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
12621	2024-08-08	Transfer learning for predicting conversion from mild cognitive impairment to dementia of Alzheimer's type based on a three-dimensional convolutional neural network 2021-03, Neurobiology of aging IF:3.7Q2 DOI:10.1016/j.neurobiolaging.2020.12.005 PMID:33422894	研究论文	本文开发了一种深度学习模型，利用三维卷积神经网络通过转移学习预测轻度认知障碍患者向阿尔茨海默病型痴呆的转化	该模型在目标任务上的分类准确率达到82.4%，优于当前领域的模型，并能通过遮挡图方法可视化对预测有显著贡献的大脑区域	NA	预测轻度认知障碍患者向阿尔茨海默病型痴呆的转化	轻度认知障碍患者及其向阿尔茨海默病型痴呆的转化	机器学习	阿尔茨海默病	结构磁共振成像	三维卷积神经网络	图像	使用正常对照组和阿尔茨海默病型痴呆患者的扫描数据进行预训练，然后在轻度认知障碍患者的扫描数据上进行再训练
12622	2024-08-08	DeepMIB: User-friendly and open-source software for training of deep learning network for biological image segmentation 2021-03, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1008374 PMID:33651804	研究论文	介绍DeepMIB软件包，用于训练卷积神经网络进行多维显微镜图像分割	DeepMIB是一个用户友好且开源的软件，适用于在任何工作站上训练深度学习网络进行图像分割	NA	开发一个易于使用且功能强大的深度学习工具，用于生物图像分割	多维显微镜图像数据	计算机视觉	NA	卷积神经网络	CNN	图像	2D和3D电子及多色光显微镜数据集
12623	2024-08-08	Diagnosis and Risk Prediction of Dilated Cardiomyopathy in the Era of Big Data and Genomics 2021-Feb-26, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10050921 PMID:33652931	综述	本文综述了在基因组学和大数據时代下，扩张型心肌病（DCM）的诊断和风险预测的进展	介绍了多变量风险模型和遗传风险评分在个性化风险评估中的应用，以及机器学习和深度学习在复杂交互和预后建模中的作用	NA	探讨在基因组学和大数據时代下，如何改进扩张型心肌病的个性化风险评估	扩张型心肌病（DCM）的诊断和风险预测	基因组学	心血管疾病	基因组/外显子组关联研究	机器学习和深度学习	电子健康记录、现有研究数据库和疾病登记	NA
12624	2024-08-08	Performance of Ultrasound Techniques and the Potential of Artificial Intelligence in the Evaluation of Hepatocellular Carcinoma and Non-Alcoholic Fatty Liver Disease 2021-Feb-14, Cancers IF:4.5Q1 DOI:10.3390/cancers13040790 PMID:33672827	综述	本文综述了超声技术在非酒精性脂肪肝病（NAFLD）及其相关肝细胞癌（HCC）评估中的诊断性能，并探讨了人工智能（AI）辅助优化超声诊断的可能性	探讨了人工智能和深度学习算法在通过超声方法评估NAFLD和NAFLD相关HCC中的应用，认为这可能对患者护理产生重大影响	传统超声在量化NAFLD和准确表征特定肝局灶性病变（FLL）方面存在局限性	分析超声技术在NAFLD和NAFLD相关HCC评估中的诊断性能，并探索人工智能优化超声诊断的可能性	非酒精性脂肪肝病（NAFLD）及其相关肝细胞癌（HCC）	医学影像	肝病	超声成像	深度学习算法	图像	NA
12625	2024-08-08	Deep learning approach for the segmentation of aneurysmal ascending aorta 2021-Feb, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-020-00179-0 PMID:33747600	研究论文	本研究探讨了使用UNet、ENet和ERFNet技术进行升主动脉瘤自动分割的可行性和有效性	本研究展示了深度学习模型能够快速且准确地分割和量化升主动脉瘤的3D几何结构	NA	开发新的基于图像的风险评估策略，以提高患者风险管理的个性化水平	升主动脉瘤的自动分割	计算机视觉	心血管疾病	深度学习	UNet, ENet, ERFNet	图像	72名患有升主动脉瘤和不同瓣膜形态（即三尖瓣和二尖瓣）的患者
