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
1	2024-12-21	IsletSwipe, a mobile platform for expert opinion exchange on islet graft images 2023-12-31, Islets IF:1.9Q3 DOI:10.1080/19382014.2023.2189873 PMID:36987915	研究论文	本文介绍了一个名为IsletSwipe的移动平台，用于专家之间交换胰岛移植图像的意见，以促进共识的形成	开发了一个新的平台IsletSwipe，用于专家之间交换胰岛移植图像的意见，以解决IsletNet训练中缺乏共识的问题	询问场景仅限于少量手动选择的图像和胰岛，且需要专家的参与	开发一个平台，促进专家之间对胰岛移植图像的意见交换，以形成共识	胰岛移植图像的专家意见交换	机器学习	NA	深度学习	神经网络	图像	9位专家来自3个中心，8位专家来自2个中心
2	2024-12-20	Extensive T1-weighted MRI Preprocessing Improves Generalizability of Deep Brain Age Prediction Models 2023-Oct-30, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.10.540134 PMID:37214863	研究论文	本文研究了T1加权磁共振图像（T1w MRI）预处理对深度学习脑龄预测模型性能的影响	本文发现广泛的T1w预处理可以提高模型的平均绝对误差（MAE），尤其是在应用于新数据集时	本文仅评估了四种预处理管道，未涵盖所有可能的预处理方法	研究T1w图像预处理对深度学习脑龄预测模型性能的影响	T1加权磁共振图像（T1w MRI）和深度学习脑龄预测模型	计算机视觉	NA	深度学习	深度学习模型	图像	NA
3	2024-12-20	Deformable Spherical Transformer for Cerebellar Surface Parcellation 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230447 PMID:39698481	研究论文	本文提出了一种基于深度学习的端到端方法，用于自动分割小脑皮质表面，该方法结合了球形Transformer架构和可变形注意力机制	本文创新性地提出了可变形球形Transformer，通过结合球形Transformer架构和可变形注意力机制，能够自适应地关注球形小脑表面上的关键和具有挑战性的区域	NA	开发一种新的端到端深度学习方法，用于自动分割具有内在球形拓扑结构的小脑皮质表面	小脑皮质表面的自动分割	计算机视觉	NA	深度学习	Transformer	图像	NA
4	2024-12-19	Spatiotemporal Rhythmic Seizure Sources Can be Imaged by means of Biophysically Constrained Deep Neural Networks 2023-Dec-01, medRxiv : the preprint server for health sciences DOI:10.1101/2023.11.30.23299218 PMID:38076950	研究论文	本文研究了一种基于深度学习的源成像框架（DeepSIF），用于从高密度脑电图（EEG）记录中成像药物难治性局灶性癫痫患者的癫痫发作活动	提出了一个新颖的深度学习源成像框架（DeepSIF），并展示了其在癫痫发作源成像中的优越性能	研究仅限于药物难治性局灶性癫痫患者，未来需要进一步验证其在其他类型癫痫中的应用	开发一种非侵入性方法来成像癫痫发作活动，以帮助指导临床决策和改善癫痫患者的治疗效果	药物难治性局灶性癫痫患者的癫痫发作活动	机器学习	癫痫	深度学习	深度神经网络	脑电图（EEG）	33名药物难治性局灶性癫痫患者
5	2024-12-19	EEG-Based Machine Learning Models to Evaluate Haptic Delay: Should We Label Data Based on Self-Reporting or Physical Stimulation? 2023 Oct-Dec, IEEE transactions on haptics IF:2.4Q2 DOI:10.1109/TOH.2023.3270666 PMID:37126610	研究论文	本文探讨了基于EEG数据的机器学习模型在评估触觉延迟时，使用自我报告标签与物理刺激标签的比较	首次系统研究了在评估触觉体验时，使用自我报告标签与物理刺激标签对机器学习模型性能的影响	研究结果仅适用于触觉延迟这一特定触觉体验，不能推广到其他触觉体验	探讨在评估触觉体验时，使用自我报告标签与物理刺激标签哪种方法更有效	触觉延迟的评估	机器学习	NA	EEG	机器学习模型和深度学习模型	EEG数据	NA
