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
761	2024-08-16	Explainable localization of premature ventricular contraction using deep learning-based semantic segmentation of 12-lead electrocardiogram 2024-Aug, Journal of arrhythmia IF:2.2Q2 DOI:10.1002/joa3.13096 PMID:39139876	研究论文	本文提出了一种基于深度学习语义分割的12导联心电图可解释性定位室性早搏起源的方法	该方法通过深度神经网络对12导联心电图进行语义分割，并结合基于规则的算法对心电图记录进行分类，提高了定位室性早搏起源的准确性和可解释性	尽管该方法在评估中表现优异，但仍有大量记录需要医生仔细评估	研究目的是预测室性早搏的起源，为导管消融治疗提供临床诊断支持	研究对象为频繁发生室性早搏的84名患者及其265份12导联心电图记录	机器学习	心血管疾病	深度学习	深度神经网络	心电图	265份12导联心电图记录
762	2024-08-15	Self-normalization for a 1 mm3resolution clinical PET system using deep learning 2024-Aug-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad69fb PMID:39084640	研究论文	首次提出基于条件生成对抗网络（cGANs）的正电子发射断层扫描（PET）图像端到端自归一化框架	开发了极化自注意力（PSA）Pix2Pix网络，并在几何因子校正输入图像上训练的2.5D PSA Pix2Pix显示出最佳性能	NA	提高PET图像质量和病变检测能力，无需单独的归一化扫描	评估不同方法在PET图像自归一化中的效果	计算机视觉	NA	条件生成对抗网络（cGANs）	Pix2Pix, 极化自注意力（PSA）Pix2Pix	图像	26,000对轴向图像切片用于训练和测试
763	2024-08-15	Hierarchical multi-level dynamic hyperparameter deformable image registration with convolutional neural network 2024-Aug-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad67a6 PMID:39053510	研究论文	提出了一种新的动态超参数块，包含分布式映射网络、动态卷积、注意力特征提取层和实例归一化层，以改进深度学习可变形图像配准（DLDIR）中的超参数调整过程	引入了动态超参数块和分层多级架构，以提高配准性能和减少训练时间	未提及具体限制	旨在通过动态超参数选择和改进的网络架构提高图像配准的速度和准确性	大脑和肺部图像配准	计算机视觉	NA	动态卷积	卷积神经网络（CNN）	图像	使用了OASIS和DIR-Lab数据集
764	2024-08-15	Wasserstein generative adversarial network with gradient penalty and convolutional neural network based motor imagery EEG classification 2024-Aug-14, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6cf5 PMID:39116892	研究论文	本文提出了一种新的数据增强方法和深度学习分类模型，以进一步提高运动想象脑电图（MI-EEG）的解码性能	提出了一种改进的带有梯度惩罚的Wasserstein生成对抗网络数据增强方法，有效扩展了用于模型训练的数据集，并设计了一个简洁高效的深度学习模型以进一步提高解码性能	NA	提高运动想象脑电图数据的解码性能	运动想象脑电图数据	机器学习	NA	连续小波变换	卷积神经网络（CNN）	时间-频率图	BCI竞赛IV 2a和2b数据集以及实际收集的数据集
765	2024-08-15	Automated diagnosis of adenoid hypertrophy with lateral cephalogram in children based on multi-scale local attention 2024-08-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69827-0 PMID:39127777	研究论文	本文提出了一种基于多尺度局部注意力的方法，用于自动诊断儿童的腺样体肥大	本研究设计了一种基于局部注意力的方法，通过融合腺样体的空间和通道信息，提高了诊断的准确性	NA	开发一种自动化的、标准化的方法来诊断腺样体肥大	儿童的腺样体肥大	计算机视觉	NA	深度学习	CNN	图像	三个医院的数据集
766	2024-08-15	UAV propeller fault diagnosis using deep learning of non-traditional χ2-selected Taguchi method-tested Lempel-Ziv complexity and Teager-Kaiser energy features 2024-Aug-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69462-9 PMID:39127843	研究论文	本研究探讨了使用非传统特征提取方法（如排列熵、Lempel-Ziv复杂度和Teager-Kaiser能量算子）进行无人机螺旋桨故障诊断的应用	本研究采用非传统特征提取方法，并通过χ²特征选择和Taguchi方法测试，提高了故障诊断的准确性	NA	提高无人机螺旋桨故障检测和隔离的准确性和效率	无人机螺旋桨的故障诊断	机器学习	NA	深度神经网络	深度神经网络	数据集	包含多种螺旋桨故障配置的PADRE数据集
767	2024-08-15	Advancing Automatic Gastritis Diagnosis: An Interpretable Multilabel Deep Learning Framework for the Simultaneous Assessment of Multiple Indicators 2024-08, The American journal of pathology DOI:10.1016/j.ajpath.2024.04.007 PMID:38762117	研究论文	本文开发了一种基于注意力的多实例多标签学习网络（AMMNet），用于同时诊断活动性、萎缩性和肠上皮化生等胃炎指标，并评估了其在实际应用中的性能。	AMMNet能够同时诊断多个胃炎指标，并提供可解释的标签，这在之前的深度学习模型中是缺失的。	NA	提高胃炎诊断的准确性和效率，并增强模型的可解释性。	胃炎的多个形态学指标，包括活动性、萎缩性和肠上皮化生。	机器学习	胃炎	多实例多标签学习	注意力网络	图像	1096名患者
