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
23101	2024-08-07	Accelerated Cardiac MRI Cine with Use of Resolution Enhancement Generative Adversarial Inline Neural Network 2023-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.222878 PMID:37249435	研究论文	本文开发并评估了一种基于深度学习的模型，该模型能够与并行成像或压缩感知（CS）结合，用于加速心脏电影磁共振成像（MRI）并提高空间和时间分辨率。	该研究利用增强的超分辨率生成对抗内联神经网络（GAN）模型，通过深度学习技术恢复了降低空间分辨率的图像，实现了与标准并行成像方法相似的心脏功能、体积和应变的准确量化。	NA	开发和评估一种能够减少扫描时间并/或提高心脏电影MRI空间和时间分辨率的深度学习模型。	心脏电影MRI图像的空间和时间分辨率。	计算机视觉	心血管疾病	深度学习	生成对抗网络（GAN）	图像	训练模型使用了1616名患者的数据，评估模型使用了181名个体（包括126名患者和55名健康受试者）的数据。
23102	2024-08-07	Deep Learning-Assisted Quantitative Susceptibility Mapping as a Tool for Grading and Molecular Subtyping of Gliomas 2023-Jun, Phenomics (Cham, Switzerland) DOI:10.1007/s43657-022-00087-6 PMID:37325712	研究论文	本研究旨在探讨深度学习辅助的定量磁化率成像（QSM）在胶质瘤分级和分子分型中的价值	使用深度学习辅助的QSM技术，结合多种成像模式，提高了胶质瘤分级和分子分型的准确性	研究样本量较小，且肿瘤分割为手动进行，可能影响结果的客观性	评估深度学习辅助的QSM在胶质瘤分级和分子分型中的应用价值	42名接受3.0T磁共振成像（MRI）扫描的胶质瘤患者	机器学习	脑瘤	定量磁化率成像（QSM）	卷积神经网络（CNN）	医学影像	42名胶质瘤患者
23103	2024-08-07	Bias Analysis in Healthcare Time Series (BAHT) Decision Support Systems from Meta Data 2023-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-023-00133-6 PMID:37377633	研究论文	本文提出了一种用于医疗时间序列（BAHT）信号中偏差分析的框架，主要针对心电图（ECG）和脑电图（EEG）信号	本文首次提出了BAHT框架，用于分析和可视化解析医疗时间序列数据中的偏差，并探讨了偏差放大现象	偏差缓解策略尚处于初级研究阶段，需要进一步发展和完善	旨在分析和改善医疗决策支持系统中的偏差问题	主要研究对象为心电图（ECG）和脑电图（EEG）数据集	机器学习	NA	深度学习	监督学习模型	时间序列数据	涉及三个主要的ECG和EEG医疗数据集
23104	2024-08-07	Deep learning-based registration of two-dimensional dental images with edge specific loss 2023-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.3.034002 PMID:37274759	研究论文	本文提出了一种基于边缘特定损失的深度学习无监督变形配准框架，用于对齐二维牙科X射线图像	引入了一种边缘特定损失函数，增强了无监督学习，无需通过解剖结构进行监督	NA	提高牙科应用中图像配准的准确性和速度	二维牙科X射线图像	计算机视觉	NA	深度学习	U-Net结合空间变换网络	图像	104张下颌X射线图像，组成2600对用于训练和测试；17对术前和术后重建的全景图像
23105	2024-08-07	Fast, accurate antibody structure prediction from deep learning on massive set of natural antibodies 2023-04-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-38063-x PMID:37185622	研究论文	本文介绍了一种名为IgFold的快速深度学习方法，用于抗体结构预测	IgFold能够在显著更短的时间内（少于25秒）预测出与现有方法（包括AlphaFold）相似或更高质量的抗体结构	NA	开发一种快速且准确的抗体结构预测方法	抗体的结构	机器学习	NA	深度学习	语言模型和图网络	序列数据	558百万自然抗体序列用于预训练模型，1.4百万配对抗体序列用于结构预测
