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
15401	2024-08-05	The use of deep learning in interventional radiotherapy (brachytherapy): A review with a focus on open source and open data 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2022.10.005 PMID:36376203	review	本文回顾了深度学习在介入放射治疗（近距离放射治疗）中的应用，重点分析了开源和开放数据。	探讨了深度学习在介入放射治疗各个过程中的作用，并分析了开源代码和数据的可用性。	开源代码、数据和模型的发布意愿不足，限制了结果可重复性，同时评估仅限于单一机构的数据集。	研究深度学习在介入放射治疗中的应用和发展。	介入放射治疗过程及相关领域的深度学习应用。	医学影像	NA	深度学习	NA	开放数据	NA
15402	2024-08-05	Automated prognosis of renal function decline in ADPKD patients using deep learning 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2023.08.001 PMID:37612178	研究论文	本研究开发了基于深度学习的方法来自动预测ADPKD患者的肾功能下降。	提出了结合自动生成的肾脏MRI图像特征与传统生物标志物的新方法，采用卷积神经网络（CNN）和多层感知器（MLP）进行预测。	研究主要基于样本量为135的患者，可能限制了结果的广泛适用性。	探索如何通过深度学习提高ADPKD患者肾功能下降的预后准确性。	涉及多人群，即135名ADPKD患者，通过分析其肾脏影像和生物标志物来进行研究。	计算机视觉	肾脏疾病	深度学习	卷积神经网络（CNN）和多层感知器（MLP）	影像	135名ADPKD患者
15403	2024-08-05	PSMA-PET improves deep learning-based automated CT kidney segmentation 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2023.08.006 PMID:37666698	研究论文	本文探讨了结合PSMA-PET数据在自动化CT肾脏分割中的应用	提出将PSMA-PET数据整合到现有的CT基础自动分割方法中，提升肾脏分割的准确性	未提及具体的样本大小及应用场景的限制	研究PSMA-PET数据对CT肾脏分割的价值	肾脏的自动化分割	数字病理学	NA	深度学习	NA	CT图像, PSMA-PET数据	NA
15404	2024-08-05	Feature-guided deep learning reduces signal loss and increases lesion CNR in diffusion-weighted imaging of the liver 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2023.07.005 PMID:37543450	研究论文	本研究旨在开发一种特征引导的深度学习方法，以提高肝脏扩散加权成像的图像质量	提出了一种通过优化特征而非“黄金标准”目标图像来训练U-Net的深度学习方法	不同放射科医师的整体质量评分存在差异	提高肝脏扩散加权成像的图像质量，尤其是降低脉动引起的信号损失	使用来自40名肝脏病变患者的数据进行研究	数字病理学	肝病	扩散加权成像	U-Net	影像	40名肝脏病变患者
15405	2024-08-05	Deep learning algorithm (YOLOv7) for automated renal mass detection on contrast-enhanced MRI: a 2D and 2.5D evaluation of results 2024-04, Abdominal radiology (New York) DOI:10.1007/s00261-023-04172-w PMID:38368481	研究论文	本研究探讨了深度学习算法YOLOv7在对比增强MRI上检测肾肿瘤的应用	本研究首次使用YOLOv7进行肾肿瘤的自动检测，并引入了一种新开发的2.5维评估方法	研究中使用的方法和结果可能需要在更大和更多样化的样本上验证	自动化检测与分类肾肿瘤以提高诊断和治疗的准确性	326名接受MRI检查的肾细胞癌患者及其1034个肿瘤样本	计算机视觉	肾癌	对比增强MRI	YOLOv7	图像	326名患者及1034个肿瘤
15406	2024-08-05	Association Between Body Composition and Survival in Patients With Gastroesophageal Adenocarcinoma: An Automated Deep Learning Approach 2024-Apr, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00231 PMID:38588476	研究论文	本文探讨了身体成分在食管胃腺癌患者预后中的作用，并使用深度学习模型进行自动量化	开发了一个深度学习模型，用于从常规CT扫描中自动量化身体成分，并评估其在临床中的预后作用	在基线时没有检测到身体成分测量与无病生存期的关联，可能限制了预后评估的全面性	研究身体成分在食管胃腺癌患者中的预后价值	299名食管胃腺癌患者的临床队列	数字病理学	食管胃腺癌	深度学习	CNN	医学成像	299名患者
