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
561	2024-11-06	Classification of wheat diseases using deep learning networks with field and glasshouse images 2023-Apr, Plant pathology IF:2.3Q2 DOI:10.1111/ppa.13684 PMID:38516179	研究论文	本文使用深度学习网络对小麦病害进行分类，结合田间和温室图像	本文提出了一个包含田间和温室条件下小麦图像的数据集，并训练了一个名为CerealConv的深度学习模型，该模型在分类准确性上超过了专业病理学家的表现	NA	研究目的是利用深度学习方法在早期阶段检测和识别作物病害，以提高病害控制效果	研究对象是小麦的五种病害，包括健康植物和四种叶部病害	计算机视觉	NA	深度学习	深度学习网络	图像	数据集包含田间和温室条件下的小麦图像，分为五类
562	2024-11-06	Implementing a novel deep learning technique for rainfall forecasting via climatic variables: An approach via hierarchical clustering analysis 2023-Jan-01, The Science of the total environment DOI:10.1016/j.scitotenv.2022.158760 PMID:36113802	研究论文	本文提出了一种基于优化门控循环单元（GRU）神经网络的深度学习模型，用于基于30年的气候数据预测巴基斯坦的降雨量	本文的创新点在于使用优化后的GRU神经网络进行降雨预测，并通过消除异常值和极端值以及数据归一化策略提高了预测精度	NA	研究目的是开发一种高精度的降雨预测模型，以帮助农业部门应对降雨变化带来的挑战	研究对象是巴基斯坦1991年至2020年的气候数据，包括温度、空气质量等变量	机器学习	NA	深度学习	GRU	气候数据	30年（1991-2020年）的气候数据
563	2024-11-06	Fibrosis severity scoring on Sirius red histology with multiple-instance deep learning 2023, Biological imaging DOI:10.1017/S2633903X23000144 PMID:38510166	研究论文	本文提出了一种基于多实例深度学习的方法，用于对天狼星红染色的肝纤维化病理切片进行严重程度评分	本文利用多实例学习和多次推断来解决病理特征稀疏的问题，并在此应用中达到了新的最先进水平	NA	开发一种减少肝纤维化病理切片评分中高评分者间和评分者内变异性的方法	非酒精性脂肪肝病（NAFLD）患者的肝纤维化病理切片	数字病理学	肝病	多实例深度学习	NA	图像	152张天狼星红染色的全切片图像（WSIs）
564	2024-11-06	Applications of artificial intelligence in dementia research 2023, Cambridge prisms. Precision medicine DOI:10.1017/pcm.2022.10 PMID:38550934	综述	本文综述了人工智能在痴呆研究中的应用	介绍了人工智能在痴呆研究中的多种应用，包括机器学习和深度学习方法	在实际临床环境中比较不同人工智能方法的有效性仍是一个挑战	提供人工智能在痴呆研究中应用的概述	痴呆的早期检测、诊断、进展监测以及护理干预	机器学习	老年病	机器学习、深度学习	NA	NA	NA
565	2024-11-02	ADASSM: Adversarial Data Augmentation in Statistical Shape Models From Images 2023-Oct, Shape in medical imaging : International Workshop, ShapeMI 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. ShapeMI (Workshop) (2023 : Vancouver, B.C.) DOI:10.1007/978-3-031-46914-5_8 PMID:39022299	研究论文	本文提出了一种新的对抗性数据增强策略，用于图像到统计形状模型（Image-to-SSM）框架，通过数据依赖的噪声生成或纹理增强来提高模型的准确性	本文的创新点在于提出了一种实时数据增强策略，通过对抗性训练生成多样化和具有挑战性的噪声样本，从而鼓励模型关注底层几何结构而非仅依赖像素值	本文未提及具体的局限性	研究目的是提高图像到统计形状模型网络的准确性，减少模型对图像纹理的依赖	研究对象是医学影像中的统计形状模型及其在深度学习模型中的应用	计算机视觉	NA	深度学习	对抗网络	图像	NA
