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
701	2024-12-18	Effective Detection of Cloud Masks in Remote Sensing Images 2024-Dec-03, Sensors (Basel, Switzerland) DOI:10.3390/s24237730 PMID:39686267	研究论文	提出了一种多尺度双上采样分割网络MDU-Net，用于在遥感图像中有效检测云掩膜	MDU-Net通过改进的残差模块和双上采样操作，能够更精细地提取云和背景的边缘，并有效减少对不可预测目标的误检率	NA	开发一种能够有效检测遥感图像中云掩膜轮廓和分布的方法，以帮助研究天气变化和自然灾害	遥感图像中的云掩膜和云阴影	计算机视觉	NA	深度学习	MDU-Net	图像	基于Landsat8卫星的自制云和云阴影数据集，以及landcover.ai数据集
702	2024-12-18	Multimodal MRI Deep Learning for Predicting Central Lymph Node Metastasis in Papillary Thyroid Cancer 2024-Dec-02, Cancers IF:4.5Q1 DOI:10.3390/cancers16234042 PMID:39682228	研究论文	本研究利用多模态MRI和深度学习算法开发了一种预测甲状腺乳头状癌中央淋巴结转移的模型	提出了基于卷积神经网络的AMMCNet模型，并结合多模态MRI和临床病理数据进行预测，相比传统机器学习模型有更高的预测性能	研究为回顾性研究，样本量较小，且依赖于放射科医生手动标注感兴趣区域	开发一种基于MRI和临床病理数据的预测模型，用于预测甲状腺乳头状癌患者的中央淋巴结转移	甲状腺乳头状癌患者的中央淋巴结转移	机器学习	甲状腺癌	MRI	CNN	图像	105名甲状腺乳头状癌患者
703	2024-12-18	DeepEnhancerPPO: An Interpretable Deep Learning Approach for Enhancer Classification 2024-Dec-02, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms252312942 PMID:39684652	研究论文	提出了一种名为DeepEnhancerPPO的端到端深度学习架构，用于增强子分类	整合了ResNet和Transformer模块以提取局部、层次和长距离上下文特征，并使用强化学习技术PPO来减少特征维度，增强分类结果的可解释性	未提及具体的局限性	开发一种有效的深度学习方法来分类增强子类别和调控强度	增强子及其在基因表达调控中的作用	机器学习	NA	深度学习	ResNet, Transformer, PPO	基因组数据	未提及具体样本数量
704	2024-12-18	Prostate cancer risk assessment and avoidance of prostate biopsies using fully automatic deep learning in prostate MRI: comparison to PI-RADS and integration with clinical data in nomograms 2024-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10818-0 PMID:38955845	研究论文	本研究评估了使用全自动深度学习（DL）在前列腺MRI中进行前列腺癌风险评估的效果，并与PI-RADS评分系统进行了比较，同时将其整合到临床数据中的诺模图中	本研究首次将全自动深度学习（DL）预测结果整合到风险计算器（RCs）中，并与PI-RADS评分系统进行了比较，展示了DL在前列腺癌诊断中的互补信息	本研究为回顾性单中心研究，样本量有限，且未涉及多中心验证	重新评估风险计算器的诊断质量，探讨用DL预测替代PI-RADS评分的影响，并评估在PI-RADS基础上增加DL预测的潜在性能提升	前列腺癌的诊断和前列腺活检的选择	机器学习	前列腺癌	深度学习	nnUNet	MRI数据	1627例连续检查，其中517例用于风险计算器测试
705	2024-12-18	Clinical utility of a rapid two-dimensional balanced steady-state free precession sequence with deep learning reconstruction 2024 Winter, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101069 PMID:39079600	研究论文	本研究评估了一种使用深度学习重建的加速二维稳态自由进动序列在减少心血管磁共振成像采集时间的同时，不降低定量体积测量或图像质量的临床应用	本研究首次验证了使用深度学习重建的加速二维稳态自由进动序列在临床应用中的可行性，能够在不显著影响体积测量和图像质量的情况下，将采集时间减少37%	本研究中提出的加速方法在左心室质量和纵向应变测量上存在高估现象	评估一种加速二维稳态自由进动序列结合深度学习重建技术在减少心血管磁共振成像采集时间的同时，保持定量体积测量和图像质量的临床实用性	16名参与者的子研究和108名参与者的前瞻性研究，比较不同加速因子下的定量左心室体积测量、功能和质量测量，以及图像质量评估	计算机视觉	心血管疾病	深度学习重建	深度学习模型	图像	16名参与者的子研究和108名参与者的前瞻性研究
