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
901	2024-08-07	Improvement of 2D cine image quality using 3D priors and cycle generative adversarial network for low field MRI-guided radiation therapy 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16860 PMID:38043123	研究论文	本研究利用3D先验信息和循环生成对抗网络（CycleGAN）提高低场磁共振引导放疗中2D动态图像的质量	开发了一种基于深度学习的框架，包括两个CycleGAN（去噪CycleGAN和增强CycleGAN），用于建立3D和2D磁共振图像之间的映射，显著提高了图像质量和自动目标轮廓的准确性	NA	提高磁共振引导放疗中动态磁共振图像的质量	18名接受磁共振引导立体定向体部放疗的胰腺癌患者	计算机视觉	胰腺癌	磁共振成像（MRI）	CycleGAN	图像	18名胰腺癌患者
902	2024-08-07	Deep learning-based conditional inpainting for restoration of artifact-affected 4D CT images 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16851 PMID:38055336	研究论文	本文提出了一种基于深度学习的条件修复方法，用于恢复受伪影影响的4D CT图像中的解剖学正确信息	该方法利用患者特定的先验图像信息，通过深度学习检测常见的插值和双重结构伪影，并进行条件修复，以确保解剖学上可靠的结果	NA	旨在提高受伪影影响的4D CT图像的治疗计划质量和图像信息可靠性	4D CT图像中的伪影区域	计算机视觉	肺癌	深度学习	NA	图像	65例内部4D CT图像（48例轻微伪影，17例明显伪影）及两个公开的4D CT数据集作为独立外部测试集
903	2024-08-07	PDFF-CNN: An attention-guided dynamic multi-orientation feature fusion method for gestational age prediction on imbalanced fetal brain MRI dataset 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16875 PMID:38043088	研究论文	本文提出了一种基于金字塔挤压注意力（PSA）引导的动态多方向特征融合CNN（PDFF-CNN），用于从不平衡的胎儿脑部MRI数据集中预测胎龄	PDFF-CNN包含四个组件：转换模块、特征提取模块、动态特征融合模块和平衡均方误差（MSE）损失，能够学习多尺度和多方向的特征表示，并自动学习特征向量的权重以动态融合多尺度和多方向的脑沟和脑回特征	NA	旨在解决胎儿位置不确定和外部干扰导致的胎儿脑部定位和方向变化问题，以及胎儿脑部MRI数据不平衡分布对胎龄预测的挑战	胎儿脑部MRI图像	计算机视觉	NA	MRI	CNN	图像	1327例常规临床T2加权MRI图像，来自157名受试者
904	2024-08-07	Generalizable synthetic MRI with physics-informed convolutional networks 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16884 PMID:38063208	研究论文	本文开发了一种基于物理信息深度学习的方法，用于从单一5分钟采集的脑部MRI数据中合成多种对比度图像	该方法能够生成高质量的对比度图像，并能推广到训练数据之外的对比度	NA	研究基于物理信息的深度学习方法在合成MRI对比度方面的可行性和泛化能力	脑部MRI对比度图像的合成	计算机视觉	NA	生成对抗网络	GAN	图像	55名受试者
905	2024-08-07	AI-based motion artifact severity estimation in undersampled MRI allowing for selection of appropriate reconstruction models 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16918 PMID:38167996	研究论文	本文开发了一种深度学习方法，用于检测和量化欠采样磁共振成像（MRI）中的运动伪影，并利用这些信息选择合适的重建模型	本文首次利用合成运动伪影数据训练卷积神经网络（CNN），并成功应用于真实世界数据，实现了高精度的运动伪影检测和量化	NA	旨在回顾性检测和量化欠采样MRI数据中的运动伪影，以提高基于AI的重建技术的安全性和质量	欠采样脑部MRI数据中的运动伪影	计算机视觉	NA	磁共振成像（MRI）	卷积神经网络（CNN）	图像	训练和验证集包括4387张合成运动伪影图像和1304张未受伪影影响的图像，测试集包括28名志愿者的欠采样体内运动伪影数据
906	2024-08-07	Alternating direction method of multipliers for displacement estimation in ultrasound strain elastography 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16921 PMID:38159299	研究论文	本文提出了一种基于交替方向乘子法（ADMM）的超声应变弹性成像位移估计新技术，名为ALTRUIST，旨在解决现有时间延迟估计（TDE）技术中的缺陷。	ALTRUIST通过结合ADMM优化基于L1范数正则化的代价函数，解决了现有算法中正则化与组织变形物理不一致、过度平滑估计时间延迟以及数学模量函数需近似为平滑函数的问题。	NA	开发一种新型的时间延迟估计技术，以解决现有算法的缺陷。	超声应变成像中的位移估计。	数字病理学	肝癌	交替方向乘子法（ADMM）	NA	图像	两个模拟层幻影、三个模拟分辨率幻影、一个硬包含模拟幻影、一个多包含模拟幻影、一个实验性乳腺幻影和三个体内肝癌数据集。