566	2024-11-02	Progressive DeepSSM: Training Methodology for Image-To-Shape Deep Models 2023-Oct, Shape in medical imaging : International Workshop, ShapeMI 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. ShapeMI (Workshop) (2023 : Vancouver, B.C.) DOI:10.1007/978-3-031-46914-5_13 PMID:38745942	研究论文	提出了一种新的训练策略，渐进式DeepSSM，用于训练图像到形状的深度学习模型，通过多尺度学习逐步提升模型性能	引入了一种新的训练策略，渐进式DeepSSM，通过多尺度学习逐步提升模型性能，并结合形状先验和深度监督损失	NA	改进图像到形状深度学习模型的训练方法，提高其在医学图像中的稳定性和准确性	图像到形状的深度学习模型	计算机视觉	NA	深度学习	深度学习模型	图像	NA
567	2024-10-30	Benchmarking Scalable Epistemic Uncertainty Quantification in Organ Segmentation 2023-Oct, Uncertainty for safe utilization of machine learning in medical imaging : 5th international workshop, UNSURE 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 12, 2023, proceedings. UNSURE (Workshop) (5th : 2023... DOI:10.1007/978-3-031-44336-7_6 PMID:39469570	研究论文	本文对在器官分割中可扩展的认知不确定性量化方法进行了全面的基准测试	本文首次在医学图像分析背景下对多种认知不确定性量化方法进行了全面评估，并提供了未来改进的建议	本文未提及具体的局限性	评估和理解模型预测中的不确定性在临床应用中的重要性	器官分割中的认知不确定性量化方法	计算机视觉	NA	深度学习	NA	图像	NA
568	2024-10-30	Employing Deep Learning Model to Evaluate Speech Information in Acoustic Simulations of Auditory Implants 2023-Jun-29, Research square DOI:10.21203/rs.3.rs-3085032/v1 PMID:37461629	研究论文	本文提出了一种利用深度学习模型评估听觉植入设备声学模拟中语音信息的新方法	本文创新性地使用深度学习语音识别模型替代实际人类参与者进行听觉植入设备的声学模拟，显著提高了模拟效率并降低了成本	本文未详细讨论深度学习模型在极端条件下的表现，以及模型与真实人类感知之间的细微差异	旨在开发一种高效且准确的听觉植入设备声学模拟评估方法	听觉植入设备的声学模拟及其对语音感知的影响	机器学习	NA	深度学习	深度学习模型	语音	NA
569	2024-10-30	Employing Deep Learning Model to Evaluate Speech Information in Vocoder Simulations of Auditory Implants 2023-May-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.23.541843 PMID:37292787	研究论文	本文提出了一种利用深度学习模型评估人工耳蜗编码器模拟中语音信息的新方法	本文的创新点在于使用OpenAI Whisper深度学习语音识别模型替代传统的人类参与者，评估编码器模拟对语音感知的影响	本文的局限性在于模型表现与人类表现的完全一致性尚未得到验证	本研究的目的是探索利用先进的深度学习语音识别模型在听觉假体研究中的潜力	本研究的对象是人工耳蜗编码器模拟对语音感知的影响	机器学习	NA	深度学习	Whisper	语音	NA
570	2024-10-28	Dyslexia Data Consortium Repository: A Data Sharing and Delivery Platform for Research 2023-Aug, Brain informatics : 16th International Conference, BI 2023, Hoboken, NJ, USA, August 1-3, 2023, Proceedings. International Conference on Brain Informatics (16th : 2023 : Hoboken, N.J.) DOI:10.1007/978-3-031-43075-6_15 PMID:38352916	研究论文	开发了一个在线平台，用于共享和交付与阅读障碍相关的数据，以促进研究	提供了一个集成了机器学习算法和工具的平台，生成与阅读障碍相关的次级数据集	NA	推进对阅读障碍的理解，该障碍对儿童及其家庭和社会有重大影响	阅读障碍的神经生物学研究	机器学习	阅读障碍	机器学习算法	NA	次级数据集（如皮质厚度、区域脑体积指标）	NA
