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
17141	2024-09-30	Research Note: A deep learning method segments chicken keel bones from whole-body X-ray images 2024-Nov, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2024.104214 PMID:39190989	研究论文	本文提出了一种基于深度学习的方法，用于从全身X光图像中分割鸡的胸骨（龙骨）	本文首次使用U-net模型对鸡的全身X光图像进行胸骨分割，并取得了较高的分割精度	本文未详细讨论模型的泛化能力和在不同品种鸡上的适用性	训练一个深度学习模型，用于从全身X光图像中自动分割鸡的胸骨	鸡的胸骨（龙骨）	计算机视觉	NA	深度学习	U-net	图像	1,051只产蛋鸡的全身X光图像
17142	2024-09-16	Monitoring activity index and behaviors of cage-free hens with advanced deep learning technologies 2024-Nov, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2024.104193 PMID:39191000	研究论文	本研究开发了卷积神经网络模型来监测散养鸡的活动指数	结合YOLOv8和DeepSORT模型在多目标跟踪精度上表现最佳，达到94%的MOTA	NA	评估动物健康和福利	散养鸡的行为和活动	计算机视觉	NA	卷积神经网络	CNN	图像	1500张顶视图图像，其中900张用于训练，300张用于验证，300张用于测试
17143	2024-09-30	Research note: A method for recognizing and evaluating typical behaviors of laying hens in a thermal environment 2024-Nov, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2024.104122 PMID:39190998	研究论文	提出了一种基于深度学习的方法，用于自动识别和评估热环境中笼养蛋鸡的典型热应激行为	开发了一种轻量级目标检测算法YOLO-HGP，基于YOLOv8n模型，显著提高了检测精度和效率	NA	提高热环境中笼养蛋鸡行为管理的自动化水平，为培育耐热蛋鸡提供参考指标	笼养蛋鸡在热环境中的典型热应激行为	计算机视觉	NA	深度学习	YOLO-HGP	视频	NA
17144	2024-09-30	Robust localization of poorly visible tumor in fiducial free stereotactic body radiation therapy 2024-Nov, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110514 PMID:39214256	研究论文	开发了一种基于深度学习的无模板跟踪框架SAFE Track，用于在立体定向体部放射治疗中定位难以观察的肺部肿瘤	提出了SAFE Track框架，通过深度学习技术实现无标记物的实时肿瘤跟踪，解决了小肿瘤或位置困难肿瘤在X射线图像中不可见的问题	仅在训练患者中进行了标记物移除模拟，测试患者仍使用了植入标记物	开发一种无需植入标记物的实时肿瘤跟踪技术，以提高立体定向体部放射治疗中肺部肿瘤的剂量传递效率	难以在X射线图像中观察到的小肿瘤或位置困难的肺部肿瘤	计算机视觉	肺癌	深度学习	Faster R-CNN	医学图像	94名患者（415次分割；40,348帧），分为训练集（66名）和测试集（28名）
17145	2024-09-30	Deep learning-assisted interactive contouring of lung cancer: Impact on contouring time and consistency 2024-Nov, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110500 PMID:39236985	研究论文	评估深度学习辅助的交互式轮廓工具对肺癌肿瘤轮廓绘制时间和一致性的影响	提出了一种深度学习辅助的交互式轮廓工具，显著减少了轮廓绘制时间和局部观察者间变异性	研究样本量较小，仅涉及10名非小细胞肺癌患者	评估深度学习辅助工具对肿瘤轮廓绘制时间和一致性的影响	非小细胞肺癌患者的肿瘤轮廓	计算机视觉	肺癌	深度学习	NA	图像	10名非小细胞肺癌患者
17146	2024-09-30	Clinical implementation of deep learning robust IMPT planning in oropharyngeal cancer patients: A blinded clinical study 2024-Nov, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110522 PMID:39243863	研究论文	本研究评估了基于深度学习的自动化治疗计划方法在口咽癌患者中进行强度调制质子治疗（IMPT）计划的方案质量	本研究结合了深度学习模型与鲁棒模拟优化算法，实现了IMPT剂量的预测与优化	本研究仅在口咽癌患者中进行了评估，结果可能不适用于其他类型的癌症	评估基于深度学习的自动化治疗计划方法在口咽癌患者中进行IMPT计划的方案质量	口咽癌患者	机器学习	口咽癌	强度调制质子治疗（IMPT）	深度学习模型	剂量预测	95名口咽癌患者，分为训练组（60名）、配置组（10名）、回顾性研究测试组（10名）和前瞻性研究测试组（15名）