23106	2024-08-05	Fully automated quantification of cardiac chamber and function assessment in 2-D echocardiography: clinical feasibility of deep learning-based algorithms 2022-May, The international journal of cardiovascular imaging DOI:10.1007/s10554-021-02482-y PMID:35152371	研究论文	本文比较了当前突出的深度学习算法的分割性能，并验证了手动创建的二维超声心动图四个心脏腔室的真实标注的一致性	提出了对现有深度学习算法的性能进行比较，并验证了四个心脏腔室的真实标注的可重复性	在PSAX视图中LV壁区域的表现较差，且存在一定的观察者间变异性	评估深度学习算法在完全自动化的心脏腔室分割和功能评估中的临床可行性	纳入了500名接受经胸超声心动图检查的患者	计算机视觉	心血管疾病	深度学习	U-net, Res-U-net, Dense-U-net	图像	500名患者，随机选择100名患者用于观察者变异性分析
23107	2024-08-05	Machine learning based multi-modal prediction of future decline toward Alzheimer's disease: An empirical study 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0277322 PMID:36383528	研究论文	该论文进行了一项实证研究，以多模态数据预测个体未来阿尔茨海默病的发展轨迹	提出了一种能够处理不同未来时间范围和异构数据的机器学习策略	预测认知正常个体的未来衰退比轻度认知障碍个体更具挑战性	早期识别阿尔茨海默病高风险个体以促进有效治疗和预防	个体未来阿尔茨海默病发展轨迹的预测	机器学习	阿尔茨海默病	深度学习	线性和非线性模型	多模态数据	NA
23108	2024-08-05	A DEEP LEARNING APPROACH FOR CANCER DETECTION AND RELEVANT GENE IDENTIFICATION 2017, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789813207813_0022 PMID:27896977	研究论文	本文提出了一种深度学习方法用于癌症检测和乳腺癌关键基因识别	使用堆叠去噪自编码器深入提取高维基因表达特征，并通过监督分类模型验证其在癌症检测中的有效性	未提及具体的样本数量和数据集来源，可能影响结果的普遍适用性	研究癌症检测及乳腺癌诊断所需的基因识别	乳腺癌相关的基因及其在临床诊断中的作用	数字病理学	乳腺癌	深度学习	堆叠去噪自编码器(SDAE)	基因表达数据	NA
23109	2024-08-05	Protein Function Prediction Using Deep Restricted Boltzmann Machines 2017, BioMed research international IF:2.6Q3 DOI:10.1155/2017/1729301 PMID:28744460	研究论文	本文探讨了使用深层限制玻尔兹曼机预测部分注释蛋白质的缺失功能注释	首次将深层限制玻尔兹曼机应用于蛋白质功能注释的预测	未提及具体的实验样本规模和数据集的详细信息	研究深度学习技术在蛋白质功能预测中的应用	部分注释的蛋白质	机器学习	NA	深层限制玻尔兹曼机	深层限制玻尔兹曼机	图像, 文本	NA
23110	2024-08-07	The dynamic-static dual-branch deep neural network for urban speeding hotspot identification using street view image data 2024-Aug, Accident; analysis and prevention DOI:10.1016/j.aap.2024.107636 PMID:38776837	研究论文	提出了一种基于街景图像数据的动态-静态双分支深度神经网络，用于城市超速热点识别	提出了双分支上下文动态-静态特征融合网络，结合静态全景图像和动态序列数据，以更准确地识别城市超速热点区域	NA	旨在通过分析道路环境的视觉信息，提高交通安全的水平	城市超速热点区域	计算机视觉	NA	深度学习	双分支上下文动态-静态特征融合网络	图像	NA
