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
14581	2024-10-04	COVID-19 Severity Prediction from Chest X-ray Images Using an Anatomy-Aware Deep Learning Model 2023-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00861-6 PMID:37369941	研究论文	本文提出了一种解剖学感知的深度学习模型，用于从胸部X光图像预测COVID-19的严重程度	该模型通过考虑人体解剖学信息，从X光图像中学习通用特征，并生成包括疾病级别特征和肺部参与评分的特征向量	NA	开发一种自动评估COVID-19严重程度的深度学习模型，特别是在缺乏专业放射科医生的低资源医院中	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	深度学习	解剖学感知深度学习模型	图像	使用了四个不同的开源数据集和一个内部注释的测试集进行训练和评估
14582	2024-10-04	HCformer: Hybrid CNN-Transformer for LDCT Image Denoising 2023-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00842-9 PMID:37386333	研究论文	本文提出了一种结合CNN和Transformer结构的混合模型HCformer，用于低剂量CT图像去噪	HCformer结合了CNN的局部信息处理能力和Transformer的全局信息处理能力，通过设计邻域特征增强模块和移动窗口方法，降低了计算复杂度并提高了图像去噪效果	NA	开发一种图像后处理方法，减少低剂量CT扫描对患者的影响，提高图像质量	低剂量CT图像	计算机视觉	NA	深度学习	混合CNN-Transformer模型	图像	使用了AAPM 2016 LDCT挑战赛数据集进行实验
14583	2024-10-04	Reproducibility of Deep Learning Algorithms Developed for Medical Imaging Analysis: A Systematic Review 2023-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00870-5 PMID:37407841	综述	本文对医学影像分析领域中深度学习算法的可重复性进行了系统性回顾	本文首次系统性地评估了医学影像分析领域中深度学习算法的可重复性，并提供了相关研究的详细报告	本文仅限于对Journal of Digital Imaging期刊中2020年至2022年发表的论文进行分析，可能无法全面反映整个领域的可重复性问题	评估医学影像分析领域中深度学习算法的可重复性	2020年至2022年间在Journal of Digital Imaging期刊上发表的深度学习算法相关论文	计算机视觉	NA	深度学习	NA	图像	148篇论文中筛选出80篇，其中5篇公开了代码，35篇使用了公开数据集
14584	2024-10-04	Deep Learning-Based Skin Lesion Multi-class Classification with Global Average Pooling Improvement 2023-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00862-5 PMID:37407845	研究论文	本文提出了一种基于深度学习的皮肤病变多分类方法，通过改进全局平均池化层来提高分类准确性	本文提出了一种新的深度卷积神经网络模型，结合全局平均池化和预处理技术，用于皮肤病变的准确识别和分类	NA	开发一种可靠的自动识别系统，用于皮肤癌的准确检测和分类	皮肤病变的多分类	计算机视觉	皮肤癌	深度学习	深度卷积神经网络 (DCNN)	图像	HAM10000数据集，包含7种不同类别的皮肤病变
14585	2024-10-04	Evaluation of Neural Machine translation for conversion of International Classification of disease codes to the Abbreviated injury Scale 2023-Oct, Accident; analysis and prevention DOI:10.1016/j.aap.2023.107183 PMID:37418869	研究论文	本文评估了神经机器翻译技术在将国际疾病分类代码转换为简明损伤量表中的应用	首次提出使用神经机器翻译技术进行医疗代码转换，并展示了其在预测损伤严重程度方面的优势	需要在外部数据库中进行验证	比较神经机器翻译模型与其他两种转换方法在确定损伤严重程度方面的准确性	国际疾病分类代码和简明损伤量表的转换	机器学习	NA	神经机器翻译	神经机器翻译模型	文本	来自美国国家创伤登记处的数据
