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
17741	2024-08-30	Raman spectroscopic deep learning with signal aggregated representations for enhanced cell phenotype and signature identification 2024-Aug, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgae268 PMID:39192845	research paper	本文介绍了一种新的2D图像类双信号和成分聚合表示方法，通过重构拉曼光谱和主成分，增强了细胞表型和特征识别的拉曼光谱深度学习。	引入了2D图像类双信号和成分聚合表示方法，改进了拉曼光谱的数据学习，使新的ConvNet模型DSCARNets在多个基准数据集上显著优于现有机器学习和深度学习模型。	文章未明确提及现有方法的具体局限性，但提到了高维、无序和低样本的拉曼光谱数据对现有模型的挑战。	旨在通过改进拉曼光谱的数据表示方法，提高细胞表型和特征识别的准确性。	研究对象为拉曼光谱数据及其在细胞表型和特征识别中的应用。	machine learning	NA	拉曼光谱	ConvNet	光谱数据	涉及六个基准数据集和四个额外数据集
17742	2024-08-30	YOLO-V5 based deep learning approach for tooth detection and segmentation on pediatric panoramic radiographs in mixed dentition 2024-Jul-11, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01338-w PMID:38992601	研究论文	本研究评估了基于全景放射图像（PRs）的YOLO-v5在混合牙列儿童患者中自动检测、分割和编号乳牙和恒牙的有效性	使用YOLO-v5模型实现了对乳牙和恒牙的高精度自动检测和分割	NA	评估YOLO-v5在儿童全景放射图像中自动检测和分割牙齿的有效性	乳牙和恒牙的自动检测、分割和编号	计算机视觉	NA	YOLO-v5	CNN	图像	3854名混合牙列儿童患者全景放射图像
17743	2024-08-30	Deep Learning Models for the Screening of Cognitive Impairment Using Multimodal Fundus Images 2024-Jul, Ophthalmology. Retina DOI:10.1016/j.oret.2024.01.019 PMID:38280426	研究论文	本文旨在开发一种基于多模态眼底图像的深度学习系统，用于快速简便地识别认知障碍患者	本文开发了基于多模态眼底图像的深度学习模型，相较于单一模式模型，提供了更丰富的信息	NA	开发一种能够基于多模态眼底图像快速识别认知障碍患者的深度学习系统	参与北京眼科研究2011的受试者以及在北京同仁眼科中心和北京同仁医院体检中心就诊的患者	机器学习	认知障碍	深度学习算法	CNN	图像	9424张视网膜照片和4712张OCT图像用于模型开发，外部验证集包括1180张眼底照片和590张OCT图像
17744	2024-08-30	Effects of vitamin D supplementation on a deep learning-based mammographic evaluation in SWOG S0812 2024-Jul-01, JNCI cancer spectrum IF:3.4Q2 DOI:10.1093/jncics/pkae042 PMID:38814817	研究论文	本研究评估了维生素D补充对基于卷积神经网络的乳腺X线摄影评估的影响，特别是在SWOG S0812试验中的应用。	研究采用基于卷积神经网络的乳腺癌风险模型，通过乳腺X线摄影非侵入性地评估乳腺癌化学预防的反应。	研究结果显示，维生素D组与安慰剂组在12个月和24个月时基于卷积神经网络的风险评分变化无统计学显著差异。	评估维生素D补充对基于深度学习的乳腺X线摄影评估的影响。	研究对象为参与SWOG S0812试验的208名高风险未绝经女性。	机器学习	乳腺癌	卷积神经网络	CNN	图像	109名基线样本，97名12个月样本，67名24个月样本
17745	2024-08-30	Estimation of the Radiographic Parameters for Hallux Valgus From Photography of the Feet Using a Deep Convolutional Neural Network 2024-Jul, Cureus DOI:10.7759/cureus.65557 PMID:39192936	研究论文	本文提出了一种基于深度卷积神经网络的方法，用于从足部照片中估计拇外翻（HV）的放射学参数	该研究首次使用深度学习技术从足部照片中直接计算HV的放射学测量值，并能根据预测的测量值对HV的严重程度进行分级	研究样本量相对较小，且仅限于特定的放射学参数测量	旨在利用深度学习技术估计HV的放射学参数，并对HV的严重程度进行分级评估	拇外翻（HV）的放射学参数	机器学习	足部畸形	深度卷积神经网络	CNN	图像	131名患者，包含248张放射图像和337张足部照片
