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
18501	2024-09-20	AB093. Pixel-wise classification of glioma using deep learning for accurate tumour mapping on magnetic resonance imaging 2024-Aug, Chinese clinical oncology IF:2.1Q3 DOI:10.21037/cco-24-ab093 PMID:39295411	研究论文	本文研究了使用深度学习进行磁共振成像（MRI）上胶质瘤的像素级分类和肿瘤映射	本文首次将深度学习技术应用于MRI图像上胶质瘤的像素级分类和肿瘤映射	研究样本量较小，仅包括69个低级别胶质瘤（LGG）样本	开发机器学习算法以实现对脑肿瘤的准确诊断和精确映射	胶质瘤患者的脑部MRI图像	计算机视觉	脑肿瘤	深度学习	UNet-based architecture with CNN	图像	69个低级别胶质瘤（LGG）样本
18502	2024-09-20	Structured light for touchless 3D registration in video-based surgical navigation 2024-Jul, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03180-5 PMID:38816650	研究论文	本文介绍了一种使用激光扫描仪进行无接触3D注册的方法，用于视频辅助手术导航系统	提出了一种基于深度学习的语义分割技术，用于在重建前识别感兴趣的结构，从而减少非刚性结构重建中的异常值	目前的方法在复杂手术中的性能和适用性仍需进一步优化	开发一种无创的3D注册方法，以提高视频辅助手术导航系统的效率和可达区域	膝关节和髋关节的手术导航	计算机视觉	NA	激光扫描	深度学习模型	图像	使用膝关节和髋关节的模型以及离体数据进行实验验证
18503	2024-09-20	Shape completion in the dark: completing vertebrae morphology from 3D ultrasound 2024-Jul, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03126-x PMID:38748052	研究论文	本文提出了一种基于点云的概率深度学习方法，用于从3D超声图像中完成被遮挡的解剖结构的形态补全，并以脊柱检查为例进行应用	本文的创新点在于引入了基于点云的概率深度学习方法，通过模拟超声物理和考虑固有伪影生成合成3D表示，从而实现被遮挡解剖结构的3D形状补全	本文的局限性在于主要依赖于合成数据进行训练，尽管在患者数据上表现良好，但仍需进一步验证其在更多实际病例中的适用性	本文的研究目的是通过复制医疗专业人员在超声检查中创建3D解剖结构心理地图的过程，增强解剖结构的视觉表示	本文的研究对象是腰椎椎体的3D形状补全	计算机视觉	NA	深度学习	概率深度学习模型	3D超声图像	合成数据和患者数据
18504	2024-09-20	OneSLAM to map them all: a generalized approach to SLAM for monocular endoscopic imaging based on tracking any point 2024-Jul, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03171-6 PMID:38775904	研究论文	本文提出了一种名为OneSLAM的单目SLAM算法，用于手术内窥镜成像，能够在多个内窥镜领域中无需重新训练即可工作	OneSLAM利用了基于跟踪任何点的稳健基础模型，能够在不同内窥镜领域中泛化，无需重新训练	未来研究需要解决全局回环检测问题，以减少累积漂移并增强长期导航能力	开发一种能够在多个内窥镜领域中通用的单目SLAM算法	内窥镜成像中的单目SLAM算法	计算机视觉	NA	单目SLAM	NA	图像	涉及四个内窥镜领域：鼻窦内窥镜、结肠镜检查、关节镜检查和腹腔镜检查
18505	2024-09-20	HE-Mind: A model for automatically predicting hematoma expansion after spontaneous intracerebral hemorrhage 2024-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111533 PMID:38833770	研究论文	开发并验证了一种用于自动预测自发性脑出血后血肿扩张的端到端模型	设计了一种新颖的深度学习框架，包括密集连接的U-net用于分割过程，多实例学习策略用于解决标签模糊性，以及Siamese网络用于分类过程	NA	开发和验证一种自动预测自发性脑出血后血肿扩张的模型	自发性脑出血患者的颅内非对比CT图像	计算机视觉	脑血管疾病	深度学习	U-net, Siamese网络	图像	490名自发性脑出血患者
18506	2024-09-20	A radiograph-based deep learning model improves radiologists' performance for classification of histological types of primary bone tumors: A multicenter study 2024-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111496 PMID:38733705	研究论文	本文开发了一种基于深度学习的模型，用于分类原发性骨肿瘤的组织学类型，并评估了其在辅助放射科医生中的临床效用	本文创新性地结合了放射图像和临床特征，基于EfficientNet-B3模型进行五分类，显著提高了放射科医生的分类准确性和诊断信心	研究为回顾性研究，样本主要来自两个中心，可能存在一定的偏倚	开发和评估一种深度学习模型，用于辅助放射科医生分类原发性骨肿瘤的组织学类型	原发性骨肿瘤的组织学类型分类	计算机视觉	骨肿瘤	深度学习	EfficientNet-B3	图像	878名病理确诊的原发性骨肿瘤患者，分为训练集638例，验证集77例，内部测试集80例，外部测试集83例
