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
19141	2024-08-21	Application of Deep Learning in Lung Cancer Imaging Diagnosis 2022, Journal of healthcare engineering DOI:10.1155/2022/6107940 PMID:35028122	研究论文	本文研究了基于深度学习的模型在肺癌CT影像诊断中的应用	提出了结合U-Net和RPN的检测网络结构Noudule-Net，用于提高肺结节检测的准确性	未提及具体限制	探索深度学习在肺癌影像诊断中的应用，提高诊断的及时性和准确性	肺癌CT影像中的肺结节检测、假阳性减少及良恶性分类	计算机视觉	肺癌	深度学习	CNN	影像	未提及具体样本数量
19142	2024-08-21	Initial application of deep learning to borescope detection of endoscope working channel damage and residue 2022-Jan, Endoscopy international open IF:2.2Q2 DOI:10.1055/a-1591-0258 PMID:35047341	研究论文	本文探讨了深度学习在内窥镜工作通道损伤和残留物检测中的初步应用	利用人工智能（AI）深度学习方法，提高了内窥镜工作通道检查的效率和价值	文章未提及具体的局限性	研究人工智能在内窥镜工作通道检查中的应用，以提高检查效率和准确性	内窥镜工作通道的损伤和残留物	计算机视觉	NA	深度学习	NA	视频	20个内窥镜
19143	2024-08-21	Classification of Clinically Significant Prostate Cancer on Multi-Parametric MRI: A Validation Study Comparing Deep Learning and Radiomics 2021-Dec-21, Cancers IF:4.5Q1 DOI:10.3390/cancers14010012 PMID:35008177	研究论文	本研究旨在通过多参数磁共振成像（mpMRI）比较深度学习和放射组学模型在临床显著性前列腺癌（PCa）分类中的性能	本研究首次在不同中心和不同扫描仪的数据集上比较了深度学习和放射组学模型的性能	研究仅限于四个数据集，可能需要更多数据集以进一步验证模型的泛化能力	比较深度学习和放射组学模型在临床显著性前列腺癌诊断中的性能	临床显著性前列腺癌的分类	机器学习	前列腺癌	多参数磁共振成像（mpMRI）	深度学习模型和放射组学模型	医学影像	共包含371名患者的数据集，以及两个外部数据集（195名患者和79名患者）
19144	2024-08-21	A Deep Learning Ensemble Approach for Automated COVID-19 Detection from Chest CT Images 2021-Dec-20, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10245982 PMID:34945278	研究论文	本研究旨在评估基于迁移学习技术的自动化COVID-19检测方法，该方法利用胸部CT图像进行检测	采用卷积神经网络（CNN）作为特征提取器，并结合信息增益过滤器选择特征，最终通过多数投票方法进行分类	NA	评估自动化COVID-19检测方法的性能	胸部CT图像	计算机视觉	COVID-19	迁移学习	CNN	图像	4171张CT扫描图像，来自210名不同患者
19145	2024-08-21	Moving beyond the Slit-Lamp Gonioscopy: Challenges and Future Opportunities 2021-Dec-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11122279 PMID:34943516	综述	本文综述了裂隙灯前房角镜检查的局限性以及新型数字前房角镜GS-1的优势和潜在应用	介绍了新型数字前房角镜GS-1，该设备允许半自动的环形记录前房角的真实彩色照片，并探讨了其在远程医疗、虚拟诊所和深度学习自动分类中的潜在应用	裂隙灯前房角镜检查存在学习曲线陡峭、检查者间一致性差和记录不良的缺点	探讨裂隙灯前房角镜检查的挑战和未来机遇	前房角及其在青光眼诊断和治疗中的应用	NA	青光眼	NA	NA	图像	NA
19146	2024-08-21	Unseen Artificial Intelligence-Deep Learning Paradigm for Segmentation of Low Atherosclerotic Plaque in Carotid Ultrasound: A Multicenter Cardiovascular Study 2021-Dec-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11122257 PMID:34943494	研究论文	本文研究了一种新的深度学习方法，用于在多中心心血管研究中分割颈动脉超声中的低斑块，该方法在不同种族群体中进行训练和测试。	首次采用“未见人工智能”范式，即在不同种族群体中进行训练和测试，以验证深度学习模型的通用性。	研究仅限于颈动脉超声图像的分割，且样本来自两个特定的种族群体。	验证深度学习模型在不同种族群体中分割低斑块的能力，并评估其与“已见人工智能”模型的性能接近程度。	颈动脉超声图像中的低斑块分割。	机器学习	心血管疾病	深度学习	UNet	图像	630个样本，包括330个日本人和300个香港人
19147	2024-08-21	Stent detection with very thick tissue coverage in intravascular OCT 2021-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.444336 PMID:35003848	研究论文	本文开发了一种深度学习方法，用于自动分析具有薄和非常厚组织覆盖的支架，并提出了一种算法来准确分析植入多个支架的血管区域	本文首次提出了一种能够处理非常厚组织覆盖的支架分析的深度学习方法，并能够有效分析植入多个支架的血管区域	NA	开发一种自动分析具有不同组织覆盖厚度的支架的方法，以提高评估支架植入和支架后组织覆盖的效率	冠状动脉支架及其组织覆盖情况	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	25203张图像来自56次OCT回拉和41名患者
