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
15381	2024-09-27	Automated Detection and Measurement of Dural Sack Cross-Sectional Area in Lumbar Spine MRI Using Deep Learning 2023-Sep-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10091072 PMID:37760174	研究论文	本研究开发并验证了用于自动检测和测量腰椎MRI中硬膜囊横截面积的深度学习模型	本研究首次使用U-Net、Attention U-Net和MultiResUNet模型进行自动检测和测量，显著提高了检测精度和减少了手动方法的误差	需要进一步的大样本量和多中心数据验证模型的泛化能力	开发和验证用于自动检测和测量腰椎MRI中硬膜囊横截面积的深度学习模型	腰椎MRI中的硬膜囊横截面积	计算机视觉	NA	深度学习	U-Net、Attention U-Net、MultiResUNet	图像	515名有症状背痛患者的数据集，以及50名患者的验证数据集
15382	2024-09-27	Efficient and Automatic Breast Cancer Early Diagnosis System Based on the Hierarchical Extreme Learning Machine 2023-Sep-09, Sensors (Basel, Switzerland) DOI:10.3390/s23187772 PMID:37765827	研究论文	本文提出了一种基于分层极限学习机（H-ELM）的高效自动乳腺癌早期诊断系统	该系统在公共乳腺超声图像（BUSI）数据集上的分类准确率达到了86.13%，超过了传统的深度学习方法，并且训练时间大幅减少至5.31秒	系统仅依赖于超声图像，未考虑其他相关信息和监督	开发一种高效且自动化的乳腺癌早期诊断系统	乳腺癌的超声图像	计算机视觉	乳腺癌	分层极限学习机（H-ELM）	分层极限学习机（H-ELM）	图像	28×28像素的超声图像
15383	2024-09-27	CNN-ViT Supported Weakly-Supervised Video Segment Level Anomaly Detection 2023-Sep-07, Sensors (Basel, Switzerland) DOI:10.3390/s23187734 PMID:37765792	研究论文	本文提出了一种基于CNN和ViT的弱监督视频片段级异常检测方法	利用预训练的CNN和ViT特征提取器，结合时间自注意力网络（TSAN）提取长短期时间依赖性，设计了多实例学习（MIL）架构	依赖于预训练的特征提取器，可能受限于这些提取器的性能	改进弱监督视频异常检测技术	视频片段级异常检测	计算机视觉	NA	CNN, ViT, 时间自注意力网络（TSAN）	CNN-ViT-TSAN	视频	公开的流行人群数据集
15384	2024-09-27	Emerging Technologies for 6G Communication Networks: Machine Learning Approaches 2023-Sep-06, Sensors (Basel, Switzerland) DOI:10.3390/s23187709 PMID:37765765	综述	本文综述了机器学习方法在6G通信网络新兴技术中的应用	本文首次系统地综述了机器学习、深度学习和强化学习算法在6G技术中的重要性	本文主要集中在算法综述，未提供具体的实验验证	探讨机器学习算法及其衍生算法在优化6G网络新兴技术中的潜力	6G通信网络中的新兴技术	机器学习	NA	机器学习算法	ML, DL, RL	NA	NA
15385	2024-09-27	Deep Learning for Detection and Localization of B-Lines in Lung Ultrasound 2023-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3282596 PMID:37276107	研究论文	研究了多种深度学习方法在肺超声视频中自动检测和定位B线伪影的能力	提出了一个新的“单点”方法用于B线定位，并发布了包含1,419个视频的新超声数据集BEDLUS	研究结果显示，尽管深度学习方法在B线检测上表现良好，但单点定位方法的F-score为0.65，与观察者间的一致性相当	评估和比较不同深度学习方法在肺超声视频中自动检测和定位B线伪影的效果	肺超声视频中的B线伪影	计算机视觉	NA	深度学习	CNN	视频	1,419个视频，来自113名患者，包含15,755个专家标注的B线伪影
15386	2024-09-27	Topological deep learning based deep mutational scanning 2023-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107258 PMID:37506452	研究论文	本文提出了一种基于拓扑深度学习的深度突变扫描方法，用于系统理解蛋白质功能	引入了一种新的拓扑数据分析技术，基于持久谱理论，捕捉数据的拓扑不变量和同伦形状演化	NA	开发一种替代方法来处理蛋白质的巨大突变空间，以促进深度突变扫描	蛋白质功能和突变	机器学习	NA	拓扑深度学习	拓扑深度学习模型	数据集	使用SARS-CoV-2数据集进行验证
15387	2024-09-27	AutoUnmix: an autoencoder-based spectral unmixing method for multi-color fluorescence microscopy imaging 2023-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.498421 PMID:37791286	研究论文	提出了一种基于自编码器的深度学习方法AutoUnmix，用于多色荧光显微镜成像中的光谱解混	AutoUnmix方法通过模仿物理光谱混合过程，实现了实时解混，速度比现有方法快100倍，并且在重建性能上表现优异	NA	开发一种新的光谱解混方法，以提高多色荧光显微镜成像的质量和分析能力	多色荧光显微镜成像中的光谱解混问题	计算机视觉	NA	深度学习	自编码器	图像	包括合成数据集和生物样本
