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
601	2024-12-18	A Deep Learning Based Framework to Identify Undocumented Orphaned Oil and Gas Wells from Historical Maps: A Case Study for California and Oklahoma 2024-Dec-17, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c04413 PMID:39629830	研究论文	本文开发了一种基于深度学习的框架，用于从历史地图中识别未记录的孤立油气井，并在加利福尼亚州和俄克拉荷马州的四个县进行了案例研究	本文创新性地利用了最先进的计算机视觉神经网络模型U-Net，通过检测地理参考历史地形图中的油气井符号来识别潜在的未记录孤立油气井	本文的局限性在于仅在加利福尼亚州和俄克拉荷马州的四个县进行了验证，未来需要进一步扩展到全美范围	本文的研究目的是开发一种方法来识别未记录的孤立油气井，以减少其对环境和公共健康的潜在危害	本文的研究对象是未记录的孤立油气井及其在历史地图中的位置	计算机视觉	NA	计算机视觉神经网络模型	U-Net	地图	在加利福尼亚州和俄克拉荷马州的四个县中，发现了1301个潜在的未记录孤立油气井，覆盖面积超过40,000平方公里
602	2024-12-18	Bimodal PET/MRI generative reconstruction based on VAE architectures 2024-Dec-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad9133 PMID:39527911	研究论文	本研究探索了在深度学习框架下基于变分自编码器（VAE）架构的正电子发射断层扫描（PET）/磁共振成像（MRI）联合重建方法	提出了基于VAE约束与交替方向乘子法（ADMM）优化技术的新方法，并探索了三种VAE架构以确定两种模态的最佳潜在表示	未提及具体限制	开发一种新的PET/MRI联合重建方法，以提高重建质量，特别是在短采集时间下的表现	脑部PET/MRI数据	计算机视觉	NA	变分自编码器（VAE），交替方向乘子法（ADMM）	VAE	图像	脑部PET/MRI数据集
603	2024-12-18	Correction: Deep Learning to Estimate Cardiovascular Risk From Chest Radiographs 2024-Dec-17, Annals of internal medicine IF:19.6Q1 DOI:10.7326/ANNALS-24-03386 PMID:39680924	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
604	2024-12-18	Low Skeletal Muscle Radiodensity Predicts Response to CDK4/6 Inhibitors Plus Aromatase Inhibitors in Advanced Breast Cancer 2024-Dec-17, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13666 PMID:39686815	研究论文	本研究探讨了CT衍生的身体成分指数与激素受体阳性、HER2阴性晚期乳腺癌患者在接受内分泌治疗加CDK4/6抑制剂治疗时的治疗反应之间的关系	首次发现低骨骼肌放射密度（SMD）是预测接受CDK4/6抑制剂和芳香化酶抑制剂联合治疗的患者无进展生存期的独立预测因子	研究为回顾性研究，样本量有限，且仅限于女性患者	探讨身体成分指数与晚期乳腺癌患者治疗反应之间的关系	激素受体阳性、HER2阴性晚期乳腺癌患者	数字病理学	乳腺癌	CT	深度学习	图像	247名女性患者
605	2024-12-18	An interpretable multi-scale convolutional attention residual neural network for glioma grading with Raman spectroscopy 2024-Dec-17, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay02068e PMID:39686848	研究论文	本文提出了一种可解释的多尺度卷积注意力残差神经网络（M-SCA ResNet），用于基于拉曼光谱的胶质瘤分级	创新点在于引入了多尺度通道和空间注意力机制以及残差结构，提升了模型的特征提取能力，并使用Grad-CAM增强了模型的可解释性	NA	开发一种能够提高胶质瘤分级准确性的深度学习模型，并增强其可解释性	高级别胶质瘤（HGG）、低级别胶质瘤（LGG）和正常组织的分类	机器学习	脑肿瘤	拉曼光谱	多尺度卷积注意力残差网络（M-SCA ResNet）	光谱数据	NA
