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
19561	2024-08-11	Detecting the pulmonary trunk in CT scout views using deep learning 2021-05-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-89647-w PMID:33986402	研究论文	本文通过深度学习方法自动定位CT scout视图中的肺动脉主干区域	使用U-Net模型自动定位肺动脉主干区域，其准确度与放射技师相当	NA	自动化CT scout视图中肺动脉主干的定位任务	CT scout视图中的肺动脉主干区域	计算机视觉	NA	深度学习	U-Net	图像	620个CT scout视图，来自563名患者
19562	2024-08-11	Artificial intelligence in detecting temporomandibular joint osteoarthritis on orthopantomogram 2021-05-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-89742-y PMID:33986459	研究论文	本研究旨在开发一种人工智能模型，用于通过正交平片检测颞下颌关节骨关节炎，并与口腔颌面放射专家的诊断性能进行比较	研究通过重新分类不确定的骨关节炎图像，提高了人工智能模型的诊断准确性，使其与专家的诊断性能相当	初始模型在处理三种分类时表现不佳，需要通过重新分类来改善性能	开发和评估人工智能模型在颞下颌关节骨关节炎诊断中的应用	颞下颌关节骨关节炎的诊断	计算机视觉	颞下颌关节骨关节炎	深度学习	ResNet	图像	1189张正交平片图像
19563	2024-08-11	AI-assisted superresolution cosmological simulations 2021-05-11, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2022038118 PMID:33947816	研究论文	本文利用人工智能（特别是深度学习）技术，通过神经网络从高分辨率图像数据中学习，并生成低分辨率宇宙学N体模拟的超分辨率版本	本文首次将深度学习技术应用于宇宙学N体模拟，生成高分辨率模拟，能够增强模拟分辨率并预测粒子位移	NA	利用人工智能技术提高宇宙学模拟的分辨率	宇宙学N体模拟	机器学习	NA	深度学习	神经网络	图像	16对小体积低分辨率-高分辨率模拟
19564	2024-08-11	Synaptic metaplasticity in binarized neural networks 2021-05-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-22768-y PMID:33953183	研究论文	本文研究了二值化神经网络中的突触可塑性，提出了一种新的训练技术以减轻灾难性遗忘问题	将二值化神经网络的隐藏权重解释为可塑性变量，并提出了一种新的训练技术，无需先前数据或数据集之间的正式边界即可减少灾难性遗忘	NA	探索神经科学中的可塑性行为如何应用于深度神经网络以减轻灾难性遗忘	二值化神经网络及其在多任务和流学习中的应用	机器学习	NA	NA	二值化神经网络	NA	NA
19565	2024-08-11	Deep learning for gradability classification of handheld, non-mydriatic retinal images 2021-05-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-89027-4 PMID:33947946	研究论文	本文研究使用深度学习技术对非散瞳手持式视网膜图像的可分级性进行分类	提出了一种紧凑型深度学习模型，用于在采集阶段预测视网膜图像的可分级性，以提高可分级图像的比例和糖尿病视网膜病变（STDR）的检测率	NA	旨在提高非临床环境下使用手持设备采集的视网膜图像的可分级性，从而提高STDR的检测	非散瞳手持式视网膜图像的可分级性	计算机视觉	糖尿病视网膜病变	深度学习（DL）	紧凑型深度学习模型	图像	从18,277名患者眼中采集的40,126张图像中，有16,170名患者眼（35,319张图像）符合条件，并从中抽取了3261张视网膜图像（1490名患者眼）进行标记
19566	2024-08-11	Simulation-to-real domain adaptation with teacher-student learning for endoscopic instrument segmentation 2021-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-021-02383-4 PMID:33982232	研究论文	本文介绍了一种基于教师-学生学习方法的模拟到真实域适应技术，用于内窥镜手术器械分割	提出了一种教师-学生学习方法，联合学习标注的模拟数据和未标注的真实数据，以解决模拟到真实无监督域适应问题	文章未明确提及具体的局限性	旨在提高内窥镜手术器械分割的自动化水平，减少对临床专家手动标注的依赖	内窥镜视频流中的手术器械分割	计算机视觉	NA	教师-学生学习方法	NA	视频	涉及三个数据集
19567	2024-08-11	Model Simplification of Deep Random Forest for Real-Time Applications of Various Sensor Data 2021-Apr-25, Sensors (Basel, Switzerland) DOI:10.3390/s21093004 PMID:33922953	研究论文	本文提出了一种新的方法来简化深度随机森林（DRF）的黑盒模型，通过提出的规则消除方法来量化特征贡献和频率，从而实现模型简化。	本文的创新点在于提出了一种新的规则消除方法，通过量化特征贡献和频率来简化深度随机森林模型，使其参数和规则数量减少，同时保持了较高的分类准确性。	NA	研究目的是简化深度随机森林模型，提高其实时应用的性能和效率。	研究对象是深度随机森林模型及其在各种传感器数据实时应用中的表现。	机器学习	NA	深度随机森林（DRF）	深度随机森林（DRF）	传感器数据	使用基准传感器数据集进行验证