6	2024-12-18	ORRN: An ODE-Based Recursive Registration Network for Deformable Respiratory Motion Estimation With Lung 4DCT Images 2023-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3280463 PMID:37279120	研究论文	本文提出了一种基于常微分方程（ODE）的递归配准网络ORRN，用于从肺部4DCT图像中估计可变形呼吸运动	ORRN采用递归配准策略，通过ODE积分逐步估计变形场，能够有效处理4D医学数据中的器官运动模式	NA	开发一种能够准确、快速处理4D医学数据中器官运动的可变形图像配准方法	肺部4DCT图像中的呼吸运动	计算机视觉	NA	常微分方程（ODE）	递归神经网络	图像	两个公开的肺部4DCT数据集，DIRLab和CREATIS
7	2024-12-18	Learning to Summarize Chinese Radiology Findings With a Pre-Trained Encoder 2023-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3280987 PMID:37314905	研究论文	本文提出了一种基于预训练编码器的中文放射学报告自动摘要方法	本文引入了新的任务导向预训练目标Pseudo Summary Objective，并开发了中文预训练语言模型CMBERT，用于初始化编码器并进行微调	现有方法无法直接应用于中文放射学报告摘要	开发一种自动摘要方法，以减轻医生在计算机辅助诊断中的工作负担	中文胸部放射学报告	自然语言处理	NA	预训练语言模型	BERT	文本	使用了来自湘雅二医院放射科的中文胸部放射学报告作为微调语料
8	2024-12-18	Optical Microphone-Based Speech Reconstruction System With Deep Learning for Individuals With Hearing Loss 2023-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3285437 PMID:37327105	研究论文	本文提出了一种基于深度学习的语音增强方法，结合光学麦克风系统，用于改善听力受损患者的语音感知	该方法通过光学麦克风和深度学习技术，能够在非平稳噪声和远距离说话的情况下有效增强语音信号，克服了传统语音增强方法的局限性	NA	克服传统语音增强方法在非平稳噪声和远距离说话情况下的局限性	听力受损患者的语音感知	机器学习	听力障碍	深度学习	NA	语音信号	七种典型的听力损失类型
9	2024-12-18	CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data 2023-May-02, Research square DOI:10.21203/rs.3.rs-2768563/v1 PMID:37205427	研究论文	本文提出了一种基于对比学习和自注意力机制的跨组学嵌入方法CLCLSA，用于处理不完整的多组学数据集成	创新点在于结合了跨组学自编码器、多组学对比学习和自注意力机制，以最大化不同组学之间的互信息，并动态识别最具信息量的特征	NA	研究目的是解决多组学数据集成中由于仪器灵敏度和成本导致的未配对数据问题	研究对象是多组学数据，包括基因组学、转录组学、蛋白质组学等	机器学习	NA	对比学习、自注意力机制	自编码器	多组学数据	四个公共多组学数据集
10	2024-12-18	CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data 2023-Apr-12, ArXiv PMID:37090237	研究论文	本文提出了一种名为CLCLSA的深度学习方法，用于整合不完整的多组学数据，通过跨组学链接嵌入、对比学习和自注意力机制来实现	创新点在于使用跨组学自编码器学习不同类型生物数据的特征表示，并结合多组学对比学习和特征级、组学级的自注意力机制，以动态识别最具信息量的特征	本文未提及具体的局限性	研究目的是通过整合异质性和高维的多组学数据，更全面地理解疾病和表型	研究对象是多组学数据，特别是存在不完整数据的情况	机器学习	NA	对比学习、自注意力机制	自编码器	多组学数据	四个公共多组学数据集
