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
18401	2024-09-05	Generating High-Quality Lymph Node Clinical Target Volumes for Head and Neck Cancer Radiation Therapy Using a Fully Automated Deep Learning-Based Approach 2021-03-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2020.10.005 PMID:33068690	研究论文	本文开发了一种基于深度学习的全自动方法，用于生成头颈部癌症放疗的高质量淋巴结临床目标体积（CTV）轮廓。	该研究首次实现了全自动的深度学习方法来描绘头颈部癌症患者的淋巴结CTV，提高了放疗计划的自动化程度。	研究中使用的模型需要进一步优化，以减少对医生编辑的依赖，并提高不同医生间的评分一致性。	开发一种全自动的深度学习模型，用于生成头颈部癌症放疗的高质量淋巴结CTV轮廓。	头颈部癌症患者的淋巴结CTV轮廓。	计算机视觉	头颈部癌症	计算机断层扫描（CT）	U-Net	图像	71名头颈部癌症患者的CT扫描数据，其中51名用于训练，10名用于交叉验证，10名用于测试，另外32名用于最终模型验证。
18402	2024-09-05	Improving Diagnostic Accuracy in Low-Dose SPECT Myocardial Perfusion Imaging With Convolutional Denoising Networks 2020-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2020.2979940 PMID:32167887	研究论文	本研究探讨了深度学习方法在低剂量SPECT心肌灌注成像中减少图像噪声并提高诊断准确性的潜力	提出了一种深度学习方法，能够在低剂量SPECT-MPI中实现显著的噪声减少，并提高诊断准确性	NA	研究深度学习在低剂量SPECT心肌灌注成像中的应用，以提高诊断准确性	低剂量SPECT心肌灌注成像的图像噪声和诊断准确性	计算机视觉	心血管疾病	深度学习	卷积去噪网络	图像	1,052名受试者
18403	2024-09-05	Early Detection of Alzheimer's Disease Using Magnetic Resonance Imaging: A Novel Approach Combining Convolutional Neural Networks and Ensemble Learning 2020, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2020.00259 PMID:32477040	研究论文	本文提出了一种结合卷积神经网络（CNN）和集成学习（EL）的新方法，用于通过磁共振成像（MRI）早期检测阿尔茨海默病（AD）	该研究创新性地结合了CNN和EL，通过数据驱动的方法定位最具辨别性的脑区，并最大化集成模型的泛化能力，以早期捕捉AD相关的脑部变化	需要进一步研究以检验该方法的临床意义及其在检测其他脑部疾病中的通用性	开发一种新的方法用于早期检测阿尔茨海默病	使用MRI对MCI患者和AD患者进行分类	机器学习	阿尔茨海默病	磁共振成像（MRI）	卷积神经网络（CNN）	图像	未明确提及具体样本数量
18404	2024-09-05	Model-Based Learning for Accelerated, Limited-View 3-D Photoacoustic Tomography 2018-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2018.2820382 PMID:29870367	研究论文	本文提出了一种专门设计用于从有限光声测量中提供高分辨率3D图像的深度神经网络	网络设计为迭代方案，并结合了数据拟合的梯度信息以补偿有限视图伪影	NA	加速有限视图3D光声断层成像	光声测量数据	计算机视觉	NA	深度学习	深度神经网络	图像	一组来自肺部CT扫描的分段血管及体内光声测量数据
18405	2024-09-04	Performance and Clinical Impact of Radiomics and 3D-CNN Models for the Diagnosis of Neurodegenerative Parkinsonian Syndromes on 18 F-FDOPA PET 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005392 PMID:39104036	研究论文	本研究比较了半自动化放射组学模型和自动化3D卷积神经网络（3D-CNN）模型在18 F-FDOPA PET图像上诊断神经退行性帕金森综合征的性能和临床价值	开发的3D-CNN模型能够自动诊断神经退行性帕金森综合征，并在经验较少的医院中减少6%的诊断错误	NA	比较半自动化放射组学模型和自动化3D-CNN模型在诊断神经退行性帕金森综合征的性能和临床价值	687名运动症状符合帕金森综合征的患者	计算机视觉	神经退行性疾病	放射组学, 3D卷积神经网络	3D-CNN	图像	417名患者用于训练模型，100名患者用于内部测试，170名患者用于外部测试
