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
7441	2024-09-01	UC-Hybrid: Uncertainty-based contrastive learning on hybrid network for medical image segmentation 2024-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108367 PMID:39141962	研究论文	本文提出了一种基于不确定性的对比学习技术UncerNCE，结合最优混合网络架构，用于提高小器官的分类和分割性能	提出了一种基于不确定性的对比学习技术UncerNCE，解决了多类准确性偏差问题，并在分割小物体区域和减少整体噪声之间取得了平衡	在实际临床应用中存在类间准确性偏差，特别是在多器官分割任务中对小物体的性能不足	提高医学图像分割中对小器官的分类和分割性能	医学图像中的小器官	计算机视觉	NA	基于不确定性的对比学习	混合网络（卷积层和变换器层）	图像	BTCV和1K数据
7442	2024-09-01	Deep learning reconstruction for optimized bone assessment in zero echo time MR imaging of the knee 2024-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111663 PMID:39142010	研究论文	评估深度学习重建（DLRecon）在1.5特斯拉零回波时间（ZTE）磁共振成像（MRI）中对膝关节骨评估的影响	使用DLRecon方法显著改善了骨描绘的评分，并增强了骨的信噪比（SNR）和对比噪声比（CNR）	NA	评估深度学习重建对膝关节零回波时间MRI中骨评估的影响	膝关节的骨评估	计算机视觉	NA	磁共振成像（MRI）	深度学习重建（DLRecon）	图像	48次检查，涉及46名患者（23名女性）
7443	2024-09-01	Multimodal representations of biomedical knowledge from limited training whole slide images and reports using deep learning 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103303 PMID:39154617	研究论文	本文介绍了一种多模态架构，通过深度学习从有限的训练全切片图像和报告中创建健壮的生物医学数据表示，将细粒度的文本表示编码在图像嵌入中	该架构结合监督学习和自监督学习，解决了数据稀缺问题，并创建了多模态生物医学本体，能够在不需要额外训练的情况下进行多模态数据检索和文本与视觉概念的链接	NA	开发新的深度学习算法以支持专家，特别是在收集大量标注数据不切实际的领域	全切片图像和相应的报告	数字病理学	NA	深度学习	多模态架构	图像和文本	超过6000张结肠全切片图像（WSI）及其相应报告
7444	2024-09-01	TS-AI: A deep learning pipeline for multimodal subject-specific parcellation with task contrasts synthesis 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103297 PMID:39154619	研究论文	本研究提出了一种名为TS-AI的两阶段网络模型，用于通过预测tfMRI数据在皮质表面上个性化脑图谱	TS-AI模型通过合成任务对比图并利用特征一致性损失，提高了个性化分割的特异性和减少了过拟合风险	NA	开发一种能够在不获取实际任务fMRI扫描的情况下，个性化脑图谱的深度学习方法	脑功能子区域的个体化映射	机器学习	阿尔茨海默病	fMRI	深度神经网络	图像	使用多种参考图谱和数据集进行验证
7445	2024-09-01	Metadata-enhanced contrastive learning from retinal optical coherence tomography images 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103296 PMID:39154616	研究论文	本文提出了一种元数据增强的对比学习方法，用于从视网膜光学相干断层扫描（OCT）图像中提取特征，以改善年龄相关性黄斑变性（AMD）的下游图像分析任务	引入了一种新的元数据增强策略，利用患者身份、眼位置和时间序列信息来近似真实的图像间对比关系，从而解决传统对比学习方法在医学图像领域的局限性	NA	解决传统对比学习方法在医学图像领域的特定问题，提高模型在低数据和高数据情况下的性能	年龄相关性黄斑变性（AMD）患者的视网膜光学相干断层扫描（OCT）图像	计算机视觉	年龄相关性黄斑变性	对比学习	对比学习框架	图像	170,427张视网膜光学相干断层扫描（OCT）图像，涉及7912名患者
