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
1861	2024-08-11	Performance of alternative manual and automated deep learning segmentation techniques for the prediction of benign and malignant lung nodules 2023-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.4.044006 PMID:37564098	研究论文	本文评估了放射性活检（RB）、最佳拟合边界框（BB）和基于深度学习的分割方法no-new-U-Net（nnU-Net）与标准全手动（FM）分割方法在预测良性与恶性肺结节方面的性能。	本文引入了基于深度学习的分割方法nnU-Net，并与传统的放射性活检和最佳拟合边界框方法进行了比较。	需要进一步验证RB方法的效率，并且深度学习分割方法的性能与FM和BB方法相似。	评估不同分割技术在预测肺结节良恶性方面的性能。	肺结节的分割技术和预测模型。	计算机视觉	肺部疾病	CT扫描	nnU-Net	影像数据	188个CT扫描数据
1862	2024-08-11	Visual analysis of image-guided radiation therapy based on bibliometrics: A review 2023-Feb-22, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000032989 PMID:36827068	综述	本研究利用文献计量方法，分析了1987年至2021年间Web of Science收录的6407篇关于图像引导放射治疗（IGRT）的论文，揭示了IGRT的研究现状、热点和发展趋势	首次对IGRT研究进行全面的文献计量分析，展示了该领域的研究成熟度和成果	NA	揭示图像引导放射治疗的研究现状和未来趋势	图像引导放射治疗技术及其相关研究	医学影像	NA	文献计量方法	NA	文本	6407篇论文
1863	2024-08-10	Developing Topics 2023-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.082896 PMID:39120921	研究论文	本文使用卷积神经网络（CNN）对前额叶痴呆（FTD）、阿尔茨海默病（AD）患者和健康对照（HC）的脑电图（EEG）数据集进行分类并评估其性能	本研究采用深度学习方法，无需专家设计的特征工程过程，实现了对痴呆患者EEG的高性能分类	NA	开发一种能够对痴呆患者EEG进行高精度分类的深度学习模型	前额叶痴呆、阿尔茨海默病患者和健康对照的脑电图数据	机器学习	神经退行性疾病	卷积神经网络（CNN）	CNN	脑电图（EEG）	88名受试者
1864	2024-08-10	Flood risk mapping and analysis using an integrated framework of machine learning models and analytic hierarchy process 2023-Jul, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.14018 PMID:36088657	研究论文	本研究提出了一种将机器学习模型与分析层次过程方法相结合的新方法，用于开发全面的洪水风险评估地图	本研究的创新点在于将机器学习模型与分析层次过程方法相结合，形成了一个综合的洪水风险评估框架	NA	开发一个综合的洪水风险评估框架，用于洪水易发区域的洪水风险地图绘制	越南广平省的洪水风险评估	机器学习	NA	机器学习技术，分析层次过程方法	深度学习模型	地理空间数据	包括696个历史洪水事件位置和多个洪水影响因素的数据
1865	2024-08-10	Learning structural heterogeneity from cryo-electron sub-tomograms with tomoDRGN 2023-Jun-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.31.542975 PMID:37398315	研究论文	本文介绍了基于深度学习的工具tomoDRGN，用于从冷冻电子断层扫描数据中学习结构异质性	扩展了cryoDRGN深度学习架构，用于处理冷冻电子断层扫描的子断层图，能够学习连续的低维结构异质性表示	NA	开发新的工具以分析冷冻电子断层扫描数据中的结构异质性	冷冻电子断层扫描数据中的结构异质性	计算机视觉	NA	冷冻电子断层扫描	深度学习架构	子断层图	大量异质性结构
1866	2024-08-10	Virtual-scanning light-field microscopy for robust snapshot high-resolution volumetric imaging 2023-05, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-01839-6 PMID:37024654	研究论文	本文提出了一种基于物理的深度学习框架——虚拟扫描光场显微镜（VsLFM），用于提高光场显微镜的分辨率至衍射极限，实现高速三维成像。	VsLFM通过构建40GB的高分辨率扫描光场显微镜数据集，利用相位相关角度视图之间的物理先验信息，解决了频率混叠问题，从而避免了硬件扫描及其相关的运动伪影。	NA	旨在开发一种能够在单次快照中实现高分辨率三维成像的技术，以用于研究健康和疾病中的瞬态亚细胞相互作用和功能。	研究对象包括胚胎斑马鱼的心脏跳动、果蝇大脑的电压活动以及小鼠肝脏中的中性粒细胞迁移等多样化的生物过程。	计算机视觉	NA	光场显微镜	深度学习框架	图像	40GB的高分辨率扫描光场显微镜数据集