17147	2024-09-30	Dissecting AI-based mutation prediction in lung adenocarcinoma: A comprehensive real-world study 2024-Nov, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2024.114292 PMID:39276594	研究论文	本文通过大规模真实世界研究，评估了基于AI的深度学习模型在肺腺癌突变预测中的应用	本文利用大规模样本集（2356个晚期FFPE样本）训练模型，提高了突变预测的鲁棒性和泛化能力	尽管模型在预测突变方面表现良好，但不能完全替代全面的分子分析	评估深度学习模型在肺腺癌突变预测中的准确性和泛化能力	肺腺癌患者的突变预测	数字病理	肺腺癌	深度学习	深度学习模型	图像	2356个晚期FFPE样本
17148	2024-09-30	Colour fusion effect on deep learning classification of uveal melanoma 2024-Oct, Eye (London, England) DOI:10.1038/s41433-024-03148-4 PMID:38773261	研究论文	研究验证了深度学习在区分葡萄膜黑色素瘤和脉络膜痣中的应用，并评估了颜色融合选项对分类性能的影响	研究首次评估了不同颜色融合选项对深度学习分类性能的影响	研究为回顾性研究，样本量有限	验证深度学习在区分葡萄膜黑色素瘤和脉络膜痣中的应用，并评估颜色融合选项的影响	葡萄膜黑色素瘤和脉络膜痣的分类	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	798张超广角视网膜图像，涉及438名患者，其中157名患有葡萄膜黑色素瘤，281名患有脉络膜痣
17149	2024-09-30	Classification of Shoulder Implant Manufacturer Using Pre-Trained DenseNet201 Combined With Capsule Network 2024-Oct, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.2672 PMID:39334563	研究论文	本研究旨在通过X射线影像和深度学习技术，提前识别肩部植入物制造商，以加速修订手术和治疗	提出了基于预训练DenseNet201与胶囊网络（DenseNet201-Caps）的肩部植入物分类模型，并通过多阶段分类方法提高了准确性	DenseNet201-Caps在区分Cofield和Depuy制造商时存在困难	加速修订手术和治疗，提前识别肩部植入物制造商	肩部植入物制造商的分类	计算机视觉	NA	深度学习	DenseNet201与胶囊网络	X射线影像	聚类的肩部植入物数据集
17150	2024-09-30	Identification of Alzheimer's disease and vascular dementia based on a Deep Forest and near-infrared spectroscopy analysis method 2024-Sep-23, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125209 PMID:39340951	研究论文	本研究利用近红外光谱技术和深度森林模型，开发了一种阿尔茨海默病和血管性痴呆的鉴别诊断模型	首次将近红外光谱技术与深度学习结合，用于阿尔茨海默病和血管性痴呆的鉴别诊断	样本量相对较小，可能影响模型的泛化能力	开发一种准确且快速的阿尔茨海默病和血管性痴呆鉴别诊断方法	阿尔茨海默病患者、血管性痴呆患者和健康个体	机器学习	阿尔茨海默病	近红外光谱技术	深度森林	光谱数据	33名阿尔茨海默病患者、37名血管性痴呆患者和130名健康个体
17151	2024-09-30	Optimizing Deep Learning Models with Improved BWO for TEC Prediction 2024-Sep-22, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9090575 PMID:39329597	研究论文	本文提出了一种改进的BWO算法FAMBWO，用于优化深度学习模型的超参数，并应用于TEC预测	提出了FAMBWO算法，结合了萤火虫优化和多策略优化，显著提高了收敛速度和优化效果	未提及具体限制	优化深度学习模型的超参数，提高TEC预测的准确性	TEC预测和深度学习模型的超参数优化	机器学习	NA	深度学习	BiLSTM	数值数据	30个基准函数
17152	2024-09-30	AI-Powered Telemedicine for Automatic Scoring of Neuromuscular Examinations 2024-Sep-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090942 PMID:39329684	研究论文	本文提出了一种基于人工智能的远程医疗工具，用于自动评分神经肌肉检查	利用计算机视觉、深度学习和自然语言处理技术，自动化神经肌肉检查评分，减少人为主观性	未提及具体限制	提高神经肌肉检查评分的效率和质量	重症肌无力患者的神经肌肉检查	计算机视觉	重症肌无力	计算机视觉、深度学习、自然语言处理	NA	视频	未提及具体样本数量
17153	2024-09-30	Improvement in Image Quality of Low-Dose CT of Canines with Generative Adversarial Network of Anti-Aliasing Generator and Multi-Scale Discriminator 2024-Sep-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090944 PMID:39329686	研究论文	本文提出了一种基于生成对抗网络（GAN）的低剂量CT图像质量改进框架，专门用于动物CT成像	引入了抗锯齿生成器和多尺度判别器，结合BlurPool、PixelShuffle、分层特征合成网络和空间通道挤压激励块等技术，显著提高了低剂量CT图像的噪声减少、对比度增强和解剖结构保留	NA	旨在通过深度学习技术改进低剂量CT图像质量，以减少辐射暴露并提高诊断准确性	动物CT图像	计算机视觉	NA	生成对抗网络（GAN）	CycleGAN	图像	NA