7446	2024-09-01	Leveraging Artificial Intelligence to Optimize the Care of Peripheral Artery Disease Patients 2024-Oct, Annals of vascular surgery IF:1.4Q3 DOI:10.1016/j.avsg.2023.11.057 PMID:38582202	综述	本文综述了人工智能在优化外周动脉疾病患者护理中的应用，包括诊断、预测患者结果和影像解释	介绍了自然语言处理、监督机器学习和深度学习等多种人工智能应用	NA	探讨人工智能在外周动脉疾病护理中的应用	外周动脉疾病患者	机器学习	外周动脉疾病	自然语言处理、监督机器学习、深度学习	NA	文本、影像	NA
7447	2024-09-01	igRNA Prediction and Selection AI Models (igRNA-PS) for Bystander-less ABE Base Editing 2024-Sep-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168714 PMID:39029887	研究论文	本文介绍了一种不完美gRNA（igRNA）编辑策略，用于实现无旁观者的单碱基编辑，并开发了igRNA预测和选择AI模型（igRNA-PS）来预测和选择高效的igRNA。	本文创新性地设计了igRNA编辑策略，并通过深度学习构建了igRNA-PS模型，能够高精度地识别主要编辑位点，预测单碱基编辑效率和产品纯度，并生成和评估最佳igRNA。	NA	开发一种无旁观者的单碱基编辑方法，并提供高效的igRNA预测和选择工具。	CRISPR衍生的基础编辑技术，特别是ABE基础编辑。	基因编辑	NA	深度学习	AI模型	序列数据	5000个位点，每个位点约19个系统设计的ABE igRNA
7448	2024-09-01	Deep learning in the diagnosis of maxillary sinus diseases: a systematic review 2024-Sep-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae031 PMID:38995816	综述	评估深度学习在检测、分类和分割上颌窦疾病中的表现	NA	仅限于评估截至2024年2月7日之前发表的研究	评估深度学习在上颌窦疾病诊断中的应用	上颌窦疾病	计算机视觉	NA	深度学习	CNN	影像	14项研究符合纳入标准
7449	2024-09-01	Automatic detection of the third molar and mandibular canal on panoramic radiographs based on deep learning 2024-Sep, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101946 PMID:38857691	研究论文	本研究旨在开发一种基于深度学习框架的自动检测全景X光片中下颌第三磨牙（M3）与下颌管（MC）位置关系的系统，以辅助医生评估和规划适当的手术干预措施	本研究提出的RPIFormer模型在分割M3和MC方面比以往最佳研究提高了3.06%的Dice系数，且开发的深度学习框架无需手动裁剪即可在全景X光片中自动检测M3和MC，显示出优越的检测精度和泛化能力	NA	开发一种自动检测全景X光片中下颌第三磨牙与下颌管位置关系的深度学习框架	下颌第三磨牙（M3）与下颌管（MC）的位置关系	计算机视觉	NA	深度学习	RPIFormer模型, CycleGAN模型	图像	253张来自医院的PRs和197张来自在线平台的PRs
7450	2024-09-01	Automated Lugano Metabolic Response Assessment in 18F-Fluorodeoxyglucose-Avid Non-Hodgkin Lymphoma With Deep Learning on 18F-Fluorodeoxyglucose-Positron Emission Tomography 2024-Sep-01, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO.23.01978 PMID:38843483	研究论文	本文介绍了一种基于深度学习的算法，用于根据Lugano 2014分类标准对18F-氟脱氧葡萄糖亲和性非霍奇金淋巴瘤进行全自动治疗反应评估	该方法的反应评估与放射学反应的裁决高度一致，并且在死亡风险预测方面表现出更高的准确性	NA	旨在通过人工智能减少医生在放射学评估上的时间，并提高治疗反应评估的准确性	18F-氟脱氧葡萄糖亲和性非霍奇金淋巴瘤的治疗反应	机器学习	非霍奇金淋巴瘤	深度学习	深度学习算法	图像	涉及多个国家的临床试验，包括多个中心和国家的测试集，涉及不同的非霍奇金淋巴瘤亚型和治疗线
