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
19901	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
19902	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
19903	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
19904	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
19905	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
19906	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
19907	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
19908	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
19909	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
19910	2024-08-06	Quantifying behavior to understand the brain 2020-12, Nature neuroscience IF:21.2Q1 DOI:10.1038/s41593-020-00734-z PMID:33169033	研究论文	本文回顾了自动化动物行为量化的技术进展	该研究介绍了计算伦理学的新领域，聚焦于深度学习在动物行为量化中的应用	研究中未详细讨论具体的实验条件和环境限制	旨在理解神经回路、认知过程与行为之间的关系	主要涉及动物行为和脑活动之间的联系	计算伦理学	NA	深度学习	NA	运动数据	NA
19911	2024-08-06	Evaluation of Survival Outcomes of Endovascular Versus Open Aortic Repair for Abdominal Aortic Aneurysms with a Big Data Approach 2020-Nov-30, Entropy (Basel, Switzerland) DOI:10.3390/e22121349 PMID:33265931	研究论文	本研究比较了开放主动脉修复与内血管主动脉修复在腹主动脉瘤患者中的生存结果	采用了基于深度学习的分析策略，提供了一种新的大数据方法来评估rAAA的治疗效果	虽然通过大数据方法模仿了随机临床试验，但实际操作中存在可行性问题	客观比较开放主动脉修复和内血管主动脉修复的生存结果	7826名腹主动脉瘤患者	数字病理学	腹主动脉瘤	大数据分析	深度学习	医疗数据	7826名患者
19912	2024-08-06	Using deep learning to predict beam-tunable Pareto optimal dose distribution for intensity-modulated radiation therapy 2020-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.14374 PMID:32621789	研究论文	本文提出了一种深度学习模型，可以预测针对不同束角的前列腺强度调制放射治疗的帕累托最优剂量分布	首次研究了针对可变束数和方向的强度调制放射治疗(IMRT)前列腺计划的帕累托最优剂量预测	尚未讨论模型在临床工作中的长期验证和应用	研究深度学习在强度调制放射治疗中的剂量分布预测能力	70名前列腺癌患者的放射治疗计划	数字病理学	前列腺癌	深度学习	深度神经网络	剂量分布数据	70名患者，共生成35,000个计划
19913	2024-08-06	DEEP MOUSE: AN END-TO-END AUTO-CONTEXT REFINEMENT FRAMEWORK FOR BRAIN VENTRICLE & BODY SEGMENTATION IN EMBRYONIC MICE ULTRASOUND VOLUMES 2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi45749.2020.9098387 PMID:33381278	研究论文	该文章提出了一种新的基于深度学习的自动上下文优化框架，用于胚胎小鼠超声体积中脑室和身体的分割	提出了一个端到端的框架，通过两个阶段联合训练，大幅提升了分割精度和减少推断时间	该研究未涉及不同条件下的实验验证及其适用性	旨在提高胚胎小鼠脑室和身体的超声分割精度	研究对象为胚胎小鼠的高频超声图像	数字病理学	NA	深度学习	NA	图像	NA
19914	2024-08-06	Longitudinal Screening for Diabetic Retinopathy in a Nationwide Screening Program: Comparing Deep Learning and Human Graders 2020, Journal of diabetes research IF:3.6Q2 DOI:10.1155/2020/8839376 PMID:33381600	研究论文	评估深度学习和受训人类评估者在糖尿病视网膜病变筛查中的效果	首次比较了两种筛查模式在长期糖尿病视网膜病变筛查中的表现	长期筛查的敏感性降低，可能影响对比的有效性	研究糖尿病视网膜病变筛查的有效性和准确性	随机选取的经过两次筛查的糖尿病患者	数字病理学	糖尿病视网膜病变	深度学习	NA	彩图眼底照片	5,738名患者
