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
22381	2024-08-05	Sensitivity Decouple Learning for Image Compression Artifacts Reduction 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3403034 PMID:38787669	研究论文	提出了一种灵敏度解耦学习的方法，以减少图像压缩伪影	将压缩图像的内在属性解耦为两种互补特征，以提高图像压缩伪影的减少效果	NA	改善图像压缩伪影的减少效果，为下游解析任务提供更好的性能	图像压缩伪影	计算机视觉	NA	对抗训练	双重意识引导网络（DAGN）	图像	BSD500数据集上的处理，每张图像的处理时间为29.7毫秒
22382	2024-08-05	Deep learning prediction of post-SBRT liver function changes and NTCP modeling in hepatocellular carcinoma based on DGAE-MRI 2023-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.16386 PMID:36988423	研究论文	本文开发了基于DGAE-MRI的正常组织并发症概率(NTCP)模型，以适应接受SBRT治疗的 hepatocellular cancer(HCC)患者的个性化放疗	创新性地采用DGAE-MRI的体素级功能信息，提高了放疗对患者特异性反应的估计	研究样本量较小，需在更大患者群体中进行进一步验证	旨在建立基于动态Gadoxetic Acid增强MRI的NTCP模型，以提高HCC患者放疗的个性化适应性	146名接受SBRT治疗的HCC患者，其中24名患者进行了DGAE MRI	数字病理学	肝癌	动态Gadoxetic Acid增强MRI (DGAE-MRI)	条件Wasserstein生成对抗网络 (cWGAN)	图像	146名HCC患者中有24名进行了DGAE MRI
22383	2024-08-05	Prediction of total knee replacement using deep learning analysis of knee MRI 2023-04-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-33934-1 PMID:37117260	研究论文	本文开发了深度学习风险评估模型，以预测膝关节骨关节炎向全膝关节置换的进展	创新点在于使用深度学习模型分析膝MRI，提供比传统风险评估模型更准确的TKR预测	该研究仅限于回顾性分析，且样本来自特定的膝关节骨关节炎研究	研究目的在于提高对膝关节骨关节炎进展到全膝关节置换的预测能力	研究对象为353对骨关节炎患者，分为有TKR和无TKR的病例对照组	机器学习	膝关节骨关节炎	MRI	深度学习模型	医学影像	353对病例对照组
22384	2024-08-05	MR image reconstruction from undersampled data for image-guided radiation therapy using a patient-specific deep manifold image prior 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.1013783 PMID:36479074	研究论文	本研究提出了一种利用患者特定图像先验进行高质量MR图像重建的方法	该研究创新地利用患者特定的图像先验，结合深度自编码器来提高重建的MR图像质量	该研究的局限性在于仅针对特定患者数据进行测试，可能无法普遍适用	本研究旨在提高利用欠采样数据进行MR图像重建的质量，以用于图像引导放射治疗	研究对象包括一名患者案例和三名肝癌患者的真实病例研究	数字病理学	肝癌	MRI	深度自编码器	图像	4个患者案例（包括1个患者案例和3个肝癌患者案例）
22385	2024-08-05	Image-based consensus molecular subtype (imCMS) classification of colorectal cancer using deep learning 2021-03, Gut IF:23.0Q1 DOI:10.1136/gutjnl-2019-319866 PMID:32690604	研究论文	该文章提出了一种基于图像的深度学习方法来预测结直肠癌的共识分子亚型.	通过使用深度学习方法从标准H&E组织切片中推断结直肠癌的分子亚型，提供了一种经济高效的分类工具.	该研究主要依赖于多组学数据，可能不适用于没有相关数据的样本.	研究旨在明确图像分析与分子分类之间的联系，从而改善结直肠癌的分类方式.	研究对象为结直肠癌患者的组织切片，分析其分子亚型.	数字病理学	结直肠癌	深度学习	神经网络	图像	在研究中使用了1206个组织切片
22386	2024-08-05	On the evaluation of deep learning interpretability methods for medical images under the scope of faithfulness 2024-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108238 PMID:38823117	研究论文	本文评估了深度学习模型对医学图像的可解释性，尤其关注忠实性	提出了一种基于HiResCAM的定量评估方法，探讨忠实性与评价指标之间的联系	HAAS指标未能提供有用的比较结果，评估几乎所有图图为不准确	评估医学归因图的质量并检验忠实性与指标结果的一致性	对四个医学图像数据集进行预训练深度学习架构的微调	数字病理学	NA	HiResCAM	深度学习架构	医学图像	四个医学图像数据集