18507	2024-09-20	Recovering speech intelligibility with deep learning and multiple microphones in noisy-reverberant situations for people using cochlear implants 2024-06-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0026218 PMID:38884525	研究论文	研究通过深度学习和多麦克风系统在噪声和混响环境中提高人工耳蜗使用者的语音可懂度	提出了一种结合深度学习和多麦克风系统的方法，通过去除噪声和混响来恢复语音信号，显著提高了语音接收阈值	研究仅限于模拟和实际人工耳蜗使用者的测试，未涵盖所有可能的听觉环境	旨在通过深度学习算法和多麦克风系统提高人工耳蜗使用者在噪声和混响环境中的语音可懂度	研究对象包括15名典型听力听众和12名人工耳蜗使用者	机器学习	NA	深度学习算法	NA	语音信号	15名典型听力听众和12名人工耳蜗使用者
18508	2024-09-20	ChildAugment: Data augmentation methods for zero-resource children's speaker verification 2024-03-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0025178 PMID:38530014	研究论文	本文提出了一种名为ChildAugment的数据增强方法，用于零资源儿童说话人验证，通过调整成人语音的共振峰频率和带宽来模拟儿童语音	创新点在于通过儿童特定的数据增强方法，将成人语音数据转化为儿童语音数据，以提高儿童说话人验证系统的准确性	NA	研究目的是探索更有效的方法来利用成人语音数据，以提高儿童说话人验证系统的准确性	研究对象是儿童说话人验证系统及其数据增强方法	机器学习	NA	数据增强	时间延迟神经网络识别器	语音	使用了CSLU kids语料库进行评估
18509	2024-09-20	Development and testing of a deep learning algorithm to detect lung consolidation among children with pneumonia using hand-held ultrasound 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309109 PMID:39190686	研究论文	开发并测试了一种深度学习算法，用于通过手持超声检测患有肺炎的儿童的肺实变	首次开发并测试了一种用于检测儿童肺炎肺实变的深度学习算法，并展示了其在手持超声设备上的高准确性	研究仅限于特定年龄段的儿童，且数据集主要来自学术急诊科和儿科住院或重症监护单元	开发和测试一种人工智能算法，用于在住院儿童的床旁肺超声中检测肺实变特征	患有肺炎的18个月至17岁儿童	计算机视觉	肺炎	深度学习	深度学习算法	视频	107名儿童参与者，产生了117次独立检查，共604个阳性视频和589个阴性视频
18510	2024-09-20	Automated segmentation and classification of supraspinatus fatty infiltration in shoulder magnetic resonance image using a convolutional neural network 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1416169 PMID:39290391	研究论文	本文开发并评估了一种用于检测肩部磁共振图像中冈上肌脂肪浸润的两步深度学习模型	本文提出了一种无监督训练的混合框架，结合分割和分类来检测冈上肌脂肪浸润，相较于传统的手动分割和标记方法，提供了更高效的解决方案	本文未提及具体的局限性	开发和评估一种用于检测肩部磁共振图像中冈上肌脂肪浸润的深度学习模型	肩部磁共振图像中的冈上肌脂肪浸润	计算机视觉	肩部疾病	深度学习	U-Net 和 VGG-19	图像	606 张肩部磁共振图像
18511	2024-09-20	Deep learning infused SIRVD model for COVID-19 prediction: XGBoost-SIRVD-LSTM approach 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1427239 PMID:39290396	研究论文	本文提出了一种结合机器学习和数学模型的深度学习模型，用于预测COVID-19的传播动态和未来趋势	本文创新性地将SIRVD数学模型与XGBoost-LSTM深度学习模型结合，提高了COVID-19预测的准确性	NA	研究目的是开发一种准确预测COVID-19传播动态和未来趋势的模型，以支持公共卫生决策	研究对象是COVID-19的传播动态和未来趋势	机器学习	COVID-19	XGBoost, LSTM	深度学习模型	时间序列数据	NA
18512	2024-09-20	PNNGS, a multi-convolutional parallel neural network for genomic selection 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1410596 PMID:39290743	研究论文	本文介绍了一种用于基因组选择的并行卷积神经网络PNNGS，通过并行卷积和残差连接提高了预测精度和稳定性	引入并行卷积到深度学习中用于基因组选择，提出了一种新的并行神经网络PNNGS	当训练样本在小集群中减少时，PNNGS的预测精度显著下降	提高基因组选择的预测精度和稳定性	水稻、向日葵、小麦和玉米的基因组选择	机器学习	NA	深度学习	并行神经网络	基因组数据	24个案例，不同集群的样本数量差异很大
18513	2024-09-20	DSEception: a noval neural networks architecture for enhancing pneumonia and tuberculosis diagnosis 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1454652 PMID:39291256	研究论文	本文提出了一种新的神经网络架构DSEception，用于增强肺炎和肺结核的诊断	本文提出了一种基于InceptionV3架构的混合模型，通过引入深度可分离卷积和挤压激励机制，提高了特征提取能力，同时减少了参数数量和计算负担	NA	开发一种高精度的自动诊断和分类方法，用于区分正常、肺炎和肺结核	肺炎和肺结核的诊断	计算机视觉	肺部疾病	深度学习	混合模型	图像	NA