17746	2024-08-30	Radiomics diagnostic performance for predicting lymph node metastasis in esophageal cancer: a systematic review and meta-analysis 2024-Jun-12, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01278-5 PMID:38867143	meta-analysis	本文通过系统综述和荟萃分析评估了放射组学模型在预测食管癌淋巴结转移中的准确性	放射组学作为一种人工智能驱动的医学影像方法，具有变革性的潜力	当前影像方法在准确检测淋巴结转移方面存在局限性	评估放射组学模型预测食管癌淋巴结转移的准确性	食管癌患者的淋巴结转移预测	digital pathology	食管癌	放射组学	NA	影像	719名患者
17747	2024-08-30	A Transformer-Based microvascular invasion classifier enhances prognostic stratification in HCC following radiofrequency ablation 2024-04, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.15846 PMID:38263714	研究论文	本研究开发了一种基于Transformer的深度学习网络，用于预测接受射频消融治疗的肝细胞癌患者的微血管侵犯风险，以提高预后分层的准确性。	使用Swin Transformer深度学习网络分析磁共振成像数据，预测微血管侵犯风险，为早期肝细胞癌患者提供了一种新的影像学预后标志物。	研究样本主要集中在乙型肝炎病毒感染的患者，且样本量相对较小，可能限制了研究结果的普适性。	开发一种新的深度学习模型，用于提高肝细胞癌患者在接受射频消融治疗后的预后分层准确性。	接受射频消融治疗的肝细胞癌患者，特别是早期阶段的患者。	机器学习	肝细胞癌	磁共振成像	Swin Transformer	影像数据	训练集包含696例手术切除患者，验证集包含180例患者。
17748	2024-08-30	Assessment of deep learning image reconstruction (DLIR) on image quality in pediatric cardiac CT datasets type of manuscript: Original research 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300090 PMID:39186484	研究论文	评估深度学习图像重建（DLIR）在儿科心脏CT数据集中的图像质量	高级别DLIR在儿科心脏CT扫描中显示出比传统重建方法更高的信噪比（SNR）和对比噪声比（CNR），以及更好的图像锐度	NA	评估深度学习图像重建（DLIR）与传统图像重建方法在儿科心脏CT图像质量上的差异	儿科心脏CT扫描图像	计算机视觉	NA	深度学习图像重建（DLIR）	NA	图像	109例儿科心脏CT扫描
17749	2024-08-30	Optimized ensemble deep learning for predictive analysis of student achievement 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309141 PMID:39186491	研究论文	本文提出了一种结合DistilBERT与LSTM（DBTM）和Spotted Hyena Optimizer（SHO）的优化集成深度学习方法，用于预测学生学业成绩	该方法通过优化参数，显著提高了模型的准确性、对数损失和执行时间，相较于早期模型有显著改进	NA	旨在通过技术创新提高教育领域的学生成绩预测准确性	学生学业成绩	机器学习	NA	DistilBERT, LSTM, Spotted Hyena Optimizer	混合模型	教育数据	大量数据集
17750	2024-08-30	Automated brain tumor diagnostics: Empowering neuro-oncology with deep learning-based MRI image analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306493 PMID:39190622	研究论文	本文提出了一种基于深度学习的MRI图像分析技术，用于自动化脑肿瘤的分割和分类	采用了一种新颖的混合深度学习技术，结合了卷积神经网络和ResNeXt101，以提高肿瘤分割和分类的准确性	NA	旨在通过自动化技术提高脑肿瘤诊断的准确性和效率	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	深度学习	卷积神经网络和ResNeXt101	MRI图像	使用BRATS 2020数据集，包含MRI图像及其对应的肿瘤分割
