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
17061	2024-09-13	Performance analysis of U-Net with hybrid loss for foreground detection 2023, Multimedia systems IF:3.5Q1 DOI:10.1007/s00530-022-01014-5 PMID:36406901	研究论文	本文提出了一种结合混合损失的U-Net框架用于前景检测，并通过实验验证了其有效性	本文的创新点在于提出了一个结合迁移学习和混合损失的深度学习模型，用于解决前景检测中的类别不平衡问题	NA	本文的研究目的是改进前景检测算法，特别是在复杂背景下的前景提取	本文的研究对象是前景检测算法及其在复杂背景下的表现	计算机视觉	NA	卷积神经网络 (CNN)	U-Net	图像	标准数据集和未见过的视频数据
17062	2024-09-13	Forecast evaluation for data scientists: common pitfalls and best practices 2023, Data mining and knowledge discovery IF:2.8Q2 DOI:10.1007/s10618-022-00894-5 PMID:36504672	研究论文	本文探讨了机器学习和深度学习在时间序列预测中的应用，并指出了数据科学家在预测评估中常见的陷阱和最佳实践	本文通过教程式的方式，详细介绍了预测评估的细节，旨在弥合传统预测方法与现代机器学习技术之间的知识差距	NA	旨在帮助机器学习研究人员避免在预测评估中的常见错误，并提供最佳实践指南	时间序列数据和预测评估方法	机器学习	NA	机器学习 (ML) 和深度学习 (DL)	NA	时间序列数据	NA
17063	2024-09-13	Deep Learning Algorithm of 12-Lead Electrocardiogram for Parkinson Disease Screening 2023, Journal of Parkinson's disease DOI:10.3233/JPD-223549 PMID:36641685	研究论文	本研究开发了一种基于12导联心电图的深度学习算法，用于帕金森病的筛查	首次利用深度卷积神经网络（CNN）通过心电图数据进行帕金森病的筛查	模型的特异性较低，尤其是对于药物诱导的帕金森病（DPD）的检测效果不佳	开发一种高效的心电图深度学习算法，用于帕金森病的早期筛查	帕金森病患者和非帕金森病患者的心电图数据	机器学习	帕金森病	深度卷积神经网络（CNN）	CNN	心电图	751名帕金森病患者（2138份心电图），751名非帕金森病患者（2673份心电图），297名药物诱导的帕金森病患者（875份心电图）
17064	2024-09-13	Classification of Coronavirus Spike Proteins by Deep-Learning-Based Raman Spectroscopy and its Interpretative Analysis 2023, Journal of applied spectroscopy IF:0.8Q4 DOI:10.1007/s10812-023-01487-w PMID:36718373	研究论文	本文提出了一种基于深度学习的拉曼光谱技术用于冠状病毒刺突蛋白的分类方法	利用深度学习技术对拉曼光谱进行分类，即使在低信噪比的情况下也能达到超过97%的平均准确率	NA	开发一种快速且准确的冠状病毒检测方法	冠状病毒刺突蛋白的拉曼光谱	机器学习	NA	拉曼光谱	神经网络	光谱数据	5种冠状病毒的刺突蛋白样本
17065	2024-09-13	Validation of automatically measured T1 map cortico-medullary difference (ΔT1) for eGFR and fibrosis assessment in allograft kidneys 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0277277 PMID:36791140	研究论文	本文提出了一种基于深度学习的2D U-Net模型（RCM U-Net），用于自动分割慢性肾病（CKD）移植肾脏T1图的皮质和髓质，并验证了自动测量的ΔT1值与eGFR和纤维化的相关性	本文的创新点在于使用深度学习模型RCM U-Net自动分割肾脏皮质和髓质，减少了手动绘制ROI的主观性和时间消耗，提高了结果的可重复性	本文的局限性在于特定性（SP）和准确性（ACC）的改进不显著，且样本量相对较小	研究目的是验证自动测量的ΔT1值在评估移植肾脏eGFR和纤维化中的应用	研究对象是慢性肾病（CKD）移植肾脏患者	计算机视觉	肾脏疾病	MRI T1-mapping	U-Net	图像	训练集包含40名患者（2400张增强图像），测试集包含10名患者（600张增强图像），临床验证集包含114名移植肾脏患者的皮质和髓质
17066	2024-09-13	Deep learning based tumor-stroma ratio scoring in colon cancer correlates with microscopic assessment 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100191 PMID:36794267	研究论文	研究使用深度学习算法对结肠癌中的肿瘤-间质比（TSR）进行半自动和全自动评分，并与显微镜评估进行比较	首次探讨了使用深度学习算法对结肠癌中的肿瘤-间质比进行自动化评分	研究样本量较小，且仅限于结肠癌病例	探讨使用深度学习算法对结肠癌中的肿瘤-间质比进行自动化评分的可行性	结肠癌中的肿瘤-间质比（TSR）评分	数字病理学	结肠癌	深度学习算法	NA	图像	75例结肠癌样本
17067	2024-09-13	The emerging applications and advancements of Raman spectroscopy in pediatric cancers 2023, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2023.1044177 PMID:36814817	综述	本文综述了拉曼光谱在儿科癌症中的新兴应用和进展	讨论了拉曼光谱与深度学习的结合作为未来在儿科癌症中的应用	NA	总结拉曼光谱在儿科癌症中的潜在应用	儿科癌症的早期诊断、预后预测和治疗改进	NA	儿科癌症	拉曼光谱	深度学习	NA	NA
