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
13241	2024-10-26	AUTOMATED DETECTION OF VITRITIS USING ULTRAWIDE-FIELD FUNDUS PHOTOGRAPHS AND DEEP LEARNING 2024-06-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004049 PMID:38261816	研究论文	评估深度学习算法在超广角眼底照片上自动检测和分级玻璃体炎的性能	提出了一种基于超广角眼底成像的新深度学习模型，用于高效检测玻璃体炎	模型在六级分级中的性能有限，需要更大的样本量来改进	评估深度学习算法在超广角眼底照片上自动检测和分级玻璃体炎的性能	玻璃体炎的自动检测和分级	计算机视觉	眼科疾病	深度学习	DenseNet121	图像	1181张图像
13242	2024-10-26	Learning-based Free-Water Correction using Single-shell Diffusion MRI 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006901 PMID:39281711	研究论文	本文提出了一种基于深度学习的单壳扩散MRI自由水校正方法	利用数据驱动技术在不同扩散MRI采集方案中可靠地推断自由水体积，包括单壳采集	当前数学模型在临床常见的单壳采集中的适用性有限	提高单壳扩散MRI分析的准确性和可靠性	脑微结构和连接性评估	计算机视觉	NA	扩散磁共振成像（dMRI）	深度学习	图像	NA
13243	2024-10-26	An ensemble deep learning model for medical image fusion with Siamese neural networks and VGG-19 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309651 PMID:39441782	研究论文	本文提出了一种基于Siamese神经网络和VGG-19的集成深度学习模型，用于多模态医学图像融合	该模型结合了预训练和非预训练网络，通过堆叠集成方法，能够有效保留详细信息并提高图像质量，显著改善对比度、增加分辨率并减少伪影	NA	开发一种高效的混合学习模型，用于多模态医学图像融合	多模态医学图像	计算机视觉	NA	深度学习	Siamese神经网络, VGG-19	图像	来自Havard-Medical-Image-Fusion Datasets、GitHub和Kaggle的公开可用源图像
13244	2024-10-26	Deep learning and AI in reducing magnetic resonance imaging scanning time: advantages and pitfalls in clinical practice 2024, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/192822 PMID:39444654	研究论文	本文探讨了深度学习和人工智能在减少磁共振成像扫描时间中的应用及其在临床实践中的优势和局限	开发了基于人工智能的算法，特别是深度学习模型，用于从更少的数据点重建高分辨率图像，显著提高了MRI效率	未具体提及	描述和讨论引入深度学习重建技术以减少MRI扫描时间在临床实践中的优缺点	磁共振成像（MRI）扫描时间的减少及其在临床实践中的应用	计算机视觉	NA	深度学习	深度学习模型	图像	未具体提及
13245	2024-10-26	Dry age-related macular degeneration classification from optical coherence tomography images based on ensemble deep learning architecture 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1438768 PMID:39444813	研究论文	本文提出了一种基于集成深度学习架构的光学相干断层扫描图像干性年龄相关性黄斑变性分类方法	本文创新性地整合了四种不同的卷积神经网络（ResNet50、EfficientNetB4、MobileNetV3和Xception），并通过集成学习提高了干性AMD的分类准确性	NA	开发一种深度学习架构，以提高干性年龄相关性黄斑变性的分类准确性	干性年龄相关性黄斑变性的分类	计算机视觉	眼科疾病	深度学习	集成学习	图像	1,310名患者的4,096张原始图像，经过旋转和翻转操作后，数据集包含16,384张视网膜OCT图像
13246	2024-10-26	Trends and hotspots in the field of diabetic retinopathy imaging research from 2000-2023 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1481088 PMID:39444814	研究论文	本研究通过文献计量分析评估了2000年至2023年间糖尿病视网膜病变成像研究领域的进展和热点	本研究首次通过文献计量分析方法，系统地评估了糖尿病视网膜病变成像研究领域的发展趋势和关键热点	本研究仅基于Web of Science Core Collection数据库中的文献信息，可能存在一定的数据偏差	评估糖尿病视网膜病变成像研究领域的发展趋势和关键热点	2000年至2023年间发表的糖尿病视网膜病变成像研究相关文献	计算机视觉	糖尿病视网膜病变	文献计量分析	NA	文献	共分析了1328篇文献，其中美国发表719篇，中国发表609篇
13247	2024-10-26	Prediction of benign and malignant ground glass pulmonary nodules based on multi-feature fusion of attention mechanism 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1447132 PMID:39445066	研究论文	本研究开发并验证了一种新的特征融合算法，通过深度学习提高良性和恶性磨玻璃结节的分类性能	首次应用注意力机制融合全肺CT图像、影像组学特征、临床和形态学特征，显著提高了磨玻璃结节的分类性能	NA	开发和验证一种新的特征融合算法，以提高良性和恶性磨玻璃结节的分类性能	良性和恶性磨玻璃结节	计算机视觉	肺部疾病	深度学习	卷积神经网络 (CNN) 和反向传播神经网络 (BPNN)	图像	385例磨玻璃结节，其中172例为良性，203例为恶性
13248	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
13249	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
13250	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
13251	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
13252	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）
13253	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
13254	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
13255	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
13256	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
13257	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
13258	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
13259	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
13260	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）