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
13641	2024-10-21	Thermal imaging and deep learning-based fit-checking for respiratory protection 2024-Oct-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-52999-0 PMID:39420011	研究论文	本研究开发了一种人工智能模型，通过热成像视频实时快速准确地判断口罩佩戴的正确性	利用热成像和深度学习技术进行口罩佩戴检测，3DCNN在二分类和多分类任务中均优于ConvLSTM	NA	开发一种快速准确的方法来检测口罩佩戴的正确性	五种经韩国食品医药品安全处批准的口罩，通过50名参与者生成5000个视频	计算机视觉	NA	热成像	3DCNN	视频	50名参与者，5000个视频
13642	2024-10-21	Addressing fairness issues in deep learning-based medical image analysis: a systematic review 2024-Oct-17, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01276-5 PMID:39420149	综述	本文系统地回顾了在基于深度学习的医学图像分析中解决公平性问题的最新进展	本文介绍了群体公平性的基本概念，并分类总结了在公平医学图像分析中的研究，包括公平性评估和公平性缓解方法	本文主要集中在方法论的回顾，未提供具体的实验数据或模型评估	旨在促进人工智能研究人员和临床医生对公平性的共同理解，增强公平性缓解方法的开发，并为创建公平的医学图像分析社会做出贡献	基于深度学习的医学图像分析中的公平性问题	计算机视觉	NA	深度学习	NA	图像	NA
13643	2024-10-21	Supervised machine learning of outbred mouse genotypes to predict hepatic immunological tolerance of individuals 2024-Oct-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73999-0 PMID:39420174	研究论文	研究利用监督机器学习方法，通过分析杂交小鼠的基因型来预测个体对肝脏移植的免疫耐受性	利用杂交CD1小鼠的高度异质性基因型，构建预测肝脏同种异体移植结果的模型，并首次使用深度学习和线性分类方法进行预测	研究仅限于小鼠模型，尚未在人类中验证	阐明肝脏移植耐受和排斥的分子机制，并开发预测模型	杂交CD1小鼠的基因型及其对肝脏移植的免疫反应	机器学习	NA	全外显子测序	一维卷积神经网络和线性分类	基因型数据	36只小鼠
13644	2024-10-21	A convolutional attention model for predicting response to chemo-immunotherapy from ultrasound elastography in mouse tumor models 2024-Oct-17, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00634-4 PMID:39420199	研究论文	研究利用超声弹性成像和卷积注意力模型预测小鼠肿瘤模型对化疗免疫疗法的反应	结合剪切波弹性成像和深度学习模型，提出了一种新的方法来预测肿瘤对治疗的反应	研究主要集中在特定的肿瘤类型（desmoplastic肿瘤），可能不适用于所有肿瘤类型	探索肿瘤力学和医学影像作为预测生物标志物的潜力，以提高个性化癌症治疗的效果	小鼠肿瘤模型对化疗免疫疗法的反应	计算机视觉	NA	剪切波弹性成像	卷积神经网络（CNN）	图像	1365张剪切波弹性成像图像，来自630个肿瘤
13645	2024-10-21	Fault diagnosis of reducers based on digital twins and deep learning 2024-Oct-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75112-x PMID:39420213	研究论文	提出了一种基于数字孪生和深度学习的减速器故障诊断新方法	结合数字孪生高保真行为和深度学习数据挖掘能力，提出了FDGAN模型，并通过MobileViG验证了模型的故障诊断效果	NA	解决减速器故障诊断问题	减速器故障	机器学习	NA	深度学习	GAN	数据	600和800个训练样本
13646	2024-10-21	Semi-supervised segmentation of cardiac chambers from LGE-CMR using feature consistency awareness 2024-Oct-17, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-024-04250-x PMID:39420256	研究论文	本文提出了一种半监督网络，通过整合三重一致性约束（数据级、任务级和特征级）来分割心脏腔室	本文创新性地引入了特征一致性约束，帮助模型关注之前研究中忽略的特征一致性问题	实验结果仅在特定数据集上进行了验证，尚未在更广泛的数据集上进行测试	开发一种半监督分割方法，利用未标记数据提高模型性能	心脏腔室的分割	计算机视觉	心血管疾病	NA	半监督网络	图像	10% 和 20% 标记数据
13647	2024-10-21	Multimodal deep learning radiomics model for predicting postoperative progression in solid stage I non-small cell lung cancer 2024-Oct-17, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00783-8 PMID:39420411	研究论文	探讨多模态深度学习放射组学模型在预测I期非小细胞肺癌术后进展风险中的应用价值	构建了结合临床病理特征、主观CT发现和深度学习特征的多模态深度学习放射组学模型，显著提高了预测I期非小细胞肺癌术后进展风险的准确性	研究样本主要来自单一机构，外部验证集较小，可能影响模型的泛化能力	预测I期非小细胞肺癌术后进展风险，辅助治疗和随访	I期非小细胞肺癌患者	机器学习	肺癌	极端学习机分类器	ResNet18	图像	459例患者用于训练和内部验证，104例患者用于外部验证
