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
13761	2024-08-05	Machine learning without a processor: Emergent learning in a nonlinear analog network 2024-Jul-09, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2319718121 PMID:38954545	研究论文	本文介绍了一种基于非线性类脑电子网络的自主学习能力。	提出了一种非线性循环神经网络，能够执行线性系统无法完成的任务，并具备快速、低功耗的特点。	目前的实现仍未充分探索非线性元素的可行性和实用性。	探索非线性元素在模拟机器学习中的潜力。	介绍了一种由自调节非线性电阻元件组成的非线性类脑网络。	机器学习	NA	类脑电子网络	非线性循环神经网络	NA	NA
13762	2024-08-05	Sharing massive biomedical data at magnitudes lower bandwidth using implicit neural function 2024-Jul-09, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2320870121 PMID:38959033	研究论文	本文提出了一种通过隐式神经函数进行生物医学数据压缩的方法BRIEF。	BRIEF通过紧凑的神经网络表示目标数据，具备数据特定性并避免通用化问题，实现了极高的压缩比和更好的保真度。	NA	研究如何高效存储和共享海量生物医学数据。	生物医学数据。	机器学习	NA	隐式神经函数	NA	生物医学数据	NA
13763	2024-08-05	Colorimetric Analyses of the Optic Nerve Head and Retina Indicate Increased Blood Flow After Vitrectomy 2024-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.7.12 PMID:39007833	研究论文	本研究评估了玻璃体切除术及后玻璃体剥离对视神经头和视网膜颜色变化的影响	本研究首次通过色度和形态分析方法评估玻璃体切除术对视神经头和视网膜血流的影响	本研究样本仅限于54名患者，可能影响结果的普遍适用性	研究玻璃体切除术及后玻璃体剥离对血流变化的影响	54名接受玻璃体切除术的患者及31名年龄和性别匹配的对照眼	数字病理学	视网膜血管疾病	色度分析	NA	图像	54名患者
13764	2024-08-05	Quantitative susceptibility mapping based basal ganglia segmentation via AGSeg: leveraging active gradient guiding mechanism in deep learning 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1858 PMID:39022266	研究论文	本文提出了一种基于主动梯度引导机制的深度学习方法AGSeg，以实现基底神经节的准确分割	提出的AGSeg网络通过主动梯度模块和梯度引导模块提升了对目标核边界的关注，从而改善了分割效果	未提及模型在不同疾病类型或其他影像数据上的适用性	提高基底神经节的自动化分割精度，以支持随后的疾病诊断和手术规划	使用临床扫描和健康志愿者的数据进行基底神经节的三维磁化率测量	计算机视觉	NA	磁化率定量成像（QSM）	深度学习网络（AGSeg）	三维磁化率图像	210个三维磁化率测量
13765	2024-08-05	Research into super-resolution in medical imaging from 2000 to 2023: bibliometric analysis and visualization 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-67 PMID:39022237	研究论文	本文对2000年至2023年间医学影像超级分辨率的文献进行了 bibliometric 分析和可视化研究	首次系统性分析了医学影像超分辨率领域的全球趋势并通过图形可视化提供未来研究前景	文章没有针对具体的超分辨率技术或算法进行深入探讨	识别医学影像超分辨率领域的全球趋势和未来研究发展	分析了3262篇医学影像超分辨率相关的文献	数字病理学	NA	NA	NA	文献	3262篇文献
13766	2024-08-05	Brain metastasis magnetic resonance imaging-based deep learning for predicting epidermal growth factor receptor (EGFR) mutation and subtypes in metastatic non-small cell lung cancer 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1744 PMID:39022238	研究论文	本研究旨在开发一种深度学习模型，以在非小细胞肺癌患者中预操作性地检测EGFR突变及其亚型	开发了多尺度特征融合网络（MSF-Net），能有效整合不同阶段的残差网络特征，增强了对EGFR突变的预测能力	未提及可能的局限性，样本来自两个特定中心	基于脑转移的MRI数据，预测非小细胞肺癌患者的EGFR突变状态及亚型	160名接受对比增强T1加权和72名接受T2加权MRI的非小细胞肺癌患者	计算机视觉	非小细胞肺癌	磁共振成像（MRI）	多尺度特征融合网络（MSF-Net）	医学影像	160名和72名患者