7451	2024-09-01	Synergistic integration of deep learning with protein docking in cardiovascular disease treatment strategies 2024-Sep, IUBMB life IF:3.7Q2 DOI:10.1002/iub.2819 PMID:38748776	研究论文	本研究通过深入的分子对接分析，探索了基于生育酚的纳米乳剂作为心血管疾病治疗药物的潜力	利用深度学习模型ESM1-b和ProtT5进行输入编码，预测4YAY蛋白与生育酚的相互作用位点，实现了对这些关键蛋白-配体相互作用的高度准确预测	NA	阐明生育酚与心血管疾病发展中起关键作用的七个蛋白质的分子相互作用	生育酚与七个关键蛋白质（1O8a, 4YAY, 4DLI, 1HW9, 2YCW, 1BO9和1CX2）的相互作用	分子生物学	心血管疾病	分子对接分析	深度学习模型	蛋白质数据	七个关键蛋白质
7452	2024-09-01	Voxel level dense prediction of acute stroke territory in DWI using deep learning segmentation models and image enhancement strategies 2024-Sep, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01582-8 PMID:38727961	研究论文	本研究旨在通过设计多类分割任务，利用深度学习分割模型和图像增强策略在DWI图像中构建急性中风区域分类器模型	采用体素级密集预测结合偏场校正和空间配准，提高了模型的性能	NA	构建一个在DWI图像中识别急性中风区域的分类器模型	急性前或后缺血性中风患者的DWI图像	计算机视觉	中风	深度学习	U-Net	图像	218名患者
7453	2024-09-01	Detection and classification of mandibular fractures in panoramic radiography using artificial intelligence 2024-Sep-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae018 PMID:38652576	研究论文	本研究评估了YOLOv5深度学习模型在全景图像中检测不同下颌骨骨折类型的性能	使用YOLOv5算法对六种下颌骨骨折类型进行检测，并计算了多种性能指标	在检测某些骨折类型（如颌角、髁突头和髁突颈）时性能较低	评估YOLOv5模型在下颌骨骨折检测中的应用潜力	下颌骨骨折的全景图像	计算机视觉	NA	深度学习	YOLOv5	图像	共收集了498张包含673处骨折的全景图像
7454	2024-09-01	Feasibility study on the clinical application of CT-based synthetic brain T1-weighted MRI: comparison with conventional T1-weighted MRI 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10534-1 PMID:38175218	研究论文	本研究旨在探讨基于CT的合成脑T1加权磁共振成像（MRI）与传统T1加权MRI在脑形态定量评估中的等效性	利用深度学习模型从CT数据生成合成T1加权成像（sT1WI），并评估其与传统T1加权MRI的等效性	研究中存在一些由于放射科医生测量差异导致的较差的协议	研究基于CT的合成T1加权MRI与传统T1加权MRI在脑形态定量评估中的等效性	35名接受脑部磁共振成像（MRI）和CT扫描的成年患者	计算机视觉	NA	深度学习模型	深度学习模型	图像	35名成年患者
7455	2024-09-01	Artificial intelligence in immunotherapy PET/SPECT imaging 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10637-3 PMID:38355986	综述	本文通过综述探讨了人工智能在PET/SPECT引导的免疫治疗患者管理中的应用	人工智能应用于PET/SPECT成像，主要用于预测免疫治疗患者的预后或肿瘤表型，这是基于治疗前基线图像构建的	需要进一步在大规模、前瞻性、多中心队列中验证模型，才能实现真正的临床应用	研究人工智能在PET/SPECT引导的免疫治疗中的作用，以识别可能获得持久临床益处或可能出现不可接受副作用的患者	免疫治疗患者及其PET/SPECT成像特征	计算机视觉	肺癌	PET/SPECT成像	深度学习	图像	中位数（四分位数范围）样本量为63（157），主要关注肺癌、淋巴瘤和黑色素瘤