19568	2024-08-11	Automatic Pest Counting from Pheromone Trap Images Using Deep Learning Object Detectors for Matsucoccus thunbergianae Monitoring 2021-Apr-12, Insects IF:2.7Q1 DOI:10.3390/insects12040342 PMID:33921492	研究论文	本研究提出了一种基于深度学习的自动计数算法，用于从诱捕器图像中监测松黑松小蠹的发生和种群数量	研究采用了图像裁剪方法以成功检测图像中的小物体，并评估了16种模型在不同条件下的检测和计数性能	未提及具体限制	开发一种基于人工智能的自动计数方法，用于持续且准确地监测害虫	松黑松小蠹	计算机视觉	NA	深度学习	目标检测模型	图像	使用了在实地收集的诱捕器图像进行训练、验证和测试
19569	2024-08-11	Computational tissue staining of non-linear multimodal imaging using supervised and unsupervised deep learning 2021-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.415962 PMID:33996229	研究论文	本文提出了一种使用监督和非监督深度学习模型对非线性多模态成像进行计算染色的方法	首次使用生成对抗网络（GANs）在非监督方式下对非线性多模态图像进行计算染色	NA	开发一种无需实验室染色过程的诊断应用计算染色技术	非线性多模态成像与H&E染色图像的相关性	数字病理学	NA	非线性多模态成像	生成对抗网络（GAN）	图像	NA
19570	2024-08-11	Application of artificial intelligence in digital chest radiography reading for pulmonary tuberculosis screening 2021-Mar, Chronic diseases and translational medicine DOI:10.1016/j.cdtm.2021.02.001 PMID:34013178	研究论文	本文探讨了人工智能在数字胸部X光片阅读中用于肺结核筛查的应用	结合人工智能和大量医学图像，为计算机辅助检测系统在医学应用中的建立提供了新的机会，特别是在深度学习技术时代	NA	研究人工智能在肺结核筛查中的应用	肺结核的筛查和诊断	计算机视觉	肺结核	深度学习	NA	图像	NA
19571	2024-08-11	RUN-UP: Accelerated multishot diffusion-weighted MRI reconstruction using an unrolled network with U-Net as priors 2021-02, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28446 PMID:32783339	研究论文	本文提出了一种使用展开网络和U-Net先验的加速多重扩散加权磁共振成像（MRI）重建方法	该方法通过深度学习实现了多重扩散加权MRI重建的加速和改进，重建时间缩短至0.1秒每图像，图像质量与联合重建目标相当	NA	加速和改进多重扩散加权MRI重建	多重扩散加权MRI重建	计算机视觉	NA	MRI	U-Net	图像	体内脑和乳腺实验
19572	2024-08-11	Development and Validation of a Nomogram for Preoperative Prediction of Lymph Node Metastasis in Lung Adenocarcinoma Based on Radiomics Signature and Deep Learning Signature 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.585942 PMID:33968715	研究论文	本研究旨在开发和验证一种基于放射组学特征和深度学习特征的诺模图，用于预测肺腺癌患者的术前淋巴结转移情况	本研究结合放射组学特征和深度学习特征，开发了一种新的预测模型，用于术前预测肺腺癌患者的淋巴结转移情况	本研究为回顾性研究，样本量相对较小，可能影响模型的泛化能力	开发和验证一种用于预测肺腺癌患者术前淋巴结转移的诺模图	肺腺癌患者的术前淋巴结转移情况	数字病理学	肺癌	CT（计算机断层扫描）	CNN（卷积神经网络）	图像	训练集200例，内部验证集40例，外部验证集60例
19573	2024-08-11	Characterization of time-variant and time-invariant assessment of suicidality on Reddit using C-SSRS 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0250448 PMID:33999927	研究论文	本研究开发深度学习算法，基于C-SSRS评估Reddit数据中的自杀风险，考虑了风险的严重性和时间性	首次同时考虑自杀风险的严重性和时间性，并开发了时间变异和时间不变的深度学习模型进行评估	研究仅限于Reddit平台的数据，且模型性能在预测自杀相关行为和自杀尝试方面仍有提升空间	提高自杀风险评估的准确性，以便及时进行干预	Reddit平台上的自杀相关帖子和用户行为	机器学习	NA	深度学习	CNN	文本	使用基于C-SSRS标注的临床 adjudicated Reddit语料库进行评估