571	2024-10-28	A DEEP LEARNING FRAMEWORK TO LOCALIZE THE EPILEPTOGENIC ZONE FROM DYNAMIC FUNCTIONAL CONNECTIVITY USING A COMBINED GRAPH CONVOLUTIONAL AND TRANSFORMER NETWORK 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230831 PMID:39450418	研究论文	本文提出了一种使用动态功能连接的深度学习框架，结合图卷积网络和Transformer网络，用于定位癫痫病灶区	首次提出了一种自动化框架，利用静息态fMRI的动态功能连接来定位癫痫病灶区，并结合图卷积网络和Transformer网络进行特征提取和时间点选择	NA	开发一种新的深度学习框架，用于从动态功能连接中定位癫痫病灶区	癫痫病灶区的定位	机器学习	癫痫	静息态功能磁共振成像（rs-fMRI）	图卷积网络（GCN）和Transformer网络	功能连接数据	训练数据来自人类连接组项目，评估数据来自临床癫痫数据集
572	2024-10-28	Federated Learning with Research Prototypes: Application to Multi-Center MRI-based Detection of Prostate Cancer with Diverse Histopathology 2023-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.02.012 PMID:36914501	研究论文	本文介绍了一种灵活的联邦学习框架，用于跨站点训练、验证和评估定制的深度学习前列腺癌检测算法	提出了一个灵活的联邦学习框架，支持跨站点训练和评估，并开源了FLtools系统以促进联邦学习的应用	需要更多数据和参与机构来提高前列腺癌分类模型的绝对性能	提高前列腺癌检测模型在不同机构间的泛化性能，同时保护患者健康信息和机构特定代码及数据	前列腺癌的检测和分期	计算机视觉	前列腺癌	联邦学习	3D UNet	MRI图像	1400+个异质性多参数前列腺MRI检查
573	2024-10-27	CryoREAD: de novo structure modeling for nucleic acids in cryo-EM maps using deep learning 2023-Nov, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-02032-5 PMID:37783885	研究论文	本文介绍了一种名为CryoREAD的深度学习方法，用于在低温电子显微镜（cryo-EM）图中对核酸进行从头结构建模	CryoREAD利用深度学习技术在cryo-EM图中识别磷酸、糖和碱基位置，并将其建模为三维结构，相比现有方法，在2.0到5.0 Å分辨率的cryo-EM图中构建了更准确的模型	NA	开发一种新的计算方法，用于在cryo-EM图中对核酸进行从头结构建模	DNA和RNA的三维结构及其与蛋白质的复合物	计算机视觉	NA	深度学习	深度学习模型	图像	测试了2.0到5.0 Å分辨率的cryo-EM图，并应用于严重急性呼吸综合征冠状病毒2（SARS-CoV-2）的生物分子复合物cryo-EM图
574	2024-10-26	Invariant point message passing for protein side chain packing 2023-Dec-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.03.551328 PMID:38187664	研究论文	本文介绍了一种基于几何图神经网络的蛋白质侧链包装方法PIPPack，通过几何感知的不变点消息传递（IPMP）处理局部结构和序列信息，生成理想的侧链坐标	本文提出了一种新的蛋白质侧链包装方法PIPPack，结合了几何图神经网络和不变点消息传递技术，显著提高了计算速度	NA	开发一种高效且准确的蛋白质侧链包装方法	蛋白质侧链的包装	机器学习	NA	几何图神经网络	IPMP	蛋白质结构数据	约1400个高质量蛋白质链
575	2024-10-26	Deep Learning for Improved Precision and Reproducibility of Left Ventricular Strain in Echocardiography: A Test-Retest Study 2023-07, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2023.02.017 PMID:36933849	研究论文	本文研究了一种基于深度学习的人工智能方法，用于提高超声心动图测量左心室纵向应变的精度和重复性	提出了一种基于深度学习的人工智能方法，用于自动测量左心室全局纵向应变，减少了用户相关变异性	仅在两个中心的数据集上进行了测试，样本量较小	评估人工智能方法在不同超声心动图记录者之间重复测量左心室全局纵向应变的重复性，并与手动测量结果进行比较	左心室全局纵向应变	机器学习	心血管疾病	深度学习	NA	图像	两个数据集，分别包含40和32个样本
