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
261	2024-08-05	6-MONTH INFANT BRAIN MRI SEGMENTATION GUIDED BY 24-MONTH DATA USING CYCLE-CONSISTENT ADVERSARIAL NETWORKS 2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi45749.2020.9098515 PMID:34422223	研究论文	本文提出了一种利用24个月龄数据引导6个月龄婴儿脑MRI分割的方法	引入3D-cycleGAN-Seg架构，以在不同年龄段脑图像之间转移特征，用于提高6个月龄图像的分割精度	数据集主要依赖于24个月龄的高对比度图像，如何生成高质量的合成图像仍有待进一步验证	探讨如何通过高对比度的图像指导低对比度婴儿脑MRI的分割	6个月龄和24个月龄的婴儿脑MRI图像	计算机视觉	NA	CycleGAN	3D-cycleGAN-Seg	图像	使用的样本数量NA
262	2024-08-05	Automatic labeling of respiratory phases and detection of abnormal respiratory signals in free-breathing thoracic dynamic MR image acquisitions based on deep learning 2020-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2549983 PMID:33060886	研究论文	本文提出了基于深度学习的框架，自动标记呼吸阶段并检测异常呼吸信号。	创新点在于将卷积神经网络（CNN）和长短期记忆网络（LSTM）结合用于处理3D动态磁共振成像的呼吸相位识别和异常信号检测。	研究主要集中在动态磁共振成像上，方法的普适性和适应性仍需进一步验证。	旨在改善4D胸部图像构建过程中的呼吸相位识别和异常信号检测。	研究对象为接受动态磁共振成像的患者，主要分析其呼吸图像序列。	计算机视觉	胸部不足症候群	动态磁共振成像（dMRI）	卷积神经网络（CNN）和长短期记忆网络（LSTM）	图像	每位患者约3000个切片
263	2024-08-05	Deep Magnetic Resonance Image Reconstruction: Inverse Problems Meet Neural Networks 2020-Jan, IEEE signal processing magazine IF:9.4Q1 DOI:10.1109/MSP.2019.2950557 PMID:33746470	研究论文	本文概述了基于深度学习的MRI图像重建方法	探讨了基于深度学习的图像重建方法在快速MRI中的应用潜力	未具体涉及不同算法的比较和实际应用案例	旨在提高快速MRI图像重建的效率	讨论两种类型的基于深度学习的重建方法	计算机视觉	NA	深度学习	NA	图像	NA
264	2024-08-05	Internal-transfer Weighting of Multi-task Learning for Lung Cancer Detection 2020, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2548755 PMID:34040274	研究论文	本文提出了一种内部转移加权的多任务学习方法用于肺癌检测	介绍了一种新的学习策略Periodic Focusing Learning Policy（PFLP）和内部转移加权策略（ITW），以优化多任务网络的训练	对于无法收敛的多任务基线网络，需要进一步研究改进方法	提高肺癌预测的准确性	3386名患者的CT扫描数据，涉及多种呼吸系统疾病的辅助任务	数字病理学	肺癌	深度学习	3D注意力网络	图像	3386个CT扫描（每名患者一个扫描）
265	2024-08-07	Evaluation of Deep Learning to Augment Image-Guided Radiotherapy for Head and Neck and Prostate Cancers 2020-11-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2020.27426 PMID:33252691	研究论文	本研究评估了深度学习技术在头颈和前列腺癌症图像引导放射治疗中的应用，旨在探索临床可接受的自动轮廓解决方案。	本研究开发了能够减少手动轮廓时间并保持与专家间变异性相当的临床准确性的模型。	NA	探索并实现临床可接受的自动轮廓解决方案，以优化放射治疗计划。	头颈和前列腺癌症患者的CT扫描图像。	机器学习	头颈癌, 前列腺癌	深度学习	NA	图像	519例前列腺癌患者和242例头颈癌患者的CT扫描图像。
266	2024-08-07	Deep Neural Network for Scleral Spur Detection in Anterior Segment OCT Images: The Chinese American Eye Study 2020-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.9.2.18 PMID:32818079	研究论文	开发一种深度神经网络用于检测前段光学相干断层扫描（AS-OCT）图像中的巩膜突	使用基于ResNet-18架构的卷积神经网络（CNN）自动检测巩膜突，其性能与人类专家相当	NA	开发一种能够检测AS-OCT图像中巩膜突的深度神经网络	AS-OCT图像中的巩膜突	计算机视觉	NA	光学相干断层扫描（AS-OCT）	卷积神经网络（CNN）	图像	训练数据集包含17,704张图像，测试数据集包含921张图像
