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
19341	2024-08-30	Enhancing Melanoma Diagnosis with Advanced Deep Learning Models Focusing on Vision Transformer, Swin Transformer, and ConvNeXt 2024-Aug-15, Dermatopathology (Basel, Switzerland) DOI:10.3390/dermatopathology11030026 PMID:39189182	研究论文	本研究探索了使用高级深度学习模型（包括ConvNeXt、Vision Transformer和Swin Transformer）对皮肤镜图像进行良性和恶性黑色素瘤分类的应用	研究采用了混合深度学习架构，结合了卷积神经网络和变换器的原理，展示了在医学图像分析中的潜力	NA	提高黑色素瘤诊断的准确性和效率	良性和恶性黑色素瘤的分类	计算机视觉	黑色素瘤	深度学习	ConvNeXt, Vision Transformer (ViT), Swin Transformer	图像	13,900张统一尺寸的图像
19342	2024-08-30	A Data-Driven Approach to Estimate Human Center of Mass State During Perturbed Locomotion Using Simulated Wearable Sensors 2024-Aug, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03495-z PMID:38558352	研究论文	研究使用模拟可穿戴传感器模型在稳定和扰动步行期间快速估计人体质心状态的能力	首次探索了使用模拟可穿戴传感器驱动的深度学习模型来实时估计人体质心状态，特别是在扰动步行中的应用	研究仅限于模拟环境，实际应用中的效果可能有所不同	探索和验证使用可穿戴传感器实时估计人体质心状态的可行性，特别是在控制下肢外骨骼和其他基于可穿戴传感器的应用中	人体质心状态的估计，特别是在扰动步行中的应用	机器学习	NA	惯性测量单元(IMU)	时间卷积网络(TCN)	传感器数据	多种模拟的下肢外骨骼传感器配置
19343	2024-08-30	Intraoperative AI-assisted early prediction of parathyroid and ischemia alert in endoscopic thyroid surgery 2024-08, Head & neck DOI:10.1002/hed.27629 PMID:38348564	研究论文	本研究开发了一种名为PTAIR 2.0的深度学习模型，用于在腔镜甲状腺手术中辅助早期预测甲状旁腺和缺血警报，并将其性能与传统外科医生识别方法进行比较	PTAIR 2.0模型采用YOLOX算法，在甲状旁腺早期预测、识别和缺血警报方面表现出优越性能，优于资深和初级外科医生	NA	开发一种深度学习模型，以提高腔镜甲状腺手术中甲状旁腺识别的安全性和有效性	甲状旁腺在腔镜甲状腺手术中的识别和保护	机器学习	NA	YOLOX算法	深度学习模型	图像	32,428张图像来自838个腔镜甲状腺手术视频用于内部训练，54个完整视频用于外部验证
19344	2024-08-30	Utilizing deep learning for automated detection of oral lesions: A multicenter study 2024-Aug, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2024.106873 PMID:38833826	研究论文	本研究开发了一种基于YOLOX的卷积神经网络模型，用于在患者照片中精确检测多种口腔病变	模型在检测口腔病变方面表现出色，超过了经验丰富的专家，并能帮助专业人员和普通牙医进行诊断	NA	开发一种用于精确检测口腔病变的深度学习模型	口腔病变，包括OLP、OLK和OSCC	机器学习	口腔疾病	卷积神经网络	YOLOX	图像	1419张照片
19345	2024-08-30	A novel diagnosis method combined dual-channel SE-ResNet with expert features for inter-patient heartbeat classification 2024-08, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2024.104209 PMID:39160018	研究论文	本文提出了一种结合双通道SE-ResNet和专家特征的新诊断方法，用于患者间心跳分类	该研究通过融合双通道挤压激励残差神经网络（SE-ResNet）和专家特征，提高了患者间心跳分类的准确率	NA	开发一种可靠且自动化的系统，用于检测心电图（ECG）异常	心血管疾病患者的心跳分类	机器学习	心血管疾病	SE-ResNet	CNN	心电图信号	使用了三个开源数据库中的数据
19346	2024-08-30	Leadwise clustering multi-branch network for multi-label ECG classification 2024-08, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2024.104196 PMID:39160024	研究论文	本文提出了一种用于多标签心电图分类的多分支网络，并引入了一种直观的导联分组策略，以更好地利用医学领域知识	本文创新地设计了多分支网络，每个分支采用多尺度卷积网络结构提取更全面的特征，并提出了一个特征加权融合模块，以更好地整合不同导联的特征	NA	提高多标签心电图分类的准确性	12导联心电图信号及其在心血管疾病诊断中的应用	机器学习	心血管疾病	多尺度卷积网络	CNN	心电图信号	在PTB-XL数据集上分类4种心律失常类型和正常心律，在CPSC2018数据库上分类8种心律失常类型和正常心律
19347	2024-08-30	Automatic diagnosis of epileptic seizures using entropy-based features and multimodel deep learning approaches 2024-08, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2024.104206 PMID:39160030	研究论文	本文研究了利用基于熵的特征和多模型深度学习方法来自动诊断癫痫发作	本文采用了GRU、LSTM和BiLSTM RNN深度学习分类器，结合所有时间熵融合特征，提高了最终的分类结果	NA	开发一种自动预警癫痫发作的方法	癫痫患者和正常儿童的脑电图数据	机器学习	癫痫	脑电图分析	RNN	脑电图数据	来自Ibn Rushd培训医院神经科诊所的脑电图数据集
19348	2024-08-23	Deep learning large-scale drug discovery and repurposing 2024-Aug, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00679-4 PMID:39169261	研究论文	本文介绍了一种通过分析线粒体表型变化来识别药物作用机制（MOA）的方法	开发了一种名为MitoReID的深度学习模型，使用重识别（ReID）框架和膨胀3D ResNet骨干网络，成功识别了六种未训练药物的MOA，并验证了天然化合物表儿茶素作为环氧合酶-2抑制剂的MOA	NA	加速大规模药物发现和再利用	药物的作用机制（MOA）	机器学习	NA	深度学习	CNN	图像	570,096个单细胞图像，涉及1,068种美国食品药品监督管理局批准的药物
19349	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
19350	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
19351	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
19352	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
19353	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
19354	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
19355	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。
19356	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
19357	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
19358	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
19359	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
19360	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