706	2024-12-18	Image quality of whole-body diffusion MR images comparing deep-learning accelerated and conventional sequences 2024-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10883-5 PMID:38960946	研究论文	比较深度学习加速与传统扩散序列的全身体扩散MRI图像质量	深度学习加速序列能够显著减少采集时间，并提高图像质量，特别是在高体重指数患者中表现更佳	深度学习加速序列在正常组织的表观扩散系数值上存在差异，需要进一步考虑	比较深度学习加速与传统扩散序列的全身体扩散MRI图像质量	50名骨髓癌患者的全身体扩散MRI图像	计算机视觉	骨髓癌	扩散加权成像（DWI）	深度学习模型	图像	50名骨髓癌患者
707	2024-12-18	Machine learning and deep learning for classifying the justification of brain CT referrals 2024-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10851-z PMID:38913244	研究论文	本文研究了使用机器学习和深度学习模型自动化分析放射学转诊的合理性，并评估这些模型在多个临床站点中的泛化能力	本文首次使用机器学习和深度学习技术自动化分析放射学转诊的合理性，并展示了这些模型在多个临床站点中的泛化能力，超越了人类专家的表现	本文的样本量较小，且仅限于爱尔兰的三家CT中心，可能限制了研究结果的普适性	研究机器学习和深度学习模型在自动化分析放射学转诊合理性方面的应用，并评估其在多个临床站点中的泛化能力	成人脑部CT转诊的合理性分析	机器学习	NA	机器学习 (ML) 和深度学习 (DL)	梯度提升分类器、双向长短期记忆网络、多层感知器	文本	3000份随机选择的转诊记录
708	2024-12-18	Dual-source dual-energy CT and deep learning for equivocal lymph nodes on CT images for thyroid cancer 2024-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10854-w PMID:38904758	研究论文	本研究探讨了双源双能CT和深度学习在甲状腺癌患者术前分类可疑淋巴结中的诊断性能	本研究首次将双源双能CT与深度学习模型VGG16结合，用于甲状腺癌患者可疑淋巴结的分类，显示出比传统光谱参数模型更高的诊断准确性和敏感性	本研究为前瞻性研究，样本量相对较小，且仅限于甲状腺癌患者，未来需要更大规模的研究来验证结果	研究双源双能CT和深度学习在甲状腺癌患者术前分类可疑淋巴结中的诊断性能	甲状腺癌患者的可疑淋巴结	计算机视觉	甲状腺癌	双源双能CT	VGG16	图像	183名患者，281个淋巴结
709	2024-08-07	From data to decisions: deep learning is shaping prostate cancer diagnostics 2024-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10997-w PMID:39095604	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
710	2024-12-18	Impact of training data composition on the generalizability of convolutional neural network aortic cross-section segmentation in four-dimensional magnetic resonance flow imaging 2024 Winter, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101081 PMID:39127260	研究论文	本文探讨了深度学习在四维磁共振流体成像（4D flow CMR）中自动分割主动脉横截面的潜力，并分析了训练数据对模型泛化能力的影响	本文提出了使用增强的三维U-net卷积神经网络（CNN）架构进行时间分辨的二维主动脉横截面分割，并研究了不同训练数据集对模型泛化能力的影响	本文仅在特定数据集上进行了验证，未涵盖所有可能的病理和技术因素	研究训练数据组成对卷积神经网络在四维磁共振流体成像中主动脉横截面分割泛化能力的影响	四维磁共振流体成像（4D flow CMR）中的主动脉横截面分割	计算机视觉	心血管疾病	卷积神经网络（CNN）	U-net	图像	260个四维磁共振流体成像（4D flow CMR）数据集，包括无已知主动脉病理的受试者、健康志愿者和二叶主动脉瓣（BAV）患者