19574	2024-08-11	Validation and Optimization of Multi-Organ Segmentation on Clinical Imaging Archives 2020, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2549035 PMID:34040277	研究论文	本文验证并优化了基于临床影像档案的多器官分割方法	采用了改进的3D U-Net模型，并通过手动修正标签重新训练模型，提高了分割性能	在真实世界中，由于患者腹部生理的广泛变异性，分割可能具有挑战性	旨在提高多器官腹部CT分割的准确性，以便临床应用	腹部CT影像中的多器官分割	计算机视觉	NA	CT	3D U-Net	影像	476名脾脏异常患者（队列A）和1754名无脾脏异常患者（队列B）
19575	2024-08-10	Present and future of whole-body MRI in metastatic disease and myeloma: how and why you will do it 2024-Sep, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04723-2 PMID:39007948	综述	本文综述了全身MRI在转移性疾病和骨髓瘤中的应用现状及未来发展	全身MRI作为一种高灵敏度和无辐射的成像方式，已扩展到全身肿瘤筛查，提供肿瘤组织的形态学和生理学信息	全身MRI面临的挑战包括其在众多适应症中的可用性以及患者、放射科医生和卫生当局的接受程度	探讨全身MRI在转移性疾病和骨髓瘤中的诊断应用及其未来发展	转移性疾病和骨髓瘤	医学影像	肿瘤	全身MRI	NA	影像	NA
19576	2024-08-10	Predicting response to chemotherapy in brain tumor patients based on MRI features 2024-Sep, Clinical neurology and neurosurgery IF:1.8Q2 DOI:10.1016/j.clineuro.2024.108409 PMID:38959786	综述	本文综述了基于MRI特征预测脑肿瘤患者化疗反应的研究进展	介绍了MRI-based放射组学和深度学习模型在预测化疗效果、生存预测及区分肿瘤进展与假进展方面的最新进展	需要进一步研究以优化这些模型并扩展其在不同脑肿瘤类型中的应用	探讨化疗在不同脑肿瘤类型中的作用及基于MRI特征预测治疗效果的方法	脑肿瘤患者及化疗反应	计算机视觉	脑肿瘤	MRI-based放射组学	深度学习模型	图像	NA
19577	2024-08-10	Deep-learning features based on F18 fluorodeoxyglucose positron emission tomography/computed tomography (18F-FDG PET/CT) to predict preoperative colorectal cancer lymph node metastasis 2024-Sep, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.05.017 PMID:38955636	研究论文	本研究旨在开发并验证一种结合临床、放射组学和深度迁移学习特征的结直肠癌淋巴结转移预测模型	本研究首次将深度迁移学习、放射组学和临床特征结合，用于预测结直肠癌的淋巴结转移状态	NA	开发并验证一种预测结直肠癌淋巴结转移的机器学习模型	结直肠癌患者的淋巴结转移情况	机器学习	结直肠癌	18F-FDG PET/CT扫描	支持向量机（SVM）	图像	119名结直肠癌患者的数据，分为训练集、验证集和测试集
19578	2024-08-10	Managing hardware-related metal artifacts in MRI: current and evolving techniques 2024-Sep, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04624-4 PMID:38381196	综述	本文综述了磁共振成像（MRI）中金属植入物引起的硬件相关金属伪影的当前和新兴技术	介绍了高密度多通道射频（RF）线圈、并行成像技术、梯度扭曲校正等硬件改进方法，以及视角度倾斜（VAT）和金属伪影校正的切片编码（SEMAC）等序列技术	文章指出这些技术在临床应用中仍存在局限性	旨在提高对金属植入物周围组织的放射学评估，以辅助临床决策	研究对象为金属植入物周围组织	医学成像	NA	磁共振成像（MRI）	NA	图像	NA
19579	2024-08-10	Influenza time series prediction models in a megacity from 2010 to 2019: Based on seasonal autoregressive integrated moving average and deep learning hybrid prediction model 2024-Aug-09, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003238 PMID:39119631	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19580	2024-08-10	Linear diffusion noise boosted deep image prior for unsupervised sparse-view CT reconstruction 2024-Aug-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad69f7 PMID:39119998	研究论文	本文提出了一种基于深度图像先验的无监督稀疏视图CT重建方法，通过引入多级线性扩散噪声和自注意力网络结构，提高了模型的泛化能力和适应性	本研究通过引入多级线性扩散噪声和自注意力网络结构，显著降低了过拟合风险，并利用图像物理学在图像域和投影数据空间之间进行梯度反向传播，优化网络权重	NA	克服当前基于监督深度学习的稀疏视图CT重建方法的局限性，提高泛化能力和适应性	稀疏视图CT重建	计算机视觉	NA	深度学习	自注意力网络	图像	NA