13648	2024-10-21	ImmuneApp for HLA-I epitope prediction and immunopeptidome analysis 2024-Oct-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53296-0 PMID:39414796	研究论文	开发了ImmuneApp，一个基于深度学习的框架，用于HLA-I表位预测和免疫肽组分析	提出了ImmuneApp，一个可解释的深度学习框架，改进了HLA-I表位的预测，优先考虑新表位，并增强了免疫肽组解卷积	NA	开发高效的方法用于免疫肽组分析和新抗原预测	HLA-I表位和免疫肽组	机器学习	NA	深度学习	深度学习框架	蛋白质数据	216个多等位基因免疫肽组样本，识别了835,551个受限于超过100个HLA-I等位基因的配体
13649	2024-10-21	Enhancing diffusion-weighted prostate MRI through self-supervised denoising and evaluation 2024-10-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75007-x PMID:39414914	研究论文	本文提出了一种自监督的去噪方法，用于增强扩散加权前列腺MRI图像的质量	本文提出了一种基于Stein's unbiased risk estimator (SURE)的自监督去噪方法，无需真实数据即可实现去噪，并展示了在减少图像重复采集次数的情况下加速DWI扫描的应用	NA	提高扩散加权成像（DWI）在前列腺MRI中的诊断价值	扩散加权成像（DWI）图像的去噪和评估	计算机视觉	前列腺癌	扩散加权成像（DWI）	NA	图像	NA
13650	2024-10-21	Driving fingerprinting enhances drowsy driving detection: Tailoring to individual driver characteristics 2024-Oct-16, Accident; analysis and prevention DOI:10.1016/j.aap.2024.107812 PMID:39423716	研究论文	本文提出了一种利用驾驶指纹（DF）个性化检测驾驶员疲劳的模型，通过提取个体驾驶员的最佳疲劳特征来提高检测准确性	本文创新性地引入了驾驶指纹（DF）来代表个体特征，并利用改进的自适应遗传算法提取个体驾驶员的最佳疲劳特征，从而提高检测准确性和实时性	本文提出的模型在实际应用中仍面临与现有系统集成和隐私保护的挑战	提高驾驶员疲劳检测的准确性和个性化程度，以预防疲劳驾驶相关事故	24名参与者（男女比例2:1，包括专业出租车司机和研究生）的驾驶行为、面部表情和卡罗林斯卡嗜睡量表（KSS）数据	计算机视觉	NA	驾驶指纹（DF）、主成分分析（PCA）、径向基函数神经网络（RBFNN）	个性化疲劳驾驶检测模型（IDDM）	驾驶行为数据、面部表情数据、卡罗林斯卡嗜睡量表（KSS）数据	24名参与者（男女比例2:1，包括专业出租车司机和研究生）
13651	2024-10-21	Duodenal papilla radiomics-based prediction model for post-ERCP pancreatitis using machine learning: a retrospective multicohort study 2024-Oct, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2024.03.031 PMID:38583542	研究论文	本文研究了十二指肠乳头形态与ERCP术后胰腺炎（PEP）之间的关系，并构建了一个基于放射组学的PEP预测模型	本文首次利用放射组学特征结合机器学习算法，构建了一个预测ERCP术后胰腺炎的模型，显著提高了诊断准确性	本文为回顾性研究，样本量有限，且仅在两个中心进行验证，未来需在更多中心进行前瞻性研究以验证模型的普适性	研究十二指肠乳头形态与ERCP术后胰腺炎之间的关系，并构建一个有效的预测模型	十二指肠乳头形态和ERCP术后胰腺炎	机器学习	胰腺炎	放射组学	逻辑回归	图像	2038和334名ERCP患者
13652	2024-10-21	Data set terminology of deep learning in medicine: a historical review and recommendation 2024-Oct, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01608-1 PMID:38856878	综述	本文回顾了医学和深度学习领域中数据集术语的历史演变，并提出了减少术语混淆的建议	本文通过历史文献的考察，揭示了医学和AI领域中数据集术语的差异，并提出了减少误解的实用解决方案	本文主要关注数据集术语的历史和定义，未涉及具体的技术实现或模型评估	旨在减少医学和深度学习领域中数据集术语的混淆，促进跨学科研究的透明性和有效性	医学和深度学习领域中的数据集术语及其历史演变	机器学习	NA	NA	NA	NA	NA
13653	2024-10-21	A Fully Automated Pipeline Using Swin Transformers for Deep Learning-Based Blood Segmentation on Head Computed Tomography Scans After Aneurysmal Subarachnoid Hemorrhage 2024-Oct, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.07.216 PMID:39111661	研究论文	本文开发并验证了一种基于Swin-UNETR架构的全自动血液分割工具，用于动脉瘤性蛛网膜下腔出血患者的非对比CT扫描	本文首次采用Swin-UNETR架构进行全自动血液分割，显著提高了分割精度和处理速度	模型在标准硬件上运行，但计算需求较高，需要进一步验证其在不同数据集上的临床可靠性	开发和验证一种人工智能驱动的全自动血液分割工具，用于动脉瘤性蛛网膜下腔出血患者的非对比CT扫描	动脉瘤性蛛网膜下腔出血患者的非对比CT扫描图像	计算机视觉	脑血管疾病	Swin-UNETR架构	Swin-UNETR	图像	回顾性分析了动脉瘤性蛛网膜下腔出血患者的非对比CT扫描图像，包括内部和外部验证队列
