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	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
1002	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
1003	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
1004	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
1005	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
1006	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
1007	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
1008	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
1009	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
1010	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
1011	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
1012	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
1013	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
1014	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
1015	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
1016	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
1017	2024-08-05	Source-Free Domain Adaptation With Domain Generalized Pretraining for Face Anti-Spoofing 2024-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3370721 PMID:38412088	研究论文	本文提出了一种新的无源域适应框架SDA-FAS，以解决面部反欺诈中的泛化问题	提出了第一个全栈隐私保护框架，系统性解决了无源设置下的源模型预训练、知识适应和目标数据探索问题	当前方法在无源数据的条件下可能受到域和身份偏差的限制	研究如何在无源域适应环境中提高面部反欺诈技术的泛化能力	面部反欺诈技术的深度学习模型	计算机视觉	NA	数据增强	NA	图像	十九个跨数据集场景
1018	2024-08-05	Residual network improves the prediction accuracy of genomic selection 2024-Aug, Animal genetics IF:1.8Q3 DOI:10.1111/age.13445 PMID:38746973	研究论文	本文探讨了残差网络在基因选择中的应用，并提高了预测精度	引入残差网络（ResNet）以解决模型深度增加导致的梯度衰退问题，从而提高基因选择的预测准确性	深度学习方法尚未完全超越传统基因选择方法，仍有待进一步验证和优化	提高复杂性状的基因选择预测准确性	对小麦和猪数据集进行基因选择的准确性比较	机器学习	NA	NA	残差网络（ResNet）	数据集（小麦、模拟和真实猪数据）	三个数据集（小麦、模拟和真实猪数据）
1019	2024-08-05	Inflammatory Knee Synovitis: Evaluation of an Accelerated FLAIR Sequence Compared With Standard Contrast-Enhanced Imaging 2024-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001065 PMID:38329824	研究文章	本研究评估了深度学习加速的FLAIR序列在膝关节炎症滑膜炎诊断中的价值和准确性	提出了深度学习加速的FLAIR序列，提供了与标准对比增强成像相当的诊断效果	本研究为回顾性研究，样本量较小	评估非对比FLAIR序列在膝关节炎症滑膜炎中的诊断准确性	膝关节伴有炎症滑膜炎的患者	数字病理学	NA	深度学习加速FLAIR序列	NA	图像	55名患者
1020	2024-08-05	Exploiting protein language models for the precise classification of ion channels and ion transporters 2024-Aug, Proteins IF:3.2Q2 DOI:10.1002/prot.26694 PMID:38656743	研究论文	本研究介绍了TooT-PLM-ionCT框架，用于精确分类离子通道和离子转运蛋白。	通过结合六个蛋白质语言模型和深度学习模型，提出了一种创新的方法以提升蛋白质分类的准确性，特别是在离子转运蛋白和膜蛋白的识别上，达到最先进的结果。	尽管进行了一些新数据集的引入以增强模型的强度和泛化能力，但仍需进一步的验证和评估。	研究旨在提升离子通道与离子转运蛋白的分类精度。	研究对象包括离子通道、离子转运蛋白和膜蛋白。	生物信息学	NA	蛋白质语言模型和深度学习	NA	数据集	验证了现有数据集，并引入新的数据集以增强模型评估，样本大小未具体提及