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
12861	2024-11-02	Automated Pulmonary Tuberculosis Severity Assessment on Chest X-rays 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01052-7 PMID:38587769	研究论文	本文提出了三种基于深度学习的方法来自动评估胸部X光片上的肺结核严重程度	本文创新性地使用YOLOV5n和DenseNet121模型来检测病变区域和预测空洞的存在，并通过不同的深度学习模型组合来预测Timika评分	本文未详细讨论模型的可解释性问题，且仅使用了三个数据集进行泛化评估	开发自动评估肺结核严重程度的方法，以优化资源分配和监测治疗反应	胸部X光片上的肺结核病变	计算机视觉	肺结核	深度学习	DenseNet121, YOLOV5n	图像	三个独立的数据集
12862	2024-11-02	Pure Vision Transformer (CT-ViT) with Noise2Neighbors Interpolation for Low-Dose CT Image Denoising 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01108-8 PMID:38622385	研究论文	本文提出了一种基于纯视觉变换器（ViT）和Noise2Neighbors插值的低剂量CT图像去噪方法	使用纯视觉变换器（ViT）替代传统的卷积神经网络（CNN），并结合Noise2Neighbors插值操作，提高了低剂量CT图像去噪的效果	NA	解决卷积神经网络在医学图像处理中的局限性，特别是低剂量CT图像去噪问题	低剂量CT图像的去噪效果	计算机视觉	NA	视觉变换器（ViT）	视觉变换器（ViT）	图像	五个包含低剂量CT和正常剂量CT图像对的不同的数据集
12863	2024-11-02	Synthetic Low-Energy Monochromatic Image Generation in Single-Energy Computed Tomography System Using a Transformer-Based Deep Learning Model 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01111-z PMID:38637424	研究论文	本研究提出了一种基于Transformer深度学习模型SwinUNETR，从单能CT图像生成合成低能虚拟单色图像的方法	首次使用Transformer模型SwinUNETR从单能CT图像生成合成低能虚拟单色图像，提高了图像质量	仅在头部和颈部放射治疗患者数据上进行了验证，需要进一步验证其在其他部位和疾病中的适用性	探索从单能CT图像生成合成低能虚拟单色图像的方法，以提高图像质量和扩大受益人群	头部和颈部放射治疗患者的CT图像	计算机视觉	NA	NA	Transformer	图像	85名患者，其中70名用于模型构建，15名用于预测
12864	2024-11-02	A Semi-Supervised Learning Framework for Classifying Colorectal Neoplasia Based on the NICE Classification 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01123-9 PMID:38653910	研究论文	本文提出了一种基于SimCLR的半监督学习框架，用于根据NICE分类对结直肠肿瘤进行分类	利用SimCLR模型在自监督学习阶段使用大量未标记数据进行预训练，然后在有限的标记数据上进行微调，显著提高了分类性能	尽管性能优于传统监督学习模型和初级内镜医师，但仍略逊于高级内镜医师	开发一种半监督学习框架，以提高在有限标记数据情况下的结直肠肿瘤分类性能	结直肠肿瘤的分类	计算机视觉	结直肠肿瘤	SimCLR	ResNet	图像	大量未标记数据和有限的标记数据
12865	2024-11-02	Super-resolution Deep Learning Reconstruction Cervical Spine 1.5T MRI: Improved Interobserver Agreement in Evaluations of Neuroforaminal Stenosis Compared to Conventional Deep Learning Reconstruction 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01112-y PMID:38671337	研究论文	本研究探讨了超分辨率深度学习重建（SR-DLR）与传统深度学习重建（DLR）在1.5T颈椎MRI神经孔狭窄评估中的观察者间一致性	本研究首次比较了SR-DLR与DLR在神经孔狭窄评估中的观察者间一致性，并发现SR-DLR显著优于DLR	本研究为回顾性研究，样本量较小，且仅限于1.5T颈椎MRI	研究SR-DLR与DLR在神经孔狭窄评估中的观察者间一致性	39名接受1.5T颈椎MRI的患者	计算机视觉	NA	超分辨率深度学习重建（SR-DLR）	深度学习模型	图像	39名患者
12866	2024-11-02	Development of a Secure Web-Based Medical Imaging Analysis Platform: The AWESOMME Project 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01110-0 PMID:38689149	研究论文	本文开发了一个安全的基于Web的医学影像分析平台，名为AWESOMME项目，旨在通过深度学习模型预测骨肉瘤患者的治疗反应	该平台涵盖了医学影像处理的各个步骤，包括可视化、分割、特征提取和辅助诊断，并支持机器学习模型的测试和使用	NA	开发一个易于访问且安全的Web平台，用于医学影像分析和机器学习模型的应用	骨肉瘤患者的医学影像数据	计算机视觉	骨肉瘤	深度学习	深度学习模型	图像	NA
