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
12621	2024-12-01	Sensitive Quantification of Cerebellar Speech Abnormalities Using Deep Learning Models 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3393243 PMID:39606584	研究论文	本文开发了一种基于深度学习模型的方法，用于敏感地量化小脑性言语异常	使用卷积神经网络捕捉小脑共济失调的言语表型，并基于对数梅尔频谱图的时间和频率偏导数进行分类和回归建模	NA	开发能够准确识别和量化共济失调言语临床体征的模型	小脑共济失调患者的言语异常	机器学习	神经退行性疾病	卷积神经网络	CNN	音频	包括共济失调患者和健康对照组
12622	2024-12-01	Effective automatic classification methods via deep learning for myopic maculopathy 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1492808 PMID:39606624	研究论文	本研究开发了一种基于深度学习的系统，用于对病理性近视相关的黄斑病变进行自动分类	采用五种深度学习架构（ResNet50、EfficientNet-B0、Vision Transformer、Contrastive Language-Image Pre-Training和RETFound），并通过集成学习方法提升模型性能	未来工作可能需要扩展数据集、整合图像质量评估以及优化集成算法以提高效率和适用性	提高病理性近视相关黄斑病变分类的准确性和可靠性	病理性近视相关的黄斑病变	计算机视觉	眼科疾病	深度学习	集成学习	图像	2159张标注的眼底图像
12623	2024-12-01	Automated lung segmentation on chest MRI in children with cystic fibrosis 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1401473 PMID:39606627	研究论文	研究使用深度学习方法对患有囊性纤维化的儿童胸部MRI图像进行自动肺部分割	采用nnU-Net框架对胸部MRI图像进行自动肺部分割，展示了在不同疾病严重程度、患者年龄和尺寸下的高分割性能	在膈肌和背部区域存在不完全分割的挑战，需要进一步改进以增强模型的泛化能力	探索使用深度学习方法对囊性纤维化儿童的胸部MRI图像进行自动肺部分割的可行性和有效性	患有囊性纤维化的儿童的胸部MRI图像	计算机视觉	囊性纤维化	深度学习	nnU-Net	MRI图像	165个标准化年度监测MRI扫描，来自84名囊性纤维化患者
12624	2024-12-01	Employing Xception convolutional neural network through high-precision MRI analysis for brain tumor diagnosis 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1487713 PMID:39606635	研究论文	本文提出了一种基于Xception卷积神经网络的高精度MRI分析方法，用于脑肿瘤的诊断	引入了Xception架构，并结合批量归一化和dropout层来减少过拟合，通过迁移学习和定制的密集层设置提高了模型的泛化能力	NA	提高脑肿瘤诊断的准确性和可靠性	脑肿瘤的分类	计算机视觉	脑肿瘤	MRI分析	Xception卷积神经网络	图像	NA
12625	2024-12-01	Enhanced skin cancer diagnosis: a deep feature extraction-based framework for the multi-classification of skin cancer utilizing dermoscopy images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1495576 PMID:39606634	研究论文	本文提出了一种基于深度特征提取的框架，用于利用皮肤镜图像对皮肤癌进行多分类诊断	本文提出了四种卷积神经网络（CNN）模型的变体，并结合支持向量机（SVM）、随机森林（RF）和逻辑回归（LR）进行皮肤癌分类，提高了诊断准确率	本文未提及如何处理数据不平衡问题以及模型的泛化能力	提高皮肤癌诊断的准确性，帮助医生进行诊断	皮肤癌的分类和预测	计算机视觉	皮肤癌	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	10,015张皮肤镜图像
12626	2024-12-01	Bibliometric and visual analysis of radiomics for evaluating lymph node status in oncology 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1501652 PMID:39610679	研究论文	本文通过文献计量学和可视化方法分析了2012年至2023年间关于放射组学在评估肿瘤学中淋巴结状态的研究出版物，揭示了该领域的研究热点和未来趋势	本文首次通过文献计量学和可视化方法全面分析了放射组学在评估淋巴结状态中的应用，揭示了研究热点和未来趋势	本文主要基于文献计量学和可视化分析，未涉及具体实验或临床数据，因此缺乏对实际应用效果的深入探讨	分析放射组学在评估肿瘤学中淋巴结状态的研究出版物，揭示研究热点和未来趋势	2012年至2023年间发表的关于放射组学在评估淋巴结状态中的研究出版物	数字病理学	肿瘤学	文献计量学和可视化分析	NA	文本	898篇英文原创文章和综述
