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
1141	2024-09-07	Leveraging the Capabilities of AI: Novice Neurology-Trained Operators Performing Cardiac POCUS in Patients with Acute Brain Injury 2024-Oct, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-024-01953-z PMID:38506968	研究论文	研究探讨了在急性脑损伤患者中，使用深度学习算法辅助的AI系统帮助新手神经科医生进行心脏POCUS检查的效果	首次使用深度学习算法辅助AI系统指导新手神经科医生进行心脏POCUS检查，以获取诊断质量的心脏图像	研究样本量较小，且仅限于学术三级NICU中的神经科医生	评估在急性脑损伤患者中，新手神经科医生使用深度学习算法辅助的AI系统进行心脏POCUS检查的图像质量和临床管理变化	急性脑损伤患者和新手神经科医生	机器学习	急性脑损伤	深度学习算法	深度学习	图像	153名患者，184次扫描，共943张图像
1142	2024-09-07	Rotation Equivariant Proximal Operator for Deep Unfolding Methods in Image Restoration 2024-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3383532 PMID:38557620	研究论文	本文提出了一种旋转等变近端网络，用于图像恢复任务中的深度展开方法	首次推导了任意层和任意旋转角度下近端网络的理论等变误差，并验证了其在不同视觉任务中的性能提升	当前的深度展开方法中的近端网络主要基于CNN架构，难以捕捉旋转对称性先验	解决现有深度展开方法在捕捉旋转对称性先验方面的不足，提升图像恢复任务的性能	图像恢复任务中的近端网络设计	计算机视觉	NA	深度展开方法	旋转等变近端网络	图像	NA
1143	2024-09-07	Prototype-Based Semantic Segmentation 2024-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3387116 PMID:38598386	研究论文	本文提出了一种基于非学习原型的非参数语义分割方法，通过优化像素嵌入空间与锚定原型之间的排列来实现像素级预测	本文的创新点在于提出了一种基于非学习原型的非参数语义分割方法，与传统的全参数方法不同，该方法使用训练像素的平均特征作为原型，避免了每个类别需要学习单个权重或查询向量的复杂性	本文未明确提及现有方法的具体局限性，而是通过提出新的非参数方法来解决潜在问题	本文的研究目的是改进现有的语义分割模型设计，提出一种新的非参数方法来提高分割性能	本文的研究对象是语义分割模型及其在标准数据集和大词汇量场景中的表现	计算机视觉	NA	NA	FCN, Transformer	图像	本文未明确提及具体的样本数量
1144	2024-09-07	XGrad: Boosting Gradient-Based Optimizers With Weight Prediction 2024-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3387399 PMID:38602857	研究论文	本文提出了一种名为XGrad的深度学习训练框架，通过在流行的基于梯度的优化器中引入权重预测来提升其收敛性和泛化能力	XGrad通过在每次小批量训练前预测未来权重，并应用于前向传播和反向传播，使得优化器在整个训练过程中始终利用未来权重的梯度来更新深度神经网络参数，从而实现更好的收敛性和泛化能力	NA	提升基于梯度的优化器在训练深度神经网络模型时的收敛性和泛化能力	深度神经网络模型的训练过程	机器学习	NA	权重预测	深度神经网络	NA	NA
1145	2024-09-06	A protein pre-trained model-based approach for the identification of the liquid-liquid phase separation (LLPS) proteins 2024-Oct, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.134146 PMID:39067723	研究论文	本文提出了一种基于蛋白质预训练模型的方法，用于识别液-液相分离（LLPS）蛋白质	本文使用基于transformer架构的ESM2-36预训练模型结合卷积神经网络，直接感知蛋白质序列的语义信息，提高了识别LLPS蛋白质的准确性	NA	开发一种高效、成本低廉的方法来识别LLPS蛋白质	液-液相分离（LLPS）蛋白质	机器学习	NA	NA	卷积神经网络（CNN）	蛋白质序列	1206个蛋白质序列，包括603个LLPS蛋白质和603个非LLPS蛋白质
