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
9521	2024-08-05	Enhancing ECG-based heart age: impact of acquisition parameters and generalization strategies for varying signal morphologies and corruptions 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1424585 PMID:39027006	研究论文	本研究探讨了ECG心脏年龄估计中的数据采集参数及其对不同信号形态和干扰的影响	提出了使用预训练和微调网络来提高不同人群的ECG年龄估计的可行性，并进行了一项全面的实证研究以确定采样率和信号持续时间的阈值	尚未深入评估神经网络在ECG年龄估计中的表现，尤其是在各种采集参数的影响下	旨在提高ECG年龄估计的准确性和可靠性	主要研究对象为不同人种的ECG信号及其年龄估计	数字病理学	心血管疾病	深度学习	神经网络	ECG信号	NA
9522	2024-08-05	Advancements in urban scene segmentation using deep learning and generative adversarial networks for accurate satellite image analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307187 PMID:39024353	研究论文	文章提出了一种条件生成对抗网络（cGAN）用于从卫星图像创建高分辨率城市地图	提出的cGAN框架结合了语义和空间数据，能够生成高质量的城市场景，保持关键细节	NA	研究城市场景分割中的图像到图像翻译问题	卫星图像与城市场景之间的转换	计算机视觉	NA	cGAN	生成对抗网络	图像	ISPRS Potsdam和Vaihingen数据集的基准测试
9523	2024-08-05	Biobjective gradient descent for feature selection on high dimension, low sample size data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305654 PMID:39024199	研究论文	本文提出了一种新的方法，将特征选择与深度神经网络的训练过程结合。	创新点在于将基于稀疏化的特征选择整合到深度神经网络的训练中，并使用约束双目标梯度下降法。	文中未提及特定的局限性	研究深度学习在高维低样本数据上的特征选择问题。	使用人工和真实数据集评估新方法的有效性。	机器学习	稀有疾病	深度学习	深度神经网络	人工和真实数据集	文中未提供具体样本数量
9524	2024-08-05	Diabetic retinopathy identification based on multi-source-free domain adaptation 2024, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2024.07.03 PMID:39026925	研究论文	该研究旨在开发一种无源领域适应的方法，以有效识别糖尿病视网膜病变（DR）	提出了一种多源无源领域适应方法，通过生成合成伪标签来处理无标记数据	NA	旨在克服糖尿病视网膜病变识别中的数据标记、隐私和大量标记数据的挑战	无标记数据集的糖尿病视网膜病变识别	计算机视觉	糖尿病视网膜病变	无源领域适应（SFDA）	NA	图像	利用三个彩色眼底照片数据集（APTOS2019、DDR和EyePACS）进行验证
9525	2024-08-05	Spotting Culex pipiens from satellite: modeling habitat suitability in central Italy using Sentinel-2 and deep learning techniques 2024, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2024.1383320 PMID:39027906	研究论文	本研究通过深度学习技术预测意大利中部的 Culex pipiens 栖息地适宜性	该研究开发了多种深度学习模型（如 DCNN 和 MAGAT），结合 Sentinel-2 卫星数据，提供了新的方式来检测蚊子的潜在分布与栖息地适宜性	研究只集中在意大利中部的特定地区，可能无法推广到其他地区	预测 Culex pipiens 在意大利中部的潜在分布	主要研究对象为 Culex pipiens 蚊子及其栖息地	机器学习	NA	Sentinel-2, 深度卷积神经网络 (DCNN), 多邻接图注意力网络 (MAGAT)	深度卷积神经网络 (DCNN), 多邻接图注意力网络 (MAGAT)	图像	2,555 次昆虫学采集，108,064 张 20 米分辨率的图像补丁
9526	2024-08-05	Decoding phenotypic screening: A comparative analysis of image representations 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.02.022 PMID:38510976	研究论文	本文旨在利用JUMP-CP数据集开发高通量筛选数据的通用表示模型	提出了一种使用自监督学习的方法，能够提供更鲁棒的表征，并优化训练策略	研究可能面临的数据集限制和适用性问题	开发用于高通量筛选数据的通用表示模型	主要针对使用U2OS细胞和CellPainting协议生成的数据	数字病理学	NA	深度学习	自监督学习模型	图像	使用了来自多个联盟伙伴的数据
9527	2024-08-05	Deep learning-based voxel sampling for particle therapy treatment planning 2024-Jul-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5bba PMID:38917844	研究论文	本文提出了一种基于深度学习的体素采样方法来改善粒子治疗的治疗计划	引入了一种不依赖于特定患者输入的深度学习模型，以实现最佳体素采样	使用了70名头颈癌患者的数据进行训练，可能限制了模型的泛化能力	旨在通过优化体素选择过程来提高粒子治疗的计算效率	研究对象为接受碳离子治疗的头颈癌患者	数字病理学	NA	人工智能（AI）基础设施	深度学习模型	治疗计划数据	70名头颈癌患者（50名用于训练，10名用于验证，10名用于测试）