12867	2024-11-02	Letter to the Editor Regarding Article "Prior to Initiation of Chemotherapy, Can We Predict Breast Tumor Response? Deep Learning Convolutional Neural Networks Approach Using a Breast MRI Tumor Dataset" 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01129-3 PMID:38689150	comments	对一篇使用深度学习卷积神经网络预测乳腺癌化疗反应的文章提出质疑	NA	怀疑训练和测试数据集之间存在无意中的数据泄露	质疑前述文章中报告的结果是否因数据泄露所致	乳腺癌化疗反应预测	machine learning	breast cancer	convolutional neural network	CNN	MRI	NA
12868	2024-11-02	Automatic Skeleton Segmentation in CT Images Based on U-Net 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01127-5 PMID:38689152	研究论文	本文提出了一种基于U-Net架构的神经网络模型，用于从二维计算机断层扫描（CT）切片中自动分割骨骼	本文的创新点在于使用U-Net架构进行骨骼分割，并取得了较高的Jaccard指数（IoU）和Dice指数	本文的局限性在于仅使用了77张CT图像进行训练和测试，样本量较小	本文的研究目的是开发一种自动化的骨骼分割方法，以辅助临床评估骨骼结构的形态变化	本文的研究对象是CT图像中的骨骼结构	计算机视觉	NA	NA	U-Net	图像	77张CT图像
12869	2024-11-02	Robust Ensemble of Two Different Multimodal Approaches to Segment 3D Ischemic Stroke Segmentation Using Brain Tumor Representation Among Multiple Center Datasets 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01099-6 PMID:38693333	研究论文	本文提出了一种结合两种多模态方法的集成模型，用于在多中心数据集上进行3D缺血性脑卒中分割	利用脑肿瘤数据进行迁移学习，并结合不同训练方案的多模态MR图像，显著提高了分割性能	NA	提高在多中心数据集上进行缺血性脑卒中分割的准确性和鲁棒性	缺血性脑卒中病灶的分割	计算机视觉	脑卒中	扩散加权成像（DWI）和表观扩散系数（ADC）MR成像	nnU-Net	图像	846个扫描数据
12870	2024-11-02	MicroHDF: predicting host phenotypes with metagenomic data using a deep forest-based framework 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae530 PMID:39446191	研究论文	提出了一种基于深度森林框架的MicroHDF方法，用于利用宏基因组数据预测宿主表型	设计了一种级联深度森林单元，用于处理样本类别不平衡和高维特征问题	NA	提高利用宏基因组数据预测宿主表型的准确性和可靠性	炎症性肠病和肝硬化等六种不同疾病	机器学习	炎症性肠病	深度森林	深度森林	宏基因组数据	13个公开数据集
12871	2024-11-02	Radiomic and deep learning analysis of dermoscopic images for skin lesion pattern decoding 2024-08-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70231-x PMID:39187551	研究论文	研究探讨了结合深度学习和放射组学的混合方法在非侵入性皮肤镜图像诊断皮肤病变中的有效性	提出了结合深度学习和放射组学的混合模型，显著提高了皮肤病变诊断的准确性	NA	探索非侵入性皮肤镜图像诊断皮肤病变的有效方法	皮肤镜图像中的皮肤病变模式	计算机视觉	皮肤病变	深度学习	混合模型	图像	分析了来自国际皮肤成像协作组织（ISIC）数据集的2016-2020年间的皮肤镜图像，涵盖了多种皮肤病变类型
12872	2024-11-02	GastroFuse-Net: an ensemble deep learning framework designed for gastrointestinal abnormality detection in endoscopic images 2024-Aug-15, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2024300 PMID:39483096	研究论文	提出了一种名为GastroFuse-Net的深度学习框架，用于内窥镜图像中的胃肠道异常检测	结合了两种不同层数的CNN模型，提取浅层和深层特征，以捕捉异常的多样性	未提及	开发一种自动诊断胃肠道疾病的深度学习模型，以减少人工检查的劳动强度和时间消耗	内窥镜图像中的胃肠道疾病	计算机视觉	胃肠道疾病	卷积神经网络（CNN）	GastroFuse-Net	图像	使用了Kvasir数据集，包含根据结构、疾病或手术操作分类的图像
12873	2024-11-02	Refined matrix completion for spectrum estimation of heart rate variability 2024-Aug-02, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2024296 PMID:39483092	研究论文	本文提出了一种基于矩阵补全的心率变异性（HRV）频谱不确定性估计方法	引入了一种新的基于矩阵补全的HRV频谱不确定性估计方法，并开发了一种改进的矩阵补全技术以提高估计精度和计算效率	NA	研究心率变异性（HRV）频谱的不确定性估计	心率变异性（HRV）频谱	机器学习	心血管疾病	矩阵补全	统计机器学习模型	频谱数据	五个公共数据集
