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
19801	2024-08-07	Robotic scrub nurse to anticipate surgical instruments based on real-time laparoscopic video analysis 2024-Aug-02, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00581-0 PMID:39095639	研究论文	本文介绍了一种机器人消毒护士系统，旨在通过实时腹腔镜视频分析预测并交付所需的手术器械	提出了一种三阶段深度学习架构，能够基于实时视频分析有效预测手术器械	样本量相对较小，仅在62例腹腔镜胆囊切除术中训练和测试模型	提高手术的质量和效率，缓解医护人员短缺问题	腹腔镜胆囊切除术中的手术器械预测	机器人技术	NA	深度学习	三阶段深度学习模型	视频	62例腹腔镜胆囊切除术
19802	2024-08-07	Can supervised deep learning architecture outperform autoencoders in building propensity score models for matching? 2024-Aug-02, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02284-5 PMID:39095707	研究论文	本研究评估了监督深度学习模型与无监督自编码器在倾向得分估计中的表现。	首次比较了监督深度学习模型和无监督自编码器在倾向得分建模中的表现，发现前者在方差估计方面优于后者。	未提及具体的样本大小和数据特列，可能限制了研究的外部验证能力	评估不同模型在倾向得分估计中的表现，尤其是在流行病学研究中的应用	使用模拟数据和真实世界数据对倾向得分模型进行评估	机器学习	NA	深度学习、逻辑回归	监督深度学习架构、无监督自编码器	模拟数据、真实世界数据	使用了Right Heart Catheterization 数据集进行模拟
19803	2024-08-07	Real-time tracking of structural evolution in 2D MXenes using theory-enhanced machine learning 2024-Aug-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66902-4 PMID:39095485	研究论文	本文提出了一种机器学习框架，用于实时评估和表征操作中电子能量损失谱图像	该研究创新性地采用变分自编码器将计算产生的MXenes结构与实验数据集结合，预测结构演变	此研究可能在样本多样性和复杂性上存在局限，未讨论具体的影响因素	旨在理解和控制二维MXenes的原子级结构转变	研究对象为二维MXenes材料系统	机器学习	NA	电子能量损失谱学（EELS）、透射电子显微镜（TEM）	变分自编码器（VAE）	谱图像数据	NA
19804	2024-08-07	Enhanced skin cancer diagnosis using optimized CNN architecture and checkpoints for automated dermatological lesion classification 2024-Aug-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01356-8 PMID:39095688	研究论文	本研究通过优化的CNN架构和检查点来提高皮肤癌诊断的自动化分类能力	引入了一个复杂的CNN模型，通过创新的数据增强策略解决了数据集的类别不平衡问题	未提及模型在真实临床环境中的应用效果	提升皮肤癌诊断的准确性和效率	利用HAM10000数据集中的皮肤病变图像进行分类	计算机视觉	皮肤癌	深度学习	卷积神经网络（CNN）	图像	使用了HAM10000数据集中的多种皮肤病变图像
19805	2024-08-07	Coot-Lion optimized deep learning algorithm for COVID-19 point mutation rate prediction using genome sequences 2024-Aug, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2244109 PMID:37668061	研究论文	本研究使用基于狮子算法的Coot算法优化深度量子神经网络来预测COVID-19突变率	引入基于狮子算法的Coot算法和深度量子神经网络的新方法来提高COVID-19突变率预测的准确性	研究未提及样本数量的具体情况和其他可能影响预测的因素	旨在利用基因组序列预测COVID-19的突变率	研究对象为COVID-19的基因组序列	机器学习	COVID-19	深度量子神经网络	深度量子神经网络	基因组序列	NA
19806	2024-08-07	A comprehensive review on heart disease prognostication using different artificial intelligence algorithms 2024-Aug, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2319706 PMID:38424704	review	本文综合评述了使用不同人工智能算法进行心脏疾病预后预测的研究	提出了人工智能技术在心脏疾病预测中的应用，比较分析了多种现有算法的优缺点	未提供具体的算法性能数据及其在实际应用中的限制	探讨不同人工智能算法在心脏疾病预后中的应用与效果	对多种人工智能算法及其应用于心脏疾病预测的研究进行综述	机器学习	心脏病	人工智能（AI），机器学习（ML），深度学习（DL）	NA	历史数据	NA