606	2024-12-18	Development of Deep Learning-Based Virtual Lugol Chromoendoscopy for Superficial Esophageal Squamous Cell Carcinoma 2024-Dec-17, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16843 PMID:39687978	研究论文	本文开发了一种基于深度学习的虚拟卢戈染色内镜技术，用于检测表浅性食管鳞状细胞癌	本文首次使用CycleGAN生成虚拟卢戈染色内镜图像，并评估其在食管鳞状细胞癌检测中的表现	虚拟卢戈染色内镜的检测和边缘评分仍低于真实卢戈染色内镜	开发一种基于深度学习的虚拟卢戈染色内镜方法，以提高食管鳞状细胞癌的检测敏感性	表浅性食管鳞状细胞癌的检测和边缘评估	计算机视觉	食管癌	CycleGAN	GAN	图像	6名内镜医生对白光内镜、真实卢戈染色内镜和虚拟卢戈染色内镜的评分
607	2024-12-18	Encoding matching criteria for cross-domain deformable image registration 2024-Dec-17, Medical physics IF:3.2Q1 DOI:10.1002/mp.17565 PMID:39688347	研究论文	本文提出了一种面向注册的编码器，用于跨域的可变形图像配准，通过捕捉图像特征和结构特征的自相似性来提高配准的准确性和适应性	本文的创新点在于设计了一个注册导向的编码器，能够建模图像特征和结构特征的匹配标准，并通过一次性学习更新结构特征编码器，从而有效适应不同领域	本文的局限性在于仅在MRI图像上进行了验证，未来可能需要在更多类型的医学图像上进行测试	本文的研究目的是提出一种高效且准确的跨域可变形图像配准方法	本文的研究对象是不同领域的MRI图像，包括脑部、腹部和心脏图像	计算机视觉	NA	深度学习	编码器	图像	训练/测试样本包括脑部图像870/90对，腹部图像1406/90对，心脏图像64770/870对
608	2024-12-18	Deep learning algorithm enables automated Cobb angle measurements with high accuracy 2024-Dec-17, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04853-7 PMID:39688663	研究论文	本文研究了深度学习算法在全脊柱X光片上自动测量Cobb角的准确性	本文首次验证了深度学习算法在自动测量Cobb角方面的准确性	研究样本主要集中在特定年龄段的患者，且仅限于脊柱侧弯患者	验证深度学习算法在全脊柱X光片上自动测量Cobb角的准确性	脊柱侧弯患者的全脊柱X光片	计算机视觉	脊柱侧弯	深度学习	深度学习算法	图像	345名患者，包括179名儿童和166名成人
609	2024-12-18	A deep learning method for total-body dynamic PET imaging with dual-time-window protocols 2024-Dec-17, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07012-1 PMID:39688700	研究论文	本文开发了一种深度学习算法，能够从双时间窗口协议中预测动态图像，从而缩短动态正电子发射断层扫描（PET）的扫描时间	提出了一个带有注意力机制的双向序列到序列模型（Bi-AT-Seq2Seq），用于从双时间窗口协议中预测动态图像，显著提高了预测图像的质量	研究仅限于肺结节和乳腺结节患者，未来需要进一步验证该方法在其他疾病中的适用性	开发一种能够缩短动态PET扫描时间的深度学习算法	肺结节和乳腺结节患者	机器学习	NA	深度学习	双向序列到序列模型（Bi-AT-Seq2Seq）	图像	70名患者
610	2024-12-18	Interpretable deep learning survival predictions in sporadic Creutzfeldt-Jakob disease 2024-Dec-16, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-024-12815-1 PMID:39680177	研究论文	本文开发了一种可解释的深度学习模型，用于预测散发性克雅氏病（sCJD）的生存率	使用多任务逻辑回归的人工神经网络进行生存分析，并采用模型无关的解释方法评估个体特征对模型结果的贡献	与Cox比例风险模型的性能提升不显著，且未进行进一步的临床验证	开发一种可解释的模型来预测散发性克雅氏病的生存率，以改善预后和护理计划	散发性克雅氏病患者的生存率预测	机器学习	神经退行性疾病	多任务逻辑回归	人工神经网络	临床数据	655例散发性克雅氏病病例
