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
14961	2024-09-30	Deep Learning-Based Fine-Tuning Approach of Coarse Registration for Ear-Nose-Throat (ENT) Surgical Navigation Systems 2024-Sep-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090941 PMID:39329683	研究论文	本研究提出了一种基于深度学习的细化步骤，用于增强耳鼻喉（ENT）手术导航系统中表面注册的准确性	本研究引入了一种新的深度学习方法，通过在传统粗注册和ICP细注册之间集成机器学习模型，显著提高了目标注册误差（TRE）	NA	提高耳鼻喉手术导航系统中图像与患者解剖结构注册的准确性	耳鼻喉手术导航系统中的表面注册	计算机视觉	NA	深度学习	深度学习模型	图像	硅胶面具头模和CT影像
14962	2024-09-30	A Multi-Task Model for Pulmonary Nodule Segmentation and Classification 2024-Sep-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10090234 PMID:39330454	研究论文	本文提出了一种多任务网络模型，用于肺结节的分割和良恶性分类	通过共享主干架构和预测蒸馏结构，整合了肺结节分割和分类任务，利用任务间的潜在关联提升模型性能	NA	提升肺结节分割和分类的准确性	肺结节的分割和良恶性分类	计算机视觉	肺癌	深度学习	多任务网络 (MT-Net)	图像	使用公开数据集 LIDC-IDRI 进行实验
14963	2024-09-30	Segment Anything in Optical Coherence Tomography: SAM 2 for Volumetric Segmentation of Retinal Biomarkers 2024-Sep-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090940 PMID:39329682	研究论文	本文探讨了在光学相干断层扫描（OCT）中使用SAM 2和MedSAM 2模型进行视网膜生物标志物的体积分割	引入了SAM 2和MedSAM 2模型，并与传统的U-Net模型进行了性能比较	未提及具体的局限性	提高视网膜疾病诊断的质量	视网膜生物标志物的体积分割	计算机视觉	NA	光学相干断层扫描（OCT）	SAM 2, MedSAM 2, U-Net	图像	两个开源数据集：OIMHS和AROI
14964	2024-09-30	Deep Learning-Based Biomimetic Identification Method for Mask Wearing Standardization 2024-Sep-18, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9090563 PMID:39329585	研究论文	提出了一种基于改进YOLOv5s的口罩佩戴标准化检测模型，用于检测口罩佩戴是否符合规范	首次提出专门检测鼻子目标的口罩佩戴标准化检测模型，并通过改进BottleneckCSP模块和插入SE模块提高了模型的特征提取能力	未提及	提高后疫情时代口罩佩戴深度学习检测模型的准确性和速度	口罩佩戴是否符合规范，特别是鼻子是否暴露在外	计算机视觉	NA	YOLOv5s	CNN	图像	未提及具体数量，但涉及不同人群和复杂背景的图像
14965	2024-09-30	Enhancing Deep Learning Model Explainability in Brain Tumor Datasets Using Post-Heuristic Approaches 2024-Sep-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10090232 PMID:39330452	研究论文	本文通过后启发式方法增强深度学习模型在脑肿瘤数据集中的可解释性	提出了一种基于场景特定规则的后处理机制，显著提升了LIME库和LIME图像解释器的解释能力	NA	解决深度学习模型在医疗诊断中缺乏解释性的问题	脑肿瘤检测数据集	机器学习	脑肿瘤	LIME	深度学习模型	图像	使用了多个公开可用的脑肿瘤检测数据集
14966	2024-09-30	Skeletal Muscle Segmentation at the Level of the Third Lumbar Vertebra (L3) in Low-Dose Computed Tomography: A Lightweight Algorithm 2024-Sep-13, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10090111 PMID:39330757	研究论文	本文提出了一种轻量级算法，用于在低剂量计算机断层扫描（CT）图像中自动分割第三腰椎（L3）水平的骨骼肌	提出了一种轻量级算法，用于在低剂量CT图像中自动分割L3水平的骨骼肌	NA	开发一种在低剂量CT图像中自动分割L3水平骨骼肌的轻量级算法	第三腰椎（L3）水平的骨骼肌	计算机视觉	NA	计算机断层扫描（CT）	轻量级算法	图像	57名直肠癌患者
14967	2024-09-30	Time Sequence Deep Learning Model for Ubiquitous Tabular Data with Unique 3D Tensors Manipulation 2024-Sep-12, Entropy (Basel, Switzerland) DOI:10.3390/e26090783 PMID:39330116	研究论文	本文提出了一种利用堆叠双向LSTM深度学习算法处理表格数据的方法，通过定制的3D张量建模来提高模型性能	本文创新性地将时间序列深度学习模型应用于表格数据处理，通过3D张量建模提高了模型在表格数据上的表现	本文仅在六个公开数据集上进行了验证，未来需要在更多不同类型的数据集上进行测试	提出一种新的方法，利用深度学习算法提高表格数据模型的性能	表格数据及其在深度学习模型中的应用	机器学习	NA	深度学习	堆叠双向LSTM	表格数据	六个公开数据集，每个数据集的大小和学习目标不同