19807	2024-08-07	A scheme combining feature fusion and hybrid deep learning models for epileptic seizure detection and prediction 2024-07-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67855-4 PMID:39043914	研究论文	提出了一种基于多类特征融合和混合深度学习模型的新方法，用于癫痫发作的检测和预测	结合了卷积神经网络、门控递归单元和注意力机制，以提高癫痫发作检测和预测的精度	NA	开发一种有效的方法以检测和预测癫痫发作	针对癫痫患者的EEG信号进行分析	机器学习	癫痫	离散小波变换（DWT）、卷积神经网络（CNN）、门控循环单元（GRU）	CNN-GRU-AM	EEG信号	使用CHB-MIT数据集进行验证
19808	2024-08-07	Human gender estimation from CT images of skull using deep feature selection and feature fusion 2024-07-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65521-3 PMID:39043755	研究论文	本研究旨在通过颅骨CT图像预测性别	该研究利用深度学习和特征融合技术，提高了性别预测的准确性和效率	研究可能只限于特定人群，可能无法推广至其他年龄和种族	探索通过CT图像准确估计人类性别的可能性	涉及421名年龄在25至65岁之间的男性和女性的颅骨CT图像	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	421个颅骨CT图像样本
19809	2024-08-07	The artistic image processing for visual healing in smart city 2024-07-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68082-7 PMID:39039163	研究论文	本研究探讨了艺术图像处理在智慧城市背景下对城市居民心理健康和生活质量的视觉治疗效果	提出了重叠分割视觉变换器（OSViT）结合双向长短期记忆（BiLSTM）算法的艺术图像处理和分类识别模型	NA	探讨艺术图像处理在智慧城市中的应用及其对居民心理健康的影响	艺术图像及其处理技术	数字病理学	NA	深度学习技术	OSViT-BiLSTM	图像	涉及多个场景的艺术图像，用户反馈超过90%满意
19810	2024-08-07	YOLO-Granada: a lightweight attentioned Yolo for pomegranates fruit detection 2024-07-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67526-4 PMID:39039263	研究论文	提出了一种轻量级的YOLO-Granada算法用于石榴果实检测	基于YOLOv5改进算法，使用ShuffleNetv2作为骨干网，并结合注意力机制提升检测精度和速度	与原始YOLOv5s模型的精度相差不到1%，但模型压缩和速度提升仍有改进空间	开发智能管理系统以提高石榴果园的产量和管理效率	石榴果实的检测	计算机视觉	NA	深度学习	YOLOv5	图像	NA
19811	2024-08-07	Automated PD-L1 status prediction in lung cancer with multi-modal PET/CT fusion 2024-07-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66487-y PMID:39030240	研究论文	本文研究了如何利用多模态PET/CT融合自动预测肺癌中的PD-L1状态	提出了使用不同数据融合方案的深度学习模型来进行PD-L1状态的预测，并发现PET和CT融合的表现优于单独使用	在晚期融合架构中，虽然权重共享可能提高模型的稳定性，但并不总能带来更好的结果	评估不同融合方法在非小细胞肺癌中预测PD-L1状态的性能	189名肺癌患者的非侵入性CT和PET图像	计算机视觉	肺癌	PET/CT成像	ResNet, DenseNet, EfficientNet	图像	189名非小细胞肺癌患者的PET和CT图像
19812	2024-08-07	Exploring deep learning strategies for intervertebral disc herniation detection on veterinary MRI 2024-07-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67749-5 PMID:39030338	研究论文	本文旨在自动化兽医MRI中椎间盘突出（IVDH）病灶的检测和定位	引入了一种新的脊柱定位模块，并成功集成到不同的目标检测模型中，以提高IVDH检测的精准度	未提供对小型猫数据集适应的详细评估	研究AI在兽医护理中的应用，推动兽医放射学的发展	213只不同品种、年龄和体型的宠物狗的T2加权矢状面MRI图像	计算机视觉	脊柱疾病	深度学习	传统两阶段检测模型及YOLOX检测器	图像	213张宠物狗的MRI图像
19813	2024-08-07	Intelligent breast cancer diagnosis with two-stage using mammogram images 2024-07-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65926-0 PMID:39030248	研究论文	这篇文章提出了一种基于深度学习的乳腺癌筛查新方法，利用乳腺X光图像进行智能诊断	引入了ACA-ATRUNet和ACA-AMDN模型，并通过MML-EOO算法优化超参数	未提及具体样本的多样性或模型在其他类型图像上的适应性	优化乳腺癌的早期检测方法	使用乳腺X光图像进行乳腺癌识别和分类	计算机视觉	乳腺癌	深度学习，乳腺X光	ACA-ATRUNet，ACA-AMDN	图像	来自已建立基准源的数据集