1867	2024-08-10	Plaque burden estimated from optical coherence tomography with deep learning: In vivo validation using co-registered intravascular ultrasound 2023-Feb, Catheterization and cardiovascular interventions : official journal of the Society for Cardiac Angiography & Interventions IF:2.1Q3 DOI:10.1002/ccd.30525 PMID:36519717	研究论文	本研究通过深度学习算法，利用光学相干断层扫描（OCT）图像自动评估斑块负担（PB），并与血管内超声（IVUS）结果进行比较	开发了一种深度学习算法，用于从OCT图像中自动进行斑块特征化和PB量化，并首次验证了该算法在PB量化中的性能	研究样本量较小，仅包括15名植入生物可吸收血管支架（BVS）的患者	比较基于深度学习的OCT和IVUS在斑块负担评估中的一致性	植入生物可吸收血管支架的患者	计算机视觉	心血管疾病	光学相干断层扫描（OCT），血管内超声（IVUS）	深度学习（DL）	图像	15名患者，64对OCT和IVUS横断面图像
1868	2024-08-09	LeafAI: query generator for clinical cohort discovery rivaling a human programmer 2023-11-17, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad149 PMID:37550244	研究论文	本文介绍了一种名为LeafAI的系统，该系统能够生成数据模型无关的查询，并提供复杂的临床试验资格标准的逻辑推理能力	LeafAI引入了一种新的方法，使用UMLS概念对数据库模式元素进行标记，以实现数据模型无关的查询创建	NA	开发一种能够生成数据模型无关查询并提供复杂临床试验资格标准逻辑推理能力的系统	临床数据库中的患者识别和临床试验资格标准的查询生成	自然语言处理	NA	混合深度学习和基于规则的模块	NA	文本	8个临床试验中的27,225名合格患者
1869	2024-08-09	Automated Segmentation of Optical Coherence Tomography Images of the Human Tympanic Membrane Using Deep Learning 2023-Sep, Algorithms IF:1.8Q2 DOI:10.3390/a16090445 PMID:39104565	研究论文	本文利用深度学习算法自动分割人耳鼓膜的光学相干断层扫描（OCT）图像	开发了一种基于卷积神经网络的深度学习算法，能够准确识别并分割耳鼓膜，提高图像可视化效果	未提及具体限制	改进数据分析和图像处理，使OCT医学影像成为耳鼻喉科领域便捷且可行的诊断工具	人耳鼓膜的OCT图像	计算机视觉	NA	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	3D体积的人耳鼓膜图像
1870	2024-08-08	SaLT&PepPr is an interface-predicting language model for designing peptide-guided protein degraders 2023-10-24, Communications biology IF:5.2Q1 DOI:10.1038/s42003-023-05464-z PMID:37875551	研究论文	本文介绍了一种名为SaLT&PepPr的结构无关语言转换器和肽优先级排序管道，用于从蛋白质序列中预测相互作用界面，进而生成肽结合基序	该模型仅使用氨基酸序列作为输入，与基于结构同源性的方法竞争，但性能低于输入结构和序列特征的深度学习模型	模型在性能上低于那些同时输入结构和序列特征的深度学习模型	旨在预测蛋白质-蛋白质相互作用（PPIs）的位点，这对于计算和实验应用都很有用	蛋白质-蛋白质相互作用位点的预测以及肽结合基序的生成	机器学习	NA	蛋白质语言模型（pLM）	语言转换器（Transformer）	序列	使用来自PDB的数据进行模型训练和验证
1871	2024-08-08	Scaffolding cooperation in human groups with deep reinforcement learning 2023-Oct, Nature human behaviour IF:21.4Q1 DOI:10.1038/s41562-023-01686-7 PMID:37679439	研究论文	本文利用深度强化学习和模拟方法训练一个'社会规划者'，通过推荐来创建或打破群体成员之间的联系，以促进人类群体在合作游戏中的合作行为	本文采用深度强化学习技术，训练出一个能够促进群体合作的社会规划者，与以往将背叛者与合作者分离的策略不同，该规划者采取和解的方式鼓励背叛者表现出亲社会行为	NA	探索促进群体合作的有效方法	人类群体在合作游戏中的合作行为	机器学习	NA	深度强化学习	NA	NA	208名参与者分为13个群体
1872	2024-08-07	Automatic renal carcinoma biopsy guidance using forward-viewing endoscopic optical coherence tomography and deep learning 2023-Nov-23, Research square DOI:10.21203/rs.3.rs-3592809/v1 PMID:38045314	研究论文	本研究利用前视光学相干断层扫描（OCT）探头和卷积神经网络（CNN）进行自动肾癌活检指导	结合OCT和CNN技术，显著提高了肾癌活检的指导精度	在区分正常组织方面表现不佳	旨在提高肾癌活检的采样准确性	人类肾脏和肾癌样本	计算机视觉	肾癌	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	五个人类肾脏和肾癌样本
1873	2024-08-07	A novel approach for sports injury risk prediction: based on time-series image encoding and deep learning 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1174525 PMID:38192743	研究论文	本研究利用时间序列图像编码和深度学习算法构建了一个运动损伤风险预测模型	采用时间序列图像编码和深度卷积自编码器（DCAE）进行特征提取，提高了模型的泛化能力和实用性	未提及具体限制	开发一种有效的运动损伤风险预测工具，以支持未来的运动损伤预防实践	运动损伤风险预测	机器学习	NA	时间序列图像编码，深度卷积自编码器（DCAE）	深度神经网络（DNN）	图像	未提及具体样本数量