14968	2024-09-30	NMGrad: Advancing Histopathological Bladder Cancer Grading with Weakly Supervised Deep Learning 2024-Sep-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090909 PMID:39329651	研究论文	本文提出了一种用于膀胱癌分级的新方法，通过弱监督深度学习技术提高病理切片的分级准确性	引入了嵌套多实例学习方法和注意力机制，以提高模型对不同恶性程度区域的区分能力	NA	提高膀胱癌分级的准确性和一致性	膀胱癌病理切片	数字病理学	膀胱癌	卷积神经网络	CNN	图像	NA
14969	2024-09-30	A Deep Learning-Enhanced Compartmental Model and Its Application in Modeling Omicron in China 2024-Sep-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090906 PMID:39329648	研究论文	本文提出了一种结合深度学习的分室模型，并应用于预测中国Omicron疫情的发展	利用深度学习技术估计分室模型中的随机参数，减少了对特定数据的依赖，并内置了时空移动过程，有效捕捉了传染病的时空和移动维度	NA	探索深度学习技术在传染病动力学预测中的应用	Omicron疫情在中国的发展	机器学习	NA	深度学习	DNN, LSTM	NA	28天（2022年6月4日至7月1日）
14970	2024-09-30	Achieving Real-Time Prediction of Paroxysmal Atrial Fibrillation Onset by Convolutional Neural Network and Sliding Window on R-R Interval Sequences 2024-Sep-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090903 PMID:39329645	研究论文	本文提出了一种基于卷积神经网络和滑动窗口技术的端到端深度学习模型，用于实时预测阵发性房颤的发作	本文的创新点在于将滑动窗口技术与卷积神经网络结合，实现了对心电图R-R间期序列的实时处理和预测	本文的局限性在于仅使用了公开的心电图数据库进行训练和验证，未涉及实际临床数据	本研究旨在开发一种能够实时预测阵发性房颤发作的深度学习模型	本研究的对象是阵发性房颤患者的心电图R-R间期序列	机器学习	心血管疾病	卷积神经网络	CNN	序列数据	共收集了56,381个PAF类型和56,900个N类型的R-R间期片段
14971	2024-09-30	A Joint Classification Method for COVID-19 Lesions Based on Deep Learning and Radiomics 2024-Sep-05, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10090109 PMID:39330755	研究论文	本文提出了一种基于深度学习和放射组学的联合分类方法，用于COVID-19病变的分类	提出了MFPN神经网络模型用于提取病变深度特征，并结合放射组学特征进行分类	未提及具体的研究局限性	验证深度学习和放射组学方法在COVID-19病变分类中的性能，揭示COVID-19肺部疾病的图像特征	COVID-19肺部病变	计算机视觉	呼吸系统疾病	深度学习	MFPN	图像	未提及具体样本数量
14972	2024-09-30	An Enhanced IDBO-CNN-BiLSTM Model for Sentiment Analysis of Natural Disaster Tweets 2024-Sep-04, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9090533 PMID:39329555	研究论文	提出了一种增强的IDBO-CNN-BiLSTM模型，用于自然灾害推文的情绪分析	结合了群智能优化算法和深度学习方法，改进了Dung Beetle Optimization (DBO)算法，并将其应用于优化CNN-BiLSTM模型的超参数	未提及	提高推文中情绪极性识别的准确性，以帮助政府或救援组织更好地理解公众需求并做出适当响应	自然灾害推文的情绪倾向分类	自然语言处理	NA	深度学习	CNN-BiLSTM	文本	与飓风哈维事件相关的推文
14973	2024-09-30	External Testing of a Deep Learning Model to Estimate Biologic Age Using Chest Radiographs 2024-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.230433 PMID:39046324	研究论文	评估基于深度学习的胸部X光年龄模型在亚洲人群中的预测价值	首次在外部测试中验证了基于深度学习的胸部X光年龄模型在亚洲人群中的预测价值	单中心回顾性研究，样本主要来自亚洲人群	评估深度学习模型在预测亚洲人群生物年龄方面的预后价值	亚洲50-80岁无症状个体的胸部X光片	计算机视觉	NA	NA	卷积神经网络 (CNN)	图像	36,924名个体
14974	2024-09-30	Deep Learning to Detect Intracranial Hemorrhage in a National Teleradiology Program and the Impact on Interpretation Time 2024-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.240067 PMID:39017032	研究论文	评估人工智能临床决策支持系统在急性颅内出血检测中的诊断性能，并量化其对放射科医生阅读时间和系统效率的影响	首次在大规模远程放射实践中评估人工智能系统对急性颅内出血检测的诊断性能及其对阅读时间和系统效率的影响	在低发病率环境中，系统效率的降低可能超过使用该工具的潜在好处	评估人工智能系统在急性颅内出血检测中的诊断性能及其对放射科医生阅读时间和系统效率的影响	人工智能系统在急性颅内出血检测中的诊断性能及对阅读时间和系统效率的影响	计算机视觉	颅内出血	深度学习	NA	图像	61,704例连续的非对比头部CT检查