1146	2024-09-06	The Application of Artificial Intelligence to Acoustic Data in Otolaryngology 2024-Oct, Otolaryngologic clinics of North America IF:1.3Q3 DOI:10.1016/j.otc.2024.06.011 PMID:39048506	综述	本文综述了人工智能，特别是深度学习，在耳鼻喉科，尤其是喉科和耳科中的应用	深度学习通过其建模复杂、噪声系统的强大能力，正在改变多个领域，并在许多任务中达到与人类相当的性能	本文主要讨论了深度学习在耳鼻喉科中的应用，但未深入探讨其他医学领域的应用	探讨深度学习在耳鼻喉科中的应用及其潜力	耳鼻喉科，特别是喉科和耳科	机器学习	NA	深度神经网络 (DNNs)	深度神经网络 (DNNs)	声学数据和其他临床数据	NA
1147	2024-09-06	A green and efficient approach for the simultaneous extraction and mechanisms of essential oil and lignin from Cinnamomum camphora: Process optimization based on deep learning 2024-Oct, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.134215 PMID:39074705	研究论文	研究了一种从樟树叶中同时提取精油和木质素的绿色高效方法，并利用深度学习工具优化了提取过程	采用深度共熔溶剂（DES）和深度学习工具实现了樟树叶中精油和木质素的同时提取，提取效率比传统水蒸气蒸馏提高了23%	NA	最大化生物质资源的利用和经济效益	樟树叶中的精油和木质素	NA	NA	深度共熔溶剂（DES）	深度学习	NA	NA
1148	2024-09-06	Computer Vision-Radiomics & Pathognomics 2024-Oct, Otolaryngologic clinics of North America IF:1.3Q3 DOI:10.1016/j.otc.2024.05.003 PMID:38910065	review	本文综述了计算机视觉在提取放射学（放射组学）和组织病理学（病理组学）特征中的应用	本文探讨了将多维数据输入整合以全面指导预后和临床管理的新方法	本文指出了当前研究中的空白，并呼吁未来工作填补这些空白	综述计算机视觉在头颈部癌症中的应用，并探讨未来研究方向	头颈部癌症的肿瘤特征、淋巴结特征及各种预后	computer vision	头颈部癌症	NA	NA	NA	NA
1149	2024-09-06	Artificial Intelligence in Laryngology, Broncho-Esophagology, and Sleep Surgery 2024-Oct, Otolaryngologic clinics of North America IF:1.3Q3 DOI:10.1016/j.otc.2024.04.002 PMID:38719714	综述	本文综述了人工智能在喉科学、支气管食管学和睡眠外科领域的最新创新	人工智能，特别是机器学习和深度学习，为处理和解释复杂数据提供了创新解决方案，使诊断和管理更加高效和有效	NA	探讨人工智能在喉科学、支气管食管学和睡眠外科领域的应用	喉科学、支气管食管学和睡眠外科领域的数据处理和诊断	机器学习	NA	机器学习、深度学习	NA	NA	NA
1150	2024-09-04	Performance and Clinical Impact of Radiomics and 3D-CNN Models for the Diagnosis of Neurodegenerative Parkinsonian Syndromes on 18 F-FDOPA PET 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005392 PMID:39104036	研究论文	本研究比较了半自动化放射组学模型和自动化3D卷积神经网络（3D-CNN）模型在18 F-FDOPA PET图像上诊断神经退行性帕金森综合征的性能和临床价值	开发的3D-CNN模型能够自动诊断神经退行性帕金森综合征，并在经验较少的医院中减少6%的诊断错误	NA	比较半自动化放射组学模型和自动化3D-CNN模型在诊断神经退行性帕金森综合征的性能和临床价值	687名运动症状符合帕金森综合征的患者	计算机视觉	神经退行性疾病	放射组学, 3D卷积神经网络	3D-CNN	图像	417名患者用于训练模型，100名患者用于内部测试，170名患者用于外部测试