611	2024-12-18	Precise Large-Scale Chemical Transformations on Surfaces: Deep Learning Meets Scanning Probe Microscopy with Interpretability 2024-Dec-16, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.4c14757 PMID:39680589	研究论文	本文开发了一种名为AutoOSS的软件基础设施，用于自动化从数百个Zn(II)-5,15-bis(4-bromo-2,6-dimethylphenyl)porphyrin (ZnBrMeDPP)中去除溴，使用神经网络模型解释STM输出，并使用深度强化学习模型优化操作参数	本文将深度学习与扫描探针显微镜结合，提供了可解释性，并使用贝叶斯优化结构搜索和密度泛函理论计算来探索3D结构和反应机制	NA	开发高效的自动化扫描探针显微镜技术，以优化新系统的操作策略，特别是控制化学反应	Zn(II)-5,15-bis(4-bromo-2,6-dimethylphenyl)porphyrin (ZnBrMeDPP)在Au(111)表面的溴去除	NA	NA	扫描探针显微镜 (SPM)，神经网络，深度强化学习，贝叶斯优化结构搜索 (BOSS)，密度泛函理论 (DFT)	神经网络，深度强化学习	图像	数百个Zn(II)-5,15-bis(4-bromo-2,6-dimethylphenyl)porphyrin (ZnBrMeDPP)
612	2024-12-18	CATALYZE: A DEEP LEARNING APPROCH FOR CATARACT ASSESSEMENT AND GRADING ON SS-OCT ANTERION IMAGES 2024-Dec-16, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001598 PMID:39680679	研究论文	本文提出了一种基于深度学习的白内障评估和分级方法，使用Anterion® SS-OCT图像	本文的创新点在于开发了一种基于深度学习的CATALYZE管道，用于白内障的分级评估，并提供了临床意义指数（CSI）	本文的局限性在于仅在一个中心进行研究，样本量相对较小	本文的研究目的是开发一种基于深度学习的客观白内障分级方法	本文的研究对象是使用Anterion® SS-OCT扫描的白内障患者	机器学习	眼科疾病	深度学习	深度学习模型	图像	548只眼睛，包括331只眼睛的开发集和217只眼睛的验证集，涉及315名年龄在19-85岁之间的患者
613	2024-12-18	Deep Learning for Predicting Acute Exacerbation and Mortality of Interstitial Lung Disease 2024-Dec-16, Annals of the American Thoracic Society IF:6.8Q1 DOI:10.1513/AnnalsATS.202403-284OC PMID:39680875	研究论文	本文开发了一种深度学习模型，用于预测间质性肺病患者的急性加重和死亡复合事件	本文首次使用深度学习模型结合纵向数据来预测间质性肺病的急性加重和死亡复合事件	本文仅在两个专科中心的数据上进行了验证，可能存在样本偏倚	开发一种能够准确预测间质性肺病急性加重和死亡的深度学习模型	间质性肺病患者的急性加重和死亡复合事件	机器学习	间质性肺病	深度学习	深度学习模型	纵向数据	1175名间质性肺病患者
614	2024-12-18	Descriptive overview of AI applications in x-ray imaging and radiotherapy 2024-Dec-16, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/ad9f71 PMID:39681008	综述	本文探讨了人工智能在X射线成像和放射治疗中的应用，包括优化辐射剂量、提高放射治疗效果，并讨论了AI在临床工作流程中的优势、挑战和局限性	本文介绍了AI在放射治疗中的自动化和精确化治疗计划的能力，特别是深度学习模型在器官和肿瘤分割中的应用，以及AI支持的自适应放射治疗	本文指出AI技术在临床实践中的全面集成面临挑战，包括数据保护、隐私、数据质量、模型验证以及需要大规模和多样化的数据集	探讨人工智能在医学辐射应用中的作用，特别是X射线成像和放射治疗中的优化和改进	AI在X射线成像和放射治疗中的应用，包括辐射剂量优化、图像质量提升和治疗计划自动化	计算机视觉	NA	深度学习	深度学习模型	图像	NA
615	2024-12-18	Validation of a Rapid Algorithm for Repeated Intensity Modulated Radiation Therapy Dose Calculations 2024-Dec-16, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad9f6a PMID:39681005	研究论文	本文评估了一种快速算法，该算法能够直接从MLC位置实时计算剂量，适用于适应性放射治疗工作流程和深度学习模型训练	提出了一种不依赖深度学习模型训练的快速IMRT剂量计算算法，具有较高的速度和准确性	NA	验证一种快速算法在重复强度调制放射治疗剂量计算中的可行性	前列腺和肺部的IMRT计划	NA	前列腺癌，肺癌	强度调制放射治疗（IMRT）	NA	剂量计算	91个前列腺IMRT计划和20个肺IMRT计划
