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
15241	2024-10-05	Cellular data extraction from multiplexed brain imaging data using self-supervised Dual-loss Adaptive Masked Autoencoder 2024-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102828 PMID:38564879	研究论文	本文提出了一种自监督的双损失自适应掩码自编码器（DAMA），用于从多重免疫荧光脑图像中提取细胞数据	首次开发了一种用于多重免疫荧光脑图像的自监督学习方法，采用了一种新颖的自适应掩码采样策略	NA	开发一种无需大量标注即可实现细胞检测、分割和分类的高效方法	多重免疫荧光脑图像中的细胞数据	计算机视觉	NA	自监督学习	自编码器	图像	涉及六个不同组织类型的两通道荧光图像，使用六个不同的成像平台
15242	2024-10-05	Stable feature selection utilizing Graph Convolutional Neural Network and Layer-wise Relevance Propagation for biomarker discovery in breast cancer 2024-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102840 PMID:38658129	研究论文	本文探讨了利用图卷积神经网络和逐层相关传播进行特征选择，以发现乳腺癌中的生物标志物	本文提出了使用图卷积神经网络（GCNN）和逐层相关传播（LRP）或SHapley Additive exPlanations（SHAP）进行特征选择的新方法，显著提高了特征选择的稳定性和可解释性	本文主要集中在乳腺癌数据集上，未来研究可以扩展到其他类型的癌症或其他疾病	研究旨在通过结合分子网络信息改进机器学习方法中的特征选择稳定性，以发现乳腺癌中的生物标志物	研究对象为乳腺癌基因表达数据，旨在识别出稳定的预测基因列表	机器学习	乳腺癌	图卷积神经网络（GCNN），逐层相关传播（LRP），SHapley Additive exPlanations（SHAP）	图卷积神经网络（GCNN）	基因表达数据	使用了大量的乳腺癌基因表达数据集
15243	2024-10-05	An innovative artificial intelligence-based method to compress complex models into explainable, model-agnostic and reduced decision support systems with application to healthcare (NEAR) 2024-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102841 PMID:38658130	研究论文	本文介绍了一种基于人工智能的创新方法，用于将复杂的预测模型压缩成可解释、模型无关且简化的临床决策支持系统，并在医疗领域进行了验证	提出了一种名为NEAR的创新AI方法，能够将复杂的AI预测模型压缩成可解释、模型无关且简化的决策支持系统，提高了模型的可解释性和临床应用性	NA	开发一种可解释且可靠的临床决策支持系统，使其能够个性化和动态地辅助医生进行日常临床决策	急性冠脉综合征患者的死亡率预测	机器学习	心血管疾病	Shapley Additive Explanations框架	Adaptive Boosting分类器	临床数据	NA
15244	2024-10-05	A Deep Learning Model Enhances Clinicians' Diagnostic Accuracy to More Than 96% for Anterior Cruciate Ligament Ruptures on Magnetic Resonance Imaging 2024-04, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2023.08.010 PMID:37597705	研究论文	开发了一种深度学习模型，用于在磁共振成像（MRI）上准确检测前交叉韧带（ACL）撕裂，并评估其对临床医生诊断准确性和效率的影响	该模型显著提高了所有临床医生的诊断准确性，超过96%，并且在诊断时间上也有显著减少	研究是回顾性的，且样本主要来自特定时间段和特定中心的患者	开发和验证一种深度学习模型，以提高临床医生对前交叉韧带撕裂的诊断准确性和效率	前交叉韧带撕裂的诊断	计算机视觉	运动损伤	深度学习	深度学习模型	图像	训练数据集包含22,767个MRI，验证数据集包含4,086个MRI，共有38名临床医生参与诊断3,800个MRI
15245	2024-10-05	Editorial Commentary: Artificial Intelligence Analysis of Biomedical, Large, Clinical Registry Data Using Machine Learning Requires Tens of Thousands of Subjects and a Focus on Substantial Clinical Benefit: Minimal Clinically Important Difference Is too Low a Bar 2024-04, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2023.10.035 PMID:38219135	评论	本文讨论了使用机器学习分析大型临床注册数据以评估髋关节镜手术效果的必要性	提出需要数万名受试者进行深度学习模型训练，并强调临床相关性指标应超越最小临床重要差异（MCID）	未提及具体限制	探讨如何利用机器学习分析大型临床注册数据以评估髋关节镜手术效果	髋关节镜手术对髋关节撞击综合征（FAIS）患者的疗效	机器学习	髋关节疾病	机器学习	深度学习模型	临床注册数据	数万名受试者
15246	2024-10-05	Leveraging code-free deep learning for pill recognition in clinical settings: A multicenter, real-world study of performance across multiple platforms 2024-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102844 PMID:38553153	研究论文	本研究探讨了在临床环境中利用无代码深度学习（CFDL）进行药片识别的可行性，并通过多中心真实世界研究评估了其在不同平台上的性能	本研究首次探索了无代码深度学习（CFDL）在药片识别模型开发中的应用，并评估了其在实际临床环境中的性能	尽管模型在在线API上表现良好，但在离线模式和Android应用上的性能有所下降，且存在依赖颜色特征和设备依赖性的问题	研究无代码深度学习（CFDL）在药片识别模型开发中的可行性，并评估其在多中心临床环境中的实际应用效果	药片识别模型在不同部署场景和多中心临床环境中的性能	计算机视觉	NA	无代码深度学习（CFDL）	TensorFlow Lite	图像	26,880张图像，来自三家参与医院的30种最常用的固体口服制剂（SODFs）
