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
15601	2024-08-07	An Unsupervised Learning-Based Regional Deformable Model for Automated Multi-Organ Contour Propagation 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00779-z PMID:36717520	研究论文	本研究评估了一种基于深度无监督学习的区域变形模型，用于在乳腺锥束计算机断层扫描引导的自适应放疗中自动进行轮廓传播	引入了一种基于窄带映射的区域变形框架，以减轻锥束CT图像伪影的影响，并改进了传统的图像配准方法	需要进一步的研究来验证和改进该技术的性能	评估基于深度无监督学习的区域变形模型在乳腺自适应放疗中的自动轮廓传播效果	乳腺肿瘤床、临床目标体积、心脏、左肺、右肺和脊髓的轮廓传播	计算机视觉	乳腺癌	深度无监督学习	深度学习模型	图像	373个匿名的锥束CT体积，来自111名乳腺癌患者
15602	2024-08-07	Deep learning-based automatic pipeline for quantitative assessment of thigh muscle morphology and fatty infiltration 2023-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29599 PMID:36744695	研究论文	本文开发了一种基于深度学习的股四头肌及其周围组织分割模型，用于自动和可重复的横截面积（CSA）和脂肪分数（FF）量化，并在前交叉韧带重建后10年的患者中进行了测试。	本文提出了一种结合UNet和DenseNet的深度学习模型，用于股四头肌及其周围组织的自动分割，提高了分割的准确性和可重复性。	NA	开发一种自动化的深度学习方法，用于快速准确地评估股四头肌的形态和脂肪浸润。	股四头肌的形态和脂肪浸润	计算机视觉	NA	深度学习	UNet和DenseNet	MRI图像	16名患者（32条腿）
15603	2024-08-07	Prognostic Prediction of Cancer Based on Radiomics Features of Diagnostic Imaging: The Performance of Machine Learning Strategies 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00770-0 PMID:36781589	研究论文	本研究评估了基于放射组学特征的机器学习策略在癌症预后预测中的表现	本研究采用了六种不同的机器学习方法进行放射组学图像特征分析，并比较了它们的预测性能	深度学习人工神经网络在预测预后结果方面并未显示出明显优势	评估机器学习策略在癌症预后预测中的性能	非小细胞肺癌患者的放射组学特征	机器学习	肺癌	放射组学	决策树、提升树、随机森林、支持向量机、广义线性模型、深度学习人工神经网络	图像	422名非小细胞肺癌患者
15604	2024-08-07	A Deep Learning Approach for Automated Bone Removal from Computed Tomography Angiography of the Brain 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00788-y PMID:36781588	研究论文	本文介绍了一种基于深度卷积神经网络的脑部CT血管造影骨移除工具，旨在提高骨移除的准确性和范围，特别是在颅底区域。	提出的算法在骨移除的准确性和血管解剖结构的视觉呈现上优于现有技术，特别是在颅底区域的骨移除。	NA	开发一种新的脑部CT血管造影骨移除工具，以提高骨移除的准确性和范围。	脑部CT血管造影图像中的骨结构。	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	训练数据包括72个脑部CT血管造影，测试数据包括15个内部数据集和17个外部独立数据集。
15605	2024-08-07	Cascading Affine and B-spline Registration Method for Large Deformation Registration of Lung X-rays 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00763-z PMID:36788195	研究论文	本文提出了一种级联仿射和B样条网络（CABN）用于处理肺部X光片的大变形注册问题	CABN结合了卷积交叉仿射块（CCAB）和B样条U-net类似块（BUB），能够有效处理由呼吸和心脏运动引起的大变形，并在精度和运行时间上表现出竞争力	NA	提高肺部X光片注册的准确性和效率	肺部X光片的图像注册	计算机视觉	NA	深度学习	CNN	图像	两个胸部X光片数据集
