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
16701	2024-09-22	Combining Google traffic map with deep learning model to predict street-level traffic-related air pollutants in a complex urban environment 2024-Sep, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2024.108992 PMID:39250881	研究论文	研究利用深度学习模型结合谷歌交通地图预测复杂城市环境中街道级别的交通相关空气污染物	本研究创新性地将谷歌实时交通状态数据与深度学习模型结合，以提高对街道级别交通相关空气污染物的预测精度	研究主要集中在香港地区，可能限制了结果的普适性	旨在通过深度学习模型预测香港地区街道级别的氮氧化物浓度	研究对象为香港地区的街道级别交通相关空气污染物	机器学习	NA	深度学习	深度学习模型	交通状态数据	使用了公交车上的移动空气质量传感器数据和谷歌实时交通状态数据
16702	2024-09-22	Enhanced Diagnostic Accuracy for Dental Caries and Anomalies in Panoramic Radiographs Using a Custom Deep Learning Model 2024-Aug, Cureus DOI:10.7759/cureus.67315 PMID:39301353	研究论文	本文介绍了一种基于深度学习的定制模型，用于全景牙科X光片的二分类，以提高牙科龋齿和异常的诊断准确性	使用直方图均衡化和滤波方法作为预处理技术，有效解决了牙科X光片中不规则光照和对比度的问题，提高了图像质量	NA	开发一种自动化分类系统，以帮助简化诊断工作流程并及时为临床医生提供见解	全景牙科X光片中的牙科龋齿和异常	计算机视觉	口腔疾病	深度学习	CNN	图像	三个独立的全景牙科X光片数据集
16703	2024-09-22	Multimodal functional deep learning for multiomics data 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae448 PMID:39285512	研究论文	本文提出了一种多模态功能深度学习（MFDL）方法，用于分析高维多组学数据	MFDL方法通过深度神经网络的层次结构建模多组学变体与疾病表型之间的复杂关系，并利用功能数据分析技术处理高维组学数据，同时捕捉不同类型组学数据之间的相互作用	NA	解决多组学数据分析中的高维度和复杂交互问题	多组学数据及其与疾病表型的关系	机器学习	NA	功能数据分析	深度神经网络	多组学数据	NA
16704	2024-09-22	Designing interpretable deep learning applications for functional genomics: a quantitative analysis 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae449 PMID:39293804	综述	本文对功能基因组学中可解释深度学习应用的设计挑战进行了定量分析	本文通过预定义的标准量化了当前领域的现状，发现了最常见的解决方案，并指出了开发可解释深度学习模型在基因组学中的未探索机会	NA	探讨在功能基因组学中设计可解释深度学习解决方案时遇到的设计挑战	基因组学数据特征、神经网络架构应用以及解释策略	机器学习	NA	深度学习	神经网络	基因组学数据	NA
16705	2024-09-22	A comparative evaluation of maize silage quality under diverse pre-ensiling strategies 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308627 PMID:39292664	研究论文	本文比较了不同预青贮策略下玉米青贮饲料质量的影响	利用开源数据库评估了新鲜收获玉米化学成分多样性对青贮饲料质量的影响，并提出了结合多数据库数据以应用更强大的机器学习或深度学习算法的建议	预测模型仅适用于使用田间传感器技术的筛选目的，需要更全面的方法来更好地阐明玉米青贮饲料质量的决定因素	评估不同预青贮策略对玉米青贮饲料质量的影响	玉米青贮饲料的质量	NA	NA	NA	NA	NA	NA
16706	2024-09-22	Artificial intelligence and machine learning applications for the imaging of bone and soft tissue tumors 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1332535 PMID:39301168	研究论文	本文探讨了人工智能和机器学习在骨与软组织肿瘤影像学中的应用	本文展示了人工智能工具在影像分割、病变检测等方面的潜力，特别是在恶性分级、预测和治疗计划中的应用	本文指出了标准化、数据整合和患者数据伦理问题等挑战，以及由于疾病发病率有限导致的算法开发障碍	本文旨在探讨人工智能和机器学习在骨与软组织肿瘤影像学中的应用及其潜力	本文主要研究对象是骨与软组织肿瘤的影像学	计算机视觉	骨与软组织肿瘤	人工智能、机器学习	深度学习	影像	NA
16707	2024-09-22	Noise-induced modality-specific pretext learning for pediatric chest X-ray image classification 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1419638 PMID:39301479	研究论文	研究探讨了通过图像去噪和去模糊增强的特定模态预训练学习在小儿胸片分类中的有效性	提出了一种基于VGG-16-Sharp-U-Net架构的特定模态预训练学习方法，显著提高了小儿胸片分类的敏感性和其他性能指标	研究仅限于小儿胸片分类，未涉及其他类型的医学图像	探索特定模态预训练学习在医学图像分类中的应用，特别是小儿胸片分类	小儿胸片图像，分为正常肺部和心肺疾病表现	计算机视觉	NA	深度学习	VGG-16-Sharp-U-Net	图像	NA
