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
1001	2024-08-05	Radiographic Findings Associated With Mild Hip Dysplasia in 3869 Patients Using a Deep Learning Measurement Tool 2024-Aug, Arthroplasty today IF:1.5Q3 DOI:10.1016/j.artd.2024.101398 PMID:38993836	研究论文	本文开发了一种深度学习算法来测量和分类轻度髋关节发育不良的患者	创新点在于自动化测量与髋关节发育不良相关的多个角度，并应用于大规模患者群体的发病率分析	本研究没有提到患者的先前髋关节置换手术情况和其他潜在的混淆变量	本研究旨在使用深度学习算法测量与髋关节发育不良相关的角度并评估发病率	研究对象为3869名无先前髋关节置换手术的患者	计算机视觉	NA	深度学习(DL)	NA	影像	3869名患者
1002	2024-08-05	Unveiling the stochastic nature of human heteropolymer ferritin self-assembly mechanism 2024-Aug, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5104 PMID:38995055	研究论文	本文探讨了人类异聚体铁蛋白的自组装机制及其随机特性	揭示了异聚铁蛋白在自组装过程中具有独特的建筑特征和随机组装机制	对异铁蛋白组装机制的理解仍有限，需要进一步研究其功能和作用	理解异聚体铁蛋白的结构及其组装机制对细胞功能的影响	合成具有特定H与L亚基比例的铁蛋白异聚物	NA	NA	高分辨率冷冻电子显微镜分析和基于深度学习的氨基酸建模	NA	NA	NA
1003	2024-08-05	Floating on groundwater: Insight of multi-source remote sensing for Qaidam basin 2024-Aug, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121513 PMID:38909574	研究论文	本文从遥感角度探讨了柴达木盆地湖泊的补给源和地下水循环模式	提出了改进的遥感自适应优化网络 RSA-IOCRNet，并获得了优于其他七个网络的实验结果	本文未明确指出具体的实验条件和数据集限制	研究柴达木盆地湖泊的水源及其与地下水的关系	柴达木盆地的16个主要湖泊及其地下水循环	自然语言处理	NA	深度学习网络	OCRNet	多源遥感数据	包含柴达木盆地的16个主要湖泊
1004	2024-08-05	MRI Deep Learning-Based Automatic Segmentation of Interventricular Septum for Black-Blood Myocardial T2* Measurement in Thalassemia 2024-Aug, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29113 PMID:37941460	研究论文	本研究开发了一种基于深度学习的自动分割方法，用于测量地中海贫血患者的心肌T2*值	提出了一种修改过的注意力U-Net模型，用于黑血MR图像的室间隔自动分割	研究仅涉及依赖输血的地中海贫血患者，可能限制了结果的广泛适用性	本研究旨在提高地中海贫血患者心肌T2*值测量的自动化和可靠性	涉及146名接受心脏MR检查的依赖输血的地中海贫血患者	数字病理学	地中海贫血	黑血磁共振成像	修改版注意力U-Net	医学影像	146名患者的心脏MR检查数据
1005	2024-08-05	Accelerated Cine Cardiac MRI Using Deep Learning-Based Reconstruction: A Systematic Evaluation 2024-Aug, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29081 PMID:37855257	研究论文	本文系统评估了基于深度学习的重建技术在加速心脏MRI中的应用	提出了使用深度学习重建技术来缩短呼吸保持时间，同时保持影像质量和心室评价的准确性	研究仅限于具有正常心脏解剖和功能的胸凹患者，样本量较小	评估不同加速因子下的心脏MRI影像质量	胸凹患者，具有正常心脏解剖和功能	数字病理学	NA	压缩灵敏度编码（C-SENSE）	深度学习重建	影像	15名患者
1006	2024-08-05	Fetal MRI-Based Body and Adiposity Quantification for Small for Gestational Age Perinatal Risk Stratification 2024-Aug, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29141 PMID:37982367	研究论文	本文探讨了胎儿MRI对小于胎龄的胎儿的身体成分和脂肪量的量化，用以评估围产期风险	使用MRI量化胎儿的身体指标，有助于改善小于胎龄胎儿的风险分层	样本量较小，仅包含40个SGA胎儿	探讨胎儿体成分与围产期不良结果之间的关联	40个小于胎龄(SGA)的胎儿	数字病理学	NA	MRI	深度学习	图像	40名SGA胎儿
1007	2024-08-05	Prostate Age Gap: An MRI Surrogate Marker of Aging for Prostate Cancer Detection 2024-Aug, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29090 PMID:37855699	研究论文	本文开发了一种基于前列腺MRI的衰老生物标志物，并研究其与临床显著前列腺癌风险的关系	通过MRI建立前列腺年龄差（PAG）作为前列腺癌的潜在风险指标，展示了其对临床显著前列腺癌风险的预测能力	研究为回顾性，受限于样本的选择和模型的训练数据	研究前列腺MRI衰老生物标志物与临床显著前列腺癌风险的关系	468名接受活检的男性的MRI切片数据	数字病理	前列腺癌	MRI	深度学习 (DL)	图像	468名男性，7243个前列腺MRI切片