23111	2024-08-07	Unsupervised classification of multi-contrast magnetic resonance histology of peripheral arterial disease lesions using a convolutional variational autoencoder with a Gaussian mixture model in latent space: A technical feasibility study 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102372 PMID:38581959	技术可行性研究	研究使用结合变分自编码器（VAE）和二维卷积神经网络（CNN）的深度学习算法，自动量化外周动脉疾病（PAD）闭塞病变中硬组织的分布和形态的可行性	结合2D CNN VAE和GMM实现了对含硬组织病变的高分类概率	软组织病变的复杂性导致伪彩色图像的异质性，使得GMM组件更多地归属于软组织类别	探索深度学习算法在自动量化外周动脉疾病磁共振图像中硬组织分布和形态的可行性	外周动脉疾病的闭塞病变	计算机视觉	外周动脉疾病	磁共振成像	CNN	图像	4014张伪彩色合成图像，来自六条截肢腿的病变
23112	2024-08-07	Deep learning-based glomerulus detection and classification with generative morphology augmentation in renal pathology images 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102375 PMID:38599040	研究论文	本文提出了一种基于深度卷积神经网络的方法，用于自动检测和分类肾病理图像中的不同染色的肾小球	本文提出了一个扁平化的Xception与特征金字塔网络（FX-FPN）用于肾小球检测，并通过循环一致生成对抗网络（CycleGAN）进行数据增强以提高分类器的判别能力	NA	优化肾病理学家在解释肾病理图像时的时间消耗和劳动强度	肾病理图像中的肾小球	数字病理学	NA	深度卷积神经网络（CNN）	CNN	图像	NA
23113	2024-08-07	A deep learning-based pipeline for developing multi-rib shape generative model with populational percentiles or anthropometrics as predictors 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102388 PMID:38692200	研究论文	本文提出了一种基于深度学习的流程，用于开发多肋骨横截面形状生成模型，该模型使用人口百分位数或人体测量学作为预测因子	利用条件变分自编码器（CVAE）和随机树回归器，将肋骨形状数据与人体测量学特征（如年龄、身高和体重）关联起来，从而生成具有特定人口百分位数或特定人体测量学特征的肋骨横截面形状	NA	开发一种能够生成具有特定人口百分位数或特定人体测量学特征的肋骨横截面形状的模型，以促进未来考虑人口多样性的生物医学和生物力学研究	肋骨横截面形状及其与人体测量学特征的关联	机器学习	NA	条件变分自编码器（CVAE）	CNN	图像	3193个肋骨样本
23114	2024-08-07	W-DRAG: A joint framework of WGAN with data random augmentation optimized for generative networks for bone marrow edema detection in dual energy CT 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102387 PMID:38703602	研究论文	本文提出了一种基于深度学习技术的框架W-DRAG，用于在双能CT中检测骨髓水肿，通过结合Wasserstein GAN和数据随机增强优化生成对抗网络，提高了疾病筛查和骨病变定位的准确性	本文创新性地结合了数据增强优化和Wasserstein GAN，生成稳定且与真实图像分布高度一致的合成图像，提高了分类模型的性能	NA	开发一种新的生成对抗网络框架，用于提高双能CT中骨髓水肿检测的准确性	双能CT图像中的骨髓水肿检测	计算机视觉	骨髓水肿	生成对抗网络(GAN)	Wasserstein GAN	图像	使用真实和合成样本进行训练和测试
23115	2024-08-07	3DFRINet: A Framework for the Detection and Diagnosis of Fracture Related Infection in Low Extremities Based on 18F-FDG PET/CT 3D Images 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102394 PMID:38714019	研究论文	提出了一种基于18F-FDG PET/CT 3D图像的自动化两阶段框架3DFRINet，用于检测和诊断下肢骨折相关感染	3DFRINet通过双分支设计和注意力模块有效提取和融合两种模态的特征，并使用最大强度投影降低图像维度，提高了诊断性能	NA	开发一种自动化工具，用于早期全面评估和准确诊断下肢骨折手术后的骨折相关感染	下肢骨折相关感染的检测和诊断	计算机视觉	骨折相关感染	18F-FDG PET/CT	CNN	3D图像	NA
