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
11201	2024-08-07	Motion correction and super-resolution for multi-slice cardiac magnetic resonance imaging via an end-to-end deep learning approach 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102389 PMID:38692199	研究论文	本文提出了一种端到端的深度学习模型，用于多切片心脏磁共振成像的运动校正和超分辨率重建	该模型通过两个特定组件分别进行运动校正和超分辨率处理，显著减少了切片间的错位并生成了高分辨率的3D心脏体积	NA	旨在从采集的心脏磁共振短轴切片中重建高分辨率的3D心脏体积	心脏磁共振短轴切片	计算机视觉	NA	深度学习	深度学习模型	图像	模拟数据集中的左心室和心肌的Dice系数分别为0.974±0.010和0.938±0.017；真实世界数据集中的左心室和心肌的Dice系数分别为0.945±0.023和0.786±0.060
11202	2024-08-07	A robust deep learning system for screening of obstructive sleep apnea using T-F spectrum of ECG signals 2024-Jun-03, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2359635 PMID:38829354	研究论文	本文提出了一种利用时间-频率（T-F）谱的深度卷积神经网络（DCNN）系统，用于自动筛查阻塞性睡眠呼吸暂停（OSA）患者	该系统通过使用滤波融合算法去除原始ECG数据中的噪声，并采用Stock-well变换将滤波后的时域ECG转换为T-F谱，使用较少的学习参数实现了更高的准确性	NA	开发一种自动化的深度学习系统，用于准确检测阻塞性睡眠呼吸暂停，提高诊断性能并减轻临床医生的工作负担	阻塞性睡眠呼吸暂停（OSA）患者的ECG信号	机器学习	睡眠相关疾病	深度卷积神经网络（DCNN）	DCNN	时间-频率谱	NA
11203	2024-08-07	Sex estimation from maxillofacial radiographs using a deep learning approach 2024-Jun-01, Dental materials journal IF:1.9Q4 DOI:10.4012/dmj.2023-253 PMID:38599831	研究论文	本研究旨在构建深度学习模型，以实现更高效和可靠的性别估计	使用VGG16和DenseNet-121两种深度学习模型进行性别估计，并通过梯度加权类激活映射生成显著性图	NA	提高性别估计的效率和可靠性	从侧颅摄影中估计性别	计算机视觉	NA	深度学习	VGG16, DenseNet-121	图像	600张侧颅摄影图像
11204	2024-08-07	Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease 2024-Jun-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26707 PMID:38798082	研究论文	本文提出了一种利用模型可解释性增强分类模型在不同队列间泛化能力的框架，通过MRI扫描和临床诊断数据训练深度神经网络，重点关注与疾病相关的大脑区域	本文采用领域泛化技术，通过统一视觉显著性先验来对齐类别注意力，提高了模型与死后组织学检查的相关性	NA	开发深度学习模型评估由认知障碍引起的结构脑变化的MRI扫描，并提高模型在不同数据源和设备间的泛化能力	使用MRI扫描和临床诊断数据，训练深度神经网络区分正常认知、轻度认知障碍和阿尔茨海默病引起的痴呆	计算机视觉	阿尔茨海默病	MRI扫描	深度神经网络	图像	共使用了四个独立队列的数据，总计7433个样本
11205	2024-08-07	Prognostication of Hepatocellular Carcinoma Using Artificial Intelligence 2024-Jun, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2024.0070 PMID:38807336	综述	本文综述了人工智能在肝细胞癌（HCC）预后评估中的应用及其潜在价值、局限性和未来展望	人工智能，特别是基于放射组学或深度学习的方法，利用大量图像衍生的定量特征，提供了对肿瘤表型的客观、详细和全面的分析	人工智能在HCC预后评估中的应用仍处于早期阶段，需要更多的临床验证和标准化	探讨人工智能在HCC预后评估中的应用价值	肝细胞癌（HCC）的预后评估	机器学习	肝细胞癌	放射组学, 深度学习	NA	图像	NA
11206	2024-08-07	Rapid identification of medicinal plants via visual feature-based deep learning 2024-May-31, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01202-6 PMID:38822406	研究论文	本研究利用自研设备获取高分辨率数据，构建了一个视觉多品种中药材图像数据集，并提出了一种新的混合监督预训练网络，通过结合全局特征和局部细节，有效提升了特征捕获能力。	提出了一种随机局部数据增强预处理方法和一种新的混合监督预训练网络，通过引入并行分类分支和新的损失函数，增强了特征捕获能力和训练效率。	NA	准确识别中药材，避免因加工条件和栽培环境差异影响临床安全和药物疗效。	中药材	计算机视觉	NA	深度学习	Masked Autoencoders (MAE)	图像	多品种中药材图像数据集
11207	2024-08-07	DASUNet: a deeply supervised change detection network integrating full-scale features 2024-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63257-8 PMID:38816456	研究论文	本文提出了一种深度监督的变化检测网络DASUNet，该网络采用孪生架构，融合全尺度特征信息，并实现端到端训练	DASUNet网络通过采用空洞空间金字塔池化模块和深度监督模块，有效融合了全尺度特征信息，提高了特征信息的获取能力	NA	提高变化检测技术的准确性和应用范围	变化检测技术中的特征信息融合	计算机视觉	NA	深度学习	CNN	图像	在CDD和WHU-CD数据集上进行了实验，分别达到了94.32%和90.37%的F1分数
