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
12421	2024-08-12	Clinical implementation and evaluation of deep learning-assisted automatic radiotherapy treatment planning for lung cancer 2024-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2024.104492 PMID:39094213	研究论文	研究深度学习辅助的自动放射治疗计划在肺癌临床应用中的实施与评估	深度学习辅助的方法显著减少了计划时间和监控单元，同时显示出与手动计划相当或更优的质量	NA	探讨深度学习辅助的自动放射治疗计划在肺癌中的临床应用	深度学习模型在预测患者特定剂量方面的应用，以及自动计划与手动计划的比较	机器学习	肺癌	深度学习	DL模型	数据集	235名患者的数据集用于训练和验证模型，50个手动体积调制弧治疗计划用于回顾性设计自动计划
12422	2024-08-12	Innovations in detecting skull fractures: A review of computer-aided techniques in CT imaging 2024-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2024.103400 PMID:38996627	综述	本文综述了计算机辅助技术在CT影像中检测颅骨骨折的创新方法	介绍了从基于特征的算法到现代机器学习和深度学习技术的进步	讨论了自动化颅骨骨折评估中的固有挑战	提高颅骨骨折诊断的准确性和患者护理	颅骨骨折的检测	计算机视觉	创伤性脑损伤	计算机辅助诊断(CAD)系统	机器学习和深度学习	CT影像	NA
12423	2024-08-12	Machine learning/artificial intelligence in sports medicine: state of the art and future directions 2024-Aug, Journal of ISAKOS : joint disorders & orthopaedic sports medicine DOI:10.1016/j.jisako.2024.01.013 PMID:38336099	综述	本文综述了机器学习（ML）在运动医学中的应用现状及未来发展方向	机器学习能够分析大量数据，建立输入与输出变量之间的复杂关系，这种关系比传统统计分析更为复杂，能以高精度预测输出	临床医生对机器学习方法和概念的不熟悉是广泛应用的一个主要障碍	介绍机器学习概念，回顾当前运动医学中的机器学习模型，并讨论该领域的未来创新机会	机器学习在运动医学中的应用	机器学习	NA	机器学习	监督学习、深度学习	图像、文本	NA
12424	2024-08-12	An early warning indicator trained on stochastic disease-spreading models with different noises 2024-Aug, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0199 PMID:39118548	研究论文	本文研究了在不同噪声影响下的随机疾病传播模型中训练的早期预警指标	采用深度学习算法，通过训练噪声诱导的疾病传播模型来提供传染病爆发的早期预警信号，并在实际COVID-19病例和模拟时间序列中展示了其有效性	NA	开发可靠的早期预警信号，以支持公共卫生干预策略	疾病传播模型中的早期预警指标	机器学习	NA	深度学习算法	NA	时间序列	实际COVID-19病例和模拟时间序列
12425	2024-08-12	Segmentation of stroke lesions using transformers-augmented MRI analysis 2024-Aug-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26803 PMID:39119860	研究论文	本研究提出了一种结合变形特征注意机制的Transformer和卷积深度学习架构的方法，用于提高慢性中风病变分割的准确性和泛化能力，并通过生态数据增强技术进一步优化性能	引入Transformer的变形特征注意机制与卷积深度学习架构相结合，以及基于插入真实病变的生态数据增强技术	NA	提高慢性中风病变从单光谱磁共振成像扫描中分割的准确性	慢性中风病变	计算机视觉	中风	MRI	Transformer	图像	使用Anatomical Tracings of Lesions After Stroke (ATLAS) 2022数据集和Ischemic Stroke Lesion Segmentation (ISLES) 2015数据集进行训练和测试
12426	2024-08-12	Deep learning approach for unified recognition of driver speed and lateral intentions using naturalistic driving data 2024-Jul-28, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106569 PMID:39121787	研究论文	本研究提出了一种基于深度学习的统一识别方法，用于识别驾驶员的速度和横向意图，使用自然驾驶数据	本研究首次考虑了驾驶环境对速度意图的影响，并利用横向意图中的时间依赖性来防止识别错误的变化，同时整合了速度和横向意图的耦合关系	NA	提高车辆安全性、智能化和燃油经济性	驾驶员的速度和横向意图	机器学习	NA	深度学习	LSTM	自然驾驶数据	大量自然驾驶数据
12427	2024-08-12	A Hyper-Transformer model for Controllable Pareto Front Learning with Split Feasibility Constraints 2024-Jul-26, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106571 PMID:39121789	研究论文	本文提出了一种用于可控帕累托前沿学习的超变换器模型，该模型适用于具有分割可行性约束的多目标优化问题	本文创新性地使用了超变换器模型（Hyper-Trans）替代传统的多层感知器（Hyper-MLP）模型，以提高计算效率和准确性	NA	研究目的是改进可控帕累托前沿学习方法，使其在具有分割可行性约束的多目标优化问题中更有效	研究对象是可控帕累托前沿学习方法及其在多目标优化问题中的应用	机器学习	NA	超变换器模型	超变换器（Hyper-Trans）	NA	NA
