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
23441	2024-08-07	ACCELERATED PARALLEL MRI USING MEMORY EFFICIENT AND ROBUST MONOTONE OPERATOR LEARNING (MOL) 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230471 PMID:38738185	研究论文	本文研究了单调算子学习（MOL）框架在并行MRI加速中的应用	MOL算法结合了单调卷积神经网络（CNN）和共轭梯度算法，提供了与压缩感知算法相似的唯一性、收敛性和稳定性保证，同时显著提高了内存效率	NA	验证MOL框架在并行MRI加速中的有效性	并行MRI加速	计算机视觉	NA	单调算子学习（MOL）	CNN	图像	NA
23442	2024-08-07	De novo design of small beta barrel proteins 2023-03-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2207974120 PMID:36897987	研究论文	本文探讨了使用Rosetta能量方法和深度学习方法从头设计小型beta桶蛋白拓扑结构	使用深度学习进行骨架生成和Rosetta进行序列设计的方法提高了设计成功率和结构多样性	小型beta桶蛋白的设计存在挑战，如小尺寸导致的疏水核心小和桶闭合的构象应变	探索和设计小型beta桶蛋白的拓扑结构，以增加可用作感兴趣蛋白靶标结合剂的蛋白形状空间	小型beta桶蛋白，包括Src同源3（SH3）和核酸/多糖结合（OB）拓扑结构以及罕见的五和六上-下-链桶	蛋白质设计	NA	Rosetta能量方法和深度学习	深度学习模型	蛋白质结构	四种小型beta桶折叠结构
23443	2024-08-07	Label-free hyperspectral imaging and deep-learning prediction of retinal amyloid β-protein and phosphorylated tau 2022-Sep, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgac164 PMID:36157597	research paper	本研究开发了一种无标记的超光谱成像方法，用于检测视网膜中Aβ和pS396-Tau的谱特征，并利用深度学习预测其在视网膜横截面中的分布	首次报道了pTau的谱特征，并展示了深度学习在准确预测Aβ和pTau分布方面的应用	NA	开发一种无标记的超光谱成像方法，用于检测和预测视网膜中Aβ和pTau的分布，为阿尔茨海默病的无标记检测奠定基础	视网膜中的Aβ和pTau	computer vision	阿尔茨海默病	超光谱成像	深度学习	图像	NA
23444	2024-08-07	ArtSeg-Artifact segmentation and removal in brightfield cell microscopy images without manual pixel-level annotations 2022-07-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-14703-y PMID:35794119	研究论文	本文提出了一种名为ScoreCAM-U-Net的管道，用于在明场细胞显微镜图像中自动分割和去除视觉伪影，无需手动像素级标注	该方法使用图像级标签进行训练，大大加快了训练过程，同时不显著牺牲分割性能	NA	开发一种自动化的方法来分割和去除明场细胞显微镜图像中的伪影，以改善下游分析	明场细胞显微镜图像中的伪影	计算机视觉	NA	深度卷积神经网络	U-Net	图像	三个不同的明场显微镜图像数据集
23445	2024-08-07	A Reproducible Deep-Learning-Based Computer-Aided Diagnosis Tool for Frontotemporal Dementia Using MONAI and Clinica Frameworks 2022-Jun-23, Life (Basel, Switzerland) DOI:10.3390/life12070947 PMID:35888037	研究论文	本文介绍了一种基于Clinica和MONAI框架的可重复且可靠的计算机辅助诊断工具的开发，用于检测额颞叶痴呆（FTD）	提出了一个可重复的计算机辅助诊断开发工作流程，并应用了可解释的人工智能方法来理解模型行为	文章未明确提及具体的局限性	开发一种标准化的计算机辅助诊断工具，以促进人工智能产品在医疗系统中的应用	额颞叶痴呆（FTD）的检测	计算机视觉	神经退行性疾病	深度学习（DL）	NA	3D MRI数据	数据来自NIFD数据库
