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
11681	2024-08-07	FetSAM: Advanced Segmentation Techniques for Fetal Head Biometrics in Ultrasound Imagery 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3382487 PMID:38766538	研究论文	FetSAM是一种先进的深度学习模型，旨在通过改进胎儿头部超声图像分割来提高产前诊断的精确度	FetSAM采用了基于提示的学习方法和双损失机制（结合加权DiceLoss和加权Lovasz Loss），并通过AdamW优化和类别权重调整来实现更好的分割平衡	NA	提高胎儿头部超声图像分割的准确性，从而提升产前诊断的精确度	胎儿头部超声图像	计算机视觉	NA	深度学习	深度学习模型	图像	最大的胎儿头部指标数据集
11682	2024-08-07	SwinD-Net: a lightweight segmentation network for laparoscopic liver segmentation 2024-12, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2024.2329675 PMID:38504595	研究论文	提出了一种基于跳跃连接、深度可分离卷积和Swin Transformer块的轻量级分割网络SwinD-Net，用于腹腔镜肝脏分割	引入了Swin Transformer块以提取全局信息和捕获高级语义特征，同时通过减少浅层特征图的通道数和去除第一层的跳跃连接来降低计算开销	NA	旨在开发一种轻量级的分割网络，以满足实时计算需求，特别是在计算资源有限的医院环境中	腹腔镜肝脏分割	计算机视觉	NA	深度可分离卷积, Swin Transformer块	SwinD-Net	图像	CholecSeg8k数据集
11683	2024-08-07	A soft touch with electron beams: Digging out structural information of nanomaterials with advanced scanning low energy electron microscopy coupled with deep learning 2024-Aug, Ultramicroscopy IF:2.1Q2 DOI:10.1016/j.ultramic.2024.113965 PMID:38640578	研究论文	本文展示了通过结合扫描低能电子显微镜（SLEEM）与深度学习技术，如何获得纳米材料的更清晰结构和表面信息	SLEEM与深度学习结合的方法不需要样品涂覆导电膜，避免了分析中的伪影，提高了使用的便利性	NA	探索纳米材料结构信息的获取方法	金纳米颗粒负载的中孔二氧化硅	纳米技术	NA	扫描低能电子显微镜（SLEEM）	深度学习	图像	金纳米颗粒负载的中孔二氧化硅模型系统
11684	2024-08-07	Prediction of visceral pleural invasion of clinical stage I lung adenocarcinoma using thoracoscopic images and deep learning 2024-Jun, Surgery today IF:1.7Q2 DOI:10.1007/s00595-023-02756-z PMID:37864054	研究论文	本研究利用胸腔镜图像和深度学习模型预测临床I期肺腺癌患者的脏层胸膜侵犯	本研究首次应用基于卷积神经网络和视觉变换器的深度学习模型，通过胸腔镜图像识别脏层胸膜侵犯	研究样本量较小，需要通过数据扩展来提高模型的临床应用性	开发和验证基于胸腔镜图像的深度学习模型在临床I期肺腺癌患者中识别脏层胸膜侵犯的应用	临床I期肺腺癌患者的脏层胸膜侵犯	机器学习	肺腺癌	深度学习	CNN, ViT	图像	训练集包含463张图像（VPI阴性：269张，VPI阳性：194张），验证集包含46张图像（VPI阴性：28张，VPI阳性：18张）
11685	2024-08-07	In silico prediction of ocular toxicity of compounds using explainable machine learning and deep learning approaches 2024-06, Journal of applied toxicology : JAT IF:2.7Q3 DOI:10.1002/jat.4586 PMID:38329145	研究论文	本文利用可解释的机器学习和深度学习方法，开发了一种用于预测化合物眼部毒性的计算工具	通过结合政府GHS合规数据库和文献中的最大数据集（4901种化合物），使用12种分子表示和多种机器学习及深度学习算法，开发了高性能的二元分类模型	NA	旨在提高化学品眼部毒性的预测准确性，减少动物测试的使用	化学品的眼部毒性	机器学习	NA	机器学习和深度学习	GCN, RF-Descriptor	化合物数据	4901种化合物
