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
861	2024-08-07	A comparative study of an on premise AutoML solution for medical image classification 2024-05-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60429-4 PMID:38714764	研究论文	本文比较了基于本地的AutoML解决方案AutoKeras在医学图像分类中的表现	探索了常见参数选择（如试验次数和输入图像分辨率）对AutoML在医学图像分类中性能的影响	AutoKeras虽然性能优越，但训练时间较长	评估AutoKeras在医学图像分类中的有效性及其参数选择的影响	五个公共医学数据集，涵盖多种成像模式	计算机视觉	NA	AutoML	深度学习架构	图像	五个公共医学数据集
862	2024-08-07	Precise and automated lung cancer cell classification using deep neural network with multiscale features and model distillation 2024-05-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61101-7 PMID:38714840	研究论文	本研究开发了一种基于深度学习的模型，利用特征金字塔网络（FPN）和挤压激励（SE）模块结合残差网络（ResNet18）进行肺癌细胞的精确和自动化分类	本研究采用了多尺度特征和模型蒸馏技术，通过从大型教师模型中提取知识到更紧凑的学生模型，进一步提升了模型性能	NA	提高肺癌细胞分类的精确度和稳定性	肺癌细胞的分类，特别是腺癌、鳞状细胞癌和小细胞肺癌的鉴别诊断	机器学习	肺癌	深度学习	CNN	图像	NA
863	2024-08-07	Hemodynamic factors of spontaneous vertebral artery dissecting aneurysms assessed with numerical and deep learning algorithms: Role of blood pressure and asymmetry 2024-May, Neuro-Chirurgie DOI:10.1016/j.neuchi.2023.101519 PMID:38280371	研究论文	本文使用计算流体动力学（CFD）和深度学习算法研究自发椎动脉夹层动脉瘤（SVADA）的血液动力学因素	本文开发了软件，能够利用患者影像重建椎基底动脉系统，并训练神经常微分方程（NODE）学习并复制从CFD模拟中获得的动态流线	NA	研究自发椎动脉夹层动脉瘤形成的血液动力学因素	自发椎动脉夹层动脉瘤的血液动力学因素	计算机视觉	NA	计算流体动力学（CFD）	神经常微分方程（NODE）	影像	三名患者
864	2024-08-07	One-stop detection of anterior cruciate ligament injuries on magnetic resonance imaging using deep learning with multicenter validation 2024-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1539 PMID:38720839	研究论文	本研究开发了一种深度学习模型，利用膝关节磁共振成像（MRI）进行前交叉韧带（ACL）损伤的综合自动化检测，并在多中心数据集上进行了验证	首次采用深度学习技术，结合特定的YOLOv5m和ResNet-18 CNN架构，实现了对ACL损伤的自动化检测，提高了诊断的准确性和效率	研究主要基于回顾性数据，且模型在不同数据集上的表现存在差异，需要进一步的前瞻性研究和更大规模的数据验证	开发一种基于MRI的深度学习模型，用于自动化检测前交叉韧带损伤，以提高诊断的客观性和效率	前交叉韧带损伤的检测	机器学习	运动损伤	深度学习	YOLOv5m, ResNet-18 CNN	MRI图像	1589个膝关节样本，包括1443个完整、90个部分撕裂和56个完全撕裂
865	2024-08-07	Deep learning image reconstruction of diffusion-weighted imaging in evaluation of prostate cancer focusing on its clinical implications 2024-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1379 PMID:38720859	研究论文	本研究旨在探讨深度学习重建（DLR）技术在扩散加权成像（DWI）中对前列腺癌（PCa）图像质量的提升及其对临床评估的影响	本研究首次评估了DLR技术在DWI中对前列腺癌图像质量的提升效果，并分析了其对PI-RADS评分的影响	研究为回顾性研究，样本量有限，且仅在一家医院进行	评估DLR技术在DWI中对前列腺癌图像质量的提升及其对PI-RADS评分的影响	前列腺癌患者的扩散加权成像（DWI）图像	数字病理学	前列腺癌	深度学习重建（DLR）	NA	图像	70名前列腺癌患者
866	2024-08-07	Semi-supervised learning in diagnosis of infant hip dysplasia towards multisource ultrasound images 2024-May-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1384 PMID:38720865	研究论文	本文提出了一种基于特征金字塔网络和对比学习方案的半监督学习方法，用于诊断婴儿髋关节发育不良，通过多源超声图像进行识别	该方法利用大量未标记的超声图像和少量标记的解剖结构数据，通过对比学习提高了地标识别和标准平面识别的准确性	NA	开发一种能够利用多源超声图像进行婴儿髋关节发育不良自动诊断的半监督学习方法	493名婴儿的髋关节超声图像	计算机视觉	儿科疾病	半监督学习	特征金字塔网络 (FPN), Siamese架构	图像	493名婴儿的超声图像