15247	2024-10-05	Multicentric development and validation of a multi-scale and multi-task deep learning model for comprehensive lower extremity alignment analysis 2024-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102843 PMID:38553152	研究论文	本文开发并验证了一种用于下肢综合对齐分析的多尺度多任务深度学习模型	该模型能够自动分析前-后位下肢全长X光片，显著提高分析速度和一致性，与专业骨科医生的准确性相当	NA	提高下肢对齐分析的自动化程度和效率	下肢对齐分析	计算机视觉	骨关节炎	深度学习	多任务深度学习模型	图像	594名患者的下肢全长X光片
15248	2024-10-05	Automatic quantitative stroke severity assessment based on Chinese clinical named entity recognition with domain-adaptive pre-trained large language model 2024-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102822 PMID:38553162	研究论文	本研究开发了一种基于领域自适应预训练大语言模型的中文临床命名实体识别系统，用于自动定量评估中风严重程度	本研究提出了一个自动化的中风严重程度评估框架，通过领域自适应预训练大语言模型和深度学习技术，实现了从中文电子健康记录中自动提取实体并进行NIHSS评分	NA	开发一种自动化的中风严重程度评估框架，通过自动化整个NIHSS评分过程，提高评估的准确性和效率	中风严重程度的定量评估	自然语言处理	中风	领域自适应预训练大语言模型	深度学习模型	文本	从合作医院提供的电子健康记录中构建了一个名为“Chinese Stroke Clinical Records”（CSCR）的密集注释数据集
15249	2024-10-05	Trustworthy clinical AI solutions: A unified review of uncertainty quantification in Deep Learning models for medical image analysis 2024-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102830 PMID:38553168	综述	本文综述了深度学习模型在医学图像分析中的不确定性量化方法	本文提出了结构不确定性概念，并讨论了评估不确定性估计的相关性协议	本文未提供具体的不确定性量化方法的实现细节	探讨如何通过不确定性量化方法提高深度学习模型在临床领域的可信度和接受度	深度学习模型在医学图像分析中的不确定性量化方法	计算机视觉	NA	深度学习	深度学习模型	图像	NA
15250	2024-10-05	Artificial Intelligence-Enhanced Breast MRI: Applications in Breast Cancer Primary Treatment Response Assessment and Prediction 2024-Mar-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001010 PMID:37493391	综述	本文综述了人工智能增强的乳腺MRI在评估和预测乳腺癌患者对初始系统治疗反应中的应用	利用传统机器学习和深度学习技术，通过人工智能增强的MRI预测治疗反应，具有潜在的临床应用前景	临床实施中存在挑战和局限性	探讨人工智能在乳腺MRI中评估和预测初始系统治疗反应的应用	乳腺癌患者对初始系统治疗的反应	计算机视觉	乳腺癌	MRI	深度学习	图像	NA
15251	2024-10-05	A clinical consensus-compliant deep learning approach to quantitatively evaluate human in vitro fertilization early embryonic development with optical microscope images 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102773 PMID:38462274	研究论文	开发了一种符合临床共识的深度学习方法，用于定量评估体外受精早期胚胎发育的光学显微镜图像	提出了名为Esava的深度学习模型，结合了Faster R-CNN和Crowd-NMS算法，以及基于GrabCut的无监督模块，显著提高了胚胎细胞检测的精度和一致性	NA	提高体外受精胚胎质量评估的准确性和效率	体外受精胚胎的光学显微镜图像	计算机视觉	NA	深度学习	Faster R-CNN	图像	551张光学显微镜图像，包括第2天到第3天的体外受精胚胎
15252	2024-10-05	Prognostic prediction of sepsis patient using transformer with skip connected token for tabular data 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102804 PMID:38462275	研究论文	本研究开发了一种基于变压器架构的深度学习模型，用于预测脓毒症患者的预后	提出了一种带有跳跃连接标记的变压器模型，结合局部和全局信息进行表格数据分析	研究基于回顾性数据，样本量有限	开发一种支持临床医生高效管理ICU脓毒症患者的深度学习模型	脓毒症患者的死亡率、ICU住院时间（>14天）和医院住院时间（>30天）	机器学习	脓毒症	变压器模型	变压器	表格数据	591例回顾性数据
15253	2024-10-05	Integrated block-wise neural network with auto-learning search framework for finger gesture recognition using sEMG signals 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102777 PMID:38462279	研究论文	本文提出了一种自动学习搜索框架（ALSF），用于生成集成块状神经网络（IBWNN），以实现基于sEMG信号的手指手势识别	本文的创新点在于引入了一个自动学习搜索框架，通过强化学习方法生成优化的神经网络模型，减少了对手动调参的依赖	NA	提高基于sEMG信号的手指手势识别的准确性和效率	基于sEMG信号的手指手势识别	机器学习	NA	sEMG信号	集成块状神经网络（IBWNN）	信号	NA
