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
22801	2024-08-05	MADR-Net: multi-level attention dilated residual neural network for segmentation of medical images 2024-06-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63538-2 PMID:38830932	研究论文	本研究提出了一种新的深度学习架构MADR-Net用于医学图像的分割。	MADR-Net引入了多级残差块和空洞金字塔场景解析池以提高医学图像分割的性能，并使用了混合损失函数以增强任务表现。	未提及具体的限制因素	提高医学图像分割的准确性和效果。	对典型挑战性医学图像分割任务进行验证，包括心脏超声、皮肤癌、电子显微镜和MRI图像的分割。	数字病理学	皮肤癌	深度学习	U-Net	图像	四个典型医学图像分割任务的数据集
22802	2024-08-05	Deep Learning for Perfusion Cerebral Blood Flow (CBF) and Volume (CBV) Predictions and Diagnostics 2024-Jun, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03471-7 PMID:38402314	研究论文	该文章介绍了一种基于深度学习的脑灌注参数预测和诊断方法	创新点在于通过多阶段深度学习模型，整合时空特征进行体素级灌注参数预测	目前研究仍依赖于FDA批准软件生成的数据，并未完全实现独立的方法	开发一种更稳健和高效的方法来计算脑灌注参数	研究对象为基于DSC-MRP生成的脑灌注图像数据	数字病理学	NA	动态敏感对比磁共振灌注（DSC-MRP）	1D卷积神经网络（CNN）与2D U-Net编码器-解码器网络	4D磁共振灌注数据集	NA
22803	2024-08-05	Deep learning-based harmonization of trabecular bone microstructures between high- and low-resolution CT imaging 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17003 PMID:38415781	研究论文	本文提出了一种新的深度学习方法，用于协调低分辨率和高分辨率CT扫描得到的骨微结构图像。	本文的创新点在于提出的3DGAN-CIRCLE方法，通过生成对抗网络(cGAN)进行图像协调，并在多种设置下显示出优越的性能。	样本数量相对较小，仅有20名志愿者可能限制了结果的普适性。	研究旨在改善和谐来自不同CT扫描设备的骨微结构图像数据的能力。	研究对象为20名志愿者的左腿远端胫骨的低分辨率和高分辨率CT扫描图像。	数字病理学	骨质疏松	深度学习	3DGAN-CIRCLE	图像	20名志愿者，500对64 × 64 × 64体素的LRCT和HRCT图像块
22804	2024-08-05	Spatial acoustic properties recovery with deep learning 2024-Jun-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0026231 PMID:38847594	研究论文	提出了一种空间依赖的物理信息神经网络（SD-PINN），用于从测量中恢复空间依赖的偏微分方程（PDE）系数	SD-PINN允许使用单个神经网络恢复空间依赖的PDE系数，消除了对特定领域物理专业知识的要求	NA	研究如何通过深度学习恢复偏微分方程中的空间依赖系数	关注波动方程的空间依赖系数的恢复，以揭示不均匀介质中的声学特性分布	机器学习	NA	物理信息神经网络（PINN）	深度学习网络	测量数据	NA
22805	2024-08-05	Multimodal radiotherapy dose prediction using a multi-task deep learning model 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17115 PMID:38710210	研究论文	本研究开发了一种基于多任务深度学习模型的AVB放疗剂量预测方法	提出了一个可以同时预测多种放疗模式剂量分布的多任务模型，克服了单一模式模型的限制	仅在28名APBI患者的数据上进行评估，样本量相对较小	开发高效个性化的AVB放疗模式优化方法	28名APBI患者及其92个治疗计划	数字病理学	NA	深度学习	CNN	CT扫描数据	28名APBI患者及其92个治疗计划
22806	2024-08-05	Early Predicting Osteogenic Differentiation of Mesenchymal Stem Cells Based on Deep Learning Within One Day 2024-Jun, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03483-3 PMID:38488988	研究论文	本文探讨了基于深度学习的间充质干细胞成骨分化的早期预测方法	通过简单的明场图像和深度学习网络实现了对间充质干细胞成骨分化的早期和准确检测	研究主要依赖于明场图像，可能会受到图像质量的影响	旨在通过训练卷积神经网络(CNN)来定量测量间充质干细胞的成骨分化	间充质干细胞(MSCs)的成骨分化过程	计算机视觉	NA	深度学习	卷积神经网络(CNN)	图像	在早期成骨分化过程中捕获了多个时间点的MSC图像 (第0天、1天、3天、5天和7天)
22807	2024-08-05	Generalization of a Deep Learning Model for Continuous Glucose Monitoring-Based Hypoglycemia Prediction: Algorithm Development and Validation Study 2024-May-24, JMIR medical informatics IF:3.1Q2 DOI:10.2196/56909 PMID:38801705	研究论文	本研究验证了基于长期短期记忆网络(LSTM)的低血糖预测模型在不同糖尿病亚型人群中的有效性	该研究展示了LSTM模型在多样人群中对低血糖预测的稳健性和广泛适应性	该研究可能未考虑所有影响低血糖预测的环境或生理因素，样本主要集中于糖尿病患者	验证LSTM低血糖预测模型在不同亚型糖尿病患者中的准确性	193名中国糖尿病患者和427名美欧血统患者	机器学习	糖尿病	LSTM, 支持向量机(SVM), 随机森林(RF)	LSTM	连续血糖监测数据	192名中国糖尿病患者和427名美欧血统患者
