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
20681	2024-08-05	Shape-position perceptive fusion electronic skin with autonomous learning for gesture interaction 2024, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-024-00739-9 PMID:39045231	研究论文	提出了一种感知融合电子皮肤，实现手势交互的自主学习	开发了具有生物启发层次结构的感知融合电子皮肤，通过磁致伸缩合金膜的磁化状态实现对关节形状和位置的双重信息感知	佩戴应用的计算能力有限，可能影响深度学习网络的部署和多模态传感数据的融合	旨在提升可穿戴设备在人机交互中的手势识别和触觉反馈能力	研究目标是手部的关节运动与感知信息的映射	数字病理学	NA	NA	教师模型	信号信息	NA
20682	2024-08-05	Multimodal Deep Learning Model Unveils Behavioral Dynamics of V1 Activity in Freely Moving Mice 2023-Dec, Advances in neural information processing systems PMID:39005944	研究论文	本文介绍了一种多模态递归神经网络，用于解释自由移动小鼠的V1活动	引入了一种整合视线相关视觉输入和行为及时间动态的新模型，揭示了小鼠V1的行为变量混合选择性	模型的应用可能局限于特定的行为状态和视觉输入类型	研究自由移动小鼠的V1活动与自然视觉输入及行为变量之间的关系	自由移动的小鼠及其视觉皮层活动	计算机视觉	NA	递归神经网络	多模态递归神经网络	视觉数据	NA
20683	2024-08-05	Real-time guidance by deep learning of experienced operators to improve the standardization of echocardiographic acquisitions 2023-Sep, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyad040 PMID:39045079	研究论文	本文研究实时深度学习指导的经验丰富的超声技师改善心脏超声采集标准化的效果	通过实时深度学习指导超声技师，提高心脏超声采集的标准化程度	本文未评估由经验较少的操作员使用深度学习指导的影响	旨在改善心脏超声的标准化，以减少操作员之间的变异性	88名心律正常的患者，进行心脏超声检查	医学影像学	心血管疾病	深度学习	NA	超声波影像	88名患者
20684	2024-08-07	Deep learning-based computed tomography quantification of left ventricular mass 2023-Sep, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyad043 PMID:39045069	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20685	2024-08-05	Unsupervised deep learning-based displacement estimation for vascular elasticity imaging applications 2023-07-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace0f0 PMID:37348487	研究论文	本文提出了一种基于无监督深度学习的血管壁位移估计方法	创新性地应用无监督深度学习方法提高血管壁位移估计的质量	未在真实病例中进行广泛测试	旨在提高血管弹性成像的准确性和分辨率	研究对象包括人类颈动脉及其脉搏波传播的跟踪	数字病理学	心血管疾病	超声弹性成像	深度学习网络	图像，超声RF信号	通过模型训练涉及多种超声数据集，具体样本数未说明
20686	2024-08-05	Multimodal Deep Learning Model Unveils Behavioral Dynamics of V1 Activity in Freely Moving Mice 2023-May-30, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.30.542912 PMID:37398256	研究论文	本研究介绍了一种多模态递归神经网络，用于解释自由移动小鼠的V1活动	提出了一种新的多模态深度学习模型，能够结合视觉输入与行为和时间动态来预测小鼠视觉皮层的活动	该研究结果可能仅适用于小鼠，不适用于其他物种的视觉皮层活动预测	探讨小鼠视觉皮层中自然视觉输入与行为变量如何整合以产生神经反应	自由移动小鼠的视觉皮层V1活动	计算机视觉	NA	深度卷积神经网络 (CNN) 和递归神经网络	递归神经网络	视觉数据	自由移动小鼠的行为数据
20687	2024-08-05	Real-time guiding by deep learning during echocardiography to reduce left ventricular foreshortening and measurement variability 2023-May, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyad012 PMID:39044792	研究论文	本文探讨了在超声心动图过程中使用深度学习进行实时指导以减少左心室缩短和测量变异性。	研究首次将实时深度学习指导应用于超声心动图，以提高图像标准化和降低测量变异性。	实时指导对经验丰富的操作员间变异性的影响较小。	研究实时深度学习指导在超声心动图中对左心室缩短和观察者间变异性的影响。	纳入88名在窦律下进行超声心动图检查的患者。	数字病理学	心血管疾病	深度学习	NA	图像	88名患者