7456	2024-09-01	Learning CT-free attenuation-corrected total-body PET images through deep learning 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10647-1 PMID:38355987	研究论文	本研究利用深度学习技术生成无需CT的衰减校正全身PET图像，以减少PET成像中的电离辐射问题	本研究首次尝试通过深度学习生成无需CT的衰减校正全身PET图像，减少了对患者的辐射风险	未来工作需要在更多临床实践中验证该方法在全身PET/CT系统中的应用	开发一种无需CT的衰减校正方法，以减少全身PET/CT成像中的电离辐射	全身PET图像的衰减校正	机器学习	NA	Cycle-GAN	生成对抗网络	图像	122名受试者（29名女性和93名男性）
7457	2024-09-01	Deep learning for automatic bowel-obstruction identification on abdominal CT 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10657-z PMID:38388719	research paper	本文旨在开发一种机器学习模型，用于自动识别腹部CT扫描中的疑似肠梗阻	开发了一种3D混合卷积神经网络，用于自动二分类（肠梗阻是/否）腹部CT扫描	NA	帮助放射科医生管理大量工作负载，从而实现更早的诊断和更好的患者治疗效果	腹部CT扫描中的疑似肠梗阻	machine learning	NA	CT	3D mixed convolutional neural network	image	内部数据集包含1345个腹部CT扫描，外部数据集包含88个放射科医生注释的CT扫描
7458	2024-09-01	Prediction of extraction difficulty for impacted maxillary third molars with deep learning approach 2024-Sep, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101817 PMID:38458545	研究论文	本研究旨在使用深度学习模型预测埋伏上颌第三磨牙手术难度	采用YoloV5x架构进行自动分割和分类，以预测手术难度	NA	评估深度学习模型预测埋伏上颌第三磨牙手术难度的有效性	埋伏上颌第三磨牙的手术难度	计算机视觉	NA	深度学习	YoloV5x	图像	708张全景放射图像
7459	2024-09-01	Artificial Intelligence in Military Medicine 2024-Aug-30, Military medicine IF:1.2Q2 DOI:10.1093/milmed/usae359 PMID:39028176	研究论文	本文探讨了人工智能在军事医学中的应用及其潜力和挑战	文章介绍了美国军事部门在军事医学中实施的几项人工智能倡议，包括预测部队行为和预测部队自杀率的模型	尽管人工智能在军事医学中有巨大潜力，但其固有的风险和局限性需要仔细考虑和讨论	旨在揭示人工智能在军事医学中的应用，并推动其在军事健康和整体作战准备中的有效利用	人工智能在军事医学中的应用，包括临床效率支持、大规模战斗操作的分类和临床护理算法等	机器学习	NA	深度学习	生成式AI	数据集	NA
7460	2024-09-01	Deep learning with uncertainty estimation for automatic tumor segmentation in PET/CT of head and neck cancers: impact of model complexity, image processing and augmentation 2024-Aug-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad6dcd PMID:39127060	研究论文	本文评估了使用卷积神经网络（CNN）自动分割头颈部癌症PET/CT图像的方法，以提高分割质量和评估不确定性。	采用蒙特卡洛 dropout 技术量化和可视化自动轮廓的不确定性，并探讨了图像预处理、图像增强、迁移学习和CNN复杂性对模型性能和跨中心泛化能力的影响。	自动轮廓可能产生不现实的轮廓或遗漏相关结构，且模型不确定性主要与假阳性、假阴性体素及低Dice系数相关。	提高头颈部癌症PET/CT图像自动分割的质量和评估其不确定性。	头颈部鳞状细胞癌患者的PET/CT图像。	计算机视觉	头颈部癌症	卷积神经网络（CNN）	CNN	图像	两个患者队列，来自两个中心的基线F-氟脱氧葡萄糖正电子发射断层扫描和计算机断层扫描图像（FDG-PET/CT）。