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
12361	2024-11-02	Prediction of fellow eye neovascularization in type 3 macular neovascularization (Retinal angiomatous proliferation) using deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310097 PMID:39475903	研究论文	本研究利用深度学习人工智能模型预测单侧3型黄斑新生血管患者对侧眼新生血管化的风险	首次利用人工智能模型关注3型黄斑新生血管的临床过程	模型整体准确率不高，可能是由于用于AI训练的患者数量相对较少，建议未来进行多中心研究以提高模型准确性	建立深度学习人工智能模型预测单侧3型黄斑新生血管患者对侧眼新生血管化的风险	单侧3型黄斑新生血管患者	计算机视觉	眼科疾病	深度学习	视觉几何组神经网络	眼底图像和光学相干断层扫描图像	217名患者，其中199名用于模型训练/验证，18名用于测试集
12362	2024-11-02	MosquitoSong+: A noise-robust deep learning model for mosquito classification from wingbeat sounds 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310121 PMID:39475971	研究论文	本文提出了一种名为MosquitoSong+的深度学习模型，用于从蚊子的翅膀振动声音中进行分类，并提高其在环境噪声中的鲁棒性	本文的创新点在于提出了一种新的深度学习模型MosquitoSong+，通过调整模型架构和引入数据增强技术，使其在环境噪声和蚊子飞行音量变化的情况下仍能有效分类	本文未详细讨论模型的计算资源需求和实时处理能力	研究目的是开发一种能够在实际环境中有效分类蚊子种类和性别的深度学习模型	研究对象是蚊子的翅膀振动声音及其在环境噪声中的分类	机器学习	NA	深度学习	1D-CNN	声音	多个翅膀振动数据集，包含不同背景噪声
12363	2024-11-02	Identification of middle cerebral artery stenosis in transcranial Doppler using a modified VGG-16 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1394435 PMID:39479004	研究论文	研究使用改进的VGG-16模型识别经颅多普勒图像中的大脑中动脉狭窄	提出了一种改进的VGG-16模型，结合挤压激励和跳跃连接，提高了对大脑中动脉狭窄的诊断效果	研究为回顾性研究，且样本量有限，需要进一步的前瞻性研究和更大样本量的验证	旨在开发和验证一种基于深度学习模型的方法，用于识别大脑中动脉狭窄，以辅助预防中风	大脑中动脉狭窄的诊断	计算机视觉	心血管疾病	深度学习	VGG-16	图像	3,068张经颅多普勒图像，来自1,729名患者；90张经颅多普勒图像，来自90名体检者
12364	2024-11-02	Real-time monitoring of single dendritic cell maturation using deep learning-assisted surface-enhanced Raman spectroscopy 2024, Theranostics IF:12.4Q1 DOI:10.7150/thno.100298 PMID:39479453	研究论文	本文开发了一种基于深度学习和表面增强拉曼光谱（SERS）的实时监测单个树突状细胞成熟状态的方法	利用Au@CpG@PEG纳米颗粒作为自报告纳米疫苗，结合无标记SERS策略和深度学习卷积神经网络（CNN）算法，实现了对树突状细胞成熟状态的快速高效识别	NA	实现对树突状细胞成熟状态的动态实时检测，以预测免疫系统激活、评估疫苗效力和免疫治疗效果	单个树突状细胞的成熟状态	生物医学工程	NA	表面增强拉曼光谱（SERS）	卷积神经网络（CNN）	光谱数据	不同成熟状态的树突状细胞
12365	2024-11-02	ADASSM: Adversarial Data Augmentation in Statistical Shape Models From Images 2023-Oct, Shape in medical imaging : International Workshop, ShapeMI 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. ShapeMI (Workshop) (2023 : Vancouver, B.C.) DOI:10.1007/978-3-031-46914-5_8 PMID:39022299	研究论文	本文提出了一种新的对抗性数据增强策略，用于图像到统计形状模型（Image-to-SSM）框架，通过数据依赖的噪声生成或纹理增强来提高模型的准确性	本文的创新点在于提出了一种实时数据增强策略，通过对抗性训练生成多样化和具有挑战性的噪声样本，从而鼓励模型关注底层几何结构而非仅依赖像素值	本文未提及具体的局限性	研究目的是提高图像到统计形状模型网络的准确性，减少模型对图像纹理的依赖	研究对象是医学影像中的统计形状模型及其在深度学习模型中的应用	计算机视觉	NA	深度学习	对抗网络	图像	NA
12366	2024-11-02	Progressive DeepSSM: Training Methodology for Image-To-Shape Deep Models 2023-Oct, Shape in medical imaging : International Workshop, ShapeMI 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. ShapeMI (Workshop) (2023 : Vancouver, B.C.) DOI:10.1007/978-3-031-46914-5_13 PMID:38745942	研究论文	提出了一种新的训练策略，渐进式DeepSSM，用于训练图像到形状的深度学习模型，通过多尺度学习逐步提升模型性能	引入了一种新的训练策略，渐进式DeepSSM，通过多尺度学习逐步提升模型性能，并结合形状先验和深度监督损失	NA	改进图像到形状深度学习模型的训练方法，提高其在医学图像中的稳定性和准确性	图像到形状的深度学习模型	计算机视觉	NA	深度学习	深度学习模型	图像	NA