15606	2024-08-07	Automated, calibration-free quantification of cortical bone porosity and geometry in postmenopausal osteoporosis from ultrashort echo time MRI and deep learning 2023-06, Bone IF:3.5Q2 DOI:10.1016/j.bone.2023.116743 PMID:36958542	研究论文	本研究利用超短回波时间磁共振成像（UTE MRI）和深度学习技术，自动化且无需校准地量化绝经后骨质疏松症患者的皮质骨孔隙度和几何结构。	提出了一种简单、自动化且无需电离辐射的协议，用于从UTE MRI和深度学习中量化活体皮质骨孔隙度和几何结构。	本研究为回顾性研究，且样本量相对较小。	探索深度学习方法是否能自动化皮质骨分割及其对应的皮质骨成像生物标志物分析，并研究抑制比作为快速、简单且无需参考的皮质骨孔隙度生物标志物。	绝经后骨质疏松症患者的皮质骨孔隙度和几何结构。	机器学习	骨质疏松症	超短回波时间磁共振成像（UTE MRI）	U-Net	图像	训练集包含2208张切片，验证集包含28次扫描，分为三组：10名健康年轻参与者，9名非骨质疏松的绝经后女性，9名骨质疏松的绝经后女性。
15607	2024-08-07	An automatic fresh rib fracture detection and positioning system using deep learning 2023-Jun-01, The British journal of radiology DOI:10.1259/bjr.20221006 PMID:36972072	研究论文	评估基于深度学习的自动新鲜肋骨骨折检测和定位系统（FRF-DPS）的性能和鲁棒性	开发了能够检测新鲜肋骨骨折和肋骨位置的FRF-DPS系统，并通过大量多中心数据进行评估	NA	评估基于深度学习的自动新鲜肋骨骨折检测和定位系统的性能和鲁棒性	新鲜肋骨骨折的检测和定位	计算机视觉	肋骨骨折	深度学习	NA	CT扫描图像	18,172名参与者的CT扫描数据，分为开发集（14,241）、多中心内部测试集（1612）和外部测试集（2319）
15608	2024-08-07	Noise Suppression With Similarity-Based Self-Supervised Deep Learning 2023-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3231428 PMID:37015446	研究论文	本文提出了一种基于相似性的自监督深度学习方法Noise2Sim，用于抑制图像中的独立和相关噪声	Noise2Sim是首个能够处理CT图像中相关噪声的自监督深度去噪方法，其非局部和非线性的特性使其在理论上与监督学习方法等效	NA	优化低剂量和光子计数计算机断层扫描（CT）的诊断性能	低剂量CT和光子计数CT图像的去噪	计算机视觉	NA	深度学习	自监督学习	图像	实际数据集
15609	2024-08-07	How Does Attention Work in Vision Transformers? A Visual Analytics Attempt 2023-Jun, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3261935 PMID:37027263	研究论文	本文通过视觉分析方法探讨了视觉变换器（ViT）中注意力机制的工作原理	引入了多种基于剪枝的指标来识别ViT中更重要的头部，并使用自编码器学习解决方案总结了单个头部可能学习的所有注意力模式	NA	深入理解视觉变换器中头部重要性、头部注意力强度和头部注意力模式	视觉变换器中的注意力机制	计算机视觉	NA	视觉变换器（ViT）	自注意力机制	图像	多个ViTs模型
15610	2024-08-07	Enhancing thoracic disease detection using chest X-rays from PubMed Central Open Access 2023-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.106962 PMID:37094464	研究论文	本研究旨在从PubMed Central Open Access中自动构建一个公开的、弱标签的胸部X光片数据库，并评估使用该数据库作为额外训练数据对胸部X光片病理分类的模型性能	提出了一种自动收集医学图像及其伴随图例的框架，改进了子图分割技术，并结合了先进的自开发NLP技术进行胸部X光片病理验证	NA	自动构建一个公开的、弱标签的胸部X光片数据库，并评估其对胸部X光片病理分类的模型性能	胸部X光片数据库及其在胸部疾病检测任务中的应用	数字病理学	NA	NLP	NA	图像	包括Hernia、Lung Lesion、Pneumonia和Pneumothorax等疾病，使用了NIH-CXR数据集（112,120张胸部X光片）和MIMIC-CXR数据集（243,324张胸部X光片）
