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
201	2024-08-24	Deep Learning-Based Multiparametric MRI Model for Preoperative T-Stage in Rectal Cancer 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28856 PMID:37367938	研究论文	本研究开发了一种基于术前多参数MRI的深度学习模型，用于评估直肠癌并提高T分期准确性	提出的多参数深度学习模型在评估直肠癌患者时表现优于放射科医生的评估、临床模型以及单一参数模型	研究为回顾性，样本量相对较小	开发和验证一种基于术前多参数MRI的深度学习模型，以提高直肠癌T分期的准确性	直肠癌患者	机器学习	直肠癌	MRI	卷积神经网络	图像	260名患者，其中123名T1-2期，134名T3-4期
202	2024-08-24	Magnetic Resonance Spectroscopy Spectral Registration Using Deep Learning 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28868 PMID:37401726	研究论文	本研究探讨了一种基于卷积神经网络的磁共振波谱（MRS）光谱注册（SR）方法，用于单体素Meshcher-Garwood点解析波谱（MEGA-PRESS）MRS数据的频率和相位同时校正。	本研究首次应用深度学习方法于磁共振波谱的光谱注册，提出了一种基于卷积神经网络的SR方法（CNN-SR），用于同时进行频率和相位校正。	本研究仅使用了模拟数据和来自Big GABA的101个MEGA-PRESS内侧顶叶数据进行验证，可能需要更多不同来源的真实数据以验证其广泛适用性。	研究目的是开发一种新的深度学习方法，用于磁共振波谱数据的频率和相位校正。	研究对象包括40,000个模拟的MEGA-PRESS数据集和101个来自Big GABA的实际MEGA-PRESS数据。	机器学习	NA	磁共振波谱（MRS）	卷积神经网络（CNN）	波谱数据	40,000个模拟数据集和101个实际数据集
203	2024-08-24	Deep Learning for Discrimination of Hypertrophic Cardiomyopathy and Hypertensive Heart Disease on MRI Native T1 Maps 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28904 PMID:37431848	研究论文	本研究探讨了深度学习技术在基于T1图像的肥厚型心肌病和高血压性心脏病鉴别诊断中的可行性，并比较了其与其他方法的诊断性能	本研究首次探讨了深度学习技术在肥厚型心肌病和高血压性心脏病的鉴别诊断中的应用，展示了其优越的诊断性能	本研究为回顾性研究，且样本量相对较小，可能影响结果的普遍性	研究深度学习技术在肥厚型心肌病和高血压性心脏病鉴别诊断中的可行性	肥厚型心肌病和高血压性心脏病患者	机器学习	心血管疾病	深度学习	ResNet32	图像	128名肥厚型心肌病患者和59名高血压性心脏病患者
204	2024-08-24	MRI-Based Radiomics and Deep Learning in Biological Characteristics and Prognosis of Hepatocellular Carcinoma: Opportunities and Challenges 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28982 PMID:37647155	研究论文	本文探讨了基于MRI的放射组学和深度学习技术在肝细胞癌生物学特征和预后预测中的应用及挑战	利用放射组学和深度学习方法开发人工智能模型，以提高肝细胞癌生物学特征和预后预测的准确性	人工智能模型在解释性方面存在挑战，阻碍了其在临床实践中的应用	研究人工智能技术在肝细胞癌临床护理中的应用，以提高生物学特征和预后预测的准确性	肝细胞癌的生物学特征和预后	机器学习	肝细胞癌	放射组学，深度学习	卷积神经网络	图像	NA
205	2024-08-24	Editorial for "Deep Learning for Discrimination of Hypertrophic Cardiomyopathy and Hypertensive Heart Disease on MRI Native T1 Maps" 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29021 PMID:37737641	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
206	2024-08-23	Multi-organ segmentation of organ-at-risk (OAR's) of head and neck site using ensemble learning technique 2024-03, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.02.001 PMID:38364707	研究论文	本文提出了一种使用深度学习模型结合集成学习技术自动分割头颈部癌症患者风险器官（OAR）的新方法	采用集成学习技术提高了风险器官分割的准确性和效率	由于内存限制，训练模型时使用了缩减的CT扫描数据	旨在提高风险器官分割的准确性和效率，这对于放射治疗计划至关重要	头颈部癌症患者的风险器官	计算机视觉	头颈部癌症	集成学习技术	3D U-Net 和 3D DenseNet-FCN	CT扫描图像	182名患者的CT扫描数据用于训练，78名患者的数据用于测试，以及31名患者的公开数据集
207	2024-08-22	Continual learning framework for a multicenter study with an application to electrocardiogram 2024-Mar-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02464-9 PMID:38448921	研究论文	本文提出了一种无需中央服务器的持续学习框架，用于多中心研究，并应用于心电图分析	该框架能够防止先前训练知识的灾难性遗忘，并通过生成对抗网络生成的假数据进行前瞻性评估	NA	旨在解决多中心数据联合研究中数据共享的隐私问题和中央服务器的成本及法律限制	心电图数据集和心律失常检测模型	机器学习	心血管疾病	生成对抗网络	NA	心电图数据	四个独立的心电图数据集
