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
16761	2024-08-07	Evaluation of Deep Learning Clinical Target Volumes Auto-Contouring for Magnetic Resonance Imaging-Guided Online Adaptive Treatment of Rectal Cancer 2024-Jun, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2024.101483 PMID:38706833	研究论文	本文提出并应用了一个全面的框架，用于评估深度学习在直肠癌患者MRI引导在线自适应放疗中自动勾画临床目标体积（CTV）的性能和临床可用性。	本文创新地提出了一种全面的评估框架，用于验证深度学习自动勾画CTV的准确性和临床信任度。	尽管模型在专家修正后性能与观察者间变异相当，但仍引入了一定的偏差，尽管对临床实践影响不大。	旨在评估深度学习在直肠癌放疗中自动勾画CTV的性能和临床应用潜力。	研究对象为接受MRI引导在线自适应放疗的直肠癌患者。	机器学习	直肠癌	深度学习	nnU-Net	图像	44名直肠癌患者
16762	2024-08-07	UIdataGB: Multi-Class ultrasound images dataset for gallbladder disease detection 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110426 PMID:38708300	research paper	本文介绍了一个大型数据集UIdataGB，包含10,692张高分辨率的胆囊超声图像，用于胆囊疾病检测。	该研究首次提供了一个开放访问的胆囊器官超声图像数据集，有助于推动计算机辅助诊断胆囊疾病的研究。	由于是首次提供此类数据集，可能存在数据集质量和可用性方面的限制。	旨在通过提供一个大型胆囊超声图像数据集，推动医学影像领域的发展，改善患者治疗。	研究对象包括1,782名个体的胆囊超声图像，涵盖多种胆囊疾病类型。	computer vision	胆囊疾病	NA	NA	image	10,692张胆囊超声图像，来自1,782名个体
16763	2024-08-07	Bangla_MER: A unique dataset for Bangla mathematical entity recognition 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110407 PMID:38708312	research paper	本文介绍了一个新的孟加拉语数学实体识别数据集Bangla_MER，包含13,717条记录	孟加拉语数学实体识别领域的新颖性，以及首个公开可用的数据集	NA	促进孟加拉语数学实体的识别和相关研究	孟加拉语中的数学实体，包括数学运算符、著名数学术语和操作数	自然语言处理	NA	NA	NA	文本	13,717条记录
16764	2024-08-08	Tea leaf age quality: Age-stratified tea leaf quality classification dataset 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110462 PMID:38711743	研究论文	本文介绍了“茶叶叶片年龄质量”数据集，这是一个用于基于叶片年龄进行茶叶分类、检测和质量预测的创新农业和机器学习资源。	该数据集首次系统地根据年龄质量标准将茶叶叶片分为四个不同类别，并提供了原始、未注释和增强的数据，以促进高级研究。	NA	旨在通过提供详细的年龄分层茶叶叶片分类，推动农业领域的技术进步。	茶叶叶片的分类和质量评估。	机器学习	NA	深度学习	NA	图像	2208张原始图像
16765	2024-08-07	Landslide susceptibility assessment using deep learning considering unbalanced samples distribution 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30107 PMID:38707366	研究论文	本研究提出了一种深度学习方法（DNN-MSFM），用于改进滑坡易发性评估（LSA）模型，特别是解决由于应用数据集中样本分布不平衡导致的局限性	DNN-MSFM方法结合了深度神经网络（DNN）和均方误差分类损失函数（MSFM），从算法角度处理不平衡样本	NA	提高滑坡易发性评估模型的性能，特别是在样本分布不平衡的情况下	滑坡易发性评估	机器学习	NA	深度神经网络（DNN）	DNN-MSFM	数据集	包含293个滑坡样本和653个非滑坡样本的不平衡数据集
16766	2024-08-07	Contribution to pulmonary diseases diagnostic from X-ray images using innovative deep learning models 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30308 PMID:38707425	研究论文	本文提出三种深度学习模型，用于通过胸腔X光片识别特定肺部疾病	提出的模型在识别肺部疾病方面优于现有模型，达到了高准确率	NA	提高肺部疾病的诊断准确性和及时性	肺部疾病的识别和分类	机器学习	肺部疾病	深度学习	CNN	图像	三个基准测试集
16767	2024-08-07	Evaluation of transformation invariant loss function with distance equilibrium in prediction of imaging photoplethysmography characteristics 2024-May-07, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad3dbf PMID:38604181	研究论文	本文评估了一种具有距离均衡的变换不变损失函数在成像光电容积描记术（IPPG）特征预测中的应用	提出了一种具有距离均衡的变换不变损失函数，以更全面地分析血容量脉冲（BVP）信号中的时间-频率域特性	目前的研究主要集中在通过心率（HR）分析BVP信号，忽略了BVP信号中复杂的时间-频率域特性	研究如何通过IPPG技术更全面地分析人体心率变异性（HRV）	人体心率变异性（HRV）和血容量脉冲（BVP）信号	计算机视觉	NA	成像光电容积描记术（IPPG）	深度学习算法	图像	NA