18406	2024-09-04	Organomics: A Concept Reflecting the Importance of PET/CT Healthy Organ Radiomics in Non-Small Cell Lung Cancer Prognosis Prediction Using Machine Learning 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005400 PMID:39192505	研究论文	本研究探讨了在非小细胞肺癌预后预测中，使用机器学习算法从健康器官中提取的信息的关联性和附加价值。	本研究首次探索了从健康器官中提取的信息对非小细胞肺癌预后预测的附加价值，并展示了其在机器学习性能上的改进。	研究样本量相对较小，且依赖于公开数据库中的PET/CT图像。	探索健康器官的放射组学信息在非小细胞肺癌预后预测中的作用。	非小细胞肺癌患者的PET/CT图像及其健康器官的放射组学信息。	机器学习	肺癌	PET/CT	nnU-Net	图像	154名患者
18407	2024-09-04	Label-free spatiotemporal decoding of single-cell fate via acoustic driven 3D tomography 2024-Oct, Materials today. Bio DOI:10.1016/j.mtbio.2024.101201 PMID:39221213	研究论文	本文介绍了一种无标记、成本效益高且易于制造的非接触式声学诱导振动系统，用于实现细胞的多自由度旋转，并结合深度学习技术进行细胞的3D重建和形态分析	该方法通过声学诱导振动系统实现了细胞的全角度旋转控制，结合深度学习技术进行高精度的细胞识别和3D重建	NA	开发一种新的无标记3D成像技术，以揭示细胞功能和相互作用的复杂性	多种细胞类型及其在药物诱导凋亡中的特征	生物医学研究	NA	声学诱导振动系统	深度学习	图像	多种细胞类型
18408	2024-09-04	Quickly diagnosing Bietti crystalline dystrophy with deep learning 2024-Sep-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110579 PMID:39220263	研究论文	本研究利用深度学习技术，通过超广角彩色眼底照片对Bietti结晶样视网膜病变（BCD）进行诊断和临床阶段分类	本研究建立了中国人群中最大的BCD数据库，并开发了一种快速诊断BCD的方法	NA	旨在通过深度学习技术对BCD进行早期精确诊断和临床阶段分类	Bietti结晶样视网膜病变（BCD）患者	机器学习	视网膜疾病	深度学习	ResNeXt, Wide ResNet, ResNeSt	图像	包括BCD、视网膜色素变性（RP）和正常眼底照片，BCD患者进一步分为三个阶段
18409	2024-09-04	Streamlined Intraoperative Brain Tumor Classification and Molecular Subtyping in Stereotactic Biopsies Using Stimulated Raman Histology and Deep Learning 2024-Sep-03, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-23-3842 PMID:38976016	研究论文	本研究评估了深度学习算法在立体定向脑活检中通过受激拉曼组织学（SRH）图像进行快速术中诊断的能力，并定义了确保诊断准确性的最小组织样本大小阈值。	使用基于人工智能的SRH图像分析在检测和亚分类脑肿瘤方面不劣于冷冻切片分析，并能进行有效的分子胶质瘤亚分类，有助于未来更快地做出治疗决策。	需要进一步改进以适应长期应用。	评估深度学习算法在立体定向脑活检中通过SRH图像进行快速术中诊断的能力，并定义最小组织样本大小阈值。	121张SRH图像来自84名患有不明确颅内病变的患者，这些患者正在接受立体定向脑活检。	机器学习	脑肿瘤	受激拉曼组织学（SRH）	深度学习模型	图像	121张SRH图像来自84名患者
18410	2024-09-04	Noise-imitation learning: unpaired speckle noise reduction for optical coherence tomography 2024-Sep-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad708c PMID:39151463	研究论文	本文提出了一种名为噪声模仿学习（NIL）的新型非配对方法，用于光学相干断层扫描（OCT）图像的去噪	NIL方法通过三个主要模块（噪声提取模块、噪声模仿模块和对抗学习模块）实现了更简化的网络结构，仅使用一个生成器和一个判别器进行训练	NA	开发一种有效的非配对方法，用于降低OCT图像中的斑点噪声，提高图像质量和诊断准确性	OCT图像中的斑点噪声	计算机视觉	NA	对抗学习	生成对抗网络（GAN）	图像	在PKU37数据集上进行了实验