19148	2024-08-21	An empirical study of using radiology reports and images to improve ICU-mortality prediction 2021-Aug, Proceedings. IEEE International Conference on Healthcare Informatics DOI:10.1109/ichi52183.2021.00088 PMID:35531070	研究论文	本研究构建了一个基于深度学习的生存预测模型，利用多模态数据预测ICU死亡率	本研究首次结合生理测量数据、预定义的胸部疾病标签、基于BERT的文本表示和胸部X光图像特征，通过深度学习方法显著提高了ICU死亡率的预测准确性	NA	提高ICU死亡率的预测准确性	ICU患者的死亡率	机器学习	NA	深度学习	深度学习模型	多模态数据	使用了Medical Information Mart for Intensive Care IV (MIMIC-IV)数据集
19149	2024-08-21	Novel loss functions for ensemble-based medical image classification 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0261307 PMID:34968393	研究论文	本文研究了基于集成学习的医学图像分类中损失函数的优化	提出了改进的损失函数用于多类别分类任务，并通过集成学习提高了分类性能	未提及	分析并选择适合当前分类任务的损失函数	儿科胸片数据集，包括正常图像及细菌性和病毒性肺炎的图像	计算机视觉	NA	深度神经网络	集成模型	图像	未明确提及具体数量
19150	2024-08-20	Mechanical strength recognition and classification of thermal protective fabric images after thermal aging based on deep learning 2024-Sep, International journal of occupational safety and ergonomics : JOSE IF:1.6Q3 DOI:10.1080/10803548.2024.2345511 PMID:38741556	研究论文	本研究提出了一种基于迁移学习的图像识别策略，用于区分经过热老化的热防护织物的机械强度	采用数据增强技术克服了训练样本不足的问题，并利用四种预训练模型在三种样本分类模式下探索其性能	对于处于强度下降中间阶段的织物样本，三分类模式优于四分类和六分类模式	评估热老化后热防护服装的安全使用寿命，降低职业人员的风险	热防护织物的热老化后机械强度	计算机视觉	NA	迁移学习	VGG-19	图像	实验中使用了四种预训练模型在三种样本分类模式下进行探索
19151	2024-08-20	Explicit Abnormality Extraction for Unsupervised Motion Artifact Reduction in Magnetic Resonance Imaging 2024-Aug-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3444771 PMID:39150812	研究论文	本文提出了一种新的无监督异常提取网络（UNAEN），用于减少磁共振成像（MRI）中的运动伪影	UNAEN能够处理未配对的MA-corrupted和MA-free图像，通过提取器从MA-corrupted图像中提取异常，并使用重建器恢复原始输入，从而减少运动伪影	NA	解决磁共振成像中运动伪影的问题，提高诊断准确性和图像引导疗法的效果	磁共振成像中的运动伪影	计算机视觉	NA	深度学习	UNAEN	图像	使用了多种公开可用的MRI数据集
19152	2024-08-20	Deep learning improves quality of intracranial vessel wall MRI for better characterization of potentially culprit plaques 2024-08-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69750-4 PMID:39152167	研究论文	本研究通过深度学习技术提高颅内血管壁磁共振成像的质量，以更好地识别潜在的罪魁祸首斑块	深度学习技术显著提高了颅内血管壁成像的图像质量，包括信号噪声比和对比噪声比，并增强了斑块和内斑块出血的检测能力	研究为回顾性分析，样本量相对较小	提高颅内血管壁成像的质量，以便更准确地识别和评估潜在的罪魁祸首斑块	颅内血管壁成像的质量和深度学习技术的应用	计算机视觉	心血管疾病	磁共振成像	深度学习	图像	117名患者
19153	2024-08-20	Variational tensor neural networks for deep learning 2024-Aug-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69366-8 PMID:39152160	研究论文	本文提出将张量网络（TN）与神经网络框架结合，采用变分DMRG启发式训练技术，构建可扩展的张量神经网络（TNN）架构	引入张量网络与神经网络结合的方法，以及变分DMRG启发式训练技术，提高了神经网络在大规模参数空间中的训练效率	NA	解决深度神经网络在大规模神经元情况下遇到的扩展性限制问题	设计并验证张量神经网络在回归、分类和图像识别任务中的准确性和效率	机器学习	NA	张量网络（TN）	张量神经网络（TNN）	图像	MNIST手写数字数据集
