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
22761	2024-08-07	Intelligent Stroke Disease Prediction Model Using Deep Learning Approaches 2024, Stroke research and treatment IF:1.8Q3 DOI:10.1155/2024/4523388 PMID:38817540	研究论文	本文利用一系列生理特征参数与深度神经网络（如Wasserstein生成对抗网络和回归网络）合作，构建了一个中风预测模型	使用WGAN-GP进行正样本数据增强以解决样本不平衡问题，并设计了一个基于深度回归网络的中风预测模型	NA	开发一个智能的中风疾病预测模型，以帮助早期识别中风症状并及时干预	中风疾病的预测	机器学习	中风	深度学习	深度神经网络	生理特征参数	使用中风公共数据集，具体样本数量未明确
22762	2024-08-07	Revolutionising healthcare with artificial intelligence: A bibliometric analysis of 40 years of progress in health systems 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241258757 PMID:38817839	研究论文	本文通过文献计量分析，回顾了过去四十年人工智能在医疗系统中的发展历程	本文首次对人工智能在医疗系统中的应用进行了长达四十年的文献计量分析，揭示了该领域的增长趋势和关键研究方向	NA	评估和可视化人工智能在医疗系统中的研究趋势和影响力	人工智能在医疗系统中的应用	机器学习	NA	文献计量分析	NA	文本	64,063篇论文
22763	2024-08-07	Dermoscopy-based Radiomics Help Distinguish Basal Cell Carcinoma and Actinic Keratosis: A Large-scale Real-world Study Based on a 207-combination Machine Learning Computational Framework 2024, Journal of Cancer IF:3.3Q2 DOI:10.7150/jca.94759 PMID:38817855	研究论文	本研究利用机器学习算法开发了一种预测模型，用于区分皮肤镜图像中的基底细胞癌（BCC）和光化性角化病（AK）	研究开发了一个深度学习模型用于图像特征的定量分析，并整合了15种机器学习算法，通过随机组合和交叉验证生成了207种算法组合	NA	开发一种有效的预测模型，用于区分皮肤镜图像中的基底细胞癌和光化性角化病	皮肤镜图像中的基底细胞癌和光化性角化病	机器学习	皮肤癌	机器学习算法	深度学习模型	图像	904张皮肤镜图像
22764	2024-08-07	Simulation of Automatically Annotated Visible and Multi-/Hyperspectral Images Using the Helios 3D Plant and Radiative Transfer Modeling Framework 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0189 PMID:38817960	研究论文	本文提出了一种基于Helios 3D植物建模软件的辐射传输建模框架，用于模拟植物的可见光、多/高光谱图像，并自动生成标注信息	该框架能够模拟RGB、多/高光谱、热成像和深度相机图像，并生成带有完全解析的参考标签的植物图像，如植物物理特性、叶片化学浓度和叶片生理特性	NA	解决深度学习模型在植物和作物特性分析中对标注图像数据集的需求，以及从遥感数据中提取复杂特性的挑战	植物和作物的特性分析	计算机视觉	NA	辐射传输建模	深度学习模型	图像	NA
22765	2024-08-07	Negativity and Positivity in the ICU: Exploratory Development of Automated Sentiment Capture in the Electronic Health Record 2023-Oct, Critical care explorations DOI:10.1097/CCE.0000000000000960 PMID:37753238	研究论文	开发和验证用于捕捉重症监护病房（ICU）记录中提供者情绪的算法模型	开发了两种情绪模型，一种基于关键词的方法，另一种是基于解码增强的双向编码器表示与解耦注意力-v3的深度学习模型，这些模型在临床笔记中的情绪检测准确性高于通用语言算法	NA	探索开发用于电子健康记录中自动捕捉情绪的算法	成人ICU患者的记录	自然语言处理	NA	深度学习	双向编码器表示与解耦注意力-v3	文本	198,944条笔记，涉及52,997次ICU入院记录，以及2018至2019年UCSF ICU入院患者的外部样本
22766	2024-08-07	Assessing variants of uncertain significance implicated in hearing loss using a comprehensive deafness proteome 2023-Jun, Human genetics IF:3.8Q2 DOI:10.1007/s00439-023-02559-9 PMID:37086329	研究论文	本文使用深度学习蛋白质预测算法AlphaFold2来筛选Deafness Variation Database中的不确定意义变异，通过预测蛋白质折叠自由能差异来确定其致病性	利用AlphaFold2算法和DDGun3D工具预测蛋白质折叠自由能差异，以评估听力损失相关基因变异的致病性	研究仅针对Deafness Variation Database中的变异进行分析，且样本量相对较小	评估听力损失相关基因变异的不确定意义变异的致病性	Deafness Variation Database中的128,167个错义变异	生物信息学	听力损失	AlphaFold2, DDGun3D	深度学习	基因变异数据	119名患者
22767	2024-08-07	Anatomy-guided deep learning for object localization in medical images 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2612566 PMID:36860592	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