17751	2024-08-30	Behavioral marker-based predictive modeling of functional status for older adults with subjective cognitive decline and mild cognitive impairment: Study protocol 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241269555 PMID:39193313	研究论文	本研究描述了一种基于行为标志的预测模型，用于评估主观认知下降和轻度认知障碍老年人的功能状态的研究方案	本研究采用混合效应机器学习模型和标准机器学习模型来预测功能状态随时间的变化	NA	开发利用行为数据和机器学习技术的自我护理干预措施，以自动化分析老年人的功能下降	65岁及以上具有主观认知下降或轻度认知障碍的老年人	机器学习	老年疾病	机器学习	MErf, MEgbm, MEmod, MEctree, 随机森林, 梯度提升机	行为和心理社会标志数据	130名老年人
17752	2024-08-30	A simulative deep learning model of SNP interactions on chromosome 19 for predicting Alzheimer's disease risk and rates of disease progression 2023-12, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.13319 PMID:37409680	研究论文	本文通过模拟深度学习模型分析染色体19上的单核苷酸多态性（SNP）交互作用，预测阿尔茨海默病（AD）的风险和疾病进展速率	采用了一种新颖的模拟深度学习模型，使用遮挡方法量化每个SNP及其上位效应对AD可能性的影响	NA	识别与阿尔茨海默病相关的遗传模式，以构建个性化的治疗策略	染色体19上的遗传数据和单核苷酸多态性（SNP）	机器学习	阿尔茨海默病	深度学习	深度学习模型	遗传数据	使用了来自阿尔茨海默病神经影像学倡议和阿尔茨海默病影像学与遗传生物标志物数据集的染色体19遗传数据
17753	2024-08-30	Parking Lot Occupancy Detection with Improved MobileNetV3 2023-Sep-03, Sensors (Basel, Switzerland) DOI:10.3390/s23177642 PMID:37688098	研究论文	本研究通过优化MobileNetV3模型并结合自定义架构改进，实现了停车场车位占用状态的精确检测	引入了卷积块注意力机制和蓝图可分离卷积，相较于传统深度可分离卷积，提升了模型性能	NA	提高停车场管理系统中车位占用检测的准确性	停车场车位占用状态	计算机视觉	NA	深度学习	MobileNetV3	视频	使用CNRPark-EXT和PKLot数据集进行训练和测试
17754	2024-08-30	Deep learning of image-derived measures of body composition in pediatric, adolescent, and young adult lymphoma: association with late treatment effects 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09587-z PMID:36988714	研究论文	本研究使用深度学习方法分析儿童、青少年和年轻成年淋巴瘤患者的标准护理CT图像中的身体成分测量，以评估其对治疗晚期效应的预测价值。	本研究首次将深度学习技术应用于半自动分析淋巴瘤患者的身体成分，并评估其与治疗晚期效应的关系。	研究为回顾性、单中心研究，样本量相对较小，可能影响结果的普遍性。	研究目的是将深度学习方法应用于半自动分析淋巴瘤患者的身体成分，并评估其对治疗晚期效应的预测价值。	研究对象为110名儿童、青少年和年轻成年淋巴瘤患者。	计算机视觉	淋巴瘤	深度学习	深度学习模型	图像	110名患者，260个CT图像数据集
17755	2024-08-30	The effect of hepatic steatosis on liver volume determined by proton density fat fraction and deep learning-measured liver volume 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09603-2 PMID:37012546	研究论文	本研究评估了肝脂肪变性（HS）对肝脏体积的影响，并开发了一种公式来估计校正HS影响的瘦肝体积	提出了一个公式来估计校正肝脂肪变性影响的瘦肝体积	这是一个回顾性研究，样本仅包括健康的成年肝脏捐赠者	评估肝脂肪变性对肝脏体积的影响并开发校正公式	肝脂肪变性对肝脏体积的影响	NA	NA	磁共振成像（MRI），质子密度脂肪分数（PDFF）测量	深度学习算法	图像	1038名捐赠者（平均年龄31±9岁，689名男性）
