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
13221	2024-10-26	Enhancing facial feature de-identification in multiframe brain images: A generative adversarial network approach 2024, Progress in brain research DOI:10.1016/bs.pbr.2024.07.003 PMID:39448110	研究论文	本文提出了一种基于生成对抗网络（GAN）的深度学习方法，用于在脑部图像中对面部特征进行去识别化处理	本文的创新点在于使用生成对抗网络合成新的面部特征和轮廓，并专注于部分头部图像而非全头部图像	本文的局限性在于耳部检测的准确率在测试数据集中较低，仅为65.98%	本文的研究目的是开发一种有效的面部特征去识别化方法，以符合隐私法规	本文的研究对象是脑部图像中的面部特征，包括耳朵、鼻子、嘴巴和眼睛	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	本文使用了490例公开的头颅CT图像数据集和70例头颅MR图像数据集进行训练和测试
13222	2024-10-26	Invariant point message passing for protein side chain packing 2023-Dec-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.03.551328 PMID:38187664	研究论文	本文介绍了一种基于几何图神经网络的蛋白质侧链包装方法PIPPack，通过几何感知的不变点消息传递（IPMP）处理局部结构和序列信息，生成理想的侧链坐标	本文提出了一种新的蛋白质侧链包装方法PIPPack，结合了几何图神经网络和不变点消息传递技术，显著提高了计算速度	NA	开发一种高效且准确的蛋白质侧链包装方法	蛋白质侧链的包装	机器学习	NA	几何图神经网络	IPMP	蛋白质结构数据	约1400个高质量蛋白质链
13223	2024-10-26	Pooled tagging and hydrophobic targeting of endogenous proteins for unbiased mapping of unfolded protein responses 2023-Jul-14, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.13.548611 PMID:37503003	研究论文	开发了一种基于高通量基因标记的方法，用于大规模生成和分析内源性标记蛋白质的复杂细胞池，以实现对蛋白质组组织和功能的系统级理解	提出了一种新的方法，通过HaloTag标记蛋白质并结合荧光标记、测序和基于深度学习的图像分析，实现了对细胞内蛋白质定位模式的全面观察和蛋白质错误折叠引起的细胞应激反应的映射	NA	研究蛋白质组的动力学、功能和稳态	内源性标记的蛋白质及其在细胞内的定位和功能	生物信息学	NA	高通量基因标记、荧光标记、单细胞RNA测序	深度学习	图像、基因序列	NA
13224	2024-10-26	Deep Learning for Improved Precision and Reproducibility of Left Ventricular Strain in Echocardiography: A Test-Retest Study 2023-07, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2023.02.017 PMID:36933849	研究论文	本文研究了一种基于深度学习的人工智能方法，用于提高超声心动图测量左心室纵向应变的精度和重复性	提出了一种基于深度学习的人工智能方法，用于自动测量左心室全局纵向应变，减少了用户相关变异性	仅在两个中心的数据集上进行了测试，样本量较小	评估人工智能方法在不同超声心动图记录者之间重复测量左心室全局纵向应变的重复性，并与手动测量结果进行比较	左心室全局纵向应变	机器学习	心血管疾病	深度学习	NA	图像	两个数据集，分别包含40和32个样本
13225	2024-10-26	Implementation considerations for deep learning with diffusion MRI streamline tractography 2023-Apr-06, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.03.535465 PMID:37066284	研究论文	本文讨论了使用扩散MRI（dMRI）和递归神经网络（RNN）进行流线束追踪的实现考虑	本文提出了使用RNN在连续空间中建模dMRI特征以传播流线的方法，并发布了训练模型和相关实现	目前缺乏广泛可用的开源实现	降低该领域的进入门槛，促进进一步创新	扩散MRI流线束追踪的实现	计算机视觉	NA	扩散MRI（dMRI）	递归神经网络（RNN）	图像	NA