23116	2024-08-07	CAVE: Cerebral artery-vein segmentation in digital subtraction angiography 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102392 PMID:38714020	研究论文	本文提出了一种名为CAVE的网络，用于在数字减影血管造影（DSA）中自动分割脑动脉和静脉	CAVE网络结合了空间血管结构和时间脑血流特征，有效解决了传统U-Net在DSA图像中难以区分血管与减影伪影以及无法有效分离动脉和静脉的问题	NA	研究目的是开发一种新的深度学习方法，用于在DSA图像中自动分割脑动脉和静脉	脑动脉和静脉的自动分割	计算机视觉	神经血管疾病	数字减影血管造影（DSA）	CAVE网络	图像	多中心临床数据集
23117	2024-08-07	Weakly-supervised preclinical tumor localization associated with survival prediction from lung cancer screening Chest X-ray images 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102395 PMID:38729092	研究论文	本文探讨了通过弱监督训练的生存预测模型，在胸部X光片（CXR）图像中定位临床前肿瘤区域的可能性，并使用健康患者的CXR图像及其死亡时间标签数据集进行验证	本文提出了一种新的方法，通过使用多类生存预测深度学习分类器和Grad-CAM等后置解释方法，实现了临床前肿瘤区域的定位，并为生存预测结果提供了视觉解释	NA	验证在胸部X光片中通过弱监督学习定位临床前肿瘤区域并预测生存率的可行性	胸部X光片中的临床前肿瘤区域定位及生存预测	计算机视觉	肺癌	弱监督学习	深度学习分类器	图像	使用国家肺癌筛查试验（NLST）数据集进行实验
23118	2024-08-07	High-spatial resolution ground-level ozone in Yunnan, China: A spatiotemporal estimation based on comparative analyses of machine learning models 2024-Jun-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118609 PMID:38442812	研究论文	本研究比较了几种广泛使用的集成学习和深度学习方法，用于模拟云南地区地面臭氧浓度，并评估其时空泛化性能	采用3维卷积神经网络（3-D CNN）模型，该模型在评估云南地区每日最大8小时平均臭氧浓度方面表现最佳	NA	开发高精度模型以模拟地面臭氧浓度，评估表面臭氧污染	云南地区的地面臭氧浓度	机器学习	NA	集成学习方法，深度学习方法	3-D CNN	数据集	5折交叉验证
23119	2024-08-07	Daily scale air quality index forecasting using bidirectional recurrent neural networks: Case study of Delhi, India 2024-Jun-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2024.124040 PMID:38685551	研究论文	本研究旨在利用双向循环神经网络准确预测每日空气质量指数（AQI），以德里市为例	研究采用了多种深度学习模型，包括长短期记忆网络（LSTM）、双向LSTM（Bi-LSTM）和双向循环神经网络（Bi-RNN），并发现Bi-RNN模型在训练和测试阶段均表现最佳	研究显示模型性能受数据质量影响，需要充足的数据来训练模型	准确预测每日空气质量指数，为决策提供支持	德里市的空气质量指数	机器学习	NA	深度学习	双向循环神经网络（Bi-RNN）	空气质量数据	具体样本数量未在摘要中提及
23120	2024-08-07	The role and future prospects of artificial intelligence algorithms in peptide drug development 2024-Jun, Biomedicine & pharmacotherapy = Biomedecine & pharmacotherapie DOI:10.1016/j.biopha.2024.116709 PMID:38713945	综述	本文综述了人工智能算法在肽类药物开发中的作用及未来前景	介绍了人工智能辅助的机器学习或深度学习模型在筛选大量候选治疗肽序列中的应用	传统肽类药物研发周期长且投资高	探讨人工智能在肽类药物开发中的应用，以加速药物研发过程	肽类药物及其在治疗各种疾病中的应用	机器学习	NA	机器学习, 深度学习	NA	序列数据	大量候选治疗肽序列