17756	2024-08-30	Liver PDFF estimation using a multi-decoder water-fat separation neural network with a reduced number of echoes 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09576-2 PMID:37014405	研究论文	本文提出了一种基于深度学习的多解码器水脂分离神经网络（MDWF-Net），用于从仅含3个回波的化学位移编码MRI图像中准确估计肝脏质子密度脂肪分数（PDFF）。	创新点在于使用多解码器水脂分离神经网络，通过减少回波数量来缩短MR扫描时间，同时保持PDFF估计的准确性。	NA	研究目的是通过减少回波数量，缩短MR扫描时间，同时保持肝脏PDFF估计的准确性。	研究对象是肝脏PDFF的估计，使用的是化学位移编码MRI图像。	机器学习	NA	MRI	CNN	图像	134名受试者的MRI数据用于训练，14名受试者的数据用于评估。
17757	2024-08-30	Dynamic evolution of brain structural patterns in liver transplantation recipients: a longitudinal study based on 3D convolutional neuronal network model 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09604-1 PMID:37014408	研究论文	本研究评估了肝移植受者在手术前后大脑结构模式的变化，使用基于深度学习的神经解剖生物标志物进行纵向测量。	采用3D卷积神经网络模型来预测大脑年龄，并通过网络遮挡敏感性分析确定各网络在年龄预测中的重要性。	NA	评估肝移植受者大脑健康的动态演变过程。	肝移植受者的大脑结构模式。	机器学习	NA	3D卷积神经网络	3D-CNN	MRI图像	3609名健康个体和60名肝移植受者及134名对照组
17758	2024-08-30	Intelligent noninvasive meningioma grading with a fully automatic segmentation using interpretable multiparametric deep learning 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09590-4 PMID:37052658	研究论文	本文建立了一种基于多参数深度学习模型的全自动无创脑膜瘤分级系统，并进行了分割	采用多参数三维U-net和ResNet构建的两阶段深度学习分级模型，结合T1C和T2图像，提高了分级和分割的准确性	NA	开发一种稳健的、可解释的多参数深度学习模型，用于自动无创脑膜瘤分级和分割	257名经病理证实的脑膜瘤患者（162例低级别，95例高级别）的脑部MRI图像	机器学习	脑膜瘤	MRI	U-net, ResNet	图像	训练集257例，验证集61例
17759	2024-08-30	Risk estimation for idiopathic normal-pressure hydrocephalus: development and validation of a brain morphometry-based nomogram 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09612-1 PMID:37059905	研究论文	开发并验证了一种基于脑部形态测量的诺模图，用于预测特发性正常压力脑积水	利用深度学习技术进行脑部分割和三维体积测量，开发了一种结合高凸紧密度、胼胝体角度小于90°和标准化侧脑室体积的诺模图	NA	开发和验证一种基于MRI特征的诺模图，用于预测特发性正常压力脑积水	60岁及以上被临床诊断为特发性正常压力脑积水、帕金森病、阿尔茨海默病或健康对照的患者	NA	特发性正常压力脑积水	MRI	深度学习	图像	452名患者（平均年龄±标准差，73.2±6.5岁；200名男性）
17760	2024-08-30	Deep learning-based diagnosis of osteoblastic bone metastases and bone islands in computed tomograph images: a multicenter diagnostic study 2023-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09573-5 PMID:37060446	研究论文	本研究开发并验证了一种基于CT图像的深度学习（DL）模型，用于区分骨岛和成骨性骨转移瘤	采用三切片CT图像输入的2.5D深度学习模型在分类硬化性骨病变方面优于2D模型	NA	开发和验证一种深度学习模型，用于区分骨岛和成骨性骨转移瘤	硬化性骨病变（SBLs）患者	计算机视觉	骨转移瘤	深度学习	2D和2.5D深度学习模型	CT图像	共使用了1918个SBLs样本，涉及728名患者（站点1），122个SBLs样本，涉及71名患者（站点2），71个SBLs样本，涉及47名患者（站点3）