11208	2024-08-07	Interdisciplinary approach to identify language markers for post-traumatic stress disorder using machine learning and deep learning 2024-05-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61557-7 PMID:38816468	研究论文	本研究探讨了语言作为创伤后应激障碍（PTSD）的潜在诊断生物标志物的可能性，通过分析2015年11月13日巴黎恐怖袭击事件后148名个体的访谈数据，采用跨学科方法结合精神病学、语言学和自然语言处理技术，评估语言特征与PTSD之间的关系。	本研究首次采用跨学科方法，结合精神病学、语言学和自然语言处理技术，探讨语言作为PTSD的诊断生物标志物，并提出了一种三步法的方法论。	研究样本仅限于2015年巴黎恐怖袭击事件后的个体，可能限制了结果的普遍性。	探讨语言作为创伤后应激障碍的诊断生物标志物的可能性，并提出一种跨学科的方法论。	2015年11月13日巴黎恐怖袭击事件后148名个体的访谈数据。	自然语言处理	心理疾病	机器学习, 深度学习	机器学习模型, 深度学习模型	文本	148名个体
11209	2024-08-07	A review of machine learning methods for cancer characterization from microbiome data 2024-May-30, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00617-7 PMID:38816569	综述	本文综述了从微生物组数据中利用机器学习方法进行癌症特征化的研究	提出了基于随机森林的方法，并探讨了利用深度学习和改进的机器学习模型来提高模型性能和泛化能力的可能性	当前方法在临床广泛应用上仍不足，且存在模型泛化能力差的问题	探讨机器学习方法在从微生物组数据中进行癌症特征化的应用	微生物组数据与癌症特征化	机器学习	NA	机器学习	随机森林	微生物组数据	NA
11210	2024-08-07	MulTFBS: A Spatial-Temporal Network with Multichannels for Predicting Transcription Factor Binding Sites 2024-May-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c02088 PMID:38733561	研究论文	本文提出了一种名为MulTFBS的多通道时空网络模型，用于预测转录因子结合位点	首次将词嵌入表示方法应用于转录因子结合位点预测模型中，并结合了DNA双螺旋三维结构特征	NA	揭示影响转录因子结合特异性的机制，以理解基因调控	转录因子结合位点	机器学习	NA	词嵌入编码	CNN与双向LSTM结合的时空网络	DNA序列	66个不同转录因子的通用蛋白质结合微阵列数据集
11211	2024-08-07	Assessment and classification of COVID-19 DNA sequence using pairwise features concatenation from multi-transformer and deep features with machine learning models 2024-May-23, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100147 PMID:38796034	研究论文	本文提出了一种基于多变换器和深度特征的机器学习模型，用于COVID-19 DNA序列的评估和分类	本文提出了一种新颖的多变换器深度学习模型和成对特征融合技术，用于DNA序列分类	NA	旨在通过深度学习和机器学习方法，对COVID-19病毒的基因组序列进行分类和分析，以支持战略规划、遏制和治疗	COVID-19病毒的DNA序列	机器学习	COVID-19	深度学习	多变换器	DNA序列	NA
11212	2024-08-07	K-band: Self-supervised MRI Reconstruction via Stochastic Gradient Descent over K-space Subsets 2024-May-23, ArXiv PMID:38827449	研究论文	介绍了一种名为k-band的新型数学框架，用于在仅使用部分、有限分辨率的k空间数据的情况下训练深度学习模型进行MRI重建	提出了一种使用随机梯度下降（SGD）在k空间子集上训练的方法，能够在有限分辨率数据上实现与高分辨率数据训练相媲美的性能	NA	开发一种实用的、易于实施的自监督训练框架，用于MRI重建	高维动态/体积磁共振成像（MRI）中的逆问题解决	机器学习	NA	深度学习（DL）	DL模型	k空间数据	使用部分、有限分辨率的k空间数据进行训练
11213	2024-08-07	HisCl1 regulates gustatory habituation in sweet taste neurons and mediates sugar ingestion in Drosophila 2024-May-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.06.592591 PMID:38765964	研究论文	本文研究了果蝇中甜味神经元对甜味的习惯化调节机制，特别是通过HisCl1基因的作用。	首次揭示了HisCl1基因在果蝇甜味神经元习惯化中的作用，并展示了其在食物摄入调节中的重要性。	NA	探究果蝇甜味神经元习惯化的细胞自主机制及其基因调控。	果蝇的甜味神经元及其对甜味的习惯化反应。	神经科学	NA	深度学习、光遗传学刺激、单感器电生理学	深度学习模型	神经元活动数据	涉及多种化学感觉器官的甜味神经元