16768	2024-08-08	A deep learning method for comparing Bayesian hierarchical models 2024-May-06, Psychological methods IF:7.6Q1 DOI:10.1037/met0000645 PMID:38709626	研究论文	本文提出了一种深度学习方法，用于比较贝叶斯分层模型，解决了传统贝叶斯模型比较在高维嵌套参数结构模型中的计算难题	该方法支持摊销推理，允许高效重新估计后验模型概率和快速性能验证，并通过转移学习提高训练效率	NA	开发一种新的深度学习方法，用于在贝叶斯模型比较中处理分层模型的复杂性	贝叶斯分层模型及其在模型比较中的应用	机器学习	NA	深度学习	深度学习模型	概率程序	NA
16769	2024-08-08	Artificial intelligence to automate assessment of ocular and periocular measurements 2024-May-06, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721241249773 PMID:38710195	研究论文	开发并验证了一种深度学习面部标志检测网络，用于自动化评估眼周解剖测量	使用机器学习算法自动检测面部标志并计算测量值，提高了眼周测量的客观性	NA	自动化评估眼周解剖测量	眼周解剖测量	计算机视觉	NA	深度学习	CNN	图像	958只眼睛，来自479名参与者
16770	2024-08-07	Optical coherence tomography choroidal enhancement using generative deep learning 2024-May-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01119-3 PMID:38704440	研究论文	本文提出了一种基于人工智能的解决方案，利用生成式深度学习增强光学相干断层扫描（OCT）中脉络膜的可视化，并允许对脉络膜指标进行定量测量。	本研究通过生成式深度学习模型成功生成了逼真的增强SDOCT数据，这些数据与SSOCT图像难以区分，提供了脉络膜的改进可视化。	NA	旨在通过生成式深度学习增强SDOCT扫描中脉络膜的可视化，并实现脉络膜指标的定量测量。	研究对象包括362对SDOCT-SSOCT配对样本，涵盖健康眼、青光眼和糖尿病视网膜病变眼。	计算机视觉	眼科疾病	生成式深度学习	生成式深度学习模型	图像	总共涉及362对SDOCT-SSOCT配对样本，包括410只健康眼、192只青光眼眼和133只糖尿病视网膜病变眼。
16771	2024-08-07	Deep-learning-based stock market prediction incorporating ESG sentiment and technical indicators 2024-May-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61106-2 PMID:38704434	研究论文	本研究提出了一种结合ESG情绪指数和技术指标的深度学习方法，用于预测S&P 500指数	本研究创新地将ESG情绪指数与技术指标结合，提高了股票价格预测的准确性	NA	探索结合ESG情绪指数和技术指标的深度学习模型在股票市场预测中的应用	S&P 500指数	机器学习	NA	深度学习	深度学习模型	文本和历史数据	S&P 500指数
16772	2024-08-07	ViroISDC: a method for calling integration sites of hepatitis B virus based on feature encoding 2024-May-04, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05763-0 PMID:38704528	研究论文	本文提出了一种基于特征编码的深度学习方法ViroISDC，用于检测乙型肝炎病毒（HBV）的整合位点	ViroISDC在检测HBV整合位点方面比现有工具Lumpy、Pindel、Seeksv和SurVirus表现出更好的整体性能，且对测序深度和整合序列长度的敏感性较低	NA	开发一种新的方法来提高HBV整合位点检测的准确性和稳定性	乙型肝炎病毒（HBV）的整合位点	机器学习	肝癌	深度学习	NA	语言数据	NA
16773	2024-08-07	Freeprotmap: waiting-free prediction method for protein distance map 2024-May-04, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05771-0 PMID:38704533	研究论文	本文提出了一种名为FreeProtMap的学习框架，用于快速且准确地预测蛋白质残基间距离图	FreeProtMap采用无等待和无对齐的深度学习方法，通过局部性设计、三角不等式距离约束和轻量级模型结构提高预测速度和精度	NA	开发一种快速且可靠的蛋白质残基间距离预测方法	蛋白质残基间距离图	机器学习	NA	深度学习	神经网络	蛋白质数据	每年数亿个蛋白质
16774	2024-08-07	Deep learning-based spinal canal segmentation of computed tomography image for disease diagnosis: A proposed system for spinal stenosis diagnosis 2024-May-03, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000037943 PMID:38701305	研究论文	本研究提出了一种基于深度学习的脊柱管分割方法，用于通过计算机断层扫描图像诊断脊柱狭窄症	本研究引入了针对脊柱管分割和疾病诊断的新型深度学习方法，强调图像处理技术以提高分割准确性	NA	开发一种精确的脊柱管分割系统，以辅助脊柱狭窄症的诊断	脊柱管的分割及脊柱狭窄症的诊断	计算机视觉	脊柱疾病	深度学习	NA	图像	NA