267	2024-08-07	A dual foveal-peripheral visual processing model implements efficient saccade selection 2020-Aug-03, Journal of vision IF:2.0Q2 DOI:10.1167/jov.20.8.22 PMID:38755789	研究论文	开发了一种视觉运动模型，实现视觉搜索作为焦点精度寻求策略，目标位置和类别从共同的生成过程中独立抽取	模型采用对数极坐标视网膜编码方式处理全视觉场，模仿生物学方式，并在感知层面利用强大的压缩率，实现视觉搜索的亚线性方式	NA	研究如何通过双中央凹-周边视觉处理模型实现高效的扫视选择	视觉搜索任务中的目标识别与定位	计算机视觉	NA	深度学习	CNN	图像	在大型杂乱图像中寻找数字的任务中测试模型
268	2024-08-07	Development and Validation of a Multitask Deep Learning Model for Severity Grading of Hip Osteoarthritis Features on Radiographs 2020-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.2020190925 PMID:32013791	研究论文	开发并验证了一种用于评估X光片上髋关节骨关节炎特征严重程度的多任务深度学习模型	该模型能够在大规模流行病学研究中替代专家放射科医生的详细结构评估	该研究为回顾性研究，且模型性能在外部测试集上略有下降	开发一种多任务深度学习模型，用于评估髋关节骨关节炎的放射学特征，并比较其与执业放射科医生的表现	髋关节骨关节炎的五个特征：股骨骨赘、髋臼骨赘、关节间隙狭窄、骨赘下硬化和骨赘下囊肿	机器学习	骨关节炎	DenseNet-161	多任务神经网络	X光片	共评估了4368名参与者（平均年龄61.0岁，2538名女性），15364个髋关节，7738张负重前后位骨盆X光片
269	2024-08-07	Deep Learning Automated Detection of Reticular Pseudodrusen from Fundus Autofluorescence Images or Color Fundus Photographs in AREDS2 2020-12, Ophthalmology IF:13.1Q1 DOI:10.1016/j.ophtha.2020.05.036 PMID:32447042	研究论文	本研究开发了深度学习模型，用于从眼底自发光（FAF）图像或彩色眼底照片（CFP）中自动检测网状假性玻璃膜疣（RPD），特别是在年龄相关性黄斑变性（AMD）的背景下。	深度学习模型在检测RPD方面表现出与眼科医生相当或更高的准确性，特别是在使用FAF图像时。	使用彩色眼底照片（CFP）进行RPD检测的准确性较低，尽管仍优于眼科医生。	开发和评估深度学习模型在自动检测年龄相关性黄斑变性中的网状假性玻璃膜疣（RPD）的能力。	研究对象包括来自AREDS2研究的2450名参与者的11,535张FAF和CFP图像。	机器学习	年龄相关性黄斑变性	深度学习	CNN	图像	11,535张图像来自2450名参与者
270	2024-08-07	FastSurfer - A fast and accurate deep learning based neuroimaging pipeline 2020-10-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2020.117012 PMID:32526386	研究论文	本文提出了一种快速且准确的基于深度学习的大脑神经影像处理流程FastSurfer，用于自动化处理人脑结构MRI扫描，复制FreeSurfer的解剖学分割包括表面重建和皮质分区	引入了一种先进的深度学习架构，能够进行全脑95类分割，并采用了竞争密集块和竞争跳跃路径以及多切片信息聚合技术，专门针对皮质和皮质下结构的精确分割进行优化	NA	开发一种快速且准确的深度学习基础的神经影像处理流程，以适应大规模队列研究的需求	人脑结构MRI扫描的自动化处理	计算机视觉	NA	深度学习	CNN	图像	数千或数万个体
271	2024-08-07	Development and validation of an interpretable deep learning framework for Alzheimer's disease classification 2020-06-01, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awaa137 PMID:32357201	研究论文	本文开发并验证了一种可解释的深度学习框架，用于阿尔茨海默病的分类	该框架结合了全卷积网络和多层感知器，能够从多模态输入中识别出独特的阿尔茨海默病特征，并生成直观的个体风险可视化，其诊断性能超过了多机构团队的执业神经科医生	NA	开发一种可解释的深度学习框架，用于提高阿尔茨海默病的诊断准确性	阿尔茨海默病患者和认知正常的个体	机器学习	阿尔茨海默病	MRI	全卷积网络和多层感知器	图像	训练集包括417名临床诊断的阿尔茨海默病患者和认知正常个体，验证集包括AIBL（382名）、Framingham Heart Study（102名）和NACC（582名）
272	2024-08-07	Deep ensemble learning for Alzheimer's disease classification 2020-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2020.103411 PMID:32234546	研究论文	本文提出了一种用于阿尔茨海默病分类的深度集成学习框架，该框架利用深度学习算法整合多源数据并利用专家智慧	首次采用深度学习方法集成阿尔茨海默病分类算法，提出了一种非线性特征加权方法和优化层处理成本敏感问题	NA	提高阿尔茨海默病分类的准确性	阿尔茨海默病分类算法	机器学习	阿尔茨海默病	深度学习	深度信念网络	多源数据	临床数据来自国家阿尔茨海默病协调中心