1151	2024-09-04	Organomics: A Concept Reflecting the Importance of PET/CT Healthy Organ Radiomics in Non-Small Cell Lung Cancer Prognosis Prediction Using Machine Learning 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005400 PMID:39192505	研究论文	本研究探讨了在非小细胞肺癌预后预测中，使用机器学习算法从健康器官中提取的信息的关联性和附加价值。	本研究首次探索了从健康器官中提取的信息对非小细胞肺癌预后预测的附加价值，并展示了其在机器学习性能上的改进。	研究样本量相对较小，且依赖于公开数据库中的PET/CT图像。	探索健康器官的放射组学信息在非小细胞肺癌预后预测中的作用。	非小细胞肺癌患者的PET/CT图像及其健康器官的放射组学信息。	机器学习	肺癌	PET/CT	nnU-Net	图像	154名患者
1152	2024-09-04	Label-free spatiotemporal decoding of single-cell fate via acoustic driven 3D tomography 2024-Oct, Materials today. Bio DOI:10.1016/j.mtbio.2024.101201 PMID:39221213	研究论文	本文介绍了一种无标记、成本效益高且易于制造的非接触式声学诱导振动系统，用于实现细胞的多自由度旋转，并结合深度学习技术进行细胞的3D重建和形态分析	该方法通过声学诱导振动系统实现了细胞的全角度旋转控制，结合深度学习技术进行高精度的细胞识别和3D重建	NA	开发一种新的无标记3D成像技术，以揭示细胞功能和相互作用的复杂性	多种细胞类型及其在药物诱导凋亡中的特征	生物医学研究	NA	声学诱导振动系统	深度学习	图像	多种细胞类型
1153	2024-09-02	Smart technology for mosquito control: Recent developments, challenges, and future prospects 2024-Oct, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2024.107348 PMID:39098749	研究论文	本文探讨了智能技术结合数字传感器和深度学习网络在蚊子监控领域的最新进展、挑战和未来前景	介绍了使用计算机视觉技术和深度学习网络实时识别活体蚊子的新型智能陷阱，以及结合声学和光学传感器与机器学习技术自动分类蚊子的新方法	智能技术的实际工作效率需要在全球范围内进一步评估	研究智能技术在蚊子监控中的应用，以控制蚊媒疾病	主要研究对象为Aedes aegypti和Culex quinquefasciatus蚊子	计算机视觉	NA	计算机视觉技术、深度学习网络、YOLO V4深度神经网络算法	YOLO V4深度神经网络	图像	未具体说明
1154	2024-09-01	Analyzing variation of water inflow to inland lakes under climate change: Integrating deep learning and time series data mining 2024-Oct-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.119478 PMID:38917931	研究论文	本研究开发了一种新的FactorConvSTLnet（FCS）方法，通过整合STL分解、卷积神经网络（CNN）和因子分析，用于预测内陆湖泊的水流入趋势并揭示主要影响因素	FCS方法通过将趋势信息作为建模预测因子分离出来，提高了长期水流入趋势预测的鲁棒性，并能揭示主要驱动因素	NA	预测气候变化背景下内陆湖泊的水流入趋势并揭示主要影响因素	中亚的咸海和巴尔喀什湖	机器学习	NA	卷积神经网络（CNN）	FactorConvSTLnet（FCS）	时间序列数据	两个典型内陆湖泊（咸海和巴尔喀什湖）
1155	2024-09-01	Noninvasive and fast method of calculation for instantaneous wave-free ratio based on haemodynamics and deep learning 2024-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108355 PMID:39067137	研究论文	本文介绍了一种基于血流动力学和深度学习的非侵入式快速计算瞬时波自由比（iFR）的方法。	本研究通过结合冠状动脉微循环阻力补偿机制，建立了一个高保真的静息状态微循环阻力模型，以实现对iFRCT的准确计算。	目前的方法未能准确模拟冠状动脉的静息状态，导致计算精度较低，且使用计算流体动力学（CFD）技术限制了计算效率。	开发一种非侵入式且快速的计算方法，用于准确诊断心肌缺血。	冠状动脉疾病患者的205个狭窄血管，来自186名患者。	机器学习	心血管疾病	计算流体动力学（CFD）	神经网络模型	图像	205个狭窄血管，来自186名冠状动脉疾病患者
