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
301	2024-10-20	Forecasting carbon dioxide emissions in Chongming: a novel hybrid forecasting model coupling gray correlation analysis and deep learning method 2024-Sep-17, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13092-1 PMID:39287717	研究论文	本文介绍了一种新的混合预测模型，用于预测上海崇明的二氧化碳排放量	结合灰色关联分析和深度学习方法，提出了一种创新的混合预测模型，能够准确预测二氧化碳排放量	NA	预测区域二氧化碳排放量，为实现全球碳中和提供支持	上海崇明的二氧化碳排放量	机器学习	NA	灰色关联分析、深度学习	双通道池化卷积神经网络（DCNN）、门控循环单元（GRU）网络	数据	2000年至2022年的数据
302	2024-10-20	The Role of Deep Learning and Gait Analysis in Parkinson's Disease: A Systematic Review 2024-Sep-13, Sensors (Basel, Switzerland) DOI:10.3390/s24185957 PMID:39338702	综述	本文系统回顾了深度学习和步态分析在帕金森病中的应用	探讨了深度学习技术在帕金森病诊断和监测中的新兴应用	仅涵盖了2018年至2023年间发表的25篇文章，可能未全面反映该领域的最新进展	评估深度学习技术在帕金森病步态分析中的应用潜力	帕金森病患者及其步态数据	机器学习	神经退行性疾病	深度学习	卷积神经网络和姿态估计网络	信号和视频	25篇相关研究文章
303	2024-10-20	Efficacy of compressed sensing and deep learning reconstruction for adult female pelvic MRI at 1.5 T 2024-Sep-10, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00506-5 PMID:39254920	研究论文	研究压缩感知和深度学习重建在1.5T女性盆腔MRI中的效果	首次比较了压缩感知结合深度学习重建与传统并行成像在女性盆腔MRI中的图像质量和检查时间	样本量较小，仅包括52名女性患者	评估压缩感知和深度学习重建在1.5T女性盆腔MRI中提高图像质量和缩短检查时间的能力	52名患有各种盆腔疾病的女性患者	计算机视觉	NA	压缩感知和深度学习重建	NA	图像	52名女性患者
304	2024-10-20	Enhancing voxel-based dosimetry accuracy with an unsupervised deep learning approach for hybrid medical image registration 2024-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.17129 PMID:38772037	研究论文	本文介绍了一种用于混合医学图像变形的无监督深度学习网络CoRX-NET，以提高基于体素的剂量测定精度	提出了一种基于Swin-transformer的无监督深度学习网络CoRX-NET，用于混合医学图像的变形配准，并引入了交叉缝合层以增强SPECT和CT特征的融合	NA	开发一种新的无监督深度学习网络，以提高混合医学图像配准的准确性，从而改进基于体素的剂量测定	177Lu DOTATATE SPECT/CT数据集	计算机视觉	NA	深度学习	Swin-transformer	图像	36组SPECT/CT数据集，其中22组用于训练/内部验证，14组用于外部验证
305	2024-10-20	Dear-PSM: A deep learning-based peptide search engine enables full database search for proteomics 2024-Sep, Smart medicine DOI:10.1002/SMMD.20240014 PMID:39420951	研究论文	提出了一种基于深度学习的肽段搜索引擎Dear-PSM，支持全数据库搜索	Dear-PSM不限制肽段质量误差，匹配每个光谱到数据库中的所有肽段，并将每个肽段的变异修饰数量从传统的3-20增加，利用倒排索引技术和深度学习算法进行肽段验证，实现了速度和内存消耗的显著提升	NA	解决肽段光谱匹配中的时间限制和解释能力问题	肽段光谱匹配和蛋白质组学数据	蛋白质组学	NA	深度学习	NA	质谱数据	不同物种和仪器的复杂质谱数据