16775	2024-08-07	A transformer model for cause-specific hazard prediction 2024-May-03, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05799-2 PMID:38702609	研究论文	本研究提出了一种基于Transformer架构的模型，用于预测离散时间竞争风险中的特定原因危险性	该模型不依赖于比例风险的先验参数假设，特别适用于处理序列数据中的复杂关系，并在多个任务中显示出最先进的性能	NA	旨在开发一种新的模型，用于在存在竞争事件和非比例风险的复杂动态中预测特定原因的危险性	离散时间竞争风险中的特定原因危险性	机器学习	NA	Transformer	Transformer	序列数据	2000-50,000名患者
16776	2024-08-07	Improvement of 2D cine image quality using 3D priors and cycle generative adversarial network for low field MRI-guided radiation therapy 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16860 PMID:38043123	研究论文	本研究利用3D先验信息和循环生成对抗网络（CycleGAN）提高低场磁共振引导放疗中2D动态图像的质量	开发了一种基于深度学习的框架，包括两个CycleGAN（去噪CycleGAN和增强CycleGAN），用于建立3D和2D磁共振图像之间的映射，显著提高了图像质量和自动目标轮廓的准确性	NA	提高磁共振引导放疗中动态磁共振图像的质量	18名接受磁共振引导立体定向体部放疗的胰腺癌患者	计算机视觉	胰腺癌	磁共振成像（MRI）	CycleGAN	图像	18名胰腺癌患者
16777	2024-08-07	Deep learning-based conditional inpainting for restoration of artifact-affected 4D CT images 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16851 PMID:38055336	研究论文	本文提出了一种基于深度学习的条件修复方法，用于恢复受伪影影响的4D CT图像中的解剖学正确信息	该方法利用患者特定的先验图像信息，通过深度学习检测常见的插值和双重结构伪影，并进行条件修复，以确保解剖学上可靠的结果	NA	旨在提高受伪影影响的4D CT图像的治疗计划质量和图像信息可靠性	4D CT图像中的伪影区域	计算机视觉	肺癌	深度学习	NA	图像	65例内部4D CT图像（48例轻微伪影，17例明显伪影）及两个公开的4D CT数据集作为独立外部测试集
16778	2024-08-07	PDFF-CNN: An attention-guided dynamic multi-orientation feature fusion method for gestational age prediction on imbalanced fetal brain MRI dataset 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16875 PMID:38043088	研究论文	本文提出了一种基于金字塔挤压注意力（PSA）引导的动态多方向特征融合CNN（PDFF-CNN），用于从不平衡的胎儿脑部MRI数据集中预测胎龄	PDFF-CNN包含四个组件：转换模块、特征提取模块、动态特征融合模块和平衡均方误差（MSE）损失，能够学习多尺度和多方向的特征表示，并自动学习特征向量的权重以动态融合多尺度和多方向的脑沟和脑回特征	NA	旨在解决胎儿位置不确定和外部干扰导致的胎儿脑部定位和方向变化问题，以及胎儿脑部MRI数据不平衡分布对胎龄预测的挑战	胎儿脑部MRI图像	计算机视觉	NA	MRI	CNN	图像	1327例常规临床T2加权MRI图像，来自157名受试者
16779	2024-08-07	Generalizable synthetic MRI with physics-informed convolutional networks 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16884 PMID:38063208	研究论文	本文开发了一种基于物理信息深度学习的方法，用于从单一5分钟采集的脑部MRI数据中合成多种对比度图像	该方法能够生成高质量的对比度图像，并能推广到训练数据之外的对比度	NA	研究基于物理信息的深度学习方法在合成MRI对比度方面的可行性和泛化能力	脑部MRI对比度图像的合成	计算机视觉	NA	生成对抗网络	GAN	图像	55名受试者
16780	2024-08-07	AI-based motion artifact severity estimation in undersampled MRI allowing for selection of appropriate reconstruction models 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16918 PMID:38167996	研究论文	本文开发了一种深度学习方法，用于检测和量化欠采样磁共振成像（MRI）中的运动伪影，并利用这些信息选择合适的重建模型	本文首次利用合成运动伪影数据训练卷积神经网络（CNN），并成功应用于真实世界数据，实现了高精度的运动伪影检测和量化	NA	旨在回顾性检测和量化欠采样MRI数据中的运动伪影，以提高基于AI的重建技术的安全性和质量	欠采样脑部MRI数据中的运动伪影	计算机视觉	NA	磁共振成像（MRI）	卷积神经网络（CNN）	图像	训练和验证集包括4387张合成运动伪影图像和1304张未受伪影影响的图像，测试集包括28名志愿者的欠采样体内运动伪影数据