1008	2024-08-05	Deep Learning-Driven Transformation: A Novel Approach for Mitigating Batch Effects in Diffusion MRI Beyond Traditional Harmonization 2024-Aug, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29088 PMID:37877463	研究论文	该研究提出了一种深度学习策略，以缓解扩散磁共振成像中的批量效应，改善图像质量和可推广性	创新点在于结合对比度调整和超分辨率来提升扩散加权图像的质量	研究的样本数据仅来自单一个体，可能影响结果的广泛适用性	本研究旨在开发减少扩散加权图像多样性的深度学习模型	该深度学习模型利用一个开放数据集和1134名成人的数据进行训练与验证	数字病理	脑卒中和肿瘤	深度学习	ResNet-50	图像	1134名成年人（性别比例为54%女性，46%男性），包括1050名没有DWI异常的受试者和84名有病理条件的受试者
1009	2024-08-05	The Effect of Noise on Deep Learning for Classification of Pathological Voice 2024-Aug, The Laryngoscope DOI:10.1002/lary.31303 PMID:38280184	研究论文	本研究旨在评估背景噪声对机器学习模型在评估声音障碍的GRBAS量表中的重要性	探讨背景噪声对使用CNN模型分类病理声音的影响，并提出未来改进模型噪声耐受性的研究方向	研究仅使用单一数据集且缺乏比较对照，设计为非比较性	评估背景噪声在机器学习模型中的重要性	收集1406个声音样本以分析噪声对模型评价指标的影响	数字病理学	NA	卷积神经网络 (CNN)	1D卷积神经网络	声音数据	1406个声音样本
1010	2024-08-05	Development of an MRI-Based Comprehensive Model Fusing Clinical, Radiomics and Deep Learning Models for Preoperative Histological Stratification in Intracranial Solitary Fibrous Tumor 2024-Aug, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29098 PMID:37897302	研究论文	本文提出了一种基于MRI的CRDL模型，用于前期ISFT的组织学分层	创新点在于融合临床、放射组学和深度学习特征以改进ISFT的组学分层	本文未明确提及CRDL模型在不同人群中的适用性及其长远的临床效应	研究基于MRI的CRDL模型在ISFT前期组织学分层中的可行性	398名来自北京天坛医院的ISFT患者和49名来自兰州大学第二医院的ISFT患者	数字病理学	脑肿瘤	MRI	NA	影像数据	398名患者和49名患者
1011	2024-08-05	Development and clinical validation of a deep learning-based knee CT image segmentation method for robotic-assisted total knee arthroplasty 2024-Aug, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.2664 PMID:38994900	研究论文	本研究开发了一种名为DDA-Transformer的新型深度卷积神经网络，用于膝关节CT图像分割并在机器人辅助的全膝关节置换术中进行验证	引入了一种双路径双重注意力变换器DDA-Transformer，实现了膝关节CT图像的精准快速分割	NA	开发一种高效的膝关节CT图像分割方法并进行临床验证	膝关节CT图像的分割性能与速度评估	计算机视觉	NA	深度学习	DDA-Transformer	图像	六个与之比较的网络
1012	2024-08-05	Research progress on prediction of RNA-protein binding sites in the past five years 2024-Aug, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115535 PMID:38643894	综述	准确预测RNA-蛋白结合位点对于理解蛋白-RNA相互作用及其调控机制至关重要	综述了2018-2023年间使用传统机器学习和深度学习的计算方法的应用和创新	探讨了现有计算方法的局限性	为了深入理解RNA-蛋白结合位点的预测方法	总结常用的数据库和计算方法	计算生物学	NA	传统机器学习和深度学习	卷积神经网络和长短期记忆网络	NA	NA
1013	2024-08-05	A review of ADHD detection studies with machine learning methods using rsfMRI data 2024-Aug, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5138 PMID:38472163	综述	本文综述了基于静息状态功能磁共振成像(rsfMRI)数据和机器学习方法的ADHD检测研究	该研究首次专门调查了ADHD的检测，并详细比较了现有研究的性能优缺点	文章未提及具体数据的样本大小和类型	研究旨在评估rsfMRI数据与机器学习方法在ADHD检测中的应用	研究对象为ADHD相关的fMRI数据和机器学习检测方法	机器学习	注意力缺陷多动障碍	rsfMRI	机器学习	fMRI数据	NA