208	2024-08-21	Hybridizing mechanistic mathematical modeling with deep learning methods to predict individual cancer patient survival after immune checkpoint inhibitor therapy 2024-Mar-29, Research square DOI:10.21203/rs.3.rs-4151883/v1 PMID:38586046	研究论文	本研究结合预测性机制建模与深度学习方法，预测个体癌症患者在接受免疫检查点抑制剂治疗后的生存概率	提出了一种混合方法，结合了可从机制模型计算但临床不易直接测量的指标和易于测量的临床特征，提高了预测准确性	NA	旨在提高个体癌症患者在接受免疫检查点抑制剂治疗后生存概率的预测准确性	癌症患者的生存概率	机器学习	NA	深度学习	人工神经网络	图像和临床数据	93名患者
209	2024-08-21	Audio-Based Emotion Recognition Using Self-Supervised Learning on an Engineered Feature Space 2024-Mar, AI (Basel, Switzerland) DOI:10.3390/ai5010011 PMID:38715564	研究论文	本文研究了基于音频的情绪识别，通过在工程化的特征空间上应用自监督学习来提高模型性能	本文采用了自监督学习方法，在工程化的音频特征数据上进行预训练和微调，相较于直接使用原始音频数据的方法，这种方法在少量标注数据的情况下能显著提升模型性能	文章未明确提及具体的局限性	探索自监督学习在基于音频的情绪识别中的应用效果	研究对象为CMU-MOSEI数据集中的音频数据	机器学习	NA	自监督学习	NA	音频	使用了CMU-MOSEI数据集中的音频数据，具体样本数量未明确提及
210	2024-08-20	Three-dimensional reconstruction of industrial parts from a single image 2024-Mar-27, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-024-00158-7 PMID:38532082	研究论文	本研究提出了一种基于图像的三维（3D）矢量重建工业零件的方法，能够生成高保真度和灵活性的非均匀有理B样条（NURBS）表面	本研究的创新点包括构建了一个用于典型工业零件的二维图像数据集，开发了一种用于三维工业零件参数提取的深度学习算法，以及提出了一种从获得的形状参数生成NURBS的机械零件三维矢量形状重建方法	NA	研究目的是从单一图像中重建工业零件的三维模型	研究对象包括六角头螺栓、圆柱齿轮、肩环、六角螺母和圆柱滚子轴承等工业零件	计算机视觉	NA	深度学习	CNN	图像	包括六角头螺栓、圆柱齿轮、肩环、六角螺母和圆柱滚子轴承等工业零件的二维图像数据集
211	2024-08-20	Physics-Informed Deep Learning Approach for Reintroducing Atomic Detail in Coarse-Grained Configurations of Multiple Poly(lactic acid) Stereoisomers 2024-03-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01870 PMID:38427962	研究论文	本文介绍了一种基于物理信息的深度学习方法，用于在粗粒度配置中重新引入多聚乳酸立体异构体的原子细节	该方法通过学习原子级别和相应粗粒度描述之间的结构相关性，提供了一种简单灵活且通用的分辨率转换解决方案	NA	旨在解决从粗粒度模型到原子模型的逆问题，即从粗粒度配置中重新引入原子自由度	多聚乳酸立体异构体的粗粒度分子配置	机器学习	NA	深度学习	深度学习模型	分子配置数据	从多聚乳酸的同聚体立体异构体到随机放置手性中心的共聚物等多种模型系统
212	2024-08-17	Fast reconstruction of EEG signal compression sensing based on deep learning 2024-03-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-55334-9 PMID:38429300	研究论文	本文提出了一种基于深度学习和压缩感知的非迭代快速脑电信号重建算法	该算法使用改进的残差网络模型和一维扩张卷积提取脑电信号特征，直接学习测量值与原始信号之间的非线性映射关系，实现快速准确的脑电信号重建	NA	提高脑电信号重建的准确性和速度	脑电信号	机器学习	NA	压缩感知	残差网络	信号	BCI竞赛公开数据集
213	2024-08-16	Deep learning solutions for smart city challenges in urban development 2024-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-55928-3 PMID:38431741	研究论文	本研究结合深度学习和贝叶斯正则化技术，旨在提升城市规划应用中神经网络的性能和可靠性	采用贝叶斯正则化方法增强神经网络的泛化能力并量化预测不确定性	深度学习模型的复杂性可能导致过拟合和解释性有限	探索深度学习技术在城市规划中的应用，提高模型性能和决策支持	城市动态、交通网络和环境可持续性	计算机视觉	NA	深度学习	神经网络	数据	NA
