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	2024-11-04	Multi-level physics informed deep learning for solving partial differential equations in computational structural mechanics 2024-Nov-01, Communications engineering DOI:10.1038/s44172-024-00303-3 PMID:39487342	研究论文	本文开发了一种多层次物理信息神经网络框架，用于解决计算结构力学中的偏微分方程	通过结合多个神经网络，每个网络仅涉及一阶或二阶偏微分方程，代表不同的物理信息，从而提高了计算精度和时间	NA	开发一种新的神经网络框架，以提高解决结构力学问题中偏微分方程的精度和计算效率	结构力学中的偏微分方程	机器学习	NA	物理信息神经网络	神经网络	NA	NA
1002	2024-11-04	High spatiotemporal resolution estimation and analysis of global surface CO concentrations using a deep learning model 2024-Nov-01, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.123096 PMID:39488180	研究论文	本研究利用深度学习模型对全球表面CO浓度进行高时空分辨率估计和分析	开发了一种基于卷积神经网络（CNN）的高性能残差网络（ResNet）模型，用于估计全球CO浓度，并结合全球TROPOMI总柱大气CO（TCCO）产品和再分析数据集，实现了高精度的估计	NA	阐明全球CO污染与健康风险的关系，以及自然事件如野火的影响	全球表面CO浓度	机器学习	NA	卷积神经网络（CNN）	残差网络（ResNet）	数据集	从2018年6月至2021年5月的每日全球CO浓度数据，空间分辨率为0.07°
1003	2024-11-02	Multimodal Deep Learning-based Radiomics Approach for Predicting Surgical Outcomes in Patients with Cervical Ossification of the Posterior Longitudinal Ligament 2024-Nov-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005088 PMID:38975742	研究论文	本研究开发了一种基于多模态深度学习的放射组学方法，用于预测颈椎后纵韧带骨化症患者的手术结果	本研究首次将深度学习和机器学习技术应用于预测颈椎后纵韧带骨化症患者的手术结果	本研究为回顾性分析，样本量有限，且仅限于特定类型的患者	开发一种预测颈椎后纵韧带骨化症患者手术结果的模型	颈椎后纵韧带骨化症患者	机器学习	颈椎病	深度学习	LightGBM 和 RadImagenet	影像数据（X光、CT、MRI）	288名患者
1004	2024-11-02	Combining graph deep learning and London dispersion interatomic potentials: A case study on pnictogen chalcohalides 2024-Nov-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0237101 PMID:39484895	研究论文	本文研究了将图深度学习与伦敦色散原子间势结合用于描述层状氮化物硫化物的方法	本文创新性地将图深度学习势与半经验色散模型结合，以解决现有模型中长程色散相互作用缺失的问题	尽管结合模型在描述层状化合物方面有所改进，但并非普遍适用，且未进行详细的参数微调	研究如何通过结合图深度学习与色散模型来改进原子间势模型，以更准确地描述层状化合物的物理性质	层状氮化物硫化物 BiTeBr 和 BiTeI，以及一系列具有不同化学计量比的 V-VI-VII 化合物	机器学习	NA	图神经网络	图深度学习模型	晶体结构	包括 BiTeBr 和 BiTeI 在内的多种 V-VI-VII 化合物
1005	2024-11-02	Deep learning-based detection of lumbar spinal canal stenosis using convolutional neural networks 2024-Nov, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2024.06.009 PMID:38909909	研究论文	本文开发了一种基于卷积神经网络的算法，用于从普通放射影像中检测腰椎管狭窄症	利用卷积神经网络进行腰椎管狭窄症的自动检测，使得没有MRI设备的医疗机构或非专科医生也能进行诊断	研究样本仅来自单一机构，且外部验证样本较少	开发一种算法，用于从普通放射影像中诊断是否存在需要手术的腰椎管狭窄症	腰椎管狭窄症患者	计算机视觉	脊柱疾病	卷积神经网络	CNN	图像	150名接受手术的患者，以及25名在其他医院接受手术的患者
1006	2024-11-02	Improved vascular depiction and image quality through deep learning reconstruction of CT hepatic arteriography during transcatheter arterial chemoembolization 2024-Nov, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01614-3 PMID:38888853	研究论文	评估深度学习重建（DLR）对经导管动脉化疗栓塞（TACE）期间计算机断层扫描肝动脉造影（CTHA）图像的血管描绘、肿瘤强化和图像质量的影响	深度学习重建显著提高了小肝动脉的信噪比（SNR）、肿瘤的对比噪声比（CNR）和供血动脉的可视化	文章未提及具体的局限性	评估深度学习重建对CTHA图像质量的影响	CTHA图像的血管描绘、肿瘤强化和图像质量	计算机视觉	NA	深度学习重建	NA	图像	27名患者（18名男性和9名女性，平均年龄75.7岁）
