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
4261	2024-10-30	A deep learning-based approach for unbiased kinematic analysis in CNS injury 2024-Nov, Experimental neurology IF:4.6Q1 DOI:10.1016/j.expneurol.2024.114944 PMID:39242068	研究论文	本文介绍了一种基于深度学习的方法，用于在中枢神经系统损伤中进行无偏差的运动学分析	开发了两种基于深度学习算法的无标记运动学分析范式，MotorBox和MotoRater，用于替代传统的BMS测试，消除了评估中的主观偏差和变异性	NA	提高脊髓损伤后功能评估的准确性、敏感性和可重复性	脊髓损伤后的运动功能评估	计算机视觉	脊髓损伤	深度学习	NA	视频	NA
4262	2024-10-30	A wavelet subband based LSTM model for 12-lead ECG synthesis from reduced lead set 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00412-0 PMID:39465099	研究论文	本文提出了一种基于小波子带和长短期记忆网络（LSTM）的模型，用于从减少的导联集中合成12导联心电图	本文利用小波域中的增强导联间相关性，结合LSTM网络捕捉心电信号的时空信息，提出了一种新的深度学习架构	NA	研究目的是从减少的导联集中合成12导联心电图，以满足患者舒适度、简化复杂性和实现远程监控	研究对象是心电图信号及其导联间和导联内的相关性	机器学习	NA	小波变换	LSTM	心电图信号	NA
4263	2024-10-30	Self-supervised learning for CT image denoising and reconstruction: a review 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00424-w PMID:39465103	综述	本文综述了自监督学习方法在CT图像去噪和重建中的应用	自监督学习方法在无需干净/噪声参考的情况下学习CT图像	NA	回顾自监督学习在CT图像去噪和重建中的进展	CT图像去噪和重建	计算机视觉	NA	自监督学习	NA	图像	NA
4264	2024-10-30	A review of deep learning-based reconstruction methods for accelerated MRI using spatiotemporal and multi-contrast redundancies 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00425-9 PMID:39465106	综述	本文综述了基于深度学习的加速MRI重建方法，利用时空和多对比度冗余信息	本文介绍了利用多线圈冗余、多对比度冗余和时空冗余信息结合深度学习方法，实现更高加速和细节保留的重建性能	本文讨论了当前方法的挑战和局限性，并提出了未来发展的潜在方向	综述基于深度学习的加速MRI重建方法及其利用冗余信息的优势	加速MRI重建方法及其在图像重建中的应用	计算机视觉	NA	MRI	深度学习	图像	NA
4265	2024-10-30	A systematic review of deep learning-based denoising for low-dose computed tomography from a perceptual quality perspective 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00419-7 PMID:39465112	综述	本文综述了从感知质量角度出发，基于深度学习的低剂量计算机断层扫描（LDCT）去噪方法	本文探讨了针对LDCT图像感知质量提升的先进深度学习方法，包括感知损失函数和生成对抗网络，并强调了开发平衡感知和诊断质量方法的迫切需求	当前方法主要依赖于PSNR和SSIM等客观指标，导致图像过度平滑，缺乏关键细节	提升低剂量计算机断层扫描图像的感知质量，使其更符合临床实践中的诊断需求	低剂量计算机断层扫描图像的去噪效果	计算机视觉	NA	深度学习	生成对抗网络	图像	NA
4266	2024-10-30	CT synthesis with deep learning for MR-only radiotherapy planning: a review 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00430-y PMID:39465111	综述	本文综述了使用深度学习模型进行MR到CT合成的多种方法	本文通过比较不同模型并分析应用于该任务的通用方法，评估了这些模型的潜力和改进当前方法的途径	NA	提升MR-only放疗计划中合成CT的准确性并应用于实践	MR到CT合成的深度学习模型	计算机视觉	NA	深度学习	卷积神经网络、生成对抗网络、Transformer模型、扩散模型	图像	NA
4267	2024-10-30	Integrated deep learning approach for generating cross-polarized images and analyzing skin melanin and hemoglobin distributions 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00409-9 PMID:39465115	研究论文	本文提出了一种集成深度学习方法，用于生成交叉偏振图像并分析皮肤中黑色素和血红蛋白的分布	本文的创新点在于提出了一种无需真实标签的集成方法，通过生成对抗网络生成交叉偏振图像，并使用理论重建的地面真值训练皮肤分析模块	本文的局限性在于依赖于理论重建的地面真值，可能与实际测量结果存在差异	研究目的是开发一种无需额外光学仪器或大量地面真值准备的皮肤色素分析方法	研究对象是皮肤中的黑色素和血红蛋白分布	计算机视觉	NA	生成对抗网络	CycleGAN, pix2pix, pix2pixHD, 回归分析网络	图像	使用VISIA VAESTRO临床系统进行评估
