能在MRCS Part A考试中的表现	GPT-3.5、GPT 4.0和Bard三种大型语言模型	自然语言处理	NA	深度学习算法	大型语言模型	文本	300个模拟问题
12251	2024-11-04	FACSNet: Forensics aided content selection network for heterogeneous image steganalysis 2024-Nov-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77552-x PMID:39482418	研究论文	本文设计了一种用于异构图像隐写分析的法医辅助内容选择网络（FACSNet）	引入法医辅助模块对测试图像进行预分类，并使用内容选择模块进一步分析和分类图像复杂度，以训练更适应的隐写分析器	未提及	提高异构图像隐写分析的检测准确性	异构图像的隐写分析	计算机视觉	NA	深度学习	FACSNet	图像	未提及
12252	2024-11-04	A deep learning-based image analysis for assessing the extent of abduction in abducens nerve palsy patients before and after strabismus surgery 2024 Nov-Dec, Advances in ophthalmology practice and research DOI:10.1016/j.aopr.2024.06.004 PMID:39484054	研究论文	本文提出了一种基于深度学习的图像分析方法，用于评估外展神经麻痹患者在斜视手术前后外展程度的变化	本文首次提出了一种基于深度学习的图像分析方法，用于自动评估外展神经麻痹患者的外展程度	研究样本量较小，仅包括13名患者	开发一种自动评估外展神经麻痹患者外展程度的方法，以客观评估手术效果	外展神经麻痹患者在斜视手术前后的外展程度	计算机视觉	NA	NA	R2AU-Net	图像	13名外展神经麻痹患者
12253	2024-11-04	Performance evaluation of a deep learning-based cascaded HRNet model for automatic measurement of X-ray imaging parameters of lumbar sagittal curvature 2024-Nov, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-023-07937-5 PMID:37787781	研究论文	本文开发并评估了一种基于深度学习的级联HRNet模型，用于自动测量腰椎侧位X光片中的矢状曲度参数	本文首次提出了一种基于深度学习的级联HRNet模型，用于自动测量腰椎矢状曲度的X光影像参数	NA	开发一种基于深度学习的模型，用于自动测量腰椎矢状曲度的X光影像参数，并评估其预测性能	腰椎侧位数字X光片中的矢状曲度参数	计算机视觉	NA	深度学习	HRNet	图像	共收集了3730张腰椎侧位数字X光片，其中3150张用于训练和验证，580张用于测试
12254	2024-11-04	Deep learning algorithm for fully automated measurement of sagittal balance in adult spinal deformity 2024-Nov, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-023-08109-1 PMID:38231388	研究论文	本文评估了一种创新的深度学习算法在成人脊柱畸形中分析矢状平衡的准确性	首次评估了一种完全自动化的深度学习算法在成人脊柱畸形中分析矢状平衡的准确性	NA	评估深度学习算法在成人脊柱畸形中分析矢状平衡的准确性	成人脊柱畸形患者的术前和术后放射影像	计算机视觉	脊柱畸形	深度学习	深度学习算法	影像	141例成人脊柱畸形患者的术前和术后放射影像
12255	2024-11-04	Deep learning algorithm for automatically measuring Cobb angle in patients with idiopathic scoliosis 2024-Nov, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-023-08024-5 PMID:38367024	研究论文	本文开发了一种深度学习模型，用于自动测量特发性脊柱侧弯患者的Cobb角	提出了一个自动测量Cobb角的深度学习模型，减少了人工测量的变异性	需要进一步研究以提高模型的准确性和通用性	开发一种自动测量Cobb角的深度学习模型，以减少测量误差	特发性脊柱侧弯患者的Cobb角	计算机视觉	NA	深度学习	深度学习模型	图像	297张脊柱X光片，其中227张用于训练，70张用于验证
12256	2024-11-04	Estimating lumbar bone mineral density from conventional MRI and radiographs with deep learning in spine patients 2024-Nov, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08463-8 PMID:39212711	研究论文	本研究旨在利用深度学习方法从常规腰椎MRI和X光片中估算骨密度并检测骨质疏松症	本研究首次尝试结合常规MRI和X光片以及临床数据和成像参数，利用机器学习模型估算腰椎骨密度并分类T评分	模型在直接估算骨密度值方面的能力有限	开发机器学习方法以估算骨密度并检测骨质疏松症	腰椎骨密度和T评分	机器学习	NA	机器学习	NA	图像	429名患者
12257	2024-11-04	Integrative hybrid deep learning for enhanced breast cancer diagnosis: leveraging the Wisconsin Breast Cancer Database and the CBIS-DDSM dataset 2024-Nov-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74305-8 PMID:39487199	研究论文	本文通过整合威斯康星州乳腺癌数据库和CBIS-DDSM数据集，利用混合深度学习方法提高乳腺癌诊断的准确性	本文创新性地结合了两个重要数据集，并采用卷积神经网络与随机梯度方法相结合的混合深度学习方法，以识别乳腺癌的复杂模式和特征诊断	本文的模型泛化性需要通过独立验证在其他数据集上进行验证	提高乳腺癌诊断的准确性	乳腺癌的诊断	计算机视觉	乳腺癌	卷积神经网络（CNN）	混合深度学习模型	图像	569名患者（其中212名患有恶性肿瘤）和2620个扫描的乳腺X光片研究
12258	2024-11-04	Information mismatch in PHH3-assisted mitosis annotation leads to interpretation shifts in H&E slide analysis 2024-Nov-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77244-6 PMID:39487193	研究论文	研究分析了PHH3辅助有丝分裂注释对H&E切片分析中互评者一致性和模型性能的影响	提出了一种新的双染色检测器，并分析了PHH3辅助注释对模型性能的影响	PHH3辅助注释并未显著提高H&E检测器的性能	探讨PHH3辅助有丝分裂注释对互评者一致性和模型性能的影响	有丝分裂图（MFs）的注释和检测	数字病理学	NA	深度学习算法	双染色检测器	图像	涉及多个评价者的实验数据
12259	2024-11-04	Explainable machine learning by SEE-Net: closing the gap between interpretable models and DNNs 2024-Nov-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77507-2 PMID:39487274	研究论文	本文介绍了一种名为SEE-Net的新型神经网络架构，旨在结合深度神经网络的高预测能力和可解释模型的透明性	SEE-Net通过将指导性深度神经网络与浅层神经网络结合，实现了深度学习的高预测能力和可解释模型的透明性之间的平衡	NA	旨在解决深度神经网络复杂性导致的解释性难题，并提升可解释模型的预测准确性	深度神经网络和可解释模型的结合	机器学习	NA	NA	SEE-Net	图像和表格数据	NA
12260	2024-11-04	Multi-level physics informed deep learning for solving partial differential equations in computational structural mechanics 2024-Nov-01, Communications engineering DOI:10.1038/s44172-024-00303-3 PMID:39487342	研究论文	本文开发了一种多层次物理信息神经网络框架，用于解决计算结构力学中的偏微分方程	通过结合多个神经网络，每个网络仅涉及一阶或二阶偏微分方程，代表不同的物理信息，从而提高了计算精度和时间	NA	开发一种新的神经网络框架，以提高解决结构力学问题中偏微分方程的精度和计算效率	结构力学中的偏微分方程	机器学习	NA	物理信息神经网络	神经网络	NA	NA