1156	2024-09-01	Generating synthetic computed tomography for radiotherapy: SynthRAD2023 challenge report 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103276 PMID:39068830	研究论文	本文介绍了SynthRAD2023挑战赛，旨在比较使用多中心真实数据生成合成CT（sCT）的方法，以促进MRI和CBCT在放射治疗中的应用	挑战赛展示了深度学习生成高质量sCT的能力，减少了对传统CT的依赖	图像相似性指标与剂量准确性之间没有显著相关性，强调了剂量评估在评估sCT临床应用中的重要性	比较和评估合成CT生成技术，以推动MRI和CBCT在放射治疗中的应用	合成CT生成技术在放射治疗中的应用	计算机视觉	NA	深度学习	NA	图像	1080名患者的多中心数据
1157	2024-09-01	DMSPS: Dynamically mixed soft pseudo-label supervision for scribble-supervised medical image segmentation 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103274 PMID:39043109	研究论文	本文提出了一种基于涂鸦监督的医学图像分割框架DMSPS，通过动态混合软伪标签监督提高分割性能	引入辅助解码器形成双分支网络，使用动态混合的软伪标签作为辅助监督，采用两阶段方法扩展稀疏涂鸦以增加标注像素	未提及	降低医学图像分割中大规模像素级密集标注的成本，同时保持较好的分割性能	医学图像分割	计算机视觉	NA	NA	双分支网络	图像	在ACDC、WORD和BraTS2020数据集上进行了实验
1158	2024-09-01	Multi-grained contrastive representation learning for label-efficient lesion segmentation and onset time classification of acute ischemic stroke 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103250 PMID:39096842	研究论文	本文提出了一种多粒度对比表示学习框架，用于提高急性缺血性卒中患者的病灶分割和发病时间分类的标签效率	利用未配对的无标签数据进行多粒度对比学习，以增强模型对病灶位置和语义关系的感知能力，并设计了多任务框架和多模态区域相关特征融合模块	需要进一步验证该框架在不同数据集和临床环境中的泛化能力	提高急性缺血性卒中患者的病灶分割和发病时间分类的准确性，支持组织型纤溶酶原激活剂（tPA）溶栓决策	急性缺血性卒中患者的磁共振成像数据	数字病理学	卒中	磁共振成像（MRI）	多粒度对比学习（MGCL）	图像	大规模多中心MRI数据集
1159	2024-09-01	MoCab: A framework for the deployment of machine learning models across health information systems 2024-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108336 PMID:39079482	研究论文	本文提出了一种名为Model Cabinet Architecture (MoCab)的框架，用于在不同的健康信息系统中部署机器学习模型，通过利用快速医疗互操作性资源(FHIR)作为数据存储和检索的标准，解决互操作性和电子健康记录(EHR)格式多样性的问题。	MoCab框架通过集成FHIR标准和使用SMART on FHIR开发应用程序，提高了机器学习模型在健康信息系统中的互操作性和实用性。	尽管MoCab框架展示了其潜力，但仍面临FHIR采纳等挑战。	旨在提高机器学习模型在健康信息系统中的互操作性和实用性。	研究对象包括机器学习模型在健康信息系统中的部署和互操作性问题。	机器学习	NA	FHIR, SMART on FHIR	评分模型(qCSI), 机器学习模型(NSTI), 深度学习模型(SPC)	电子健康记录(EHR)	使用模拟主要EHR系统的合成数据进行演示
1160	2024-09-01	Multi-degradation-adaptation network for fundus image enhancement with degradation representation learning 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103273 PMID:39029157	研究论文	本文提出了一种多退化自适应网络，用于视网膜图像增强，能够同时处理多种退化类型	引入了多退化自适应模块，动态生成针对不同类型退化的滤波器，并探索了退化表示学习	未提及	提高视网膜图像质量，以支持医学诊断和应用	视网膜图像及其退化问题	计算机视觉	NA	深度学习	CNN	图像	未提及