17068	2024-09-13	Impact of coronary computed tomography angiography-derived fractional flow reserve based on deep learning on clinical management 2023, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2023.1036682 PMID:36818335	研究论文	研究深度学习衍生的冠状动脉CT血管造影分数流量储备（DL-FFRCT）对临床管理的影响	首次探讨了DL-FFRCT在临床实践中的应用价值，并分析了其局限性	对于严重钙化、闭塞或直径小于2毫米的冠状动脉，DL-FFRCT的血液动力学分析可靠性不高	评估DL-FFRCT在临床实践中的应用价值及其局限性	疑似冠状动脉疾病患者及其冠状动脉病变	数字病理	心血管疾病	深度学习	NA	图像	229名患者，485处冠状动脉病变
17069	2024-09-13	Using deep learning to predict tumor mutational burden from scans of H&E-stained multicenter slides of lung squamous cell carcinoma 2023-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.1.017502 PMID:36825084	研究论文	本文利用深度学习技术从多中心H&E染色的肺鳞状细胞癌切片扫描图像中预测肿瘤突变负荷	本文首次针对肺鳞状细胞癌开发了一种深度学习模型，用于从标准病理切片中预测肿瘤突变负荷	模型的准确性和特异性仍有提升空间，需要进一步开发和外部验证	开发一种能够从肺鳞状细胞癌的H&E染色切片中预测肿瘤突变负荷的深度学习模型，并验证其在独立测试集上的有效性	肺鳞状细胞癌患者的H&E染色切片	数字病理学	肺鳞状细胞癌	深度学习	VGG16	图像	50名肺鳞状细胞癌患者的切片，来自35个不同中心
17070	2024-09-13	Digital Twins in Unmanned Aerial Vehicles for Rapid Medical Resource Delivery in Epidemics 2022-Dec, IEEE transactions on intelligent transportation systems : a publication of the IEEE Intelligent Transportation Systems Council IF:7.9Q1 DOI:10.1109/TITS.2021.3113787 PMID:36789134	研究论文	探讨数字孪生在无人机中快速准确提供医疗资源的效果	提出了基于改进AlexNet的无人机数字孪生信息预测模型，具有更小的传输延迟、更低的能耗、更短的任务完成时间和更高的资源利用率	NA	研究数字孪生在无人机中快速准确提供医疗资源的效果	无人机数字孪生在COVID-19防控中提供医疗资源的效果	计算机视觉	COVID-19	深度学习算法	AlexNet	模拟实验数据	NA
17071	2024-09-13	Contrastive semi-supervised harmonization of single-shell to multi-shell diffusion MRI 2022-11, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2022.06.004 PMID:35716922	研究论文	本文探讨了通过半监督和无监督学习方法，利用深度学习模型将单壳扩散MRI数据协调为多壳数据	本文提出了利用解耦协调模型和CycleGAN模型进行数据协调，并展示了其在多壳扩散MRI数据协调中的优越性能	NA	研究如何通过深度学习方法将单壳扩散MRI数据协调为多壳数据，以适应多站点或多采集研究的需求	单壳和多壳扩散MRI数据	计算机视觉	NA	深度学习	GAN	图像	使用了Multi-shell Diffusion MRI Harmonization Challenge (MUSHAC)和Baltimore Longitudinal Study on Aging (BLSA)数据集
17072	2024-09-13	AcneGrader: An ensemble pruning of the deep learning base models to grade acne 2022-Sep, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13166 PMID:35639819	研究论文	本文提出了一种基于深度学习模型的集成剪枝框架AcneGrader，用于自动检测和分级痤疮	本文的创新点在于提出了一种集成剪枝策略，通过去除冗余的基础模型来提高预测结果并降低计算复杂度	本文未详细讨论该方法在其他皮肤病数据集上的适用性	开发一种自动化的痤疮分级方法，以减轻皮肤科医生的工作负担并提高诊断准确性	痤疮的分级和检测	计算机视觉	皮肤病	深度学习	集成模型	图像	痤疮数据集和皮肤癌数据集
17073	2024-09-13	Neural Transformers for Intraductal Papillary Mucosal Neoplasms (IPMN) Classification in MRI images 2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC48229.2022.9871547 PMID:36085787	研究论文	本文提出了一种基于Transformer网络的AI模型，用于MRI图像中胰腺导管内乳头状黏液性肿瘤（IPMN）的分类	本文利用Transformer网络在视觉任务中的通用性，提出了一种新的AI模型，相比传统的卷积神经网络，该模型在预训练方面表现更好，并能更好地解释结果	NA	开发一种能够准确分类胰腺导管内乳头状黏液性肿瘤（IPMN）的AI模型，以支持医疗决策	胰腺导管内乳头状黏液性肿瘤（IPMN）的分类	计算机视觉	胰腺癌	Transformer网络	Transformer	图像	NA