22768	2024-08-07	Predicting post-contrast information from contrast agent free cardiac MRI using machine learning: Challenges and methods 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.894503 PMID:36051279	研究论文	本研究旨在通过分析对比剂前后的心脏磁共振成像（CMR）图像，利用对比剂前的信息预测对比剂后的信息，并提出相应的方法和挑战。	本研究首次尝试使用深度学习（DL）、支持向量机（SVM）和决策树（DT）方法，从无对比剂的心脏磁共振成像中预测对比剂后的信息。	初步结果显示性能一般，这一研究领域仍存在许多未解决的问题。	研究目的是通过对比剂前的心脏磁共振成像预测对比剂后的信息。	研究对象包括272例回顾性选择的心脏磁共振成像研究，其中108例为心肌梗死（MI），164例为健康对照。	机器学习	心血管疾病	深度学习	UNet和ResNet50	图像	272例心脏磁共振成像研究，包括108例心肌梗死和164例健康对照，共使用722对电影短轴（SAX）图像和分割掩模进行实验。
22769	2024-08-07	Random synaptic feedback weights support error backpropagation for deep learning 2016-11-08, Nature communications IF:14.7Q1 DOI:10.1038/ncomms13276 PMID:27824044	研究论文	本文探讨了大脑中多层神经元结构中错误传播的机制，并提出了一种基于随机突触反馈权重的新机制，该机制在多种任务中与反向传播算法同样有效	提出了一种基于随机突触反馈权重的错误传播机制，打破了传统反向传播算法需要精确对称连接模式的假设	NA	探讨大脑如何利用错误信号进行学习，并挑战传统学习算法的约束	大脑中多层神经元结构的错误传播机制	机器学习	NA	NA	NA	NA	NA
22770	2024-08-07	Enhancing plant-based cheese formulation through molecular docking and dynamic simulation of tocopherol and retinol complexes with zein, soy and almond proteins via SVM-machine learning integration 2024-Sep-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.139520 PMID:38723573	研究论文	本研究通过分子对接和动态模拟结合机器学习算法，优化植物基奶酪中蛋白质与配体的相互作用，以提高其质地、营养价值和风味特性	本研究首次将分子对接和动态模拟与机器学习算法结合，用于优化植物基奶酪的配方	NA	通过分子对接和动态模拟优化植物基奶酪的配方，以满足可持续发展的需求	主要研究了zein、大豆和杏仁蛋白与生育酚和视黄醇的相互作用	机器学习	NA	分子对接、动态模拟	SVM	蛋白质-配体相互作用数据	NA
22771	2024-08-07	Automatic ARDS surveillance with chest X-ray recognition using convolutional neural networks 2024-Aug, Journal of critical care IF:3.2Q2 DOI:10.1016/j.jcrc.2024.154794 PMID:38552452	研究论文	本研究旨在设计、验证并评估一种深度学习模型，该模型能够通过胸部X光识别区分肺炎、急性呼吸窘迫综合征（ARDS）和正常肺部	开发了一种基于胸部X光模式识别的深度学习模型，能够快速区分ARDS患者与正常肺部患者	未来研究应在临床环境中前瞻性地评估这些工具	设计并验证一种能够通过胸部X光识别区分肺炎、ARDS和正常肺部的深度学习模型	胸部X光图像	计算机视觉	急性呼吸窘迫综合征	卷积神经网络（CNN）	CNN	图像	15,899名成年患者
22772	2024-08-07	Federated learning with knowledge distillation for multi-organ segmentation with partially labeled datasets 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103156 PMID:38603844	研究论文	本文提出了一种结合知识蒸馏的联邦学习方法，用于在部分标记的多器官CT数据集上进行分割	使用知识蒸馏来规范本地训练，结合全局模型和预训练的特定器官分割模型，以解决联邦学习中的'灾难性遗忘'问题	NA	提高多器官CT分割的准确性和效率	多器官CT图像分割	计算机视觉	NA	联邦学习	U-Net	图像	8个公开的腹部CT数据集，共889个CT用于训练，233个用于内部测试，30个用于外部测试
22773	2024-08-07	Anat-SFSeg: Anatomically-guided superficial fiber segmentation with point-cloud deep learning 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103165 PMID:38608510	研究论文	提出了一种基于解剖引导的浅层纤维分割框架Anat-SFSeg，通过使用独特的纤维解剖描述符FiberAnatMap和基于点云数据的深度学习网络，提高了浅层白质分割的准确性	引入了新的度量标准纤维解剖区域比例（FARP）和解剖区域纤维计数（ARFC），用于评估纤维在定义脑区的比例和个体间的差异	NA	提高浅层白质分割的准确性，并探索其在神经退行性疾病中的应用	浅层白质纤维的精确分割	数字病理学	神经退行性疾病	扩散磁共振成像（dMRI）	神经网络	点云数据	使用了人类连接组项目（HCP）数据集，并在不同认知障碍水平的受试者中进行了测试
