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
15001	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
15002	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
15003	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
15004	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
15005	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
15006	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
15007	2024-09-30	Automated Classification System Based on YOLO Architecture for Body Condition Score in Dairy Cows 2024-Sep-01, Veterinary sciences IF:2.0Q2 DOI:10.3390/vetsci11090399 PMID:39330779	研究论文	本文提出了一种基于YOLOv8x深度学习架构的自动分类系统，用于评估奶牛的体况评分（BCS）	使用YOLOv8x深度学习架构自动分类奶牛的体况评分，提高了评估的准确性和效率	仅在Holstein和Simmental奶牛品种上进行了测试，样本量有限	开发一种自动化的方法来评估奶牛的体况评分，以提高动物福利和生产效率	Holstein和Simmental奶牛的体况评分	计算机视觉	NA	YOLOv8x深度学习架构	YOLOv8x	图像	126张奶牛图像，其中102张正确分类
15008	2024-09-30	CA-ViT: Contour-Guided and Augmented Vision Transformers to Enhance Glaucoma Classification Using Fundus Images 2024-Aug-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090887 PMID:39329629	研究论文	提出了一种轮廓引导和增强的视觉变换器（CA-ViT）用于增强青光眼分类	引入条件变分生成对抗网络（CVGAN）来增强和多样化训练数据集，并结合轮廓引导方法提供关键的疾病信息	未提及	提高青光眼分类的准确性	青光眼分类	计算机视觉	眼科疾病	条件变分生成对抗网络（CVGAN）	视觉变换器（ViT）	图像	使用了包含多个数据集（如EYEPACS、DRISHTI-GS、RIM-ONE、REFUGE）的标准化多通道青光眼数据集（SMDG）
15009	2024-09-30	FineTea: A Novel Fine-Grained Action Recognition Video Dataset for Tea Ceremony Actions 2024-Aug-31, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10090216 PMID:39330436	研究论文	本文构建了一个细粒度视频动作数据集FineTea，用于茶道动作的细粒度分析，并提出了一种名为TSM-ConvNeXt的方法来改进细粒度动作识别	提出了TSM-ConvNeXt方法，结合TSM和高性能卷积神经网络ConvNeXt，显著提升了细粒度动作识别的性能	NA	促进细粒度动作识别的发展	茶道动作的细粒度分析	计算机视觉	NA	卷积神经网络	TSM-ConvNeXt	视频	2745个视频片段
15010	2024-09-30	Anterior Cruciate Ligament Tear Detection Based on T-Distribution Slice Attention Framework with Penalty Weight Loss Optimisation 2024-Aug-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090880 PMID:39329622	研究论文	本研究提出了一种基于T分布切片注意力框架和惩罚权重损失优化的前交叉韧带撕裂检测方法	本研究创新性地结合了T分布切片注意力机制和惩罚权重损失函数，显著提高了前交叉韧带撕裂检测的分类准确性	NA	提高前交叉韧带撕裂检测的准确性和诊断性能	前交叉韧带撕裂	计算机视觉	运动损伤	深度学习	CNN	图像	NA
15011	2024-09-30	Electroretinogram Analysis Using a Short-Time Fourier Transform and Machine Learning Techniques 2024-Aug-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090866 PMID:39329608	研究论文	本研究通过短时傅里叶变换和机器学习技术优化了电生理图波形信号的分类	本研究展示了使用Visual Transformer架构和Hamming窗口函数在电生理图信号分类中的优势，并推荐了RF算法用于手动特征提取的场景	NA	优化电生理图波形信号的分类方法	电生理图信号	机器学习	NA	短时傅里叶变换	Visual Transformer	信号	NA
15012	2024-09-30	Artificial Intelligence for Predicting the Aesthetic Component of the Index of Orthodontic Treatment Need 2024-Aug-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090861 PMID:39329602	研究论文	本研究利用人工智能自动化评估正畸治疗需求指数的美观成分	开发了基于深度学习的算法，能够根据IOTN-AC参考标准预测治疗需求，为临床评估牙齿美观提供辅助	所有其他方案提供的权衡较差，且在省略overjet值和数据集补充后的结果不一	使用人工智能自动化评估正畸治疗需求指数的美观成分	正畸治疗需求指数的美观成分评估	机器学习	NA	深度学习	深度学习算法	图像	1009张预治疗正面口腔内照片
15013	2024-09-30	Beyond Nyquist: A Comparative Analysis of 3D Deep Learning Models Enhancing MRI Resolution 2024-Aug-23, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10090207 PMID:39330427	研究论文	本文比较了多种3D深度学习模型在提高MRI分辨率方面的性能	本文首次系统比较了多种先进的3D卷积神经网络模型在超分辨率MRI任务中的表现	研究仅使用了IXI数据集的结构图像，且数据是通过人工下采样生成的低分辨率MRI	旨在通过比较不同3D深度学习模型，找到在超分辨率MRI任务中性能和鲁棒性最佳的模型	3D卷积神经网络模型在超分辨率MRI任务中的性能	计算机视觉	NA	深度学习	3D卷积神经网络	图像	使用了IXI数据集的结构图像，数据通过人工下采样生成低分辨率MRI