12367	2024-10-30	CineVN: Variational network reconstruction for rapid functional cardiac cine MRI 2025-Jan, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30260 PMID:39188085	研究论文	本文开发了一种用于快速功能性心脏电影MRI重建的方法	提出了一种基于深度学习的重建方法CineVN，结合变分网络和共轭梯度下降，提高了图像质量和数据一致性	NA	开发一种高加速比、高时空分辨率和低时间模糊的心脏电影MRI重建方法	健康受试者和患者的心脏功能参数和心肌应变	计算机视觉	心血管疾病	MRI	变分网络	图像	18名健康受试者和46名患者
12368	2024-10-30	Automated MRI-based segmentation of intracranial arterial calcification by restricting feature complexity 2025-Jan, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30283 PMID:39221515	研究论文	开发了一种基于MRI的自动分割和检测颅内动脉钙化的深度学习模型	提出了一种新的变分自编码器框架下的深度学习模型，并引入了一种理论基础上的不相似性损失来细化从MRI中提取的网络特征，限制其复杂性，从而提高分割精度和检测钙化的鲁棒性	NA	开发一种自动化的深度学习模型，用于MRI图像中颅内动脉钙化的分割和检测	颅内动脉钙化	计算机视觉	NA	深度学习	变分自编码器	图像	113名受试者
12369	2024-10-30	Accelerated CEST imaging through deep learning quantification from reduced frequency offsets 2025-Jan, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30269 PMID:39270056	研究论文	本文通过深度学习方法从减少的频率偏移中加速CEST成像，缩短CEST采集时间	利用Z谱下采样结合深度学习构建CEST图谱，显著减少扫描时间	仅在3T磁共振环境下测试，未涵盖其他磁场强度	缩短CEST成像的采集时间	脑部CEST图像和胶质母细胞瘤病理模拟	计算机视觉	NA	CEST成像	U-NET	图像	18名志愿者和模拟的胶质母细胞瘤病理
12370	2024-10-30	Deep learning-based measurement of echocardiographic data and its application in the diagnosis of sudden cardiac death 2024-Dec, Biotechnology & genetic engineering reviews DOI:10.1080/02648725.2023.2213041 PMID:37179495	研究论文	本研究评估了深度学习在测量突发性心脏死亡（SCD）患者超声心动图数据中的应用潜力	本研究开发了一种基于深度学习的模型，用于预测SCD，并在验证组中显示出高准确性和敏感性	本研究的样本量有限，且仅限于SCD患者，未来需要在大规模和多样化的样本中验证模型的有效性	评估深度学习在SCD患者超声心动图数据测量中的诊断价值	突发性心脏死亡（SCD）患者	机器学习	心血管疾病	深度学习	深度学习模型	图像	320名SCD患者和400名健康志愿者
12371	2024-10-30	Pre-operative lung ablation prediction using deep learning 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10767-8 PMID:38775950	研究论文	本文介绍了一种基于深度学习的模型，用于预测微波肺消融术后的消融区域，以辅助治疗计划并提高治疗效果	本文提出了一种新颖的可变形图像配准方法和以消融器为中心的坐标系统，用于分析数据，并基于U-net架构构建了预测模型	本文的研究是回顾性的，样本量相对较小，且仅限于单一供应商的消融器	开发一种能够准确预测微波肺消融术后消融区域的深度学习模型，以改善治疗计划并减少肿瘤复发	微波肺消融术后的消融区域	计算机视觉	肺癌	可变形图像配准	U-net	图像	113次消融，来自72名患者
12372	2024-10-30	Prospective and multi-reader evaluation of deep learning reconstruction-based accelerated rectal MRI: image quality, diagnostic performance, and reading time 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10882-6 PMID:39017934	研究论文	评估基于深度学习重建（DLR）的加速直肠磁共振成像（MRI）与标准MRI的图像质量、诊断性能和阅读时间	DLR技术在直肠MRI中显著减少了采集时间，并提高了图像质量和初级放射科医生的T分期准确性	研究仅在一个中心进行，样本量有限，且仅包括接受治愈性手术的患者	评估基于深度学习重建的加速直肠MRI与标准MRI的性能差异	直肠腺癌患者	医学影像	直肠癌	深度学习重建（DLR）	NA	图像	117名患者，其中60名接受治愈性手术