17154	2024-09-30	Deep Learning-Based Fine-Tuning Approach of Coarse Registration for Ear-Nose-Throat (ENT) Surgical Navigation Systems 2024-Sep-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090941 PMID:39329683	研究论文	本研究提出了一种基于深度学习的细化步骤，用于增强耳鼻喉（ENT）手术导航系统中表面注册的准确性	本研究引入了一种新的深度学习方法，通过在传统粗注册和ICP细注册之间集成机器学习模型，显著提高了目标注册误差（TRE）	NA	提高耳鼻喉手术导航系统中图像与患者解剖结构注册的准确性	耳鼻喉手术导航系统中的表面注册	计算机视觉	NA	深度学习	深度学习模型	图像	硅胶面具头模和CT影像
17155	2024-09-30	A Multi-Task Model for Pulmonary Nodule Segmentation and Classification 2024-Sep-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10090234 PMID:39330454	研究论文	本文提出了一种多任务网络模型，用于肺结节的分割和良恶性分类	通过共享主干架构和预测蒸馏结构，整合了肺结节分割和分类任务，利用任务间的潜在关联提升模型性能	NA	提升肺结节分割和分类的准确性	肺结节的分割和良恶性分类	计算机视觉	肺癌	深度学习	多任务网络 (MT-Net)	图像	使用公开数据集 LIDC-IDRI 进行实验
17156	2024-09-30	Segment Anything in Optical Coherence Tomography: SAM 2 for Volumetric Segmentation of Retinal Biomarkers 2024-Sep-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090940 PMID:39329682	研究论文	本文探讨了在光学相干断层扫描（OCT）中使用SAM 2和MedSAM 2模型进行视网膜生物标志物的体积分割	引入了SAM 2和MedSAM 2模型，并与传统的U-Net模型进行了性能比较	未提及具体的局限性	提高视网膜疾病诊断的质量	视网膜生物标志物的体积分割	计算机视觉	NA	光学相干断层扫描（OCT）	SAM 2, MedSAM 2, U-Net	图像	两个开源数据集：OIMHS和AROI
17157	2024-09-30	Deep Learning-Based Biomimetic Identification Method for Mask Wearing Standardization 2024-Sep-18, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9090563 PMID:39329585	研究论文	提出了一种基于改进YOLOv5s的口罩佩戴标准化检测模型，用于检测口罩佩戴是否符合规范	首次提出专门检测鼻子目标的口罩佩戴标准化检测模型，并通过改进BottleneckCSP模块和插入SE模块提高了模型的特征提取能力	未提及	提高后疫情时代口罩佩戴深度学习检测模型的准确性和速度	口罩佩戴是否符合规范，特别是鼻子是否暴露在外	计算机视觉	NA	YOLOv5s	CNN	图像	未提及具体数量，但涉及不同人群和复杂背景的图像
17158	2024-09-30	Enhancing Deep Learning Model Explainability in Brain Tumor Datasets Using Post-Heuristic Approaches 2024-Sep-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10090232 PMID:39330452	研究论文	本文通过后启发式方法增强深度学习模型在脑肿瘤数据集中的可解释性	提出了一种基于场景特定规则的后处理机制，显著提升了LIME库和LIME图像解释器的解释能力	NA	解决深度学习模型在医疗诊断中缺乏解释性的问题	脑肿瘤检测数据集	机器学习	脑肿瘤	LIME	深度学习模型	图像	使用了多个公开可用的脑肿瘤检测数据集
17159	2024-09-30	Skeletal Muscle Segmentation at the Level of the Third Lumbar Vertebra (L3) in Low-Dose Computed Tomography: A Lightweight Algorithm 2024-Sep-13, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10090111 PMID:39330757	研究论文	本文提出了一种轻量级算法，用于在低剂量计算机断层扫描（CT）图像中自动分割第三腰椎（L3）水平的骨骼肌	提出了一种轻量级算法，用于在低剂量CT图像中自动分割L3水平的骨骼肌	NA	开发一种在低剂量CT图像中自动分割L3水平骨骼肌的轻量级算法	第三腰椎（L3）水平的骨骼肌	计算机视觉	NA	计算机断层扫描（CT）	轻量级算法	图像	57名直肠癌患者
17160	2024-09-30	Time Sequence Deep Learning Model for Ubiquitous Tabular Data with Unique 3D Tensors Manipulation 2024-Sep-12, Entropy (Basel, Switzerland) DOI:10.3390/e26090783 PMID:39330116	研究论文	本文提出了一种利用堆叠双向LSTM深度学习算法处理表格数据的方法，通过定制的3D张量建模来提高模型性能	本文创新性地将时间序列深度学习模型应用于表格数据处理，通过3D张量建模提高了模型在表格数据上的表现	本文仅在六个公开数据集上进行了验证，未来需要在更多不同类型的数据集上进行测试	提出一种新的方法，利用深度学习算法提高表格数据模型的性能	表格数据及其在深度学习模型中的应用	机器学习	NA	深度学习	堆叠双向LSTM	表格数据	六个公开数据集，每个数据集的大小和学习目标不同