23446	2024-08-07	Open Source Software for Automatic Subregional Assessment of Knee Cartilage Degradation Using Quantitative T2 Relaxometry and Deep Learning 2021-12, Cartilage IF:2.7Q1 DOI:10.1177/19476035211042406 PMID:34496667	研究论文	本文评估了一种全自动股骨软骨分割模型，用于测量T2弛豫值和纵向变化，并开发了一个开源的网络应用程序，用户可以拖放图像进行自动分割	开发了一个全自动的股骨软骨分割模型，并将其开源，提供了一个用户友好的网络应用程序	NA	评估全自动股骨软骨分割模型在测量T2弛豫值和纵向变化中的准确性	股骨软骨的分割和T2弛豫值的测量	计算机视觉	NA	多回波自旋回波（MESE）磁共振成像（MRI）	神经网络	图像	28张测试图像，其中14张由第二位专家评估
23447	2024-08-07	Synthesizing Quantitative T2 Maps in Right Lateral Knee Femoral Condyles from Multicontrast Anatomic Data with a Conditional Generative Adversarial Network 2021-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200122 PMID:34617020	研究论文	本文开发了一种卷积神经网络（CNN），利用条件生成对抗网络（cGAN）从解剖MR图像中合成右侧外侧股骨髁关节软骨的T2图	使用基于神经网络的cGAN方法合成T2图，与多回波自旋回波（MESE）扫描结果有良好的一致性	研究为回顾性，且仅限于特定患者群体和膝关节	开发一种新的方法来合成T2图，以评估膝关节软骨	右侧外侧股骨髁关节软骨的T2图	计算机视觉	骨关节炎	条件生成对抗网络（cGAN）	卷积神经网络（CNN）	图像	4621名患者的数据，其中3703用于训练，462用于验证，456用于测试
23448	2024-08-07	Using Satellite Images and Deep Learning to Identify Associations Between County-Level Mortality and Residential Neighborhood Features Proximal to Schools: A Cross-Sectional Study 2021, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2021.766707 PMID:34805078	研究论文	本研究使用卫星图像和卷积神经网络来识别县域死亡率与学校周边住宅区特征之间的关联	首次利用卫星图像和深度学习技术评估美国各县粗死亡率与学习图像特征之间的关系	研究主要依赖于与人口统计信息相关的特征，未来模型需直接识别与健康相关结果的图像特征	探讨美国县域死亡率是否能通过卫星图像预测	美国430个县的学校周边住宅区卫星图像及其对应的死亡率	计算机视觉	NA	卷积神经网络	CNN	图像	430个县，代表约68.9%的美国人口
23449	2024-08-07	Identification of surface-enhanced Raman spectroscopy using hybrid transformer network 2024-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124295 PMID:38703407	研究论文	本研究开发了一种混合Transformer网络TMNet，用于识别表面增强拉曼光谱（SERS），通过集成Transformer编码器和多层感知器来提高序列光谱的特征提取能力	提出了一种新的混合Transformer网络TMNet，通过Transformer编码器和多层感知器的结合，有效提升了序列光谱的特征提取和识别准确性	NA	开发一种新的深度学习方法，以提高表面增强拉曼光谱的识别准确性和抗噪声能力	表面增强拉曼光谱（SERS）及其在药物检测中的应用	机器学习	NA	表面增强拉曼光谱（SERS）	混合Transformer网络	光谱	包含药物的头发和尿液光谱
23450	2024-08-07	Single particle mass spectral signatures from on-road and non-road vehicle exhaust particles and their application in refined source apportionment using deep learning 2024-Jun-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.172822 PMID:38688364	研究论文	本研究收集了道路和非道路车辆的颗粒物，并使用单颗粒气溶胶质谱法分析其化学成分，通过自适应共振理论神经网络对数据进行分组，建立移动源的质谱数据库，并开发了一种基于深度学习的气溶胶颗粒分类模型（DeepAerosolClassifier），用于源解析。	本研究开发了一种高度自动化的源解析模型，无需特征选择，实现了端到端的操作，适用于精细和在线的颗粒物源解析。	NA	更新源解析的源谱以满足当前需求，并开发一种基于深度学习的气溶胶颗粒分类模型。	道路和非道路车辆的颗粒物及其化学成分。	机器学习	NA	单颗粒气溶胶质谱法	深度学习模型	质谱数据	NA