13767	2024-08-05	Application of metal artifact reduction algorithm in reducing metal artifacts in post-surgery pediatric low radiation dose spine computed tomography (CT) images 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1659 PMID:39022236	研究论文	本研究评估了金属伪影减少算法在降低术后儿童低剂量脊柱CT图像中金属伪影的应用效果	引入了金属伪影减少算法（MAR）和深度学习图像重建（DLIR）结合使用，显著改善图像质量	研究仅限于回顾性分析，未比较不同算法在更大人群或不同条件下的效果	旨在评估金属伪影减少算法在术后儿童低剂量脊柱CT图像中的实际应用效果	参与研究的对象为77名3至15岁的儿童	数字病理	NA	适应性统计迭代重建-V（ASIR-V）、深度学习图像重建（DLIR）	NA	图像	77名儿童，评估116个椎弓根螺钉
13768	2024-08-05	Deep learning methods for diagnosis of graves' ophthalmopathy using magnetic resonance imaging 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-80 PMID:39022293	研究论文	本研究开发并验证了深度学习模型用于基于磁共振成像诊断Graves'眼病	提出了使用深度学习技术，通过MRI T1加权扫描准确诊断Graves'眼病的新方法	研究没有考虑MRI以外的其他影像学方法的比较	旨在提高使用MRI诊断Graves'眼病的准确性	对199例临床验证的Graves'眼病患者和145例正常对照进行回顾性研究	计算机视觉	Graves'眼病	磁共振成像	ResNet101, Swin Transformer	图像	199例Graves'眼病患者与145例正常对照，共344例
13769	2024-08-05	Simultaneous removal of noise and correction of motion warping in neuron calcium imaging using a pipeline structure of self-supervised deep learning models 2024-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.527919 PMID:39022541	研究论文	本文提出了一种使用自监督深度学习模型的两级管道结构，有效去除神经钙成像中的噪声和运动扭曲。	创新点在于提出了一种无需无扭曲和高信噪比观察的自监督深度学习管道，能够同时进行去噪和去扭曲处理。	本研究未涉及非自监督的深度学习模型效果评估。	研究旨在改善钙成像视频的图像质量，以促进神经功能分析。	研究对象为七个来自双光子和共聚焦成像系统的视频材料。	数字病理学	NA	深度学习	自监督深度学习模型	视频	七个视频
13770	2024-08-05	Deep learning-based deformable image registration with bilateral pyramid to align pre-operative and follow-up magnetic resonance imaging (MRI) scans 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1821 PMID:39022247	研究论文	本文提出了一种基于深度学习的变形图像配准方法，用于对比术前和术后MRI扫描	提出了一种双向金字塔的深度学习变形配准方法，利用多尺度图像特征来改善配准精度	未提及具体的适用范围或其他潜在限制	改善术前和术后MRI扫描的配准精度，以评估脑肿瘤复发	聚焦于脑肿瘤的MRI扫描图像，比较术前与术后图像	计算机视觉	脑肿瘤	深度学习	NA	图像	使用了BraTS-Reg 2022公共数据集，样本规模未具体说明
13771	2024-08-05	Prediction of metastases in confusing mediastinal lymph nodes based on flourine-18 fluorodeoxyglucose (18F-FDG) positron emission tomography/computed tomography (PET/CT) imaging using machine learning 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-100 PMID:39022286	研究论文	本研究旨在使用机器学习方法评估介入淋巴结的状态，基于正电子发射计算机断层扫描(PET/CT)图像进行分析	创新点在于结合了梯度提升决策树-逻辑回归模型与放射组学特征，相较于其他模型表现更优	研究的外部验证仅限于三个中心，可能影响结果的普遍适用性	准确评估介入淋巴结的状态以改善患者管理和预后	509个已进行病理评估或随访的混乱介入淋巴结，来自320名患者	机器学习	NA	正电子发射计算机断层扫描(PET/CT)	梯度提升决策树-逻辑回归(GBDT-LR)	图像	来自三个中心的320名患者的509个混乱的介入淋巴结
13772	2024-08-05	CMAF-Net: a cross-modal attention fusion-based deep neural network for incomplete multi-modal brain tumor segmentation 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-9 PMID:39022265	研究论文	该研究提出了一种新型深度学习网络CMAF-Net，用于不完整多模态脑肿瘤分割	本文的创新点在于设计了跨模态注意力融合的深度神经网络，能够处理不同缺失模态情况	该研究未提及对不同模态缺失情况的通用适用性和其他数据集的验证	本研究的目的是改善不完整多模态脑肿瘤分割的准确性	研究对象为不同模态的脑肿瘤图像数据	计算机视觉	脑肿瘤	深度学习	3D U-Net	医学图像	使用BraTS 2018和BraTS 2020数据集进行评估
13773	2024-08-05	Research on ultrasound-based radiomics: a bibliometric analysis 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1867 PMID:39022291	研究论文	本研究对基于超声的放射组学进行了系统的文献计量分析	首次对超声放射组学领域进行系统的文献计量分析，识别研究热点和前沿	缺乏对超声放射组学研究的深入实验数据和具体案例分析	系统化描述基于超声的放射组学研究的整体框架和特征	对2016年至2023年间的相关文献进行分析	数字病理学	甲状腺癌	文献计量分析	NA	文献	466篇相关文献
