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
401	2024-11-02	Synthetic Low-Energy Monochromatic Image Generation in Single-Energy Computed Tomography System Using a Transformer-Based Deep Learning Model 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01111-z PMID:38637424	研究论文	本研究提出了一种基于Transformer深度学习模型SwinUNETR，从单能CT图像生成合成低能虚拟单色图像的方法	首次使用Transformer模型SwinUNETR从单能CT图像生成合成低能虚拟单色图像，提高了图像质量	仅在头部和颈部放射治疗患者数据上进行了验证，需要进一步验证其在其他部位和疾病中的适用性	探索从单能CT图像生成合成低能虚拟单色图像的方法，以提高图像质量和扩大受益人群	头部和颈部放射治疗患者的CT图像	计算机视觉	NA	NA	Transformer	图像	85名患者，其中70名用于模型构建，15名用于预测
402	2024-11-02	A Semi-Supervised Learning Framework for Classifying Colorectal Neoplasia Based on the NICE Classification 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01123-9 PMID:38653910	研究论文	本文提出了一种基于SimCLR的半监督学习框架，用于根据NICE分类对结直肠肿瘤进行分类	利用SimCLR模型在自监督学习阶段使用大量未标记数据进行预训练，然后在有限的标记数据上进行微调，显著提高了分类性能	尽管性能优于传统监督学习模型和初级内镜医师，但仍略逊于高级内镜医师	开发一种半监督学习框架，以提高在有限标记数据情况下的结直肠肿瘤分类性能	结直肠肿瘤的分类	计算机视觉	结直肠肿瘤	SimCLR	ResNet	图像	大量未标记数据和有限的标记数据
403	2024-11-02	Super-resolution Deep Learning Reconstruction Cervical Spine 1.5T MRI: Improved Interobserver Agreement in Evaluations of Neuroforaminal Stenosis Compared to Conventional Deep Learning Reconstruction 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01112-y PMID:38671337	研究论文	本研究探讨了超分辨率深度学习重建（SR-DLR）与传统深度学习重建（DLR）在1.5T颈椎MRI神经孔狭窄评估中的观察者间一致性	本研究首次比较了SR-DLR与DLR在神经孔狭窄评估中的观察者间一致性，并发现SR-DLR显著优于DLR	本研究为回顾性研究，样本量较小，且仅限于1.5T颈椎MRI	研究SR-DLR与DLR在神经孔狭窄评估中的观察者间一致性	39名接受1.5T颈椎MRI的患者	计算机视觉	NA	超分辨率深度学习重建（SR-DLR）	深度学习模型	图像	39名患者
404	2024-11-02	Development of a Secure Web-Based Medical Imaging Analysis Platform: The AWESOMME Project 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01110-0 PMID:38689149	研究论文	本文开发了一个安全的基于Web的医学影像分析平台，名为AWESOMME项目，旨在通过深度学习模型预测骨肉瘤患者的治疗反应	该平台涵盖了医学影像处理的各个步骤，包括可视化、分割、特征提取和辅助诊断，并支持机器学习模型的测试和使用	NA	开发一个易于访问且安全的Web平台，用于医学影像分析和机器学习模型的应用	骨肉瘤患者的医学影像数据	计算机视觉	骨肉瘤	深度学习	深度学习模型	图像	NA
405	2024-11-02	Letter to the Editor Regarding Article "Prior to Initiation of Chemotherapy, Can We Predict Breast Tumor Response? Deep Learning Convolutional Neural Networks Approach Using a Breast MRI Tumor Dataset" 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01129-3 PMID:38689150	comments	对一篇使用深度学习卷积神经网络预测乳腺癌化疗反应的文章提出质疑	NA	怀疑训练和测试数据集之间存在无意中的数据泄露	质疑前述文章中报告的结果是否因数据泄露所致	乳腺癌化疗反应预测	machine learning	breast cancer	convolutional neural network	CNN	MRI	NA
406	2024-11-02	Automatic Skeleton Segmentation in CT Images Based on U-Net 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01127-5 PMID:38689152	研究论文	本文提出了一种基于U-Net架构的神经网络模型，用于从二维计算机断层扫描（CT）切片中自动分割骨骼	本文的创新点在于使用U-Net架构进行骨骼分割，并取得了较高的Jaccard指数（IoU）和Dice指数	本文的局限性在于仅使用了77张CT图像进行训练和测试，样本量较小	本文的研究目的是开发一种自动化的骨骼分割方法，以辅助临床评估骨骼结构的形态变化	本文的研究对象是CT图像中的骨骼结构	计算机视觉	NA	NA	U-Net	图像	77张CT图像
