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
1681	2024-08-05	Automatic Segmentation of Uterine Cavity and Placenta on MR Images Using Deep Learning 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2613286 PMID:36798450	研究论文	本研究使用深度学习技术自动分割MRI图像中的子宫腔和胎盘	提出了一种使用全卷积神经网络同时分割子宫腔和胎盘的新方法	样本量有限，可能影响算法的普适性	研究基于MRI的子宫腔和胎盘的自动分割方法	181名患者的MRI图像	计算机视觉	NA	深度学习	全卷积神经网络	MRI图像	181个患者的MRI图像
1682	2024-08-05	CardiSort: a convolutional neural network for cross vendor automated sorting of cardiac MR images 2022-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-022-08724-4 PMID:35368227	研究论文	开发了一种基于图像的自动深度学习方法，能够根据序列类型和成像平面对心脏MR图像进行分类，从而提高临床后处理效率	创新性地提出了CardiSort深度学习网络，能够在多厂商数据上对心脏MRI研究进行序列和成像平面的分类	对表现不佳的类和因采集参数在中心之间变化较大的序列（例如灌注成像）accuracy较低	旨在通过深度学习方法改善心脏MR图像的临床后处理流程	心脏MR图像，来自于4个中心和3个厂商的多中心多厂商的MRI研究	计算机视觉	NA	深度学习	CNN	图像	单厂商训练234名患者，跨厂商训练434名患者，外部验证80名患者
1683	2024-08-05	MITEA: A dataset for machine learning segmentation of the left ventricle in 3D echocardiography using subject-specific labels from cardiac magnetic resonance imaging 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.1016703 PMID:36704465	研究论文	本文提出了一个用于3D超声心动图左心室分割的机器学习数据集，并使用特定于受试者的心脏磁共振成像标签进行标注	引入了一个大规模的3D超声心动图数据集，利用心脏磁共振成像的高分辨率标签解决传统手工标注中的专家一致性问题	样本量虽然较大，但依然排除了10个受试者，可能影响研究的代表性	开发用于3D超声心动图分析的自动化方法，并验证所构建数据集的有效性	该研究对象是143名人类受试者的3D超声心动图图像，包括健康对照组与心脏疾病患者	机器学习	心血管疾病	3D超声心动图	深度学习网络	图像	536个3D超声心动图像，来自143名受试者
1684	2024-08-05	Fully automated quantification of cardiac chamber and function assessment in 2-D echocardiography: clinical feasibility of deep learning-based algorithms 2022-May, The international journal of cardiovascular imaging DOI:10.1007/s10554-021-02482-y PMID:35152371	研究论文	本文比较了当前突出的深度学习算法的分割性能，并验证了手动创建的二维超声心动图四个心脏腔室的真实标注的一致性	提出了对现有深度学习算法的性能进行比较，并验证了四个心脏腔室的真实标注的可重复性	在PSAX视图中LV壁区域的表现较差，且存在一定的观察者间变异性	评估深度学习算法在完全自动化的心脏腔室分割和功能评估中的临床可行性	纳入了500名接受经胸超声心动图检查的患者	计算机视觉	心血管疾病	深度学习	U-net, Res-U-net, Dense-U-net	图像	500名患者，随机选择100名患者用于观察者变异性分析
1685	2024-08-05	Machine learning based multi-modal prediction of future decline toward Alzheimer's disease: An empirical study 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0277322 PMID:36383528	研究论文	该论文进行了一项实证研究，以多模态数据预测个体未来阿尔茨海默病的发展轨迹	提出了一种能够处理不同未来时间范围和异构数据的机器学习策略	预测认知正常个体的未来衰退比轻度认知障碍个体更具挑战性	早期识别阿尔茨海默病高风险个体以促进有效治疗和预防	个体未来阿尔茨海默病发展轨迹的预测	机器学习	阿尔茨海默病	深度学习	线性和非线性模型	多模态数据	NA
1686	2024-08-07	Anatomy-guided deep learning for object localization in medical images 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2612566 PMID:36860592	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1687	2024-08-07	Predicting post-contrast information from contrast agent free cardiac MRI using machine learning: Challenges and methods 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.894503 PMID:36051279	研究论文	本研究旨在通过分析对比剂前后的心脏磁共振成像（CMR）图像，利用对比剂前的信息预测对比剂后的信息，并提出相应的方法和挑战。	本研究首次尝试使用深度学习（DL）、支持向量机（SVM）和决策树（DT）方法，从无对比剂的心脏磁共振成像中预测对比剂后的信息。	初步结果显示性能一般，这一研究领域仍存在许多未解决的问题。	研究目的是通过对比剂前的心脏磁共振成像预测对比剂后的信息。	研究对象包括272例回顾性选择的心脏磁共振成像研究，其中108例为心肌梗死（MI），164例为健康对照。	机器学习	心血管疾病	深度学习	UNet和ResNet50	图像	272例心脏磁共振成像研究，包括108例心肌梗死和164例健康对照，共使用722对电影短轴（SAX）图像和分割掩模进行实验。