20688	2024-08-05	Fully automatic estimation of global left ventricular systolic function using deep learning in transoesophageal echocardiography 2023-May, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyad007 PMID:39044786	研究论文	本研究开发了一种利用深度学习实现完全自动化的左心室收缩功能评估方法。	创新点在于通过深度学习实现心脏超声图像的完全自动化评估，从而提高了监测速度和再现性。	本研究的限制在于样本来自185名患者，结果需在更多临床背景下进一步验证。	研究的目的是临床验证自动化MAPSE在心脏病患者中的有效性。	研究对象为185名未选择图像质量的心脏病患者。	数字病理学	心脏病	深度学习	NA	视频	185名心脏病患者
20689	2024-08-05	Siam-VAE: A hybrid deep learning based anomaly detection framework for automated quality control of head CT scans 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654464 PMID:39040978	研究论文	提出了一种基于深度学习的框架，用于对头部CT扫描进行自动质量控制	提出了一种混合模型，结合变分自编码器和孪生神经网络，利用弱标签增强标准异常检测技术	需要大量注释数据进行有效训练，且存在类不平衡和弱标签问题	开发能够分类CT扫描为可用或不可用质量的深度学习框架	头部CT扫描的质量控制	计算机视觉	NA	深度学习	变分自编码器和孪生神经网络	图像	NA
20690	2024-08-07	Cascaded 3D UNet architecture for segmenting the COVID-19 infection from lung CT volume 2022-Feb-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06931-z PMID:35197504	研究论文	本文提出了一种两阶段的级联3D UNet架构，用于从肺部CT体积中分割COVID-19感染区域	开发了一种两阶段的级联3D UNet架构，能够直接从完整的CT体积中分割出感染区域，无需为每位新患者标记肺实质	NA	开发一种有效的深度学习方法，用于从肺部CT图像中自动分割COVID-19感染区域	COVID-19感染区域的分割	计算机视觉	COVID-19	深度学习	3D UNet	CT体积	NA
20691	2024-08-07	Chemotherapy response prediction with diffuser elapser network 2022-Jan-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05460-z PMID:35102179	研究论文	本文研究了在实体肿瘤中，通过扩散器网络预测化疗反应的问题	提出了一种深度学习模型，能够同时捕捉肿瘤生长和药物反应行为，并预测未来的肿瘤微环境图	需要进一步验证模型在实际临床环境中的应用效果	旨在生成对治疗方案的现实反应，以便未来工作可以使用这些患者特定的反应来决定细胞毒性药物治疗的最佳开始时间和剂量	肿瘤微环境，包括肿瘤层、血管网络、间质流体压力和药物扩散图	计算机视觉	NA	NA	CNN	图像	基于先前的仿真模型，具体样本数量未提及
20692	2024-08-07	Effect of head motion-induced artefacts on the reliability of deep learning-based whole-brain segmentation 2022-Jan-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05583-3 PMID:35102199	研究论文	研究深度学习方法在磁共振成像中对头部运动引起的伪影的鲁棒性	深度学习方法在磁共振成像中对头部运动引起的伪影表现出更高的鲁棒性	NA	探讨深度学习方法在磁共振成像中对头部运动引起伪影的鲁棒性	磁共振成像中的头部运动伪影对深度学习方法的影响	计算机视觉	NA	磁共振成像	神经网络模型	图像	110名参与者
20693	2024-08-07	Using deep learning models to analyze the cerebral edema complication caused by radiotherapy in patients with intracranial tumor 2022-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05455-w PMID:35091636	研究论文	利用深度学习模型分析接受放射治疗后颅内肿瘤患者脑水肿并发症的图像分割和标准结果	采用Mask R-CNN模型和区域生长算法进行脑水肿图像分割，并通过DICE、IoU和VOE指数评估分割效果	NA	研究放射治疗后颅内肿瘤患者脑水肿的图像分割和临床描述标准	颅内肿瘤患者在接受计算机刀立体定向放射手术后的脑水肿并发症	计算机视觉	颅内肿瘤	深度学习	Mask R-CNN	图像	接受计算机刀立体定向放射手术的颅内肿瘤患者，包括治疗前和四个月随访的图像