1007	2024-11-02	Forecasting the incidence frequencies of schizophrenia using deep learning 2024-Nov, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2024.104205 PMID:39243662	研究论文	本研究开发了一种基于长短期记忆（LSTM）循环神经网络模型，用于预测台湾住院患者的思觉失调症发病率	本研究首次将LSTM模型应用于思觉失调症发病率的预测，并展示了其在多种模型中的最佳预测性能	研究数据仅限于台湾的住院患者，可能限制了模型的普适性	旨在开发和验证一种高效准确的模型，用于预测思觉失调症的发病率，以支持精神健康策略的制定	台湾住院患者的思觉失调症发病率	机器学习	精神疾病	长短期记忆（LSTM）循环神经网络	LSTM	文本	1998年至2015年间，年龄超过20岁且被诊断为思觉失调症的个体数据
1008	2024-11-02	DentAge: Deep learning for automated age prediction using panoramic dental X-ray images 2024-Nov, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.15629 PMID:39294554	研究论文	本研究开发并验证了一种基于全景牙科X光图像的自动化年龄预测深度学习模型DentAge	DentAge在不同年龄组和牙科条件下表现出色，展示了其在实际场景中的潜在应用价值	模型在预测高龄组（90-100岁）时误差较大，主要受假体修复、牙齿缺失和骨质吸收等因素影响	开发和验证一种基于全景牙科X光图像的自动化年龄预测模型	全景牙科X光图像	计算机视觉	NA	深度学习	深度学习模型	图像	21,007张全景牙科X光图像，年龄范围为4至97岁
1009	2024-11-02	GraphPI: Efficient Protein Inference with Graph Neural Networks 2024-Nov-01, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00845 PMID:39396189	研究论文	本文介绍了一种名为GraphPI的新框架，利用图神经网络进行蛋白质推断	将蛋白质推断问题视为节点分类问题，并利用图神经网络架构来解析蛋白质之间的相互关系	NA	解决蛋白质推断中数据标签稀缺的问题，并提高计算效率	蛋白质推断	机器学习	NA	图神经网络	图神经网络	蛋白质数据集	未明确说明具体样本数量
1010	2024-11-02	Diagnostic evaluation of blunt chest trauma by imaging-based application of artificial intelligence 2024-Nov, The American journal of emergency medicine DOI:10.1016/j.ajem.2024.08.019 PMID:39213808	综述	本文综述了人工智能在钝性胸部创伤诊断中的应用及其面临的挑战	本文探讨了人工智能在钝性胸部创伤诊断中的潜在应用，并指出了当前研究的局限性	当前深度学习研究主要集中在特定的临床情境，限制了其在解决钝性胸部创伤复杂性方面的实用性	优化人工智能在钝性胸部创伤诊断评估中的作用，以提高患者护理和临床结果	钝性胸部创伤的诊断和评估	计算机视觉	胸部创伤	深度学习	NA	影像	NA
1011	2024-10-30	Pre-operative lung ablation prediction using deep learning 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10767-8 PMID:38775950	研究论文	本文介绍了一种基于深度学习的模型，用于预测微波肺消融术后的消融区域，以辅助治疗计划并提高治疗效果	本文提出了一种新颖的可变形图像配准方法和以消融器为中心的坐标系统，用于分析数据，并基于U-net架构构建了预测模型	本文的研究是回顾性的，样本量相对较小，且仅限于单一供应商的消融器	开发一种能够准确预测微波肺消融术后消融区域的深度学习模型，以改善治疗计划并减少肿瘤复发	微波肺消融术后的消融区域	计算机视觉	肺癌	可变形图像配准	U-net	图像	113次消融，来自72名患者
1012	2024-10-30	Prospective and multi-reader evaluation of deep learning reconstruction-based accelerated rectal MRI: image quality, diagnostic performance, and reading time 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10882-6 PMID:39017934	研究论文	评估基于深度学习重建（DLR）的加速直肠磁共振成像（MRI）与标准MRI的图像质量、诊断性能和阅读时间	DLR技术在直肠MRI中显著减少了采集时间，并提高了图像质量和初级放射科医生的T分期准确性	研究仅在一个中心进行，样本量有限，且仅包括接受治愈性手术的患者	评估基于深度学习重建的加速直肠MRI与标准MRI的性能差异	直肠腺癌患者	医学影像	直肠癌	深度学习重建（DLR）	NA	图像	117名患者，其中60名接受治愈性手术
1013	2024-10-30	Standalone deep learning versus experts for diagnosis lung cancer on chest computed tomography: a systematic review 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10804-6 PMID:38777902	综述	比较独立深度学习算法与人类专家在胸部CT扫描中诊断肺癌的诊断性能	深度学习算法在肺癌检测中的敏感性和特异性优于人类专家	深度学习算法在不同成像模式和任务中的表现存在差异，需要进一步优化	比较深度学习算法与专家在肺癌检测中的诊断性能	成人肺癌患者和胸部CT扫描	计算机视觉	肺癌	深度学习	NA	图像	20项研究