768	2024-08-15	Deep learning reconstruction for coronary CT angiography in patients with origin anomaly, stent or bypass graft 2024-Aug, La Radiologia medica DOI:10.1007/s11547-024-01846-3 PMID:39023665	研究论文	开发并验证了一种深度学习模型，用于自动重建冠状动脉CT血管造影（CCTA），特别是在有起源异常、支架或旁路移植的患者中。	该深度学习模型能够准确自动重建CCTA，显著减少了后处理时间并改善了临床工作流程。	NA	开发和验证一种深度学习模型，用于自动重建冠状动脉CT血管造影。	冠状动脉CT血管造影（CCTA）在有起源异常、支架或旁路移植的患者中的自动重建。	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	训练集包含6063名患者，验证集包含1962名患者，外部测试集包含812名患者。
769	2024-08-15	Attention 3D U-NET for dose distribution prediction of high-dose-rate brachytherapy of cervical cancer: Direction modulated brachytherapy tandem applicator 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17238 PMID:38830129	研究论文	本文开发了一种基于注意力机制的3D U-NET模型，用于预测宫颈癌高剂量率近距离治疗中方向调制近距离治疗（DMBT）的剂量分布。	引入了注意力门控机制的3D U-NET模型，提高了剂量预测的准确性，并能在近实时应用中快速预测剂量分布。	NA	开发一种高效的深度学习模型，用于宫颈癌高剂量率近距离治疗的剂量预测。	宫颈癌患者的剂量分布预测。	计算机视觉	宫颈癌	深度学习	3D U-NET	图像	122例回顾性临床高剂量率近距离治疗计划
770	2024-08-15	Deep learning-based magnetic resonance imaging analysis for chronic cerebral hypoperfusion risk 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17237 PMID:38820428	研究论文	本文提出了一种基于深度学习的磁共振成像分析方法，用于提高慢性脑低灌注（CCH）的诊断准确性	提出了CCH-Network（CCHNet），一种结合卷积和Transformer模块的端到端深度学习模型，以及一种新颖的对抗训练方法，以提高特征知识捕获能力	NA	提高慢性脑低灌注（CCH）的诊断准确性	慢性脑低灌注（CCH）的诊断	机器学习	NA	磁共振成像（MRI）	CNN, Transformer	图像	训练和测试集共204例，验证集108例
771	2024-08-15	Liver fibrosis automatic diagnosis utilizing dense-fusion attention contrastive learning network 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17130 PMID:38753547	研究论文	本文提出了一种基于密集融合注意力对比学习网络的肝纤维化自动诊断方法	开发了一种自定义的多视角对比学习网络，用于自动分类多参数DWI图像并探索不同DWI参数之间的协同作用	在有限样本的数据集中识别有效的DWI参数并挖掘潜在特征仍是一个挑战	开发一种新的深度学习模型，用于自动识别和分类多参数DWI图像，以辅助肝纤维化的诊断	肝纤维化及其相关DWI参数	计算机视觉	肝病	扩散加权成像(DWI)	密集融合注意力对比学习网络(DACLN)	图像	使用了一组真实的临床数据进行模型评估
772	2024-08-15	Swin MoCo: Improving parotid gland MRI segmentation using contrastive learning 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17128 PMID:38749016	研究论文	本文提出了一种基于对比学习的Swin MoCo网络，用于改善腮腺MRI图像的分割效果	使用Swin Transformer作为骨干网络，并通过迁移学习初始化权重，提高了对小规模医学图像数据集的训练效果	NA	旨在通过对比学习方法改善腮腺肿瘤MRI图像的分割	腮腺及其肿瘤的MRI图像分割	计算机视觉	腮腺肿瘤	对比学习	Swin Transformer	图像	NA
773	2024-08-15	Deep learning enhancing guide RNA design for CRISPR/Cas12a-based diagnostics 2024-Aug, iMeta IF:23.7Q1 DOI:10.1002/imt2.214 PMID:39135699	研究论文	本文提出了一种基于深度学习的增强型crRNA设计系统EasyDesign，用于Cas12a介导的诊断	该系统采用优化的卷积神经网络（CNN）预测模型，训练于包含11,496个实验验证的Cas12a检测案例的综合数据集，实现了0.812的Spearman相关系数，并在未训练数据中的四种病原体上展示了优越的预测性能	NA	提高患者治疗效果和抗击传染病，通过改进CRISPR/Cas12a系统的crRNA设计	Cas12a-based检测系统的crRNA设计	机器学习	NA	CRISPR/Cas12a	CNN	实验数据	11,496个实验验证的Cas12a检测案例
