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
14821	2024-08-05	Auscultation-Based Pulmonary Disease Detection through Parallel Transformation and Deep Learning 2024-Jun-08, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060586 PMID:38927822	研究论文	本文提出了一种结合信号处理技术的混合深度学习技术，以识别呼吸疾病	采用平行转换将肺音信号转化为两种不同的时间频率标度，并结合卷积自编码器和长短期记忆模型进行分类	缺乏对其他数据集的广泛验证和对模型的解释性分析	旨在提高呼吸疾病的早期诊断和患者监测准确性	通过深度学习技术分类不同类型的呼吸疾病	机器学习	肺癌	深度学习，信号处理	长短期记忆模型（LSTM）	音频	使用ICBHI-2017肺音数据集进行评估
14822	2024-08-05	Multimodal Sensing for Depression Risk Detection: Integrating Audio, Video, and Text Data 2024-Jun-07, Sensors (Basel, Switzerland) DOI:10.3390/s24123714 PMID:38931497	研究论文	本文提出了一种融合音频、视频和文本数据以检测抑郁风险的新框架	引入了音频、视频和文本融合的三分支网络（AVTF-TBN），通过多模态数据提供全面的抑郁风险分析	NA	改进抑郁风险检测的方法，使其更具客观性和效率	通过情感引发范式收集丰富的传感器基础抑郁风险检测数据集	自然语言处理	抑郁症	深度学习	三分支网络（TBN）	音频、视频、文本	NA
14823	2024-08-05	Utilizing Geographical Distribution Statistical Data to Improve Zero-Shot Species Recognition 2024-Jun-07, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14121716 PMID:38929335	研究论文	本文提出了一种基于地理分布统计数据的零-shot物种识别方法	利用物种的地理分布特征来改善零-shot识别性能，填补了之前研究中的空白	尚未探讨如何进一步提升在更加复杂环境下的识别准确性	提高零-shot物种识别的准确性和适应性	多种来自iNaturalist 2021数据集的物种，包括哺乳动物、软体动物、爬行动物等	计算机视觉	NA	对比语言图像预训练（CLIP）	NA	图像	来自多个物种数据集的样本，详细样本量未提供
14824	2024-08-05	Clinical Validation of a Deep Learning-Based Software for Lumbar Bone Mineral Density and T-Score Prediction from Chest X-ray Images 2024-Jun-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14121208 PMID:38928624	研究论文	本研究通过胸部X光影像开发了一种基于深度学习的模型，用于骨质疏松症筛查	使用现有医疗影像进行骨质疏松症筛查的机会主义方法，展示了深度学习在此领域的应用潜力	本研究主要依赖于特定医疗中心的数据，可能存在样本偏倚	开发一种基于深度学习的模型，通过胸部X光影像进行骨质疏松症筛查	收集5122对胸部X光影像与DXA报告数据，验证模型效果	机器学习	骨质疏松症	深度学习	NA	影像	5122对胸部X光影像与DXA报告，临床验证阶段440对
14825	2024-08-05	Preliminary Experience with Three Alternative Motion Sensors for 0.55 Tesla MR Imaging 2024-Jun-07, Sensors (Basel, Switzerland) DOI:10.3390/s24123710 PMID:38931494	研究论文	本文分享了三种替代传感器的初步经验，这些传感器用于监测体表、主要脏器的呼吸相关运动以及深部脏器的非呼吸运动	研究中使用的三种传感器结合了不同的技术和深度学习算法，以提高运动跟踪的精确性。	研究未涉及大规模样本测试来验证传感器的普遍适用性。	旨在探讨替代运动传感器在MRI系统内外监测运动的有效性。	研究对象包括肝脏、膀胱及前胸表面的运动监测。	数字医学	NA	深度学习	NA	运动数据	NA