22387	2024-08-05	Robustness of Deep Learning models in electrocardiogram noise detection and classification 2024-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108249 PMID:38815528	研究论文	本文介绍了一种基于深度学习的心电图噪声分类器，用于知识驱动的心电图滤波系统	首次比较了递归神经网络（RNN）和卷积神经网络（CNN）在心电图噪声检测和分类中的表现及其复杂性	未提及本研究的具体局限性	研究旨在提高心电图噪声检测和分类的准确性	比较不同深度学习模型在心电图噪声分类中的性能	计算机视觉	心脏病	深度学习	CNN，RNN	数据集	六个数据集
22388	2024-08-05	Empirical validation of Conformal Prediction for trustworthy skin lesions classification 2024-Aug, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108231 PMID:38820714	研究论文	本研究探讨了顺应性预测在皮肤病变分类中的不确定性量化	引入了一种新兴的无分布假设的不确定性量化技术，并评估了不同方法的优缺点	没有提到特定的局限性信息	研究顺应性预测在医学影像领域的应用	评估深度神经网络中的不确定性量化	数字医学影像	皮肤病变	顺应性预测、Monte Carlo Dropout和证据深度学习	深度神经网络	医学影像数据集	三个公共医学影像数据集
22389	2024-08-05	Efficacy of the methods of age determination using artificial intelligence in panoramic radiographs - a systematic review 2024-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-024-03162-x PMID:38400923	系统评价	本文系统评价了人工智能在全景放射片中年龄判定方法的有效性	探讨了人工智能与传统手动方法在年龄判定中的显著差异	研究中缺乏对深度学习和机器学习模型或手动模型进行比较	研究人工智能在全景放射片年龄判定中的应用效果	分析包含36篇文献的年龄判定方法	计算机视觉	NA	人工智能	深度学习，机器学习	全景放射片	36篇文献
22390	2024-08-05	Deep learning prediction and experimental investigation of specific capacitance of nitrogen-doped porous biochar 2024-Jul, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2024.130865 PMID:38801954	研究论文	本研究建立了一个用于预测氮掺杂多孔生物炭比电容的深度学习模型。	利用DenseNet架构建立CNN模型，揭示了氮掺杂多孔生物炭的理化性质对比电容的影响	在摘要中没有提及具体的实验条件和样本的广泛性	预测氮掺杂多孔生物炭的电容并探索最影响的因素	氮掺杂多孔生物炭及其电容性质	机器学习	NA	深度学习	CNN	数据	氮掺杂多孔生物炭样本
22391	2024-08-05	[Artificial intelligence research advances in discrimination and diagnosis of pulmonary ground-glass nodules] 2024-Jun-12, Zhonghua jie he he hu xi za zhi = Zhonghua jiehe he huxi zazhi = Chinese journal of tuberculosis and respiratory diseases DOI:10.3760/cma.j.cn112147-20231214-00370 PMID:38858209	研究论文	本研究探讨了人工智能在肺部磨玻璃结节（GGNs）鉴别和诊断中的应用进展	本研究指出深度学习算法在分析复杂影像数据和预测GGNs性质方面的应用，以及在预测EGFR突变方面的潜力	需要进行广泛的验证研究，标准化影像协议，并改善AI算法的可解释性	旨在提高GGNs的早期检测、诊断和管理策略	研究对象为肺部磨玻璃结节及其良恶性特征	计算机视觉	肺癌	深度学习	NA	影像	NA
22392	2024-08-05	Exploring the Conformational Ensembles of Protein-Protein Complex with Transformer-Based Generative Model 2024-Jun-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00255 PMID:38816696	研究论文	本文探讨了一种基于变换器架构的深度学习模型以生成蛋白质-蛋白质复合物的构象集合	该研究训练了一种生成神经网络，能够直接生成具有物理现实感的新构象	尽管使用了分子动力学模拟，本文仍然存在取样效率和计算成本的挑战	研究蛋白质-蛋白质相互作用的构象变化及其在生物学功能中的联系	蛋白质-蛋白质复合物的构象集合	数字病理学	NA	分子动力学模拟	变换器	构象数据	NA
22393	2024-08-05	Fast Nano-IR Hyperspectral Imaging Empowered by Large-Dataset-Free Miniaturized Spatial-Spectral Network 2024-Jun-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01211 PMID:38822784	研究论文	论文提出了一种通过迷你化空间-光谱网络加速纳米红外成像的方法	该研究开发的迷你化深度学习模型SS-Net能够在没有大型标注数据集的情况下迅速完成模型训练，提升成像速度	缺乏对模型在其他类型样本上的全面验证	探讨如何快速实现纳米红外成像，提高成像速度	针对纳米规模红外成像技术的优化和加速	数字病理学	NA	压缩采样	SS-Net	图像	在开放刺激拉曼散射数据集上进行验证，样本数量未具体说明