23451	2024-08-07	Automatic offline-capable smartphone paper-based microfluidic device for efficient biomarker detection of Alzheimer's disease 2024-Jun-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2024.342575 PMID:38740448	研究论文	本文介绍了一种基于智能手机的离线微流控纸基分析装置，用于阿尔茨海默病的早期筛查和生物标志物检测	该平台采用深度学习辅助的智能手机控制旋转结构，实现μPADs上的自动化c-ELISA，并集成了YOLOv5模型进行高精度检测	NA	开发一种低成本、高效率的离线智能手机平台，用于在资源有限地区进行阿尔茨海默病的快速检测	阿尔茨海默病及其生物标志物β-淀粉样蛋白1-42	机器学习	阿尔茨海默病	c-ELISA	YOLOv5	图像	38个人工血浆样本（健康：19，不健康：19，N = 6）
23452	2024-08-07	VENet: Variational energy network for gland segmentation of pathological images and early gastric cancer diagnosis of whole slide images 2024-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108178 PMID:38652995	研究论文	本文提出了一种名为VENet的变分能量网络，用于病理图像中的腺体分割和全切片图像中的早期胃癌诊断	VENet结合了变分数学模型和深度学习方法的数据适应性，有效平衡了边界和区域分割，并能在大尺寸全切片图像中可靠地分割和分类腺体	NA	解决腺体分割中边界和区域分割结果不理想的问题，并辅助早期胃癌诊断	病理图像中的腺体分割和全切片图像中的早期胃癌诊断	数字病理学	胃癌	深度学习	变分能量网络（VENet）	图像	在2015 MICCAI腺体分割挑战（GlaS）数据集、结直肠腺癌腺体（CRAG）数据集和南方医院自收集数据集上进行了评估，包括69张全切片图像（WSIs）
23453	2024-08-07	RegWSI: Whole slide image registration using combined deep feature- and intensity-based methods: Winner of the ACROBAT 2023 challenge 2024-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108187 PMID:38657383	research paper	本文提出了一种两步混合方法，用于不同染色全幻灯片图像（WSI）的自动配准，该方法结合了深度学习和特征基于的初始对齐算法以及基于强度的非刚性配准	该方法无需对特定数据集进行微调，可直接用于任何所需的组织类型和染色，并且在ACROBAT 2023挑战赛中获得第一名	NA	提高通过融合不同可见结构产生的互补信息来进行诊断和预后的自动配准	不同染色的全幻灯片图像（WSI）的自动配准	digital pathology	NA	深度学习	NA	image	使用了三个公开数据集进行评估：Automatic Nonrigid Histological Image Registration Dataset (ANHIR)、Automatic Registration of Breast Cancer Tissue Dataset (ACROBAT) 和 Hybrid Restained and Consecutive Histological Serial Sections Dataset (HyReCo)
23454	2024-08-07	Brain tumor detection using proper orthogonal decomposition integrated with deep learning networks 2024-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108167 PMID:38669717	研究论文	本研究通过将正交分解（POD）与卷积神经网络（CNN）结合，用于从磁共振成像（MRI）扫描的2D图像中有效识别脑肿瘤	首次将POD与CNN集成用于脑肿瘤检测，特别是在使用有限MRI扫描数据的情况下	NA	开发一种自动可靠的技术，以帮助医疗从业者及时诊断患者	脑肿瘤的自动检测	计算机视觉	脑肿瘤	磁共振成像（MRI）	卷积神经网络（CNN）	图像	NA
23455	2024-08-07	Deep learning and content-based filtering techniques for improving plant disease identification and treatment recommendations: A comprehensive review 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e29583 PMID:38737274	综述	本文综述了利用深度学习和基于内容的过滤技术改进植物病害识别和治疗建议的研究现状	探讨了深度学习和基于内容的过滤技术在植物病害识别和治疗中的应用潜力	指出了当前研究中的知识空白和局限性，并提出了未来研究方向	旨在改进植物病害的识别和管理，以确保农业生产的健康和可持续性	植物病害的识别和治疗	机器学习	NA	深度学习	NA	NA	NA
