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
13601	2024-11-21	Anatomic Interpretability in Neuroimage Deep Learning: Saliency Approaches for Typical Aging and Traumatic Brain Injury 2024-Oct-16, Research square DOI:10.21203/rs.3.rs-4960427/v1 PMID:39483910	研究论文	本研究比较了七种基于归因的显著性方法，用于增强深度神经网络（DNN）在估计生物脑龄（BA）时的解剖学解释性	本研究首次系统比较了多种显著性方法在典型衰老和创伤性脑损伤（TBI）情况下的表现，并评估了它们在捕捉已知脑衰老解剖特征方面的能力	研究仅限于使用磁共振成像（MRI）数据，且样本量相对较小	探讨不同显著性方法在增强深度神经网络（DNN）解剖学解释性方面的效果	认知正常（CN）成年人和轻度创伤性脑损伤（mTBI）成年人的脑龄估计	计算机视觉	创伤性脑损伤	磁共振成像（MRI）	深度神经网络（DNN）	图像	认知正常成年人100名（男性），平均年龄65.82 ± 8.89岁；轻度创伤性脑损伤成年人100名（男性），平均年龄55.3 ± 9.9岁
13602	2024-11-21	Deep learning permits imaging of multiple structures with the same fluorophores 2024-10-15, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.09.001 PMID:39233442	研究论文	提出了一种新的双结构网络（DBSN），可以从三个原始图像中提取六个不同的亚细胞结构，仅使用两种荧光标记	DBSN结合了强度平衡模型和结构分离模型，能够从相同的荧光标记中提取多个不同的亚细胞结构，突破了现有技术的瓶颈	NA	开发一种能够同时成像多个结构的新方法，减少荧光显微镜的时间消耗	亚细胞结构	计算机视觉	NA	深度学习	双结构网络（DBSN）	图像	三个原始图像
13603	2024-11-21	Evaluation of deep learning-based target auto-segmentation for Magnetic Resonance Imaging-guided cervix brachytherapy 2024-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100669 PMID:39559487	研究论文	评估深度学习在磁共振成像引导的宫颈近距离放射治疗中自动分割目标结构的应用	提出使用基于人群和患者特异性自动分割作为第二部分目标分割的起点，以减少手动分割的时间和患者负担	自动分割引入了手动描绘的偏差，但这种偏差在临床上无关紧要	评估使用自动分割作为第二部分目标分割起点的临床影响	宫颈癌患者在磁共振成像引导下的近距离放射治疗	计算机视觉	宫颈癌	深度学习	NA	图像	28名局部晚期宫颈癌患者
13604	2024-11-21	Evaluation of three-point correlation functions from structural images on CPU and GPU architectures: Accounting for anisotropy effects 2024-Oct, Physical review. E DOI:10.1103/PhysRevE.110.045306 PMID:39562887	研究论文	本文开发了在CPU和GPU架构上计算三点点相关函数的算法和代码，考虑了各向异性效应	本文提出了计算三点点相关函数的新算法，并展示了其在任意三角形模式下的计算速度与直角三角形模式相当	本文指出，当计算在频率域进行时，数据量会变得非常大，且目前尚不清楚n>3的点相关函数的优势	研究三点点相关函数在结构图像分析中的应用，并评估其在不同架构上的计算效率	三点点相关函数及其在结构图像分析中的应用	计算机视觉	NA	三点点相关函数计算	NA	图像	NA
13605	2024-11-21	Evaluation of deep-learning TSE images in clinical musculoskeletal imaging 2024-Aug, Journal of medical imaging and radiation oncology IF:2.2Q2 DOI:10.1111/1754-9485.13714 PMID:38837669	研究论文	本研究比较了传统重建的脂肪饱和（FS）和非FS涡轮自旋回波（TSE）磁共振成像与基于深度学习的加速TSE（DL-TSE）重建在膝关节成像中的效果	DL-TSE重建在提高图像分辨率和缩短扫描时间的同时，保持了图像对比度，且在大多数情况下被放射科医生认为具有更好的小结构显示效果	DL-TSE在21/232（9%）的病例中被认为效果不如传统TSE	评估基于深度学习的TSE图像在临床肌肉骨骼成像中的应用效果	脂肪饱和和非脂肪饱和的TSE磁共振成像与基于深度学习的TSE重建图像	计算机视觉	NA	磁共振成像	深度学习	图像	232对传统TSE和DL-TSE图像