15611	2024-08-07	Computational modeling and prediction of deletion mutants 2023-06-01, Structure (London, England : 1993) DOI:10.1016/j.str.2023.04.005 PMID:37119820	研究论文	本研究通过2D NMR光谱和差示扫描荧光法研究了小α螺旋无菌α motif结构域中单个残基缺失对结构和热力学的影响，并测试了计算协议以模拟和分类观察到的缺失突变体	本研究使用AlphaFold2结合RosettaRelax方法进行模型构建，并引入pLDDT值和Rosetta ΔΔG指标来分类耐受的缺失突变，这种方法在其他数据集上也显示出有效性	NA	研究内框架缺失突变对蛋白质结构和功能的影响，并更新计算缺失突变预测方法	小α螺旋无菌α motif结构域中的单个残基缺失突变	结构生物学	NA	2D NMR光谱，差示扫描荧光法	AlphaFold2，RosettaRelax	蛋白质结构数据	小α螺旋无菌α motif结构域中的所有残基
15612	2024-08-07	Novel radiomic features versus deep learning: differentiating brain metastases from pathological lung cancer types in small datasets 2023-Jun-01, The British journal of radiology DOI:10.1259/bjr.20220841 PMID:37129296	研究论文	本研究旨在通过新颖的放射组学特征和深度学习算法，区分脑转移瘤与不同类型的肺癌亚型	首次在文献中提取了来自原始图像变换（如小波变换和拉普拉斯高斯滤波）的新颖特征，并首次研究了浅层和深层学习方法对肺癌亚型的分类性能	NA	扩展基于放射组学的分类算法的能力，并通过新颖特征与深度学习算法进行比较，以区分脑转移瘤中的肺癌亚型	小细胞肺癌、鳞状细胞癌和腺癌的脑转移瘤	数字病理学	肺癌	放射组学、深度学习	EfficientNet、ResNet	MRI图像	75个小细胞肺癌段、72个鳞状细胞癌段和75个腺癌段
15613	2024-08-07	Spatial resolution enhancement in photon-starved STED imaging using deep learning-based fluorescence lifetime analysis 2023-Jun-01, Nanoscale IF:5.8Q1 DOI:10.1039/d3nr00305a PMID:37159237	研究论文	本文提出了一种基于深度学习的荧光寿命分析方法，用于在光子稀缺情况下提高STED显微镜的空间分辨率	通过结合分离光子寿命调谐（SPLIT）方案和基于生成对抗网络的荧光寿命成像算法，实现了在减少50% STED光束功率的情况下，将STED图像分辨率提高至1.45倍	NA	探索在光子稀缺情况下提高STED显微镜空间分辨率的新方法	STED显微镜图像的空间分辨率	计算机视觉	NA	STED显微镜	生成对抗网络（GAN）	图像	NA
15614	2024-08-07	Gradient-based sparse principal component analysis with extensions to online learning 2023-Jun, Biometrika IF:2.4Q1 DOI:10.1093/biomet/asac041 PMID:37197740	研究论文	本文开发了基于梯度的稀疏主成分分析算法，并将其扩展到在线学习	结合稀疏主成分分析问题的独特几何结构和凸优化领域的最新进展，开发了新的基于梯度的稀疏主成分分析算法，并能与随机梯度下降方法结合，产生具有数值和统计性能保证的高效在线稀疏主成分分析算法	NA	开发新的稀疏主成分分析算法，并展示其在高维数据分析中的应用	稀疏主成分分析算法及其在高维RNA测序数据中的应用	机器学习	NA	稀疏主成分分析	梯度方法	RNA测序数据	NA
15615	2024-08-07	Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model 2023-06, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7878 PMID:37202113	研究论文	本文开发了一种自动分割急性缺血性卒中患者颅内血栓的方法，使用粗到细的深度学习模型在NCCT和CTA图像上进行量化。	提出了一种新的深度学习方法来自动检测和测量急性缺血性卒中患者的颅内血栓。	NA	开发一种自动化的方法来量化急性缺血性卒中患者的颅内血栓。	急性缺血性卒中患者的颅内血栓。	机器学习	脑血管疾病	深度学习	深度学习模型	图像	499名患者用于训练和验证，83名患者用于外部测试。