18411	2024-09-04	Determination of Trace Organic Contaminant Concentration via Machine Classification of Surface-Enhanced Raman Spectra 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c06447 PMID:38272008	研究论文	本文通过机器学习方法，利用表面增强拉曼光谱（SERS）预测样品中污染物的浓度	采用频率域变换方法（如傅里叶变换和沃尔什-阿达玛变换）处理SERS光谱数据，并结合机器学习模型提高浓度预测的准确性	SERS光谱的强度受多种因素影响，如基底参数、分析物方向和样品制备技术	开发一种利用机器学习从SERS光谱中预测污染物浓度的方法	三种分析物（罗丹明6G、毒死蜱和三氯生）的SERS光谱数据	机器学习	NA	表面增强拉曼光谱（SERS）	机器学习模型和深度学习模型	光谱数据	中等规模数据集约100个光谱，小规模数据集约50个光谱
18412	2024-09-04	An Intelligent Early Warning System for Harmful Algal Blooms: Harnessing the Power of Big Data and Deep Learning 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c03906 PMID:38436579	research paper	本研究利用大数据和深度学习模型开发了一种智能有害藻类水华早期预警系统	采用DeepDPM-Spectral Clustering方法分析和分层垂直水层，显著减少了预测模型的数量并增强了系统的适应性；开发了Bloomformer-2模型进行单步和多步预测	未提及具体限制	开发智能有害藻类水华早期预警系统	有害藻类水华	machine learning	NA	深度学习	Bloomformer-2	数据	在太湖的案例研究中，2018年冬季水柱分为四个集群（W1-W4），2019年夏季分为五个集群（S1-S5）
18413	2024-09-04	Substantial Underestimation of Fine-Mode Aerosol Loading from Wildfires and Its Radiative Effects in Current Satellite-Based Retrievals over the United States 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c02498 PMID:39163486	研究论文	本文开发了一种创新的角依赖深度学习模型（ADLM），用于从双角度观测中推断细模态气溶胶光学深度（fAOD），并评估其对美国地区野火产生的气溶胶负荷及其辐射效应的影响	ADLM模型利用多角度卫星数据，能够更准确地捕捉气溶胶特性，特别是在野火事件中，相比现有卫星产品有显著改进	NA	评估和改进现有卫星产品在测量野火产生的细模态气溶胶光学深度（fAOD）及其辐射效应方面的准确性	细模态气溶胶光学深度（fAOD）及其对地球能量平衡的影响	机器学习	NA	深度学习	ADLM	卫星数据	覆盖美国连续地区的双角度观测数据
18414	2024-09-04	Early identification of patients at risk for iron-deficiency anemia using deep learning techniques 2024-Sep-03, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqae031 PMID:38642073	研究论文	本文利用深度学习技术开发模型，提前3至6个月预测铁缺乏性贫血的风险	首次使用深度学习技术在门诊环境中基于实验室数据序列早期预测铁缺乏性贫血	NA	开发模型提前预测铁缺乏性贫血的风险，以便及早干预	铁缺乏性贫血患者	机器学习	NA	深度学习技术	人工神经网络、长短期记忆单元和门控循环单元	实验室数据	30,603名患者
18415	2024-09-04	Deep Learning Bridged Bioactivity, Structure, and GC-HRMS-Readable Evidence to Decipher Nontarget Toxicants in Sediments 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c10814 PMID:38696305	研究论文	本文提出了一种基于深度学习的事件驱动分类框架，用于混合物风险评估，并通过高吞吐量筛选生物测定和毒物鉴定进行集成	开发了两种深度学习模型，用于预测生物活性物质的指纹并将其转换为质谱可读信息，以进行非目标分析	NA	旨在通过深度学习技术识别混合物中的非目标毒物	研究对象为引发芳基烃受体激活和氧化应激反应的沉积物中的化学混合物	机器学习	NA	GC-qToF-MS	深度学习模型	化学指纹数据	建立了两个包含121和118个指纹的库，并在沉积物提取物中鉴定了247种生物活性化合物