12626	2024-08-08	Artificial Intelligence in Nutrients Science Research: A Review 2021-Jan-22, Nutrients IF:4.8Q1 DOI:10.3390/nu13020322 PMID:33499405	综述	本文分析了人工智能在营养科学研究中的当前应用	探讨了人工智能在食品成分研究、营养素生产和个性化营养支持系统开发中的应用	NA	分析人工智能在营养科学研究中的应用	人工智能在生物医学营养研究、临床营养研究和营养流行病学中的应用	计算机科学	NA	人工智能	人工神经网络 (ANN), 机器学习 (ML), 深度学习 (DL)	文本	399篇文献，最终筛选出55篇
12627	2024-08-08	Deep Learning in Head and Neck Tumor Multiomics Diagnosis and Analysis: Review of the Literature 2021, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2021.624820 PMID:33643386	综述	本文综述了深度学习在头颈部肿瘤多组学诊断和分析中的应用	深度学习技术如卷积神经网络（CNN）和其他神经网络在头颈部肿瘤的多组学图像分析中的应用	强调了这些技术的挑战和潜在问题	评估深度学习在头颈部肿瘤早期检测、分类、预后/转移预测及报告签署中的应用	头颈部肿瘤的多组学数据	计算机视觉	头颈部肿瘤	深度学习（DL）	卷积神经网络（CNN）	图像	NA
12628	2024-08-08	An Improved Double Channel Long Short-Term Memory Model for Medical Text Classification 2021, Journal of healthcare engineering DOI:10.1155/2021/6664893 PMID:33688423	研究论文	本文提出了一种改进的双通道长短期记忆（LSTM）模型用于医疗文本分类	引入了双通道机制，同时接收词级和字级嵌入，并采用混合注意力机制来计算权重，提高了模型的泛化能力	NA	提高医疗文本分类的准确性	医疗和健康互联网社区中的大量症状咨询文本	自然语言处理	NA	长短期记忆（LSTM）	LSTM	文本	使用了两个不同的数据集：cMedQA和Sentiment140
12629	2024-08-08	Anterior Mediastinal Lesion Segmentation Based on Two-Stage 3D ResUNet With Attention Gates and Lung Segmentation 2020, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2020.618357 PMID:33634027	研究论文	本文提出了一种基于两阶段3D ResUNet网络结合肺部分割的前纵隔病变分割方法	引入了注意力门机制和肺部分割技术，以提高病变分割的准确性	NA	提高前纵隔病变在CT图像中的分割准确性，辅助医生诊断	前纵隔病变	计算机视觉	胸部疾病	深度学习	3D ResUNet	CT图像	230名患者
12630	2024-08-07	A dual-mode, image-enhanced, miniaturized microscopy system for incubator-compatible monitoring of live cells 2024-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126537 PMID:38996561	research paper	本文介绍了一种名为MiniCube的双模式、图像增强型微型显微镜系统，用于在培养箱内直接监测活细胞	MiniCube系统支持明场和荧光成像，具有单细胞空间分辨率和亚秒级时间分辨率，并能通过深度学习算法显著提高信噪比	NA	开发一种适用于培养箱内活细胞监测的微型显微镜系统	活细胞的生理活动和增殖	computer vision	NA	深度学习	NA	image	单细胞
12631	2024-08-07	Rapid, portable, and sensitive detection of CaMV35S by RPA-CRISPR/Cas12a-G4 colorimetric assays with high accuracy deep learning object recognition and classification 2024-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126441 PMID:38924982	研究论文	本文开发了一种基于RPA-CRISPR/Cas12a-G四链体比色法结合深度学习算法的快速、灵敏且便携的CaMV35S启动子检测方法	该方法结合了RPA扩增、CRISPR/Cas12a系统和G四链体技术，并通过深度学习算法进行高精度分类，实现了对CaMV35S启动子的高灵敏度检测	NA	开发一种快速、灵敏且便携的基因改造检测方法，以促进农业安全和食品安全	CaMV35S启动子的检测	生物技术	NA	RPA-CRISPR/Cas12a-G四链体比色法	Yolov5和Resnet	图像	检测限低至10 aM，0.01%的基因改造样本