306	2024-10-20	Computer-aided diagnosis of cystic lung diseases using CT scans and deep learning 2024-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.17252 PMID:39422997	研究论文	本文提出了一种基于深度学习的计算机辅助诊断方法，用于自动分割CT扫描图像中的肺实质并准确诊断囊性肺疾病	本文提出了一种两阶段的深度学习方法，能够实现肺实质的分割和囊性肺疾病的分类，相较于之前的单一囊性肺疾病诊断任务，本文方法能够在早期实现多种囊性肺疾病的诊断	NA	实现计算机辅助诊断囊性肺疾病	囊性肺疾病（CLDs）的自动诊断	计算机视觉	肺部疾病	深度学习	U-Net模型、MPIRMNet模型	CT扫描图像	543名患者，共4718张CT切片图像用于验证分割方法，16290张CT切片图像用于验证分类方法
307	2024-10-19	Correction: "Selective ensemble methods for deep learning segmentation of major vessels in invasive coronary angiography" DOI: https://doi.org/10.1002/mp.16554 2024-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.17332 PMID:39423010	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
308	2024-10-19	Strong Diagnostic Performance of Single Energy 256-row Multidetector Computed Tomography with Deep Learning Image Reconstruction in the Assessment of Myocardial Fibrosis 2024-Sep-15, Internal medicine (Tokyo, Japan) DOI:10.2169/internalmedicine.2615-23 PMID:38346744	研究论文	研究了使用深度学习图像重建的256排多探测器计算机断层扫描在评估心肌纤维化中的诊断性能	首次探讨了使用低管电压单能量扫描和深度学习图像重建的256排多探测器CT在检测心肌异常晚期增强和测量心肌细胞外体积中的应用	研究样本量较小，仅包括50名患者	评估新型256排多探测器CT结合深度学习图像重建在检测心肌异常晚期增强和测量心肌细胞外体积中的诊断准确性	心肌纤维化和心肌细胞外体积	计算机视觉	心血管疾病	深度学习图像重建	深度学习模型	图像	50名疑似心肌病的患者
309	2024-10-19	Deep learning-based low-dose CT simulator for non-linear reconstruction methods 2024-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.17232 PMID:38843540	研究论文	本文提出了一种基于深度学习的图像域方法，用于从临床剂量CT图像生成低剂量CT图像，适用于非线性重建方法	本文的创新点在于提出了一种基于深度学习的图像域方法，能够在没有投影数据或重建方法访问权限的情况下生成低剂量CT图像	本文的局限性在于仅使用了脑部CT扫描数据进行验证，未来可能需要扩展到其他类型的CT扫描	开发一种基于深度学习的图像域方法，用于生成适用于非线性重建方法的低剂量CT图像	临床剂量CT图像和低剂量CT图像	计算机视觉	NA	卷积神经网络（CNN）	U-net	图像	326对脑部CT扫描图像，分为训练集（251对）、验证集（25对）和测试集（50对）
310	2024-10-19	Managing spatio-temporal heterogeneity of susceptibles by embedding it into an homogeneous model: A mechanistic and deep learning study 2024-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012497 PMID:39348420	研究论文	本研究提出了一种新的建模框架，通过引入连续招募过程将易感者的时空异质性整合到同质模型中，并使用神经网络近似招募率来开发通用微分方程（UDE）模型	本研究的创新点在于将易感者的时空异质性整合到同质模型中，并通过神经网络近似招募率来开发UDE模型，同时预设特定的招募率形式并开发机械模型	本研究的局限性在于仅使用了上海COVID Omicron变种爆发的数据进行模型训练和校准，可能限制了模型的普适性	本研究旨在通过整合易感者的时空异质性来提高传染病预测的准确性，并为控制传染病提供决策支持	本研究的主要研究对象是易感者的时空异质性及其对传染病传播的影响	机器学习	NA	神经网络	UDE模型	数据	本研究使用了上海COVID Omicron变种爆发的数据进行模型训练和校准