22394	2024-08-05	A systematic evaluation of Euclidean alignment with deep learning for EEG decoding 2024-Jun-11, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4f18 PMID:38776898	研究论文	本文系统评估了欧几里得对齐与深度学习结合在脑电图解码中的效果	研究了欧几里得对齐在共享和个体深度学习模型训练性能中的影响	仅评估了数据预处理的效果，对其他物种或数据类型的有效性尚未探讨	评估欧几里得对齐结合深度学习在脑机接口信号解码中的有效性	使用来自多个受试者的脑电图数据进行模型训练	数字病理学	NA	深度学习	共享深度学习模型与个体模型	脑电图信号	多个受试者的数据
22395	2024-08-05	Attention decoupled contrastive learning for semi-supervised segmentation method based on data augmentation 2024-Jun-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4d4f PMID:38759677	研究论文	提出了一种基于数据增强的半监督分割方法，使用了注意力解耦对比学习以提高分割准确性	引入了注意力解耦模块，并利用对比学习有效区分前景和背景，从而增强了标签和未标签数据之间的相互作用	没有提供关于实验结果的具体数值和比较基准的详细信息	解决医学图像分析中特别是分割任务中获得像素级注释的困难	自动化乳腺超声（ABUS）数据集	数字病理学	NA	对比学习	NA	图像	NA
22396	2024-08-05	Accelerating Molecular Vibrational Spectra Simulations with a Physically Informed Deep Learning Model 2024-Jun-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00173 PMID:38825857	研究论文	本文提出了一种高效的多任务机器学习替代模型，用于准确计算分子振动光谱。	开发的Vibrational Spectra Neural Network (VSpecNN)模型能够基于机器学习增强的分子动力学模拟准确预测红外和拉曼光谱。	与常用的高性能机器学习模型相比，尽管VSpecNN模型具有较低的预测误差，但可能仍无法捕捉所有的分子振动特征。	本研究旨在通过物理知识引导的深度学习模型加速分子振动光谱的模拟。	研究对象为腙类化合物吡嗪，一种典型的多原子色素。	机器学习	NA	机器学习增强的分子动力学模拟	Vibrational Spectra Neural Network (VSpecNN)	光谱数据	NA
22397	2024-08-05	Parallel CNN-Deep Learning Clinical-Imaging Signature for Assessing Pathologic Grade and Prognosis of Soft Tissue Sarcoma Patients 2024-Jun-10, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29474 PMID:38859600	研究论文	本文评估了结合临床影像学参数与深度学习特征评估软组织肉瘤患者病理分级和预后的诊断准确性	提出了一种结合临床影像特征和深度学习的临床影像签名，显示出在病理分级和预后评估中的优势	未提供关于外部验证样本选择和潜在偏差的详细信息	评估结合临床影像与深度学习的特征对软组织肉瘤患者病理分级和预后的诊断能力	354例病理确诊的软组织肉瘤患者	深度学习	软组织肉瘤	MRI	ResNet-18	影像	354例（226例低度，128例高度）
22398	2024-08-05	A Clinical Bacterial Dataset for Deep Learning in Microbiological Rapid On-Site Evaluation 2024-Jun-08, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03370-5 PMID:38851809	研究论文	本文提供了一套用于微生物快速现场评估的临床细菌数据集	收集了2018至2022年间肺部感染患者的革兰染色细菌图像，并进行了手动标注	数据集主要集中于肺感染患者的特定数据，可能无法泛化到其他感染类型	旨在改善微生物快速现场评估中的病原体自动识别	收集自中国PLA总医院肺部感染患者的细菌图像	数字病理学	肺炎	深度学习	检测和分割网络	图像	共收集了1705张革兰染色细菌图像
22399	2024-08-05	The interplay of group size and flow velocity modulates fish exploratory behaviour 2024-06-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63975-z PMID:38851769	研究论文	该文章研究了水流速度和鱼群体大小对鱼类探索行为的影响	首次探讨了水流动力学对河流鱼类社会促进现象的影响	研究主要集中在特定鱼种和水流条件下，结果可能不适用于所有鱼类	理解水流动力学如何影响河流鱼类的社会行为	野生幼年意大利条纹重尾鲤	自然语言处理	NA	人工智能深度学习算法	NA	行为数据	多个不同群体大小的野生鱼类样本
22400	2024-08-05	xECGArch: a trustworthy deep learning architecture for interpretable ECG analysis considering short-term and long-term features 2024-06-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63656-x PMID:38849417	研究论文	提出了一种新颖的深度学习架构xECGArch，用于可解释的心电图分析。	第一次通过两个独立的卷积神经网络分析短期和长期特征，并结合可解释人工智能的方法来提高可解释性。	该研究的局限性未详细描述。	旨在提高心电图分析的可解释性，以便更好地用于临床应用。	研究对象为心房颤动（AF）检测，使用了四个公共心电图数据库。	计算机视觉	心血管疾病	心电图分析	卷积神经网络（CNN）	心电图（ECG）	使用了四个公共心电图数据库，具体样本数量未提供