12874	2024-11-02	Impact of an artificial intelligence based model to predict non-transplantable recurrence among patients with hepatocellular carcinoma 2024-08, HPB : the official journal of the International Hepato Pancreato Biliary Association IF:2.7Q1 DOI:10.1016/j.hpb.2024.05.006 PMID:38796346	研究论文	本文开发了基于人工智能的模型来预测肝细胞癌患者肝切除术后不可移植的复发	本文创新性地使用了集成AI模型，结合术前和术后因素，显著提高了预测不可移植复发（NTR）的准确性	本文未详细讨论模型的泛化能力和在不同医疗环境中的适用性	开发和验证基于人工智能的模型，用于预测肝细胞癌患者肝切除术后不可移植的复发	肝细胞癌（HCC）患者肝切除术后不可移植的复发（NTR）	机器学习	肝癌	机器学习和深度学习技术	集成AI模型	临床数据	1763名肝细胞癌患者
12875	2024-11-02	An ingenious deep learning approach for pressure injury depth evaluation with limited data 2024-Aug, Journal of tissue viability IF:2.4Q1 DOI:10.1016/j.jtv.2024.05.009 PMID:38825443	研究论文	本文提出了一种利用深度学习评估压疮深度的新方法，特别是在数据有限的情况下	开发了一种结合分类模型和二分类模型的高性能深度学习模型，能够在有限监督数据的情况下实现高准确性	分类模型在区分d1和d2时表现不佳，二分类模型在评估步骤增加时性能下降	开发一种在有限数据情况下评估压疮深度的高性能深度学习模型	压疮图像及其深度分类	机器学习	NA	深度学习	卷积神经网络	图像	414张压疮图像，分为五个深度阶段（d0到D4）
12876	2024-11-02	Mapping the landscape of histomorphological cancer phenotypes using self-supervised learning on unannotated pathology slides 2024-Jun-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48666-7 PMID:38862472	研究论文	本文介绍了一种无需标注的自我监督学习方法，用于从病理切片中自动发现区分性特征，构建组织形态学表型图谱	提出了一种无需标注的自我监督学习方法，自动发现病理图像中的区分性特征，并构建了组织形态学表型图谱	NA	开发一种无需标注的自我监督学习方法，用于从病理切片中提取复杂信息，辅助癌症诊断和管理	病理切片图像中的组织形态学表型	数字病理学	肺癌	自我监督学习	NA	图像	NA
12877	2024-11-02	Application of simultaneous uncertainty quantification and segmentation for oropharyngeal cancer use-case with Bayesian deep learning 2024-Jun-08, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00528-5 PMID:38851837	研究论文	本文探讨了在口咽癌治疗中使用贝叶斯深度学习进行不确定性量化和分割的方法	首次将贝叶斯深度学习应用于口咽癌主要肿瘤体积的分割和不确定性量化	仅使用了292个PET/CT扫描数据集，样本量相对较小	开发一种可靠且可信的自动化工具，用于口咽癌放射治疗中的肿瘤体积分割	口咽癌的主要肿瘤体积	计算机视觉	口咽癌	贝叶斯深度学习	贝叶斯深度学习模型	图像	292个PET/CT扫描数据
12878	2024-11-02	Humans use tools: From handcrafted tools to artificial intelligence 2024-Mar, Journal of vascular surgery. Venous and lymphatic disorders DOI:10.1016/j.jvsv.2023.101705 PMID:37956905	研究论文	本文探讨了人工智能在血管外科中的应用及其对手术安全性和精确性的影响	文章提出了人工智能在手术中的应用，通过深度学习和模式识别提高手术的精确性和安全性	人工智能的发展仍处于早期阶段，数据管理和隐私保护是重要问题	研究人工智能在血管外科中的应用，探讨其对手术效果的提升	血管外科手术及其相关的人工智能技术	机器学习	心血管疾病	深度学习	NA	影像数据	NA
12879	2024-11-02	Spatial and Spectral Reconstruction of Breast Lumpectomy Hyperspectral Images 2024-Feb-28, Sensors (Basel, Switzerland) DOI:10.3390/s24051567 PMID:38475103	研究论文	本文介绍了一种深度学习空间-光谱重建框架，用于从低分辨率高光谱图像和高分辨率RGB图像中获取高分辨率高光谱图像	提出了一种新的深度学习框架，能够在手术过程中快速获取数据的同时保持高图像质量	未提及具体的技术局限性	开发一种能够在手术中快速且高质量地进行边缘评估的高光谱成像技术	乳腺癌保乳手术中的高光谱图像	计算机视觉	乳腺癌	高光谱成像	深度学习	图像	NA
12880	2024-11-02	Revolutionizing Robotic Depalletizing: AI-Enhanced Parcel Detecting with Adaptive 3D Machine Vision and RGB-D Imaging for Automated Unloading 2024-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s24051473 PMID:38475009	研究论文	本文提出了一种基于深度学习和图像处理的包裹拣选表面检测方法，用于高效卸载多样化和无序的包裹	利用RGB-D技术和YOLACT模型进行边界线检测，能够有效处理复杂表面图案和旋转包裹的检测问题	NA	开发一种强调包裹边界线的图像处理算法，无论包裹的形状、图案或布局如何	多样化和无序的包裹	计算机视觉	NA	RGB-D成像	YOLACT	图像	随机尺寸和旋转覆盖的盒子，具有多种颜色和图案