11	2024-12-18	A Multitask Approach for Automated Detection and Segmentation of Thyroid Nodules in Ultrasound Images 2023-Mar-28, medRxiv : the preprint server for health sciences DOI:10.1101/2023.01.31.23285223 PMID:36778410	研究论文	本文提出了一种多任务方法，用于在超声图像中自动检测和分割甲状腺结节	该方法通过结合异常检测模块与U-Net架构变体，实现了对可疑图像的检测和潜在结节的分割，提高了模型的临床可转化性	NA	开发一种自动化的方法，用于在超声图像中检测和分割甲状腺结节，以改善风险分层并减少医疗成本和患者不适	甲状腺结节和甲状腺癌	计算机视觉	甲状腺癌	深度学习	U-Net	图像	280名患者，共9,888张图像
12	2024-12-18	Automated evaluation of cardiac contractile dynamics and aging prediction using machine learning in a Drosophila model 2023-Mar-21, Research square DOI:10.21203/rs.3.rs-2635745/v1 PMID:36993511	研究论文	本文提出了一种基于深度学习的平台，用于果蝇心脏的光学显微镜图像分割，并首次量化了心脏生理参数在衰老过程中的变化	首次使用深度学习和机器学习方法预测果蝇的衰老，并量化心脏生理参数，同时提出了预测心律失常的节律级动态分析方法	本文未详细讨论模型的可解释性和泛化能力	开发一种自动化方法，用于评估果蝇心脏收缩动力学和预测衰老	果蝇心脏的收缩动力学和衰老过程	机器学习	心血管疾病	深度学习	CNN	视频	实验测试数据集用于验证衰老模型
13	2024-12-17	MetaNO: How to Transfer Your Knowledge on Learning Hidden Physics 2023-Dec-15, Computer methods in applied mechanics and engineering IF:6.9Q1 DOI:10.1016/j.cma.2023.116280 PMID:38292246	研究论文	本文提出了一种新的元学习方法MetaNO，用于神经算子，旨在在不同参数场的未知PDE之间转移解算子的知识	提出了一种新的元学习方法MetaNO，能够在不同参数场的未知PDE之间转移解算子的知识，并证明了其在神经算子模型第一层捕获底层参数场的能力	NA	研究如何将知识从已知的物理系统转移到新的、未见过的材料样本上，以提高采样效率	材料样本的微观结构和力学参数，以及隐藏的PDE的解算子	机器学习	NA	神经算子	神经算子	数据	NA
14	2024-12-17	Simultaneous data assimilation and cardiac electrophysiology model correction using differentiable physics and deep learning 2023-Dec-06, Interface focus IF:3.6Q1 DOI:10.1098/rsfs.2023.0043 PMID:38106918	研究论文	本文提出了一种结合可微物理和深度学习的混合方法，用于同时进行数据同化和心脏电生理学模型修正	本文的创新点在于将深度学习与物理模型相结合，通过数据驱动的方式补充简化的心脏模型，并同时估计模型参数	本文的局限性在于未详细讨论该方法在实际临床应用中的可行性和效果	本文的研究目的是改进心脏电生理学建模，提供一种鲁棒的生物物理工具用于预测	本文的研究对象是心脏电生理学模型及其参数估计	生物医学工程	心血管疾病	深度学习	混合模型	数据	NA
15	2024-12-17	AI prediction of extracorporeal shock wave lithotripsy outcomes for ureteral stones by machine learning-based analysis with a variety of stone and patient characteristics 2023-Dec-02, Urolithiasis IF:2.0Q2 DOI:10.1007/s00240-023-01506-7 PMID:38041695	研究论文	本文提出了一种基于机器学习的人工智能预测方法，用于预测体外冲击波碎石术治疗输尿管结石的结果	该方法通过分析多种变量，包括患者特征和结石特征，使用非线性支持向量机进行预测，并应用排列特征重要性分析各因素对预测结果的影响	未来需要使用更大规模的高分辨率临床非对比CT图像数据进行验证，并考虑应用深度学习技术	开发一种能够有效预测体外冲击波碎石术治疗输尿管结石结果的人工智能方法	输尿管结石患者及其体外冲击波碎石术治疗结果	机器学习	泌尿系统疾病	非对比CT图像分析	支持向量机	图像	171名患者
