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
15341	2024-08-05	Estimation of the amount of pear pollen based on flowering stage detection using deep learning 2024-06-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63611-w PMID:38849427	研究论文	本研究提出了一种基于人工智能的方法来估计梨花粉的数量	使用YOLO深度学习对象检测算法分类和检测花朵形状，并估计花粉量	本研究仅讨论了估计收集花粉数量的性能	提高梨花粉收集的效率和稳定性	不同花朵品种的形状分类与花粉量估计	机器学习	NA	深度学习	YOLO	图像	多种花朵品种的样本
15342	2024-08-05	An enhanced speech emotion recognition using vision transformer 2024-06-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63776-4 PMID:38849422	研究论文	本研究提出了一种利用轻量级视觉变换器模型改善语音情感识别的方法	使用视觉信号提升语音情感识别的性能，并提出非重叠块特征提取方法	未提及具体限制	提升人机交互系统中语音情感识别的准确性	使用两个基准的语音情感数据集进行实验	计算机视觉	NA	深度学习	视觉变换器（ViT）	音频	两个数据集（TESS和EMODB）的样本，具体样本量未说明
15343	2024-08-05	An encoding generative modeling approach to dimension reduction and covariate adjustment in causal inference with observational studies 2024-Jun-04, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2322376121 PMID:38809705	研究论文	本文提出了一个深度学习框架CausalEGM，用于非线性降维和生成模型的治疗与反应之间的依赖关系建模	CausalEGM通过建立高维协变量空间和低维潜在空间之间的双向变换创新了协变量特征的提取方法	在复杂模型的解释性和计算效率上可能存在挑战	研究旨在改善因果推断中的协变量调整和维度降解	研究对象包括影响治疗和反应的协变量特征	机器学习	NA	深度学习	NA	NA	在样本量较大和协变量维度较高的实验中验证了该方法的优越性
15344	2024-08-05	Target recognition and segmentation in turbid water using data from non-turbid conditions: a unified approach and experimental validation 2024-Jun-03, Optics express IF:3.2Q2 DOI:10.1364/OE.524714 PMID:38859442	研究论文	本研究提出了一种新颖的深度学习方法，用于浑浊水环境下的语义分割任务	提出一种联合方法，结合数据扩展技术和改进的U-net模型，模拟不同浑浊度下的水下图像	传统的基于U-net的修改模型在提升任务性能方面存在局限性	研究在浑浊环境下进行水下图像的语义分割	深海聚金属结核的有效采集	计算机视觉	NA	深度学习	改进的U-net模型	图像	NA
15345	2024-08-05	Prediction of treatment response in major depressive disorder using a hybrid of convolutional recurrent deep neural networks and effective connectivity based on EEG signal 2024-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01392-2 PMID:38358619	研究论文	本研究开发了一种基于深度学习和脑有效连接的新方法，用于在治疗前对重度抑郁症患者进行SSRIs抗抑郁药的应答者和非应答者进行分类	提出了一种新的方法，利用深度学习模型自动提取空间和时间特征，改善分类结果	样本量较小，仅包括30名重度抑郁症患者，可能影响结果的普适性	研究旨在在治疗前预测重度抑郁症患者对SSRIs的治疗反应	研究对象为30名重度抑郁症患者	计算机视觉	重度抑郁症	EEG信号	混合卷积神经网络和双向长短期记忆网络	图像	30名重度抑郁症患者的EEG信号
15346	2024-08-05	Diastolic function assessment with four-dimensional flow cardiovascular magnetic resonance using automatic deep learning E/A ratio analysis 2024 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101042 PMID:38556134	研究论文	本研究比较了自动和半自动方法用于四维流心血管磁共振成像评估E/A比率的效果	使用深度学习自动评估E/A比率的方法被证明是最有效的，并且具有较短的运行时间	在绝对峰值E和A速度的测量上存在低估现象	评估不同方法在心脏病患者中使用4D Flow心血管磁共振评估舒张功能的有效性	97名慢性缺血性心脏病患者	数字病理学	心血管疾病	心血管磁共振成像(CMR)	深度学习	医学影像	97个慢性缺血性心脏病患者