15254	2024-10-05	Opportunities and challenges of artificial intelligence and distributed systems to improve the quality of healthcare service 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102779 PMID:38462281	综述	本文综述了机器学习、深度学习和分布式系统在提升医疗服务质量中的应用	本文填补了关于机器学习、深度学习和分布式系统在医疗领域应用的综合性综述的空白	本文主要关注现有技术的综述，未涉及具体的技术实现或实验验证	探讨人工智能和分布式系统在提升医疗服务质量中的机遇与挑战	机器学习、深度学习和分布式系统在医疗领域的应用	机器学习	心血管疾病	机器学习、深度学习、分布式系统	卷积神经网络（CNN）、长短期记忆网络（LSTM）、浅层学习网络	NA	NA
15255	2024-10-05	Multi input-Multi output 3D CNN for dementia severity assessment with incomplete multimodal data 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102774 PMID:38462278	研究论文	本文提出了一种多输入-多输出3D卷积神经网络，用于处理不完整的多模态数据进行痴呆严重程度评估	提出的网络能够处理不完整的多模态数据，即在一种图像模态缺失的情况下仍能进行评估	NA	研究多模态深度学习方法在痴呆严重程度评估中的应用	阿尔茨海默病患者的痴呆严重程度	计算机视觉	神经退行性疾病	深度学习	3D卷积神经网络	图像	使用了OASIS-3数据集进行实验
15256	2024-10-05	Development and validation of a deep interpretable network for continuous acute kidney injury prediction in critically ill patients 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102785 PMID:38462285	研究论文	本研究开发并验证了一种深度可解释网络，用于在重症患者中连续预测急性肾损伤（AKI）的风险	本研究创新性地设计了DeepAKI模型，采用挤压激励网络和膨胀因果卷积的基本框架，并利用集成梯度方法解释预测模型	深度学习模型在实际临床环境中的泛化能力存在潜在威胁	开发一种能够在重症患者中实时连续预测24小时急性肾损伤风险的深度可解释网络，并评估其内外部性能	重症患者的急性肾损伤风险	机器学习	肾脏疾病	挤压激励网络、膨胀因果卷积	CNN	电子健康记录	共21,163名患者的数据用于模型构建，3025名患者和2625名患者分别用于外部验证
15257	2024-10-05	An interpretable dual attention network for diabetic retinopathy grading: IDANet 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102782 PMID:38462283	研究论文	提出了一种可解释的双注意力网络IDANet，用于糖尿病视网膜病变分级	采用双向空间和通道并行注意力机制，提取细粒度DR分级的判别特征	未提及具体局限性	提高糖尿病视网膜病变分级的准确性和可解释性	糖尿病视网膜病变及其微小病变	计算机视觉	糖尿病视网膜病变	双向空间和通道并行注意力机制	CNN	图像	四个广泛使用的基准数据集
15258	2024-10-05	NPB-REC: A non-parametric Bayesian deep-learning approach for undersampled MRI reconstruction with uncertainty estimation 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102798 PMID:38462289	研究论文	本文介绍了一种非参数贝叶斯深度学习方法NPB-REC，用于从欠采样的MRI数据中重建高质量图像并估计不确定性	提出了NPB-REC框架，结合随机梯度Langevin动力学训练网络参数的后验分布，提高了图像重建质量和不确定性估计的准确性	未提及	提高MRI时间分辨率和减少采集时间，同时量化重建图像的不确定性	欠采样的MRI数据	计算机视觉	NA	随机梯度Langevin动力学	非参数贝叶斯框架	MRI图像	多线圈MRI数据集，来自fastMRI挑战赛
15259	2024-10-05	DISCOVER: 2-D multiview summarization of Optical Coherence Tomography Angiography for automatic diabetic retinopathy diagnosis 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102803 PMID:38462293	研究论文	本文研究了使用光学相干断层扫描血管造影（OCTA）进行糖尿病视网膜病变（DR）自动诊断的方法	提出了两种互补的策略来优化OCTA体积的2D图像摘要：通过深度学习优化的参数化正面投影和基于梯度归因的横截面切片选择过程	NA	研究自动DR严重程度评估方法	糖尿病视网膜病变（DR）	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管造影（OCTA）	神经网络	图像	NA
15260	2024-10-05	Scalable Swin Transformer network for brain tumor segmentation from incomplete MRI modalities 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102788 PMID:38462288	研究论文	本文提出了一种名为IMS2Trans的新型轻量级可扩展Swin Transformer网络，用于从不完全的MRI模态中进行脑肿瘤分割	利用单一编码器从所有可用模态中提取潜在特征图，实现了模态间的高效信息共享和融合，即使在存在缺失模态的情况下也能保持分割性能	未提及	提高在不完全MRI模态下脑肿瘤分割的准确性和效率	脑肿瘤分割	计算机视觉	脑肿瘤	MRI	Swin Transformer	图像	BraTS 2018和BraTS 2020数据集