12428	2024-08-12	CAPE: a deep learning framework with Chaos-Attention net for Promoter Evolution 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae398 PMID:39120645	研究论文	本文介绍了一种名为CAPE的深度学习框架，该框架采用混沌注意力网络用于启动子进化，旨在预测启动子强度并指导其定向进化	CAPE模型通过综合提取启动子内的进化信息，并使用改进的DenseNet和Transformer结构处理整体信息，实现了对原核生物启动子强度预测的最新成果	NA	预测启动子强度并指导其定向进化，以降低传统启动子工程中的实验成本	原核生物启动子强度	机器学习	NA	深度学习	DenseNet, Transformer	序列数据	NA
12429	2024-08-12	Deep-learning-enabled antibiotic discovery through molecular de-extinction 2024-Jul, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-024-01201-x PMID:38862735	研究论文	本文展示了利用深度学习从已灭绝生物的蛋白质组中挖掘抗生素肽的可能性	首次利用深度学习技术从已灭绝生物的蛋白质组中挖掘具有广谱抗菌活性的抗生素肽	NA	通过分子复活技术解决抗生素抗性和其他生物医学问题	从已灭绝生物的蛋白质组中挖掘抗生素肽	机器学习	NA	深度学习	神经网络	蛋白质序列	10,311,899个肽序列
12430	2024-08-12	Multi-step ahead forecasting of electrical conductivity in rivers by using a hybrid Convolutional Neural Network-Long Short-Term Memory (CNN-LSTM) model enhanced by Boruta-XGBoost feature selection algorithm 2024-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65837-0 PMID:38951605	研究论文	本研究使用混合卷积神经网络-长短期记忆（CNN-LSTM）模型结合Boruta-XGBoost特征选择算法，预测澳大利亚两条河流（Albert River和Barratta Creek）的电导率（EC），预测时间长达10天	采用创新的深度学习算法CNN-LSTM，并结合Boruta-XGBoost特征选择方法，提高了预测电导率的准确性	随着预测时间范围从3天增加到10天，模型的性能略有下降	开发一种高效的软计算方法，用于准确预测河流中电导率的变化	澳大利亚的Albert River和Barratta Creek的电导率	机器学习	NA	Boruta-XGBoost特征选择算法	CNN-LSTM	时间序列数据	从两条河流的10年数据中，使用7年（2012-2018）作为训练集，3年（2019-2021）作为测试集
12431	2024-08-12	Deep learning-based super-resolution of structural brain MRI at 1.5 T: application to quantitative volume measurement 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01165-8 PMID:38758489	研究论文	本研究探讨了基于深度学习的超分辨率技术在低分辨率图像上生成高分辨率磁共振图像的可行性，旨在缩短扫描时间，并通过脑体积测量评估其效果。	本研究采用了3D残差密集网络（RDN）进行模型训练，提高了图像质量，并通过脑体积测量验证了其有效性。	NA	研究基于深度学习的超分辨率技术在低分辨率磁共振图像上的应用，以缩短扫描时间并保持图像质量。	低分辨率磁共振图像和脑体积测量。	计算机视觉	NA	深度学习	3D残差密集网络（RDN）	图像	使用了多种磁共振扫描仪获取的活体脑图像进行模型训练和测试。
12432	2024-08-12	Comparison of convolutional-neural-networks-based method and LCModel on the quantification of in vivo magnetic resonance spectroscopy 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-023-01120-z PMID:37713007	研究论文	本研究比较了基于卷积神经网络的方法和LCModel在体内磁共振波谱定量分析中的应用	提出了基于卷积神经网络的方法和缩放程序，用于定量分析体内磁共振波谱，并引入基于标准误差（SE）的误差指数来指示代谢物预测的置信水平	NA	探讨基于卷积神经网络的方法结合缩放程序是否能有效反映不同脑区代谢物浓度的变化	体内磁共振波谱的代谢物浓度	机器学习	NA	磁共振波谱（MRS）	卷积神经网络（CNN）	波谱数据	43名受试者的三个脑区
12433	2024-08-12	Improvement of image quality in diffusion-weighted imaging with model-based deep learning reconstruction for evaluations of the head and neck 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-023-01129-4 PMID:37989922	研究论文	研究使用基于模型的深度学习方法在头颈部扩散加权成像（DWI）中进行图像重建的效果	采用基于模型的深度学习技术进行图像重建，显著提高了图像质量	NA	评估深度学习（DL）基于模型的图像重建在头颈部扩散加权成像中的应用效果	41名接受头颈部DWI检查的患者	计算机视觉	NA	扩散加权成像（DWI）	深度学习（DL）	图像	41名患者