907	2024-08-07	Benchmarking machine learning-based real-time respiratory signal predictors in 4D SBRT 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17038 PMID:38536107	研究论文	本研究探索并比较了六种基于机器学习和深度学习的实时呼吸信号预测模型，旨在提高成像和剂量传递的实时性和实际应用性	本研究采用了六种先进的预测模型，并分析了它们在不同预测时间范围和异常信号情况下的表现	所有模型的预测精度在应用于异常信号时都有所下降，特别是简单模型的性能下降最为明显	探索和比较不同机器学习和深度学习模型在实时呼吸信号预测中的应用效果	呼吸信号预测模型在立体定向体部放射治疗中的应用	机器学习	NA	机器学习和深度学习	LSTM, Trans-Enc, Linear, Dlinear, Xgboost	呼吸信号	2502个呼吸信号（总时长约90小时）
908	2024-08-07	A medical image segmentation method for rectal tumors based on multi-scale feature retention and multiple attention mechanisms 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17044 PMID:38569054	研究论文	本文提出了一种基于多尺度特征保留和多注意力机制的直肠肿瘤医学图像分割方法	引入了多尺度特征保留、多分支跨通道注意力和坐标注意力三个新模块，有效解决了深度网络中高级语义特征提取导致的细节丢失和分割精度低的问题	未提及具体限制	提高直肠肿瘤MRI图像分割的效率和准确性	直肠肿瘤的医学图像	计算机视觉	直肠肿瘤	MRI	CNN	图像	未提及具体样本数量
909	2024-08-07	Knowledge-based planning for Gamma Knife 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17058 PMID:38598107	研究论文	本文开发了一种基于知识的治疗计划（KBP）管道，使用逆优化（IO）和3D剂量预测，用于Gamma Knife（GK）治疗。	首次为Gamma Knife开发了完整的KBP管道，通过逆优化和3D剂量预测生成可交付的治疗计划。	NA	开发一种新的基于知识的治疗计划管道，以改善Gamma Knife治疗的计划过程。	349名患者的Gamma Knife治疗数据，以及3D剂量预测模型和逆优化模型。	数字病理学	NA	逆优化（IO）	深度学习	3D剂量预测	349名患者的数据，其中322名用于训练模型，27名用于验证。
910	2024-08-07	MFTrans: A multi-feature transformer network for protein secondary structure prediction 2024-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.131311 PMID:38599417	研究论文	本文提出了一种基于深度学习的多特征融合网络MFTrans，用于提高蛋白质二级结构预测的精度和效率	MFTrans模型采用多序列比对Transformer和多视角深度学习架构，有效捕捉蛋白质序列的全局和局部特征，并集成多种特征融合策略	NA	提高蛋白质二级结构预测的精度和效率	蛋白质二级结构	计算生物学	NA	多序列比对Transformer	Transformer、卷积神经网络、双向门控循环单元网络	序列信息	包括CASP12、CASP13、CASP14、TEST2016、TEST2018和CB513等公共基准数据集
911	2024-08-07	Prediction of the marine spreading of low sulfur fuel oil using the long short-term memory model trained with three-phase numerical simulations 2024-May, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.116356 PMID:38604079	研究论文	本研究开发并验证了一种基于长短期记忆（LSTM）深度学习算法的模型，用于预测低硫燃料油（LSFO）在水面上的意外扩散	使用数值模拟数据训练LSTM模型，以预测LSFO在水面上的扩散模式，并在实际泄漏事故中验证了模型的实用性	NA	开发和验证一种预测低硫燃料油在水面上意外扩散的深度学习算法	低硫燃料油（LSFO）在水面上的扩散模式	机器学习	NA	长短期记忆（LSTM）模型	LSTM	数值模拟数据	不同配置的岛屿和海岸线以及风速（2.0-8.0 m/s）的数值模拟数据
912	2024-08-07	Machine learning and deep learning to identifying subarachnoid haemorrhage macrophage-associated biomarkers by bulk and single-cell sequencing 2024-May, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18296 PMID:38702954	研究论文	本研究通过单细胞转录组测序和批量RNA测序，鉴定了与蛛网膜下腔出血（SAH）相关的巨噬细胞亚群及其关键基因，以改进诊断和治疗策略	本研究首次通过单细胞数据识别出独特的SAH巨噬细胞亚群，并利用机器学习算法和卷积神经网络构建了诊断模型，同时通过分子对接和网络药理学分析确定了潜在的治疗药物	需要进一步的实验和临床研究来验证这些发现，并探索这些靶点在SAH治疗中的临床意义	鉴定与蛛网膜下腔出血相关的巨噬细胞亚群及其关键基因，以改进诊断和治疗策略	SAH大鼠模型的脑组织样本	机器学习	脑血管疾病	单细胞转录组测序，批量RNA测序	卷积神经网络（CNN）	转录组数据	多个SAH大鼠模型的脑组织样本
913	2024-08-07	Machine learning and deep learning for the diagnosis and treatment of ankylosing spondylitis- a scoping review 2024-May, Journal of clinical orthopaedics and trauma DOI:10.1016/j.jcot.2024.102421 PMID:38708092	综述	本文综述了机器学习和深度学习在强直性脊柱炎诊断和治疗中的应用现状	机器学习和深度学习技术有助于早期诊断强直性脊柱炎并预测更好的患者特异性治疗方案	缺乏来自多中心、包含不同类型诊断参数的足够大的数据集，且关于机器学习和深度学习在强直性脊柱炎治疗方面的研究较少	旨在更新机器学习和深度学习在强直性脊柱炎诊断和治疗不同阶段的应用，描述所用技术类型、数据集描述、现有工作的贡献和局限性，并识别当前知识的空白以供未来研究	强直性脊柱炎的诊断和治疗	机器学习	强直性脊柱炎	机器学习 (ML) 和深度学习 (DL)	NA	NA	缺乏足够大的数据集