13774	2024-08-05	Cervical cancer segmentation based on medical images: a literature review 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-369 PMID:39022282	综述	本文全面回顾了关于宫颈癌医学图像分割的文献，并讨论了目前分割过程中的挑战	提供了不同医学图像分割方法的分类及其优缺点的深入分析	现有文献中缺乏对宫颈癌医学图像分割领域的综合回顾	综述宫颈癌医学图像在靶区和风险器官的分割方法及其挑战	研究主要集中在利用CT、MR和PET图像进行宫颈癌的分割	数字病理学	宫颈癌	CT、MR、PET	传统或深度学习方法	医学图像	NA
13775	2024-08-05	An end-to-end gait recognition system for covariate conditions using custom kernel CNN 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32934 PMID:39021936	研究论文	本研究提出了一种端到端的步态识别系统，旨在处理协变量条件问题。	创新性地提出了一种深度学习框架，通过自定义卷积核处理步态识别中的协变量条件。	研究中未提及的具体局限性不明确	提高在协变量条件下的步态识别准确性。	使用公共数据集（如CASIA A和CASIA C）进行步态识别的个体。	计算机视觉	NA	自定义卷积神经网络（CNN）	CNN	图像	公开数据集（如CASIA A和CASIA C）中的个体
13776	2024-08-05	Attention-based scale sequence network for small object detection 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32931 PMID:39021898	研究论文	本文提出了一种基于注意力的比例序列网络，以改善小物体检测的性能	提出了一种轻量级的注意力模块ASSN，优化了FPN基础检测器，具有提高小物体检测精度的能力	在实验中，只针对YOLOv7和YOLOv8进行了比较，可能限制了模型的广泛性验证	提高小物体检测的精确度，使其在真实应用中的表现更加优秀	小物体的检测和识别	计算机视觉	NA	深度学习	FPN, YOLO	图像	NA
13777	2024-08-05	Enhanced object detection in pediatric bronchoscopy images using YOLO-based algorithms with CBAM attention mechanism 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32678 PMID:39021922	研究论文	本研究旨在通过将基于YOLO的算法与CBAM注意力机制结合，改善儿童支气管镜图像中的物体检测准确性	提出将CBAM注意力模块与YOLO-V7和YOLO-V8相结合，以提高支气管镜图像中物体的识别和分类能力	未提及具体的样本大小和数据来源，可能影响结果的普遍适用性	改善支气管镜图像中物体检测的准确性	支气管镜图像中的各种物体，如黏液、血液和异物	计算机视觉	呼吸系统疾病	YOLO算法	YOLO-V7和YOLO-V8	图像	NA
13778	2024-08-05	A clustering mining method for sports behavior characteristics of athletes based on the ant colony optimization 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33297 PMID:39021992	研究论文	本研究旨在提高对运动员行为特征分析的精度，从而优化体育训练和竞赛策略	创新点在于应用蚁群优化（ACO）算法解决运动领域实际问题，并展示ACO算法处理复杂、高维运动数据的优势	其在更大范围或不同类型的运动数据上的普遍性和效率仍需进一步验证	研究的目的是提升运动员行为特征分析的精准性	研究对象为运动员的行为特征数据	运动科学	NA	蚁群优化（ACO）	聚类模型	高维运动数据	NA
13779	2024-08-05	Application of DMSFNN-COA technique for brand image design 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32674 PMID:39021911	研究论文	本文提出了一种新的品牌形象设计方法，利用深度多尺度融合神经网络和猎豹优化算法进行产品颜色品牌图像分类	创新点在于结合深度学习技术和优化算法，提出了BID-DMSFNN-COA方法以提高品牌形象设计的准确性	本研究的局限性没有具体说明	研究目的在于增强品牌形象设计的准确性，并解决产品颜色趋势预测研究中的现有挑战	研究对象为产品色彩品牌图像，主要分类为'时尚'和'自然'	计算机视觉	NA	深度多尺度融合神经网络，猎豹优化算法	NA	图像	使用Mnist数据集进行数据收集，具体样本数未说明
13780	2024-08-05	Ensemble-based deep learning improves detection of invasive breast cancer in routine histopathology images 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32892 PMID:39022088	研究论文	使用基于集成的深度学习提高了常规组织病理学图像中侵袭性乳腺癌的检测准确性	比较了单个CNN模型与多个基础模型的集成，展示了集成模型在预测性能上的优势	未提及该研究的明显限制	改善侵袭性乳腺癌的检测以支持病理学家的决策	两个内部数据集，包括587个全滑动图像，用于训练十个InceptionV3模型的集成	计算机视觉	乳腺癌	CNN	InceptionV3	图像	587个全滑动图像用于训练，118个在内部测试集，157个在外部数据集