15347	2024-08-05	A Q-transform-based deep learning model for the classification of atrial fibrillation types 2024-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01391-3 PMID:38353927	研究论文	本文开发了一种基于Q变换的深度学习模型，用于分类心房颤动类型	该研究提出了一种自定义的2D卷积神经网络模型，能够自动区分非心房颤动与阵发性心房颤动和持续性心房颤动	由于PAF和PsAF类别的数据不平衡，采用了数据增强技术来匹配Non-AF类别的样本数量	研究目的是提高心房颤动亚型的分类准确性，以改善临床决策和疾病管理	研究对象是心电图（ECG）图像中的不同心房颤动亚型	计算机视觉	心房颤动	常数Q变换（CQT）	卷积神经网络（CNN）	图像	训练集包含207,828张图像，测试集和验证集分别包含44,538张和44,532张图像
15348	2024-08-05	A comparative study of CARE 2D and N2V 2D for tissue-specific denoising in second harmonic generation imaging 2024-Jun, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300565 PMID:38566461	研究论文	本研究探讨了深度学习在二次谐波生成显微镜中的应用	比较了两种图像恢复技术在特定组织去噪中的效果，提出N2V 2D在高甘油浓度下的有效恢复能力	本文没有详细讨论其他可能影响显微镜图像的因素	研究甘油浓度对二次谐波生成显微镜图像噪声的影响	比较N2V 2D和CARE 2D两种图像恢复技术的效果	数字病理学	NA	深度学习技术	N2V 2D 和 CARE 2D	图像	NA
15349	2024-08-05	Quality assurance of late gadolinium enhancement cardiac magnetic resonance images: a deep learning classifier for confidence in the presence or absence of abnormality with potential to prompt real-time image optimization 2024 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101040 PMID:38522522	研究论文	本文开发了一种深度学习分类器，用于实时评估心脏磁共振成像中晚期钆增强影像的异常性。	提出了一种基于深度学习的自动化质量控制方法，能够即时识别心脏影像中的中间LGE可能性。	需要在成像过程中进行实时评估，不同中心的外部测试集表现稍有差异。	改善晚期钆增强成像的质量保证和决策支持工具。	使用短轴相位敏感反转恢复的晚期钆增强影像进行分类和评估。	数字病理学	心脏疾病	深度学习	EfficientNetV2卷积神经网络	影像	1645幅影像（来自272名患者）
15350	2024-08-05	CovMediScanX: A medical imaging solution for COVID-19 diagnosis from chest X-ray images 2024-Jun, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2024.03.046 PMID:38594085	研究论文	本文提出了一个基于深度学习的框架CovMediScanX，用于从胸部X光图像快速自动诊断COVID-19	创新性地引入了自定义的卷积神经网络模型进行COVID-19诊断	模型在正常病例的检测上表现较差，需要进一步提升	研究旨在开发一个有效的工具来自动识别COVID-19病例	研究对象为胸部X光图像	计算机视觉	COVID-19	深度学习	卷积神经网络（CNN）	图像	来自不同扫描机器的独立数据集，具体样本量不详
15351	2024-08-05	Automated angular measurement for puncture angle using a computer-aided method in ultrasound-guided peripheral insertion 2024-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01397-x PMID:38358620	研究论文	本文提出了一种结合深度学习和常规图像处理方法的自动化针刺角度测量方法	该方法实现了极高的分割准确性和自动化角度测量，克服了传统方法的限制	尽管采用了多种图像处理方法，仍可能在真实环境下存在一定的变异性	研究目标是通过检测目标血管和针头来自动测量针刺角度	研究对象包括20名健康志愿者的肘静脉超声图像以及在四个模拟器上模拟的血管和针头	医学影像处理	NA	深度学习、霍夫变换	U-Net	图像	20名健康志愿者的超声图像和4个模拟器中的模拟血管和针头图像
15352	2024-08-05	Multi-task global optimization-based method for vascular landmark detection 2024-06, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102364 PMID:38432060	研究论文	本文提出了一种基于多任务全局优化的方法用于血管标志物检测	通过多任务深度学习网络同时进行标志物热图回归、血管语义分割和方向场回归，从而提高了检测精度	尚未提及此方法在其他数据集上的应用效果	提高血管标志物检测的准确性和自动化程度	血管标志物及其连接的血管段	计算机视觉	NA	多任务深度学习网络	NA	图像	564个脑部MRA数据集，510个脑部CTA数据集，50个主动脉CTA数据集
15353	2024-08-05	Inter-fractional portability of deep learning models for lung target tracking on cine imaging acquired in MRI-guided radiotherapy 2024-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-023-01371-z PMID:38198064	研究论文	本研究评估了用于MRI引导放疗中靶标追踪的深度学习模型的跨分数可移植性	提出了两种训练策略，评估了不同深度学习模型在不同分数中靶标追踪的表现	研究中仅涵盖了六名患者的样本，限制了结果的广泛性	评估深度学习模型在MRI引导放疗过程中靶标追踪的效果	六名接受MRI引导放疗的患者	数字病理	肺癌	深度学习	U-net，注意力U-net，嵌套U-net	影像	6名患者