15407	2024-08-05	Deep learning for water quality 2024-Mar-12, Nature water DOI:10.1038/s44221-024-00202-z PMID:38846520	综述	本综述探讨了深度学习在水质研究中的应用潜力	提出深度学习可以填补时空数据缺口，并识别影响水质的关键因素	传统基于过程的模型与统计模型在预测水质时通常表现不佳	探讨深度学习在水质科学中的应用及其优势	聚焦于内陆水体质量的理解与预测	数字病理学	NA	深度学习	NA	高维数据	NA
15408	2024-08-05	CenTime: Event-conditional modelling of censoring in survival analysis 2024-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103016 PMID:37913577	研究论文	该论文介绍了一种新的生存分析方法CenTime，可以直接估计事件发生时间	提出了一种创新的事件条件删失机制，即使在无删失数据稀缺的情况下也能有效工作	未提及具体的限制	研究如何预测临床重要事件的发生时间	基于患者数据估计特定事件的发生时间，如死亡或癌症复发	生存分析	癌症	深度学习	NA	患者数据	NA
15409	2024-08-05	An Automatic Grading System for Neonatal Endotracheal Intubation with Multi-Task Convolutional Neural Network 2023-Oct, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi58575.2023.10313510 PMID:38846334	研究论文	本文提出了一种基于多任务卷积神经网络的自动评分系统，用于评估新生儿气管插管的熟练程度	本研究首次将多任务深度学习技术与多变量时间序列数据结合，成功实现气管插管表现的自动评估	研究未提及样本的多样性及其在不同临床环境中的适用性	开发一种自动评分系统以帮助培训者评估气管插管技能	新生儿气管插管（ETI）培训过程中的学员表现	机器学习	NA	卷积神经网络	多任务卷积神经网络 (MTCNN)	多变量时间序列数据	使用标准的新生儿任务训练假人进行实验
15410	2024-08-05	A Deep Learning Approach for Histology-Based Nucleus Segmentation and Tumor Microenvironment Characterization 2023-08, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100196 PMID:37100227	研究论文	本文提出了一种基于组织学的深度学习方法，用于细胞核分割和肿瘤微环境特征描述	提出了一种名为HD-Yolo的新方法，显著加快了细胞核分割和肿瘤微环境定量的处理速度	现有算法计算密集且耗时，对于全切片图像分析不够高效	研究肿瘤组织及其周围微环境，以提供肿瘤发生、发展和转移的关键见解	针对不同类型的肿瘤组织进行细胞核识别和分类	数字病理学	肺癌、肝癌和乳腺癌	深度学习	Yolo	图像	3种不同组织类型的样本，分别用于肺癌、肝癌和乳腺癌
15411	2024-08-07	Opportunistic detection of type 2 diabetes using deep learning from frontal chest radiographs 2023-07-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-39631-x PMID:37419921	研究论文	本研究利用深度学习模型从胸部X光片和电子健康记录中检测2型糖尿病	研究结合了胸部X光片和电子健康记录数据，以提高2型糖尿病的检测率	外部验证仅在不同机构进行，且结果略低于主要测试结果	目标是通过深度学习模型检测2型糖尿病	研究对象为271,065个胸部X光片和160,244名患者	机器学习	糖尿病	深度学习	NA	图像	271,065个胸部X光片，160,244名患者
15412	2024-08-05	MeshDeform: Surface Reconstruction of Subcortical Structures in Human Brain MRI 2023-Jun, Information processing in medical imaging : proceedings of the ... conference DOI:10.1007/978-3-031-34048-2_41 PMID:37915753	研究论文	本论文提出了一种名为MeshDeform的新型深度学习网格变形网络，用于重建人脑MRI中皮层下结构的表面	MeshDeform结合了U-Net编码器提取的特征和网格变形模块，能够以亚体素精度快速重建皮层下结构的拓扑正确表面	NA	研究脑的形态学，通过重建皮层和皮层下结构的表面	人脑MRI中的皮层下结构	数字病理学	NA	深度学习	U-Net	MRI图像	涉及了17个皮层下结构
15413	2024-08-05	Artificial intelligence for cardiovascular disease risk assessment in personalised framework: a scoping review 2024-Jul, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102660 PMID:38846068	综述	本文是关于在个性化框架中利用人工智能进行心血管疾病风险评估的全面范围审查.	文章揭示了人工智能在心血管疾病风险评估中的独特应用，展示了如何结合基因组学和AI算法构建更准确的预测模型和个性化治疗方案.	该研究未涉及具体的实验数据和临床试验结果，仅基于文献综述.	本研究旨在探讨人工智能与个性化医学如何结合以改善心血管疾病的风险评估.	研究对象是心血管疾病（CVD）和人工智能（AI）相关的文献.	生物医学	心血管疾病	机器学习（ML）和深度学习（DL）	NA	文献综述数据	121项适合定性合成的研究