4268	2024-10-30	Diagnostic performance of deep learning for infectious keratitis: a systematic review and meta-analysis 2024-Nov, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102887 PMID:39469534	meta-analysis	本文系统综述和荟萃分析了深度学习在感染性角膜炎诊断中的表现	首次系统评估了深度学习模型在感染性角膜炎诊断中的准确性，并与眼科医生的诊断准确性进行了比较	研究存在图像分析未考虑个体间潜在相关性、研究人群相对同质、深度学习阈值未预先设定以及外部验证有限等问题	评估深度学习在感染性角膜炎诊断中的准确性及其与眼科医生的比较	感染性角膜炎的诊断	machine learning	眼科疾病	深度学习	NA	图像	136,401张角膜图像，来自超过56,011名患者
4269	2024-10-30	Artificial intelligence-based power market price prediction in smart renewable energy systems: Combining prophet and transformer models 2024-Oct-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38227 PMID:39469701	研究论文	本文开发了一种结合Prophet和Transformer模型的混合时间序列预测模型，用于电力市场价格预测	引入Stacking优化策略，结合传统时间序列方法和深度学习模型，提高了电力市场价格预测的准确性和稳定性	未提及具体限制	开发一种新的电力市场价格预测方法，支持智能可再生能源系统的可靠和灵活运行	电力市场价格预测	机器学习	NA	深度学习	Transformer	时间序列数据	四个电力市场数据集
4270	2024-10-30	Vehicular Mini-LED backlight display inspection based on residual global context mechanism 2024-Oct-29, Frontiers of optoelectronics IF:4.1Q2 DOI:10.1007/s12200-024-00140-4 PMID:39467917	研究论文	本文提出了一种基于残差全局上下文机制的车辆Mini-LED背光显示检测方法	本文提出了高分辨率网络（Hrnet）与混合扩张卷积和密集上采样卷积（MDC-DUC）模块以及残差全局上下文注意力（RGCA）模块结合的新模型，显著提高了Mini-LED背光显示的质量检测精度	NA	提高车辆Mini-LED背光显示的质量检测精度	车辆Mini-LED背光显示的质量检测	计算机视觉	NA	深度学习	高分辨率网络（Hrnet）	图像	NA
4271	2024-10-30	Tracer-Separator: A Deep Learning Model for Brain PET Dual-Tracer (18F-FDG and Amyloid) Separation 2024-Oct-29, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005511 PMID:39468375	研究论文	本研究开发了一种基于深度学习的模型，用于分离脑部PET双示踪剂（18F-FDG和淀粉样蛋白）图像	本研究首次采用无卷积的transformer架构SwinUNETR，实现了从模拟双示踪剂成像的加和扫描中合成真实的FDG和FBP/FMM图像	NA	本研究旨在通过先进的成像技术简化诊断过程，提高患者治疗效果	研究对象包括120名从认知正常到轻度认知障碍、痴呆和其他精神障碍的患者	计算机视觉	NA	PET成像	SwinUNETR	图像	120名患者
4272	2024-10-30	Enhancing Diagnostic Accuracy of Fresh Vertebral Compression Fractures with Deep Learning Models 2024-Oct-29, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005156 PMID:39468863	研究论文	本研究旨在开发和验证基于X光图像的深度学习模型，以准确诊断新鲜的胸腰椎椎体压缩性骨折	使用深度学习模型结合X光图像进行诊断，作为MRI的替代方案	研究为回顾性研究，且样本量相对较小	开发和验证用于诊断新鲜椎体压缩性骨折的深度学习模型	胸腰椎椎体压缩性骨折的X光图像	计算机视觉	脊柱疾病	深度学习	EfficientNet, MobileNet, MnasNet	图像	3025张侧位X光图像，来自2224名患者
4273	2024-10-30	DNA breathing integration with deep learning foundational model advances genome-wide binding prediction of human transcription factors 2024-Oct-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae783 PMID:39271116	研究论文	本文开发了一种多模态深度学习模型EPBDxDNABERT-2，用于预测人类转录因子与DNA的结合	本文创新性地将DNA呼吸特征与DNABERT-2基础模型结合，显著提高了转录因子结合预测的准确性	NA	确定转录因子结合与DNA呼吸之间的精确关系	人类转录因子与DNA的结合	机器学习	NA	ChIP-Seq	深度学习模型	基因组数据	690个ChIP-seq实验结果，涵盖161种不同的转录因子和91种人类细胞类型