1688	2024-08-07	Editor's choice to the May 2022 issue : Fully automated quantification of cardiac chambers and function in 2D echo by Deep Learning, and a modern atlas of invasive coronary angiographic views 2022-May, The international journal of cardiovascular imaging DOI:10.1007/s10554-022-02621-z PMID:38819731	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1689	2024-08-07	Using deep learning method to identify left ventricular hypertrophy on echocardiography 2022-Apr, The international journal of cardiovascular imaging DOI:10.1007/s10554-021-02461-3 PMID:34757566	研究论文	本研究旨在开发一种基于深度学习算法的半自动诊断网络，用于通过超声心动图检测左心室肥厚（LVH）	引入了ResNet和U-net++模型，分别用于分类和分割任务，并成功构建了一个集成框架，能够自动分类四种情况（正常、HCM、CA和HHD）	NA	开发一种基于深度学习算法的半自动诊断网络，用于通过超声心动图检测左心室肥厚	左心室肥厚（LVH）及其潜在病因	机器学习	心血管疾病	深度学习	ResNet, U-net++	图像	1610份经胸超声心动图，包括724名患者（189名高血压性心脏病，218名肥厚型心肌病，58名心脏淀粉样变性，以及259名对照组）
1690	2024-08-07	A unifying Bayesian framework for merging X-ray diffraction data 2022-12-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-35280-8 PMID:36522310	研究论文	本文提出了一种统一的贝叶斯框架，用于合并X射线衍射数据，通过深度学习和变分推断同时重新缩放和合并反射观测	利用深度学习和变分推断技术，提出了一种新的贝叶斯方法来处理和合并X射线衍射数据中的反射观测	NA	开发一种新的方法来处理和合并X射线衍射数据，以更准确地检测生物分子功能动态中的细微构象变化	X射线衍射数据中的反射观测	计算机视觉	NA	X射线衍射	深度学习	衍射数据	NA
1691	2024-08-07	Meaning maps detect the removal of local semantic scene content but deep saliency models do not 2022-Apr, Attention, perception & psychophysics DOI:10.3758/s13414-021-02395-x PMID:35138579	研究论文	本研究通过使用一种设计来移除图像区域意义同时保留其图像特征的微分同胚图像变换，测试了意义地图和三种最先进的深度学习模型对语义内容损失的敏感性。	本研究首次直接测试了意义地图和深度学习模型对语义内容损失的敏感性，并发现意义地图能够反映场景中的局部语义内容，而深度显着性模型则不能。	研究仅使用了三种最先进的深度学习模型，可能未能涵盖所有类型的深度学习模型。	验证意义地图是否能捕捉语义内容，以及深度学习模型是否仅表示语义中性的图像特征。	意义地图和三种最先进的深度学习模型对语义内容损失的敏感性。	计算机视觉	NA	微分同胚图像变换	深度学习模型	图像	NA
1692	2024-08-07	Identifying Barriers to Post-Acute Care Referral and Characterizing Negative Patient Preferences Among Hospitalized Older Adults Using Natural Language Processing 2022, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:37128417	研究论文	本研究利用自然语言处理技术识别住院老年患者接受急性后护理的障碍，并分析患者的负面偏好	开发了一种自然语言处理分类器，用于识别最高价值的急性后护理障碍类别，即患者的负面偏好，并比较了多种机器学习模型，包括深度学习模型	研究样本仅包括594份急性护理笔记，来自100名患者，可能影响结果的普遍性	旨在检测住院老年患者接受急性后护理的常见障碍	住院老年患者的临床笔记	自然语言处理	NA	自然语言处理	深度学习模型	文本	594份急性护理笔记，来自100名患者
1693	2024-08-07	Two fully automated data-driven 3D whole-breast segmentation strategies in MRI for MR-based breast density using image registration and U-Net with a focus on reproducibility 2022-Oct-11, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-022-00121-4 PMID:36219359	研究论文	本研究开发了两种基于图像配准和3D U-Net的全自动数据驱动3D全乳房分割策略，用于MRI中的乳腺密度测量，重点关注可重复性	提出的图像配准和深度学习全乳房分割方法在乳腺密度测量中表现出高度的准确性和可靠性，优于先前开发的算法和手动分割方法	NA	开发一种高度可重复且准确的乳腺密度测量算法	乳腺MRI图像的全乳房分割	数字病理学	乳腺癌	图像配准，3D U-Net	U-Net	图像	三个来自两个临床试验的志愿者数据集
