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
41	2024-08-07	Lesion segmentation in breast ultrasound images using the optimized marked watershed method 2021-Jun-07, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-021-00891-7 PMID:34098970	研究论文	本文提出了一种基于优化标记分水岭方法的乳腺超声图像病变分割技术	采用自适应形态学蛇（AMS）算法和标记分水岭（MW）方法，提高了病变分割的准确性和敏感性	NA	提高乳腺超声图像病变分割的准确性和效率	乳腺超声图像中的病变区域	计算机视觉	乳腺癌	自适应形态学蛇（AMS）算法	标记分水岭（MW）方法	图像	数据集A包含500张本地医院的乳腺超声图像，数据集B包含205张开源乳腺超声图像
42	2024-08-07	Deep learning-based attenuation correction for brain PET with various radiotracers 2021-Jun, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-021-01611-w PMID:33811600	研究论文	开发了一种基于深度学习的PET衰减校正（deep AC）框架，用于合成非衰减校正（NAC）PET图像的透射计算机断层扫描（TCT）图像	使用卷积神经网络（CNN）和大量多种放射性示踪剂的数据集，合成TCT图像，提高了PET图像的定量准确性	NA	克服脑部专用PET扫描仪在没有衰减校正获取机制的情况下获取准确μ-map的挑战	脑部PET图像的衰减校正	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	1261个脑部NAC PET和TCT图像（1091个用于训练，70个用于测试）
43	2024-08-07	Temporal and spectral unmixing of photoacoustic signals by deep learning 2021-Jun-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.426678 PMID:34061089	研究论文	本文报道了一种基于条件生成对抗网络的方法，用于时间解混和光声信号的光谱解混，突破了A线速率的物理限制，为超高速多参数光声显微镜奠定了基础	提出了一种基于深度学习的方法，能够实现时间间隔仅为约38纳秒的光声A线信号解混，突破了传统物理限制	NA	提高多参数光声显微镜的成像速度，以增强其在生物医学中的应用	光声信号的时间和光谱解混	机器学习	NA	光声显微镜	条件生成对抗网络	信号	NA
44	2024-08-07	Screening for regenerative therapy responders in heart failure 2021-Jun, Biomarkers in medicine IF:1.9Q3 DOI:10.2217/bmm-2020-0683 PMID:34169733	研究论文	本文探讨了在心力衰竭治疗中筛选适合再生疗法患者的方法	文章提出了基于疾病生物学新见解的表型患者选择升级方法，以及通过深度学习增强的临床决策支持	NA	旨在提高心力衰竭再生疗法的个体化治疗效果	心力衰竭患者及其对再生疗法的响应	NA	心血管疾病	深度学习	NA	NA	NA
45	2024-08-07	Diagnosis analysis of rectal function through using ensemble empirical mode decomposition-deep belief networks algorithm 2021-Jun-01, The Review of scientific instruments DOI:10.1063/5.0042382 PMID:34243584	研究论文	本文提出了一种基于集成经验模态分解-深度信念网络（EEMD-DBNs）的直肠功能诊断模型，用于人工肛门括约肌植入后的直肠运动功能诊断	使用EEMD框架减少信号模态混合的影响，并通过DBN进行深度学习提取直肠信号的多维特征	NA	开发一种有效的直肠功能诊断模型，以支持人工肛门括约肌植入者的直肠运动功能恢复	直肠压力信号的分解与分类	机器学习	NA	集成经验模态分解（EEMD），深度信念网络（DBN）	深度信念网络（DBN）	信号	正常人和患病患者的直肠信号
46	2024-08-07	COVID-19 in the Age of Artificial Intelligence: A Comprehensive Review 2021-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-021-00431-w PMID:33886097	综述	本文详细回顾了人工智能在COVID-19病例的预测、分析和追踪中的决定性作用	探讨了人工智能在医疗实践中的应用，特别是在COVID-19病例的识别和监测中的应用	NA	评估和总结人工智能在COVID-19大流行中的应用和挑战	COVID-19病例的识别、监测和追踪	机器学习	COVID-19	人工智能	NA	大数据	涉及全球超过9852万感染者和211万死亡病例
47	2024-08-05	Automated cardiac volume assessment and cardiac long- and short-axis imaging plane prediction from electrocardiogram-gated computed tomography volumes enabled by deep learning 2021-Jun, European heart journal. Digital health DOI:10.1093/ehjdh/ztab033 PMID:34223176	研究论文	本文开发了一种用于心脏CT的自动化血池分割和成像平面重新切片的方法	利用深度学习自动化评估心脏的多个腔体，并能沿标准化成像平面重新切片以进行功能评估	未提及具体的限制因素	研究旨在为冠状动脉疾病的心脏运动评估开发一个临床应用的方法	研究对象为100名接受心脏CT扫描的患者	计算机视觉	冠状动脉疾病	深度学习	NA	图像	100名患者进行训练，144名患者进行测试
48	2024-08-05	Going Beyond Saliency Maps: Training Deep Models to Interpret Deep Models 2021-Jun, Information processing in medical imaging : proceedings of the ... conference DOI:10.1007/978-3-030-78191-0_6 PMID:34548772	研究论文	本研究提出了一种通过训练模拟网络以解释深度学习模型在神经成像研究中的决策过程的方法	提出了结合图像到图像转换方案的模拟网络，能够更好地可视化与脑部疾病相关的具体形态变化	研究主要基于合成数据集和两种神经成像数据集，可能限制了结果的泛化能力	探索深度学习模型在神经成像研究中对脑部疾病的解释能力	面向阿尔茨海默病和酒精依赖的分类器	计算机视觉	阿尔茨海默病	深度学习	模拟网络	MRI图像	合成数据集和两个神经成像数据集的样本