22774	2024-08-07	Population-based deep image prior for dynamic PET denoising: A data-driven approach to improve parametric quantification 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103180 PMID:38657423	研究论文	本研究提出了一种基于人群的深度图像先验（PDIP）技术，用于提高动态正电子发射断层扫描（PET）图像的质量和参数量化准确性	PDIP技术结合了人群基础的先验信息和深度图像先验（DIP）的优化过程，通过3D U-Net架构实现噪声减少，同时保留了小病变信息	研究中使用的监督模型和CDIP模型在减少噪声的同时可能导致小病变的平滑和移除	提高动态PET图像的质量和参数量化准确性	动态PET图像的噪声减少	计算机视觉	NA	深度学习	3D U-Net	图像	23名患者的动态PET图像和100项临床研究的静态PET数据集
22775	2024-08-07	A subject-specific unsupervised deep learning method for quantitative susceptibility mapping using implicit neural representation 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103173 PMID:38657424	研究论文	本研究提出了一种基于隐式神经表示的无监督且针对特定对象的深度学习方法，用于定量磁化率成像重建，称为INR-QSM	本研究首次提出了基于隐式神经表示的INR-QSM方法，并引入了一种新的相位补偿策略，以考虑组织相位的非局部效应，使物理模型更准确	目前研究主要集中在定量磁化率成像的重建方法上，尚未涉及其在临床应用中的广泛验证	开发一种无需大量配对训练数据且能有效处理定量磁化率成像中逆问题的深度学习方法	定量磁化率成像的重建方法	机器学习	NA	MRI	全连接神经网络	图像	未具体说明
22776	2024-08-07	One-shot neuroanatomy segmentation through online data augmentation and confidence aware pseudo label 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103182 PMID:38688039	研究论文	本文提出了一种端到端的统一网络，用于一次性神经解剖学分割，结合了变形建模和分割任务，通过在线数据增强和置信度感知伪标签提高性能	引入在线数据增强和置信度感知伪标签，以提高从少量标注图像中学习的效果	NA	实现从单一标注图像和少量未标注图像中学习神经解剖学分割	大脑图像的分割	计算机视觉	NA	深度学习	CNN	图像	使用一个标注图像和少量未标注图像进行训练
22777	2024-08-07	Standardization of ultrasound images across various centers: M2O-DiffGAN bridging the gaps among unpaired multi-domain ultrasound images 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103187 PMID:38705056	研究论文	本文介绍了一种名为M2O-DiffGAN的高效域变换模型，用于将多个未标记的源域统一映射到目标域，以解决超声图像分析中的域偏移问题	引入了循环一致的“多对一”对抗学习架构和条件对抗扩散过程，生成高保真度的图像，并结合超声特定的内容损失以合成高质量的超声图像	NA	解决超声图像分析中的域偏移问题，提高深度学习方法的泛化能力	多源域变换技术在超声图像分析中的应用	计算机视觉	NA	深度学习	GAN	图像	六个临床数据集，涵盖甲状腺、颈动脉和乳腺
22778	2024-08-07	Achieve fairness without demographics for dermatological disease diagnosis 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103188 PMID:38718715	研究论文	本文提出了一种在测试阶段实现敏感属性公平预测的方法，无需在训练阶段使用敏感信息	通过捕捉与敏感和目标属性相关的特征并规范相应类别间的特征纠缠，提高了模型的公平性和准确性	NA	旨在解决皮肤病诊断中AI模型的公平性问题	皮肤病图像诊断中的公平性	计算机视觉	NA	NA	深度学习模型	图像	两个皮肤病数据集
22779	2024-08-07	A systematic comparison of deep learning methods for Gleason grading and scoring 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103191 PMID:38728903	研究论文	本文对九个数据集上的深度学习方法进行了系统比较，以评估其在Gleason分级和评分任务中的表现	本文首次系统比较了多种深度学习方法在Gleason分级和评分任务中的应用，包括全监督学习、弱监督学习、半监督学习等多种训练方法	文章未明确提及具体的局限性	旨在确定最适合Gleason分级和评分任务的深度学习方法	Gleason分级和评分任务	数字病理学	前列腺癌	深度神经网络	CNN, Additive-MIL, Attention-Based MIL, Dual-Stream MIL, TransMIL, CLAM	图像	九个数据集，来源包括病理研究所和公开可访问的存储库
22780	2024-08-07	Deep magnetic resonance fingerprinting based on Local and Global Vision Transformer 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103198 PMID:38759259	研究论文	本文提出了一种基于局部和全局视觉变换器（LG-ViT）的深度磁共振指纹识别方法，以提高参数重建的速度和准确性	本文创新性地采用了局部和全局视觉变换器（LG-ViT）来捕捉磁共振指纹中的上下文信息和长距离依赖关系，从而提高重建效率和准确性	现有的基于卷积神经网络的方法主要关注局部信息，未能充分利用磁共振指纹中的长距离冗余和上下文信息	旨在克服磁共振指纹识别中计算效率和匹配准确性的挑战	磁共振指纹识别中的参数重建	计算机视觉	NA	磁共振指纹识别（MRF）	视觉变换器（ViT）	图像	模拟数据和体内数据