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
221	2024-08-24	Fully automatic deep learning-based lung parenchyma segmentation and boundary correction in thoracic CT scans 2024-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-023-03010-0 PMID:37594684	研究论文	本文提出了一种基于深度学习的算法，用于在胸部CT扫描中精确分割肺实质并进行边界修正	结合深度学习和传统图像处理算法，使用改进的2D U-Net CNN模型和Inception-ResNet-v2作为主干，以及后续的边界修正算法	NA	开发一种精确分割肺实质的算法	胸部CT扫描中的肺实质	计算机视觉	NA	深度学习	CNN	图像	训练数据包括来自两个不同来源的32个CT扫描，测试数据包括来自AIIMS Delhi和LUNA16挑战的16个CT扫描
222	2024-08-24	Deep Learning Model Based on Multisequence MRI Images for Assessing Adverse Pregnancy Outcome in Placenta Accreta 2024-02, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29023 PMID:37851581	研究论文	本研究通过建立基于多序列MRI图像的深度学习模型，评估胎盘植入症（PAS）患者的不良妊娠结局风险	本研究提出的模型在评估不良妊娠结局方面表现出良好的诊断性能，尤其是在使用四序列MRI图像时，其性能显著优于使用单序列和双序列的模型	本研究为回顾性研究，样本量相对较小，且仅限于特定类型的胎盘植入症患者	探讨术前MRI多序列图像与不良妊娠结局之间的关联，并建立深度学习模型进行风险评估	323名疑似胎盘植入症的孕妇	机器学习	妊娠疾病	MRI	深度学习模型	图像	323名孕妇，分为训练集227例和验证集96例
223	2024-08-24	Editorial for "A Deep Learning Pipeline Using Prior Knowledge for Automatic Evaluation of Placenta Accreta Spectrum Disorders With MRI" 2024-02, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29152 PMID:38014825	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
224	2024-08-22	Deep learning models reveal replicable, generalizable, and behaviorally relevant sex differences in human functional brain organization 2024-Feb-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2310012121 PMID:38377194	研究论文	本文使用时空深度神经网络（stDNN）模型揭示了人类功能性脑组织的性别差异及其行为相关性	本文通过stDNN模型和可解释AI（XAI）分析，揭示了高度可复制和可泛化的性别差异，并预测了性别特定的认知特征	NA	探讨人类功能性脑组织的性别差异及其行为后果	男性与女性大脑的功能性脑动态	机器学习	NA	时空深度神经网络（stDNN）	深度神经网络	功能性脑数据	约1,500名20至35岁的年轻成年人
225	2024-08-22	filoVision - using deep learning and tip markers to automate filopodia analysis 2024-02-15, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.261274 PMID:38264939	研究论文	本文介绍了一种名为filoVision的深度学习平台，用于自动化分析带有标记的丝状伪足	filoVision平台通过filoTips和filoSkeleton工具，能够在没有肌动蛋白或膜标记的情况下，仅使用单一的丝状伪足尖端标记进行信息提取，并结合肌动蛋白标记进行更全面的分析	NA	开发一种适用于不同细胞类型和可视化方法的自动化丝状伪足分析流程	丝状伪足的自动化分析	计算机视觉	NA	深度学习	NA	图像	NA
226	2024-08-21	AttnPep: A Self-Attention-Based Deep Learning Method for Peptide Identification in Shotgun Proteomics 2024-02-02, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00729 PMID:38252705	研究论文	本文提出了一种基于自注意力机制的深度学习方法AttnPep，用于提高蛋白质组学中肽段鉴定的准确性	AttnPep利用自注意力模块帮助神经网络聚焦于与PSM分类相关的特征，忽略不相关的特征，从而提高PSM鉴定的准确性	NA	提高蛋白质组学中肽段鉴定的准确性	蛋白质组学中的肽段鉴定	机器学习	NA	深度学习	自注意力机制	质谱数据	复杂SWATH数据集
227	2024-08-17	A reliable diabetic retinopathy grading via transfer learning and ensemble learning with quadratic weighted kappa metric 2024-Feb-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02446-x PMID:38321416	研究论文	本文提出了一种基于迁移学习和集成学习的糖尿病视网膜病变分级方法，使用二次加权kappa指标进行评估	利用预训练模型权重减少训练时间和资源需求，采用数据增强技术改善特征和泛化能力，结合迁移学习和图像增强技术提高分级准确性	NA	提高糖尿病视网膜病变的分级准确性和效率	糖尿病视网膜病变	机器学习	糖尿病	迁移学习	集成学习	图像	使用了Eyepacs、Aptos和Messidor数据集