19915	2024-08-06	MRI-based treatment planning for proton radiotherapy: dosimetric validation of a deep learning-based liver synthetic CT generation method 2019-07-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab25bc PMID:31146267	研究论文	本文验证了一种基于深度学习的合成CT生成方法在腹部放疗中的应用	研究提出将稠密块集成到3D循环一致生成对抗网络中，以有效学习MRI与CT的数据映射	样本量相对较小，仅使用了21名患者的数据进行验证	验证深度学习方法在合成CT生成中的应用有效性	21名拥有配对CT和MR图像的患者	数字病理学	肝癌	深度学习	3D循环一致生成对抗网络	医学影像	21个配对的CT和MR图像
19916	2024-08-06	Early Prediction of Acute Kidney Injury in Critical Care Setting Using Clinical Notes 2018-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm.2018.8621574 PMID:33376624	research paper	本文探讨了在重症监护中使用临床笔记早期预测急性肾损伤的方法	开发了数据驱动的预测模型，利用临床笔记生成有意义的词汇和概念表示	研究可能依赖于特定医院的临床记录数据，限制了外部验证	旨在提前识别有急性肾损伤风险的重症患者	重症监护病房的急性肾损伤患者	自然语言处理	急性肾损伤	NLP	监督学习分类器和知识引导的深度学习架构	临床笔记	使用重症监护单位入院后24小时内的临床笔记
19917	2024-08-04	Preoperative prediction of microvascular invasion risk in hepatocellular carcinoma with MRI: peritumoral versus tumor region 2024-Aug-01, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01760-2 PMID:39090456	研究论文	本文探索了肝细胞癌中肿瘤及多个周围肿瘤区域在动态对比增强磁共振成像（MRI）上的预测性能	提出了20毫米周围肿瘤区域在预测微血管侵犯（MVI）级别方面的重要性，优于肿瘤区域	样本量较小，可能影响研究结果的普遍性	开发一个基于MRI的术前微血管侵犯风险预测模型	147例经手术诊断为肝细胞癌的患者	数字病理学	肝细胞癌	动态对比增强磁共振成像（MRI）	极端梯度提升（XGBoost）	医学成像	147名肝细胞癌患者，训练集117名，测试集30名
19918	2024-08-04	Integrating MRI-based radiomics and clinicopathological features for preoperative prognostication of early-stage cervical adenocarcinoma patients: in comparison to deep learning approach 2024-Aug-01, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00747-y PMID:39090668	研究论文	本文旨在探讨MRI基础的放射组学和临床病理特征在宫颈腺癌患者术前预后中的作用	本文首次评估了MRI基础放射组学与深度学习方法在宫颈腺癌中的预后预测能力	本研究的样本量较小，可能影响预测模型的广泛适用性	开发基于MRI放射组学和临床特征的预后预测模型	197名宫颈腺癌患者的临床和病理信息	数字病理学	宫颈癌	MRI，支持向量机（SVM），卷积神经网络（CNN）	随机森林（RF），支持向量机（SVM），卷积神经网络（CNN）	影像，临床数据	197名宫颈腺癌患者和56名用于独立验证的患者
19919	2024-08-04	Exploring the deep learning of artificial intelligence in nursing: a concept analysis with Walker and Avant's approach 2024-Aug-01, BMC nursing IF:3.1Q1 DOI:10.1186/s12912-024-02170-x PMID:39090714	研究论文	本文分析了在护理领域中深度学习与人工智能的概念	本文采用了Walker和Avant的8步法进行概念分析，明确了深度学习在护理中的定义特征	现有文献缺乏清晰性，影响了临床实践、研究和理论发展	澄清护理中深度学习的含义并识别人工智能的定义属性	分析2018年至2024年间符合纳入标准的37篇相关文献	自然语言处理	NA	深度学习	NA	文献	37篇符合纳入标准的文章
19920	2024-08-04	Deep learning-based automated bone age estimation for Saudi patients on hand radiograph images: a retrospective study 2024-Aug-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01378-2 PMID:39090563	研究论文	本研究提出了一种基于深度学习的模型，用于通过左手放射影像估计骨龄	采用全连接卷积神经网络（CNN）进行骨龄预测，解决了传统方法中依赖放射科医师主观判断的问题	模型的性能可以通过额外的优化和验证进一步提升	准确估计骨龄以评估骨骼成熟度，诊断生长障碍以及计划治疗干预	473名患者的左手放射影像数据	计算机视觉	NA	CNN	全连接卷积神经网络	影像	473名患者的放射影像数据