20694	2024-08-07	Identification of a clonal population of Aspergillus flavus by MALDI-TOF mass spectrometry using deep learning 2022-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05647-4 PMID:35091651	研究论文	本研究利用深度学习技术，通过MALDI-TOF质谱法识别Aspergillus flavus的克隆群体	首次使用卷积神经网络（CNN）通过MALDI-TOF质谱技术识别同一物种内的特定克隆	在较旧且需要更换激光的设备上，识别准确率较低	探索现有MALDI-TOF设备是否能从同一物种的多种分离株中识别特定克隆	Aspergillus flavus的克隆分离株	机器学习	NA	MALDI-TOF质谱法	CNN	质谱数据	包括19个克隆分离株和55个来自不同来源的A. flavus分离株
20695	2024-08-07	Classification of brain tumours in MR images using deep spatiospatial models 2022-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05572-6 PMID:35087174	研究论文	本文使用深度时空模型ResNet (2+1)D和ResNet混合卷积来分类MR图像中的脑肿瘤	采用时空模型作为“时空空间”模型，能够学习特定的空间和时间关系，同时降低计算成本	NA	研究如何使用深度学习方法提高脑肿瘤在MR图像中的分类准确性	脑肿瘤的分类	计算机视觉	脑肿瘤	深度学习	ResNet (2+1)D, ResNet混合卷积	图像	使用开放数据集，包含可靠的注释
20696	2024-08-07	Automated evaluation of retinal pigment epithelium disease area in eyes with age-related macular degeneration 2022-Jan-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05006-3 PMID:35042966	研究论文	开发了一种两步软件，通过分析荧光素血管造影（FA）图像中的早期高荧光区域，实现对视网膜色素上皮（RPE）疾病区域变化的目标和高效量化	利用基于深度学习的判别方法提取异常区域，并通过自动化程序对二值化提取区域进行评分，提高了评估的准确性和效率	NA	解决缺乏标准协议的问题，实现对RPE疾病区域变化的客观量化	视网膜色素上皮（RPE）疾病区域	数字病理学	年龄相关性黄斑变性	深度学习	NA	图像	NA
20697	2024-08-07	Approach for the Design of Covalent Protein Kinase Inhibitors via Focused Deep Generative Modeling 2022-Jan-17, Molecules (Basel, Switzerland) DOI:10.3390/molecules27020570 PMID:35056884	研究论文	本文探讨了通过深度生成模型系统设计共价蛋白激酶抑制剂的方法	结合基于片段的设计和深度生成模型，增强了三维药效团筛选，为药物化学应用提供了一种结合知识元素和深度学习的方法	NA	开发一种计算方法，用于设计共价蛋白激酶抑制剂	共价蛋白激酶抑制剂的设计	机器学习	炎症性疾病，白血病	深度生成模型	深度学习模型	化学结构数据	具体样本数量未明确
20698	2024-08-07	Rapid video-based deep learning of cognate versus non-cognate T cell-dendritic cell interactions 2022-Jan-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-04286-5 PMID:35017558	研究论文	本文展示了使用深度学习快速分类抗原特异性CD8 T细胞视频的能力	该方法通过深度学习模型区分了同源和非同源T细胞与树突状细胞的交互动态，并展示了比传统图像分析技术更高的分类准确性	NA	理解免疫和耐受性，并开发癌症和自身免疫疾病的治疗方法	抗原特异性T细胞与树突状细胞的同源交互	机器学习	癌症, 自身免疫疾病	深度学习	NA	视频	OT-I小鼠的高亲和力抗原特异性CD8 T细胞
20699	2024-08-07	Denoising of pediatric low dose abdominal CT using deep learning based algorithm 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0260369 PMID:35061701	研究论文	本文评估了一种基于深度学习的方法生成的标准剂量CT图像，该方法使用未配对的低剂量CT和标准剂量CT图像进行训练	使用生成对抗网络框架训练未配对数据集，能够从原始低剂量CT图像生成虚拟标准剂量CT图像	NA	评估深度学习方法生成的标准剂量CT图像的质量	低剂量CT和标准剂量CT图像	计算机视觉	NA	生成对抗网络	生成对抗网络	图像	训练集包含42张低剂量CT和42张标准剂量CT图像，验证集包含41张低剂量CT图像，测试集包含33张低剂量CT图像
20700	2024-08-07	DeLUCS: Deep learning for unsupervised clustering of DNA sequences 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0261531 PMID:35061715	研究论文	本文介绍了一种无需序列比对、序列同源性或分类标识的深度学习方法DeLUCS，用于无监督DNA序列聚类	DeLUCS使用频率混沌游戏表示（FCGR）和生成模拟序列FCGR来自我学习数据模式，通过优化多个神经网络实现聚类，显著优于传统的K-means++和高斯混合模型方法	NA	开发一种新的深度学习方法，用于无监督DNA序列聚类	DNA序列的聚类	机器学习	NA	深度学习	神经网络	DNA序列	包括2,500个完整的脊椎动物线粒体基因组、3,200个随机选择的400 kbp长的细菌基因组片段和三个平均1,300个序列的病毒基因组及基因数据集