22808	2024-08-05	Harnessing TME depicted by histological images to improve cancer prognosis through a deep learning system 2024-May-21, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101536 PMID:38697103	研究论文	本研究通过深度学习系统增强组织学图像中肿瘤微环境(TME)信息，以改善癌症预后。	提出了一种集成图像与图形深度学习的模型(IGI-DL)，在预测ST表达方面显著优于现有方法，并开发了基于TME的癌症预后预测模型。	临床可用性受限于空间转录组学(ST)技术，未提供ST数据的患者可能无法直接利用成果。	研究旨在通过分析肿瘤微环境改善癌症预后。	研究对象是缺少ST数据的癌症患者及其组织学图像。	数字病理学	乳腺癌与结直肠癌	深度学习系统	集成图像与图形深度学习模型(IGI-DL)	组织学图像	The Cancer Genome Atlas乳腺癌和结直肠癌队列，以及外部的分子与细胞肿瘤学结直肠癌队列的样本
22809	2024-08-05	The application of deep learning in abdominal trauma diagnosis by CT imaging 2024-05-06, World journal of emergency surgery : WJES IF:6.0Q1 DOI:10.1186/s13017-024-00546-7 PMID:38711150	研究论文	本文开发了一种基于深度学习算法的CT影像腹部创伤诊断方法	提出了一种新的深度学习算法用于初步筛查腹部内脏损伤	未提及具体的局限性	研究目标是提高腹部创伤的CT影像解读准确性	使用来自Kaggle竞争的数据集，包括3147名患者	计算机视觉	创伤	深度学习	2D语义分割和2.5D分类模型	影像	3147名患者，855名腹部创伤患者
22810	2024-08-05	NEATmap: a high-efficiency deep learning approach for whole mouse brain neuronal activity trace mapping 2024-May, National science review IF:16.3Q1 DOI:10.1093/nsr/nwae109 PMID:38831937	研究论文	介绍NEATmap，一种高效的深度学习方法，用于全脑神经元活动追踪映射	NEATmap是一个自动分割和定量分析的深度学习软件，具有高效率和高精度	尚未提及研究的限制	量化分析鼠脑中被激活神经元以定位对刺激反应的神经元	使用NEATmap研究小鼠在物理和心理压力下的全脑神经元激活	数字病理学	NA	免疫荧光标记	深度学习	体积成像数据	多个小鼠队列的样本
22811	2024-08-05	A Survey of Deep Learning for Detecting miRNA- Disease Associations: Databases, Computational Methods, Challenges, and Future Directions 2024 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3351752 PMID:38194377	综述	本文综述了使用深度学习检测miRNA与疾病关联的研究进展	总结了现有的基于深度学习的miRNA-疾病关联计算方法，并提出未来研究方向	现有方法的性能评估和不同计算方法之间的比较问题尚未得到充分解决	探讨深度学习在miRNA-疾病关联预测中的应用及其潜在研究方向	miRNA-疾病关联及相关的数据库和计算方法	计算机视觉	NA	深度学习	深度学习和图神经网络	数据库和计算模型	48种现有计算方法
22812	2024-08-05	Convolutional Neural Network-Based Prediction of Axial Length Using Color Fundus Photography 2024-May-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.5.23 PMID:38809531	研究论文	本研究开发了基于卷积神经网络的模型，通过彩色眼底摄影预测眼轴长度。	创新点在于利用彩色眼底摄影结合年龄和性别信息，提高了眼轴长度预测的准确性。	所使用的部分彩色眼底图像质量较差，可能会影响预测结果的可靠性。	研究目的是提高基于彩色眼底摄影的眼轴长度预测的准确性。	本研究对象为467名参与者的1105幅 Fundus 图像。	计算机视觉	NA	卷积神经网络	CNN	图像	467名参与者的1105幅彩色眼底图像
22813	2024-08-05	Adolescents and Children Age Estimation Using Machine Learning Based on Pulp and Tooth Volumes on CBCT Images 2024-Apr-25, Fa yi xue za zhi DOI:10.12116/j.issn.1004-5619.2023.231210 PMID:38847028	研究论文	使用基于CBCT图像的牙髓和牙齿体积的机器学习方法估计青少年和儿童的年龄	提出了基于牙髓和牙齿体积的机器学习模型进行年龄估计，并比较了不同算法的效果	决策树模型的拟合效果较差，导致整体模型表现受到限制	通过机器学习方法在CBCT图像上估计青少年和儿童的年龄	498个上海汉族青少年和儿童的CBCT图像	机器学习	NA	CBCT	K近邻、岭回归、决策树	图像	498个青少年和儿童的CBCT图像
