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
16201	2024-09-21	Non-invasive diagnosis of pancreatic steatosis with ultrasound images using deep learning network 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37580 PMID:39296003	研究论文	本研究旨在验证胰腺脂肪变性（PS）是否为2型糖尿病（T2DM）的独立风险因素，并开发和验证了一种基于超声图像的深度学习模型用于PS的诊断	本研究开发了一种深度学习模型，显著提高了传统超声对PS检测的诊断准确性	本研究为回顾性研究，样本量相对较小，未来需要更大规模的前瞻性研究进一步验证	验证胰腺脂肪变性是否为2型糖尿病的独立风险因素，并开发一种新的诊断方法	胰腺脂肪变性和2型糖尿病	计算机视觉	糖尿病	深度学习	深度学习模型	图像	139名患者
16202	2024-09-21	Arabic dialect identification in social media: A hybrid model with transformer models and BiLSTM 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36280 PMID:39296033	研究论文	本文提出了一种结合Transformer模型和BiLSTM的混合模型，用于阿拉伯方言在社交媒体中的识别	引入了包含121,289条用户生成评论的新数据集，并提出了两种混合模型：BiLSTM与CAMeLBERT结合，以及BiLSTM与AlBERT结合	NA	解决阿拉伯方言在社交媒体中的识别问题	阿拉伯方言的识别	自然语言处理	NA	NA	BiLSTM	文本	121,289条用户生成评论，涵盖埃及、约旦、海湾和也门四种主要阿拉伯方言
16203	2024-09-21	Intelligent system based on multiple networks for accurate ovarian tumor semantic segmentation 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37386 PMID:39296061	研究论文	本文提出了一种基于多网络组合的智能系统，用于卵巢肿瘤的语义分割	通过结合不同的卷积神经网络和自定义组合算法，实现了更准确的卵巢肿瘤分割	目前仅使用了五个DeepLab-V3+网络，未来可以扩展到更强大的深度学习模型	设计更准确的医疗支持系统，以辅助医疗人员进行高效的卵巢肿瘤诊断	卵巢肿瘤，包括良性和恶性肿瘤	计算机视觉	卵巢癌	卷积神经网络	DeepLab-V3+	图像	未明确提及具体样本数量
16204	2024-09-21	MobileNet-V2 /IFHO model for Accurate Detection of early-stage diabetic retinopathy 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37293 PMID:39296185	研究论文	提出了一种新的策略，通过结合MobileNet-V2深度学习网络和改进的Fire Hawk优化器（IFHO）来提高糖尿病视网膜病变的检测准确性	结合了MobileNet-V2和IFHO优化器，优化了特征选择过程，提高了检测的准确性和效率	需要在大规模数据集上进行进一步验证和测试，以验证模型在实际临床场景中的有效性和鲁棒性	提高糖尿病视网膜病变的早期检测准确性	糖尿病视网膜病变	计算机视觉	眼科疾病	深度学习	MobileNet-V2	图像	使用了Diabetic Retinopathy 2015数据集
16205	2024-09-21	Detection of real-time deep fakes and face forgery in video conferencing employing generative adversarial networks 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37163 PMID:39296212	研究论文	本文提出了一种基于深度条件生成对抗网络（CED-DCGAN）的紧凑集成判别器架构，用于实时检测视频会议中的深度伪造和人脸伪造	采用了一种独特的主动取证策略，通过紧凑集成判别器架构来识别高保真度的深度伪造视频	NA	开发一种能够实时检测视频会议中深度伪造和人脸伪造的方法	视频会议中的深度伪造和人脸伪造	计算机视觉	NA	生成对抗网络（GAN）	深度条件生成对抗网络（DCGAN）	视频	使用公开数据集进行实验
16206	2024-09-21	Non-invasive multimodal CT deep learning biomarker to predict pathological complete response of non-small cell lung cancer following neoadjuvant immunochemotherapy: a multicenter study 2024-Sep-03, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2024-009348 PMID:39231545	研究论文	本研究利用多模态CT和深度学习技术，构建了一个非侵入性的生物标志物模型，用于预测非小细胞肺癌在接受新辅助免疫化疗后的病理完全反应	本研究首次利用多模态CT和深度学习技术，构建了一个非侵入性的生物标志物模型，用于预测非小细胞肺癌在接受新辅助免疫化疗后的病理完全反应	本研究仅在特定时间段内的多中心数据上进行了验证，未来需要在更多样本和更广泛的数据集上进行验证	开发一种非侵入性的生物标志物，用于预测非小细胞肺癌在接受新辅助免疫化疗后的病理完全反应	非小细胞肺癌患者在接受新辅助免疫化疗后的病理完全反应	计算机视觉	肺癌	深度学习	CNN	图像	训练和验证数据集包含113名患者，测试数据集包含112名患者