1014	2024-09-06	On-Device Deep Learning to Detect Carotid Stenosis With Smartphones: Development and Validation 2024-Nov, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.124.048410 PMID:39234680	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1015	2024-10-30	A deep learning-based approach for unbiased kinematic analysis in CNS injury 2024-Nov, Experimental neurology IF:4.6Q1 DOI:10.1016/j.expneurol.2024.114944 PMID:39242068	研究论文	本文介绍了一种基于深度学习的方法，用于在中枢神经系统损伤中进行无偏差的运动学分析	开发了两种基于深度学习算法的无标记运动学分析范式，MotorBox和MotoRater，用于替代传统的BMS测试，消除了评估中的主观偏差和变异性	NA	提高脊髓损伤后功能评估的准确性、敏感性和可重复性	脊髓损伤后的运动功能评估	计算机视觉	脊髓损伤	深度学习	NA	视频	NA
1016	2024-10-30	A wavelet subband based LSTM model for 12-lead ECG synthesis from reduced lead set 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00412-0 PMID:39465099	研究论文	本文提出了一种基于小波子带和长短期记忆网络（LSTM）的模型，用于从减少的导联集中合成12导联心电图	本文利用小波域中的增强导联间相关性，结合LSTM网络捕捉心电信号的时空信息，提出了一种新的深度学习架构	NA	研究目的是从减少的导联集中合成12导联心电图，以满足患者舒适度、简化复杂性和实现远程监控	研究对象是心电图信号及其导联间和导联内的相关性	机器学习	NA	小波变换	LSTM	心电图信号	NA
1017	2024-10-30	A review of deep learning-based reconstruction methods for accelerated MRI using spatiotemporal and multi-contrast redundancies 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00425-9 PMID:39465106	综述	本文综述了基于深度学习的加速MRI重建方法，利用时空和多对比度冗余信息	本文介绍了利用多线圈冗余、多对比度冗余和时空冗余信息结合深度学习方法，实现更高加速和细节保留的重建性能	本文讨论了当前方法的挑战和局限性，并提出了未来发展的潜在方向	综述基于深度学习的加速MRI重建方法及其利用冗余信息的优势	加速MRI重建方法及其在图像重建中的应用	计算机视觉	NA	MRI	深度学习	图像	NA
1018	2024-10-30	CT synthesis with deep learning for MR-only radiotherapy planning: a review 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00430-y PMID:39465111	综述	本文综述了使用深度学习模型进行MR到CT合成的多种方法	本文通过比较不同模型并分析应用于该任务的通用方法，评估了这些模型的潜力和改进当前方法的途径	NA	提升MR-only放疗计划中合成CT的准确性并应用于实践	MR到CT合成的深度学习模型	计算机视觉	NA	深度学习	卷积神经网络、生成对抗网络、Transformer模型、扩散模型	图像	NA
1019	2024-10-30	Integrated deep learning approach for generating cross-polarized images and analyzing skin melanin and hemoglobin distributions 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00409-9 PMID:39465115	研究论文	本文提出了一种集成深度学习方法，用于生成交叉偏振图像并分析皮肤中黑色素和血红蛋白的分布	本文的创新点在于提出了一种无需真实标签的集成方法，通过生成对抗网络生成交叉偏振图像，并使用理论重建的地面真值训练皮肤分析模块	本文的局限性在于依赖于理论重建的地面真值，可能与实际测量结果存在差异	研究目的是开发一种无需额外光学仪器或大量地面真值准备的皮肤色素分析方法	研究对象是皮肤中的黑色素和血红蛋白分布	计算机视觉	NA	生成对抗网络	CycleGAN, pix2pix, pix2pixHD, 回归分析网络	图像	使用VISIA VAESTRO临床系统进行评估
1020	2024-10-30	Diagnostic performance of deep learning for infectious keratitis: a systematic review and meta-analysis 2024-Nov, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102887 PMID:39469534	meta-analysis	本文系统综述和荟萃分析了深度学习在感染性角膜炎诊断中的表现	首次系统评估了深度学习模型在感染性角膜炎诊断中的准确性，并与眼科医生的诊断准确性进行了比较	研究存在图像分析未考虑个体间潜在相关性、研究人群相对同质、深度学习阈值未预先设定以及外部验证有限等问题	评估深度学习在感染性角膜炎诊断中的准确性及其与眼科医生的比较	感染性角膜炎的诊断	machine learning	眼科疾病	深度学习	NA	图像	136,401张角膜图像，来自超过56,011名患者