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
941	2024-08-05	A hybrid deep learning approach to predict hourly riverine nitrate concentrations using routine monitored data 2024-Jun, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121097 PMID:38733844	研究论文	本研究使用结合深度学习神经网络和常规监测数据来预测河流的每小时硝酸盐浓度。	提出了一种混合模型架构，将卷积神经网络与长短期记忆网络（CNN-LSTM）相结合，进行高频硝酸盐浓度预测。	未包含高频硝酸盐浓度数据作为模型输入，可能影响预测精度。	研究如何利用深度学习网络和常规监测数据预测河流中的硝酸盐浓度。	研究对象为美国新罕布什尔州Oyster River流域出口处的硝酸盐浓度。	机器学习	NA	深度学习	卷积神经网络与长短期记忆网络（CNN-LSTM）	高频监测数据	根据5:3:2的比例将整个数据集分为训练、验证和测试，样本数量未具体说明
942	2024-08-05	Automatic detection of epilepsy from EEGs using a temporal convolutional network with a self-attention layer 2024-Jun-01, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-024-01244-w PMID:38824547	研究论文	本文提出了一种使用带自注意力层的时间卷积网络自动检测癫痫的方法	创新点在于结合时间卷积神经网络和自注意力机制来提高癫痫检测的分类准确性	本研究的局限性在于，所提出的模型对不同临床场景的适用性仍需进一步验证	研究的目的是提高癫痫的自动检测准确性，尤其是在儿童患者中	研究对象为癫痫患者的EEG信号数据，特别是儿童癫痫患者	数字病理学	癫痫	时间卷积神经网络和自注意力层	时间卷积神经网络	EEG信号数据	包括我们收集的儿童癫痫数据集和Bonn数据集
943	2024-08-05	Diffusion-based deep learning method for augmenting ultrastructural imaging and volume electron microscopy 2024-Jun-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49125-z PMID:38824146	研究论文	本文介绍了一种基于扩散的深度学习方法EMDiffuse，用于增强电子显微镜和体积电子显微镜的能力	提出了一套新算法EMDiffuse，能够在缺乏各向同性训练数据的情况下进行各向同性体积重构，并仅需一对图像进行微调	在图像速度和质量之间的内在权衡限制了可实现的成像区域和体积	提高电子显微镜在大型生物体积中的三维成像能力	使用EMDiffuse从不同的体积电子显微镜技术和仪器中生成各向同性体积	数字病理学	NA	电子显微镜（EM）	扩散模型	图像	七个来自不同体积电子显微镜技术的公共数据集
944	2024-08-05	Multi-Instance Multi-Task Learning for Joint Clinical Outcome and Genomic Profile Predictions From the Histopathological Images 2024-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3362852 PMID:38319755	研究论文	本研究提出了一种基于多实例多任务学习的框架，用于从组织病理图像中联合预测临床结果和基因组特征	提出了一种新的多实例学习模块和软掩码融合模块，以提高多个任务的预测性能	处理整张幻灯片图像时面临大小巨大和标签粗略的问题	旨在通过全切片病理图像提高癌症诊断和生存预测的准确性	癌症患者的生存预测和TP53基因的转录特征估计	数字病理学	癌症	深度学习	多实例多任务学习框架	图像	来自癌症基因组图谱（TCGA）的三个癌症队列
945	2024-08-05	An effective and robust lattice Boltzmann model guided by atlas for hippocampal subregions segmentation 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.16984 PMID:38373278	研究论文	提出并验证了一种无训练的海马亚区分割模型，具有高泛化能力	该模型在不需要训练的情况下实现了与最新技术相当的分割精度和效率	样本量较小，可能影响结果的稳定性和推广性	研究目标是开发一种准确且可靠的海马亚区自动分割方法，以便于阿尔茨海默症的早期检测	研究对象是海马的四个亚区，包括左尾侧、右尾侧、左头侧和右头侧	数字病理学	阿尔茨海默症	功能性磁共振成像	格子玻尔兹曼模型	医学影像	使用了阿尔茨海默病神经影像倡议 (ADNI) 数据集及宣武数据集进行验证
946	2024-08-05	Rapid detection of fetal compromise using input length invariant deep learning on fetal heart rate signals 2024-06-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63108-6 PMID:38824217	研究论文	本研究提出了一种新颖的 FHR 评估方法，通过输入长度不变的深度学习模型来快速检测胎儿窘迫	采用输入长度不变的深度学习模型 (FHR-LINet) 逐步评估 FHR，显著减少了检测胎儿窘迫所需时间	研究可能对模型的泛化能力和在不同临床环境中的应用进行限制	旨在提高胎儿窘迫的快速检测能力	主要研究对象为胎心率信号	机器学习	NA	深度学习	输入长度不变的深度学习模型 (FHR-LINet)	信号	NA