867	2024-08-07	DunHuangStitch: Unsupervised Deep Image Stitching of Dunhuang Murals 2024-May-08, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2024.3398289 PMID:38717890	研究论文	本文提出了一种基于深度学习的无监督敦煌壁画图像拼接方法，通过构建两个壁画拼接数据集和设计渐进回归图像对齐网络与特征差分重建软编码缝合网络，实现了先进的壁画拼接性能。	本文首次采用深度学习方法进行敦煌壁画的无监督拼接，并设计了新的网络结构和软编码缝合质量评估方法。	NA	旨在实现敦煌壁画的数字化存储和保护。	敦煌壁画图像的拼接。	计算机视觉	NA	深度学习	CNN	图像	两个壁画拼接数据集
868	2024-08-07	Accurate structure prediction of biomolecular interactions with AlphaFold 3 2024-May-08, Nature IF:50.5Q1 DOI:10.1038/s41586-024-07487-w PMID:38718835	研究论文	本文介绍了AlphaFold 3模型，该模型采用更新后的基于扩散的架构，能够联合预测包括蛋白质、核酸、小分子、离子和修饰残基在内的复合物结构	AlphaFold 3模型在蛋白质-配体相互作用、蛋白质-核酸相互作用以及抗体-抗原预测方面均显著优于现有工具	NA	旨在提高生物分子相互作用结构预测的准确性	蛋白质、核酸、小分子、离子和修饰残基的复合物结构	机器学习	NA	深度学习	AlphaFold 3	结构数据	NA
869	2024-08-07	Artificial intelligence-based assessment of built environment from Google Street View and coronary artery disease prevalence 2024-May-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae158 PMID:38544295	研究论文	本研究利用机器视觉技术从Google Street View（GSV）图像中提取建筑环境特征，并探讨其与美国城市冠状动脉疾病（CHD）患病率的关系	本研究首次使用深度学习技术从GSV图像中提取建筑环境特征，并将其与CHD患病率进行关联分析	本研究为横断面研究，未来需要纵向研究来验证结果的长期有效性	探讨机器视觉技术在评估建筑环境与心血管疾病患病率关系中的应用	建筑环境特征与冠状动脉疾病患病率的关系	机器学习	心血管疾病	卷积神经网络	CNN	图像	0.53百万张GSV图像覆盖789个美国城市的普查区域
870	2024-08-07	Deep learning-based whole-body PSMA PET/CT attenuation correction utilizing Pix-2-Pix GAN 2024-May-07, Oncotarget DOI:10.18632/oncotarget.28583 PMID:38712741	研究论文	本文提出了一种基于深度学习的人工智能工具，利用Pix-2-Pix GAN生成非衰减校正PET图像的衰减校正PET图像，以减少低剂量CT扫描的需求	使用Pix-2-Pix GAN模型生成衰减校正PET图像，显示出与原始图像高度相关的SUV指标	NA	开发一种人工智能工具，用于减少肿瘤患者治疗随访期间进行的PET/CT研究的辐射剂量	前列腺癌患者的18F-DCFPyL PSMA PET-CT研究	机器学习	前列腺癌	Pix-2-Pix GAN	GAN	图像	302名前列腺癌患者的PET-CT研究，分为训练、验证和测试组（分别为183、60、59例）
871	2024-08-07	Automated detection of steno-occlusive lesion on time-of-flight magnetic resonance angiography: an observer performance study 2024-May-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8334 PMID:38719612	研究论文	本研究旨在验证一种人工智能模型在检测颅内动脉狭窄闭塞性病变中的临床效用	本研究首次评估了人工智能方法在检测颅内动脉病理病变中的临床益处，特别是在提高检测准确性和减少阅读时间方面	尽管人工智能模型提高了检测准确性，但使用该模型后阅读时间有所增加	验证人工智能模型在检测颅内动脉狭窄闭塞性病变中的临床效用	颅内动脉狭窄闭塞性病变	计算机视觉	脑血管疾病	NA	人工智能模型	图像	138张TOF-MRA图像
872	2024-08-07	Deep learning sheds new light on non-orthogonal optical multiplexing 2024-May-06, Light, science & applications DOI:10.1038/s41377-024-01460-y PMID:38710686	研究论文	提出了一种用于非正交输入通道编码的深度神经网络，通过多模光纤恢复散斑图像	该方法为通过散射介质的非正交光学复用提供了新的视角	NA	探索通过散射介质的非正交光学复用的新方法	非正交输入通道编码及散斑图像恢复	机器学习	NA	深度学习	深度神经网络	图像	NA
873	2024-08-07	A comprehensive laser image dataset for real-time measurement of wheelset geometric parameters 2024-May-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03288-y PMID:38710697	研究论文	本文构建了一个公开的轮对激光图像数据集（WLI-Set），用于实时测量轮对几何参数	首次构建了一个包含丰富标注的多线激光条纹图像的公开轮对数据集，有助于推动轮对研究	NA	开发一个高质量的轮对图像数据集，以支持深度学习模型在轮对几何参数测量中的应用	轮对图像及其几何参数	计算机视觉	NA	深度学习	NA	图像	包含四个子数据集（原始、修复、分割和中心线）的轮对激光图像数据集