15388	2024-09-27	Deep Learning-assisted Diagnosis of Breast Lesions on US Images: A Multivendor, Multicenter Study 2023-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.220185 PMID:37795135	研究论文	评估深度学习模型在多中心、多厂商的乳腺超声图像诊断中的性能	开发了一种基于双重注意机制的卷积神经网络，用于区分良性和恶性肿瘤	研究为回顾性，且仅限于乳腺超声图像	评估深度学习模型在乳腺超声诊断中的性能，并探讨其对不同经验水平读者的帮助	乳腺肿瘤的良恶性分类	计算机视觉	乳腺癌	深度学习	卷积神经网络	图像	45,909张超声图像，涉及8797名患者中的9895个病理分析确认的乳腺病变
15389	2024-09-27	Semisupervised Learning with Report-guided Pseudo Labels for Deep Learning-based Prostate Cancer Detection Using Biparametric MRI 2023-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.230031 PMID:37795142	研究论文	本文评估了一种基于诊断报告自动生成稀疏信息指导的半监督学习方法，用于利用额外数据进行深度学习辅助的临床显著性前列腺癌检测	提出了一种新的半监督学习方法（RG-SSL），通过诊断报告中的自动稀疏信息指导，提高了前列腺癌检测的性能	研究是回顾性的，且仅限于特定的数据集和时间范围	评估一种新的半监督学习方法在临床显著性前列腺癌检测中的有效性	临床显著性前列腺癌的检测	计算机视觉	前列腺癌	MRI	深度学习	图像	7756个前列腺MRI检查（6380名患者）
15390	2024-09-27	Reimagining Healthcare: Unleashing the Power of Artificial Intelligence in Medicine 2023-Sep, Cureus DOI:10.7759/cureus.44658 PMID:37799217	综述	本文综述了人工智能在医疗领域的应用及其对诊断、治疗、药物开发和远程医疗的影响	人工智能技术如机器学习和深度学习在疾病识别、早期干预、临床决策支持系统和疾病预测模型中的创新应用	人工智能在医疗决策中的应用存在局限性，需要结合实际操作经验，并面临伦理和监管问题	探讨人工智能在医疗领域的应用及其伦理和平衡整合的重要性	人工智能技术在医疗诊断、治疗、药物开发和远程医疗中的应用	机器学习	NA	机器学习 (ML) 和深度学习 (DL)	NA	NA	NA
15391	2024-09-27	Artificial Intelligence's Use in the Diagnosis of Mouth Ulcers: A Systematic Review 2023-Sep, Cureus DOI:10.7759/cureus.45187 PMID:37842407	综述	本文综述了人工智能在口腔溃疡诊断中的应用研究	开发了一种用于自动分类口腔溃疡的AI框架，表现优于现有的卷积神经网络图像分类技术	提出的技术需要更大规模的数据进行验证和训练	探讨人工智能在口腔溃疡诊断中的应用	口腔溃疡的分类和识别	机器学习	口腔疾病	深度学习	ResNet50, YOLOV	图像	NA
15392	2024-09-27	Advancing Colorectal Cancer Screening: A Comprehensive Systematic Review of Artificial Intelligence (AI)-Assisted Versus Routine Colonoscopy 2023-Sep, Cureus DOI:10.7759/cureus.45278 PMID:37846251	综述	本文系统综述了人工智能辅助结肠镜检查与常规结肠镜检查在结直肠癌筛查中的优缺点	探讨了基于深度学习的计算机辅助检测系统在提高腺瘤和息肉检出率方面的优势	研究存在潜在的性能偏差和地理限制，需要更多双盲试验和多国多样本研究来验证	分析人工智能辅助结肠镜检查在结直肠癌早期检测中的潜力和局限性	结直肠癌的早期检测和筛查方法	计算机视觉	结直肠癌	计算机辅助检测系统	深度学习	NA	13项随机对照试验（2019-2023）
15393	2024-09-27	Novel Artificial Intelligence-Based Approaches for Ab Initio Structure Determination and Atomic Model Building for Cryo-Electron Microscopy 2023-Aug-27, Micromachines IF:3.0Q2 DOI:10.3390/mi14091674 PMID:37763837	综述	本文综述了基于人工智能的新方法在从头结构确定和原子模型构建中的应用	利用人工智能特别是深度学习技术，克服了传统图像处理方法无法解决的限制	仍存在一些限制，需要进一步发展	探讨人工智能在从头体积生成、异质性3D重建和原子模型构建中的应用	单颗粒冷冻电镜实验中的生物大分子结构	计算机视觉	NA	深度学习	NA	图像	NA
15394	2024-09-27	Emerging Trends in Fast MRI Using Deep-Learning Reconstruction on Undersampled k-Space Data: A Systematic Review 2023-Aug-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10091012 PMID:37760114	综述	本文系统综述了利用深度学习重建欠采样k空间数据的快速MRI技术	本文整合了深度学习模型与欠采样方法，重新定义了快速MRI的最新技术	本文未提及具体的技术局限性	旨在分析深度MRI重建模型，强调近期提出方法的关键要素及其优缺点	快速MRI技术及其深度学习重建方法	计算机视觉	NA	深度学习	NA	图像	NA