1874	2024-08-06	Effect of image resolution on automated classification of chest X-rays 2023-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.4.044503 PMID:37547812	研究论文	本研究探讨了图像分辨率对胸部X光图像分类性能的影响	提出了多尺度特征的提取方法，而不仅仅是关注最高的图像分辨率	未提及具体的限制因素	研究影像分辨率对胸部X光图像分类性能的影响	使用MIMIC-CXR-JPG数据集的胸部X光图像进行分析	计算机视觉	NA	深度学习	DenseNet121，EfficientNet-B4	图像	377,110张高分辨率胸部X光图像
1875	2024-08-05	Generative Adversarial Network (GAN) for Simulating Electroencephalography 2023-09, Brain topography IF:2.3Q3 DOI:10.1007/s10548-023-00986-5 PMID:37410276	研究论文	本研究探讨了生成对抗网络在模拟脑电图方面的应用	本研究首次利用生成对抗网络生成多通道脑电图数据，能够重建脑电图信号的时空特性	数据生成依赖于网络训练的质量，可能对某些特征的再现存在限制	研究生成对抗网络在脑电图模拟中的有效性	生成高质量的合成脑电图数据以供神经成像分析使用	机器学习	NA	生成对抗网络	GAN	脑电图数据	NA
1876	2024-08-04	Using Ensemble OCT-Derived Features beyond Intensity Features for Enhanced Stargardt Atrophy Prediction with Deep Learning 2023-Jul-02, Applied sciences (Basel, Switzerland) DOI:10.3390/app13148555 PMID:39086558	研究论文	本文提出了一种使用高级OCT衍生特征来增强对Stargardt萎缩预测的方法	本研究的创新点在于使用了多个OCT衍生特征，而不仅仅依赖常用的平均强度特征	未提及特定限制	研究预测Stargardt疾病进展的有效方法	Stargardt疾病患者的视网膜层变化	数字病理学	Stargardt病	SD-OCT	集成深度学习神经网络	图像	涉及多个视网膜层的图像数据
1877	2024-08-04	Two complementary AI approaches for predicting UMLS semantic group assignment: heuristic reasoning and deep learning 2023-11-17, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad152 PMID:37528056	研究论文	该研究使用启发式和深度学习方法预测UMLS语义组分配	提出了结合启发式和深度学习的混合方法以提高UMLS语义组预测的准确性	研究未提及可能的适用性限制	研究的目的是提高新UMLS原子的语义组分配准确率	新UMLS Metathesaurus原子	自然语言处理	NA	深度学习	全连接多层神经网络	文本	1,563,692个新未见原子
1878	2024-08-04	Assisted annotation in Deep LOGISMOS: Simultaneous multi-compartment 3D MRI segmentation of calf muscles 2023-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.16284 PMID:36750977	研究论文	本文提出了一种结合深度学习和图优化的辅助注释新方法，用于3D下肢肌肉分割。	创新点在于在辅助注释的范式下结合了深度学习和图优化，以降低标注成本并提高分割精度。	样本数量虽然庞大，但仍然可能影响结果的普适性。	研究旨在提高3D MR图像中小腿肌肉分割的自动化程度和准确性。	研究对象为93名参与者的350张下肢T1加权MR图像。	数字病理	肌肉疾病	深度学习	卷积神经网络	图像	93名参与者的350张MR图像
1879	2024-08-04	Deep Learning-Generated Synthetic MR Imaging STIR Spine Images Are Superior in Image Quality and Diagnostically Equivalent to Conventional STIR: A Multicenter, Multireader Trial 2023-08, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7920 PMID:37414452	研究论文	本研究评估了合成STIR脊柱MR影像与获取的STIR影像的性能	使用深度学习生成的合成STIR影像在图像质量上显著优于传统STIR影像	文中未详细讨论合成影像在所有潜在病理情况下的适用性	探讨合成STIR脊柱MR影像的诊断等效性与图像质量	328个临床病例中的110个脊柱MR影像，涉及93名患者	医学成像	NA	深度学习图像重建	NA	影像	110个脊柱MR影像研究，93名患者
1880	2024-08-04	Artificial Intelligence Model Trained with Sparse Data to Detect Facial and Cranial Bone Fractures from Head CT 2023-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00829-6 PMID:37095310	研究论文	提出一种深度学习系统，自动检测颅骨和面部骨折。	本研究首次结合YOLOv4和改进的ResUNet实现完整的骨折检测和分割。	缺乏对面部骨折的自动检测研究和相应的验证数据。	研究旨在开发一个能够自动检测头部CT图像中颅骨和面部骨折的深度学习系统。	主要研究对象为接受头部创伤的患者的头部CT影像。	计算机视觉	NA	深度学习	YOLOv4，ResUNet++	图像	共分析1,447个头部CT研究（共16,985张图像），测试192个头部CT研究（共5,890张图像）