711	2024-12-18	Improved robustness for deep learning-based segmentation of multi-center myocardial perfusion cardiovascular MRI datasets using data-adaptive uncertainty-guided space-time analysis 2024 Winter, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101082 PMID:39142567	研究论文	本文提出了一种数据自适应不确定性引导的空间-时间分析方法（DAUGS），用于提高深度学习技术在多中心心肌灌注心血管MRI数据集上的分割鲁棒性	本文的创新点在于引入了一种数据自适应不确定性引导的空间-时间分析方法，通过生成像素级的不确定性图来选择最佳分割结果，从而提高了模型在多中心数据集上的鲁棒性	本文的局限性在于仅在三个医疗中心的3T数据集上进行了验证，未来需要在更多不同条件下的数据集上进行进一步验证	本文的研究目的是提高深度学习技术在多中心心肌灌注心血管MRI数据集上的分割鲁棒性	本文的研究对象是多中心心肌灌注心血管MRI数据集	计算机视觉	心血管疾病	深度学习	U-Net	图像	150名受试者，21,150张首过图像
712	2024-12-18	Accelerated chemical shift encoded cardiovascular magnetic resonance imaging with use of a resolution enhancement network 2024 Winter, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101090 PMID:39243889	研究论文	本文开发了一种基于深度学习的加速化学位移编码心血管磁共振成像技术，通过超分辨率生成对抗网络增强图像清晰度	本文提出了一种名为FastCSE的深度学习网络，用于加速化学位移编码成像，并显著减少了呼吸暂停次数，同时保持了脂肪的可视化效果	本文仅在特定分辨率和特定患者群体中进行了验证，未来需要在更多样化的数据集和临床环境中进行进一步验证	开发一种能够加速化学位移编码心血管磁共振成像的深度学习技术	心血管磁共振成像中的心肌脂肪成像	计算机视觉	心血管疾病	化学位移编码（CSE）	生成对抗网络（GAN）	图像	1519名患者用于训练，16名参与者和5名健康个体用于前瞻性研究
713	2024-12-18	Automated biventricular quantification in patients with repaired tetralogy of Fallot using a three-dimensional deep learning segmentation model 2024 Winter, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101092 PMID:39270800	研究论文	本文开发并验证了一种专门用于修复法洛四联症患者左心室和右心室自动分割和量化的高性能三维深度学习模型	本文的创新点在于开发了一种专门针对修复法洛四联症患者的三维深度学习模型，相比现有模型在右心室量化方面表现更优	本文的局限性在于仅在修复法洛四联症患者的数据集上进行了验证，尚未在其他先天性心脏病的数据集上进行测试	开发并验证一种专门用于修复法洛四联症患者左心室和右心室自动分割和量化的模型	修复法洛四联症患者的左心室和右心室	计算机视觉	先天性心脏病	三维卷积神经网络	CNN	图像	训练集包括100例无或获得性心脏病变患者和96例法洛四联症患者的数据，测试集包括36例法洛四联症患者的数据
714	2024-12-18	Tracking dustbathing behavior of cage-free laying hens with machine vision technologies 2024-Dec, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2024.104289 PMID:39299015	研究论文	本文开发并测试了一种深度学习模型，用于检测无笼饲养蛋鸡的沙浴行为，并评估了该模型在不同生长阶段的表现	本文首次使用深度学习模型（如YOLOv7-DB、YOLOv7x-DB、YOLOv8s-DB和YOLOv8x-DB）来自动检测蛋鸡的沙浴行为，并比较了不同模型的性能	模型性能受到饮水线、栖木和喂食器等设备的影响	开发和测试一种自动化的精确监测方法，用于检测无笼饲养环境中蛋鸡的沙浴行为	无笼饲养环境中的蛋鸡及其沙浴行为	计算机视觉	NA	深度学习	YOLOv8x-DB	视频	4个无笼房间，每个房间200只蛋鸡（W-36 Hy-Line）
715	2024-12-18	Tracking perching behavior of cage-free laying hens with deep learning technologies 2024-Dec, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2024.104281 PMID:39284265	研究论文	本研究开发并测试了一种深度学习模型，用于检测无笼饲养蛋鸡的栖息行为	本研究首次使用YOLOv8x-PB模型，实现了对不同年龄段蛋鸡栖息行为的高精度检测	检测性能受到鸟类重叠和遮挡的影响	开发和测试一种深度学习模型，用于检测无笼饲养蛋鸡的栖息行为，并评估其在不同年龄段蛋鸡中的表现	无笼饲养的蛋鸡及其栖息行为	计算机视觉	NA	深度学习	YOLOv8x-PB	图像	4个无笼房间，每个房间200只蛋鸡，共3000张图像