12632	2024-08-07	DF-QSM: Data Fidelity based Hybrid Approach for Improved Quantitative Susceptibility Mapping of the Brain 2024-Sep, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5163 PMID:38649140	研究论文	本文提出了一种基于数据保真度的混合方法DF-QSM，用于改进脑部定量磁化率成像（QSM）	该方法通过两步重建过程，结合深度学习方法和测量局部场的一致性，提高了QSM重建的质量和泛化能力	现有的基于深度学习的QSM方法在训练数据分布上存在偏差，泛化能力有限	改进深度学习在脑部定量磁化率成像中的应用	脑部组织的磁化率	磁共振成像	NA	磁共振成像（MRI）	深度学习模型	图像	不同采集设置下的MRI体积，包括在受限数据设置下训练的深度学习模型
12633	2024-08-07	Comparison between R2'-based and R2*-based χ-separation methods: A clinical evaluation in individuals with multiple sclerosis 2024-Sep, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5167 PMID:38697612	研究论文	本研究评估了基于R2的两种磁化率分离方法（R2-χ-分离和χ-sepnet-R2*）与基于R2'的对应方法在多发性硬化症（MS）患者中的临床应用效果	最近提出的基于R2*的磁化率分离方法仅使用多回波梯度回波（ME-GRE）数据进行磁化率分离，无需额外获取R2图数据，减少了扫描时间并增强了临床实用性	缺少R2信息的影响仍需进一步探索	评估基于R2*的磁化率分离方法作为基于R2'方法的替代方案的可行性	多发性硬化症（MS）患者	计算机视觉	多发性硬化症	多回波梯度回波（ME-GRE）	深度学习模型	图像	未明确提及具体样本数量
12634	2024-08-07	Comparative assessment of established and deep learning-based segmentation methods for hippocampal volume estimation in brain magnetic resonance imaging analysis 2024-Sep, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5169 PMID:38712667	研究论文	本研究评估了两种公开可用的深度学习基础海马体分割方法SynthSeg和TigerBx的性能，并与两种传统技术FreeSurfer-Aseg和FSL-FIRST进行了对比	SynthSeg和TigerBx在分割准确性和可重复性方面与传统工具相当，但在处理速度上具有显著优势，能在不到1分钟内生成结果	NA	评估深度学习基础的海马体分割方法在脑部磁共振成像分析中的性能	海马体体积估计	计算机视觉	NA	磁共振成像(MRI)	深度学习	图像	1447例三维T1加权MRI扫描
12635	2024-08-07	Unveil sleep spindles with concentration of frequency and time (ConceFT) 2024-Aug-06, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad66aa PMID:39042095	研究论文	本文介绍了一种名为'频率和时间集中'（ConceFT）的新型非线性时频分析工具，用于在脑电图（EEG）数据中自动注释睡眠纺锤波并测量其瞬时频率	ConceFT工具能有效减少随机脑电图影响，增强时频表示中的纺锤波可见性，并提供了一种准确的、可解释的基于EEG的睡眠纺锤波检测算法	NA	开发和验证一种新的自动睡眠纺锤波检测算法	睡眠纺锤波及其瞬时频率	NA	NA	Concentration of Frequency and Time (ConceFT)	NA	脑电图（EEG）数据	使用了Dream和Montreal Archive of Sleep Studies (MASS)基准数据库