311	2024-10-19	Deep learning architecture for scatter estimation in cone-beam computed tomography head imaging with varying field-of-measurement settings 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.053501 PMID:39416361	研究论文	本文研究了在不同测量场大小设置下，利用深度学习架构估计锥束计算机断层扫描头部成像中的散射	本文提出了一种利用测量场大小信息来提高散射估计性能的方法，并通过实验验证了其有效性	本文仅探讨了测量场大小对散射估计的影响，未来可以进一步研究其他变量如管电压、扫描几何和患者大小	评估深度学习网络在不同测量场大小下的散射估计性能，并开发利用测量场大小信息提高性能的方法	锥束计算机断层扫描图像中的散射估计	计算机视觉	NA	深度学习	U-Net, Spline-Net, DSE-Net	图像	训练集包含18种测量场大小，测试集包含30种未见过的测量场大小，以及水和临床CBCT扫描数据
312	2024-10-18	Leveraging artificial intelligence in vaccine development: A narrative review 2024-09, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2024.106998 PMID:39019262	综述	本文综述了人工智能在疫苗开发中的应用，重点关注抗原选择、表位预测、佐剂识别和优化策略	人工智能算法利用基因组数据、蛋白质结构和免疫系统相互作用来预测抗原表位、评估免疫原性并优先进行实验	数据异质性、模型可解释性和监管考虑是实现人工智能在疫苗开发中全部潜力的挑战	探讨人工智能在疫苗开发中的作用，加速安全有效疫苗的交付	疫苗开发中的抗原选择、表位预测、佐剂识别和优化策略	机器学习	NA	机器学习和深度学习	NA	基因组数据、蛋白质结构	NA
313	2024-10-17	DOCTer: a novel EEG-based diagnosis framework for disorders of consciousness 2024-09-24, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad7904 PMID:39255823	研究论文	提出了一种基于EEG的新型诊断框架DOCTer，用于区分意识障碍患者中的最小意识状态和无反应觉醒综合征	DOCTer框架通过提取时间-频率特征和微状态，结合临床特征，实现了端到端的意识障碍诊断	NA	通过EEG信号区分最小意识状态和无反应觉醒综合征	意识障碍患者	机器学习	NA	EEG	深度学习	EEG信号	409个静息状态EEG记录，包括128个无反应觉醒综合征和187个最小意识状态病例
314	2024-10-17	Integrating spatial and temporal features for enhanced artifact removal in multi-channel EEG recordings 2024-09-19, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad788d PMID:39250956	研究论文	本文提出了一种新的去噪网络STFNet，通过整合空间和时间特征来增强多通道EEG记录中的伪影去除效果	本文创新性地利用自注意力机制显式建模EEG通道间的关系，以提升去噪性能	NA	提升多通道EEG记录中的伪影去除效果	多通道EEG信号中的伪影	机器学习	NA	自注意力机制	STFNet	EEG信号	公开基准数据集
315	2024-10-17	PD-ARnet: a deep learning approach for Parkinson's disease diagnosis from resting-state fMRI 2024-09-18, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad788b PMID:39250928	研究论文	提出了一种基于深度学习的帕金森病诊断方法PD-ARnet，利用静息态fMRI数据进行自动诊断	开发了一种双分支3D特征提取器和相关驱动加权模块，以捕捉低频振幅和区域同质性的互补信息，并通过注意力增强融合模块有效融合特征	NA	开发一种自动化的帕金森病诊断方法，减少诊断过程中的主观性，提高诊断效率和一致性	帕金森病	机器学习	神经退行性疾病	静息态功能磁共振成像（rs-fMRI）	深度学习模型	图像	145个样本