16708	2024-09-22	Diagnostic accuracy of deep learning in detection and prognostication of renal cell carcinoma: a systematic review and meta-analysis 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1447057 PMID:39301494	meta-analysis	本文通过系统综述和荟萃分析评估了深度神经网络在肾细胞癌检测和预后中的诊断性能	本文首次通过荟萃分析评估了深度神经网络在肾细胞癌亚型检测和生存预测中的综合诊断性能	需要进一步研究以验证这些发现并在大规模上建立其普遍性	评估深度神经网络在肾细胞癌检测和预后中的诊断性能	肾细胞癌的亚型检测和生存预测	数字病理学	肾细胞癌	深度学习	深度神经网络	病理样本	5340名患者
16709	2024-09-22	Deep learning-based image analysis predicts PD-L1 status from 18F-FDG PET/CT images in non-small-cell lung cancer 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1402994 PMID:39301549	研究论文	本研究利用深度学习技术分析18F-FDG PET/CT图像，预测非小细胞肺癌中的PD-L1表达状态	本研究首次将深度学习与临床特征结合，用于预测非小细胞肺癌中的PD-L1表达，并验证了18F-FDG PET/CT图像作为PD-L1表达生物标志物的潜力	本研究为回顾性研究，样本量较小，需要进一步的前瞻性研究验证	研究目的是通过结合深度学习图像和临床特征，提高非小细胞肺癌中PD-L1表达的预测性能	研究对象为101名接受18F-FDG PET/CT扫描的非小细胞肺癌患者	计算机视觉	肺癌	深度学习	3D DenseNet121	图像	101名非小细胞肺癌患者
16710	2024-09-22	Image steganography techniques for resisting statistical steganalysis attacks: A systematic literature review 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308807 PMID:39283894	综述	本文对能够抵抗统计隐写分析攻击的图像隐写技术进行了系统的文献综述	本文通过综合分析现有文献，探讨了生成对抗网络在图像隐写技术中的主导地位，并指出人工智能算法如机器学习、深度学习和卷积神经网络在增强安全性方面的应用	本文主要关注于现有技术的综述和比较，未提出新的技术或方法	填补现有文献中关于能够抵抗统计隐写分析攻击的图像隐写技术的研究空白	图像隐写技术及其对统计隐写分析攻击的抵抗能力	计算机视觉	NA	生成对抗网络、机器学习、深度学习、卷积神经网络、遗传算法	生成对抗网络、卷积神经网络	图像	从ACM数字图书馆、IEEE探索、Science Direct和Wiley中选取了125篇文章
16711	2024-09-21	Deep learning-enabled fluorescence imaging for surgical guidance: in silico training for oral cancer depth quantification 2025-Jan, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.S1.S13706 PMID:39295734	研究论文	开发了一种基于深度学习的荧光空间频率域成像系统，用于量化口腔肿瘤的深度，以指导手术	结合结构光和深度学习技术，实现了近实时三维肿瘤边缘检测，并能量化肿瘤深度	仅在模拟数据和光学幻影上进行了验证，尚未在真实患者中进行测试	开发一种能够量化口腔肿瘤深度的成像系统，以提高手术精度	口腔肿瘤的深度和浓度	计算机视觉	口腔癌	荧光空间频率域成像 (SFDI)	卷积神经网络 (CNN)	图像	三种模拟的口腔癌病变模型（圆柱体、球谐函数和复合球谐函数）以及患者来源的舌肿瘤模拟图像
16712	2024-09-21	Multidisciplinary approaches to study anaemia with special mention on aplastic anaemia (Review) 2024-Nov, International journal of molecular medicine IF:5.7Q1 DOI:10.3892/ijmm.2024.5419 PMID:39219286	综述	本文综述了贫血的多学科研究方法，特别关注再生障碍性贫血	本文结合人工智能技术，如深度学习和机器学习，以提高预测评估、治疗预测和诊断准确性	NA	探讨贫血的诊断和治疗策略	贫血，特别是再生障碍性贫血	NA	贫血	人工智能技术，如深度学习和机器学习	NA	NA	NA
16713	2024-09-21	Detection of structural lesions of the sacroiliac joints in patients with spondyloarthritis: A comparison of T1-weighted 3D spoiled gradient echo MRI and MRI-based synthetic CT versus T1-weighted turbo spin echo MRI 2024-Nov, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04669-5 PMID:38592521	研究论文	比较T1加权3D扰相梯度回波MRI和基于MRI的合成CT与T1加权涡轮自旋回波MRI在检测强直性脊柱炎患者骶髂关节结构损伤中的效果	T1加权3D扰相梯度回波MRI和基于MRI的合成CT在检测骶髂关节侵蚀、硬化和强直方面比传统T1加权涡轮自旋回波MRI更敏感，并提高了读片者的信心	NA	研究T1加权3D扰相梯度回波MRI和基于MRI的合成CT在检测强直性脊柱炎患者骶髂关节侵蚀、硬化和强直中的效果	强直性脊柱炎患者的骶髂关节	医学影像	强直性脊柱炎	MRI	深度学习算法	图像	19名轴性强直性脊柱炎患者