947	2024-08-05	Development and deployment of a histopathology-based deep learning algorithm for patient prescreening in a clinical trial 2024-Jun-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49153-9 PMID:38824132	研究论文	开发并部署了一种基于组织病理学的深度学习算法用于临床试验中的患者预筛查	成功开发了一个AI驱动的生物标志物检测算法，优化以提高敏感性并加速患者招募	算法在特定数据集上的验证可能不包含所有类型的肿瘤或患者	提高靶向治疗的患者招募效率和减少分子检测成本	使用超过3000张来自晚期尿路上皮癌患者的H&E染色全切片图像	数字病理学	NA	深度学习	NA	图像	超过3000张图像，350名患者
948	2024-08-05	Robust Stochastic Neural Ensemble Learning With Noisy Labels for Thoracic Disease Classification 2024-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3357986 PMID:38265913	研究论文	提出了一种新的随机神经集成学习框架以实现坚固的胸部疾病诊断	创新点在于构建模型集成并设计抗噪声损失函数以从带噪声的标签中学习	未具体指明在特定病例或其他类型疾病的应用限制	研究目标是提高胸部疾病诊断的准确性，特别是在存在噪声标签的情况下	研究对象为胸部X光影像	数字病理学	胸部疾病	深度学习	神经网络集成	影像	在三个公开的医院规模胸部X光数据集上进行评估
949	2024-08-05	Assessment of impaired consciousness using EEG-based connectivity features and convolutional neural networks 2024-Jun, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09944-0 PMID:38826674	研究论文	本研究利用基于EEG的连接特征及卷积神经网络评估意识障碍的程度	通过三种重排列方案来提高脑网络评估性能，首次使用Grad-CAM可视化各区域连接的分类贡献	尚未明确提及具体的限制因素	开发一种有效评估意识障碍患者残余意识的模型	意识障碍患者的脑电图(EEG)信号	数字病理	NA	EEG	CNN	脑电图信号	NA
950	2024-08-05	Super resolution deep learning reconstruction for coronary CT angiography: A structured phantom study 2024-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100570 PMID:38828096	研究论文	该文章研究了一种新开发的基于深度学习的冠状动脉CT血管造影超分辨率重建方法SR-DLR。	引入了一种结构化的幻影模型来准确评估SR-DLR在冠状动脉CT影像重建中的表现。	虽然提出了SR-DLR的优势，但未在临床患者数据上进行验证。	调查SR-DLR重建图像的质量，提升冠状动脉CT影像的空间分辨率。	使用模拟人类解剖结构的结构化幻影作为研究对象。	数字病理学	冠状动脉疾病	超分辨率深度学习重建	NA	图像	一个包含肋骨、脊椎和模拟冠状动脉狭窄的结构化幻影
951	2024-08-05	Fully automated explainable abdominal CT contrast media phase classification using organ segmentation and machine learning 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17076 PMID:38629779	研究论文	本研究通过器官分割和机器学习算法自动化分类腹部CT对比剂注射阶段	提出了一种快速、准确、可靠且可解释的方法来分类对比剂阶段，解决了公共数据集缺乏注射阶段信息的问题	研究结果主要基于两个CT扫描仪的数据，可能在其他设备上效果不同	检测CT图像中的对比剂注射阶段	2509幅CT图像，分为四个不同的对比剂注射相	机器学习	肝癌	深度学习	随机森林 (RF)	图像	总共2509幅CT图像
952	2024-08-05	Deep learning-based optimization of field geometry for total marrow irradiation delivered with volumetric modulated arc therapy 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17089 PMID:38634859	研究论文	该文章提出了一种基于深度学习的卷积神经网络 (CNN) 来自动生成全骨髓放射治疗的场几何。	通过结合医学物理师的知识，开发的模型能在有限数据环境下优化场几何的生成，这是该研究的创新之处。	研究样本量有限，仅包括117名患者的治疗数据，可能影响模型的泛化能力。	研究旨在开发自动生成TMI/TMLI场几何的卷积神经网络。	研究对象为117名在2011年至2023年期间接受全骨髓放射治疗的患者。	数字病理学	NA	卷积神经网络 (CNN)	CNN	影像	117名接受TMI/TMLI治疗的患者
953	2024-08-05	Towards automatic home-based sleep apnea estimation using deep learning 2024-Jun-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01139-z PMID:38824175	研究论文	提出了一种名为DRIVEN的方法，用于从可穿戴设备中自动估计家中的睡眠呼吸暂停指数（AHI）	该方法结合了深度卷积神经网络和轻量级梯度提升机，实现了在家中舒适环境下的AHI估计	长时间的PSG监测不切实际，且需要患者的依从性	旨在通过可穿戴设备在家中对睡眠呼吸暂停进行早期检测和评估	通过可穿戴传感器（如腹部和胸部运动、脉搏血氧饱和度）监测睡眠障碍的患者	机器学习	呼吸系统疾病	深度卷积神经网络和轻量级梯度提升机	CNN	录音数据	来自三个大型睡眠研究的14,370条记录