12373	2024-10-30	Standalone deep learning versus experts for diagnosis lung cancer on chest computed tomography: a systematic review 2024-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10804-6 PMID:38777902	综述	比较独立深度学习算法与人类专家在胸部CT扫描中诊断肺癌的诊断性能	深度学习算法在肺癌检测中的敏感性和特异性优于人类专家	深度学习算法在不同成像模式和任务中的表现存在差异，需要进一步优化	比较深度学习算法与专家在肺癌检测中的诊断性能	成人肺癌患者和胸部CT扫描	计算机视觉	肺癌	深度学习	NA	图像	20项研究
12374	2024-09-06	On-Device Deep Learning to Detect Carotid Stenosis With Smartphones: Development and Validation 2024-Nov, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.124.048410 PMID:39234680	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12375	2024-10-30	A deep learning-based approach for unbiased kinematic analysis in CNS injury 2024-Nov, Experimental neurology IF:4.6Q1 DOI:10.1016/j.expneurol.2024.114944 PMID:39242068	研究论文	本文介绍了一种基于深度学习的方法，用于在中枢神经系统损伤中进行无偏差的运动学分析	开发了两种基于深度学习算法的无标记运动学分析范式，MotorBox和MotoRater，用于替代传统的BMS测试，消除了评估中的主观偏差和变异性	NA	提高脊髓损伤后功能评估的准确性、敏感性和可重复性	脊髓损伤后的运动功能评估	计算机视觉	脊髓损伤	深度学习	NA	视频	NA
12376	2024-10-30	A wavelet subband based LSTM model for 12-lead ECG synthesis from reduced lead set 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00412-0 PMID:39465099	研究论文	本文提出了一种基于小波子带和长短期记忆网络（LSTM）的模型，用于从减少的导联集中合成12导联心电图	本文利用小波域中的增强导联间相关性，结合LSTM网络捕捉心电信号的时空信息，提出了一种新的深度学习架构	NA	研究目的是从减少的导联集中合成12导联心电图，以满足患者舒适度、简化复杂性和实现远程监控	研究对象是心电图信号及其导联间和导联内的相关性	机器学习	NA	小波变换	LSTM	心电图信号	NA
12377	2024-10-30	Self-supervised learning for CT image denoising and reconstruction: a review 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00424-w PMID:39465103	综述	本文综述了自监督学习方法在CT图像去噪和重建中的应用	自监督学习方法在无需干净/噪声参考的情况下学习CT图像	NA	回顾自监督学习在CT图像去噪和重建中的进展	CT图像去噪和重建	计算机视觉	NA	自监督学习	NA	图像	NA
12378	2024-10-30	A review of deep learning-based reconstruction methods for accelerated MRI using spatiotemporal and multi-contrast redundancies 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00425-9 PMID:39465106	综述	本文综述了基于深度学习的加速MRI重建方法，利用时空和多对比度冗余信息	本文介绍了利用多线圈冗余、多对比度冗余和时空冗余信息结合深度学习方法，实现更高加速和细节保留的重建性能	本文讨论了当前方法的挑战和局限性，并提出了未来发展的潜在方向	综述基于深度学习的加速MRI重建方法及其利用冗余信息的优势	加速MRI重建方法及其在图像重建中的应用	计算机视觉	NA	MRI	深度学习	图像	NA
12379	2024-10-30	A systematic review of deep learning-based denoising for low-dose computed tomography from a perceptual quality perspective 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00419-7 PMID:39465112	综述	本文综述了从感知质量角度出发，基于深度学习的低剂量计算机断层扫描（LDCT）去噪方法	本文探讨了针对LDCT图像感知质量提升的先进深度学习方法，包括感知损失函数和生成对抗网络，并强调了开发平衡感知和诊断质量方法的迫切需求	当前方法主要依赖于PSNR和SSIM等客观指标，导致图像过度平滑，缺乏关键细节	提升低剂量计算机断层扫描图像的感知质量，使其更符合临床实践中的诊断需求	低剂量计算机断层扫描图像的去噪效果	计算机视觉	NA	深度学习	生成对抗网络	图像	NA
12380	2024-10-30	CT synthesis with deep learning for MR-only radiotherapy planning: a review 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00430-y PMID:39465111	综述	本文综述了使用深度学习模型进行MR到CT合成的多种方法	本文通过比较不同模型并分析应用于该任务的通用方法，评估了这些模型的潜力和改进当前方法的途径	NA	提升MR-only放疗计划中合成CT的准确性并应用于实践	MR到CT合成的深度学习模型	计算机视觉	NA	深度学习	卷积神经网络、生成对抗网络、Transformer模型、扩散模型	图像	NA