13606	2024-11-21	Convolutional Neural Networks to Study Contrast-Enhanced Magnetic Resonance Imaging-Based Skeletal Calf Muscle Perfusion in Peripheral Artery Disease 2024-06-01, The American journal of cardiology DOI:10.1016/j.amjcard.2024.03.035 PMID:38580040	研究论文	研究使用卷积神经网络（CNN）通过对比增强磁共振成像（CE-MRI）的骨骼小腿肌肉灌注模式特征来区分外周动脉疾病（PAD）患者与匹配的对照组	首次使用卷积神经网络分析对比增强磁共振成像的骨骼小腿肌肉灌注模式，以区分PAD患者与对照组	研究样本量较小，且仅限于小腿肌肉的灌注模式分析	探索使用深度学习方法通过CE-MRI图像区分PAD患者与对照组	PAD患者与匹配的对照组的小腿肌肉灌注模式	计算机视觉	外周动脉疾病	对比增强磁共振成像（CE-MRI）	卷积神经网络（CNN）	图像	56名参与者，包括36名PAD患者和20名匹配的对照组
13607	2024-11-21	Evaluation of a deep image-to-image network (DI2IN) auto-segmentation algorithm across a network of cancer centers 2024-Apr-01, Journal of cancer research and therapeutics IF:1.4Q4 DOI:10.4103/jcrt.jcrt_769_23 PMID:39023610	研究论文	本文评估了一种基于深度图像到图像网络（DI2IN）的自动分割算法在多个癌症中心的性能	首次进行多机构研究，描述并评估基于深度图像到图像网络（DI2IN）的AI算法用于自动分割危及器官（OARs）	NA	评估AI算法在自动分割危及器官（OARs）中的应用效果	危及器官（OARs）的自动分割算法	计算机视觉	NA	深度学习	深度图像到图像网络（DI2IN）	图像	156名患者和1366个轮廓
13608	2024-11-21	Application of artificial intelligence in brain arteriovenous malformations: Angioarchitectures, clinical symptoms and prognosis prediction 2024-Mar-22, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences IF:1.5Q3 DOI:10.1177/15910199241238798 PMID:38515371	review	本文综述了人工智能在脑动静脉畸形管理中的应用	人工智能算法在脑动静脉畸形管理中的多个方面得到了应用，特别是在机器学习和深度学习模型中	本文总结了当前研究的局限性和未来研究方向	总结人工智能在脑动静脉畸形管理中的应用	脑动静脉畸形	machine learning	脑血管疾病	machine learning, deep learning	machine learning, deep learning	image	NA
13609	2024-11-21	A systematic analysis of deep learning in genomics and histopathology for precision oncology 2024-02-05, BMC medical genomics IF:2.1Q3 DOI:10.1186/s12920-024-01796-9 PMID:38317154	综述	本文对2010年至2023年期间深度学习在基因组学和组织病理学中的应用进行了系统性综述	本文介绍了多模态深度学习模型，这些模型能够同时处理病理切片图像和基因组数据，从而实现比单模态模型更高的性能	多模态深度学习的应用在不同肿瘤实体和临床场景中缺乏一致性，且相关研究数量有限	量化深度学习在病理学、基因组学及其联合应用中的使用情况	深度学习在病理学和基因组学中的应用，特别是多模态深度学习模型的应用	数字病理学	NA	深度学习	多模态深度学习模型	图像和基因组数据	NA