954	2024-08-05	An enhancement algorithm for head characteristics of caged chickens detection based on cyclic consistent migration neural network 2024-Jun, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2024.103663 PMID:38603930	研究论文	提出了一种基于循环一致迁移神经网络的笼养鸡头部特征检测增强算法	提出了一种基于大数据和深度学习的笼门去除算法，采用CCMNN网络实现图像中关键信息的自动消除和恢复	该研究主要集中在笼养鸡的头部特征检测，可能对其它类型的家禽检测有效性有限	提高笼养鸡健康状态识别的准确性	针对笼养鸡的冠和眼睛进行图像检测	计算机视觉	NA	循环一致迁移神经网络	YOLOv8	图像	NA
955	2024-08-05	An attention-based bilateral feature fusion network for 3D point cloud 2024-Jun-01, The Review of scientific instruments DOI:10.1063/5.0189991 PMID:38832851	研究论文	本文提出了一种基于注意力的双边特征融合网络，用于处理3D点云数据	创新之处在于提出了一个双边特征融合模块和偏移向量注意力模块，以改善点云的局部和全局特征提取	本文未提及特定的计算复杂性或效能损耗分析	研究旨在解决点云处理中的几何与语义特征提取不平衡的问题	研究对象为3D点云数据	计算机视觉	NA	NA	注意力网络	点云	NA
956	2024-08-05	Advanced CKD detection through optimized metaheuristic modeling in healthcare informatics 2024-06-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63292-5 PMID:38824162	研究论文	本研究提出了一种新的分类模型，通过优化的元启发式方法提高慢性肾病的诊断效率	采用元启发式方法进行特征选择，提升慢性肾病检测的准确率	缺乏对比已有模型的详细实验细节和局限性的讨论	提高慢性肾病的检测准确性	医疗数据，特别是慢性肾病相关数据	医疗信息学	慢性肾病	元启发式方法	极限学习机	医疗数据	NA
957	2024-08-05	Automatic assessment of DWI-ASPECTS for acute ischemic stroke based on deep learning 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17101 PMID:38687043	研究论文	本研究提出了一种基于扩散加权成像(DWI)的自动ASPECTS评分模型，用于帮助临床医生进行准确的急性缺血性中风治疗计划	研究中提出了一种改进的深度学习网络，加上混合分类器，能够自动评估DWI-ASPECTS	本研究的局限性在于只包含82名中风患者的样本，可能影响结果的广泛适用性	本研究的目的是通过自动化ASPECTS得分来提高急性缺血性中风的临床诊断准确性	本研究对象为82名急性缺血性中风患者	计算机视觉	缺血性中风	深度学习	改进的U-net	医学影像	82名中风患者
958	2024-08-05	Deep learning-based target decomposition for markerless lung tumor tracking in radiotherapy 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17039 PMID:38507259	研究论文	本研究介绍了一种基于深度学习的无标记肺肿瘤追踪新方法。	创新点在于开发了一种利用条件生成对抗网络（cGAN）进行无标记关键幅像追踪的方案，从而增强肿瘤在实时kV投影影像中的可见性。	本研究的局限性在于仅使用了九个患者的数据集进行验证，样本量较小，可能影响结果的广泛适用性。	研究的目的是改善肺肿瘤在放射治疗中的实时追踪能力。	本研究的对象是肺肿瘤，以及通过深度学习模型生成的合成分解目标图像。	数字病理学	肺癌	条件生成对抗网络(cGAN)	Pix2Pix	图像	9个患者的数据集
959	2024-08-05	Deep learning based model predictive controller on a magnetic levitation ball system 2024-Jun, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2024.04.019 PMID:38644075	研究论文	提出了一种基于深度学习的模型预测控制器，用于磁悬浮球系统的实时控制	通过将LSTM网络与自回归结构结合来精确描述磁悬浮球系统的动态，并提出了一种改进的控制器以提高实时控制效率	研究主要集中于磁悬浮球系统，可能对其他系统的适用性有限	开发一种高效的控制方法以改进磁悬浮球系统的瞬态性能和控制效率	磁悬浮球系统作为一个单输入单输出的非线性系统	机器学习	NA	LSTM	LSTM-ARX	NA	NA
960	2024-08-05	PND-Net: Physics-Inspired Non-Local Dual-Domain Network for Metal Artifact Reduction 2024-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3354925 PMID:38236665	研究论文	本文提出了一种物理启发的非局部双域网络（PND-Net）来减少CT成像中的金属伪影	创新点在于设计了非局部正弦图分解网络（NSD-Net）和图像恢复网络（IR-Net），实现了金属伪影的加权分解和残留伪影的减少	NA	研究旨在提高CT成像中金属伪影的去除效果	主要研究对象为CT成像中的金属伪影	数字病理学	NA	Monte Carlo模拟	非局部双域网络	图像	进行模拟和临床数据的广泛实验