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
14321	2024-10-09	A Label-Efficient Framework for Automated Sinonasal CT Segmentation in Image-Guided Surgery 2024-Oct, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.868 PMID:38922721	研究论文	本文评估了一种标签高效的深度学习管道，用于在CT扫描中对鼻窦结构进行语义分割	提出了一种标签高效的深度学习框架，仅需少量标注扫描即可实现鼻窦结构的语义分割	研究样本量较小，仅使用了40个CT扫描	评估一种标签高效的深度学习管道，以实现鼻窦结构的自动分割	鼻中隔、下鼻甲、上颌窦和视神经等鼻窦结构	计算机视觉	NA	深度学习	NA	图像	40个CT扫描，其中16个进行了手动标注
14322	2024-10-09	Artificial intelligence in hepatocellular carcinoma diagnosis: a comprehensive review of current literature 2024-Oct, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16663 PMID:38923550	综述	本文全面回顾了当前文献中关于人工智能在肝细胞癌诊断中的应用	本文分析和评估了在肝细胞癌诊断领域提出的各种人工智能模型，展示了这些模型在诊断性能上的显著提升	NA	本文旨在通过回顾现有文献，评估人工智能技术在肝细胞癌诊断中的应用效果	本文研究对象为肝细胞癌诊断中的人工智能模型	计算机视觉	肝癌	机器学习	深度学习	图像	NA
14323	2024-10-09	Automatic Recognition of Auditory Brainstem Response Waveforms Using a Deep Learning-Based Framework 2024-Oct, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.840 PMID:38822760	研究论文	研究使用深度学习框架自动识别听觉脑干反应波形	提出了一种增强的Wide&Deep模型，结合Light-多层感知器（MLP）模型来训练听觉脑干反应波形的识别	Wide&Deep模型的性能略低于Light-MLP模型，特别是由于样本量有限	研究深度学习框架以提高不同年龄和听力水平参与者听觉脑干反应波形的自动识别	听觉脑干反应波形	机器学习	NA	深度学习	Wide&Deep模型，Light-多层感知器（MLP）模型	时间域和频率域的听觉脑干反应信号	100名参与者
14324	2024-10-09	Separating group- and individual-level brain signatures in the newborn functional connectome: A deep learning approach 2024-Oct-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120806 PMID:39179011	研究论文	本文探讨了新生儿功能连接组中群体和个体水平脑信号的分离，采用深度生成模型VAE进行研究	本文首次使用VAE模型在新生儿功能连接数据中区分年龄相关变化和个体独特性，并发现某些皮质功能网络在捕捉个体特征方面表现出色	本文仅使用了两个公开数据集，样本量有限，且未探讨其他可能影响结果的因素	探讨新生儿功能连接组中个体独特性的存在及其与认知差异的关系	新生儿和成人的静息态功能磁共振成像数据	计算机视觉	NA	功能磁共振成像(fMRI)	变分自编码器(VAE)	图像	成人100例，新生儿464例
14325	2024-10-09	Overcoming the Barrier of Incompleteness: A Hyperspectral Image Classification Full Model 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3279377 PMID:37279129	研究论文	本文提出了一种用于高光谱图像分类的全模型，通过创新的三要素解决了分类不完整的问题	首次提出了完整分类的三要素：广泛探索可用特征、充分重用代表性特征和差异化融合多领域特征	NA	解决高光谱图像分类中的不完整性问题	高光谱图像	计算机视觉	NA	NA	Transformer	图像	四个数据集，从小规模到大规模，每类仅使用五个训练样本
14326	2024-10-09	A Survey of Automated Data Augmentation for Image Classification: Learning to Compose, Mix, and Generate 2024-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3282258 PMID:37342945	综述	本文综述了图像分类中自动数据增强技术的最新进展	将数据增强过程视为学习任务，并寻找最有效的数据增强方法	主要依赖于手工操作的数据增强方法，缺乏自动化和智能化的提升	探讨自动数据增强技术在图像分类中的应用及其未来发展方向	图像分类中的数据增强方法	计算机视觉	NA	自动数据增强	NA	图像	NA
14327	2024-10-09	Enhancing pap smear image classification: integrating transfer learning and attention mechanisms for improved detection of cervical abnormalities 2024-Sep-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad7bc0 PMID:39377445	研究论文	本研究通过结合迁移学习和注意力机制，改进了宫颈异常的宫颈涂片图像分类	本研究创新性地结合了迁移学习和注意力机制，并应用了图像预处理技术，显著提高了宫颈癌检测的准确性	NA	提高宫颈癌检测的准确性和效率	宫颈涂片图像	计算机视觉	宫颈癌	迁移学习、注意力机制、图像预处理	ResNet、Xception	图像	使用了Mendeley液基细胞学数据集，包含由专家细胞病理学家标注的宫颈细胞学图像