15395	2024-09-27	Clinical Validation Benchmark Dataset and Expert Performance Baseline for Colorectal Polyp Localization Methods 2023-Aug-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9090167 PMID:37754931	研究论文	本文介绍了一个用于结直肠息肉定位方法临床验证的基准数据集和专家表现基线	首次在实验室环境中提供了一个标准化的比较方法，以便在临床验证之前评估人工智能和深度学习方法的表现	数据集仅包含65张未编辑的内镜图像，可能不足以全面评估所有情况	验证人工智能和深度学习方法在结直肠息肉定位中的表现，并建立专家表现的基线	结直肠息肉定位方法的表现	计算机视觉	结直肠癌	深度学习	NA	图像	65张内镜图像，其中三分之一包含病变
15396	2024-09-27	WindowSHAP: An efficient framework for explaining time-series classifiers based on Shapley values 2023-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104438 PMID:37414368	研究论文	本文介绍了一种名为WindowSHAP的高效框架，用于基于Shapley值解释时间序列分类器	提出了WindowSHAP框架，通过将序列划分为时间窗口来减轻计算Shapley值的复杂性，并提高解释质量	NA	旨在解决现有方法在解释时间序列模型时存在的计算复杂性和解释质量问题	时间序列分类器及其在临床应用中的解释	机器学习	创伤性脑损伤，重症监护医学	Shapley值	NA	时间序列数据	120个时间步长（小时）
15397	2024-09-27	DuSFE: Dual-Channel Squeeze-Fusion-Excitation co-attention for cross-modality registration of cardiac SPECT and CT 2023-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102840 PMID:37216735	研究论文	本文提出了一种新的双通道挤压-融合-激励（DuSFE）共注意力模块，用于心脏SPECT和CT衍生的μ-maps的跨模态刚性配准	本文首次研究了基于深度学习的心脏SPECT和CT衍生的μ-maps的跨模态配准，并提出了一种新的DuSFE共注意力模块，能够更好地提取和融合输入信息	NA	提高心脏SPECT和CT衍生的μ-maps的跨模态配准精度，从而改善心脏SPECT图像的衰减校正效果	心脏SPECT和CT衍生的μ-maps	计算机视觉	心血管疾病	深度学习	CNN	图像	临床患者MPI研究
15398	2024-09-27	Pulmonary contusion: automated deep learning-based quantitative visualization 2023-Aug, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-023-02149-2 PMID:37318609	研究论文	研究利用深度学习模型自动量化肺挫伤，并评估其与急性呼吸窘迫综合征（ARDS）等临床结果的关系	首次使用深度学习模型（nnU-Net）自动量化肺挫伤，并将其与临床结果相关联	研究为回顾性分析，样本量相对较小，且未考虑所有可能的临床变量	开发和验证一种基于深度学习的自动化方法，用于量化肺挫伤并预测ARDS风险	肺挫伤患者及其临床结果	数字病理学	肺部疾病	深度学习	nnU-Net	图像	302名成年肺挫伤患者
15399	2024-09-27	Comprehensive assessment of the anterior segment in refraction corrected OCT based on multitask learning 2023-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.493065 PMID:37799701	研究论文	提出了一种基于多任务学习的全自动深度学习方法，用于前段OCT图像中主要结构的分割和量化，并进行了屈光校正	首次提出了一种多任务深度学习方法，能够同时分割和量化前段结构，并进行屈光校正	仅使用了1251张AS-OCT图像进行训练和测试，样本量相对较小	开发一种能够识别所有重要前段结构的方法，以辅助临床诊断	前段OCT图像中的虹膜、晶状体、角膜、ICL和IOL等结构	计算机视觉	NA	多任务深度学习	深度学习网络	图像	1251张AS-OCT图像，来自180名患者
15400	2024-09-27	Feasibility of deep learning-based polarization-sensitive optical coherence tomography angiography for imaging cutaneous microvasculature 2023-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.488822 PMID:37799704	研究论文	研究了基于深度学习的偏振敏感光学相干断层扫描血管造影术（PS-OCTA）在成像皮肤微血管中的可行性	提出了将深度学习与PS-OCT集成的方法，并评估了两种神经网络（RDN和GRDN）在PS-OCTA中的表现	研究仅限于18个皮肤位置的PS-OCT扫描，样本量较小	探讨深度学习在PS-OCTA成像皮肤微血管中的应用潜力	皮肤微血管的成像	计算机视觉	NA	偏振敏感光学相干断层扫描（PS-OCT）	残差密集网络（RDN）和升级的分组RDN（GRDN）	图像	18个皮肤位置，包含16,600对B扫描图像