22814	2024-08-05	Adults Ischium Age Estimation Based on Deep Learning and 3D CT Reconstruction 2024-Apr-25, Fa yi xue za zhi DOI:10.12116/j.issn.1004-5619.2023.231003 PMID:38847030	研究论文	本文开发了一种基于3D CT重建图像的成年人坐骨年龄估计深度学习模型	创新点在于利用西中国汉族群体的坐骨粗隆图像，结合ResNet34和迁移学习实现年龄估计	研究可能局限于特定人群的样本，结果的普适性需要进一步验证	研究目的在于评估基于3D CT图像的坐骨年龄估计模型的可行性和可靠性	研究对象为西中国一千二百名年龄在20到80岁之间的成年人	数字病理学	NA	3D CT重建	ResNet34	图像	1200个样本（600名男性和600名女性）
22815	2024-08-05	A deep learning model based on MRI for prediction of vessels encapsulating tumour clusters and prognosis in hepatocellular carcinoma 2024-04, Abdominal radiology (New York) DOI:10.1007/s00261-023-04141-3 PMID:38175256	研究论文	本研究旨在构建和评估一个基于深度学习的模型，以预测肝细胞癌患者肿瘤簇包围血管及预后	本文创新性地使用ResNet-34深度学习模型预测肝细胞癌患者的肿瘤簇血管包围情况及其预后	研究为回顾性，外部验证队列样本数量可能不足	旨在为肝细胞癌患者的术前预后评估提供非侵入性的预测工具	纳入320名病理确诊的肝细胞癌患者	数字病理学	肝细胞癌	深度学习	ResNet-34	医学影像	320名肝细胞癌患者
22816	2024-08-05	Algorithms for classification of sequences and segmentation of prostate gland: an external validation study 2024-04, Abdominal radiology (New York) DOI:10.1007/s00261-024-04241-8 PMID:38436698	研究论文	该研究旨在外部验证两个AI模型用于前列腺mpMRI序列分类和前列腺腺体的分割	本研究首次在不同MR场强和序列条件下验证了前列腺mpMRI图像分类和分割的AI模型	研究的数据仅来自于两家医院，可能影响结果的普遍性	验证AI模型在前列腺mpMRI图像分类和分割中的有效性	719名患者的mpMRI数据	数字病理学	前列腺癌	mpMRI	Med3D深度学习和UNet-3D	图像	719个MR研究中的20,551组图像
22817	2024-08-05	Application of a deep learning algorithm for three-dimensional T1-weighted gradient-echo imaging of gadoxetic acid-enhanced MRI in patients at a high risk of hepatocellular carcinoma 2024-03, Abdominal radiology (New York) DOI:10.1007/s00261-023-04124-4 PMID:38095685	研究论文	本研究评估了一种深度学习重建算法在肝脏MRI中的应用效果	引入了特定厂商的深度学习重建算法，以提高影像质量和病灶检测能力	对非囊性肝病灶的检测表现无显著差异，可能对某些类型的病变敏感性不足	评估深度学习重建算法在高风险肝细胞癌患者中增强影像质量的有效性	83名高风险肝细胞癌患者	数字病理	肝癌	深度学习重建算法	NA	影像	83名高风险患者
22818	2024-08-05	Prediction and Diagnosis of Breast Cancer Using Machine and Modern Deep Learning Models 2024-Mar-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2024.25.3.1077 PMID:38546090	研究论文	本研究旨在评估多种机器学习和现代深度学习模型在乳腺癌预测和诊断中的有效性	探讨了多种机器学习和深度学习模型在乳腺癌预测中的应用和效果	NA	降低女性乳腺癌相关死亡率的预测和诊断效果	乳腺癌患者的预测和诊断模型	机器学习	乳腺癌	人工智能，机器学习，深度学习	NA	NA	NA
22819	2024-08-05	Multi-scale V-net architecture with deep feature CRF layers for brain extraction 2024-Feb-23, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00452-8 PMID:38396078	研究论文	本文提出了一种高效的V-net架构EVAC+，用于脑部提取	引入了一种智能增强策略，独特的条件随机场递归层使用方法，以及额外的损失函数以优化分割输出	训练数据集仅包含健康成人，限制了对临床和儿童数据的泛化能力	提高脑部影像数据的脑部提取精度	使用脑部影像数据进行脑部提取的研究者	计算机视觉	NA	深度学习	V-net	影像	训练数据集仅包含健康成人，样本量未明
22820	2024-08-05	Deep learning based retinal vessel segmentation and hypertensive retinopathy quantification using heterogeneous features cross-attention neural network 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1377479 PMID:38841586	研究论文	本文提出了一种基于深度学习的视网膜血管分割和高血压性视网膜病量化方法	创新点在于提出了一种异构神经网络，结合了卷积神经网络的局部语义信息提取与变换网络结构的长距离空间特征挖掘	NA	研究旨在提高视网膜图像中血管的自动分割精度和高血压性视网膜病的量化	研究对象为视网膜图像中的血管	计算机视觉	高血压性视网膜病	深度学习	异构神经网络	图像	四个公开可用数据集