13610	2024-11-21	Role of Artificial intelligence model in prediction of low back pain using T2 weighted MRI of Lumbar spine 2024, F1000Research DOI:10.12688/f1000research.154680.2 PMID:39483709	研究论文	研究探讨了人工智能模型在利用T2加权MRI预测腰椎疼痛中的作用	首次使用多种机器学习和深度学习模型（如随机森林、AdaBoost、ResNet和GoogleNet）来预测腰椎疼痛，并展示了这些模型在提高诊断准确性方面的潜力	研究样本量较小，且仅限于使用T2加权MRI图像	研究人工智能模型在预测腰椎疼痛中的应用，以提高诊断准确性和患者管理	腰椎疼痛患者及其T2加权MRI图像	机器学习	腰椎疼痛	MRI	随机森林、决策树、逻辑回归、K近邻、AdaBoost、ResNet、GoogleNet	图像	200名MRI患者（100名病例和100名对照）
13611	2024-11-21	DMAeEDNet: Dense Multiplicative Attention Enhanced Encoder Decoder Network for Ultrasound-Based Automated Breast Lesion Segmentation 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3394808 PMID:39553390	研究论文	本文提出了一种低复杂度的深度学习网络DMAeEDNet，用于超声图像中乳腺病变的自动分割	首次在编码器-解码器网络的编码层和输出层中引入密集乘法注意力组件，以选择性地增强相关特征	NA	提高乳腺病变在超声图像中的自动分割精度，同时降低计算复杂度	乳腺病变在超声图像中的自动分割	计算机视觉	乳腺癌	深度学习	编码器-解码器网络	图像	使用了两个公开数据集和一个临床记录数据集
13612	2024-11-21	Panning for gold: Comparative analysis of cross-platform approaches for automated detection of political content in textual data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312865 PMID:39556542	研究论文	本文比较了不同平台上的自动化内容分析技术在德语文本数据中检测政治内容的性能	本文首次在德语文本数据中比较了基于字典、经典监督机器学习和深度学习的政治内容检测技术	本文仅限于德语文本数据，未涵盖其他语言	研究如何在多选择媒体环境中理解和测量政治信息消费	德语文本数据中的政治内容检测	自然语言处理	NA	自动化内容分析技术	深度学习模型、经典机器学习模型	文本	66个模型
13613	2024-11-21	Radiomics in precision medicine for colorectal cancer: a bibliometric analysis (2013-2023) 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1464104 PMID:39558950	综述	本文对2013年至2023年间结直肠癌（CRC）放射组学领域的文献进行了全面的文献计量分析	本文通过文献计量工具分析了放射组学在结直肠癌中的研究趋势，特别是深度学习和多组学整合的兴起	本文主要基于文献计量分析，未涉及具体实验数据或模型验证	探讨放射组学在结直肠癌精准医学中的应用和研究趋势	结直肠癌（CRC）的放射组学研究文献	数字病理学	结直肠癌	放射组学	NA	文献	1226篇出版物
13614	2024-11-21	Enhancing clinical decision-making in endometrial cancer through deep learning technology: A review of current research 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241297053 PMID:39559386	综述	本文综述了深度学习技术在子宫内膜癌诊断和管理中的应用现状	深度学习模型能够自主学习和提取复杂的影像和病理数据特征，显著提高了子宫内膜癌诊断的准确性	深度学习在子宫内膜癌诊断中的应用仍面临挑战，需要进一步探索其未来发展方向	旨在通过详细分析，为未来研究方向提供信息，并促进深度学习技术在子宫内膜癌诊断和治疗策略中的整合	子宫内膜癌的诊断和管理	计算机视觉	妇科肿瘤	深度学习	深度学习模型	影像和病理数据	NA
13615	2024-11-21	Anatomy-Informed Multimodal Learning for Myocardial Infarction Prediction 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3403948 PMID:39559783	研究论文	提出了一种解剖信息引导的多模态深度学习框架，用于预测未来心肌梗死	首次尝试通过深度学习框架结合多模态数据进行未来心肌梗死预测	结果尚未达到实际应用的必要标准	提高冠状动脉疾病患者未来心肌梗死事件的预测准确性	冠状动脉疾病患者和侵入性冠状动脉造影图像	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）和人工神经网络（ANN）	图像和临床数据	445名急性冠状动脉综合征患者
