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
2081	2024-08-05	Epistatic Features and Machine Learning Improve Alzheimer's Risk Prediction Over Polygenic Risk Scores 2023-Mar-15, medRxiv : the preprint server for health sciences DOI:10.1101/2023.02.10.23285766 PMID:36798198	研究论文	本文提出了一种新的遗传模型，通过结合表型交互特征和机器学习方法改善阿尔茨海默病的风险预测	创新点在于直接结合 SNP 位点之间的表型相互作用并使用机器学习模型进行风险估计	所研究的模型在新数据上的泛化能力仍需进一步验证	构建一种与 PRS 模型相比更精准的阿尔茨海默病风险预测模型	研究对象为晚发性阿尔茨海默病患者的遗传数据	机器学习	阿尔茨海默病	机器学习	集成学习模型	遗传数据	与文献中的 PRS 模型相同的数据集
2082	2024-08-05	Deep Learning-Enabled Assessment of Left Heart Structure and Function Predicts Cardiovascular Outcomes 2023-11-14, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2023.09.800 PMID:37940231	研究论文	本研究开发了一种深度学习模型，用于自动评估心脏结构和功能，并预测心血管结果	提出了一种3D卷积神经网络模型，能够自动化分析心脏超声图像并与临床结果相关联	研究样本主要来自回顾性数据，未来需进一步验证在更广泛人群中的应用	探索深度学习驱动的心脏超声测量与新发心血管事件之间的关系	回顾性多机构的心脏超声图像数据	机器学习	心血管疾病	深度学习	3D卷积神经网络	图像	64,028个心脏超声图像（n = 27,135）
2083	2024-08-05	LncRNA expression signature identified using genome-wide transcriptomic profiling to predict lymph node metastasis in patients with stage T1 and T2 gastric cancer 2023-11, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-023-01428-8 PMID:37691031	研究论文	这篇文章描述了一种新的10-lncRNA表达特征，用于预测早期胃癌患者的淋巴结转移	提出了一种基于深度学习的10-lncRNA风险预测模型，能够有效识别早期胃癌的LN转移	尚未详细描述研究中的潜在偏差或随访数据	识别淋巴结转移的有效方法以改善早期胃癌的治疗决策	T1和T2期胃癌患者的淋巴结状态	数字病理学	胃癌	转录组分析	深度学习模型	基因表达数据	涉及T1和T2患者的多个样本，具体数字未提供
2084	2024-08-05	Association of brain microbleeds with risk factors, cognition, and MRI markers in MESA 2023-09, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.13346 PMID:37289978	研究论文	该文章研究了脑微出血与风险因素、认知和MRI标记之间的关系	使用深度学习模型从多种族群体中识别和量化脑微出血，提供了新见解	研究样本主要来自一个特定的研究，可能影响结果的广泛性	探讨脑微出血在不同种族及其与风险因素和认知的关系	无先前中风的1016名参与者	数字病理学	心血管疾病	3T磁共振成像，深度学习模型	NA	图像	1016名参与者
2085	2024-08-05	Patient specific prior cross attention for kV decomposition in paraspinal motion tracking 2023-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.16644 PMID:37538040	研究论文	该研究开发了一种深度学习算法，通过将图像分解为骨骼和软组织组件来提高kV图像对比度	提出了一种患者特异性的先验交叉注意机制（PCAT），显著提升了kV图像分解的性能	未提供有关其他类型或条件下的应用效果的信息	研究旨在改善放射治疗中kV图像的质量和运动追踪准确性	使用在线kV成像监测患者在脊旁SBRT中的运动	数字病理	NA	深度学习	生成对抗网络 (GAN)	图像	NA
2086	2024-08-05	Automated Brain Tumor Detection Using Machine Learning: A Bibliometric Review 2023-07, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2023.03.115 PMID:37019303	综述	本研究系统回顾了使用机器学习进行脑肿瘤分类的文献	提供了关于自动化脑肿瘤检测的最新研究概况和文献计量分析	仅限于过去五年的文献，可能未涵盖所有相关研究	开发使用机器学习进行脑肿瘤检测的研究概述	1747篇关于自动脑肿瘤检测的研究	机器学习	脑肿瘤	机器学习	卷积神经网络	NA	来自679个不同来源的1747项研究