12627	2024-12-01	Drone-Based Digital Phenotyping to Evaluating Relative Maturity, Stand Count, and Plant Height in Dry Beans (Phaseolus vulgaris L.) 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0278 PMID:39610705	研究论文	研究利用无人机RGB图像和深度学习方法评估干豆的相对成熟度、植株密度和植株高度	采用混合卷积神经网络和长短期记忆模型以及Faster R-CNN算法，提高了相对成熟度和植株密度测量的准确性和效率	在植株高度估计中，PC和DSM数据源的选择依赖于特定的环境和飞行条件	探索无人机图像和深度学习方法在干豆田间试验中测量相对成熟度、植株密度和植株高度的应用	干豆的相对成熟度、植株密度和植株高度	计算机视觉	NA	深度学习	混合卷积神经网络和长短期记忆模型、Faster R-CNN	图像	NA
12628	2024-12-01	RDA-MTE: an innovative model for emotion recognition in sports behavior decision-making 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1466013 PMID:39610868	研究论文	本文提出了一种基于深度学习的模型RDA-MTE，用于在体育行为决策中进行情感识别	该模型结合了预训练的ResNet-50、双向注意力机制和多层Transformer编码器，提高了情感识别的准确性和鲁棒性	NA	研究情感刺激在体育行为决策中的作用	情感识别和体育行为决策	机器学习	NA	深度学习	RDA-MTE	图像	FER-2013数据集和CK+数据集
12629	2024-12-01	Systematic analysis of the relationship between fold-dependent flexibility and artificial intelligence protein structure prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313308 PMID:39591473	研究论文	研究分析了蛋白质折叠依赖的灵活性与人工智能蛋白质结构预测之间的关系	首次系统分析了AlphaFold v2预测的蛋白质结构与实验测量的蛋白质拓扑刚性之间的差异，并评估了不同折叠类型的异质性	研究仅基于2878个蛋白质样本，可能无法全面代表所有蛋白质的灵活性	探讨人工智能在蛋白质结构预测中的准确性及其与蛋白质折叠灵活性的关系	2878个至少有十个不同实验结构的蛋白质	机器学习	NA	人工智能	AlphaFold v2	蛋白质结构	2878个蛋白质样本
12630	2024-12-01	Improving the repeatability of deep learning models with Monte Carlo dropout 2022-Nov-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00709-3 PMID:36400939	研究论文	本文评估了四种模型类型在医学图像分类任务中的重复性，并研究了蒙特卡罗 dropout 对分类性能和重复性的影响	利用蒙特卡罗预测显著提高了重复性，特别是在类别边界处，并减少了95%一致性限制和类别不一致率	超过20次蒙特卡罗迭代后，重复性没有进一步提高	评估深度学习模型在医学图像分类任务中的重复性，并研究蒙特卡罗 dropout 对分类性能和重复性的影响	四种模型类型（二分类、多分类、有序分类和回归）在医学图像分类任务中的重复性	机器学习	NA	蒙特卡罗 dropout	ResNet 和 DenseNet	图像	来自同一患者在同一就诊期间获取的图像
12631	2024-12-01	JSE: Joint Semantic Encoder for zero-shot gesture learning 2022-Aug, Pattern analysis and applications : PAA IF:3.7Q2 DOI:10.1007/s10044-021-00992-y PMID:39588314	研究论文	本文研究了三种不同的特征提取技术对零样本手势学习性能的影响，并提出了一种名为联合语义编码器（JSE）的双线性自编码器方法	本文首次研究了特征选择对零样本手势学习的影响，并提出了联合语义编码器（JSE）方法，该方法在零样本手势识别中表现优异	本文未详细讨论JSE方法在其他领域的适用性及其泛化能力	研究特征提取技术对零样本手势学习性能的影响，并提出一种新的方法来提高零样本手势识别的准确性	零样本手势学习中的特征提取技术和识别性能	机器学习	NA	深度学习	自编码器	图像	未明确提及具体样本数量
12632	2024-12-01	Federated Learning for Multicenter Collaboration in Ophthalmology: Improving Classification Performance in Retinopathy of Prematurity 2022-08, Ophthalmology. Retina DOI:10.1016/j.oret.2022.02.015 PMID:35296449	研究论文	比较了使用集中数据和联邦学习（FL）两种方法在多机构数据集上训练的深度学习分类器在早产儿视网膜病变（ROP）诊断中的表现	证明了联邦学习模型在多机构协作中的有效性，特别是在资源较少的机构中	NA	比较集中数据和联邦学习两种方法在多机构数据集上训练的深度学习分类器在早产儿视网膜病变诊断中的表现	早产儿视网膜病变（ROP）的诊断	计算机视觉	眼科疾病	联邦学习（FL）	深度学习分类器	图像	5255张广角视网膜图像，来自7个机构的儿科重症监护室
12633	2024-12-01	Automated detection of brain metastases on non-enhanced CT using single-shot detectors 2021-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-021-02743-6 PMID:34114064	研究论文	研究使用单次检测器（SSD）模型在非增强CT上自动检测脑转移瘤	开发了一种基于深度学习的单次检测器（SSD）模型，用于在非增强CT上检测脑转移瘤	SSD模型在检测小于6mm的病灶时表现不佳，且部分检测结果在回顾性分析中对放射科医生也不明显	开发和评估基于深度学习的检测器，用于在非增强CT上检测脑转移瘤	脑转移瘤在非增强CT上的检测	计算机视觉	脑部疾病	深度学习	单次检测器（SSD）	图像	116例非增强CT，来自116名患者