16	2024-12-17	Deep learning accelerated discovery of photonic power dividers 2023-Apr, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0715 PMID:39677593	研究论文	本文应用深度学习加速的逆向设计算法，发现了一系列性能优异的光子功率分配器	本文提出的深度学习模型能够在TE和TM极化下实现高精度设计，并能快速搜索满足紧凑尺寸、超低损耗、超宽带宽和制造随机性鲁棒性的设计空间	NA	加速光子功率分配器的设计和发现	光子功率分配器	光子学	NA	深度学习	深度学习模型	光子器件设计	NA
17	2024-12-16	OCTOPUS - Optical coherence tomography plaque and stent analysis software 2023-Feb, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e13396 PMID:36816277	研究论文	本文介绍并评估了一种高度自动化的软件包OCTOPUS，用于在血管内光学相干断层扫描（IVOCT）图像中进行冠状动脉斑块和支架的定量分析	开发了OCTOPUS软件，提供高度自动化的冠状动脉斑块和支架分析，包括深度学习斑块分割和机器学习支架支柱识别等算法	目前OCTOPUS主要作为离线研究工具使用，尚未应用于实时治疗规划	开发一种用于IVOCT图像中冠状动脉斑块和支架分析的自动化软件	冠状动脉斑块和支架	数字病理学	心血管疾病	光学相干断层扫描（IVOCT）	深度学习模型和机器学习模型	图像	34个新的pullbacks样本
18	2024-12-15	Enhancing diagnosis of Hirschsprung's disease using deep learning from histological sections of post pull-through specimens: preliminary results 2023-Nov-29, Pediatric surgery international IF:1.5Q3 DOI:10.1007/s00383-023-05590-z PMID:38019366	研究论文	本研究利用深度学习技术从回拉手术后的组织学切片中识别Hirschsprung病中的神经节细胞和肥大神经，以提高诊断准确性	首次使用AI技术基于U-net模型识别Hirschsprung病中的神经节细胞和肥大神经	研究样本量较小，且仅限于回拉手术后的组织学切片	开发一种基于人工智能的方法来提高Hirschsprung病的组织学诊断准确性	Hirschsprung病中的神经节细胞和肥大神经	数字病理学	Hirschsprung病	深度学习	U-net	图像	108个标注样本，数据增强后生成19,600张图像，最终用于训练和验证的图像为1945张
19	2024-12-14	DraiNet: AI-driven decision support in pneumothorax and pleural effusion management 2023-Dec-27, Pediatric surgery international IF:1.5Q3 DOI:10.1007/s00383-023-05609-5 PMID:38151565	研究论文	本文介绍了DraiNet，一种用于检测儿童气胸和胸腔积液的深度学习模型，旨在辅助评估是否需要胸管引流	DraiNet通过结合深度学习算法和临床专业知识，提供了一个有价值的工具，用于非外科团队和急诊室医生在手术干预方面的决策支持	NA	开发一种AI驱动的决策支持工具，以增强在气胸和胸腔积液管理中的临床决策	儿童气胸和胸腔积液的检测	计算机视觉	气胸	深度学习	深度学习模型	CT扫描图像	多样化的儿童CT扫描数据集，由经验丰富的外科医生仔细标注
20	2024-12-14	Flexible Gel-Free Multi-Modal Wireless Sensors With Edge Deep Learning for Detecting and Alerting Freezing of Gait Symptom 2023-10, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2023.3281596 PMID:37256796	研究论文	开发了一种灵活的无凝胶多模态无线传感器，结合边缘深度学习技术用于检测和预警帕金森病患者的步态冻结症状	提出了一个新颖的轻量级深度学习模型，并在低功耗微控制器上进行推理，实现了高检测灵敏度和特异性	需要进一步的临床实验来验证其在实际应用中的效果	开发一种能够检测和预警步态冻结症状的可穿戴传感器，以帮助帕金森病患者预防跌倒	帕金森病患者的步态冻结症状	机器学习	神经退行性疾病	深度学习	深度学习模型	多模态数据	NA