14826	2024-08-05	Classification of Muscular Dystrophies from MR Images Improves Using the Swin Transformer Deep Learning Model 2024-Jun-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060580 PMID:38927816	研究论文	本研究探讨了采用Swin Transformer深度学习模型对肌营养不良症进行分类的有效性。	该研究首次评估了Swin Transformer在肌营养不良症分类中的表现，相较于传统的卷积神经网络显示出更高的准确性。	样本量较小，仅包含54名受试者的数据，可能影响结果的广泛适用性。	研究深度学习技术在肌营养不良症MRI图像分类中的应用。	研究对象为健康个体、Becker肌营养不良症(BMD)和肢带型肌营养不良症2型(LGMD2)患者。	计算机视觉	肌营养不良症	MRI	Swin Transformer	图像	75个MRI扫描（来自54个受试者）
14827	2024-08-05	Few-Shot Learning for Medical Image Segmentation Using 3D U-Net and Model-Agnostic Meta-Learning (MAML) 2024-Jun-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14121213 PMID:38928629	研究论文	本文采用基于梯度的方法MAML进行医疗图像分割，利用较少的注释图像适应新任务	结合了少样本学习和增强的3D U-Net模型，以快速适应医疗图像分割任务	对于医疗图像的注释图像依然有限，可能影响适应新任务的效果	解决医疗图像分割任务中对注释图像数量要求高的问题	对肝脏、脾脏、右肾和左肾进行图像分割	计算机视觉	NA	MAML	增强的3D U-Net	图像	使用了少量注释图像进行四个任务
14828	2024-08-05	Computed Tomography Effective Dose and Image Quality in Deep Learning Image Reconstruction in Intensive Care Patients Compared to Iterative Algorithms 2024-Jun-07, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10060069 PMID:38921946	研究论文	本研究比较了深度学习图像重建算法与迭代算法在重症监护病人中的CT有效剂量和图像质量。	通过使用深度学习图像重建算法，显著降低了CT有效剂量并提高了图像信噪比。	本研究仅在单一医院的患者中进行，样本数量相对较小。	评估深度学习图像重建算法在重症监护病人中对CT剂量和图像质量的影响。	重症监护病房的患者，接受了至少两次连续的胸部和/或腹部对比增强CT扫描。	医学影像学	NA	深度学习图像重建 (DLIR)	卷积神经网络 (CNN)	CT图像	83名患者
14829	2024-08-05	Artificial Intelligence-Powered Imaging Biomarker Based on Mammography for Breast Cancer Risk Prediction 2024-Jun-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14121212 PMID:38928628	研究论文	本研究旨在开发基于乳腺 X 光影像的人工智能模型，用于预测未来乳腺癌风险	提出了一种新型的深度学习 AI 模型，相较于传统临床统计风险模型具有显著更高的预测精度	缺乏不同种族和地理区域的多样性样本，可能影响模型的普适性	研究乳腺癌风险预测领域的人工智能应用	使用来自 21,438 名女性的 36,995 个连续乳腺影像数据进行模型训练和验证	数字病理学	乳腺癌	深度学习	深度学习模型	影像	总共 36,995 个乳腺影像数据，来自 21,438 名女性
14830	2024-08-05	A Deep Learning Approach to Automatic Tooth Caries Segmentation in Panoramic Radiographs of Children in Primary Dentition, Mixed Dentition, and Permanent Dentition 2024-Jun-05, Children (Basel, Switzerland) DOI:10.3390/children11060690 PMID:38929269	研究论文	本研究评估了针对儿童不同牙齿发育阶段全景放射影像的龋齿分割效果	采用深度学习方法开发的人工智能模型用于龋齿的自动分割	研究并未提及模型在成人牙齿或其他类型放射影像中的表现	探讨龋齿在儿童全景放射影像上的自动分割效果	包含6075张4至14岁儿童的全景放射影像	数字病理学	龋齿	深度学习	U-Net	影像	6075张全景放射影像（分别来自1857张初生牙、1406张混合牙和2812张恒牙）