14328	2024-10-09	Deep learning for identifying personal and family history of suicidal thoughts and behaviors from EHRs 2024-Sep-28, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01266-7 PMID:39341983	研究论文	本研究开发了利用变压器模型（Bio_ClinicalBERT和GatorTron）的深度学习工具，用于从电子健康记录的临床笔记中自动识别个人和家庭自杀想法和行为的历史	本研究首次利用深度学习技术自动识别电子健康记录中的个人和家庭自杀想法和行为的历史，并展示了其在性能上优于基于规则的自然语言处理工具	本研究仅在三个学术医学中心的临床笔记上进行了验证，可能需要进一步的跨机构验证	开发和评估用于自动识别电子健康记录中个人和家庭自杀想法和行为历史的深度学习工具	个人和家庭自杀想法和行为的历史	自然语言处理	NA	深度学习	变压器模型（Bio_ClinicalBERT和GatorTron）	文本	来自三个学术医学中心的临床笔记
14329	2024-10-09	A Comprehensive study on the different types of soil desiccation cracks and their implications for soil identification using deep learning techniques 2024-Sep-25, The European physical journal. E, Soft matter DOI:10.1140/epje/s10189-024-00453-4 PMID:39320558	研究论文	本文研究了不同类型土壤的干裂模式及其在土壤识别中的应用，结合传统分析方法和深度学习技术	本文创新性地将分形维数分析作为深度学习图像分析的预处理工具，并证明了数据增强技术在提高模型鲁棒性和准确性方面的有效性	NA	研究不同类型土壤的干裂模式，并探讨其在土壤识别中的应用	来自印度布拉马普特拉河流域的三种土壤：粘土、粉土和砂质壤土	计算机视觉	NA	深度学习技术	前馈神经网络	图像	三种土壤类型，具体数量未提及
14330	2024-10-09	Geometric deep learning of protein-DNA binding specificity 2024-Sep, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02372-w PMID:39103447	研究论文	本文介绍了一种名为DeepPBS的几何深度学习模型，用于预测蛋白质-DNA结合特异性	提出了DeepPBS模型，能够从蛋白质-DNA结构中预测结合特异性，并提供了可解释的蛋白质重原子重要性评分	NA	理解基因调控中的蛋白质-DNA结合特异性	蛋白质-DNA复合物的结合特异性	机器学习	NA	几何深度学习	几何深度学习模型	蛋白质-DNA结构	NA
14331	2024-10-09	Microwave detection technique combined with deep learning algorithm facilitates quantitative analysis of heavy metal Pb residues in edible oils 2024-Sep, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.17259 PMID:39136980	研究论文	本研究结合微波检测技术和深度学习算法，开发了一种用于量化食用油中重金属铅残留的模型	提出了基于注意力机制的深度残差神经网络模型，用于替代传统的建模方法，并在微波数据处理过程中探讨了深度对卷积神经网络的影响	NA	开发一种新的方法来量化食用油中的重金属铅残留	食用油中的重金属铅残留	机器学习	NA	微波检测技术	基于注意力机制的深度残差神经网络	微波数据	标准大豆油样本
14332	2024-10-09	Evaluation of deep learning and convolutional neural network algorithms for mandibular fracture detection using radiographic images: A systematic review and meta-analysis 2024-Sep, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240038 PMID:39371302	meta-analysis	本文对使用放射影像进行下颌骨骨折检测的深度学习和卷积神经网络算法进行了系统评价和荟萃分析	本文首次对使用放射影像进行下颌骨骨折检测的深度学习和卷积神经网络算法进行了系统评价和荟萃分析	当前研究的有效性受限于可用数据集的小规模和狭窄范围	评估深度学习算法在放射影像中检测下颌骨骨折的潜力	下颌骨骨折的放射影像	计算机视觉	NA	卷积神经网络	CNN	图像	5项符合条件的研究
14333	2024-10-09	Clinical validity and precision of deep learning-based cone-beam computed tomography automatic landmarking algorithm 2024-Sep, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240009 PMID:39371307	研究论文	本研究评估了基于深度学习的锥形束计算机断层扫描（CBCT）自动地标识别算法的临床有效性和准确性	开发了一种基于深度学习的CBCT自动地标识别算法，显著减少了地标识别所需的时间	研究样本量较小，且仅限于三种特定类型的CBCT扫描	评估基于深度学习的CBCT自动地标识别算法的临床有效性和准确性	CBCT扫描中的三维头部测量数据	计算机视觉	NA	深度学习	NA	图像	80例CBCT扫描，分为三组：非手术组（39例）、无硬件手术组（9例）和有硬件手术组（32例）