15616	2024-08-07	Deep cross-modal feature learning applied to predict acutely decompensated heart failure using in-home collected electrocardiography and transthoracic bioimpedance 2023-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2023.102548 PMID:37210152	研究论文	本文提出了一种深度跨模态特征学习方法ECGX-Net，用于预测在家中收集的ECG和胸廓生物阻抗数据中的急性失代偿性心力衰竭	本文首次将深度学习应用于可穿戴设备收集的ECG数据，并结合胸廓生物阻抗数据进行跨模态特征学习，以提高心力衰竭预测的准确性	研究主要基于SENTINEL-HF研究的数据，可能需要进一步验证在其他数据集上的泛化能力	开发一种基于ECG和胸廓生物阻抗数据的深度学习模型，用于准确预测急性失代偿性心力衰竭	急性失代偿性心力衰竭的预测	机器学习	心血管疾病	深度学习	DenseNet121/VGG19	ECG时间序列数据和胸廓生物阻抗数据	SENTINEL-HF研究中招募的≥21岁的住院患者
15617	2024-08-07	A unique color-coded visualization system with multimodal information fusion and deep learning in a longitudinal study of Alzheimer's disease 2023-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2023.102543 PMID:37210151	研究论文	本研究引入了一种创新的彩色编码可视化机制，通过集成机器学习模型预测阿尔茨海默病在两年纵向研究中的疾病轨迹	首次开发了一种彩色编码可视化系统，结合多模态信息融合和深度学习，用于阿尔茨海默病的诊断和预后预测	研究中排除了MMSE、CDR-SB和ADAS等神经心理学测试分数以避免偏差，可能影响模型的全面性	旨在通过2D和3D渲染帮助视觉化捕捉阿尔茨海默病的诊断和预后，增强对多类分类和回归分析过程的理解	阿尔茨海默病的诊断和预后预测	机器学习	阿尔茨海默病	卷积神经网络	CNN	多模态数据（神经影像、神经心理学测试分数、脑脊液生物标志物、风险因素）	1123名受试者
15618	2024-08-07	Accelerated Cardiac MRI Cine with Use of Resolution Enhancement Generative Adversarial Inline Neural Network 2023-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.222878 PMID:37249435	研究论文	本文开发并评估了一种基于深度学习的模型，该模型能够与并行成像或压缩感知（CS）结合，用于加速心脏电影磁共振成像（MRI）并提高空间和时间分辨率。	该研究利用增强的超分辨率生成对抗内联神经网络（GAN）模型，通过深度学习技术恢复了降低空间分辨率的图像，实现了与标准并行成像方法相似的心脏功能、体积和应变的准确量化。	NA	开发和评估一种能够减少扫描时间并/或提高心脏电影MRI空间和时间分辨率的深度学习模型。	心脏电影MRI图像的空间和时间分辨率。	计算机视觉	心血管疾病	深度学习	生成对抗网络（GAN）	图像	训练模型使用了1616名患者的数据，评估模型使用了181名个体（包括126名患者和55名健康受试者）的数据。
15619	2024-08-07	Deep Learning-Assisted Quantitative Susceptibility Mapping as a Tool for Grading and Molecular Subtyping of Gliomas 2023-Jun, Phenomics (Cham, Switzerland) DOI:10.1007/s43657-022-00087-6 PMID:37325712	研究论文	本研究旨在探讨深度学习辅助的定量磁化率成像（QSM）在胶质瘤分级和分子分型中的价值	使用深度学习辅助的QSM技术，结合多种成像模式，提高了胶质瘤分级和分子分型的准确性	研究样本量较小，且肿瘤分割为手动进行，可能影响结果的客观性	评估深度学习辅助的QSM在胶质瘤分级和分子分型中的应用价值	42名接受3.0T磁共振成像（MRI）扫描的胶质瘤患者	机器学习	脑瘤	定量磁化率成像（QSM）	卷积神经网络（CNN）	医学影像	42名胶质瘤患者
15620	2024-08-07	Bias Analysis in Healthcare Time Series (BAHT) Decision Support Systems from Meta Data 2023-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-023-00133-6 PMID:37377633	研究论文	本文提出了一种用于医疗时间序列（BAHT）信号中偏差分析的框架，主要针对心电图（ECG）和脑电图（EEG）信号	本文首次提出了BAHT框架，用于分析和可视化解析医疗时间序列数据中的偏差，并探讨了偏差放大现象	偏差缓解策略尚处于初级研究阶段，需要进一步发展和完善	旨在分析和改善医疗决策支持系统中的偏差问题	主要研究对象为心电图（ECG）和脑电图（EEG）数据集	机器学习	NA	深度学习	监督学习模型	时间序列数据	涉及三个主要的ECG和EEG医疗数据集