13616	2024-11-21	Classification of Aortic Stenosis Patients via ECG-Independent Multi-Site Measurements of Cardiac-Induced Accelerations and Angular Velocities at the Skin Level 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3402151 PMID:39559782	研究论文	本文研究了通过皮肤表面的多站点心脏诱导加速度和角速度测量来分类主动脉瓣狭窄患者和健康志愿者的可行性，并确定了最佳传感器位置	本文首次结合SCG和GCG信号，并使用机器学习和深度学习方法进行分类，显著提高了分类准确率	研究样本量较小，仅包括15名健康受试者和15名主动脉瓣狭窄患者	评估SCG和GCG在皮肤表面的记录是否适合分类主动脉瓣狭窄患者，并确定最佳传感器位置	主动脉瓣狭窄患者和健康志愿者	心血管疾病	心血管疾病	NA	支持向量机（SVM）和ResNet18	信号	30名受试者（15名健康受试者和15名主动脉瓣狭窄患者）
13617	2024-11-21	Using deep learning and large protein language models to predict protein-membrane interfaces of peripheral membrane proteins 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae078 PMID:39559823	研究论文	本文探讨了使用深度学习和大型蛋白质语言模型预测外周膜蛋白的蛋白质-膜界面	首次展示了使用自然语言处理和蛋白质语言模型预测外周膜蛋白的膜相互作用氨基酸的潜力，无需3D结构数据	NA	研究蛋白质-膜界面相互作用，以提高对相关疾病发病机制的理解	外周膜蛋白的膜相互作用氨基酸	机器学习	NA	自然语言处理	深度学习模型	蛋白质数据	NA
13618	2024-11-21	EFFNet: A skin cancer classification model based on feature fusion and random forests 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293266 PMID:37871038	研究论文	提出了一种基于特征融合和随机森林的皮肤癌分类模型EFFNet	引入改进的分层双线性池化来捕捉不同卷积层之间的特征交互，增强了特征的表达能力	未提及	克服深度学习在皮肤癌分类中数据不平衡、特征冗余和特征交互被忽略的问题	皮肤癌分类	计算机视觉	皮肤癌	随机森林	EfficientNetV2	图像	使用了HAM10000数据集，通过图像增强技术使每类训练集图像平衡
13619	2024-11-21	Material decomposition from photon-counting CT using a convolutional neural network and energy-integrating CT training labels 2022-07-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac7d34 PMID:35767986	研究论文	本文提出了一种利用卷积神经网络和能量积分CT训练标签从光子计数CT进行材料分解的方法	通过使用高剂量多能量积分探测器数据提供的分解图作为训练标签，补偿光子计数探测器中的光谱畸变，提高了材料分解的准确性	深度学习方法导致了一些模糊，调制传递函数在50%时从1.98线对/毫米降至1.75线对/毫米	提高光子计数CT材料分解的准确性	光子计数CT和能量积分CT的材料分解	计算机视觉	NA	光子计数CT（PCCT）	3D U-net	图像	使用碘和钙小瓶进行测量
13620	2024-11-21	Advances in micro-CT imaging of small animals 2021-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.2021.07.005 PMID:34284331	综述	本文综述了微型CT在小动物成像中的最新进展和应用	介绍了基于能量积分探测器和新一代光子计数X射线探测器（PCDs）的双能微型CT光谱扫描技术，以及X射线相位对比成像（XPC）和深度学习在微型CT中的应用	未详细讨论微型CT在临床转化中的具体挑战	回顾微型CT在临床前研究中的最新进展和应用	微型CT成像技术及其在小动物成像中的应用	计算机视觉	NA	微型CT成像	深度学习	图像	NA