2087	2024-08-05	JOINT DEEP LEARNING FOR IMPROVED MYOCARDIAL SCAR DETECTION FROM CARDIAC MRI 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230541 PMID:38523738	研究论文	本文提出了一种新颖的联合深度学习框架，用于改善从心脏MRI检测心肌瘢痕的效果	该方法通过引入信息传递模块，直接传递心肌分割的信息来指导瘢痕检测，创造性地将瘢痕检测与心肌分割结合在一起	采用的图像中存在噪声和伪影可能仍然影响检测精度	研究旨在改善心脏MRI中心肌瘢痕的自动识别	研究对象为心脏磁共振成像中的心肌瘢痕	数字病理学	心血管疾病	心脏磁共振成像（CMR）	联合深度学习（JDL）	图像	实验中使用了多种心脏MRI图像
2088	2024-08-05	Prediction of total knee replacement using deep learning analysis of knee MRI 2023-04-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-33934-1 PMID:37117260	研究论文	本文开发了深度学习风险评估模型，以预测膝关节骨关节炎向全膝关节置换的进展	创新点在于使用深度学习模型分析膝MRI，提供比传统风险评估模型更准确的TKR预测	该研究仅限于回顾性分析，且样本来自特定的膝关节骨关节炎研究	研究目的在于提高对膝关节骨关节炎进展到全膝关节置换的预测能力	研究对象为353对骨关节炎患者，分为有TKR和无TKR的病例对照组	机器学习	膝关节骨关节炎	MRI	深度学习模型	医学影像	353对病例对照组
2089	2024-08-05	Using deep learning to automatically generate design starting points for free-form imaging optical systems: retraction 2023-08-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.492842 PMID:37706939	更正	该文章已被作者撤回	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2090	2024-08-05	An Automatic Grading System for Neonatal Endotracheal Intubation with Multi-Task Convolutional Neural Network 2023-Oct, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi58575.2023.10313510 PMID:38846334	研究论文	本文提出了一种基于多任务卷积神经网络的自动评分系统，用于评估新生儿气管插管的熟练程度	本研究首次将多任务深度学习技术与多变量时间序列数据结合，成功实现气管插管表现的自动评估	研究未提及样本的多样性及其在不同临床环境中的适用性	开发一种自动评分系统以帮助培训者评估气管插管技能	新生儿气管插管（ETI）培训过程中的学员表现	机器学习	NA	卷积神经网络	多任务卷积神经网络 (MTCNN)	多变量时间序列数据	使用标准的新生儿任务训练假人进行实验
2091	2024-08-05	A Deep Learning Approach for Histology-Based Nucleus Segmentation and Tumor Microenvironment Characterization 2023-08, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100196 PMID:37100227	研究论文	本文提出了一种基于组织学的深度学习方法，用于细胞核分割和肿瘤微环境特征描述	提出了一种名为HD-Yolo的新方法，显著加快了细胞核分割和肿瘤微环境定量的处理速度	现有算法计算密集且耗时，对于全切片图像分析不够高效	研究肿瘤组织及其周围微环境，以提供肿瘤发生、发展和转移的关键见解	针对不同类型的肿瘤组织进行细胞核识别和分类	数字病理学	肺癌、肝癌和乳腺癌	深度学习	Yolo	图像	3种不同组织类型的样本，分别用于肺癌、肝癌和乳腺癌
2092	2024-08-07	Opportunistic detection of type 2 diabetes using deep learning from frontal chest radiographs 2023-07-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-39631-x PMID:37419921	研究论文	本研究利用深度学习模型从胸部X光片和电子健康记录中检测2型糖尿病	研究结合了胸部X光片和电子健康记录数据，以提高2型糖尿病的检测率	外部验证仅在不同机构进行，且结果略低于主要测试结果	目标是通过深度学习模型检测2型糖尿病	研究对象为271,065个胸部X光片和160,244名患者	机器学习	糖尿病	深度学习	NA	图像	271,065个胸部X光片，160,244名患者
2093	2024-08-05	MeshDeform: Surface Reconstruction of Subcortical Structures in Human Brain MRI 2023-Jun, Information processing in medical imaging : proceedings of the ... conference DOI:10.1007/978-3-031-34048-2_41 PMID:37915753	研究论文	本论文提出了一种名为MeshDeform的新型深度学习网格变形网络，用于重建人脑MRI中皮层下结构的表面	MeshDeform结合了U-Net编码器提取的特征和网格变形模块，能够以亚体素精度快速重建皮层下结构的拓扑正确表面	NA	研究脑的形态学，通过重建皮层和皮层下结构的表面	人脑MRI中的皮层下结构	数字病理学	NA	深度学习	U-Net	MRI图像	涉及了17个皮层下结构