12434	2024-08-12	Learning to deep learning: statistics and a paradigm test in selecting a UNet architecture to enhance MRI 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-023-01127-6 PMID:37989921	研究论文	本研究旨在评估用于增强低信噪比和欠采样MRI的240个密集UNet（DUNet）训练参数的统计显著性，并确定不同DUNet配置之间的差异及其对图像质量指标的影响的有效性。	强调了在比较不同深度学习模型时使用适当统计分析的重要性，并展示了UNet架构在增强各种采集协议中的意外有效性。	NA	评估训练参数的统计显著性，并确定不同DUNet配置之间的差异及其对图像质量的影响。	240个密集UNet（DUNet）用于增强低信噪比和欠采样MRI。	计算机视觉	NA	深度学习	UNet	MRI图像	240个密集UNet，涉及5种采集协议，24种损失函数权重和2种基本事实。
12435	2024-08-12	Stop moving: MR motion correction as an opportunity for artificial intelligence 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-023-01144-5 PMID:38386151	综述	本文综述了基于深度学习的磁共振成像（MRI）运动校正方法	详细介绍了用于图像域或频率域中运动伪影减少和运动估计的神经网络，并简述了运动估计在其他下游任务中的应用	指出了当前基于深度学习的MRI运动校正的局限性，并提出了未来的研究方向	旨在全面回顾基于深度学习的MRI运动校正方法，并加强不同研究领域之间的互动	磁共振成像中的运动校正	计算机视觉	NA	深度学习	神经网络	图像	NA
12436	2024-08-12	Spinet-QSM: model-based deep learning with schatten p-norm regularization for improved quantitative susceptibility mapping 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01158-7 PMID:38598165	研究论文	本研究提出了一种基于模型的深度学习框架Spinet-QSM，通过Schatten p-范数正则化改进定量磁化率成像	该方法采用可学习的范数参数p，能够对训练数据进行自适应调整，并能强制执行任何p-范数（0 < p ≤ 2）在可训练的正则化器上	NA	开发一种有效的基于模型的深度学习框架来解决定量磁化率成像的逆问题	定量磁化率成像的逆问题	机器学习	NA	磁共振成像	CNN	图像	77个不同采集协议和临床条件的成像体积
12437	2024-08-12	Results of the 2023 ISBI challenge to reduce GABA-edited MRS acquisition time 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01156-9 PMID:38613715	研究论文	比较机器学习方法在减少GABA-编辑磁共振波谱（MRS）采集时间中的应用	使用深度学习重建方法，以较少的瞬态数据实现了与传统方法相当的信号噪声比、线宽和拟合误差	某些深度学习模型在优化线宽和信号噪声比时未能提高整体光谱质量，需要更稳健的评价指标	通过挑战赛形式比较机器学习模型在减少GABA-编辑MRS采集时间中的效果	GABA-编辑磁共振波谱重建模型	机器学习	NA	磁共振波谱（MRS）	卷积神经网络（CNN）和视觉变换器	光谱数据	使用了一季度通常采集的瞬态数据进行模型训练和测试
12438	2024-08-12	Using Deep Learning to Increase Eye-Tracking Robustness, Accuracy, and Precision in Virtual Reality 2024-May, Proceedings of the ACM on computer graphics and interactive techniques IF:1.4Q3 DOI:10.1145/3654705 PMID:39119010	研究论文	本文评估了使用深度学习方法提高虚拟现实中眼动追踪的鲁棒性、准确性和精确度	采用机器学习方法进行瞳孔追踪，相比传统计算机视觉技术在分割性能上表现更优	目前尚不清楚这些网络如何影响最终注视估计的质量	评估几种当代基于机器学习的眼部特征追踪方法对最终注视估计质量的影响	眼动追踪的准确性、精确度和掉线率	计算机视觉	NA	深度学习	NA	图像	NA
12439	2024-08-12	Optimization of news dissemination push mode by intelligent edge computing technology for deep learning 2024-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-53859-7 PMID:38509163	研究论文	本研究提出了一种基于深度学习和强化学习的新推荐算法，以优化新闻传播的推送模式	引入强化学习算法与深度学习相结合，提高了新闻推荐的准确性和用户满意度	NA	优化新闻传播的推送模式，提升用户对新闻网站的满意度	新闻推荐系统及其推送模式	机器学习	NA	深度学习, 强化学习	Deep Deterministic Policy Gradient (DDPG)	文本	涉及全球超过4亿互联网用户和3亿社交媒体用户的新闻内容
12440	2024-08-12	Performance analysis and knowledge-based quality assurance of critical organ auto-segmentation for pediatric craniospinal irradiation 2024-02-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-55015-7 PMID:38378834	研究论文	本研究评估了两种自动分割方法（图谱技术和深度学习神经网络）在儿童颅脊照射治疗区域自动分割中的性能，并开发了一种基于知识的质量保证工具来前瞻性地评估分割准确性。	本研究开发了一种新的基于知识的质量保证工具，用于前瞻性地评估自动分割的准确性，并比较了两种不同方法的性能。	NA	评估和确保儿童颅脊照射治疗区域自动分割的质量和准确性。	儿童颅脊照射治疗区域的自动分割方法及其质量保证工具。	数字病理学	中枢神经系统疾病	深度学习神经网络	神经网络	图像	100名年龄在2至25岁之间的患者，中位年龄为8岁