13226	2024-10-26	Deep Constrained Spherical Deconvolution for Robust Harmonization 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654398 PMID:37228707	研究论文	本文提出了一种基于深度学习的DW-MRI信号协调方法，以提高微结构估计的可靠性和可重复性	引入了数据驱动的扫描仪不变正则化方案，以更稳健地估计纤维方向分布函数（FODF）	NA	旨在解决DW-MRI在多站点和/或纵向扩散研究中的测量变异性问题	DW-MRI信号和纤维方向分布函数（FODF）	计算机视觉	NA	扩散加权磁共振成像（DW-MRI）	深度学习	图像	研究了Human Connectome Project的年轻成人测试-重测组以及MASiVar数据集（包括跨站点和跨扫描/重扫描数据）
13227	2024-10-26	Topological-Preserving Membrane Skeleton Segmentation in Multiplex Immunofluorescence Imaging 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654087 PMID:37786583	研究论文	本文提出了一种基于深度学习的膜骨架分割方法，用于多重免疫荧光成像中的细胞分割	本文创新性地结合了全局和局部信息，使用深度学习方法进行膜骨架分割，并提出了一个新的体积度量指标用于评估	本文未详细讨论模型在不同细胞类型和成像条件下的泛化能力	研究目的是提高多重免疫荧光成像中细胞分割的准确性和拓扑保持性	研究对象是多重免疫荧光成像中的膜骨架	计算机视觉	NA	多重免疫荧光成像	深度学习网络	图像	80张膜多重免疫荧光图像用于5折交叉验证
13228	2024-10-26	Longitudinal Variability Analysis on Low-dose Abdominal CT with Deep Learning-based Segmentation 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2653762 PMID:37465093	研究论文	研究使用深度学习方法对低剂量腹部CT图像进行纵向变异性分析	首次对低剂量单切片CT图像进行纵向变异性的全面研究，并使用深度学习进行自动分割	研究仅限于2D切片，且样本量相对较小	评估低剂量腹部CT图像在纵向变异性中的稳定性和变异性	1469名受试者的1816张低剂量腹部CT图像	计算机视觉	NA	深度学习	NA	图像	1469名受试者的1816张图像
13229	2024-10-26	Batch size: go big or go home? Counterintuitive improvement in medical autoencoders with smaller batch size 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2653643 PMID:37465095	研究论文	本文探讨了在训练医学自编码器时，较小批次大小对模型性能的反直觉改善	本文提出了与传统观点相反的证据，即在处理具有全局相似性和局部差异的数据（如电子健康记录和医学影像）时，较小的批次大小可以提高自编码器的性能	本文仅在特定的数据集（巴尔的摩衰老纵向研究和多模态脑肿瘤分割挑战）上进行了实验，结果可能不适用于所有类型的医学数据	研究批次大小对医学自编码器性能的影响，特别是在处理电子健康记录和医学影像数据时	电子健康记录数据和医学影像数据	机器学习	NA	自编码器	自编码器	文本和图像	巴尔的摩衰老纵向研究的电子健康记录数据和多模态脑肿瘤分割挑战的医学影像数据
13230	2024-10-26	Quantification of muscle, bones, and fat on single slice thigh CT 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2611664 PMID:36303572	研究论文	本文提出了一种两阶段深度学习管道，用于在有限的人工标注数据下进行大腿CT切片中的肌肉、骨骼和脂肪分割	通过迁移学习的方法，利用伪标签进行初步训练，然后使用有限的人工标注数据进行微调，提高了模型在有限数据下的性能	需要大量的计算资源和时间来生成伪标签和训练模型	开发一种在有限人工标注数据下进行大腿CT切片中肌肉、骨骼和脂肪分割的方法	大腿CT切片中的肌肉、骨骼和脂肪	计算机视觉	NA	深度学习	深度神经网络	图像	研究包括2836张来自Baltimore Longitudinal Study of Aging (BLSA)的切片和121张来自Genetic and Epigenetic Signatures of Translational Aging Laboratory Testing (GESTALT)的切片，共计56个大腿CT扫描