616	2024-12-18	Development of A Low-Dose Strategy for Propagation-based Imaging Helical Computed Tomography (PBI-HCT): High Image Quality and Reduced Radiation Dose 2024-Dec-16, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad9f66 PMID:39681007	研究论文	本文开发了一种基于Sparse2Noise深度学习方法的低剂量螺旋传播成像计算机断层扫描（PBI-HCT）策略，以在保持高质量图像的同时减少辐射剂量	首次将Sparse2Noise深度学习方法与PBI-HCT成像技术结合，实现了90%的辐射剂量减少，同时保持高图像质量	未提及具体的研究局限性	开发一种低剂量策略，用于螺旋传播成像计算机断层扫描（PBI-HCT），以在保持高质量图像的同时减少辐射剂量	低密度材料的成像质量及辐射剂量	计算机视觉	NA	Sparse2Noise深度学习方法	卷积神经网络（CNN）	图像	未提及具体样本数量
617	2024-12-18	Pose analysis in free-swimming adult zebrafish, Danio rerio: "fishy" origins of movement design 2024-Dec-16, Brain, behavior and evolution DOI:10.1159/000543081 PMID:39681106	研究论文	研究自由游泳成年斑马鱼（Danio rerio）的姿势分析，探讨运动设计的进化	提出了通过利用被动（反应性）力来最小化主动（神经）控制的运动设计进化假设，并使用无标记跟踪和无监督多元时间序列分析验证了这一假设	研究仅限于成年斑马鱼，未探讨其他鱼类或不同发育阶段的鱼类	验证运动设计进化的假设，探讨斑马鱼在自由游泳中的典型姿势	成年斑马鱼（Danio rerio）的自由游泳姿势	计算机视觉	NA	DeepLabCut	NA	视频	12条自由行为的成年斑马鱼
618	2024-12-18	Novel approach for Arabic fake news classification using embedding from large language features with CNN-LSTM ensemble model and explainable AI 2024-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82111-5 PMID:39681596	研究论文	本文提出了一种基于ELMo词嵌入和CNN-LSTM集成模型的新方法，用于阿拉伯语假新闻分类，并结合可解释AI技术进行分析	本文的创新点在于提出了一种结合ELMo词嵌入和CNN-LSTM集成模型的投票框架，并引入了LIME可解释AI技术，显著提高了分类性能和模型可解释性	本文未提及具体的局限性	研究目的是提高阿拉伯语假新闻检测的准确性和可解释性	研究对象是阿拉伯语假新闻文本	自然语言处理	NA	ELMo词嵌入，LIME可解释AI技术	CNN-LSTM集成模型	文本	NA
619	2024-12-18	Thermoelectric Material Performance (zT) Predictions with Machine Learning 2024-Dec-16, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c19149 PMID:39686715	研究论文	本文利用机器学习和深度学习模型，基于大量实验数据集预测热电材料性能	开发了一种可解释的模型，能够在大规模实验数据集上预测热电材料性能，并直接预测复杂的热电性能	预测结果与实验结果存在偏差，可能由文献误差、合成路线不同、晶体形态和粒径密度差异等因素引起	利用机器学习模型预测热电材料的性能	热电材料及其性能	机器学习	NA	机器学习，深度学习，密度泛函理论（DFT）	NA	实验数据，晶体学数据	约160,000个数据点
620	2024-12-18	Screening and evaluation of diabetic retinopathy via a deep learning network model: A prospective study 2024-Dec-15, World journal of diabetes IF:4.2Q1 DOI:10.4239/wjd.v15.i12.2302 PMID:39676804	研究论文	本文评估了一种基于注意力机制的深度学习网络模型在糖尿病视网膜病变筛查中的效果	本文利用基于注意力机制的深度学习网络模型，显著提高了糖尿病视网膜病变的筛查准确性和效率	本文的研究对象仅限于18-70岁的永久居民，且样本量相对较小	评估基于注意力机制的深度学习网络模型在糖尿病视网膜病变筛查中的效果	糖尿病视网膜病变在自然人群和糖尿病患者中的筛查效果	计算机视觉	糖尿病	深度学习	注意力机制网络模型	图像	474名参与者，共948张眼底图像