19814	2024-08-07	Automated wound segmentation and classification of seven common injuries in forensic medicine 2024-Jun, Forensic science, medicine, and pathology DOI:10.1007/s12024-023-00668-5 PMID:37378809	研究论文	该文章提出了一种自动化的方法来分割和分类法医学中的七种常见伤害	研究通过训练和比较多种深度学习架构，提高了法医伤害评分和报告的效率	模型在区分背景与受伤区域方面存在困难，并且某些伤害类型的伤口边界不清晰	提高法医医学调查中伤害评估的准确性和加速报告的过程	对法医学相关图片中的伤口进行自动分割和分类	计算机视觉	NA	深度学习	NA	图片	法医学相关照片数据库中的样本
19815	2024-08-06	Effect of image resolution on automated classification of chest X-rays 2023-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.4.044503 PMID:37547812	研究论文	本研究探讨了图像分辨率对胸部X光图像分类性能的影响	提出了多尺度特征的提取方法，而不仅仅是关注最高的图像分辨率	未提及具体的限制因素	研究影像分辨率对胸部X光图像分类性能的影响	使用MIMIC-CXR-JPG数据集的胸部X光图像进行分析	计算机视觉	NA	深度学习	DenseNet121，EfficientNet-B4	图像	377,110张高分辨率胸部X光图像
19816	2024-08-06	Deep Learning for Anterior Segment Optical Coherence Tomography to Predict the Presence of Plateau Iris 2021-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.10.1.7 PMID:33505774	研究论文	本研究评估了深度学习前房角膜光学相干断层扫描在预测平台虹膜中的诊断性能	创新点在于开发了一种基于深度学习的AS-OCT平台虹膜预测模型	研究局限性包括样本量相对较小且仅限于特定疾病类型	研究旨在评估深度学习模型在预测平台虹膜中的有效性	研究对象为142名患有原发性闭角病的患者的179只眼睛	医学影像学	原发性闭角病	光学相干断层扫描（OCT）	深度学习算法	图像	179只眼睛，来自142名患者，使用了2500幅训练图像和160幅测试图像
19817	2024-08-06	A National US Survey of Pediatric Emergency Department Coronavirus Pandemic Preparedness 2021-Jan-01, Pediatric emergency care IF:1.2Q3 DOI:10.1097/PEC.0000000000002307 PMID:33394945	研究论文	本文旨在描述美国多样化的儿科急诊科在新冠疫情期间的准备工作。	本研究提供了对儿科急诊科在COVID-19疫情初期实施的准备工作和培训创新的深入了解。	本研究的调查样本仅来自35所医院中的25所，可能无法全面代表所有儿科急诊科的准备情况。	阐明美国儿科急诊科对COVID-19疫情的应对准备工作。	涉及美国的多家儿科急诊科及其医疗主任。	数字病理学	NA	调查问卷	NA	文本	35家医院中的25家参与调查
19818	2024-08-06	piNET-An Automated Proliferation Index Calculator Framework for Ki67 Breast Cancer Images 2020-Dec-22, Cancers IF:4.5Q1 DOI:10.3390/cancers13010011 PMID:33375043	研究论文	本研究提出了一种用于Ki67乳腺癌图像的自动增殖指数计算器piNET	该工具基于深度学习，可以适应医疗图像的广泛变异性，且通过模拟病理学家的工作流程提高了准确性和效率	NA	开发一种高效准确的Ki67增殖指数量化工具	Ki67乳腺癌图像及其相关数据集	数字病理	乳腺癌	深度学习	NA	图像	四个数据集，来源于三个扫描仪，包括切片、组织微阵列和全切片图像
19819	2024-08-06	Skin Lesion Classification Using Densely Connected Convolutional Networks with Attention Residual Learning 2020-Dec-10, Sensors (Basel, Switzerland) DOI:10.3390/s20247080 PMID:33321864	研究论文	本文提出了一种利用注意力残差学习的密集连接卷积网络进行皮肤病变分类	引入了注意力机制和残差学习，同时减少了参数数量	没有对不同的成像方法和临床病理变化进行深入分析	改进皮肤病变的分类准确性	皮肤病变图像分类	计算机视觉	皮肤癌	卷积神经网络	ARDT-DenseNet	图像	ISIC 2016 和 ISIC 2017 数据集
19820	2024-08-06	A Deep Learning Approach to Photoacoustic Wavefront Localization in Deep-Tissue Medium 2020-12, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2020.2964698 PMID:31944951	研究论文	本文提出了一种基于深度学习的方法来定位深组织介质中的光声波前	构建了一个编码-解码卷积神经网络架构，专门用于识别光声波前在光散射深组织介质中的来源	模型是基于模拟的光声信号训练的，可能无法完全涵盖真实信号的复杂性	解决在光散射深组织中定位光声波前的挑战	使用光声成像技术来检测血管目标	数字病理学	NA	光声成像(PAI)	卷积神经网络(CNN)	模拟信号和实验信号	使用了16,240个血管目标的模拟信号，测试了4600个模拟信号和5个实验信号