874	2024-08-07	Enhancing tuberculosis vaccine development: a deconvolution neural network approach for multi-epitope prediction 2024-05-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-59291-1 PMID:38710737	研究论文	本文首次采用基于解卷积神经网络（DCNN）和双向长短期记忆网络（DCNN-BiLSTM）的深度学习框架，用于预测针对六种Mtb H37Rv蛋白的Mtb多表位疫苗（MtbMEV）亚单位，以增强结核病疫苗的开发。	首次应用深度学习框架DCNN-BiLSTM于结核病多表位疫苗预测，模型准确率达到99.5%，优于其他机器学习模型。	研究结果需通过进一步的实验验证，以建立未来临床试验的候选疫苗。	开发针对结核病的高效疫苗。	针对六种Mtb H37Rv蛋白的Mtb多表位疫苗亚单位。	机器学习	结核病	解卷积神经网络（DCNN）和双向长短期记忆网络（DCNN-BiLSTM）	DCNN-BiLSTM	蛋白质数据	六种Mtb H37Rv蛋白
875	2024-08-07	Smart traffic management of vehicles using faster R-CNN based deep learning method 2024-May-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60596-4 PMID:38710753	研究论文	本文研究了一种基于Faster R-CNN深度学习方法的智能车辆交通管理技术	提出了一种四步法解决车辆分割问题，包括自适应背景模型最小化、Faster R-CNN子网操作、初始细化及扩展拓扑主动网结果优化	未明确提及	解决智能车辆交通管理中的车辆分割问题	车辆分割、交通密度估计和车辆追踪	计算机视觉	NA	Faster R-CNN	CNN	视频	未明确提及
876	2024-08-07	Detecting emotions through EEG signals based on modified convolutional fuzzy neural network 2024-05-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60977-9 PMID:38710806	研究论文	本研究通过改进的卷积模糊神经网络基于脑电信号进行情绪识别	本研究改进了卷积模糊神经网络（CFNN）的架构，以提高情绪识别的准确性和可靠性	NA	提高基于脑电信号的情绪识别系统的准确性和可靠性	脑电信号的情绪识别	机器学习	NA	脑电图（EEG）	卷积模糊神经网络（CFNN）	脑电信号	未具体说明样本数量
877	2024-08-07	Toward robust and high-throughput detection of seed defects in X-ray images via deep learning 2024-May-06, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01195-2 PMID:38711143	研究论文	本文提出了一种基于深度学习的2D X射线图像种子缺陷检测方法，通过X-Robustifier管道实现快速且鲁棒的检测。	引入了特定的数据增强技术以补偿缺陷比例低的问题，并提高了对X射线成像系统物理参数变化的鲁棒性。	NA	优化种子批次的品质，通过非破坏性成像技术检测种子内部缺陷。	种子中的缺陷检测。	计算机视觉	NA	X射线成像	物体检测神经网络	图像	缺陷和无缺陷的种子2D X射线图像
878	2024-08-07	Glaucoma detection using non-perfused areas in OCTA 2024-05-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60839-4 PMID:38705883	研究论文	本文提出了一种基于光学相干断层扫描血管成像（OCTA）中非灌注区域的概率密度函数特征，用于区分青光眼患者和健康对照的新方法	该方法通过计算灌注距离区域的特征，减少了血管分割错误的影响，并且在不同毛细血管丛上的表现优于使用手工特征的先前方法	该方法依赖于血管分割的准确性，尽管灌注距离测量对分割错误较不敏感，但仍可能受其影响	旨在开发一种更敏感且计算效率高的方法，用于通过OCTA图像检测青光眼	青光眼患者和健康对照者的OCTA图像中的非灌注区域	数字病理学	青光眼	光学相干断层扫描血管成像（OCTA）	NA	图像	未具体说明样本数量
879	2024-08-07	Image factory: A method for synthesizing novel CT images with anatomical guidance 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16864 PMID:38043097	研究论文	本文提出了一种基于解剖指导合成新型CT图像的方法	该方法能够利用小规模标注数据集和大规模非标注数据集，通过一系列步骤生成大规模标注数据集，用于医学应用中的深度学习网络训练	NA	解决医学应用中深度学习因缺乏大量标注、注释或分割训练数据集而受限的问题	肺部CT图像	计算机视觉	NA	StyleGAN, U-Net, CycleGAN/Pixel-to-Pixel (P2P)	GAN	图像	30名患者的标注肺部CT数据集和14000名患者的非标注高分辨率CT数据集
880	2024-08-07	VitTCR: A deep learning method for peptide recognition prediction 2024-May-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109770 PMID:38711451	研究论文	本研究介绍了基于视觉转换器（ViT）架构的预测模型VitTCR，旨在识别T细胞受体（TCR）与肽之间的相互作用，这对开发癌症免疫疗法和疫苗至关重要	VitTCR通过使用Atchley因子将TCR-肽相互作用转换为数值AtchleyMaps进行预测，并集成了来自氨基酸接触概率的位置偏置权重矩阵（PBWM）以提高准确性	需要进一步的比较研究以理解VitTCR在不同情境下的有效性	开发一种计算工具，用于预测TCR-肽相互作用，为免疫疗法和疫苗开发提供见解	T细胞受体（TCR）与肽之间的相互作用	机器学习	NA	视觉转换器（ViT）	ViT	数值AtchleyMaps	NA