14831	2024-08-05	Classification of Ameloblastoma, Periapical Cyst, and Chronic Suppurative Osteomyelitis with Semi-Supervised Learning: The WaveletFusion-ViT Model Approach 2024-Jun-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060571 PMID:38927807	研究论文	提出了一种新的WaveletFusion-ViT模型，通过半监督学习自动诊断三种颌面疾病	创新性地采用WaveletFusion-ViT模型，结合半监督学习，减少对标记样本的依赖	CSO病例数量较少且该病的准确率相对较低，这在未来研究中需要解决	旨在实现对AM、PC和CSO的自动化预操作诊断	对包含健康、AM、PC和CSO的539个样本进行分类	数字病理学	NA	CBCT	WaveletFusion-ViT	图像	539个样本，包括154个健康样本、181个AM样本、102个PC样本和102个CSO样本，另外还有2000个健康样本用于预训练
14832	2024-08-05	Magnetic-Controlled Microrobot: Real-Time Detection and Tracking through Deep Learning Approaches 2024-Jun-05, Micromachines IF:3.0Q2 DOI:10.3390/mi15060756 PMID:38930726	研究论文	本文提出了一种增强的YOLOv5微型机器人检测和跟踪系统，以提高小目标的检测和跟踪精度	通过改进YOLOv5网络结构和视觉跟踪算法，提升了微型机器人的实时检测和跟踪能力	NA	研究微型机器人在生物医学中的检测和跟踪技术	针对3mm、1mm的磁性物体和2mm长度的磁性微型机器人进行检测和跟踪	机器学习	NA	YOLOv5	改进的YOLOv5	图像	包含3mm、1mm磁性物体和2mm磁性微型机器人
14833	2024-08-05	FQ-UWF: Unpaired Generative Image Enhancement for Fundus Quality Ultra-Widefield Retinal Images 2024-Jun-04, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060568 PMID:38927804	研究论文	本研究提出了一种无配对生成图像增强技术，用于改善超宽视场视网膜图像的质量	提出了一种基于生成对抗网络和注意力机制的无配对、降解感知的超分辨率方法	此方法在依赖未配对的图像数据下工作，可能对特定类型的图像增强效果不佳	旨在提高超宽视场视网膜成像的分辨率，增强临床诊断的准确性	聚焦于改善眼科疾病（如糖尿病视网膜病和黄斑变性）的超宽视场视网膜图像	计算机视觉	眼科疾病	生成对抗网络	GAN	图像	实验和评估通过大量的超宽视场视网膜图像进行
14834	2024-08-05	Pioneering Data Processing for Convolutional Neural Networks to Enhance the Diagnostic Accuracy of Traditional Chinese Medicine Pulse Diagnosis for Diabetes 2024-Jun-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060561 PMID:38927797	研究论文	本研究通过深度学习算法加强中医脉诊对糖尿病的诊断准确性	引入深度学习算法，特别是LeNet和ResNet模型来分析脉波形，显著提高了诊断的准确性和一致性	本文未详细探讨脉波形变化和噪声水平对算法性能的影响	提升传统中医脉诊在糖尿病诊断中的准确性和可靠性	本研究分析健康个体和糖尿病患者的脉波形数据	机器学习	糖尿病	深度学习算法	LeNet和ResNet	脉波形	包含健康个体及糖尿病患者的多样化数据集
14835	2024-08-05	Explainable deep learning for disease activity prediction in chronic inflammatory joint diseases 2024-Jun, PLOS digital health DOI:10.1371/journal.pdig.0000422 PMID:38935600	研究论文	本文提出了一种可解释的深度学习模型用于慢性炎性关节疾病的疾病活动性预测	引入DAS-Net模型，结合多任务学习和可解释性，提升了疾病活动性分数的预测能力	未提供样本的具体多样性和其他潜在影响因素的详细分析	研究慢性炎性关节疾病的活动性预测模型	19,267名慢性炎性关节疾病患者的数据	机器学习	慢性炎性关节疾病	深度学习	多任务学习模型，前馈神经网络，长短期记忆网络，注意力层	患者数据	19,267名患者