16714	2024-09-21	Ocular Disease Detection with Deep Learning (Fine-Grained Image Categorization) Applied to Ocular B-Scan Ultrasound Images 2024-Oct, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-024-01009-7 PMID:39127983	研究论文	本文开发了一种深度学习系统，用于通过眼科B超图像快速准确地筛查眼内肿瘤、视网膜脱离、玻璃体积血和后巩膜葡萄肿	提出了双路径病变注意力网络（DPLA-Net），用于细粒度图像分类，显著提高了眼科疾病的筛查和分类准确性	NA	开发一种能够快速准确筛查多种眼科疾病的深度学习系统	眼内肿瘤、视网膜脱离、玻璃体积血和后巩膜葡萄肿	计算机视觉	眼科疾病	深度学习	双路径病变注意力网络（DPLA-Net）	图像	6054张超声图像，其中4758张用于训练和验证，1296张用于测试
16715	2024-09-21	Improved REBA: deep learning based rapid entire body risk assessment for prevention of musculoskeletal disorders 2024-Oct, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2024.2306315 PMID:38423143	研究论文	提出了一种基于深度学习的改进REBA方法，用于预防肌肉骨骼疾病	该方法通过3D姿态重建，能够捕捉复杂的三维运动和姿势，相较于现有的2D图像方法有显著改进	NA	旨在开发一种自动化且准确的风险评估方法，以预防工作相关的肌肉骨骼疾病	工作视频和相应的REBA评分	计算机视觉	肌肉骨骼疾病	深度学习	NA	视频	NA
16716	2024-09-21	Deep learning-based statistical robustness evaluation of intensity-modulated proton therapy for head and neck cancer 2024-Sep-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad780b PMID:39241803	研究论文	本文提出了一种基于深度学习的统计鲁棒性评估方法，用于评估头颈部癌症的调强质子治疗	该方法通过避免中间剂量计算步骤，直接使用深度学习模型从标称剂量分布预测百分位剂量分布，解决了传统方法在统计意义和临床可行性上的局限	NA	验证基于深度学习的统计鲁棒性评估方法在头颈部调强质子治疗中的有效性和准确性	头颈部癌症患者	机器学习	头颈部癌症	深度学习	3D U-net	图像	582名头颈部癌症患者
16717	2024-09-21	Effect of Deep Learning Image Reconstruction on Image Quality and Pericoronary Fat Attenuation Index 2024-Sep-19, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01234-3 PMID:39299956	研究论文	比较不同管电压下深度学习图像重建（DLIR）与自适应统计迭代重建V（ASIR-V）对冠状动脉CT血管造影（CCTA）图像质量和周围脂肪衰减指数（FAI）的影响	首次比较了DLIR与ASIR-V在不同管电压下对CCTA图像质量和FAI的影响	研究样本量较小，且仅限于中国BMI分类标准下的患者	评估DLIR对CCTA图像质量和FAI的影响	冠状动脉CT血管造影图像质量和周围脂肪衰减指数	计算机视觉	NA	深度学习图像重建（DLIR）	NA	图像	301名接受CCTA检查的患者
16718	2024-09-21	Children Are Not Small Adults: Addressing Limited Generalizability of an Adult Deep Learning CT Organ Segmentation Model to the Pediatric Population 2024-Sep-19, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01273-w PMID:39299957	研究论文	评估成人深度学习CT器官分割模型在儿科数据集上的泛化能力，并探索优化策略以提高儿科分割性能	开发了针对儿科数据的3D nnU-Net模型，并验证了通过微调成人模型在儿科图像上的效果	研究仅限于腹部CT扫描，未涵盖所有儿科器官	评估成人深度学习模型在儿科患者中的适用性，并提出改进方法	儿科CT扫描中的器官分割	计算机视觉	NA	深度学习	nnU-Net	CT扫描图像	成人数据集300例，儿科数据集359例
16719	2024-09-21	Application of GWO-attention-ConvLSTM model in customer churn prediction and satisfaction analysis in customer relationship management 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37229 PMID:39295989	研究论文	本文提出了一种新的GWO-attention-ConvLSTM模型，用于客户流失预测和客户满意度分析，旨在改进客户关系管理中的动态和复杂客户关系的建模	该模型结合了注意力机制和ConvLSTM层，能够更有效地捕捉客户数据中的时空特征和复杂的时间模式	NA	改进客户关系管理中的客户流失预测和客户满意度分析	客户流失和客户满意度	机器学习	NA	深度学习	GWO-attention-ConvLSTM	时间序列数据	多个真实世界数据集，包括BigML Telco Churn数据集、IBM Telco数据集、Cell2Cell数据集和Orange Telecom数据集
16720	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