17074	2024-09-13	High-resolution synthesis of high-density breast mammograms: Application to improved fairness in deep learning based mass detection 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.1044496 PMID:36755853	研究论文	本研究通过合成高密度乳腺X光片来提高基于深度学习的乳腺肿块检测的公平性	使用CycleGAN模型进行低密度到高密度图像转换，并通过数据增强技术提高模型对高密度乳腺的检测性能	NA	提高高密度乳腺中肿块检测的性能	高密度乳腺X光片	计算机视觉	乳腺癌	CycleGAN	CycleGAN	图像	使用了三个FFDM数据集，训练图像按BI-RADS类别分为几乎完全脂肪和极其密集的乳腺
17075	2024-09-13	PulseDB: A large, cleaned dataset based on MIMIC-III and VitalDB for benchmarking cuff-less blood pressure estimation methods 2022, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2022.1090854 PMID:36844249	研究论文	本文介绍了PulseDB，一个基于MIMIC-III和VitalDB的大规模清洁数据集，用于基准测试无袖带血压估算方法	PulseDB是目前最大的清洁数据集，用于标准化测试协议下的血压估算模型基准测试，并首次研究了校准和无校准测试方法在评估模型泛化能力方面的性能差距	NA	填补现有数据集在大小、受试者数量和预处理步骤上的差异，提供一个公平的基准测试环境	无袖带血压估算方法的性能和泛化能力	生物医学工程	心血管疾病	NA	深度学习模型	信号数据	5,245,454个高质量的ECG、PPG和ABP波形片段，来自5,361名受试者
17076	2024-09-13	Preparation and Mechanical Properties of High Silicon Molybdenum Cast Iron Materials: Based on Deep Learning Model 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4825356 PMID:39262918	研究论文	研究了高硅钼铸铁材料的制备及其力学性能，基于深度学习模型	采用深度学习模型来研究高硅钼铸铁材料的制备和力学性能	未提及具体限制	提高工程设备中工作部件的使用寿命和耐磨材料的研究	高铬铸铁的静态腐蚀性能及钼和钒元素添加对其性能的影响	NA	NA	深度学习	深度学习模型	NA	未提及具体样本数量
17077	2024-09-13	[Review on identity feature extraction methods based on electroencephalogram signals] 2021-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202102057 PMID:34970904	综述	本文综述了基于脑电信号的身份特征提取方法	介绍了脑电信号在生物识别中的特殊优势，并探讨了如何结合脑电数据特征更好地提取差异信息	未提及具体的研究局限性	探讨基于脑电信号的身份识别方法	脑电信号的身份特征提取	生物识别	NA	脑电信号分析	深度学习	脑电信号	NA
17078	2024-09-13	Image and structured data analysis for prognostication of health outcomes in patients presenting to the ED during the COVID-19 pandemic 2021-Dec-09, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2021.104662 PMID:34923448	研究论文	研究利用机器学习和深度学习模型，结合临床数据和胸部影像数据，预测COVID-19患者在急诊科的不良预后	首次将临床数据和胸部影像数据结合，使用LightGBM和CheXNet模型进行多维度风险预测	研究样本仅限于Loyola大学医学中心的3571名患者，可能存在地域和样本量的局限性	开发机器学习和深度学习模型，预测COVID-19患者在急诊科的不良预后	COVID-19患者的胸部影像和临床数据	计算机视觉	COVID-19	LightGBM, CheXNet	LightGBM, CheXNet	图像, 结构化数据	3571名18岁及以上的急诊科患者
17079	2024-09-13	[Research progress in lung parenchyma segmentation based on computed tomography] 2021-Apr-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202008032 PMID:33913299	综述	本文综述了近年来基于CT图像的肺实质分割研究进展	重点介绍了改进深度学习模型网络结构的研究进展	讨论了肺实质分割中尚未解决的问题	回顾和分析肺实质分割的研究进展，为相关领域的研究人员提供参考	基于CT图像的肺实质分割方法	计算机视觉	肺部疾病	CT技术	深度学习模型	图像	NA
17080	2024-09-13	[A review of deep learning methods for the detection and classification of pulmonary nodules] 2019-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.201903027 PMID:31875384	综述	本文综述了深度学习方法在肺结节检测和分类中的应用	系统介绍了2D-CNN、3D-CNN、Faster R-CNN、MMCNN、DCGAN和迁移学习技术在肺结节检测和分类中的应用	未提及具体实验结果和数据支持	探讨深度学习技术在肺结节检测和分类中的应用	肺结节的检测和分类	计算机视觉	肺癌	深度学习	2D-CNN、3D-CNN、Faster R-CNN、MMCNN、DCGAN	图像	NA