228	2024-08-14	Deep learning enables the differentiation between early and late stages of hip avascular necrosis 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10104-5 PMID:37581656	研究论文	本文开发了一种深度学习方法，通过训练三种卷积神经网络（CNN）来区分早期和晚期股骨头坏死（AVN）阶段，以辅助治疗决策。	使用深度学习方法和卷积神经网络集合来准确区分早期和晚期股骨头坏死阶段，其性能与专家放射科医生相当。	模型在外部验证时性能有所下降。	开发一种深度学习方法来区分早期和晚期股骨头坏死，以辅助临床治疗决策。	股骨头坏死（AVN）的早期和晚期阶段。	机器学习	骨科疾病	卷积神经网络（CNN）	CNN	图像	104例MRI检查，外部验证集49例患者。
229	2024-08-14	Value of deep learning reconstruction of chest low-dose CT for image quality improvement and lung parenchyma assessment on lung window 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10087-3 PMID:37581663	研究论文	本研究探讨了低剂量计算机断层扫描（LDCT）结合深度学习重建（DLR）对图像质量和肺实质评估的改进效果	DLR能够有效降低图像噪声并提高图像质量，对于评估肺部病变具有良好表现，除了亚实性结节和肺部减低衰减	DLR在评估亚实性结节和肺部减低衰减方面表现不如常规剂量CT	评估DLR应用于胸部低剂量CT对图像质量和肺实质评估的改进	60名患者的胸部常规剂量CT和低剂量CT图像	计算机视觉	肺部疾病	低剂量计算机断层扫描（LDCT）	深度学习重建（DLR）	图像	60名患者
230	2024-08-14	Noninvasive identification of HER2-low-positive status by MRI-based deep learning radiomics predicts the disease-free survival of patients with breast cancer 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09990-6 PMID:37597033	研究论文	本研究旨在建立基于磁共振成像（MRI）的深度学习放射组学（DLR）特征，以预测乳腺癌患者的人表皮生长因子受体2（HER2）低阳性状态，并通过DLR模型验证其预后差异	成功构建了基于MRI的DLR模型，能够非侵入性地评估HER2状态，并进一步揭示预测HER2低阳性状态患者无病生存期的前景	NA	建立并验证基于MRI的深度学习放射组学模型，以预测乳腺癌患者的HER2低阳性状态及其无病生存期	乳腺癌患者的HER2低阳性状态及其无病生存期	数字病理学	乳腺癌	深度学习放射组学	深度学习模型	MRI图像	481名接受术前MRI的乳腺癌患者
231	2024-08-14	Effects of a comprehensive brain computed tomography deep learning model on radiologist detection accuracy 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10074-8 PMID:37606663	研究论文	本研究评估了一种全面的脑部CT深度学习模型对放射科医生检测准确性的影响	该深度学习模型显著提高了放射科医生的解读性能，并减少了解读时间	NA	评估深度学习模型在辅助放射科医生进行脑部CT扫描解读中的效果	放射科医生在使用和不使用深度学习模型辅助下的脑部CT扫描解读性能	计算机视觉	NA	深度学习	深度学习模型	图像	212,484例脑部CT扫描，32名放射科医生评估2848例扫描
232	2024-08-14	Accelerated 3D MR neurography of the brachial plexus using deep learning-constrained compressed sensing 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09996-0 PMID:37606664	研究论文	本研究探讨了深度学习约束的压缩感知（DLCS）在提高臂丛3D MRI图像质量和缩短采集时间方面的应用	DLCS4x在信号噪声比和对比噪声比方面优于SENSE4x、CS4x和DLCS8x，且在未增强组中，DLCS4x在臂丛的各个段中评分均高于其他方法	NA	提高臂丛3D MRI的图像质量和缩短采集时间	臂丛的3D MRI图像	计算机视觉	NA	深度学习约束的压缩感知（DLCS）	CNN	图像	54名接受增强成像的参与者和41名接受未增强成像的参与者
233	2024-08-14	Automated, fast, robust brain extraction on contrast-enhanced T1-weighted MRI in presence of brain tumors: an optimized model based on multi-center datasets 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10078-4 PMID:37615767	研究论文	本文开发了一种基于nnU-Net的深度学习模型，用于在脑肿瘤存在的情况下自动提取对比增强T1加权MRI图像中的脑部结构	该模型能够自动处理包含脑肿瘤的MRI神经影像数据，提取包括重要浅表结构在内的脑部结构，为肿瘤分析提供更多信息	模型在脑膜瘤和前庭神经鞘瘤组中的性能略有下降，并且在肿瘤周围水肿组中存在显著差异	优化现有的脑部提取模型，以提供更多肿瘤分析所需的信息	对比增强T1加权MRI图像中的脑部结构提取	计算机视觉	脑肿瘤	nnU-Net	深度学习模型	MRI图像	研究涉及920名患者，其中720例来自私人机构，200例来自公共数据集