11686	2024-08-07	The greener the living environment, the better the health? Examining the effects of multiple green exposure metrics on physical activity and health among young students 2024-Jun-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118520 PMID:38401683	研究论文	本研究探讨了校园绿色空间对大学生身体活动和健康的影响，通过构建包括客观和主观绿色空间暴露指标的框架，使用空间分析、深度学习技术和无人机测量技术进行评估。	创新性地开发了一个从2D到3D的客观暴露评估框架，并结合主观暴露指标，如访问频率和感知质量，以更全面地评估绿色空间的影响。	研究为横断面研究，可能存在因果关系解释的局限性；且仅基于南京的大学生样本，结果的普遍性有待进一步验证。	旨在阐明校园绿色空间、身体活动与健康之间的复杂关系和机制，并为以健康为导向的校园绿色空间规划提供实际参考。	研究对象为南京的820名大学生，关注他们的居住环境和校园绿色空间暴露情况。	NA	NA	空间分析、深度学习技术、无人机测量技术	广义线性模型（GLM）、结构方程模型（SEM）	问卷调查数据	820名大学生
11687	2024-08-07	A robust transformer-based pipeline of 3D cell alignment, denoise and instance segmentation on electron microscopy sequence images 2024-Jun, Journal of plant physiology IF:4.0Q1 DOI:10.1016/j.jplph.2024.154236 PMID:38621330	研究论文	本文提出了一种基于深度学习的3D细胞对齐、去噪和实例分割的完整流程框架，用于从连续电子显微镜图像中重建植物组织	该框架包括五个阶段：图像注册、图像增强和去噪、基于Transformer的神经网络进行语义分割、基于超体素聚类的实例分割以及重建结果的自动分析和统计评估，提供了高精度和高计算效率的3D细胞重建	NA	研究植物细胞发育的定量分析，特别是从体细胞到生殖细胞命运转变的调控机制	植物细胞的超微结构及其在发育过程中的复杂形态变化	计算机视觉	NA	电子显微镜成像	Transformer	图像	使用了拟南芥花药的早期减数分裂阶段的植物组织数据集
11688	2024-08-07	Predicting dust pollution from dry bulk ports in coastal cities: A hybrid approach based on data decomposition and deep learning 2024-Jun-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2024.124053 PMID:38677458	研究论文	本文提出了一种基于数据分解和深度学习的混合方法，用于预测沿海城市干散货港口的粉尘污染	本文引入了港口运营数据作为输入特征，并采用二次分解与重组（SDR）策略减少数据非平稳性，同时使用基于双阶段注意力机制的序列到序列（DA-Seq2Seq）模型自适应选择相关特征并捕捉长期时间依赖	NA	旨在提高对干散货港口粉尘污染的预测准确性，以便及早识别风险并采取预防措施	沿海城市干散货港口的粉尘污染	机器学习	NA	深度学习	DA-Seq2Seq	时间序列数据	使用了来自中国北部一个干散货港口的数据集
11689	2024-08-07	Ultra-flat bands at large twist angles in group-V twisted bilayer materials 2024-May-21, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0197757 PMID:38767261	研究论文	本研究提出了一种在具有大扭曲角度的V族扭曲双层材料中实现超平带的策略	通过使用深度学习方法DeepH研究了多达2524个原子的扭曲双层材料的能带结构，显著减少了计算时间，并发现9.43°的扭曲角度足以实现与魔角1.08°的扭曲双层石墨烯相当的能带平坦度	NA	探索在扭曲层状二维材料中实现超平带的可行平台	V族扭曲双层材料，包括β相的P、As和Sb	材料科学	NA	深度学习方法DeepH	NA	能带结构	多达2524个原子的扭曲双层材料
11690	2024-08-07	[Reduction of Motion Artifacts in Liver MRI Using Deep Learning with High-pass Filtering] 2024-May-20, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.2024-1408 PMID:38462509	研究论文	研究使用深度学习结合高通滤波技术减少肝脏MRI图像中的运动伪影	采用深度学习与高通滤波相结合的方法，有效减少了肝脏MRI图像中的运动伪影，同时保持了图像的清晰度	NA	探讨深度学习结合高通滤波技术在减少肝脏MRI图像运动伪影中的应用效果	69名接受肝脏MRI检查的患者	计算机视觉	NA	深度学习	NA	图像	69名患者