407	2024-11-02	Robust Ensemble of Two Different Multimodal Approaches to Segment 3D Ischemic Stroke Segmentation Using Brain Tumor Representation Among Multiple Center Datasets 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01099-6 PMID:38693333	研究论文	本文提出了一种结合两种多模态方法的集成模型，用于在多中心数据集上进行3D缺血性脑卒中分割	利用脑肿瘤数据进行迁移学习，并结合不同训练方案的多模态MR图像，显著提高了分割性能	NA	提高在多中心数据集上进行缺血性脑卒中分割的准确性和鲁棒性	缺血性脑卒中病灶的分割	计算机视觉	脑卒中	扩散加权成像（DWI）和表观扩散系数（ADC）MR成像	nnU-Net	图像	846个扫描数据
408	2024-10-30	Artificial intelligence-based power market price prediction in smart renewable energy systems: Combining prophet and transformer models 2024-Oct-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38227 PMID:39469701	研究论文	本文开发了一种结合Prophet和Transformer模型的混合时间序列预测模型，用于电力市场价格预测	引入Stacking优化策略，结合传统时间序列方法和深度学习模型，提高了电力市场价格预测的准确性和稳定性	未提及具体限制	开发一种新的电力市场价格预测方法，支持智能可再生能源系统的可靠和灵活运行	电力市场价格预测	机器学习	NA	深度学习	Transformer	时间序列数据	四个电力市场数据集
409	2024-10-30	Vehicular Mini-LED backlight display inspection based on residual global context mechanism 2024-Oct-29, Frontiers of optoelectronics IF:4.1Q2 DOI:10.1007/s12200-024-00140-4 PMID:39467917	研究论文	本文提出了一种基于残差全局上下文机制的车辆Mini-LED背光显示检测方法	本文提出了高分辨率网络（Hrnet）与混合扩张卷积和密集上采样卷积（MDC-DUC）模块以及残差全局上下文注意力（RGCA）模块结合的新模型，显著提高了Mini-LED背光显示的质量检测精度	NA	提高车辆Mini-LED背光显示的质量检测精度	车辆Mini-LED背光显示的质量检测	计算机视觉	NA	深度学习	高分辨率网络（Hrnet）	图像	NA
410	2024-10-30	Tracer-Separator: A Deep Learning Model for Brain PET Dual-Tracer (18F-FDG and Amyloid) Separation 2024-Oct-29, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005511 PMID:39468375	研究论文	本研究开发了一种基于深度学习的模型，用于分离脑部PET双示踪剂（18F-FDG和淀粉样蛋白）图像	本研究首次采用无卷积的transformer架构SwinUNETR，实现了从模拟双示踪剂成像的加和扫描中合成真实的FDG和FBP/FMM图像	NA	本研究旨在通过先进的成像技术简化诊断过程，提高患者治疗效果	研究对象包括120名从认知正常到轻度认知障碍、痴呆和其他精神障碍的患者	计算机视觉	NA	PET成像	SwinUNETR	图像	120名患者
411	2024-10-30	Enhancing Diagnostic Accuracy of Fresh Vertebral Compression Fractures with Deep Learning Models 2024-Oct-29, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005156 PMID:39468863	研究论文	本研究旨在开发和验证基于X光图像的深度学习模型，以准确诊断新鲜的胸腰椎椎体压缩性骨折	使用深度学习模型结合X光图像进行诊断，作为MRI的替代方案	研究为回顾性研究，且样本量相对较小	开发和验证用于诊断新鲜椎体压缩性骨折的深度学习模型	胸腰椎椎体压缩性骨折的X光图像	计算机视觉	脊柱疾病	深度学习	EfficientNet, MobileNet, MnasNet	图像	3025张侧位X光图像，来自2224名患者
412	2024-10-30	DNA breathing integration with deep learning foundational model advances genome-wide binding prediction of human transcription factors 2024-Oct-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae783 PMID:39271116	研究论文	本文开发了一种多模态深度学习模型EPBDxDNABERT-2，用于预测人类转录因子与DNA的结合	本文创新性地将DNA呼吸特征与DNABERT-2基础模型结合，显著提高了转录因子结合预测的准确性	NA	确定转录因子结合与DNA呼吸之间的精确关系	人类转录因子与DNA的结合	机器学习	NA	ChIP-Seq	深度学习模型	基因组数据	690个ChIP-seq实验结果，涵盖161种不同的转录因子和91种人类细胞类型
413	2024-10-30	A deep learning-based method enables the automatic and accurate assembly of chromosome-level genomes 2024-Oct-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae789 PMID:39287126	研究论文	本文介绍了一种基于深度学习的方法AutoHiC，用于自动和准确地组装染色体级别的基因组	AutoHiC利用Hi-C数据进行自动化工作流程和迭代错误校正，显著提高了基因组组装的连续性和准确性	NA	解决染色体级别基因组组装中的错误校正和序列锚定问题	染色体级别基因组组装	基因组学	NA	Hi-C技术	深度学习	基因组数据	300多种物种的数据
