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
1121	2024-08-08	Artificial intelligence in musculoskeletal imaging: realistic clinical applications in the next decade 2024-Sep, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04684-6 PMID:38902420	综述	本文综述了深度学习在肌肉骨骼疾病检测中的应用，这些应用在未来十年内有潜力转化为常规临床实践	深度学习方法在骨折检测、儿童骨龄估计、骨测量计算及骨关节炎分级等方面显示出高诊断性能	深度学习方法在MRI上的肌肉骨骼疾病检测面临多任务、多类别检测的挑战，且由于不同扫描仪和脉冲序列导致的图像质量波动，其泛化能力受限	评估深度学习方法在肌肉骨骼疾病检测中的诊断性能，并探讨其在临床实践中的潜在益处	深度学习在肌肉骨骼疾病检测中的应用	计算机视觉	NA	深度学习	DL	图像	使用不同机构、不同成像参数和成像硬件获取的大量图像数据
1122	2024-08-08	Pure tone audiogram classification using deep learning techniques 2024-Sep, Clinical otolaryngology : official journal of ENT-UK ; official journal of Netherlands Society for Oto-Rhino-Laryngology & Cervico-Facial Surgery IF:1.7Q2 DOI:10.1111/coa.14170 PMID:38745553	研究论文	本研究开发了一个基于深度学习技术的纯音听力图分类框架	深度学习方法在所有任务中均优于其他方法，实现了高准确率、精确度、召回率和F1分数	NA	开发一个能够准确分类各种常见任务听力图的深度学习框架	纯音听力图的分类	机器学习	NA	深度学习	NA	图像	12518份听力图，来自6259名患者
1123	2024-08-08	Artificial intelligence enhances whole-slide interpretation of PD-L1 CPS in triple-negative breast cancer: A multi-institutional ring study 2024-Sep, Histopathology IF:3.9Q1 DOI:10.1111/his.15205 PMID:38747491	研究论文	本文提出了一种基于深度学习的方法，通过细胞分析和组织区域分析，结合全切片级别的融合，来提高三阴性乳腺癌中PD-L1 CPS的评估一致性和准确性	使用人工智能辅助诊断方法，显著提高了不同级别病理学家在PD-L1 CPS评估中的一致性和重复性	NA	建立一种客观有效且高度可重复的方法来评估三阴性乳腺癌中PD-L1 CPS	三阴性乳腺癌中的PD-L1 CPS	数字病理	乳腺癌	深度学习	深度学习模型	图像	21名来自四个机构的不同级别的病理学家参与评估
1124	2024-08-08	Modern acceleration in musculoskeletal MRI: applications, implications, and challenges 2024-Sep, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04634-2 PMID:38441617	研究论文	本文综述了现代加速技术在肌肉骨骼MRI中的应用、影响和挑战	引入了加速技术如并行成像、同时多切片采集和压缩感知，实现了高达八倍的扫描速度提升，同时保持图像质量和分辨率	实施快速成像协议会影响工作流程、间接成本和MRI技术人员及放射科医生的工作量，需要谨慎管理	探讨加速技术在肌肉骨骼MRI中的应用，以提高患者访问和舒适度，并促进可持续的成像实践	肌肉骨骼MRI的加速技术及其临床应用	医学成像	NA	MRI加速技术，包括并行成像、同时多切片采集和压缩感知	深度学习图像重建	图像	NA
1125	2024-08-07	DF-QSM: Data Fidelity based Hybrid Approach for Improved Quantitative Susceptibility Mapping of the Brain 2024-Sep, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5163 PMID:38649140	研究论文	本文提出了一种基于数据保真度的混合方法DF-QSM，用于改进脑部定量磁化率成像（QSM）	该方法通过两步重建过程，结合深度学习方法和测量局部场的一致性，提高了QSM重建的质量和泛化能力	现有的基于深度学习的QSM方法在训练数据分布上存在偏差，泛化能力有限	改进深度学习在脑部定量磁化率成像中的应用	脑部组织的磁化率	磁共振成像	NA	磁共振成像（MRI）	深度学习模型	图像	不同采集设置下的MRI体积，包括在受限数据设置下训练的深度学习模型
1126	2024-08-07	Comparison between R2'-based and R2*-based χ-separation methods: A clinical evaluation in individuals with multiple sclerosis 2024-Sep, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5167 PMID:38697612	研究论文	本研究评估了基于R2的两种磁化率分离方法（R2-χ-分离和χ-sepnet-R2*）与基于R2'的对应方法在多发性硬化症（MS）患者中的临床应用效果	最近提出的基于R2*的磁化率分离方法仅使用多回波梯度回波（ME-GRE）数据进行磁化率分离，无需额外获取R2图数据，减少了扫描时间并增强了临床实用性	缺少R2信息的影响仍需进一步探索	评估基于R2*的磁化率分离方法作为基于R2'方法的替代方案的可行性	多发性硬化症（MS）患者	计算机视觉	多发性硬化症	多回波梯度回波（ME-GRE）	深度学习模型	图像	未明确提及具体样本数量
1127	2024-08-07	Comparative assessment of established and deep learning-based segmentation methods for hippocampal volume estimation in brain magnetic resonance imaging analysis 2024-Sep, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5169 PMID:38712667	研究论文	本研究评估了两种公开可用的深度学习基础海马体分割方法SynthSeg和TigerBx的性能，并与两种传统技术FreeSurfer-Aseg和FSL-FIRST进行了对比	SynthSeg和TigerBx在分割准确性和可重复性方面与传统工具相当，但在处理速度上具有显著优势，能在不到1分钟内生成结果	NA	评估深度学习基础的海马体分割方法在脑部磁共振成像分析中的性能	海马体体积估计	计算机视觉	NA	磁共振成像(MRI)	深度学习	图像	1447例三维T1加权MRI扫描
1128	2024-08-07	GraphEGFR: Multi-task and transfer learning based on molecular graph attention mechanism and fingerprints improving inhibitor bioactivity prediction for EGFR family proteins on data scarcity 2024-Sep-05, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.27388 PMID:38713612	研究论文	本研究介绍了GraphEGFR，一个用于增强分子表示和模型架构的深度学习回归模型，以预测针对EGFR家族蛋白的抑制剂生物活性	创新点在于使用图注意力机制与深度卷积神经网络相结合，提升了小规模数据下的生物活性预测能力	深度学习在小数据集上的应用面临过拟合风险，这是本研究的局限之一	研究旨在解决与EGFR家族蛋白相关的癌症药物发现中的挑战	研究对象包括野生型和突变型EGFR家族蛋白的抑制剂	机器学习	肿瘤	深度学习	图神经网络	分子图	NA
1129	2024-08-07	Revolutionizing breast cancer Ki-67 diagnosis: ultrasound radiomics and fully connected neural networks (FCNN) combination method 2024-Sep, Breast cancer research and treatment IF:3.0Q2 DOI:10.1007/s10549-024-07375-x PMID:38853220	研究论文	本研究评估了超声肿瘤栖息地子区域的放射组学特征参数在乳腺癌Ki-67状态诊断中的价值	结合L1,2范数与全连接神经网络(FCNN)算法的使用，提供了一种新的诊断方法	目前的研究仅限于特定医院的数据，样本的多样性可能影响结果的推广性	研究乳腺癌患者中Ki-67状态的诊断价值	528例和232例来自两个不同医院的女性乳腺癌患者的超声图像	数字病理学	乳腺癌	深度学习	全连接神经网络(FCNN)	图像	528例和232例乳腺癌患者的超声图像
1130	2024-08-07	Reconstructing Cancellous Bone From Down-Sampled Optical-Resolution Photoacoustic Microscopy Images With Deep Learning 2024-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.05.027 PMID:38972792	研究论文	本研究提出一种深度学习模型以改善光学分辨率光声显微镜图像的质量	提出了Photoacoustic Dense Attention U-Net (PADA U-Net)模型，以打破成像速度与空间分辨率之间的权衡	研究中未提及样本的多样性和长期临床应用的验证	改善光学分辨率光声显微镜图像的质量而不牺牲时间分辨率	研究对象为光声显微镜图像以及牛的松质骨样本	数字病理学	骨病	光学分辨率光声显微镜 (OR-PAM)	PADA U-Net	图像	未明确提及具体样本量，但涉及牛的松质骨样本
1131	2024-08-07	A Semi-supervised Four-Chamber Echocardiographic Video Segmentation Algorithm Based on Multilevel Edge Perception and Calibration Fusion 2024-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.04.013 PMID:38834493	研究论文	提出了一种基于多级边缘感知和校准融合的深度学习模型，用于提高心脏超声视频的分割性能	提出了多级边缘感知模块和校准融合模块，以提高超声视频的分割精度	未提及具体的局限性	提高心脏超声视频的自动语义分割性能	心脏超声视频	数字病理学	心脏病	深度学习	半监督网络	视频	在两个公共心脏超声视频数据集上评估，以及一个地方医院的临床数据集
1132	2024-08-05	Clinical evaluation of deep learning and atlas-based auto-segmentation for organs at risk delineation 2024 Autumn, Medical dosimetry : official journal of the American Association of Medical Dosimetrists IF:1.1Q3 DOI:10.1016/j.meddos.2023.11.002 PMID:38061916	研究论文	本研究评估了基于深度学习的自动分割技术在癌症不同解剖部位勾画中的临床效果	深度学习自动分割算法在几何指数上比传统的基于地图的自动分割算法更为准确，并显著缩短了轮廓编辑时间	研究样本数量较小，仅涉及四种癌症类型	评估自动分割技术对放射治疗临床工作流的影响	研究对象为30名头颈、乳腺、腹部和前列腺癌患者	医学影像分割	癌症	深度学习自动分割	NA	图像	共120名患者，四种不同类型癌症各30名
1133	2024-08-04	Deep Learning k-Space-to-Image Reconstruction Facilitates High Spatial Resolution and Scan Time Reduction in Diffusion-Weighted Imaging Breast MRI 2024-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29139 PMID:37974498	研究论文	该研究探讨了基于深度学习的k空间到图像重建方法在乳腺DWI中的应用	提出了一种结合k空间到图像重建的方法，用于减少扫描时间和提高空间分辨率	该研究为回顾性研究，可能存在选择偏倚	研究乳腺扩散加权成像的扫描时间减少与空间分辨率改善	133名女性参与者进行了多参数乳腺MRI检查	数字病理学	乳腺癌	深度学习k空间到图像重建	深度学习模型	影像	133名女性
1134	2024-08-04	Deep-Learning-Based MRI Microbleeds Detection for Cerebral Small Vessel Disease on Quantitative Susceptibility Mapping 2024-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29198 PMID:38149750	研究论文	本文提出了一个深度学习管道，用于在定量敏感映射(QSM)中自动检测脑微出血(CMB)	该文章提出了一种两阶段的深度学习管道，成功应用于CMB检测，并超越了之前的手工方法	使用的数据仅来自对照组，未提及模型在其他实验条件下的表现	自动检测脑小血管病患者的脑微出血	393名脑小血管病患者中的1843个脑微出血案例	计算机视觉	脑小血管病	定量敏感映射(QSM)	V-Net	MRI图像	393名患者中的1843个脑微出血案例和78名受试者用于外部测试