1694	2024-08-07	Genomics transformer for diagnosing Parkinson's disease 2022-Sep, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi56158.2022.9926815 PMID:36824448	研究论文	本文介绍了一种基于transformer编码器的新模型，用于根据基因型数据对帕金森病（PD）患者和健康对照者进行分类	该模型能够有效建模复杂的全局特征交互，并通过学习到的注意力分数提高可解释性	NA	旨在克服传统评估方法在捕捉基因型数据中复杂交互方面的局限性，提高帕金森病的诊断能力	帕金森病患者和健康对照者的基因型数据	机器学习	帕金森病	NA	transformer	基因型数据	NA
1695	2024-08-07	Displacement detection with sub-pixel accuracy and high spatial resolution using deep learning 2022-Jan, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-021-01162-7 PMID:34837159	研究论文	本研究旨在使用超声诊断设备实现二维和亚像素位移的高空间分辨率检测	本研究开发了一种利用超声图像和输出位移分布的深度学习网络，通过修改FlowNet2网络结构并使用超声图像模拟开发训练数据集，实现了高空间分辨率和亚像素位移检测	NA	实现二维和亚像素位移的高空间分辨率检测	使用超声诊断设备进行位移检测	机器学习	NA	深度学习	FlowNet2	图像	使用了模拟超声图像和肝脏超声图像进行评估
1696	2024-08-07	Identifying symptomatic trigeminal nerves from MRI in a cohort of trigeminal neuralgia patients using radiomics 2022-Mar, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-022-02900-5 PMID:35043225	研究论文	本研究通过放射组学特征从MRI图像中识别三叉神经痛患者的三叉神经，以区分受影响和未受影响的神经	使用放射组学特征和深度学习网络（U-net）从MRI图像中提取和分析三叉神经的特征，以区分三叉神经痛患者和无痛神经	NA	测试从三叉神经的MRI图像中提取的放射组学特征是否能区分受三叉神经痛影响和无痛的神经	三叉神经痛患者的三叉神经	计算机视觉	三叉神经痛	MRI	U-net	图像	134名患者（即268条神经）
1697	2024-08-07	Effect of cells on spatial quantification of proteoglycans in articular cartilage of small animals 2022-11, Connective tissue research IF:2.8Q1 DOI:10.1080/03008207.2022.2048827 PMID:35322732	研究论文	研究细胞对小动物关节软骨中蛋白聚糖空间定量的影响，并评估基于深度学习算法的U-Net工具在细胞分割中的有效性	使用U-Net深度学习算法进行细胞分割，以排除细胞对软骨细胞外基质中蛋白聚糖含量测量的干扰	细胞对分析的蛋白聚糖含量的影响较小，但在疾病早期细胞增殖时可能需要更敏感的考虑	探究细胞对小动物关节软骨中蛋白聚糖含量的影响，并评估U-Net工具在细胞分割中的效果	小动物（如老鼠和 rats）的关节软骨中的蛋白聚糖含量	数字病理学	骨关节炎	数字密度测量法	U-Net	图像	600张标记的Safranin-O软骨图像
1698	2024-08-07	Automated clinical coding: what, why, and where we are? 2022-Oct-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00705-7 PMID:36273236	研究论文	本文介绍了自动化临床编码的概念，并从人工智能和自然语言处理的角度总结了其挑战	提出了将基于知识的解释性方法与深度学习方法结合以提高临床编码的解释性和一致性	当前基于深度学习的方法在实际应用中需要更好的解释性和一致性	探讨自动化临床编码的技术和组织挑战，并提出未来发展方向	临床编码过程的自动化	自然语言处理	NA	深度学习	NA	文本	涉及苏格兰和英国的临床编码专家讨论
1699	2024-08-07	Deep learning segmentation and quantification method for assessing epicardial adipose tissue in CT calcium score scans 2022-02-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06351-z PMID:35145186	研究论文	本文开发了一种深度学习方法（DeepFat），用于在非对比低剂量CT钙评分图像上自动评估心外膜脂肪组织（EAT）	引入了HU-注意力窗口和前瞻性切片平分（bisect）方法，提高了分割准确性	NA	开发一种自动评估心外膜脂肪组织的深度学习方法	心外膜脂肪组织（EAT）的自动评估	计算机视觉	心血管疾病	深度学习	NA	图像	NA
1700	2024-08-07	Semiautomated intraoperative measurement of Cobb angle and coronal C7 plumb line using deep learning and computer vision for scoliosis correction: a feasibility study 2022-Nov-01, Journal of neurosurgery. Spine DOI:10.3171/2022.4.SPINE22133 PMID:36303475	研究论文	本研究旨在验证一种利用深度学习和计算机视觉进行脊柱侧弯手术中脊柱对齐度测量的新型非放射性半自动化设备	开发了一种非放射性的半自动化设备，利用深度学习和计算机视觉在手术中测量脊柱对齐度	设备需要使用3D打印标记物，并且在验证过程中仅在脊柱侧弯的尸体模型上进行了测试	验证一种新型非放射性半自动化设备在脊柱侧弯手术中测量脊柱对齐度的可行性	脊柱侧弯手术中的脊柱对齐度测量	计算机视觉	脊柱侧弯	深度学习	计算机视觉模型	图像	标记检测模型训练使用了100张图像，测试使用了130张图像；验证模型中使用了50个角度模板和21个铅垂线测量模型；尸体验证研究中使用了1个脊柱侧弯的尸体模型