11214	2024-08-07	Semi-supervised Learning for Generalizable Intracranial Hemorrhage Detection and Segmentation 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230077 PMID:38446043	研究论文	本研究开发并评估了一种半监督学习模型，用于在分布外的头部CT评估集上进行颅内出血检测和分割	通过半监督学习框架，结合未标记数据，提高了颅内出血检测和分割的泛化能力	NA	评估半监督学习模型在分布外数据集上的颅内出血检测和分割性能	颅内出血的检测和分割	机器学习	颅内出血	半监督学习	深度学习模型	图像	初始模型训练使用457个像素标记的头部CT扫描，生成伪标签使用25,000个未标记的检查，验证集包含93个扫描，测试集包含481个检查和23个分割检查
11215	2024-08-07	Evaluating the Robustness of a Deep Learning Bone Age Algorithm to Clinical Image Variation Using Computational Stress Testing 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230240 PMID:38477660	研究论文	评估一个获奖的深度学习骨龄模型对图像外观广泛变化的鲁棒性	通过计算压力测试方法，评估了模型对多种图像变换的鲁棒性	模型在简单图像变换后预测结果不一致，表明对某些实际图像变化缺乏鲁棒性	评估深度学习骨龄模型对图像变化的鲁棒性	深度学习骨龄模型及其对图像变换的响应	机器学习	NA	深度学习	卷积神经网络	图像	内部测试集1425张儿科手部X光片，外部测试集1202张儿科手部X光片
11216	2024-08-07	Impact of Deep Learning Image Reconstruction Methods on MRI Throughput 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230181 PMID:38506618	研究论文	评估两种不同的商业可用深度学习重建（DLR）算法在大型多中心机构门诊MRI检查效率中的影响	应用深度学习方法显著减少了某些检查类型的扫描和房间时间	DLR方法对扫描和房间时间的影响因检查类型而异，需要根据病例组合仔细评估	评估深度学习重建算法在实际临床实践中对MRI检查效率的影响	7346次来自10个临床MRI扫描仪的检查，在DLR方法实施前后的效率	计算机视觉	NA	深度学习重建算法	NA	图像	7346次检查
11217	2024-08-07	Deep Learning-based Approach for Brainstem and Ventricular MR Planimetry: Application in Patients with Progressive Supranuclear Palsy 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230151 PMID:38506619	研究论文	开发一种基于深度学习的MRI脑干和脑室结构自动分割和测量方法，用于渐进性核上性麻痹（PSP）患者的诊断	提出了一种全自动的深度学习方法，用于MRI图像中脑干和脑室结构的分割和测量，并能有效区分PSP患者与帕金森病（PD）患者	研究为回顾性研究，且样本主要集中在PSP和PD患者	开发一种快速且全自动的深度学习方法，用于MRI图像中脑干和脑室结构的分割和测量	脑干和脑室结构，特别是中脑、脑桥、小脑中脚、小脑上脚、第三脑室和额角	机器学习	神经退行性疾病	MRI	CNN	图像	健康对照组84例，PSP患者71例，PD患者129例，共计305例测试数据集
11218	2024-08-07	Performance of an Artificial Intelligence System for Breast Cancer Detection on Screening Mammograms from BreastScreen Norway 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230375 PMID:38597784	研究论文	本研究评估了商业可用的人工智能系统在不同风险评分阈值下独立检测乳腺癌的性能	人工智能系统在筛查乳腺X线摄影中显示出高检测乳腺癌的性能，并有可能用于分流低风险乳腺X线摄影以减少放射科医生的工作量	本研究为回顾性研究，可能存在选择偏倚	探索商业可用的人工智能系统在不同风险评分阈值下独立检测乳腺癌的性能	661,695次数字乳腺X线摄影检查，涉及242,629名女性个体，包括3807例筛查出的癌症和1110例间隔乳腺癌	计算机视觉	乳腺癌	深度学习算法	卷积神经网络（CNN）	图像	661,695次检查，242,629名女性个体，包括3807例筛查出的癌症和1110例间隔乳腺癌
11219	2024-08-07	A Semiautonomous Deep Learning System to Reduce False Positives in Screening Mammography 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.230033 PMID:38597785	研究论文	评估一个半自主人工智能模型在识别非可疑乳腺癌筛查乳腺X光片和减少假阳性检查方面的能力	开发了一种半自主深度学习系统，用于减少乳腺癌筛查中的假阳性结果	研究基于回顾性数据集，未来需要前瞻性研究验证其效果	评估半自主人工智能模型在乳腺癌筛查中减少假阳性检查的能力	半自主人工智能模型在乳腺癌筛查中的应用	机器学习	乳腺癌	深度学习算法	AI模型	二维数字乳腺X光片	123,248张乳腺X光片用于训练，14,831次筛查乳腺X光片检查用于回顾性研究
11220	2024-08-07	Faster, More Practical, but Still Accurate: Deep Learning for Diagnosis of Progressive Supranuclear Palsy 2024-May, Radiology. Artificial intelligence DOI:10.1148/ryai.240181 PMID:38691010	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA