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
1021	2024-11-07	Advanced Camera-Based Scoliosis Screening via Deep Learning Detection and Fusion of Trunk, Limb, and Skeleton Features 2024-Nov-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3491855 PMID:39499599	研究论文	本文介绍了一种基于深度学习的脊柱侧弯筛查方法，利用单目RGB相机进行非侵入性筛查	提出了一种新的非侵入性脊柱侧弯筛查方法，结合了参数化人体3D重建和多尺度融合注意力模块，提高了特征提取的准确性	NA	开发一种非侵入性、隐私保护的脊柱侧弯筛查方法，提高筛查的准确性和效率	脊柱侧弯筛查	计算机视觉	NA	深度学习	Swin Transformer	图像	NA
1022	2024-11-07	Unbiased and reproducible liver MRI-PDFF estimation using a scan protocol-informed deep learning method 2024-Nov-05, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11164-x PMID:39500799	研究论文	本文提出了一种基于深度学习的扫描协议信息方法，用于无偏和可重复的肝脏MRI-PDFF估计	本文提出的VET-Net方法能够处理不同MR扫描仪和采集回波时间（TE）的变异性，提供无偏和精确的PDFF估计	本文未提及具体的局限性	研究目的是开发一种精确且对不同MR扫描仪和采集回波时间（TE）具有鲁棒性的深度学习方法，用于从化学位移编码（CSE）MR图像中估计质子密度脂肪分数（PDFF）	研究对象包括肝脏CSE-MRI数据集和多站点、多供应商的脂肪-水体模数据集	计算机视觉	NA	深度学习	神经网络	图像	188名受试者，4146张轴向切片
1023	2024-11-07	Editorial for "Development of a Dual-Plane MRI-Based Deep Learning Model to Assess the 1-Year Postoperative Outcomes in Lumbar Disc Herniation After Tubular Microdiscectomy" 2024-Nov-05, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29637 PMID:39501638	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1024	2024-11-07	Development of a Dual-Plane MRI-Based Deep Learning Model to Assess the 1-Year Postoperative Outcomes in Lumbar Disc Herniation After Tubular Microdiscectomy 2024-Nov-05, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29639 PMID:39501646	研究论文	本文开发了一种基于双平面MRI的深度学习模型，用于评估腰椎间盘突出症患者在管状微创椎间盘切除术后1年的术后效果	本文首次将双平面MRI与深度学习结合，用于评估腰椎间盘突出症患者在管状微创椎间盘切除术后1年的术后效果	本文的研究是回顾性的，且样本量相对较小	评估结合术前双平面MRI深度学习特征与临床特征是否能评估腰椎间盘突出症患者在管状微创椎间盘切除术后1年的效果	腰椎间盘突出症患者在管状微创椎间盘切除术后1年的术后效果	计算机视觉	腰椎间盘突出症	MRI	ResNet50, ResNet101, ResNet152	图像	548名接受管状微创椎间盘切除术的患者
1025	2024-11-07	Bidirectional dynamic frame prediction network for total-body [68Ga]Ga-PSMA-11 and [68Ga]Ga-FAPI-04 PET images 2024-Nov-04, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00698-0 PMID:39489859	研究论文	本文提出了一种双向动态帧预测网络，用于减少全身PET成像的扫描时间	本文的创新点在于提出了一种基于深度学习技术的双向动态帧预测网络，用于减少全身PET成像的扫描时间，从而提高患者舒适度和图像质量	本文的局限性在于仅在特定的PET成像数据上进行了验证，未来需要在更多类型的数据上进行验证	本文的研究目的是通过深度学习技术减少全身PET成像的扫描时间，提高成像效率和患者舒适度	本文的研究对象是全身动态PET成像数据，特别是[68Ga]Ga-PSMA-11和[68Ga]Ga-FAPI-04 PET图像	计算机视觉	NA	深度学习技术	双向动态帧预测网络	图像	13名接受[68Ga]Ga-FAPI-04的患者和24名接受[68Ga]Ga-PSMA-11的患者
1026	2024-11-07	CellCircLoc: Deep Neural Network for Predicting and Explaining Cell Line-Specific CircRNA Subcellular Localization 2024-Nov-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3491732 PMID:39495689	研究论文	提出了一种名为CellCircLoc的深度学习模型，用于预测和解释特定细胞系中circRNA的亚细胞定位	开发了针对不同细胞系的特定模型，以准确预测circRNA的亚细胞定位，并结合了卷积神经网络、Transformer块和双向长短期记忆网络来捕捉序列特征	NA	开发一种能够准确预测不同细胞系中circRNA亚细胞定位的计算模型	circRNA的亚细胞定位	机器学习	NA	深度学习	卷积神经网络、Transformer块、双向长短期记忆网络	序列	不同细胞系的circRNA序列
1027	2024-11-07	Accurate and robust ammonia level forecasting of aeration tanks using long short-term memory ensembles: A comparative study of Adaboost and Bagging approaches 2024-Nov-04, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.123173 PMID:39500158	研究论文	本文比较了AdaBoost和Bagging两种集成学习算法在LSTM网络中用于曝气池氨浓度预测的效果	本文首次全面比较了AdaBoost和Bagging两种集成学习算法在LSTM网络中用于曝气池氨浓度预测的效果，并展示了AdaBoost-LSTM模型在多步预测中的优势	本文仅比较了AdaBoost和Bagging两种集成学习算法，未探讨其他可能的集成方法	研究如何通过集成学习提升LSTM网络在曝气池氨浓度预测中的准确性和鲁棒性	曝气池中的氨浓度	机器学习	NA	LSTM网络	LSTM	数值数据	未明确提及具体样本数量
1028	2024-11-07	A hybrid classification and evaluation method based on deep learning for decoration and renovation waste in view of recycling 2024-Nov-04, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2024.10.027 PMID:39500212	研究论文	本文提出了一种基于深度学习的混合分类和评估方法，用于装饰和装修废物的回收	结合实例分割深度学习模型和形态学机器学习模型，自动化分类和评估装饰和装修废物	NA	提高装饰和装修废物中高价值材料的回收率	装饰和装修废物的成分和质量	机器学习	NA	深度学习	混合模型	图像	53,000个单独的颗粒
1029	2024-11-07	Automatic 3-dimensional quantification of orthodontically induced root resorption in cone-beam computed tomography images based on deep learning 2024-Nov-04, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics IF:2.7Q1 DOI:10.1016/j.ajodo.2024.09.009 PMID:39503671	研究论文	本文提出了一种基于深度学习的模型，用于自动提取锥束计算机断层扫描（CBCT）图像中的牙根体积信息和根吸收定位	利用深度学习技术实现了牙根吸收的自动量化，相比传统的手动方法更加客观和高效	NA	开发一种自动化的方法来量化正畸治疗引起的根吸收	正畸治疗引起的根吸收（OIRR）	计算机视觉	NA	深度学习	动态图卷积神经网络	图像	4534颗牙齿，来自105名患者
1030	2024-11-07	A spatiotemporal correlation and attention-based model for pipeline deformation prediction in foundation pit engineering 2024-Nov-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77601-5 PMID:39488572	研究论文	提出了一种基于时空相关性和注意力机制的模型，用于基坑工程中管道变形预测	引入了注意力机制来调整预测中提取的时空特征的可训练权重，并利用卷积神经网络提取监测点之间的空间依赖性，以及双向长短期记忆网络提取时间特征	未提及	提高基坑工程中邻近管道变形预测的准确性	基坑工程中的管道变形	机器学习	NA	卷积神经网络、双向长短期记忆网络	CNN、LSTM	时间序列	一个真实世界的地铁项目
1031	2024-11-07	A deep learning approach for ovarian cancer detection and classification based on fuzzy deep learning 2024-11-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75830-2 PMID:39488573	研究论文	本文提出了一种基于模糊深度学习的卵巢癌检测和分类系统	结合深度学习和模糊逻辑进行卵巢癌分类	NA	开发一种自动化且标准化的系统，用于早期检测和分类卵巢癌	卵巢癌的病理全切片图像	计算机视觉	卵巢癌	深度学习	ResNet-50	图像	288张苏木精-伊红染色（H&E）全切片图像，来自78名患者
1032	2024-11-07	Enhancing runoff predictions in data-sparse regions through hybrid deep learning and hydrologic modeling 2024-Nov-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77678-y PMID:39488589	研究论文	本文介绍了一种结合深度学习和水文模型的混合模型，用于提高数据稀缺地区径流预测的准确性	本文创新性地将Informer深度学习模型与WRF-Hydro水文模型结合，通过迁移学习填补数据空白，显著提高了径流预测的精度	NA	提高数据稀缺地区径流预测的准确性	Chaersen Basin地区的径流预测	机器学习	NA	深度学习	Informer模型与WRF-Hydro模型	水文数据	使用了CAMELS数据集进行训练，并在Chaersen Basin地区进行预测
1033	2024-11-07	Predicting removal of arsenic from groundwater by iron based filters using deep neural network models 2024-Nov-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76758-3 PMID:39488582	研究论文	研究利用深度神经网络模型预测铁基滤料去除地下水中砷的效果	首次应用深度学习神经网络模型优化铁基滤料去除砷和其他污染物的效果	研究样本量较小，仅基于20个铁改性陶瓷滤料的现场表现数据	开发深度学习神经网络模型，预测铁基滤料去除地下水中砷和其他污染物的效果	铁基滤料去除地下水中砷和其他污染物的效果	机器学习	NA	深度学习神经网络	深度神经网络	数值数据	20个铁改性陶瓷滤料的现场表现数据，通过三次样条插值扩展到1600个插值数据点
1034	2024-11-07	The Updated Registry of Fast Myocardial Perfusion Imaging with Next-Generation SPECT (REFINE SPECT 2.0) 2024-Nov-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268292 PMID:39362762	研究论文	本文介绍了更新后的REFINE SPECT注册表的设计和初步结果，该注册表包括更多患者和CT衰减校正成像	引入了深度学习软件用于检测冠状动脉钙化（CAC），并结合多模态成像进行不良心血管事件的预测	NA	研究SPECT心肌灌注成像的价值，利用混合成像，并验证新的人工智能工具以改善不良结局的预测	心肌灌注成像、冠状动脉钙化检测、不良心血管事件的预测	数字病理学	心血管疾病	SPECT成像、CT衰减校正成像、深度学习	深度学习模型	图像	45,252名患者，其中3,786名患者有侵入性冠状动脉造影数据，13,405名患者有CT衰减校正成像数据
1035	2024-11-07	Exploring structural diversity across the protein universe with The Encyclopedia of Domains 2024-Nov, Science (New York, N.Y.) DOI:10.1126/science.adq4946 PMID:39480926	研究论文	本文利用深度学习方法检测和分类了AlphaFold蛋白质结构数据库中的所有域，生成了《域百科全书》	本文发现了超过3.65亿个域，比序列方法多出1亿多个，并揭示了超过1万个新的超家族间结构相互作用和数千个新的折叠	NA	探索蛋白质宇宙中的结构多样性	AlphaFold蛋白质结构数据库中的蛋白质结构域	计算机视觉	NA	深度学习	NA	结构数据	超过2.14亿个预测的蛋白质结构，涵盖超过100万个分类单元
1036	2024-11-07	An Integrated Nomogram Combining Deep Learning and Radiomics for Predicting Malignancy of Pulmonary Nodules Using CT-Derived Nodules and Adipose Tissue: A Multicenter Study 2024-Nov, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70372 PMID:39494854	研究论文	本研究构建了一个结合深度学习和放射组学的临床列线图（DLRCN），用于预测肺结节的恶性程度	本研究首次将脂肪组织放射组学特征与深度学习特征和临床特征结合，显著提高了预测性能	NA	构建一个用于预测肺结节恶性程度的深度学习放射组学临床列线图	肺结节的恶性程度预测	数字病理学	肺癌	深度学习	列线图	图像	1098名患者，肺结节大小为6-30mm，来自3个中心
1037	2024-11-07	Domain transformation using semi-supervised CycleGAN for improving performance of classifying thyroid tissue images 2024-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03061-x PMID:38238492	研究论文	本文提出了一种使用半监督CycleGAN进行域转换的方法，以提高甲状腺组织图像分类的性能	本文提出了一种改进的CycleGAN方法，考虑了类别的特征分布，以进行适当的域转换，并解决了数据不平衡问题	NA	提高甲状腺组织图像分类的性能	甲状腺组织图像	计算机视觉	甲状腺癌	CycleGAN	CycleGAN	图像	涉及两个医疗机构的数据集
1038	2024-11-07	Hybrid representation-enhanced sampling for Bayesian active learning in musculoskeletal segmentation of lower extremities 2024-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03065-7 PMID:38282095	研究论文	本研究提出了一种混合表示增强采样策略，用于在贝叶斯主动学习框架下减少下肢肌肉骨骼分割任务中的标注工作量	本研究结合了密度和多样性标准，在不确定性基础的贝叶斯主动学习框架中优化采样策略，以提高标注效率	本研究未提及具体的局限性	减少深度学习模型在自动分割任务中的手动标注工作量	下肢MRI和CT图像中的股骨、骨盆、骶骨、股四头肌、腘绳肌、内收肌、缝匠肌和髂腰肌的分割	计算机视觉	NA	贝叶斯主动学习	U-net	图像	两个下肢MRI和CT图像数据集
1039	2024-11-07	TAG-SPARK: Empowering High-Speed Volumetric Imaging With Deep Learning and Spatial Redundancy 2024-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405293 PMID:39283040	研究论文	本文介绍了一种结合可调谐声学梯度（TAG）透镜高速显微镜和TAG-SPARK去噪算法的对比增强视频速率体积成像系统	该系统利用z切片的空间冗余进行自监督模型训练，实现了超过700%的信噪比增强，并保留了神经元活动的快速放电功能特征	NA	提高高速体积成像的图像质量和信噪比，以更好地捕捉神经元活动	神经元活动的高速体积成像	计算机视觉	NA	可调谐声学梯度（TAG）透镜	自监督模型	4D（xyzt）数据集	NA
1040	2024-11-06	Elucidating and forecasting the organochlorine pesticides in suspended particulate matter by a two-stage decomposition based interpretable deep learning approach 2024-Nov-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122315 PMID:39217646	研究论文	研究提出了一种结合CEEMDAN、VMD和LSTM的深度学习模型，用于精确预测悬浮颗粒物中的有机氯农药浓度	研究创新性地结合了CEEMDAN、VMD和LSTM三种技术，提出了一种两阶段分解的深度学习模型，显著提高了有机氯农药浓度的预测精度	研究未详细讨论模型的计算复杂性和实际应用中的可行性	研究旨在开发一种高精度模型，用于预测和解释悬浮颗粒物中有机氯农药的浓度变化	研究对象为悬浮颗粒物中的有机氯农药浓度	机器学习	NA	CEEMDAN、VMD、LSTM	LSTM	时间序列数据	研究未明确提及样本数量