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
81	2024-08-28	Pushing the Limits of Surface-Enhanced Raman Spectroscopy (SERS) with Deep Learning: Identification of Multiple Species with Closely Related Molecular Structures 2022-May, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028221077119 PMID:35081756	研究论文	本文探讨了将深度学习算法应用于表面增强拉曼光谱（SERS）以区分和分类不同种类的胆酸	结合SERS与深度学习算法，提高了检测和分类能力，特别是在区分分子结构非常相似的胆酸种类上	NA	评估深度学习算法在SERS光谱中区分和分类不同胆酸种类的潜力	胆酸，一种分子结构相似且拉曼散射截面低的分子家族	机器学习	NA	表面增强拉曼光谱（SERS）	卷积神经网络（CNN）	光谱	五种胆酸种类
82	2024-08-28	A radiomics-boosted deep-learning model for COVID-19 and non-COVID-19 pneumonia classification using chest x-ray images 2022-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.15582 PMID:35263458	研究论文	本文开发了一种结合放射组学分析的深度学习模型，用于通过胸部X光图像区分COVID-19和非COVID-19肺炎	采用2D滑动核映射放射组学特征，并将这些特征转化为与X光图像相同维度的2D图，增强了模型的性能和鲁棒性	NA	提高COVID-19和非COVID-19肺炎检测的准确性和鲁棒性	COVID-19、非COVID-19肺炎和健康个体的分类	计算机视觉	COVID-19	放射组学分析	深度神经网络（包括VGG-16、VGG-19和DenseNet-121）	图像	812张胸部X光图像，包括262例COVID-19、288例非COVID-19肺炎和262例健康案例
83	2024-08-28	Automated segmentation of the larynx on computed tomography images: a review 2022-May, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-022-00221-3 PMID:35529346	综述	本文综述了用于计算机断层扫描（CT）图像上喉部自动分割的各种自动检测和分割方法	总结了图像配准和深度学习方法在喉部分割中的应用，并比较了它们的优缺点	缺乏对喉部边界的标准化以及相对较小的结构的复杂性使得CT图像上的喉部自动分割具有挑战性	探讨在头颈癌治疗规划中，如何通过自动分割技术辅助临床医生验证其发现并寻找诊断中的疏漏	喉部在CT图像上的自动分割方法	计算机视觉	头颈癌	NA	NA	图像	NA
84	2024-08-27	A cross-scanner and cross-tracer deep learning method for the recovery of standard-dose imaging quality from low-dose PET 2022-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-021-05644-1 PMID:34950968	研究论文	本文开发了一种深度学习方法，能够在不同扫描器和示踪剂下从低剂量PET图像恢复到标准剂量图像质量	本文创新性地开发了一种条件生成对抗网络（GAN），用于跨扫描器和跨示踪剂的优化，以提高AI在临床实践中的可信度	NA	旨在开发一种AI技术，能够在不同扫描器和示踪剂下独立应用，从低剂量扫描中恢复高质量成像	237名患者的脑部[18F]FDG PET图像，以及不同扫描器和示踪剂下的PET图像	计算机视觉	NA	条件生成对抗网络（GAN）	GAN	图像	237名患者的脑部[18F]FDG PET图像，45名患者的[18F]FDG PET图像，18名患者的[18F]FET PET图像，10名患者的[18F]Florbetapir图像
85	2024-08-07	From Left Atrial Dimension to Curved M-Mode Speckle-Tracking Images: Role of Echocardiography in Evaluating Patients with Atrial Fibrillation 2022-May, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2305171 PMID:39077610	综述	本文综述了利用斑点追踪超声心动图从左心房尺寸到曲面M型图像评估心房颤动患者的临床应用、优势和局限性	斑点追踪超声心动图被证明是一种可行且可重复的技术，用于直接评估左心房功能，并且深度学习神经网络已成功应用于超声心动图图像分析，实现基于人工智能的全自动测量	左心房应变和应变率的临床应用、优势和局限性需要充分理解，且其在心房颤动患者治疗决策中的预后价值和实用性需要进一步阐明	探讨斑点追踪超声心动图在评估心房颤动患者中的应用及其临床意义	心房颤动患者	医学影像	心房颤动	斑点追踪超声心动图	深度学习神经网络	图像	NA
86	2024-08-07	Segmentation of Dental Restorations on Panoramic Radiographs Using Deep Learning 2022-May-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12061316 PMID:35741125	研究论文	本文研究使用深度学习方法在全景X光片上分割牙科修复体	提出使用小尺寸、等间距的矩形图像块（tiles）训练模型，以提高分割性能和加速收敛	全景X光片的分割偏向于更频繁和扩展的类别	探索使用U-Net模型在全景X光片上分割牙科修复体的有效方法	牙科修复体，包括填充物、冠和根管填充	计算机视觉	NA	卷积神经网络（CNN）	U-Net	图像	1781张全景X光片
87	2024-08-05	Repurposing of FDA approved drugs against Salmonella enteric serovar Typhi by targeting dihydrofolate reductase: an in silico study 2022-05, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2020.1850356 PMID:33251976	研究论文	本研究利用FDA批准药物针对伤寒沙门氏菌的二氢叶酸还原酶进行了药物再利用的计算研究	通过深度学习回归算法筛选FDA批准的药物库，发现四种药物对二氢叶酸还原酶具有潜在的抑制作用	研究仅基于计算模型，缺乏临床实验验证	开发有效的药物以克服伤寒沙门氏菌的耐药性	FDA批准的1930种药物	计算机视觉	伤寒	深度学习回归算法, 分子对接, 分子动力学模拟	NA	化合物	1930种药物库
88	2024-08-05	Generalizing deep learning brain segmentation for skull removal and intracranial measurements 2022-05, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2022.01.004 PMID:34999162	研究论文	本文提出了一种用于脑部分割的深度学习方法，以实现颅骨去除和颅内测量	引入了迁移学习方法来估计额外的TICV和PFV标签，并采用U-Net模型进行颅骨去除的全脑分割	手动标注全脑体积的可用数据集有限，影响了方法的普适性	研究如何实现深度学习脑部分割以进行颅骨去除和颅内测量	关注于采用MRI成像技术进行脑体积测量的神经影像数据	数字病理学	NA	MRI	U-Net	图像	使用有限的BrainCOLOR数据集进行训练
89	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
90	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