14586	2024-10-04	A Domain-Shift Invariant CNN Framework for Cardiac MRI Segmentation Across Unseen Domains 2023-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00873-2 PMID:37430062	研究论文	本文提出了一种跨域不变的卷积神经网络框架，用于心脏MRI图像分割	通过利用多序列心脏MRI的异质性，使现有的最先进架构在不同域之间具有更好的可迁移性	仅在特定的心脏MRI数据集上进行了验证，尚未在其他类型的医学图像上进行测试	提高深度学习模型在不同患者、不同MRI设备和不同成像条件下的泛化能力	心脏MRI图像的分割	计算机视觉	心血管疾病	MRI	CNN	图像	使用了多个公开数据集和一个私有数据集，包括MyoPS 2020数据集、AIIMS数据集和M&M数据集
14587	2024-10-04	Automated detection and segmentation of pulmonary embolisms on computed tomography pulmonary angiography (CTPA) using deep learning but without manual outlining 2023-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102882 PMID:37482032	研究论文	本文介绍了一种基于深度学习的计算机算法，用于自动检测和分割CT肺动脉造影中的肺栓塞	该算法无需手动标注肺栓塞区域，通过自适应阈值和受限形态学操作识别可疑区域，并使用3D Recurrent Residual U-Net进行自动分割	该算法在独立测试集上的表现虽然有前景，但仍存在一定的误报率	开发一种无需手动标注的深度学习算法，用于自动检测和分割CT肺动脉造影中的肺栓塞	CT肺动脉造影图像中的肺栓塞	计算机视觉	肺栓塞	深度学习	3D Recurrent Residual U-Net (R2-Unet)	图像	91个CT肺动脉造影扫描图像
14588	2024-10-04	The Number and Size of Individual Kidney Medullary Pyramids is Associated with Clinical Characteristics, Kidney Biopsy Findings, and CKD Outcomes among Kidney Donors 2023-10-01, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000000000203 PMID:37562061	研究论文	本文开发并验证了一种深度学习算法，用于快速、准确和可重复地分割肾脏髓质锥体，并探讨了锥体数量和大小与临床特征、肾活检结果及慢性肾脏病（CKD）结局的关系	首次使用深度学习算法自动分割肾脏髓质锥体，并研究其与临床特征和CKD结局的关联	NA	研究肾脏髓质锥体的数量和大小与临床特征、肾活检结果及CKD结局的关系	肾脏髓质锥体的数量和大小	数字病理学	慢性肾脏病	深度学习算法	深度学习模型	图像	2876名活体肾脏捐赠者
14589	2024-10-04	DeepAFP: An effective computational framework for identifying antifungal peptides based on deep learning 2023-10, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4758 PMID:37595093	研究论文	本文开发了一种基于深度学习的计算框架DeepAFP，用于高效识别抗真菌肽	DeepAFP利用多分支卷积神经网络和双向长短期记忆层的组合核，结合迁移学习策略，提高了模型性能	NA	开发一种高效识别抗真菌肽的计算框架，以加速抗真菌肽的开发和真菌感染的治疗	抗真菌肽的识别	机器学习	NA	深度学习	卷积神经网络（CNN）和双向长短期记忆网络（LSTM）	序列数据	DeepAFP-Main数据集
14590	2024-10-04	CardioVision: A fully automated deep learning package for medical image segmentation and reconstruction generating digital twins for patients with aortic stenosis 2023-10, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102289 PMID:37633032	研究论文	开发了一个全自动的深度学习工具，用于医学图像分割和重建，生成主动脉瓣狭窄患者的数字孪生体	利用U-Net架构的深度学习模型实现了全自动的医学图像分割，显著减少了计算成本并提高了精度	NA	优化新兴设备，预测临床结果，并模拟虚拟介入手术	主动脉瓣狭窄患者的数字孪生体	计算机视觉	心血管疾病	深度学习	U-Net	图像	NA