214	2024-08-16	Shedding light on ai in radiology: A systematic review and taxonomy of eye gaze-driven interpretability in deep learning 2024-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111341 PMID:38340426	综述	本文通过系统性文献回顾和分类法探讨了眼动追踪数据在深度学习中用于放射学解释性的应用	首次全面调查了眼动数据处理技术及其在不同深度学习架构中的影响，特别是在医学影像数据中的错误检测、分类、对象检测等应用	文献中关于眼动追踪数据在深度学习架构中用于异常检测的有用性存在矛盾结果	旨在解决文献中关于眼动追踪数据在深度学习架构中应用的矛盾结果，并分析眼动数据如何促进放射学的解释性	分析了60项研究，这些研究将眼动追踪数据应用于深度学习方法以实现不同的放射学应用目标	计算机视觉	NA	深度学习	深度学习架构	眼动追踪数据	60项研究
215	2024-08-15	PECAN Predicts Patterns of Cancer Cell Cytostatic Activity of Natural Products Using Deep Learning 2024-03-22, Journal of natural products IF:3.3Q1 DOI:10.1021/acs.jnatprod.3c00879 PMID:38349959	研究论文	本文介绍了一种名为PECAN的前馈神经网络，用于预测天然产物类似化合物对59种癌细胞系的抗增殖活性	PECAN不仅能够判断化合物是否具有生物活性，还能预测活性的程度，分为六类	NA	开发一种能够同时分类化合物对多种癌细胞系抗增殖活性的深度学习模型	天然产物类似化合物对59种癌细胞系的抗增殖活性	机器学习	NA	深度学习	前馈神经网络	化合物结构数据	59种癌细胞系
216	2024-08-15	Deep learning-based natural language processing for detecting medical symptoms and histories in emergency patient triage 2024-03, The American journal of emergency medicine DOI:10.1016/j.ajem.2023.11.063 PMID:38096637	研究论文	本研究利用基于深度学习的自然语言处理技术，设计并验证大型语言模型（LLMs）用于自动临床诊断，以识别急诊患者分类中的12种医疗症状和2种患者病史。	本研究首次采用KLUE-RoBERTa模型进行自动电子健康记录（EHR）记录，并通过可解释的人工智能（XAI）和Shapley加法解释（SHAP）方法验证了模型的可靠性。	NA	设计并验证大型语言模型（LLMs）用于自动临床诊断，以提高急诊部门电子健康记录的效率。	识别急诊患者分类中的12种医疗症状和2种患者病史。	自然语言处理	NA	BERT	transformer	文本	15个样本
217	2024-08-14	Brain volume is a better biomarker of outcomes in ischemic stroke compared to brain atrophy 2024-Mar-19, ArXiv PMID:38562453	研究论文	本文评估了脑体积在缺血性中风后功能结果中的作用，并比较了其与脑萎缩指标（如脑实质分数BPF）作为生物标志物的有效性。	首次展示了在缺血性中风后，较高的脑体积作为生物标志物比脑萎缩指标更能解释有利的功能结果。	研究仅限于单一中心的病例，且样本时间跨度有限，可能影响结果的普遍性。	评估脑体积在缺血性中风后作为功能结果生物标志物的有效性。	缺血性中风患者的功能结果。	NA	中风	深度学习	逻辑回归	影像	467名缺血性中风患者
218	2024-08-14	A gradient mapping guided explainable deep neural network for extracapsular extension identification in 3D head and neck cancer computed tomography images 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16680 PMID:37643447	研究论文	本文提出了一种基于梯度映射引导的可解释深度神经网络，用于自动识别3D头颈部癌症CT图像中的外囊扩展（ECE）	本文创新性地提出了梯度映射引导的可解释网络（GMGENet）框架，无需标注淋巴结区域信息即可自动识别ECE	NA	旨在开发一种自动识别头颈部鳞状细胞癌（HNSCC）患者CT图像中ECE的方法，以改善诊断和治疗计划	头颈部鳞状细胞癌（HNSCC）患者的3D CT图像中的外囊扩展（ECE）	计算机视觉	头颈部癌	梯度加权类激活映射（Grad-CAM）	深度神经网络	图像	NA
219	2024-08-13	Minimal data requirement for realistic endoscopic image generation with Stable Diffusion 2024-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-023-03030-w PMID:37934401	研究论文	本文提出了一种基于Stable Diffusion模型的图像到图像翻译方法，用于生成逼真的内窥镜图像	该方法通过引入不同的支持控制网络，实现了对细节生成的更精细控制，并且所需输入数据量较小，更适合临床应用	NA	旨在改善计算机辅助手术系统，通过生成逼真的合成数据来优化深度学习模型的训练	内窥镜图像的生成和翻译	计算机视觉	NA	Stable Diffusion模型	Stable Diffusion	图像	使用了来自公共数据集的合成和真实数据
220	2024-08-13	MAIRNet: weakly supervised anatomy-aware multimodal articulated image registration network 2024-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-023-03056-0 PMID:38236477	研究论文	提出了一种新的弱监督解剖学意识多模态关节图像配准网络MAIRNet，以解决多模态关节图像配准的挑战性问题	MAIRNet包含两个分支：一个非可学习的多刚体配准分支用于估计初始速度场，和一个可学习的可变形配准分支用于学习增量，这两个分支共同工作以生成最终的位移场	NA	开发一种新的多模态关节图像配准方法	多模态关节图像配准问题	计算机视觉	NA	深度学习	CNN	图像	在三个数据集上进行了综合实验，包括髋部数据集、腰椎脊柱数据集和胸椎脊柱数据集