2094	2024-08-05	Few-Shot Fault Diagnosis Based on an Attention-Weighted Relation Network 2023-Dec-24, Entropy (Basel, Switzerland) DOI:10.3390/e26010022 PMID:38248148	研究论文	提出了一种基于注意力加权关系网络的故障诊断方法，以实现小样本数据的故障检测和分类	引入了注意力加权机制以增强特征提取的代表性，并在少样本学习中应用关系网络	没有讨论方法在更大规模数据集上的表现和可扩展性	应对气动控制阀故障诊断中对大量标注训练数据的依赖问题	气动控制阀故障诊断	机器学习	NA	深度学习	注意力加权关系网络	时间域信号	使用了DA阀故障数据集和PU滚动轴承故障数据集进行实验
2095	2024-08-05	Multi-Modal Ensemble Deep Learning in Head and Neck Cancer HPV Sub-Typing 2023-Dec-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11010013 PMID:38247890	研究论文	本研究探讨了基于深度学习的图像解读方法在头颈癌HPV亚型检测中的准确性	提出了一种基于3D CNN的多模态特征融合架构，用于HPV状态预测	未来需要进行更大规模的队列验证以提高诊断准确性	研究头颈癌患者中HPV状态的自动检测以影响治疗决策	主要针对口咽鳞状细胞癌（OPSCC）患者的HPV状态	计算机视觉	头颈癌	CT和PET图像	3D CNN	图像	使用了公开可得的TCGA和MAASTRO数据集
2096	2024-08-05	A Real-Time Defect Detection Strategy for Additive Manufacturing Processes Based on Deep Learning and Machine Vision Technologies 2023-Dec-22, Micromachines IF:3.0Q2 DOI:10.3390/mi15010028 PMID:38258148	研究论文	本文提出了一种基于深度学习和机器视觉的实时缺陷检测技术，用于增材制造过程的监控	采用改进的YOLOv8算法训练缺陷检测模型，能够识别和评估缺陷图像	未提及此方法在其他增材制造过程中的适应性和普遍性	实现增材制造过程中的实时缺陷检测与监控	针对挤出3D打印过程进行缺陷检测	数字病理学	NA	深度学习	YOLOv8	图像	3550张图像
2097	2024-08-05	Segmentation of Substantia Nigra in Brain Parenchyma Sonographic Images Using Deep Learning 2023-Dec-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10010001 PMID:38276318	研究论文	本文探讨了一种基于深度学习的自动分割方法，用于脑实质超声图像中的黑质分割	本文提出了一种新的自动分割方法，并实现了黑质分割的最新性能	样本数量和数据集仍需进一步丰富	研究脑实质超声图像中的黑质的自动分割技术	使用新数据集的脑实质超声图像	计算机视觉	帕金森病	深度学习	修改版U-Net网络	超声图像	NA
2098	2024-08-05	Fusion Networks of CNN and Transformer with Channel Attention for Accurate Tumor Imaging in Magnetic Particle Imaging 2023-Dec-19, Biology DOI:10.3390/biology13010002 PMID:38275723	研究论文	提出了一种结合CNN和Transformer的深度学习网络，以改善磁粒子成像中的肿瘤成像质量	创新性地将CNN和Transformer结合使用，并引入通道注意机制来同时提取图像的局部和全局特征	缺乏对不同噪音水平下的普适性测试	改善磁粒子成像技术中图像重建的清晰度及肿瘤量化的准确性	聚焦于肿瘤图像的重建和量化	计算机视觉	肿瘤	磁粒子成像	CNN和Transformer	图像	NA
2099	2024-08-05	Implicit Anatomical Rendering for Medical Image Segmentation with Stochastic Experts 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43898-1_54 PMID:38840671	研究论文	本文提出了一种名为MORSE的隐式神经渲染框架，旨在通过解剖级别的学习辅助医学图像分割	此方法通过将医学图像分割视为渲染问题，结合了隐式神经表示和混合专家机制，以加强对边界区域的细化	本文未详细讨论隐式神经渲染在实际应用中的通用性与鲁棒性	研究旨在提高医学图像分割中的特征建模能力	本文研究对象为医学图像及其分割	数字病理学	NA	深度学习	Mixture-of-Expert (MoE)	图像	NA
2100	2024-08-05	Mapping the Spatial Extent of Hypoperfusion in Chronic Thromboembolic Pulmonary Hypertension Using Multienergy CT 2023-Aug, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.220221 PMID:37693197	研究论文	本研究评估了一种新型自动化方法，以在多能CT血管造影中空间描绘和量化慢性血栓栓塞性肺动脉高压（CTEPH）中的低灌注程度	提出了一种利用多能CT影像自动识别和定量低灌注区域的新方法	本研究为回顾性分析，样本量有限，可能影响结果的普遍适用性	旨在评估通过多能CT影像量化低灌注区域能否帮助评估CTEPH的疾病严重程度	51名CTEPH患者与110名无肺血管异常影像的健康对照	数字病理学	慢性血栓栓塞性肺动脉高压	多能CT	深度学习	影像	51名CTEPH患者与110名健康对照