234	2024-08-13	Unsupervised deep learning framework for temperature-compensated damage assessment using ultrasonic guided waves on edge device 2024-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-54418-w PMID:38355983	研究论文	本文提出了一种利用超声导波在边缘设备上进行温度补偿损伤评估的无监督深度学习框架	利用TinyML框架开发轻量级机器学习模型，可直接部署在嵌入式边缘设备上，实现高效的结构健康监测	尽管模型轻量，但在有限特征下仍需提高准确性以更好地检测小尺寸缺陷	开发一种适用于边缘设备的轻量级机器学习模型，用于结构健康监测	蜂窝复合材料夹层结构中的脱粘和分层损伤	机器学习	NA	超声导波	无监督学习	数据	在0-90°C温度范围内进行的有限元模拟和实验数据
235	2024-08-12	Performance analysis and knowledge-based quality assurance of critical organ auto-segmentation for pediatric craniospinal irradiation 2024-02-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-55015-7 PMID:38378834	研究论文	本研究评估了两种自动分割方法（图谱技术和深度学习神经网络）在儿童颅脊照射治疗区域自动分割中的性能，并开发了一种基于知识的质量保证工具来前瞻性地评估分割准确性。	本研究开发了一种新的基于知识的质量保证工具，用于前瞻性地评估自动分割的准确性，并比较了两种不同方法的性能。	NA	评估和确保儿童颅脊照射治疗区域自动分割的质量和准确性。	儿童颅脊照射治疗区域的自动分割方法及其质量保证工具。	数字病理学	中枢神经系统疾病	深度学习神经网络	神经网络	图像	100名年龄在2至25岁之间的患者，中位年龄为8岁
236	2024-08-09	Deep learning for acute rib fracture detection in CT data: a systematic review and meta-analysis 2024-Feb-28, The British journal of radiology DOI:10.1093/bjr/tqae014 PMID:38323515	综述	对使用深度学习模型在CT数据中进行肋骨骨折分类、检测和分割的研究进行系统回顾和荟萃分析	本综述为当前使用深度学习模型进行肋骨骨折检测的现状提供了分类参考，并为未来的研究提供了数据提取、偏倚风险评估和荟萃分析的参考	大多数研究的偏倚风险源于不适当的患者和数据选择	评估深度学习模型在CT数据中检测急性肋骨骨折的性能及其偏倚风险	深度学习模型在CT数据中对肋骨骨折的分类、检测和分割	计算机视觉	NA	深度学习	NA	CT数据	共选择了27项研究
237	2024-08-09	Artificial intelligence for radiographic imaging detection of caries lesions: a systematic review 2024-Feb-24, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04046-7 PMID:38402191	系统综述	本系统综述旨在评估用于检测龋齿病变的人工智能模型的诊断性能	人工智能模型在龋齿病变检测中展现了良好的诊断性能，可能成为重要的辅助工具	这些研究的局限性主要与数据集的大小和异质性有关	评估人工智能模型在龋齿病变检测中的诊断性能	用于检测龋齿病变的人工智能模型	计算机视觉	口腔疾病	人工神经网络 (ANN), 卷积神经网络 (CNN), 深度卷积神经网络 (DCNN)	CNN, ANN, DCNN	影像	影像检查数量从15到2900不等
238	2024-08-09	Deep learning in oral cancer- a systematic review 2024-Feb-10, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-03993-5 PMID:38341571	综述	本文是一篇关于深度学习在口腔癌诊断和预后预测中应用的系统综述	NA	NA	旨在回顾深度学习在口腔癌诊断和预后预测中的研究	口腔癌的诊断和预后预测	机器学习	口腔癌	深度学习	CNN	NA	54项合格研究，包括51项诊断研究和3项预后预测研究
239	2024-08-09	Could the underlying biological basis of prognostic radiomics and deep learning signatures be explored in patients with lung cancer? A systematic review 2024-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111314 PMID:38244306	综述	本文综述了预测性放射组学和深度学习特征在肺癌患者中的潜在生物学基础，并评估了现有研究的质量	NA	纳入的研究总体上存在高偏倚风险	总结肺癌患者中预测性放射组学和深度学习特征的潜在生物学关联，并评估研究质量	肺癌患者的预测性放射组学和深度学习特征的生物学基础	数字病理学	肺癌	基因测序	机器学习	图像	7,338名患者
240	2024-08-09	Deep learning in MRI-guided radiation therapy: A systematic review 2024-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14155 PMID:37712893	综述	本文系统回顾了197项关于MRI引导放疗和深度学习技术的研究，分类讨论了图像分割、图像合成、放射组学和实时MRI等领域的进展	强调了深度学习在多模态、视觉变换器和扩散模型等新趋势中的应用	NA	探讨深度学习技术在MRI引导放疗中的临床重要性和当前挑战	MRI引导放疗中的图像分割、图像合成、放射组学和实时MRI	机器学习	NA	深度学习	视觉变换器、扩散模型	图像	197项研究