14836	2024-08-05	Deep-Learning-Based Recovery of Missing Optical Marker Trajectories in 3D Motion Capture Systems 2024-Jun-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060560 PMID:38927796	研究论文	本文介绍了一种基于深度学习的技术，用于恢复3D运动捕捉系统中丢失的光学标记轨迹	提出了一种受U-net启发的双向长短期记忆自编码器技术，针对多摄像头设置中的数据丢失问题	传统恢复方法的限制在于不能有效处理标记间关系或独立标记的处理问题	研究旨在改善运动捕捉系统中缺失数据的恢复能力	研究对象为多摄像头运动捕捉系统中的光学标记数据	计算机视觉	NA	深度学习	双向长短期记忆自编码器	3D数据	NA
14837	2024-08-05	Quality Control in the Corneal Bank with Artificial Intelligence: Comparison of a New Deep Learning-based Approach with Conventional Endothelial Cell Counting by the "Rhine-Tec Endothelial Analysis System" 2024-Jun, Klinische Monatsblatter fur Augenheilkunde IF:0.8Q4 DOI:10.1055/a-2299-8117 PMID:38574759	研究论文	本文比较了一种基于深度学习的新方法与传统的“Rhine-Tec内皮分析系统”在角膜银行中的质量控制中的应用。	提出了一种基于深度学习的新方法，能够自动检测图像中所有可见的内皮细胞，从而提高样本量和客观性。	目前无法通过深度学习方法替代对角膜内皮的全面评估，这仍然是角膜移植释放的最重要依据。	研究旨在比较深度学习方法与传统Rhine-Tec系统在内皮细胞密度测量中的表现。	评估9375张来自狮子眼库的存档相位差显微图像，分析深度学习方法的效果。	数字病理学	NA	深度学习	NA	图像	9375张存档相位差显微图像
14838	2024-08-05	Objective Analysis of Corneal Nerves and Dendritic Cells 2024-Jun, Klinische Monatsblatter fur Augenheilkunde IF:0.8Q4 DOI:10.1055/a-2307-0313 PMID:38941998	综述	这篇文章探讨了角膜神经和树突细胞在眼表疾病诊断中的临床应用	文章详细介绍了深度学习算法在影像分析中的应用，并与已有方法进行了比较	NA	阐明影像分析方法在角膜神经和树突细胞可视化中的应用	角膜神经和树突细胞	数字病理学	眼表疾病	活体共聚焦显微镜	深度学习算法	图像	NA
14839	2024-08-05	A Glimpse into the AI-Driven Advances in Neurobiology and Neurologic Diseases 2024-May-31, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12061221 PMID:38927428	研究论文	这篇文章探讨了人工智能在神经生物学和神经疾病研究中的最新进展	文章创新点在于介绍了机器学习和深度学习在神经学领域的应用	文章未详细讨论这些技术的实际应用效果和临床转化	研究人工智能如何促进神经生物学和神经疾病的发展	本文主要关注人工智能与神经生物学及相关神经疾病的交叉研究	机器学习	NA	AI, 机器学习, 深度学习	NA	NA	NA
14840	2024-08-05	Explainable Precision Medicine in Breast MRI: A Combined Radiomics and Deep Learning Approach for the Classification of Contrast Agent Uptake 2024-May-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060556 PMID:38927793	研究论文	该文章介绍了一种结合放射组学和深度学习的方法用于乳腺MRI中对对比剂摄取的分类	提出了一种高度精确和可解释的BPE分类流程，解决了用户或算法依赖的放射组学特征选择问题	该研究主要基于回顾性数据，样本量相对较小，仅包括27名健康女性的图像	研究目的是开发一个标准化的BPE分类算法，减少读者之间的变异性	研究对象为27名健康女性的DCE-MRI图像	数字病理	乳腺癌	DCE-MRI，深度学习	深度神经网络	图像	27名健康女性的DCE-MRI图像