1135	2024-08-04	RevGraphVAMP: A protein molecular simulation analysis model combining graph convolutional neural networks and physical constraints 2024-Sep, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.06.011 PMID:38972499	研究论文	提出了一种新型无监督模型RevGraphVAMP，用于智能分析分子动力学模拟轨迹	本研究集成了图卷积神经网络和物理约束优化，创新性地引入了注意力机制以评估关键交互区域的重要性	本研究可能在模型推广到其他类型的蛋白质时面临挑战	旨在提高对模拟轨迹数据的分析准确性和生物机制的可解释性	主要研究蛋白质的分子动力学模拟和相应的状态转变预测	数字病理学	自闭症谱系障碍	分子动力学模拟	图卷积神经网络	轨迹数据	应用于两个公共数据集和Shank3-Rap1复合物
1136	2024-08-04	DP-site: A dual deep learning-based method for protein-peptide interaction site prediction 2024-Sep, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.06.001 PMID:38871095	研究论文	该文章介绍了一种名为DP-Site的计算框架，用于预测蛋白质-肽相互作用位点	提出了一个双重深度学习管道，结合了卷积神经网络和长短期记忆网络，在蛋白质-肽相互作用的预测上优于以往的方法	未提及具体的限制因素	通过提出DP-Site方法来改进蛋白质-肽相互作用位点的预测	主要研究对象是蛋白质和其相互作用的肽	计算机视觉	NA	深度学习	卷积神经网络和长短期记忆网络	NA	通过十折交叉验证和独立测试集评估
1137	2024-08-07	Editorial for "Deep Learning k-Space-to-Image Reconstruction Facilitates High Spatial Resolution and Scan Time Reduction in Diffusion-Weighted Imaging Breast MRI" 2024-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29159 PMID:38009373	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1138	2024-08-04	Reinforced Labels: Multi-Agent Deep Reinforcement Learning for Point-Feature Label Placement 2024-Sep, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3313729 PMID:37695975	研究论文	本文介绍了将强化学习应用于标签放置，这是一项在数据可视化中寻求最佳标签位置的复杂任务	提出了一种新的点特征标签放置方法，利用多智能体深度强化学习来学习标签放置策略，这是首个基于机器学习的标签方法	计算时间增加使得该方法比人类专家设计的方法更慢	研究深度强化学习在数据可视化标签放置中的应用	标签放置策略的学习	机器学习	NA	强化学习（RL）	多智能体深度强化学习	文本注释	进行了一项用户研究来评估参与者的主观表现，具体样本数量未给出
1139	2024-08-04	Using dynamic spatio-temporal graph pooling network for identifying autism spectrum disorders in spontaneous functional infrared spectral sequence signals 2024-Sep, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110157 PMID:38705284	研究论文	本文研究动态空间时间图池化网络在自闭症谱系障碍的识别中的应用	提出了一种动态图构建方法，探讨了脑通道之间动态连接关系对自闭症分类的影响	没有提供数据的样本数量和类型	研究动态连接如何影响自闭症的分类	自闭症谱系障碍（ASD）与典型发育（TD）个体的fNIRS数据	机器学习	自闭症	功能性近红外光谱（fNIRS）	动态空间时间图池化神经网络（DSTGPN）	时间序列信号	NA
1140	2024-08-05	Brain-computer interfaces inspired spiking neural network model for depression stage identification 2024-Sep, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110203 PMID:38880343	研究论文	本研究提出了一种基于脑电图的尖峰神经网络模型，用于抑郁症阶段的识别	开发了一种灵感来源于脑机接口的学习模型，克服了传统深度学习方法中的计算量大和缺乏生理解释性的问题	仍然依赖脑电图作为数据源，可能存在数据采集及分析的局限性	提升抑郁症的诊断方法，减少传统方法的主观性与误诊风险	使用脑电图数据进行抑郁症患者与健康个体的分类识别	数字病理学	抑郁症	脑电图（EEG）	尖峰神经网络	脑电图数据	使用128通道电极收集数据，产生了90×90的脑图矩阵