9528	2024-08-05	Uncertainty quantification via localized gradients for deep learning-based medical image assessments 2024-Jul-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad611d PMID:38981594	研究论文	本研究介绍了一种新的基于梯度的不确定性量化方法，用于深度学习医学图像评估.	提出了一种新的后处理不确定性量化方法，克服了现有方法的局限，能够增强用户对临床模型的信任.	研究主要集中在转移疾病的分界，可能不适用于其他类型的医学图像评估.	旨在提高深度学习医学图像评估模型的可靠性和用户信任.	研究对象为深度学习模型在医学图像评估中的应用，包括转移性疾病的检测.	数字病理学	NA	深度学习	NA	图像	四个临床相关实验的性能评估
9529	2024-08-05	CGMega: explainable graph neural network framework with attention mechanisms for cancer gene module dissection 2024-Jul-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50426-6 PMID:39013885	研究论文	提出一种解释性图神经网络框架CGMega，以进行癌症基因模块分解	开发了基于图注意力的深度学习框架CGMega，超越当前癌症基因预测方法，并有效整合多组学信息	NA	研究癌症基因模块的分解及其在癌症发展中的作用	应用CGMega于乳腺癌细胞系和急性髓系白血病患者	数字病理学	急性髓系白血病	深度学习	图神经网络	基因组数据	乳腺癌细胞系和急性髓系白血病患者的样本
9530	2024-08-05	Identifying rice field weeds from unmanned aerial vehicle remote sensing imagery using deep learning 2024-Jul-16, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01232-0 PMID:39014411	研究论文	本文提出了一种名为RMS-DETR的多尺度特征增强DETR网络，用于识别水稻田杂草	通过在DETR模型中添加多尺度特征提取分支，提升了对水稻田杂草的识别能力	引入多尺度特征层导致模型计算增加，降低了模型推理速度	旨在提高水稻田杂草的精确识别能力，以便于精准喷药	水稻田中的杂草	计算机视觉	NA	深度学习	DETR	图像	构建的水稻田杂草数据集和DOTA公共数据集
9531	2024-08-05	Machine learning without a processor: Emergent learning in a nonlinear analog network 2024-Jul-09, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2319718121 PMID:38954545	研究论文	本文介绍了一种基于非线性类脑电子网络的自主学习能力。	提出了一种非线性循环神经网络，能够执行线性系统无法完成的任务，并具备快速、低功耗的特点。	目前的实现仍未充分探索非线性元素的可行性和实用性。	探索非线性元素在模拟机器学习中的潜力。	介绍了一种由自调节非线性电阻元件组成的非线性类脑网络。	机器学习	NA	类脑电子网络	非线性循环神经网络	NA	NA
9532	2024-08-05	Sharing massive biomedical data at magnitudes lower bandwidth using implicit neural function 2024-Jul-09, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2320870121 PMID:38959033	研究论文	本文提出了一种通过隐式神经函数进行生物医学数据压缩的方法BRIEF。	BRIEF通过紧凑的神经网络表示目标数据，具备数据特定性并避免通用化问题，实现了极高的压缩比和更好的保真度。	NA	研究如何高效存储和共享海量生物医学数据。	生物医学数据。	机器学习	NA	隐式神经函数	NA	生物医学数据	NA
9533	2024-08-05	Colorimetric Analyses of the Optic Nerve Head and Retina Indicate Increased Blood Flow After Vitrectomy 2024-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.7.12 PMID:39007833	研究论文	本研究评估了玻璃体切除术及后玻璃体剥离对视神经头和视网膜颜色变化的影响	本研究首次通过色度和形态分析方法评估玻璃体切除术对视神经头和视网膜血流的影响	本研究样本仅限于54名患者，可能影响结果的普遍适用性	研究玻璃体切除术及后玻璃体剥离对血流变化的影响	54名接受玻璃体切除术的患者及31名年龄和性别匹配的对照眼	数字病理学	视网膜血管疾病	色度分析	NA	图像	54名患者
9534	2024-08-05	Quantitative susceptibility mapping based basal ganglia segmentation via AGSeg: leveraging active gradient guiding mechanism in deep learning 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1858 PMID:39022266	研究论文	本文提出了一种基于主动梯度引导机制的深度学习方法AGSeg，以实现基底神经节的准确分割	提出的AGSeg网络通过主动梯度模块和梯度引导模块提升了对目标核边界的关注，从而改善了分割效果	未提及模型在不同疾病类型或其他影像数据上的适用性	提高基底神经节的自动化分割精度，以支持随后的疾病诊断和手术规划	使用临床扫描和健康志愿者的数据进行基底神经节的三维磁化率测量	计算机视觉	NA	磁化率定量成像（QSM）	深度学习网络（AGSeg）	三维磁化率图像	210个三维磁化率测量