576	2024-10-26	Implementation considerations for deep learning with diffusion MRI streamline tractography 2023-Apr-06, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.03.535465 PMID:37066284	研究论文	本文讨论了使用扩散MRI（dMRI）和递归神经网络（RNN）进行流线束追踪的实现考虑	本文提出了使用RNN在连续空间中建模dMRI特征以传播流线的方法，并发布了训练模型和相关实现	目前缺乏广泛可用的开源实现	降低该领域的进入门槛，促进进一步创新	扩散MRI流线束追踪的实现	计算机视觉	NA	扩散MRI（dMRI）	递归神经网络（RNN）	图像	NA
577	2024-10-26	Deep Constrained Spherical Deconvolution for Robust Harmonization 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654398 PMID:37228707	研究论文	本文提出了一种基于深度学习的DW-MRI信号协调方法，以提高微结构估计的可靠性和可重复性	引入了数据驱动的扫描仪不变正则化方案，以更稳健地估计纤维方向分布函数（FODF）	NA	旨在解决DW-MRI在多站点和/或纵向扩散研究中的测量变异性问题	DW-MRI信号和纤维方向分布函数（FODF）	计算机视觉	NA	扩散加权磁共振成像（DW-MRI）	深度学习	图像	研究了Human Connectome Project的年轻成人测试-重测组以及MASiVar数据集（包括跨站点和跨扫描/重扫描数据）
578	2024-10-26	Topological-Preserving Membrane Skeleton Segmentation in Multiplex Immunofluorescence Imaging 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654087 PMID:37786583	研究论文	本文提出了一种基于深度学习的膜骨架分割方法，用于多重免疫荧光成像中的细胞分割	本文创新性地结合了全局和局部信息，使用深度学习方法进行膜骨架分割，并提出了一个新的体积度量指标用于评估	本文未详细讨论模型在不同细胞类型和成像条件下的泛化能力	研究目的是提高多重免疫荧光成像中细胞分割的准确性和拓扑保持性	研究对象是多重免疫荧光成像中的膜骨架	计算机视觉	NA	多重免疫荧光成像	深度学习网络	图像	80张膜多重免疫荧光图像用于5折交叉验证
579	2024-10-26	Longitudinal Variability Analysis on Low-dose Abdominal CT with Deep Learning-based Segmentation 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2653762 PMID:37465093	研究论文	研究使用深度学习方法对低剂量腹部CT图像进行纵向变异性分析	首次对低剂量单切片CT图像进行纵向变异性的全面研究，并使用深度学习进行自动分割	研究仅限于2D切片，且样本量相对较小	评估低剂量腹部CT图像在纵向变异性中的稳定性和变异性	1469名受试者的1816张低剂量腹部CT图像	计算机视觉	NA	深度学习	NA	图像	1469名受试者的1816张图像
580	2024-10-26	Batch size: go big or go home? Counterintuitive improvement in medical autoencoders with smaller batch size 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2653643 PMID:37465095	研究论文	本文探讨了在训练医学自编码器时，较小批次大小对模型性能的反直觉改善	本文提出了与传统观点相反的证据，即在处理具有全局相似性和局部差异的数据（如电子健康记录和医学影像）时，较小的批次大小可以提高自编码器的性能	本文仅在特定的数据集（巴尔的摩衰老纵向研究和多模态脑肿瘤分割挑战）上进行了实验，结果可能不适用于所有类型的医学数据	研究批次大小对医学自编码器性能的影响，特别是在处理电子健康记录和医学影像数据时	电子健康记录数据和医学影像数据	机器学习	NA	自编码器	自编码器	文本和图像	巴尔的摩衰老纵向研究的电子健康记录数据和多模态脑肿瘤分割挑战的医学影像数据