13231	2024-10-26	Efficient Quality Control with Mixed CT and CTA Datasets 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2607406 PMID:36303574	研究论文	本文提出了一种自动质量控制方法，通过将3D CT扫描转换为2D轴向切片蒙太奇，并使用多头卷积神经网络来检测CT与CTA以及有无伪影，以提高深度学习模型在创伤性脑损伤数据集上的训练效果	本文的创新点在于提出了一种自动化的质量控制方法，通过多头卷积神经网络来区分CT与CTA以及检测伪影，从而减少手动检查的时间和成本	伪影检测性能可能因伪影的异质性和训练数据中伪影扫描数量不足而受到影响	提高深度学习模型在创伤性脑损伤数据集上的训练效果	创伤性脑损伤患者的CT和CTA数据集	计算机视觉	创伤性脑损伤	卷积神经网络	多头卷积神经网络	图像	848个扫描样本，其中698个用于交叉验证，150个用于外部验证
13232	2024-10-26	Anatomical Context Protects Deep Learning from Adversarial Perturbations in Medical Imaging 2020-Feb-28, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2019.10.085 PMID:32863583	研究论文	研究了深度学习在医学影像处理中对抗性扰动的影响，并比较了传统深度神经网络和结合解剖学上下文特征的混合模型的鲁棒性	提出了一种结合解剖学上下文特征的混合深度学习模型，该模型在对抗性扰动下表现出更高的鲁棒性	当前深度学习技术在临床应用中存在局限性	研究对抗性扰动对医学影像处理中深度学习模型的影响，并探索提高模型鲁棒性的方法	3D MRI脑部图像和基于图像预测个体年龄的任务	计算机视觉	NA	深度学习	深度神经网络和混合深度学习模型	图像	大量3D MRI脑部图像
13233	2024-10-25	Explainable artificial intelligence and domain adaptation for predicting HIV infection with graph neural networks 2024-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2024.2407063 PMID:39417227	研究论文	研究使用图神经网络和领域适应方法预测HIV感染，并评估模型的可解释性和跨数据集的可转移性	首次将可解释的人工智能和领域适应方法应用于图神经网络，以预测HIV感染，并评估模型在不同数据集间的转移能力	研究仅限于两个城市的年轻性少数男性群体，且数据收集时间较短	探索可解释深度学习方法在图神经网络中预测HIV感染的应用，并评估模型在不同数据集间的转移能力	年轻性少数男性群体的社交网络数据	机器学习	HIV感染	图神经网络	图注意力网络（GAT）	网络数据	两个城市的年轻性少数男性群体，数据收集时间为2014至2016年
13234	2024-10-25	Enhanced bone assessment of the shoulder using zero-echo time MRI with deep-learning image reconstruction 2024-Dec, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04690-8 PMID:38658419	研究论文	评估深度学习重建算法在1.5特斯拉肩部零回波时间MRI中的应用，以改善骨性病变的描绘	引入了一种基于深度学习的重建算法（DLRecon），用于增强零回波时间MRI图像质量，特别是在骨性病变的描绘上	研究为回顾性，样本量相对较小，且仅限于肩部MRI	评估深度学习重建算法在肩部零回波时间MRI中的效果，以提高骨性病变的诊断准确性	肩部MRI图像及其骨性病变	计算机视觉	NA	零回波时间MRI	深度学习	图像	63次肩部MRI检查，涉及52名患者（28名女性）
13235	2024-10-25	Forensic bone age assessment of hand and wrist joint MRI images in Chinese han male adolescents based on deep convolutional neural networks 2024-Nov, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-024-03282-4 PMID:39060444	研究论文	研究开发了一种基于深度卷积神经网络的中国汉族男性青少年手和腕关节MRI图像的法医骨龄评估系统	提出了一个新的深度学习模型，用于提取和增强MRI手和腕骨特征，以提高目标MRI手和腕骨年龄的预测和精确分类	样本量相对较小，且仅限于中国汉族男性青少年	探索使用深度学习技术对手和腕关节MRI图像进行骨龄评估的可行性	中国汉族男性青少年的手和腕关节MRI图像	计算机视觉	NA	MRI	深度卷积神经网络	图像	282名6.0-21.0岁的中国汉族男性