11691	2024-08-07	[Validation of Optimal Imaging Conditions for Coronary Computed Tomography Angiography Using High-definition Mode and Deep Learning Image Reconstruction Algorithm] 2024-May-20, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.2024-1353 PMID:38508756	研究论文	验证高清晰度模式和深度学习图像重建算法结合下的冠状动脉CT血管造影的最佳成像条件	结合高清晰度模式和深度学习图像重建算法，优化冠状动脉CT血管造影的成像条件	研究仅限于使用胸部和内部3D打印模型进行扫描，未涉及临床患者数据	验证在高清晰度模式和深度学习图像重建算法结合下，冠状动脉CT血管造影的最佳成像条件	使用256排探测器CT扫描仪扫描的胸部和内部3D打印模型	计算机视觉	心血管疾病	冠状动脉CT血管造影	深度学习图像重建算法	图像	胸部和内部3D打印模型
11692	2024-08-07	Deep-learning model for background parenchymal enhancement classification in contrast-enhanced mammography 2024-May-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad42ff PMID:38657641	研究论文	本文开发了一种基于深度学习的模型，用于在对比增强乳腺摄影（CEM）中自动分类乳腺背景实质增强（BPE）水平	本文首次提出了一种在CEM中自动分类BPE水平的工具，填补了该领域的空白	模型在存在病变的情况下准确性略有下降，但无统计学意义	开发一种自动化的方法来评估CEM中的BPE水平，以减少读者的变异性	乳腺背景实质增强（BPE）水平的分类	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	训练集包含7012对CEM图像，评估集包含1013对图像
11693	2024-08-07	FlexDTI: flexible diffusion gradient encoding scheme-based highly efficient diffusion tensor imaging using deep learning 2024-May-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad45a5 PMID:38688288	研究论文	本文开发并评估了一种基于动态卷积的新方法FlexDTI，用于高效扩散张量成像，该方法支持灵活的扩散编码梯度方案	FlexDTI使用动态卷积核将扩散梯度方向信息嵌入到相应的扩散信号特征图中，实现了对灵活数量扩散梯度方向的泛化	NA	开发一种高效的扩散张量成像方法，支持灵活的扩散编码梯度方案	扩散张量成像	计算机视觉	NA	深度学习	动态卷积	图像	使用来自人类连接组项目和本地医院的数据集进行训练和测试
11694	2024-08-07	Application of MR images in radiotherapy planning for brain tumor based on deep learning 2024-May-20, The International journal of neuroscience DOI:10.1080/00207454.2024.2352784 PMID:38712669	研究论文	本文研究了基于深度学习方法的MRI图像在脑肿瘤放射治疗计划中的功能和剂量计算准确性	提出了一种使用深度学习方法（U-NET）将MRI图像转换为CT图像的新模型，并验证了其在剂量计算中的可行性	研究样本量相对较小，可能需要更大规模的研究来进一步验证模型的泛化能力	探索MRI图像在放射治疗计划中的应用，特别是通过深度学习方法进行剂量计算的准确性	131名接受放射治疗的脑肿瘤患者的MRI和CT图像	机器学习	脑肿瘤	深度学习	U-NET	图像	131名脑肿瘤患者，其中105名用于训练，26名用于调优，8名用于测试