774	2024-08-15	Two-stage adversarial learning based unsupervised domain adaptation for retinal OCT segmentation 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17012 PMID:38426594	研究论文	本文提出了一种基于两阶段对抗学习网络（TSANet）的无监督跨域光学相干断层扫描（OCT）图像分割方法	采用傅里叶变换减少图像风格差异，并通过对抗学习网络和伪标签精调段器，提高了跨域泛化能力	NA	解决OCT图像因设备或成像协议不同导致的域偏移问题	OCT图像的跨域分割	计算机视觉	NA	对抗学习	TSANet	图像	用于脉络膜分割的模型在源域训练400张图像，验证100张图像，目标域I训练1320张未标记图像，测试330张图像，目标域II训练400张未标记图像，测试200张图像；用于视网膜劈裂分割的模型在源域训练1284张图像，验证312张图像，目标域训练1024张未标记图像，测试200张图像
775	2024-08-15	Pan-cancer image segmentation based on feature pyramids and Mask R-CNN framework 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17014 PMID:38436455	研究论文	本文提出了一种基于特征金字塔和Mask R-CNN框架的泛癌图像分割方法	采用特征金字塔处理数据集以实现目标分割中的多尺度协作	在分割任务中，大对象和小对象之间的效率存在差异，且对个别尺寸对象的分割效果有限	提高癌症图像分割的平均精度指数	Pan-Cancer Histology Dataset for Nuclei Instance Segmentation and Classification (PanNuke)数据集中的约7500张病理图像	计算机视觉	NA	Mask R-CNN	CNN	图像	约7500张病理图像，包含19种不同类型的组织和五种分类的细胞
776	2024-08-15	Quantitative measurement of the ureter on three-dimensional magnetic resonance urography images using deep learning 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17025 PMID:38477634	研究论文	本文利用深度学习模型在三维磁共振尿路造影图像上对输尿管进行定量测量	开发了一种全面的自动化工具，用于在磁共振图像中精确分割和测量输尿管	NA	旨在通过深度学习模型对三维磁共振尿路造影图像上的输尿管进行定量测量	输尿管的直径测量	数字病理学	泌尿系统疾病	深度学习	3D V-Net	图像	445个三维磁共振尿路造影扫描（443名患者，52 ± 18岁；217名女性患者）用于训练和验证，50个扫描（50名患者，55 ± 21岁；30名女性患者）用于外部测试
777	2024-08-15	Hepatic and portal vein segmentation with dual-stream deep neural network 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17090 PMID:38648676	研究论文	本文提出了一种双流深度神经网络结构，用于在CT图像上自动分割肝静脉和门静脉	本文创新性地结合了卷积和Transformer块的双流编码器结构，以及基于扩张卷积的多尺度特征融合块和多级融合注意力模块，有效提取肝静脉和门静脉的解剖信息，避免邻近外周血管的误分类	NA	开发一种全自动且鲁棒的语义分割算法，用于肝静脉和门静脉的分割，以指导后续的术前规划	肝静脉和门静脉的自动分割	计算机视觉	NA	CT	CNN, Transformer	图像	两个数据集，每个数据集随机选择50个病例进行模型评估
778	2024-08-15	Fast SPECT/CT planar bone imaging enabled by deep learning enhancement 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17094 PMID:38652084	研究论文	本文提出了一种基于深度学习的方法，用于从快速扫描中生成高质量的全身体骨图像	引入了基于Residual-in-Residual Dense Block (RRDB)的内容-注意力图像恢复方法，有效恢复高质量图像并减少噪声	NA	加速全身体骨扫描并提高图像质量	全身体骨扫描图像	计算机视觉	NA	深度学习	Residual-in-Residual Dense Block (RRDB)	图像	76例
779	2024-08-14	Deep Learning with Pretrained Framework Unleashes the Power of Satellite-Based Global Fine-Mode Aerosol Retrieval 2024-Aug-13, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c02701 PMID:39096297	研究论文	提出一种预训练深度学习框架，用于从卫星数据中提取细模态气溶胶光学厚度（fAOD）信息，以提高气候研究的准确性	该框架能够从每个卫星像素中提取潜在信息，生成新的特征，提高无实地数据区域的检索精度，并减少了全球趋势的过高估计	NA	提高细模态气溶胶光学厚度（fAOD）的检索准确性，改善气候研究	细模态气溶胶光学厚度（fAOD）及其在全球气候变化中的作用	机器学习	NA	深度学习	深度学习框架	卫星数据	2001年至2020年的全球fAOD数据
780	2024-08-14	Rational Design of Deep Learning Networks Based on a Fusion Strategy for Improved Material Property Predictions 2024-Aug-13, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00187 PMID:39020520	研究论文	本文通过引入化学环境聚类向量（CECV）反馈方法，设计了一种融合长短期记忆网络和门控循环单元与深度卷积神经网络（L-G-DCNN）的深度学习模型，用于改进材料性质预测	开发了基于物理洞察的化学环境聚类向量（CECV）反馈方法，并设计了L-G-DCNN模型，该模型在28个基准数据集上超越了现有最先进的结构不可知模型	NA	改进材料科学中深度学习模型的设计，提高材料性质预测的准确性和效率	材料性质预测的深度学习模型设计	机器学习	NA	深度学习	L-G-DCNN	数据集	28个基准数据集