15414	2024-08-05	Designing Clinical MRI for Enhanced Workflow and Value 2024-Jul, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29038 PMID:37795927	研究论文	本研究探讨了优化MRI工作流程和提高患者价值的机会	提出了通过数字工具和设计策略改善MRI处理流程的新方法	未提供具体的证据级别和技术效果数据	优化MRI视频成像的工作流程以提高效率和患者体验	针对医学成像领域的MRI流程和技术人员效率	数字病理	NA	深度学习加速图像重建	NA	NA	NA
15415	2024-08-05	Label-free white blood cells classification using a deep feature fusion neural network 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31496 PMID:38845979	研究论文	本文提出了一种基于深度特征融合神经网络的无标记白细胞分类方法	该研究创新性地结合了浅层提取的低级特征和深层提取的高级特征用于无标记白细胞检测	目前的深度学习白细胞分类技术在显微镜下无法有效利用白细胞内部结构的微妙差异	旨在通过深度学习改进无标记白细胞图像分析方法	研究对象为白细胞的图像分析和分类	数字病理学	NA	深度学习	深度特征融合神经网络	图像	测试集上准确度达到80.3%
15416	2024-08-05	RhizoNet segments plant roots to assess biomass and growth for enabling self-driving labs 2024-06-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63497-8 PMID:38839814	研究论文	本文介绍了RhizoNet，一个基于深度学习的工作流程，用于语义分割植物根系扫描	RhizoNet通过残差U-Net架构提高预测准确性，并采用凸包操作划分主要根系组件	自动分析因根系结构复杂和图像背景噪声而变得困难	准确分割根系生物量并监测其随时间的生长	生长在名为EcoFAB的水培系统中的植物根系	数字病理学	NA	深度学习	残差U-Net	彩色扫描图像	上千张图像
15417	2024-08-05	AMP-RNNpro: a two-stage approach for identification of antimicrobials using probabilistic features 2024-06-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63461-6 PMID:38839785	研究论文	本研究提出了一种基于RNN的AMP-RNNpro模型用于识别抗菌肽（AMPs）	引入了一种创新的两阶段模型AMP-RNNpro，结合了多种特征编码方法来提高抗菌肽的检测效率	未提及具体的局限性	旨在提高抗菌肽的识别效率，以应对抗生素抗药性问题	研究抗菌肽（AMPs）的识别	机器学习	NA	深度学习	RNN	NA	分析了33个模型并选取了6个最佳模型
15418	2024-08-05	Vortex-like vs. turbulent mixing of a Viscum album preparation affects crystalline structures formed in dried droplets 2024-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63797-z PMID:38839929	研究论文	研究了不同混合方法对干燥液滴中晶体结构的影响	展示了涡流混合与湍流混合对晶体模式复杂度的不同影响	未提及具体的样本大小和实验重复性	探索液体流动对同源制备过程的影响	分析不同混合方式下的Viscum album制备品	数字病理学	NA	微滴蒸发法、计算机支持的图像分析、深度学习	NA	图像	NA
15419	2024-08-05	High-Throughput Single-Entity Electrochemistry with Microelectrode Arrays 2024-Jun-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01092 PMID:38780285	研究论文	本文描述了一种自动化的阵列微电池方法用于微纳米电极阵列分析	该研究创新地应用了AMCM于高通量单体电化学，并使用U-Net深度学习模型分析碰撞瞬态大小	实验中对溶剂蒸发影响的研究可能未涵盖所有变量	研究微电极阵列在单实体电化学中的应用	研究对象为不同直径（100 nm至2 μm）的电极和纳米颗粒的碰撞事件	电化学	NA	阵列微电池法（AMCM）	U-Net	实验数据	记录了来自671个电极的3270个单颗粒事件
15420	2024-08-05	Multi-task aquatic toxicity prediction model based on multi-level features fusion 2024-Jun-04, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.06.002 PMID:38844122	研究论文	本文提出了一个基于多级特征融合的多任务水生毒性预测模型ATFPGT-multi	创新点在于将分子指纹和分子图结合，以多任务深度神经网络框架同时预测不同鱼类的急性毒性	未提及具体的限制	研究有机化合物在不同水生物中的毒性预测	四种不同鱼类的急性毒性	数字病理学	NA	深度学习	深度神经网络	实验数据集	四个鱼类数据集