16207	2024-09-21	Spatial host-microbiome sequencing reveals niches in the mouse gut 2024-Sep, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-023-01988-1 PMID:37985876	研究论文	本文介绍了一种名为空间宿主-微生物组测序（SHM-seq）的新方法，用于捕获小鼠肠道组织中的组织病理学、多聚腺苷酸RNA和细菌16S序列	SHM-seq方法通过修改空间条码玻璃表面，实现了宿主转录本和16S细菌核糖体RNA的超变区的同时捕获	NA	研究宿主-微生物组在健康和疾病中的相互作用	小鼠肠道组织中的细胞和微生物网络	NA	NA	空间宿主-微生物组测序（SHM-seq）	深度学习	组织病理学、多聚腺苷酸RNA、细菌16S序列	小鼠肠道组织样本
16208	2024-09-21	Are deep learning classification results obtained on CT scans fair and interpretable? 2024-Sep, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01419-8 PMID:38573489	研究论文	本文探讨了在CT扫描上使用深度学习进行分类时，结果是否公平且可解释	提出了一种严格的病人级别分离训练方法，以提高模型的实际可用性和解释性	未提及具体的技术细节或实验结果，仅提出了一个理论上的改进方向	探讨深度学习在医学图像分类中的公平性和可解释性问题	CT扫描图像和肺结节分类	计算机视觉	肺部疾病	深度学习	深度神经网络	图像	NA
16209	2024-09-21	Pretraining of 3D image segmentation models for retinal OCT using denoising-based self-supervised learning 2024-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.524603 PMID:39296384	研究论文	本文探讨了利用基于图像恢复技术的3D自监督学习来预训练3D图像分割模型，以提高视网膜OCT图像的分割性能	本文提出了基于图像恢复和去噪的3D自监督学习方法，用于预训练3D网络，从而减少对分割标注的依赖	本文未提及具体的局限性	提高视网膜OCT图像分割的自动化程度和性能	视网膜OCT图像中的生物标志物分割	计算机视觉	NA	自监督学习	U-Net	3D图像	使用了大量3D OCT数据集进行预训练，并在两个具有挑战性的液体分割数据集上进行微调
16210	2024-09-21	High-resolution in vivo 4D-OCT fish-eye imaging using 3D-UNet with multi-level residue decoder 2024-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.532258 PMID:39296392	研究论文	本文介绍了一种基于3D-UNet和多级残差解码器的高分辨率4D-OCT鱼眼成像系统	提出了一种基于深度学习的实时4D-OCT系统，能够重建近无畸变的体图像，并通过多级信息融合加速收敛和提高精度	NA	解决3D-OCT成像中的运动伪影问题，实现高分辨率实时成像	生物组织的高分辨率体成像	计算机视觉	NA	光学相干断层扫描(OCT)	卷积神经网络(CNN)	图像	NA
16211	2024-09-21	Fluorescence diffuse optical monitoring of bioreactors: a hybrid deep learning and model-based approach for tomography 2024-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.529884 PMID:39296388	研究论文	本文提出了一种混合深度学习和模型优化方法，用于生物反应器的荧光扩散光学层析成像监测	通过结合经典模型优化和神经网络，提出了一种改进的荧光扩散光学层析成像方法，显著提高了在噪声条件下的重建精度	NA	提高生物反应器中细胞状态监测的准确性	生物反应器中的细胞状态	计算机视觉	NA	荧光扩散光学层析成像（fDOT）	神经网络	图像	模拟和实际实验数据
16212	2024-09-21	Deep learning techniques for Alzheimer's disease detection in 3D imaging: A systematic review 2024-Sep, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.70025 PMID:39296636	综述	本文系统回顾了深度学习技术在阿尔茨海默病3D影像检测中的应用	本文评估了深度学习方法在阿尔茨海默病检测中的当前状态、效率和潜在改进	本文主要集中在理论模型和实际实施问题的讨论上	评估深度学习方法在阿尔茨海默病3D影像检测中的应用现状和潜在改进	阿尔茨海默病的3D影像数据	计算机视觉	阿尔茨海默病	深度学习	卷积神经网络（CNN）	3D影像	87篇文章，其中31篇讨论模型和理论，56篇讨论实际实施问题
16213	2024-09-21	A deep learning model for personalized intra-arterial therapy planning in unresectable hepatocellular carcinoma: a multicenter retrospective study 2024-Sep, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102808 PMID:39296944	研究论文	本文提出了一种基于深度学习的个性化肝动脉内治疗计划模型，用于不可切除的肝细胞癌患者	本文创新性地使用SELECTION模型和ATOM模型，通过生存评分来优化不可切除肝细胞癌患者的治疗选择	本文的局限性在于其为回顾性多中心研究，且依赖于特定的治疗方式和数据集	研究目的是开发一种基于人工智能的个性化治疗计划模型，以提高不可切除肝细胞癌患者的治疗效果	研究对象为1725名接受过预手术CECT扫描的不可切除肝细胞癌患者	机器学习	肝癌	深度学习	Transformer	图像	1725名患者