13236	2024-10-25	Can deep learning-designed anterior tooth-borne crown fulfill morphologic, aesthetic, and functional criteria in clinical practice? 2024-Nov, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105368 PMID:39326724	研究论文	本研究旨在比较基于深度学习（DL）软件设计的前牙冠与传统牙科计算机辅助设计（CAD）软件设计的前牙冠在形态、功能和美学方面的差异	本研究首次评估了基于深度学习的前牙冠设计软件在临床实践中的应用效果	研究样本量较小，且未评估所有可能的功能和美学指标	评估基于深度学习的前牙冠设计软件在形态、功能和美学方面的表现	前牙冠的设计效果	计算机视觉	NA	深度学习	NA	图像	25个活体数据集，包括上颌和下颌弓扫描的预备上颌中切牙
13237	2024-10-25	Deep learning method to automatically diagnose periodontal bone loss and periodontitis stage in dental panoramic radiograph 2024-Nov, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105373 PMID:39332519	研究论文	本文提出了一种基于卷积神经网络（CNN）的深度学习集成模型，用于自动诊断牙科全景X光片中的牙周骨丢失和牙周炎阶段	本文的创新点在于提出了一种新的深度学习集成模型，结合了YOLOv8、Mask R-CNN和TransUNet算法，用于牙位检测、牙齿轮廓分割、牙齿组织分割以及牙周骨丢失和牙周炎阶段的预测	本文的局限性在于数据集仅包含320名患者的数据，可能不足以完全代表所有患者的情况	本研究旨在开发一种高效准确的深度学习方法，用于自动诊断牙周疾病	本研究的对象是牙科全景X光片中的牙周骨丢失和牙周炎阶段	计算机视觉	牙周疾病	深度学习	卷积神经网络（CNN）	图像	320名患者的8462颗牙齿
13238	2024-10-25	PET image reconstruction using weighted nuclear norm maximization and deep learning prior 2024-Oct-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad841d PMID:39374634	研究论文	本文提出了一种基于加权核范数最大化与深度学习先验的PET图像重建方法	本文的创新点在于在PET图像重建中应用了加权核范数最大化而非最小化，并使用神经网络控制由加权核范数最大化产生的噪声	NA	旨在提高PET图像重建的质量，特别是在低剂量情况下的图像细节恢复和噪声抑制	PET图像重建问题	计算机视觉	NA	加权核范数最大化	神经网络	图像	包括模拟数据集和临床数据集
13239	2024-10-25	Olfactory Visualization Sensing Array Made with CelluMOFs to Predict Fruit Ripeness Using Deep Learning 2024-Oct-23, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c09402 PMID:39403818	研究论文	本文开发了一种基于CelluMOFs的嗅觉可视化传感阵列，结合深度学习技术用于预测水果成熟度	首次将CelluMOFs与DenseNet结合，用于高灵敏度和准确性的水果成熟度检测	NA	开发一种高灵敏度和准确性的嗅觉可视化传感系统，用于检测水果成熟度	水果成熟度	计算机视觉	NA	深度学习	DenseNet	图像	九种特征水果气味
13240	2024-10-25	Deep Learning Segmentation of Chromogenic Dye RNAscope From Breast Cancer Tissue 2024-Oct-23, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01301-9 PMID:39443395	研究论文	本文开发并优化了一种新的深度学习方法，用于从乳腺癌组织中准确分割RNAscope点（表示基因表达）	提出了一种基于ConvNeXt的卷积神经网络，用于RNAscope染色的自动分析，并使用自定义的正则化块来防止过拟合和早期收敛	需要进一步验证该方法在不同类型癌症和组织中的适用性	开发一种自动化的深度学习方法，用于准确分割乳腺癌组织中的RNAscope点	乳腺癌组织中的RNAscope染色	数字病理学	乳腺癌	RNAscope染色	ConvNeXt	图像	具体样本数量未在摘要中提及