15014	2024-09-30	An explainable ensemble approach for advanced brain tumor classification applying Dual-GAN mechanism and feature extraction techniques over highly imbalanced data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310748 PMID:39331600	研究论文	本文提出了一种可解释的集成方法，用于高度不平衡数据上的高级脑肿瘤分类，结合了Dual-GAN机制和特征提取技术	本文提出了一个新颖的深度集成特征提取（DeepEFE）框架，结合Dual-GAN机制和多种特征提取方法，显著提高了分类准确性和可解释性	NA	提高脑肿瘤分类的准确性和可解释性，促进其在临床实践中的应用	脑肿瘤的分类和特征提取	计算机视觉	脑肿瘤	Dual-GAN机制和特征提取技术	深度学习模型	医学影像数据（如MRI扫描）	高度不平衡的数据集，良性肿瘤数量远多于恶性肿瘤
15015	2024-09-30	Domain affiliated distilled knowledge transfer for improved convergence of Ph-negative MPN identifier 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303541 PMID:39331624	研究论文	本文提出了一种利用从大规模数据集中提取的知识来提升轻量级模型在罕见疾病Ph-negative MPN识别中的性能的方法	本文创新性地使用了知识蒸馏技术，将从大规模数据集中学习到的知识转移到轻量级模型中，以解决数据稀缺问题	研究仅在300张图像的小数据集上进行验证，可能无法完全代表所有Ph-negative MPN病例	旨在通过知识蒸馏技术提升轻量级模型在Ph-negative MPN识别中的性能	Ph-negative MPN疾病的诊断	计算机视觉	血液病	知识蒸馏	CNN	图像	300张Ph-negative MPN图像
15016	2024-09-30	Cascaded convolutional networks for unsupervised brain tissue segmentation and bias field estimation 2023-Aug, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2676893 PMID:38250086	研究论文	本文提出了一种基于级联卷积网络的无监督脑组织分割和偏置场估计方法	本文的创新点在于开发了一种无监督深度学习模型，通过级联卷积网络同时进行脑组织分割和偏置场估计，利用大量未标记的脑成像数据	本文的局限性在于仅在HCP-Aging和HCP-Development数据集上进行了评估，可能需要进一步验证其在其他数据集上的性能	本文的研究目的是利用无监督学习方法提高脑组织分割和偏置场估计的性能	本文的研究对象是脑组织分割和偏置场估计	计算机视觉	NA	深度学习	级联卷积网络	图像	在HCP-Aging和HCP-Development数据集上进行了评估
15017	2024-09-30	Searching for protein variants with desired properties using deep generative models 2023-Jul-21, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05415-9 PMID:37480001	研究论文	本文提出了一种时间变分自编码器（T-VAE）模型，用于改进对较长蛋白质序列的表示学习能力，并生成与原始序列相似的变体	本文创新性地提出了时间变分自编码器（T-VAE）模型，通过扩展网络结构中神经元的感受野，提高了对较长序列的编码表示能力	NA	改进现有深度学习模型在捕捉较长蛋白质序列中氨基酸位点关系方面的能力，并利用潜在空间中的位置关系直接搜索性能更好的变体	蛋白质序列及其变体	机器学习	NA	深度学习	变分自编码器（VAE）	序列	NA
15018	2024-09-30	Leveraging natural language processing to augment structured social determinants of health data in the electronic health record 2023-07-19, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad073 PMID:37130345	研究论文	本文开发了一种自然语言处理信息提取模型，用于从电子健康记录中的临床笔记中捕获详细的社交决定因素健康信息，并评估了将其与现有结构化数据结合后的信息增益	本文提出了一种新的深度学习实体和关系提取架构，用于从临床笔记中提取详细的社交决定因素健康信息	NA	开发和评估一种自然语言处理模型，用于从电子健康记录中的临床笔记中提取详细的社交决定因素健康信息，并评估其与现有结构化数据的结合效果	社交决定因素健康信息	自然语言处理	NA	深度学习	实体和关系提取架构	文本	225,089名患者和430,406份包含社会历史部分的临床笔记
15019	2024-09-30	Distinct brain morphometry patterns revealed by deep learning improve prediction of aphasia severity 2023-Jul-03, Research square DOI:10.21203/rs.3.rs-3126126/v1 PMID:37461696	研究论文	本文探讨了深度学习结合卷积神经网络（CNN）在全脑形态测量和病变解剖学数据上预测慢性中风患者失语症严重程度的能力	本文首次展示了CNN在识别个体化三维萎缩模式方面的优势，显著提高了失语症严重程度的预测准确性	本文仅限于慢性中风患者的研究，未来研究需扩展到其他类型中风患者	研究深度学习技术在预测失语症严重程度方面的应用	慢性中风患者的失语症严重程度	计算机视觉	中风	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	231名慢性中风患者
15020	2024-09-30	PPAD: a deep learning architecture to predict progression of Alzheimer's disease 2023-06-30, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad249 PMID:37387135	研究论文	本文提出了一种基于深度学习的架构，用于预测阿尔茨海默病的进展	本文提出了两种基于RNN的深度学习架构，即PPAD和PPAD-Autoencoder，用于早期预测从轻度认知障碍到阿尔茨海默病的转换，并解决了电子健康记录数据中时间间隔不规则的问题	NA	开发早期预测轻度认知障碍患者转换为阿尔茨海默病的方法	轻度认知障碍患者和阿尔茨海默病	机器学习	阿尔茨海默病	RNN	RNN	电子健康记录	使用了阿尔茨海默病神经影像学倡议和国家阿尔茨海默病协调中心的数据集