14591	2024-10-04	Automatic Localization of the Pons and Vermis on Fetal Brain MR Imaging Using a U-Net Deep Learning Model 2023-10, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7978 PMID:37652583	研究论文	本文开发了一种基于U-Net深度学习模型的方法，用于在胎儿脑部MRI图像中自动定位脑桥和小脑蚓部	首次使用U-Net深度学习模型自动识别胎儿脑部MRI图像中的解剖标志，并生成模型预测的置信度分数	仅使用了55例胎儿脑部MRI图像进行训练和验证，样本量较小	开发一种自动化的深度学习模型和流程，用于在胎儿脑部MRI图像中识别解剖标志，以提高测量脑桥和小脑蚓部的准确性	胎儿脑部MRI图像中的脑桥和小脑蚓部	计算机视觉	NA	深度学习	U-Net	图像	55例胎儿脑部MRI图像
14592	2024-10-04	Open-Source Automated Segmentation of Neuronal Structures in Corneal Confocal Microscopy Images of the Subbasal Nerve Plexus With Accuracy on Par With Human Segmentation 2023-Oct-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000003319 PMID:37669422	研究论文	本文研究了在角膜共聚焦显微镜图像中自动分割神经结构的方法	提出了一种基于深度学习的两阶段算法，能够自动分割角膜神经和其他结构，准确度与人工分割相当	NA	实现角膜神经和其他结构在角膜共聚焦显微镜图像中的自动分割	角膜神经和其他结构在角膜共聚焦显微镜图像中的自动分割	计算机视觉	眼表疾病	深度学习	生成对抗网络	图像	训练和验证集包含来自73个个体每层的470张图像，测试集包含来自43个眼表疾病患者的207张手动分割的图像
14593	2024-10-04	Deep Learning-Based Feature Extraction from Whole-Body PET/CT Employing Maximum Intensity Projection Images: Preliminary Results of Lung Cancer Data 2023-Oct, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-023-00802-9 PMID:37720886	研究论文	本文提出了一种基于深度学习的方法，利用全身PET/CT生成的最大强度投影图像进行特征提取，并应用于肺癌数据的初步结果	本文创新地使用最大强度投影图像作为输入，避免了直接使用3D PET体积数据，从而减少了数据处理难度和资源需求	本文仅提供了初步结果，尚未在大规模数据集上验证其有效性	探索基于深度学习的特征提取方法在全身PET/CT图像分析中的应用	肺癌患者的全身PET/CT图像及其临床病理因素	计算机视觉	肺癌	最大强度投影	卷积神经网络	图像	562例肺癌患者的[18F]FDG PET/CT图像及其临床病理因素
14594	2024-10-04	3D Convolution neural network with multiscale spatial and temporal cues for motor imagery EEG classification 2023-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-022-09906-y PMID:37786651	研究论文	本文提出了一种基于3D卷积神经网络的多尺度时空特征提取方法，用于提高运动想象脑电信号分类的准确性	本文创新性地提出了一个端到端的3D CNN模型，能够自适应地分配权重给与运动相关的空间通道和时间采样提示，从而减少生物和环境噪声的影响	NA	提高运动想象脑电信号分类的准确性	运动想象脑电信号	机器学习	NA	3D卷积神经网络	3D CNN	脑电信号	两个常用数据集，分别达到93.06%和97.05%的平均分类准确率
14595	2024-10-04	Expanding Role of Advanced Image Analysis in CT-detected Indeterminate Pulmonary Nodules and Early Lung Cancer Characterization 2023-10, Radiology IF:12.1Q1 DOI:10.1148/radiol.222904 PMID:37815447	综述	本文综述了在胸部CT中使用先进的图像分析技术对不确定的肺结节和早期肺癌进行分类和特征化的方法	介绍了机器学习模型和深度学习架构在CT衍生的放射组学特征中的应用	方法学挑战和技术障碍，如异质性成像参数、最佳特征选择、模型选择以及训练和验证所需的良好注释图像数据集	探讨如何通过早期检测和干预来提高肺癌护理水平	不确定的肺结节和早期肺癌	计算机视觉	肺癌	CT	机器学习模型和深度学习架构	图像	NA