1014	2024-08-05	A review of self-supervised, generative, and few-shot deep learning methods for data-limited magnetic resonance imaging segmentation 2024-Aug, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5143 PMID:38523402	review	该文章回顾了用于数据有限的磁共振成像分割的自监督、生成和少样本深度学习方法	创新点在于总结了利用少量标注样本的最新算法，并探讨了自监督学习、生成模型、少样本学习和半监督学习的基本原理	本综述没有深入探讨所有最新算法的细节，只是提供了一个概述	本研究的目的是回顾在数据有限情况下进行的磁共振成像分割的先进算法	研究对象包括心脏、腹部和脑部的磁共振成像分割应用	数字病理	NA	NA	自监督学习、生成模型、少样本学习和半监督学习	MRI图像	NA
1015	2024-08-05	Radiomics model and deep learning model based on T1WI image for acute lymphoblastic leukemia identification 2024-Aug, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.04.017 PMID:38796378	研究论文	该研究旨在开发高精度的放射组学和深度学习模型，以准确检测急性淋巴细胞白血病（ALL）	提出了一种基于T1WI图像的放射组学和深度学习模型，并通过验证评估其诊断效率	两种模型在测试队列中的统计比较未显示显著差异	研究的目的是通过T1WI图像识别急性淋巴细胞白血病	样本包含604例来自ALL组和正常儿童组的脑磁共振数据	数字病理学	急性淋巴细胞白血病	MRI	支持向量机和Efficientnet-B3	图像	604个脑磁共振数据样本
1016	2024-08-05	DeepAlienorNet: A deep learning model to extract clinical features from colour fundus photography in age-related macular degeneration 2024-Aug, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.16660 PMID:38345159	研究论文	本研究旨在开发一个名为'DeepAlienorNet'的深度学习模型，以从彩色眼底摄影中自动提取年龄相关性黄斑变性(AMD)的临床特征	该模型具有高可解释性，能够生成突出相关图像区域的热图，减少了黑箱效应	没有明显的限制信息	研究旨在开发一个用于自动识别AMD临床特征的深度学习模型	研究对象为77岁及以上的法国个体，分析其眼底图像	数字病理学	年龄相关性黄斑变性	深度学习	多标签深度学习模型	图像	1178张图像
1017	2024-08-05	Imaging Analytics using Artificial Intelligence in Oncology: A Comprehensive Review 2024-Aug, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2023.09.013 PMID:37806795	综述	本文讨论了人工智能在肿瘤学影像分析中的多面角色，重点介绍了深度学习的应用。	讨论了人工智能在癌症管理中的新应用，包括自动生成放射学报告及与影像学相关的放射组学。	当前临床使用的有效深度学习模型仍处于初级阶段。	探讨人工智能及深度学习在癌症护理中的应用，促进研究，以实现临床转化。	对人工智能在癌症检测、诊断及治疗反应预测中的应用进行综合评述。	计算机视觉	肿瘤	深度学习	卷积神经网络	影像	NA
1018	2024-08-05	Segmentation and detection of crop pests using novel U-Net with hybrid deep learning mechanism 2024-Aug, Pest management science IF:3.8Q1 DOI:10.1002/ps.8083 PMID:38506377	研究论文	本研究提出了一种新的混合深度学习机制，用于作物害虫的分割和检测	通过将DenseNet-77与传统的U-Net模型混合，减少了U-Net模型的复杂性，并提出了新的卷积切片注意力门控递归单元模型进行害虫的检测	未提及具体的限制	旨在提高作物害虫检测的准确性	作物中的害虫	计算机视觉	NA	深度学习	混合的DenseNet-77 U-Net和卷积切片注意力门控递归单元模型	图像	NA
1019	2024-08-05	An effective segmentation and attention-based reptile residual capsule auto encoder for pest classification 2024-Aug, Pest management science IF:3.8Q1 DOI:10.1002/ps.8085 PMID:38507257	研究论文	本文提出了一种基于深度学习的方法，用于提高农作物害虫的检测和分类精度。	提出了新颖的注意力基于爬行动物残差胶囊自编码器（ARRCAE）技术，并结合改进的爬行动物搜索优化（IRSO）算法对分类参数进行优化调优。	由于抽象中未提及具体的局限性，因此此项信息为NA	提高农业害虫检测和分类的准确性，以改善作物生产力和质量。	主要研究对象为农业作物害虫。	数字病理学	NA	深度学习（DL），注意力基于U-Net方法	注意力基于爬行动物残差胶囊自编码器（ARRCAE）	图像	害虫数据集，具体样本数量在摘要中未明确说明，因此此项信息为NA
1020	2024-08-05	fMRI-based spatio-temporal parcellations of the human brain 2024-Aug-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001280 PMID:38804205	评论	本文章回顾了基于功能磁共振成像(fMRI)的人脑分区的当前方法和思想	采用机器学习技术，特别是深度学习，能够利用空间和时间信息进行更细致的人脑分区	目前尚无万能的脑分区解决方案，模型选择和下游分析影响最佳的分区策略	探讨基于fMRI的人脑分区方法及其在神经科学研究中的重要性	基于fMRI的数据和人脑的空间与时间动态	数字病理学	NA	fMRI	深度学习	数据	NA