18416	2024-09-04	Transformer-based deep learning networks for fault detection, classification, and location prediction in transmission lines 2024-Sep-03, Network (Bristol, England) DOI:10.1080/0954898X.2024.2393746 PMID:39224075	research paper	本文提出了一种基于Transformer的分层深度学习方法（HDLA），用于输电线路中的故障检测、分类和位置预测	HDLA利用两阶段基于Transformer的分类和回归模型，直接从同步的三相电流和电压样本中进行故障检测、故障类型分类和故障位置预测，无需特征提取，显著降低了计算复杂性	NA	提高现代电力系统的稳定性和可靠性，减少经济损失，增强系统保护的敏感性	输电线路中的故障检测、分类和位置预测	machine learning	NA	Transformer	Transformer-based deep learning networks	three-phase current and voltage samples	包含各种故障场景的综合数据集，涵盖多种类型、位置、电阻、起始角度和噪声水平
18417	2024-09-04	Deep learning method for predicting weekly anatomical changes in patients with nasopharyngeal carcinoma during radiotherapy 2024-Sep-03, Medical physics IF:3.2Q1 DOI:10.1002/mp.17381 PMID:39225585	研究论文	本研究开发了一种深度学习方法，用于预测鼻咽癌患者在放疗期间每周的解剖变化	提出了一种结合长短期记忆网络和生成对抗网络（LSTM-GAN）的方法，能够预测鼻咽癌患者在放疗期间的解剖变化	NA	开发一种深度学习方法，预测鼻咽癌患者在放疗期间的肿瘤反应和解剖变化	鼻咽癌患者的肿瘤目标体积和危险器官	机器学习	鼻咽癌	NA	LSTM-GAN	图像	230名鼻咽癌患者
18418	2024-08-19	Deep learning is necessary for safety regulation in predicting malnutrition in gastric cancer patients 2024-Sep, Clinical nutrition (Edinburgh, Scotland) DOI:10.1016/j.clnu.2024.07.043 PMID:39153431	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18419	2024-09-04	Semi-supervised CT image segmentation via contrastive learning based on entropy constraints 2024-Sep, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00387-y PMID:39220023	研究论文	本文提出了一种基于熵约束对比学习的半监督CT图像分割方法	设计了一种结合CNN和Transformer的半监督网络模型，并引入了残差挤压和激励模块以提高分割性能	伪标签生成的不可靠性可能导致模型性能下降	提高CT图像分割的效率和准确性	CT图像的目标分割	计算机视觉	NA	对比学习	CNN, Transformer	图像	使用COVID-19 CT公共数据集进行验证
18420	2024-09-04	Deep learning and direct sequencing of labeled RNA captures transcriptome dynamics 2024-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae116 PMID:39211330	研究论文	本文介绍了RNAkinet，一种深度卷积和循环神经网络，用于检测通过代谢标记和纳米孔直接RNA测序的初生RNA分子	RNAkinet能够直接处理纳米孔测序的电信号，区分初生RNA和已存在的RNA分子，并能跨不同细胞类型和生物体进行泛化	NA	评估RNA异构体的代谢动力学，如转录和衰变速率，以揭示基因调控	RNA异构体的代谢动力学	机器学习	NA	纳米孔直接RNA测序	深度卷积和循环神经网络	电信号	NA