316	2024-10-16	Clinical Significance of Pose Estimation Methods Compared with Radiographic Parameters in Adolescent Patients with Idiopathic Scoliosis 2024-Sep-27, Spine surgery and related research IF:1.2Q3 DOI:10.22603/ssrr.2023-0269 PMID:39399450	研究论文	本文研究了姿势估计方法在青少年特发性脊柱侧弯患者中的临床意义，并与放射学参数进行了比较	首次探讨了姿势估计在临床摄影中的应用潜力，并建立了青少年特发性脊柱侧弯患者的摄影参数	研究样本量较小，仅涉及42名患者，且未探讨姿势估计方法在不同设备上的适用性	探讨姿势估计方法在青少年特发性脊柱侧弯患者中的临床应用，并评估其与放射学参数的相关性	青少年特发性脊柱侧弯患者及其脊柱矫正手术和保守治疗	计算机视觉	脊柱侧弯	姿势估计	NA	图像	42名青少年特发性脊柱侧弯患者
317	2024-10-16	Generative Modeling of Molecular Dynamics Trajectories 2024-Sep-26, ArXiv PMID:39398217	研究论文	本文介绍了通过生成建模分子动力学轨迹来学习灵活的多任务代理模型的方法	本文提出了生成建模分子轨迹的新范式，能够适应多种任务，如正向模拟、过渡路径采样和轨迹上采样，并展示了动态条件下的分子设计的第一步	NA	开发基于深度学习的分子动力学代理模型，以降低计算成本并扩展其应用范围	分子动力学轨迹	机器学习	NA	分子动力学	生成模型	轨迹数据	四肽模拟数据集
318	2024-10-16	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-based Tool 2024-Sep-23, ArXiv PMID:39398198	研究论文	开发并验证了一种基于深度学习的计算病理工具Deep-BCR-Auto，用于准确预测乳腺癌复发风险	提出了一种基于深度学习的计算病理方法Deep-BCR-Auto，显著优于现有的弱监督模型	NA	优化乳腺癌患者的治疗计划，提高复发风险评估的准确性	乳腺癌患者的复发风险	数字病理	乳腺癌	深度学习	深度学习模型	图像	两个独立数据集：TCGA-BRCA数据集和OSU数据集
319	2024-10-16	Characterization of arteriosclerosis based on computer-aided measurements of intra-arterial thickness 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.057501 PMID:39398866	研究论文	本文开发了一种基于计算机视觉的方法，用于量化数字病理图像中肾活检样本的动脉内厚度，作为动脉硬化的计算生物标志物	本文首次提出了一种多类深度学习框架，用于分割动脉内不同腔室，并通过径向采样测量动脉内中膜和内膜厚度	本文的研究对象仅限于肾活检样本，且样本量相对较小	开发一种计算机视觉方法，用于量化数字病理图像中的动脉内厚度，作为动脉硬化的计算生物标志物	肾活检样本中的动脉内厚度	数字病理学	心血管疾病	深度学习	多类深度学习框架	图像	753条动脉，来自33张三色染色全切片图像
320	2024-10-15	Comprehensive Characterization of Tissue Mineralization in an Ex Vivo Model 2024-Sep-27, Journal of visualized experiments : JoVE DOI:10.3791/67235 PMID:39400183	研究论文	本文提出了一种全面评估新骨形成的工作流程，使用相关的大型动物骨体外移植模型	本文创新性地结合了多种分析方法，包括微CT、深度学习图像分析、纳米压痕、组织学检查、背散射扫描电子显微镜和拉曼光谱，以全面评估新形成的骨组织	本文的局限性在于其研究对象仅限于羊的股骨头移植模型，可能无法完全代表所有骨再生情况	本文旨在通过多模态分析方法，全面评估新形成的骨组织，并标准化这些协议以促进研究间的比较和提高研究结果的有效性和可靠性	本文的研究对象是羊的股骨头移植模型中新形成的骨组织	数字病理学	NA	微CT、深度学习、纳米压痕、组织学检查、背散射扫描电子显微镜、拉曼光谱	深度学习	图像	1个羊的股骨头移植模型