716	2024-12-18	Early cancer detection using deep learning and medical imaging: A survey 2024-Dec, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2024.104528 PMID:39413940	综述	本文综述了使用深度学习和医学影像进行早期癌症检测的方法	本文提供了对多种癌症检测方法的全面综述，涵盖了12种癌症类型和多种技术	本文总结了现有研究中的挑战和局限性，并提出了未来改进方向	探讨和总结使用深度学习和医学影像进行癌症检测的研究现状和未来方向	12种癌症类型，包括乳腺癌、宫颈癌、卵巢癌、前列腺癌、食管癌、肝癌、胰腺癌、结肠癌、肺癌、口腔癌、脑癌和皮肤癌	计算机视觉	NA	深度学习、迁移学习、图像预处理、分割、特征提取	NA	图像	99篇研究文章
717	2024-12-18	Enhancing the specific activity of 3α-hydroxysteroid dehydrogenase through cross-regional combinatorial mutagenesis 2024-Dec, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.137014 PMID:39486711	研究论文	本研究通过跨区域组合突变策略，提高了Comamonas testosteroni来源的3α-羟基类固醇脱氢酶的活性	通过整合底物口袋工程、结合能计算和深度学习技术，系统地识别关键突变位点，并通过实验验证获得了具有显著增强酶活性的突变体	NA	提高3α-羟基类固醇脱氢酶的酶活性，降低操作成本	Comamonas testosteroni来源的3α-羟基类固醇脱氢酶	NA	NA	组合突变、底物口袋工程、结合能计算、深度学习、量子力学/分子力学（QM/MM）计算	NA	NA	NA
718	2024-12-18	Automated detection of bone lesions using CT and MRI: a systematic review 2024-Dec, La Radiologia medica DOI:10.1007/s11547-024-01913-9 PMID:39503845	综述	本文系统回顾了基于CT和MRI的自动化骨病变检测系统的应用，重点关注人工智能（AI）技术的进展	本文展示了AI，尤其是深度学习，在提高诊断准确性和效率方面的潜力	本文指出了当前研究的局限性，包括缺乏标准化的验证方法和外部数据集测试的有限使用	系统回顾基于CT和MRI的自动化骨病变检测系统的应用，重点关注人工智能（AI）技术的进展	基于CT和MRI的自动化骨病变检测系统	机器学习	NA	NA	卷积神经网络（CNN）	图像	总共2,768名患者，每项研究的中位数为187名
719	2024-12-18	Automated assessment of EEG background for neurodevelopmental prediction in neonatal encephalopathy 2024-Dec, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.52233 PMID:39543820	研究论文	本文研究了基于深度学习的脑状态指标（BSN）在新生儿脑病中预测神经发育结果的能力	提出了一个基于深度学习的脑状态指标（BSN），能够自动、客观、量化地解释脑电图背景，并具有高时间分辨率	研究样本量较小，且仅限于接受过治疗性低温疗法的新生儿脑病患者	评估脑状态指标（BSN）在新生儿脑病中预测神经发育结果的能力	92名患有新生儿脑病并接受过治疗性低温疗法的婴儿	机器学习	新生儿脑病	深度学习	NA	脑电图	92名婴儿
720	2024-12-18	GACT-PPIS: Prediction of protein-protein interaction sites based on graph structure and transformer network 2024-Dec, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.137272 PMID:39528184	研究论文	本文提出了一种基于图结构和Transformer网络的蛋白质-蛋白质相互作用位点预测模型GACT-PPIS	GACT-PPIS模型结合了增强图注意力网络（EGAT）和Transformer网络，通过图卷积网络（GCN）有效聚合邻近节点的信息，并在多层网络后将整个蛋白质的信息融合到节点中，显著提高了预测性能	NA	提高蛋白质-蛋白质相互作用位点预测的准确性	蛋白质-蛋白质相互作用位点	机器学习	NA	增强图注意力网络（EGAT），Transformer网络，图卷积网络（GCN）	增强图注意力网络（EGAT），Transformer网络	蛋白质序列和结构	基准测试集（Test-60）和其他独立测试集（UBTest-31-6）