18514	2024-09-20	Deep learning based hybrid prediction model for predicting the spread of COVID-19 in the world's most populous countries 2023-Nov-30, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.120769 PMID:37334273	研究论文	本文开发了一种基于深度学习的混合预测模型，用于预测全球人口最多的国家中COVID-19的传播	本研究首次尝试预测和分析全球人口最多的国家之间的COVID-19跨国家传播	NA	预测COVID-19的传播，以帮助制定健康管理计划和社会经济行动计划	全球人口最多的国家中COVID-19的传播	机器学习	COVID-19	深度学习	CNN-GRU混合模型	NA	全球人口最多的国家
18515	2024-09-20	MRI-based T1rho and T2 cartilage compositional imaging in osteoarthritis: what have we learned and what is needed to apply it clinically and in a trial setting? 2023-Nov, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-023-04310-x PMID:37000230	研究论文	本文探讨了基于MRI的T1rho和T2关节软骨成分成像在骨关节炎中的应用，分析了其在临床和试验设置中的现状和需求	开发了基于深度学习的自动软骨分割和更快的成像方法，推动了T1rho和T2成像在临床和科学试验中的可行性	软骨分割的挑战、图像采集时间长、成像标准化不足以及缺乏参考数据库和异常阈值定义	研究T1rho和T2关节软骨成分成像在骨关节炎早期诊断和治疗中的应用	骨关节炎患者的关节软骨	数字病理学	骨关节炎	MRI	深度学习	图像	NA
18516	2024-09-20	ADU-Net: An Attention Dense U-Net based deep supervised DNN for automated lesion segmentation of COVID-19 from chest CT images 2023-Aug, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2023.104974 PMID:37122956	研究论文	提出了一种基于注意力密集U-Net的深度监督DNN模型，用于从胸部CT图像中自动分割COVID-19病变	引入了注意力机制和深度监督机制，使用5×5卷积核代替3×3卷积核，并在编码器级别引入密集连接网络	未提及具体限制	开发一种自动化的COVID-19预测框架，用于胸部CT图像的定性和定量评估	COVID-19患者的胸部CT图像中的肺部病变	计算机视觉	COVID-19	深度学习	注意力密集U-Net	图像	MedSeg COVID-19胸部CT分割数据集
18517	2024-09-20	Coronary X-ray angiography segmentation using Artificial Intelligence: a multicentric validation study of a deep learning model 2023-Jul, The international journal of cardiovascular imaging DOI:10.1007/s10554-023-02839-5 PMID:37027105	研究论文	本文验证了一种基于深度学习的人工智能模型在冠状动脉造影图像分割中的应用	首次在多中心数据集上验证了该深度学习模型在冠状动脉造影图像分割中的准确性	研究仅限于一个月内的患者数据，且样本量相对较小	验证人工智能模型在冠状动脉造影图像分割中的准确性	冠状动脉造影图像的自动分割	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	90名患者，117张图像，123个感兴趣区域
18518	2024-09-20	Deep learning framework for rapid and accurate respiratory COVID-19 prediction using chest X-ray images 2023-Jul, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2023.101596 PMID:37275558	研究论文	本文提出了一种基于深度特征拼接和多头自注意力网络的端到端深度学习框架，用于通过胸部X光图像快速准确地预测COVID-19	该研究采用了深度特征拼接和多头自注意力网络，结合了DenseNet、VGG-16和InceptionV3的预训练模型，并在COVID-19_Radiography_Dataset上进行了端到端训练和评估	NA	开发一种快速准确的深度学习框架，用于通过胸部X光图像预测COVID-19	COVID-19感染的胸部X光图像	计算机视觉	呼吸系统疾病	深度学习	多头自注意力网络	图像	使用了COVID-19_Radiography_Dataset进行训练和评估
18519	2024-09-20	Predicting the antigenic evolution of SARS-COV-2 with deep learning 2023-06-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-39199-6 PMID:37311849	研究论文	本文介绍了一种基于机器学习的抗原进化预测方法MLAEP，用于预测SARS-CoV-2的抗原进化	结合结构建模、多任务学习和遗传算法，通过计算机模拟定向进化探索抗原进化	NA	预测SARS-CoV-2的抗原进化，以辅助疫苗开发和应对未来变种	SARS-CoV-2的抗原进化及其对免疫逃逸的影响	机器学习	NA	结构建模、多任务学习、遗传算法	NA	序列数据	现有SARS-CoV-2变种及免疫缺陷COVID-19患者样本
18520	2024-09-20	A generalizable deep learning regression model for automated glaucoma screening from fundus images 2023-Jun-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00857-0 PMID:37311940	研究论文	本文提出了一种可推广的深度学习回归模型，用于从眼底图像中自动筛查青光眼	该模型在多种挑战性设置下表现出色，并能有效减少数据偏移问题	需要进一步的前瞻性队列研究进行验证	开发一种可推广的青光眼筛查模型	青光眼筛查	计算机视觉	眼科疾病	深度学习	回归模型	图像	共149,455张眼底图像