12634	2024-12-01	Applications of Artificial Intelligence for Retinopathy of Prematurity Screening 2021-03, Pediatrics IF:6.2Q1 DOI:10.1542/peds.2020-016618 PMID:33637645	研究论文	评估人工智能在印度ROP远程医疗项目中的有效性，并探讨不同新生儿护理单元间ROP严重程度的差异是否与氧气调节能力有关	利用人工智能进行ROP筛查，可能改善次级预防的护理可及性，并有助于评估疾病流行病学和新生儿护理单元资源	NA	评估人工智能在ROP筛查中的有效性，并探讨不同新生儿护理单元间ROP严重程度的差异与氧气调节能力的关系	ROP的严重程度及新生儿护理单元的氧气调节能力	机器学习	NA	深度学习	NA	图像	NA
12635	2024-11-30	Generalisation capabilities of machine-learning algorithms for the detection of the subthalamic nucleus in micro-electrode recordings 2024-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03202-2 PMID:38951363	研究论文	研究机器学习算法在微电极记录中检测丘脑底核的泛化能力	探讨了不同临床中心和训练范式下机器学习方法的泛化能力，并提出了通过迁移学习快速适应新中心的方法	算法在不同数据集上的性能显著下降，尽管迁移学习可以缓解这一问题，但重新训练可能需要更长的训练时间	研究机器学习算法在不同临床中心和训练范式下的泛化能力	微电极记录信号的二分类	机器学习	NA	深度学习	深度学习算法	信号	三个来自两个不同临床中心的数据库，大小、采集硬件和标注协议不同
12636	2024-11-30	Prediction of intraoperative hypotension using deep learning models based on non-invasive monitoring devices 2024-Dec, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01206-6 PMID:39158783	研究论文	本研究利用基于非侵入性监测设备的深度学习模型预测术中低血压	本研究首次测试了使用常规非侵入性监测设备结合深度学习算法预测术中低血压的可行性	研究结果需要在未来的前瞻性研究中进一步验证其在临床实践中的应用效果	开发和验证一种基于非侵入性监测设备的深度学习模型，用于预测术中低血压	非心脏手术患者	机器学习	NA	深度学习算法	多头部注意力架构和全局注意力局部循环模型	多通道非侵入性监测数据	算法开发使用了4754例患者数据，外部验证使用了421例患者数据
12637	2024-09-10	MRI-based deep learning and radiomics for occult cervical lymph node metastasis (OCLNM) prediction 2024-Dec, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2024.107019 PMID:39244858	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12638	2024-11-17	Super-resolution Deep Learning Reconstruction Enhances Cranial Nerve Depiction and Interobserver Agreement in Neurovascular Conflict Imaging 2024-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.054 PMID:39547846	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12639	2024-11-30	Deep learning to predict risk of lateral skull base cerebrospinal fluid leak or encephalocele 2024-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03259-z PMID:39207718	研究论文	研究开发了一种全自动深度学习方法用于卵圆孔（FO）分割，并评估其在预测侧颅底自发性脑脊液（sCSF）漏或脑膨出中的价值	首次使用卷积神经网络（CNN）进行卵圆孔（FO）的自动分割，并评估其在预测sCSF漏或脑膨出中的应用	研究样本量较小，且仅限于特定医院的数据，可能影响结果的普适性	开发一种全自动深度学习方法用于卵圆孔（FO）分割，并评估其在预测侧颅底自发性脑脊液（sCSF）漏或脑膨出中的价值	侧颅底自发性脑脊液（sCSF）漏或脑膨出的患者	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	34名侧颅底自发性脑脊液（sCSF）漏或脑膨出的患者与815名对照患者
12640	2024-11-30	A novel deep learning based method for myocardial strain quantification 2024-Nov-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad947b PMID:39569845	研究论文	本文介绍了一种基于深度学习的心肌应变量化方法，并通过公共和私有数据集评估了该方法在心脏病理区分中的有效性	提出了一种新的基于深度学习的心肌应变量化方法，能够有效区分健康和病理心脏状态，并具有与传统方法相当的准确性和计算效率	NA	开发一种有效的心肌应变量化方法，用于心脏病理的区分	心肌应变分析，心脏结构（左心室、右心室和心肌）的运动估计	计算机视觉	心血管疾病	深度学习	NA	图像	公共数据集（ACDC，80个受试者；CMAC，16个受试者）和私有数据集（SSC，75个受试者），包含健康和病理病例（急性心肌梗死、扩张型心肌病和肥厚型心肌病）