14334	2024-10-09	Classification of mandibular molar furcation involvement in periapical radiographs by deep learning 2024-Sep, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240020 PMID:39371308	研究论文	本研究使用深度学习算法对下颌磨牙根分叉病变在根尖片中的分类进行研究	本研究首次使用ResNet-18卷积神经网络模型对下颌磨牙根分叉病变进行分类	研究仅限于下颌磨牙的根尖片，未涉及其他类型的影像学检查	开发一种深度学习算法，用于分类下颌磨牙根分叉病变	下颌磨牙的根分叉病变	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	2011-2023年间东卡罗莱纳大学牙医学院拍摄的全口系列影像，包括健康和根分叉病变的下颌磨牙根尖片
14335	2024-10-09	Will Artificial Intelligence Be "Better" Than Humans in the Management of Syncope? 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101072 PMID:39372450	研究论文	探讨人工智能在晕厥管理中的应用及其优缺点	利用机器学习、深度学习和自然语言处理技术分析晕厥风险因素和临床特征，辅助医生区分真晕厥与其他类型的短暂意识丧失	文章主要探讨了人工智能在晕厥诊断和管理中的潜在优势和挑战，但未提供具体的数据或模型验证	研究人工智能在晕厥诊断和管理中的应用，评估其是否能超越人类的表现	晕厥的临床决策、临床研究和教育	机器学习	NA	机器学习、深度学习、自然语言处理	机器学习模型、深度学习模型、自然语言处理模型	文本	NA
14336	2024-10-09	Automated Assessment of Right Atrial Pressure From Ultrasound Videos Using Machine Learning 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101192 PMID:39372459	研究论文	本文研究了使用机器学习自动评估超声视频中的右心房压力	开发了全自动深度学习模型，用于识别超声心动图研究中的下腔静脉扫描并估计右心房压力	NA	评估机器学习是否能准确估计超声心动图测量的右心房压力	右心房压力的自动评估	机器学习	心血管疾病	深度学习	深度学习模型	视频	15,828个超声视频和319个右心导管测量的右心房压力
14337	2024-10-09	Impact of Case and Control Selection on Training Artificial Intelligence Screening of Cardiac Amyloidosis 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.100998 PMID:39372462	研究论文	研究评估了基于心电图波形的人工智能模型在心脏淀粉样变筛查中的表现，并分析了不同病例和对照定义对模型性能的影响	探讨了不同病例和对照选择对人工智能模型训练的影响，并提出了在没有专门淀粉样变诊所的机构中，使用较少筛选的病例进行模型训练的可行性	研究结果表明，仅依赖AUC或其他指标不足以评估深度学习算法的性能，需要在最具临床意义的群体中进行评估	评估基于心电图波形的人工智能模型在心脏淀粉样变筛查中的表现，并探讨不同病例和对照定义对模型性能的影响	心脏淀粉样变（CA）的筛查和诊断	机器学习	心血管疾病	人工智能模型	NA	心电图（ECG）波形数据	约130万份心电图数据，来自341,989名患者
14338	2024-10-09	Machine-Learning for Phenotyping and Prognostication of Myocardial Infarction and Injury in Suspected Acute Coronary Syndrome 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101011 PMID:39372465	研究论文	本研究开发了一种机器学习模型，用于对疑似急性冠状动脉综合征患者的心肌损伤和梗死进行数字表型分析，并预测30天事件	本研究首次使用极端梯度提升（XGB）和深度学习（DL）模型对心肌损伤和梗死进行表型分析，并预测30天死亡或心肌梗死事件	这些模型需要在随机临床试验中进行外部验证，以评估其在临床实践中的影响	开发机器学习模型，用于对疑似急性冠状动脉综合征患者的心肌损伤和梗死进行数字表型分析，并预测30天事件	疑似急性冠状动脉综合征患者	机器学习	心血管疾病	极端梯度提升（XGB）和深度学习（DL）	极端梯度提升（XGB）和深度学习（DL）	电子健康记录	训练集包含6722名患者，测试集包含8869名患者
14339	2024-10-08	Electrocardiographic Risk Stratification in Critically Ill Cardiac Patients: Can Deep Learning Fulfill its Promise? 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101168 PMID:39372472	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14340	2024-10-09	Optimizing mammography interpretation education: leveraging deep learning for cohort-specific error detection to enhance radiologist training 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.055502 PMID:39372519	研究论文	本研究探讨了利用卷积神经网络（CNN）进行迁移学习，以分类筛查乳腺X光片中与假阳性（FP）错误相关的区域，从而优化放射科医生培训的可行性	本研究首次尝试使用迁移学习技术，通过CNN模型对特定放射科医生群体的乳腺X光片中的假阳性区域进行分类，以预测其难度水平	本研究仅限于特定地理特征的放射科医生群体，未来研究需扩展到更广泛的群体	研究目的是通过深度学习技术优化乳腺X光片的解读教育，减少放射科医生的误诊	研究对象为两个地理上相距较远的放射科医生群体（A组和B组）的乳腺X光片	计算机视觉	乳腺疾病	卷积神经网络（CNN）	ResNet-50	图像	两个地理上相距较远的放射科医生群体（A组和B组）的乳腺X光片