19154	2024-08-20	A comparative analysis of classical and machine learning methods for forecasting TB/HIV co-infection 2024-08-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69580-4 PMID:39152187	研究论文	本研究比较了经典统计和机器学习模型在预测TB/HIV合并感染病例方面的效果	研究发现深度学习模型，特别是双向LSTM和CNN-LSTM，显著优于经典方法	NA	评估和比较不同模型在预测TB/HIV合并感染病例中的表现	TB/HIV合并感染病例的预测	机器学习	NA	NA	SVR, XGBoost, LSTM, CNN, GRU, CNN-GRU, CNN-LSTM	时间序列数据	NA
19155	2024-08-20	Metaheuristics based dimensionality reduction with deep learning driven false data injection attack detection for enhanced network security 2024-Aug-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69806-5 PMID:39152172	研究论文	本文提出了一种基于混合元启发式降维与深度学习的虚假数据注入攻击检测技术，以增强网络安全性	引入了一种新的混合元启发式降维与深度学习技术（HMDR-DLFDIA），用于检测分布系统中的虚假数据注入攻击	未提及具体限制	旨在识别和分类分布系统中的虚假数据注入攻击，以提高网络安全性	分布系统中的虚假数据注入攻击	机器学习	NA	混合元启发式降维，深度学习	堆叠自编码器（SAE）	数据	未提及具体样本数量
19156	2024-08-20	Biologically interpretable multi-task deep learning pipeline predicts molecular alterations, grade, and prognosis in glioma patients 2024-Aug-16, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00670-2 PMID:39152182	研究论文	开发了一种端到端的多任务深度学习（MDL）管道，用于同时预测胶质瘤患者的分子改变、组织学分级和预后，并提供模型预测的生物学机制	该研究开发了一种生物学可解释的多任务深度学习管道，能够同时预测胶质瘤的分子改变、分级和预后，并提供了生物学机制的解释	NA	开发一种能够同时预测胶质瘤分子改变、分级和预后的多任务深度学习管道，并解释其生物学机制	胶质瘤患者的分子改变、组织学分级和预后	机器学习	脑肿瘤	深度学习	多任务深度学习模型	MRI图像	2776名胶质瘤患者
19157	2024-08-20	Deep learning-based prediction of indication for cracked tooth extraction using panoramic radiography 2024-Aug-16, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04721-9 PMID:39152384	研究论文	本文研究了使用全景放射摄影和深度学习模型预测裂牙拔除指征的可行性	首次尝试使用深度学习模型通过全景放射摄影预测裂牙拔除的指征	模型的特异性较低，范围在52.63-60.77%	确定使用深度学习预测裂牙拔除指征的可行性	418颗牙齿的全景放射图像，包括209颗正常牙齿和209颗裂牙	计算机视觉	NA	深度学习	InceptionV3, ResNet50, EfficientNetB0	图像	418颗牙齿
19158	2024-08-20	Artificial Intelligence Enabled Interpretation of ECG Images to Predict Hematopoietic Cell Transplantation Toxicity 2024-Aug-16, Blood advances IF:7.4Q1 DOI:10.1182/bloodadvances.2024013636 PMID:39158065	研究论文	本文利用人工智能技术解读心电图图像，预测造血细胞移植后的心脏并发症和总体生存率	AI-ECG技术为造血细胞移植后的个性化风险评估提供了一种新策略	NA	探讨AI-ECG技术在预测造血细胞移植后心脏并发症和总体生存率方面的应用	接受造血细胞移植的血液恶性肿瘤患者	机器学习	血液恶性肿瘤	深度学习	NA	图像	1377名患者（849名自体造血细胞移植和528名异基因造血细胞移植接受者）
19159	2024-08-20	Technical note: MR image-based synthesis CT for CyberKnife robotic stereotactic radiosurgery 2024-Aug-13, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad6a62 PMID:39094608	研究论文	本研究旨在探讨基于深度学习的合成CT图像是否能在CyberKnife机器人立体定向放射手术中实现精确的剂量计算。	本研究将基于MR的合成CT预测扩展到CyberKnife机器人立体定向放射手术，扩展了仅MR放射治疗的应用场景。	NA	研究基于深度学习的合成CT图像在CyberKnife机器人立体定向放射手术中的剂量计算准确性。	研究对象为CyberKnife机器人立体定向放射手术中的MR图像和CT图像。	计算机视觉	NA	深度学习	U-net卷积神经网络	图像	使用了2446对MR-CT图像进行训练，并使用551张MR图像进行测试。
19160	2024-08-20	Bridging pharmacology and neural networks: A deep dive into neural ordinary differential equations 2024-Aug, CPT: pharmacometrics & systems pharmacology DOI:10.1002/psp4.13149 PMID:38992975	综述	本文深入探讨了神经常微分方程（Neural ODEs）在药物开发和临床药理学中的应用	Neural ODEs结合了机制模型和深度学习模型，能够精确模拟连续动态系统	将Neural ODEs应用于临床试验数据集（具有稀疏和不规则时间测量）存在挑战	探讨Neural ODEs在模型指导的药物开发中的应用	Neural ODEs在处理稀疏和不规则数据方面的能力	机器学习	NA	Neural ODEs	混合模型	临床数据	NA