16214	2024-09-21	Deep learning model utilizing clinical data alone outperforms image-based model for hernia recurrence following abdominal wall reconstruction with long-term follow up 2024-Jul, Surgical endoscopy DOI:10.1007/s00464-024-10980-y PMID:38862826	研究论文	本研究探讨了利用临床数据而非影像数据构建的深度学习模型在预测腹壁重建后疝复发方面的表现	首次比较了仅使用临床数据和影像数据的深度学习模型在预测疝复发方面的表现，发现临床数据模型优于影像数据模型	所有模型在预测疝复发方面的表现均不佳，需要进一步研究以提高预测能力	评估深度学习模型在预测腹壁重建后疝复发方面的表现，并探讨是否结合临床数据能提高预测能力	腹壁重建后疝复发的预测	机器学习	NA	深度学习	深度学习模型	影像数据和临床数据	190名腹壁重建患者
16215	2024-09-21	Surgical optomics: hyperspectral imaging and deep learning towards precision intraoperative automatic tissue recognition-results from the EX-MACHYNA trial 2024-Jul, Surgical endoscopy DOI:10.1007/s00464-024-10880-1 PMID:38789623	研究论文	本研究开发了一种基于高光谱成像（HSI）和深度学习的自动腹部组织识别系统，并在前瞻性双中心设置中使用人类数据进行了验证	首次将高光谱成像与机器学习结合，用于手术中的自动组织识别，并提出了“手术光组学”这一新概念	需要进一步研究以量化高光谱成像的临床价值	开发基于高光谱成像的自动腹部组织识别系统，并验证其在手术中的应用	腹部手术中的组织识别	计算机视觉	NA	高光谱成像（HSI）	卷积神经网络（CNN）	图像	169名患者，其中73名来自斯特拉斯堡，96名来自维罗纳
16216	2024-09-21	Multi-scale spatiotemporal attention network for neuron based motor imagery EEG classification 2024-06, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110128 PMID:38554787	研究论文	本文提出了一种基于多尺度时空自注意力机制的网络模型，用于分类基于运动想象任务的脑电信号	该模型利用注意力机制自动分配权重，选择与运动活动相关的通道，并使用多尺度时间卷积网络层提取时间域特征信息	NA	开发和训练一个能够有效提取运动想象脑电数据特征的网络模型	基于运动想象任务的脑电信号	机器学习	NA	脑电图 (EEG)	自注意力网络 (SA)	脑电信号	使用了BCI竞赛数据集IV-2a、IV-2b和HGD，分别包含79.26%、85.90%和96.96%的准确率
16217	2024-09-21	A robust multi-branch multi-attention-mechanism EEGNet for motor imagery BCI decoding 2024-05, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110108 PMID:38458260	研究论文	本文提出了一种多分支多注意力机制的EEGNet模型（MBMANet），用于运动想象脑机接口的鲁棒解码	本文创新性地结合了多分支和多注意力机制，使模型能够自适应地学习不同的EEG特征，从而提高了解码的鲁棒性	NA	研究目的是提高基于运动想象的脑机接口技术的鲁棒性和实用性	研究对象是运动想象脑机接口中的EEG信号解码	机器学习	NA	深度学习	CNN	EEG信号	9名受试者
16218	2024-09-21	Scalable Surveillance of E-Cigarette Products on Instagram and TikTok Using Computer Vision 2024-04-22, Nicotine & tobacco research : official journal of the Society for Research on Nicotine and Tobacco IF:3.0Q2 DOI:10.1093/ntr/ntad224 PMID:37947283	研究论文	开发了一种基于计算机视觉的模型，用于在Instagram和TikTok上识别电子烟产品	首次使用图像为基础的计算机视觉模型来识别社交媒体中的电子烟产品	模型在某些对象类别上的准确性仍有提升空间	开发和评估一种用于社交媒体图像和视频中电子烟产品检测的计算机视觉模型	Instagram和TikTok上的电子烟相关内容	计算机视觉	NA	深度学习	DyHead对象检测模型	图像和视频	6999张Instagram图片和14072段TikTok视频（共10276485帧）
16219	2024-09-21	Digital health technologies for high-risk pregnancy management: three case studies using Digilego framework 2024-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae022 PMID:38455839	研究论文	本文介绍了利用Digilego框架开发的三种数字健康技术，用于高危妊娠管理	本文的创新点在于利用社交计算、数据科学和数字健康技术开发了一系列数字产品，以支持高危妊娠管理	本文的局限性在于初步测试的样本量较小，未来需要进一步的实施和测试	研究目的是开发和评估数字健康技术，以支持高危妊娠管理	研究对象包括妊娠糖尿病、高血压和围产期抑郁等高危妊娠条件	数字健康	妊娠相关疾病	社交计算、机器学习	深度学习分类器	文本	55,301条社交媒体帖子，10名妊娠糖尿病/高血压信息管理孕妇，30名围产期抑郁预防孕妇
16220	2024-09-21	Predicting recovery following stroke: Deep learning, multimodal data and feature selection using explainable AI 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103638 PMID:39002223	研究论文	本文评估了多种基于深度学习和可解释AI的解决方案，用于预测中风后的恢复情况	引入了一种新的方法，即将从MRI中提取的感兴趣区域（ROIs）与表格数据的符号表示相结合，训练卷积神经网络（CNN）	数据集相对较小，且仅限于英语使用者	评估多种方法以提高中风后恢复预测的准确性	中风幸存者的MRI和表格数据	机器学习	中风	MRI	卷积神经网络（CNN）	图像和表格数据	758名中风幸存者