23456	2024-08-07	Understanding the Disparities of PM2.5 Air Pollution in Urban Areas via Deep Support Vector Regression 2024-May-14, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c09177 PMID:38698567	研究论文	本文提出了一种深度支持向量回归（DSVR）模型，用于理解城市地区PM2.5空气污染的差异	DSVR模型将城市区域建模为图，利用随机扩散的深度学习方法量化PM2.5的溢出效应，通过随机漫步揭示节点间更广泛的溢出关系，从而捕捉PM2.5的局部和非局部溢出效应	NA	旨在提高对城市地区PM2.5空气污染差异的理解	城市地区的PM2.5空气污染	机器学习	NA	深度支持向量回归（DSVR）	图模型	图数据	在纽约北部地区进行预测性能分析
23457	2024-08-07	Accurate object localization facilitates automatic esophagus segmentation in deep learning 2024-May-12, Radiation oncology (London, England) DOI:10.1186/s13014-024-02448-z PMID:38735947	研究论文	本文通过先定位后分割的策略，改进了深度学习中食管自动分割的性能	采用两阶段策略，先使用CenterNet定位食管中心，再使用3D U-net和2D U-net模型进行分割，提高了分割模型的鲁棒性	3D U-net模型在减少错误分割对象的同时，也增加了遗漏对象的情况	提高深度学习中食管自动分割的性能	食管的自动分割	计算机视觉	NA	NA	CNN	图像	100例胸腔CT扫描数据
23458	2024-08-07	Enhancing brain tumor detection in MRI images through explainable AI using Grad-CAM with Resnet 50 2024-May-11, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01292-7 PMID:38734629	研究论文	本研究通过结合ResNet50深度学习模型和Gradient-weighted Class Activation Mapping（Grad-CAM）技术，提出了一种用于MRI图像中脑肿瘤检测的可解释AI框架	本研究引入了Grad-CAM技术，提供了一种透明且可解释的脑肿瘤检测方法，增强了模型的可解释性	NA	提高MRI图像中脑肿瘤检测的准确性和可解释性	脑肿瘤检测	计算机视觉	脑肿瘤	Grad-CAM	ResNet50	图像	使用了经过数据增强的MRI图像数据集
23459	2024-08-07	Enhancing cervical cancer detection and robust classification through a fusion of deep learning models 2024-05-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61063-w PMID:38734714	研究论文	本文介绍了一种利用预训练的深度神经网络模型进行特征提取，并结合多种机器学习算法进行宫颈癌分类的新方法	该方法通过融合深度学习和机器学习技术，提高了宫颈癌检测的准确性和效率	NA	提高宫颈癌检测的准确性和效率	宫颈癌	机器学习	宫颈癌	深度学习	Alexnet, Resnet-101, Resnet-152, InceptionV3	图像	使用了公开的SIPaKMeD数据集
23460	2024-08-07	Deep learning segmentation of non-perfusion area from color fundus images and AI-generated fluorescein angiography 2024-05-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61561-x PMID:38734727	研究论文	本研究探讨了使用深度学习模型从彩色眼底图像中检测非灌注区域（NPA），并评估了从彩色眼底图像生成的合成荧光素血管造影（FA）的效用	本研究创新性地使用深度学习模型从彩色眼底图像中检测NPA，避免了侵入性和繁重的FA评估方法，并探索了合成FA的实用性	尽管深度学习模型能以合理准确度检测NPA，但预测稳定性稍低，彩色眼底模型显示出比其他模型更高的不确定性	研究目的是开发一种非侵入性的方法来评估分支视网膜静脉阻塞（BRVO）患者的视网膜非灌注区域	研究对象为319名BRVO患者的403组彩色眼底和FA图像	计算机视觉	视网膜疾病	深度学习	CNN	图像	403组彩色眼底和FA图像，来自319名BRVO患者