14596	2024-10-04	MRI-based Deep Learning Assessment of Amyloid, Tau, and Neurodegeneration Biomarker Status across the Alzheimer Disease Spectrum 2023-10, Radiology IF:12.1Q1 DOI:10.1148/radiol.222441 PMID:37815445	研究论文	本文利用深度学习技术，通过MRI数据预测PET确定的阿尔茨海默病谱系中的淀粉样蛋白、Tau蛋白和神经退行性变生物标志物状态	本文首次使用MRI数据结合深度学习技术，非侵入性地预测阿尔茨海默病谱系中的ATN生物标志物状态	本文的研究样本量有限，且仅限于阿尔茨海默病影像学倡议的数据集	利用深度学习技术，通过MRI和现有诊断数据预测PET确定的ATN生物标志物状态	阿尔茨海默病谱系中的淀粉样蛋白、Tau蛋白和神经退行性变生物标志物	计算机视觉	阿尔茨海默病	深度学习	卷积神经网络	MRI图像	2099个淀粉样蛋白样本，557个Tau蛋白样本，2768个FDG PET和MRI配对样本
14597	2024-10-04	The Impact of Changing Step 1 to Pass/Fail Reporting on Anxiety, Learning Approaches, and Curiosity 2023-Oct, Medical science educator IF:1.9Q2 DOI:10.1007/s40670-023-01878-w PMID:37886271	研究论文	研究了美国医学执照考试（USMLE）Step 1从三位数评分改为通过/不通过评分对学生焦虑、学习方法和好奇心的影响	首次探讨了USMLE Step 1评分方式改变对学生心理和学习策略的具体影响	样本仅来自三所医学院的预科学生，可能限制了研究结果的普适性	探讨USMLE Step 1评分方式改变对医学生焦虑、学习方法和好奇心的影响	预科医学生的焦虑、学习方法和好奇心	NA	NA	Mann-Whitney U检验和多元回归路径分析	NA	问卷调查数据	86名三位数评分考生和154名通过/不通过评分考生
14598	2024-10-04	Fast Reconstruction for Deep Learning PET Head Motion Correction 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43999-5_67 PMID:38174207	研究论文	本文提出了一种新的头部运动校正框架，利用快速重建作为输入，用于脑部PET成像中的运动校正	采用高分辨率短帧快速重建工作流程，开发了一种新的PET数据表示提取编码器，并实施了数据增强技术	NA	提高脑部PET成像中头部运动校正的准确性和效率	脑部PET成像中的头部运动	计算机视觉	NA	深度学习	编码器	图像	多受试者研究，使用F-FPEB数据集
14599	2024-10-04	Deep learning image analysis quantifies tumor heterogeneity and identifies microsatellite instability in colon cancer 2023-Mar, Journal of surgical oncology IF:2.0Q2 DOI:10.1002/jso.27118 PMID:36251352	研究论文	本文利用深度学习技术分析结直肠癌的肿瘤异质性并识别微卫星不稳定性	提出了肿瘤异质性评分（THS），并发现其与微卫星不稳定性状态相关	需要扩展训练集以开发预测微卫星不稳定性的工具	研究深度学习在结直肠癌肿瘤异质性和微卫星不稳定性识别中的应用	结直肠癌的肿瘤异质性和微卫星不稳定性	数字病理学	结直肠癌	卷积神经网络（CNN）	CNN	图像	313名患者的苏木精-伊红染色（H&E）图像，生成534,771个切片
14600	2024-10-04	Automatic deep learning method for third lumbar selection and body composition evaluation on CT scans of cancer patients 2023, Frontiers in nuclear medicine (Lausanne, Switzerland) DOI:10.3389/fnume.2023.1292676 PMID:39355015	研究论文	开发并验证了一种深度学习算法，用于自动选择和分割癌症患者CT扫描中的第三腰椎以及评估身体成分	首次使用深度学习算法自动选择第三腰椎并分割腹部肌肉、内脏脂肪和皮下脂肪，减少了手动操作的时间和复杂性	仅在两个癌症中心的352例CT扫描中进行了验证，可能需要进一步的多中心验证以确保广泛适用性	开发一种自动化的深度学习方法，用于癌症患者CT扫描中的第三腰椎选择和身体成分评估	癌症患者的CT扫描图像，特别是第三腰椎及其周围的身体成分	计算机视觉	NA	深度学习	NA	图像	352例CT扫描