15354	2024-08-05	Segmentation of liver and liver lesions using deep learning 2024-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01390-4 PMID:38381270	研究论文	本文探讨了利用深度学习对肝脏和肝脏病变的分割。	针对使用临床3D MRI数据进行肝脏和肝脏病变分割的方法进行了全面研究，之前的实验对此未有充分讨论。	尽管肝脏分割准确性较高，但肝脏病变的勾画效果不佳，导致肿瘤检测在临床数据中不实用。	研究深度学习在核医学剂量测定与图像解析中的应用。	涉及128名患者的T1w和T2w MRI图像及相应的地面真实标签。	数字病理学	肝癌	MRI	Isensee 2017网络	图像	128名患者的110组T1w-T2w MRI图像集，其中94组用于训练，16组用于验证，18组用于测试
15355	2024-08-05	Inverse optical scatterometry using sketch-guided deep learning 2024-May-20, Optics express IF:3.2Q2 DOI:10.1364/OE.524091 PMID:38859144	研究论文	该文章展示了一种基于草图引导神经网络的纳米结构重构方法	首次将草图概念引入深度学习以解决逆散射问题	该方法仍可能在面对复杂样品结构时面临一些局限性	提供一种新的解决半导体计量的方法	针对纳米结构进行重构	光学测量	NA	深度学习	草图引导神经网络（SGNN）	数据（基于训练数据）	使用了一系列一维光栅进行验证
15356	2024-08-05	Partial hard occluded target reconstruction of Fourier single pixel imaging guided through range slice 2024-May-20, Optics express IF:3.2Q2 DOI:10.1364/OE.522516 PMID:38859014	研究论文	本文提出了一种基于深度学习的图像修复算法，旨在改善傅里叶单像素成像中部分遮挡目标的重建质量	创新点在于结合了多尺度稀疏卷积和变换器架构的图像修复网络，以及结合通道注意机制和注意力门模块的重建网络	本文未提及对不同遮挡程度的影响分析	研究旨在提高傅里叶单像素成像中遮挡目标的成像质量	研究对象为部分遮挡的目标物体	计算机视觉	NA	深度学习图像修复	稀疏卷积、变换器架构	图像	通过仿真和实际实验结果验证，但未具体说明样本数量
15357	2024-08-05	Single-pixel imaging based on self-supervised conditional mask classifier-free guidance 2024-May-20, Optics express IF:3.2Q2 DOI:10.1364/OE.518455 PMID:38859027	研究论文	该文章提出了一种自监督条件掩码分类器无指导的单像素重建方法	引入了无分类器指导模型（CFG）和自监督条件掩码分类器无指导的单像素重建（SCM-CFG），显著提高重建图像的质量	实验主要基于MNIST数据集，可能限制了结果的通用性	提高单像素成像在低测量率下的图像重建质量	主要研究单像素成像技术及其在图像重建中的应用	计算机视觉	NA	条件掩码分类器无指导（CFG）	自监督条件掩码分类器无指导（SCM-CFG）	图像	MNIST数据集，样本数未明确说明
15358	2024-08-05	Time-gated imaging through dense fog via physics-driven Swin transformer 2024-May-20, Optics express IF:3.2Q2 DOI:10.1364/OE.519662 PMID:38859030	研究论文	本文描述了一种通过密集雾霭进行成像的新方法	提出了一种基于物理驱动的Swin Transformer方法，结合飞行时间和深度学习原则，改善密集雾霭下的成像质量	尽管在光学厚度很高的情况下进行实验，但后续在更复杂的环境下的验证仍需进行	研究如何在密集雾霭条件下提高成像质量	主要针对被密集雾霭遮挡的目标物体进行成像重建	计算机视觉	NA	飞行时间 (ToF) 和深度学习	Swin Transformer	图像	涉及的光学厚度达到3.0的实验数据
15359	2024-08-05	Ultra-high-speed four-dimensional hyperspectral imaging 2024-May-20, Optics express IF:3.2Q2 DOI:10.1364/OE.520788 PMID:38859098	研究论文	提出了一种新型的四维光谱成像系统，该系统能够同时获取深度和光谱图像	创新性地结合了反射编码孔径快照光谱成像系统和全色相机，实现了超高速的四维光谱成像	未提及具体的系统应用场景和可扩展性	开发一种快速且高效的光谱成像技术用于深度和光谱图像的同步获取	研究对象为高光谱数据立方体和全色图像的对齐与融合	计算机视觉	NA	深度学习	U-net-3D	光谱图像	NA
15360	2024-08-05	Deep Learning for Elucidating Modifications to RNA-Status and Challenges Ahead 2024-05-15, Genes IF:2.8Q2 DOI:10.3390/genes15050629 PMID:38790258	research paper	这篇文章概述了深度学习在RNA修饰及其功能研究中的应用	创新点在于深入探讨了深度学习如何应用于mRNA-RBP结合问题，并考虑了其他类型的RNA化学修饰	文章未明确指出研究的局限性	研究RNA结合蛋白和RNA的化学修饰在基因转录调控中的生物学作用	研究对象包括RNA结合蛋白及RNA化学修饰	自然语言处理	NA	深度学习	NA	序列和二级结构数据	NA