9535	2024-08-05	Research into super-resolution in medical imaging from 2000 to 2023: bibliometric analysis and visualization 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-67 PMID:39022237	研究论文	本文对2000年至2023年间医学影像超级分辨率的文献进行了 bibliometric 分析和可视化研究	首次系统性分析了医学影像超分辨率领域的全球趋势并通过图形可视化提供未来研究前景	文章没有针对具体的超分辨率技术或算法进行深入探讨	识别医学影像超分辨率领域的全球趋势和未来研究发展	分析了3262篇医学影像超分辨率相关的文献	数字病理学	NA	NA	NA	文献	3262篇文献
9536	2024-08-05	Brain metastasis magnetic resonance imaging-based deep learning for predicting epidermal growth factor receptor (EGFR) mutation and subtypes in metastatic non-small cell lung cancer 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1744 PMID:39022238	研究论文	本研究旨在开发一种深度学习模型，以在非小细胞肺癌患者中预操作性地检测EGFR突变及其亚型	开发了多尺度特征融合网络（MSF-Net），能有效整合不同阶段的残差网络特征，增强了对EGFR突变的预测能力	未提及可能的局限性，样本来自两个特定中心	基于脑转移的MRI数据，预测非小细胞肺癌患者的EGFR突变状态及亚型	160名接受对比增强T1加权和72名接受T2加权MRI的非小细胞肺癌患者	计算机视觉	非小细胞肺癌	磁共振成像（MRI）	多尺度特征融合网络（MSF-Net）	医学影像	160名和72名患者
9537	2024-08-05	Application of metal artifact reduction algorithm in reducing metal artifacts in post-surgery pediatric low radiation dose spine computed tomography (CT) images 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1659 PMID:39022236	研究论文	本研究评估了金属伪影减少算法在降低术后儿童低剂量脊柱CT图像中金属伪影的应用效果	引入了金属伪影减少算法（MAR）和深度学习图像重建（DLIR）结合使用，显著改善图像质量	研究仅限于回顾性分析，未比较不同算法在更大人群或不同条件下的效果	旨在评估金属伪影减少算法在术后儿童低剂量脊柱CT图像中的实际应用效果	参与研究的对象为77名3至15岁的儿童	数字病理	NA	适应性统计迭代重建-V（ASIR-V）、深度学习图像重建（DLIR）	NA	图像	77名儿童，评估116个椎弓根螺钉
9538	2024-08-05	Deep learning methods for diagnosis of graves' ophthalmopathy using magnetic resonance imaging 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-80 PMID:39022293	研究论文	本研究开发并验证了深度学习模型用于基于磁共振成像诊断Graves'眼病	提出了使用深度学习技术，通过MRI T1加权扫描准确诊断Graves'眼病的新方法	研究没有考虑MRI以外的其他影像学方法的比较	旨在提高使用MRI诊断Graves'眼病的准确性	对199例临床验证的Graves'眼病患者和145例正常对照进行回顾性研究	计算机视觉	Graves'眼病	磁共振成像	ResNet101, Swin Transformer	图像	199例Graves'眼病患者与145例正常对照，共344例
9539	2024-08-05	Simultaneous removal of noise and correction of motion warping in neuron calcium imaging using a pipeline structure of self-supervised deep learning models 2024-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.527919 PMID:39022541	研究论文	本文提出了一种使用自监督深度学习模型的两级管道结构，有效去除神经钙成像中的噪声和运动扭曲。	创新点在于提出了一种无需无扭曲和高信噪比观察的自监督深度学习管道，能够同时进行去噪和去扭曲处理。	本研究未涉及非自监督的深度学习模型效果评估。	研究旨在改善钙成像视频的图像质量，以促进神经功能分析。	研究对象为七个来自双光子和共聚焦成像系统的视频材料。	数字病理学	NA	深度学习	自监督深度学习模型	视频	七个视频
9540	2024-08-05	Deep learning-based deformable image registration with bilateral pyramid to align pre-operative and follow-up magnetic resonance imaging (MRI) scans 2024-Jul-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1821 PMID:39022247	研究论文	本文提出了一种基于深度学习的变形图像配准方法，用于对比术前和术后MRI扫描	提出了一种双向金字塔的深度学习变形配准方法，利用多尺度图像特征来改善配准精度	未提及具体的适用范围或其他潜在限制	改善术前和术后MRI扫描的配准精度，以评估脑肿瘤复发	聚焦于脑肿瘤的MRI扫描图像，比较术前与术后图像	计算机视觉	脑肿瘤	深度学习	NA	图像	使用了BraTS-Reg 2022公共数据集，样本规模未具体说明