414	2024-10-30	Comparison of image quality and lesion conspicuity between conventional and deep learning reconstruction in gadoxetic acid-enhanced liver MRI 2024-Oct-28, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01825-2 PMID:39466542	研究论文	比较常规重建与深度学习重建在钆塞酸增强肝脏MRI中的图像质量和病变显著性	深度学习重建在钆塞酸增强肝脏MRI中提供了比常规重建更高的图像质量和动脉期病变显著性	深度学习重建在门静脉期和肝胆期与常规重建相比，病变显著性无显著差异	比较常规重建与深度学习重建在钆塞酸增强肝脏MRI中的图像质量和病变显著性	钆塞酸增强肝脏MRI图像	计算机视觉	肝病	MRI	深度学习	图像	50名参与者
415	2024-10-30	A Nuclei-Focused Strategy for Automated Histopathology Grading of Renal Cell Carcinoma 2024-Oct-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3487004 PMID:39466875	研究论文	本文提出了一种基于核特征的肾细胞癌自动病理分级新框架	引入了一种新的框架NuAP-RCC，利用核级特征进行增强的补丁级肾细胞癌分级	NA	提高肾细胞癌病理分级的准确性和可重复性	肾细胞癌的核分级	数字病理学	肾细胞癌	图神经网络	卷积神经网络	图像	涉及来自不同医疗机构的数据集
416	2024-10-30	Adversarial robustness improvement for X-ray bone segmentation using synthetic data created from computed tomography scans 2024-10-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73363-2 PMID:39468116	研究论文	本文提出了一种利用从计算机断层扫描（CT）扫描生成的合成数据来改进X射线骨分割对抗鲁棒性的方法	本文的创新点在于使用从3D光子计数CT体积正投影生成的合成X射线图像和标注掩码来创建现实且非最佳定位的X射线图像，以补充训练数据，从而提高模型的鲁棒性	本文未详细讨论合成数据生成过程中可能引入的误差或偏差，以及这些因素对模型性能的潜在影响	本文的研究目的是通过使用合成数据来解决深度学习在医学图像分析中面临的数据稀缺和对抗数据敏感性问题，从而提高模型的鲁棒性	本文的研究对象是X射线骨分割模型的对抗鲁棒性	计算机视觉	NA	深度学习	TotalSegmentator	图像	本文未明确提及具体样本数量，但提到了使用真实数据和合成数据进行训练
417	2024-10-30	A deep learning approach to optimize remaining useful life prediction for Li-ion batteries 2024-Oct-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77427-1 PMID:39468251	研究论文	本文提出了一种基于深度学习的锂离子电池剩余使用寿命预测方法	利用深度学习技术，特别是结合自编码器和长短期记忆网络（LSTM）层，提高了锂离子电池剩余使用寿命预测的准确性和效率	NA	提高锂离子电池在消费电子和电动汽车等应用中的性能和安全性	锂离子电池的剩余使用寿命	机器学习	NA	深度学习	LSTM	电池操作特征数据	22种电流变化，涉及3个锂离子电池
418	2024-10-30	Deep learning based local feature classification to automatically identify single molecule fluorescence events 2024-Oct-28, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07122-4 PMID:39468368	研究论文	本文介绍了一种基于深度学习的局部特征分类方法DEBRIS，用于自动识别单分子荧光事件	DEBRIS模型能够自动识别稳态荧光信号和动态出现的不同模式信号，并能高效准确地识别单色和双色单分子事件的起点和终点	NA	开发一种自动化的方法来分类单分子荧光事件，减少人工分析的劳动强度和用户偏差	单分子荧光事件的分类和识别	机器学习	NA	深度学习	深度学习模型	单分子荧光数据	数千或更多的单分子轨迹
419	2024-10-30	Accelerated hazard prediction based on age time-scale for women diagnosed with breast cancer using a deep learning method 2024-Oct-28, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02725-7 PMID:39468511	研究论文	本文研究了使用深度学习方法预测乳腺癌患者基于年龄类别的加速风险率	本文提出了基于年龄类别的加速风险率预测模型，并使用深度学习方法进行实现	本文仅针对乳腺癌患者进行了研究，且样本量有限	研究如何使用深度学习方法预测乳腺癌患者的加速风险率	乳腺癌患者	机器学习	乳腺癌	深度学习	深度学习模型	临床数据	1225名女性乳腺癌患者
420	2024-10-30	Identification of drug use degree by integrating multi-modal features with dual-input deep learning method 2024-Oct-28, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2417206 PMID:39468790	研究论文	本文提出了一种双输入双模态融合算法，通过脑电图（EEG）和近红外光谱（NIRS）研究药物使用程度	本文创新性地使用双输入多模态TiCBnet提取双模态信号的深度编码特征，并通过不同方法融合和筛选特征，最终进行分类	本文未提及具体的局限性	研究药物使用程度的客观定量评估	药物使用程度	机器学习	NA	脑电图（EEG），近红外光谱（NIRS）	双输入多模态TiCBnet	脑电图（EEG），近红外光谱（NIRS）	NA