11695	2024-08-07	Authentication with a one-dimensional CNN model using EEG-based brain-computer interface 2024-May-20, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2355490 PMID:38767327	研究论文	本文提出了一种基于一维卷积神经网络（1-D CNN）的脑机接口（BCI）技术，用于运动想象（MI）识别，并创新性地应用于身份验证系统	提出了一种轻量级的1-D CNN模型，用于运动想象识别，并创新性地将其应用于身份验证系统，为残疾人士提供了一种新的安全措施	EEG信号处理中存在噪声和其他信号源的干扰，且其泛化能力有限	提高EEG信号分类的鲁棒性，使其在多种应用中更加实用，减少对专业训练的依赖	运动想象（MI）识别，包括右手、左手、脚和静坐任务	机器学习	NA	EEG	CNN	信号	NA
11696	2024-08-07	Similarity-guided graph contrastive learning for lncRNA-disease association prediction 2024-May-18, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168609 PMID:38750722	研究论文	本文提出了一种基于相似性引导的图对比学习模型（SGGCL），用于预测长非编码RNA与疾病之间的关联	创新地结合了图神经网络和对比学习方法，并引入了一种新的相似性引导图数据增强方法，以生成高质量的正负样本对	NA	提高长非编码RNA与疾病关联预测的准确性	长非编码RNA与疾病之间的关联	机器学习	NA	图对比学习	图卷积神经网络	图数据	多个数据集
11697	2024-08-07	Enhanced cell segmentation with limited training datasets using cycle generative adversarial networks 2024-May-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109740 PMID:38706861	研究论文	本文介绍了一种基于CycleGAN的架构cGAN-Seg，用于在有限标注数据集的情况下增强细胞分割模型的训练	cGAN-Seg能够在训练过程中生成具有真实图像形态细节和细微差别的合成相位对比或荧光图像，从而提高分割模型的预测准确性和泛化能力	NA	解决深度学习在单细胞分割应用中因缺乏大型多样化标注数据集的限制	细胞分割模型	计算机视觉	NA	CycleGAN	CycleGAN	图像	有限标注数据集
11698	2024-08-07	DeepDive: estimating global biodiversity patterns through time using deep learning 2024-May-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48434-7 PMID:38760390	研究论文	本研究通过深度学习模型和随机模拟方法，推断全球或区域尺度上的生物多样性随时间的变化，并考虑了空间、时间和分类学采样变异	本方法在模拟数据集上优于其他方法，特别是在大空间尺度上，提供了在多种保存场景下稳健的古生物多样性估计	NA	理解生物多样性随时间的变化是进化生物学的核心目标	全球或区域尺度上的生物多样性随时间的变化	机器学习	NA	深度学习	深度学习模型	数据集	两个实证数据集，分别涉及二叠纪-三叠纪海洋动物记录和新生代长鼻类动物的演化
11699	2024-08-07	A domain knowledge-based interpretable deep learning system for improving clinical breast ultrasound diagnosis 2024-May-17, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00518-7 PMID:38760506	研究论文	本文提出了一种基于领域知识的可解释深度学习系统，用于提高临床乳腺超声诊断的准确性	该系统通过结合多模态超声图像和领域知识，提供了解释性特征，增强了与放射科医生的互动	NA	提高乳腺超声图像的自动解读准确性，并增强系统的临床应用性	乳腺超声图像和乳腺癌症风险预测	机器学习	乳腺癌症	深度学习	深度学习系统	图像	4320张多模态乳腺超声图像，来自1348名前瞻性入组患者
11700	2024-08-07	Multi-step forecasting of dissolved oxygen in River Ganga based on CEEMDAN-AdaBoost-BiLSTM-LSTM model 2024-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61910-w PMID:38755217	研究论文	本研究提出了一种结合CEEMDAN、AdaBoost和深度学习的新方法，用于对Ganga河的溶解氧进行多步预测	使用CEEMDAN生成不同频率的固有模态函数，捕捉数据的非线性和非平稳特性，并结合AdaBoost和BiLSTM进行预测	NA	提高溶解氧预测的准确性	Ganga河的溶解氧	机器学习	NA	CEEMDAN, AdaBoost, BiLSTM, LSTM	BiLSTM, LSTM	时间序列数据	Ganga河的十个站点数据