14975	2024-09-30	Open Access Data and Deep Learning for Cardiac Device Identification on Standard DICOM and Smartphone-based Chest Radiographs 2024-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.230502 PMID:39017033	研究论文	开发并评估一个公开可用的深度学习模型，用于在标准DICOM和智能手机胸部X光片上分割和分类心脏植入式电子设备	首次在标准DICOM和智能手机胸部X光片上使用深度学习模型进行心脏植入式电子设备的分割和分类	研究仅限于回顾性数据，且样本量相对较小	开发和评估一个深度学习模型，用于在胸部X光片上识别心脏植入式电子设备	心脏植入式电子设备在胸部X光片上的分割和分类	计算机视觉	心血管疾病	深度学习	U-Net模型（基于ResNet-50）	图像	2321张胸部X光片，涉及897名患者，使用5种智能手机采集了11072张图像
14976	2024-09-30	Harnessing the Missing Spectral Correlation for Metasurface Inverse Design 2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202308807 PMID:38946621	研究论文	本文揭示了电磁超表面光谱中实部和虚部之间的内在相关性，并通过双向信息流在神经网络空间中模拟这种关系，用于超表面的逆向设计	本文利用Kramers-Kronig关系揭示了光谱中实部和虚部之间的内在相关性，并通过双向循环神经网络模拟这种关系，有效提取关键特征	NA	研究如何利用物理信息增强深度学习在电磁超表面逆向设计中的应用	电磁超表面的逆向设计	机器学习	NA	深度学习	双向循环神经网络	光谱数据	NA
14977	2024-09-30	Presurgical Upgrade Prediction of DCIS to Invasive Ductal Carcinoma Using Time-dependent Deep Learning Models with DCE MRI 2024-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.230348 PMID:38900042	研究论文	研究使用时间依赖的深度学习模型在无需病变分割的前提下，通过动态对比增强（DCE）乳腺MRI预测导管原位癌（DCIS）向浸润性恶性肿瘤的术前升级	提出了一种时间依赖的深度学习模型（CNN-LSTM），相比单一时间点模型，能够更准确地预测DCIS向浸润性恶性肿瘤的升级	研究为探索性研究，样本量较小，且未进行病变分割	评估时间依赖的深度学习模型在预测DCIS向浸润性恶性肿瘤升级方面的性能	导管原位癌（DCIS）及其向浸润性恶性肿瘤的升级	计算机视觉	乳腺癌	动态对比增强（DCE）MRI	卷积神经网络（CNN）-长短期记忆网络（LSTM）	图像	154例经活检证实的DCIS病例，其中25例在手术中升级，129例未升级
14978	2024-09-30	Deep Learning Segmentation of Infiltrative and Enhancing Cellular Tumor at Pre- and Posttreatment Multishell Diffusion MRI of Glioblastoma 2024-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.230489 PMID:39166970	研究论文	开发并验证了一种深度学习方法，用于在胶质母细胞瘤患者的治疗前后MRI扫描中检测和分割增强和非增强细胞肿瘤，并预测总生存期和无进展生存期	提出了一个结合多模态MRI数据的深度学习模型，能够准确分割增强和非增强细胞肿瘤，并区分治疗后变化与复发肿瘤	研究为回顾性研究，样本量有限，且依赖于特定的MRI数据	开发和验证一种深度学习方法，用于在胶质母细胞瘤患者的MRI扫描中检测和分割肿瘤，并预测生存期	胶质母细胞瘤患者的治疗前后MRI扫描中的肿瘤分割和生存期预测	计算机视觉	脑肿瘤	多模态MRI	nnU-Net	图像	1297名胶质母细胞瘤患者，包括243次MRI扫描用于模型训练和交叉验证，以及四个外部测试数据集
14979	2024-09-30	AI-Powered Synthesis of Structured Multimodal Breast Ultrasound Reports Integrating Radiologist Annotations and Deep Learning Analysis 2024-Sep-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090890 PMID:39329632	研究论文	本研究提出了一种半自动方法，通过整合放射科医生的注释和深度学习分析结果，生成结构化的多模态乳腺超声报告	该方法结合了放射科医生的注释和深度学习算法分析结果，显著减少了报告生成时间，并提高了分类准确性	未提及具体的局限性	旨在通过自动化方法减轻放射科医生的工作负担，提高乳腺超声报告的生成效率	乳腺超声报告的生成过程	计算机视觉	乳腺癌	深度学习	DenseNet-121	图像	未提及具体样本数量
14980	2024-09-30	Repurposing the Public BraTS Dataset for Postoperative Brain Tumour Treatment Response Monitoring 2024-Sep-01, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10090105 PMID:39330751	研究论文	本文研究了如何利用公开的BraTS数据集进行术后脑肿瘤治疗反应监测的深度学习算法训练	提出了一种自动将三标签BraTS注释协议转换为适合术后脑肿瘤分割的两标签注释协议的方法	研究仅限于脑肿瘤分割，未涉及其他类型的肿瘤或疾病	旨在促进BraTS数据集在术后脑肿瘤分割深度学习算法训练中的应用	术后胶质母细胞瘤MRI图像	计算机视觉	脑肿瘤	深度学习	DL算法	图像	72例术后胶质母细胞瘤MRI图像