4274	2024-10-30	A deep learning-based method enables the automatic and accurate assembly of chromosome-level genomes 2024-Oct-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae789 PMID:39287126	研究论文	本文介绍了一种基于深度学习的方法AutoHiC，用于自动和准确地组装染色体级别的基因组	AutoHiC利用Hi-C数据进行自动化工作流程和迭代错误校正，显著提高了基因组组装的连续性和准确性	NA	解决染色体级别基因组组装中的错误校正和序列锚定问题	染色体级别基因组组装	基因组学	NA	Hi-C技术	深度学习	基因组数据	300多种物种的数据
4275	2024-10-30	ABTrans: A Transformer-based Model for Predicting Interaction between Anti-Aβ Antibodies and Peptides 2024-Oct-28, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00664-5 PMID:39466358	研究论文	本文研究了基于Transformer模型的ABTrans，用于预测抗Aβ抗体与肽段的相互作用	提出了基于Transformer的ABTrans模型，用于分类抗Aβ抗体与十二肽的结合能力，并研究了抗Aβ抗体与其他人类淀粉样蛋白的交叉反应	NA	开发更有效的阿尔茨海默病治疗方法	抗Aβ抗体与肽段的相互作用	机器学习	阿尔茨海默病	深度学习	Transformer	序列	训练数据包括来自噬菌体展示实验的十二肽序列和已知的抗Aβ抗体序列
4276	2024-10-30	Comparison of image quality and lesion conspicuity between conventional and deep learning reconstruction in gadoxetic acid-enhanced liver MRI 2024-Oct-28, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01825-2 PMID:39466542	研究论文	比较常规重建与深度学习重建在钆塞酸增强肝脏MRI中的图像质量和病变显著性	深度学习重建在钆塞酸增强肝脏MRI中提供了比常规重建更高的图像质量和动脉期病变显著性	深度学习重建在门静脉期和肝胆期与常规重建相比，病变显著性无显著差异	比较常规重建与深度学习重建在钆塞酸增强肝脏MRI中的图像质量和病变显著性	钆塞酸增强肝脏MRI图像	计算机视觉	肝病	MRI	深度学习	图像	50名参与者
4277	2024-10-30	Noise Self-Regression: A New Learning Paradigm to Enhance Low-Light Images Without Task-Related Data 2024-Oct-28, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3487361 PMID:39466857	研究论文	本文提出了一种新的低光图像增强方法Noise Self-Regression (NoiSER)，无需任务相关数据，通过纯高斯噪声完成图像增强任务	NoiSER方法通过自回归和高斯噪声假设，实现了低光图像增强，无需任何任务相关数据，且在增强质量和模型大小方面具有竞争优势	NA	研究如何在不依赖任务相关数据的情况下，通过深度学习方法增强低光图像	低光图像增强	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
4278	2024-10-30	A Nuclei-Focused Strategy for Automated Histopathology Grading of Renal Cell Carcinoma 2024-Oct-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3487004 PMID:39466875	研究论文	本文提出了一种基于核特征的肾细胞癌自动病理分级新框架	引入了一种新的框架NuAP-RCC，利用核级特征进行增强的补丁级肾细胞癌分级	NA	提高肾细胞癌病理分级的准确性和可重复性	肾细胞癌的核分级	数字病理学	肾细胞癌	图神经网络	卷积神经网络	图像	涉及来自不同医疗机构的数据集
4279	2024-10-30	Improving Accuracy and Reproducibility of Cartilage T2 Mapping in the OAI Dataset Through Extended Phase Graph Modeling 2024-Oct-28, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29646 PMID:39467097	研究论文	本文评估了不同拟合方法对OAI数据集中膝关节软骨T2弛豫时间准确性和可重复性的影响	本文首次将扩展相位图（EPG）建模应用于OAI数据集，以解决传统单指数模型忽略受激回波和B1不均匀性的问题	本文仅评估了EPG和单指数方法在OAI数据集中的表现，未涉及其他数据集或方法	评估不同拟合方法对OAI数据集中膝关节软骨T2弛豫时间准确性和可重复性的影响	OAI数据集中的膝关节软骨T2弛豫时间	数字病理学	骨关节炎	扩展相位图（EPG）建模	NA	图像	100名受试者（50名骨关节炎患者和50名非骨关节炎患者）
4280	2024-10-30	Air quality index prediction with optimisation enabled deep learning model in IoT application 2024-Oct-28, Environmental technology IF:2.2Q3 DOI:10.1080/09593330.2024.2409993 PMID:39467096	研究论文	本文开发了一种基于物联网的深度学习技术，用于预测空气质量指数（AQI）	提出了Tangent Two-Stage Algorithm (TTSA)用于路由机制，并引入了Fractional Tangent Two-Stage Optimisation (FTTSA)用于深度前馈神经网络（DFNN）的训练过程	NA	开发一种基于物联网的深度学习模型，用于预测空气质量指数	空气质量指数（AQI）的预测	机器学习	NA	深度学习	深度前馈神经网络（DFNN）	时间序列数据	NA