13654	2024-10-21	Accuracy and time efficiency of a novel deep learning algorithm for Intracranial Hemorrhage detection in CT Scans 2024-Oct, La Radiologia medica DOI:10.1007/s11547-024-01867-y PMID:39123064	研究论文	评估一种基于Dense-UNet架构的深度学习算法在非对比CT扫描中检测急性颅内出血（ICH）的准确性和时间效率	提出了一种新的深度学习算法，使用Dense-UNet架构，能够高准确度地检测和分类颅内出血，并且处理时间显著缩短	研究是回顾性的，样本量有限，且仅限于创伤性脑损伤（TBI）后的非对比CT扫描	评估深度学习算法在非对比CT扫描中检测急性颅内出血的准确性和时间效率	502例非对比CT头部扫描，涉及创伤性脑损伤后的急性颅内出血	计算机视觉	颅内出血	深度学习	Dense-UNet	图像	502例非对比CT头部扫描
13655	2024-09-06	Advancing MRI Technology with Deep Learning Super Resolution Reconstruction 2024-Oct, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.046 PMID:39232913	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13656	2024-10-21	Computational modeling of tumor invasion from limited and diverse data in Glioblastoma 2024-Oct, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102436 PMID:39342741	研究论文	本文提出了一种使用生成对抗网络（TI-GAN）自动计算建模肿瘤周围受影响组织的方法	首次使用生成深度学习自动化建模肿瘤周围受影响组织，并提出TI-GAN模型	NA	研究肿瘤侵袭对周围组织的影响，并评估其预后价值	胶质母细胞瘤患者的肿瘤侵袭及其对周围组织的影响	计算机视觉	脑肿瘤	生成对抗网络（GAN）	生成对抗网络（TI-GAN）	图像	NA
13657	2024-10-21	Main challenges on the curation of large scale datasets for pancreas segmentation using deep learning in multi-phase CT scans: Focus on cardinality, manual refinement, and annotation quality 2024-Oct, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102434 PMID:39284244	研究论文	研究探讨了在多相CT扫描中使用深度学习进行胰腺分割的大规模数据集的优化问题	提出了AIMS-1300数据集，并研究了不同训练样本数量对分割精度的影响	研究主要集中在特定数据集和模型上，未广泛验证其他数据集和模型的适用性	优化胰腺分割的准确性，并探讨数据集大小对分割性能的影响	胰腺分割在多相CT扫描中的应用	计算机视觉	NA	深度学习	UNet	CT扫描图像	1300个CT扫描图像
13658	2024-10-21	Image-domain material decomposition for dual-energy CT using unsupervised learning with data-fidelity loss 2024-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.17255 PMID:38865687	研究论文	本文提出了一种基于无监督学习框架的双能CT图像域材料分解方法，通过数据保真度损失来实现噪声抑制	本文的创新点在于提出了一种无监督学习框架，结合生成对抗网络（GAN）架构，通过数据保真度损失来实现双能CT图像域材料分解，无需配对数据进行模型训练	本文未提及具体的局限性	开发一种无监督学习框架，通过数据测量一致性实现双能CT图像域材料分解	双能CT图像域材料分解中的噪声抑制	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	头和肺部数字体模以及临床头和肺部患者研究
13659	2024-10-21	Diffeomorphic transformer-based abdomen MRI-CT deformable image registration 2024-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.17235 PMID:38820286	研究论文	本文提出了一种基于微分同胚变换器的腹部MRI-CT可变形图像配准方法	本文创新性地将Swin变换器集成到卷积神经网络中，用于变形特征提取，并假设微分同胚变形	本文未详细讨论该方法在其他疾病或器官上的适用性	开发一种新的深度学习模型，用于直接注册腹部MRI-CT图像的变形矢量场估计	腹部MRI-CT图像的变形矢量场估计	计算机视觉	NA	深度学习	卷积神经网络 (CNN) 和 Swin变换器	图像	50例肝脏病例
13660	2024-10-21	Three-Dimensional Gravity Inversion Based on Attention Feature Fusion 2024-Sep-01, Sensors (Basel, Switzerland) DOI:10.3390/s24175697 PMID:39275607	研究论文	本文提出了一种基于注意力特征融合机制的三维重力反演方法	引入注意力特征融合模块，避免了网络训练过程中的特征损失，提高了垂直分辨率和预测精度	未提及具体局限性	改进三维重力反演的垂直分辨率和抗噪能力	地下异常源的位置、形状和物理属性参数	计算机视觉	NA	深度学习 (DL)	U-Net	重力异常数据	未提及具体样本数量