12636	2024-08-07	Principles of artificial intelligence in radiooncology 2024-Aug-06, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02272-0 PMID:39105746	综述	本文旨在为放射肿瘤学领域提供一个关于深度学习原理的综合指南	填补了深度学习在放射肿瘤学领域技术原理易懂性方面的空白	NA	增强对基于人工智能的研究和软件应用的理解，弥合复杂技术概念与临床实践之间的差距	深度学习模型及其在放射肿瘤学中的应用	机器学习	NA	深度学习	多层感知器（MLP）、卷积神经网络（CNN）、循环神经网络（RNN）、变换器、生成对抗网络（GAN）、基于扩散的生成模型、强化学习	NA	NA
12637	2024-08-07	Deep learning for autosegmentation for radiotherapy treatment planning: State-of-the-art and novel perspectives 2024-Aug-06, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02262-2 PMID:39105745	综述	本文综述了人工智能在放射治疗计划中基于AI的自动分割模型的当代技术及其临床应用，重点关注风险器官（OARs）、大体肿瘤体积（GTV）和临床目标体积（CTV）的勾画	文章展示了在不同临床场景中提高效率和一致性以及节省时间的成果，并探讨了数学肿瘤生长模型与AI基肿瘤检测的整合，以进一步细化目标体积	临床实施中存在领域转移等挑战	总结当代AI技术，探索AI在放射治疗计划中的应用	风险器官（OARs）、大体肿瘤体积（GTV）和临床目标体积（CTV）的自动分割	机器学习	NA	人工智能	NA	图像	NA
12638	2024-08-07	IEA-Net: Internal and External Dual-Attention Medical Segmentation Network with High-Performance Convolutional Blocks 2024-Aug-06, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01217-4 PMID:39105850	研究论文	本文提出了一种内部和外部双重注意力机制的医学分割网络IEA-Net，并设计了ICSwR模块和IEAM模块，用于提高医学图像分割的性能	IEA-Net通过内部和外部双重注意力机制，结合LGGW-SA模块和EA模块，有效提取局部和全局特征，并捕捉样本间关联，提高了分割性能	NA	解决传统CNN在医学图像分割中的特征损失和远程依赖建模能力不足的问题	医学图像分割，特别是人体器官的图像分割	计算机视觉	NA	深度学习	CNN	图像	在Synapse多器官分割数据集和ACDC心脏分割数据集上进行了测试
12639	2024-08-07	Multiband Convolutional Riemannian Network with Band-wise Riemannian Triplet Loss for Motor Imagery Classification 2024-Aug-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438167 PMID:39102329	research paper	本文提出了一种新颖的运动想象分类算法，使用带有频带间黎曼三元组损失的重叠多尺度多频带卷积黎曼网络来提高分类性能	该算法通过减少子频带数量并增加频率多样性、在计算子频带协方差矩阵前插入卷积层以及使用黎曼三元组损失来正则化子频带网络，从而减少了黎曼网络由于协方差矩阵固有的大特征维度而导致的过拟合问题	NA	提高运动想象分类的性能	运动想象分类算法	machine learning	NA	卷积黎曼网络	CNN	数据集	使用了公开可用的数据集，BCI Competition IV dataset 2a和OpenBMI dataset
12640	2024-08-07	Predicting miRNA-disease Associations Based on Spectral Graph Transformer with Dynamic Attention and Regularization 2024-Aug-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438439 PMID:39102330	研究论文	本文介绍了一种基于动态注意力和正则化的光谱图Transformer模型DARSFormer，用于预测miRNA与疾病之间的关联	DARSFormer模型集成了动态注意力机制和光谱图Transformer，有效提升了预测miRNA-疾病关联的整体效果	NA	研究目的是开发一种高效的方法来探索miRNA与疾病之间的复杂关系	研究对象是miRNA和疾病之间的关联	机器学习	NA	光谱图Transformer	Transformer	网络数据	在HMDD v2.0数据库上进行了五折交叉验证，AUC达到94.18%；在HMDD v3.2数据库上，AUC达到95.27%