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
19421	2024-08-23	ssVERDICT: Self-supervised VERDICT-MRI for enhanced prostate tumor characterization 2024-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30186 PMID:38852195	研究论文	本文展示了使用自监督机器学习方法对VERDICT模型进行前列腺癌特征化的评估和演示。	ssVERDICT首次展示了无需显式训练标签的机器学习方法对详细的多隔间生物物理扩散MRI模型的拟合。	NA	评估和展示自监督机器学习方法对VERDICT模型的拟合效果。	前列腺癌的VERDICT模型参数估计。	机器学习	前列腺癌	MRI	神经网络	图像	20名前列腺癌患者
19422	2024-08-07	Erratum to: Knowledge-driven deep learning for fast MR imaging: Undersampled MR image reconstruction from supervised to un-supervised learning (Magn Reson Med. 2024;92:496-518) 2024-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30204 PMID:39054742	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19423	2024-08-23	Comparative Analysis of Vision Transformers and Conventional Convolutional Neural Networks in Detecting Referable Diabetic Retinopathy 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100552 PMID:39165694	研究论文	本研究通过眼底照片评估了视觉变换器（ViTs）和卷积神经网络（CNNs）在检测可参考糖尿病视网膜病变（DR）方面的性能比较	本研究发现视觉变换器在检测可参考糖尿病视网膜病变方面优于传统的卷积神经网络	NA	评估视觉变换器和卷积神经网络在检测可参考糖尿病视网膜病变方面的性能	视觉变换器和卷积神经网络在检测可参考糖尿病视网膜病变方面的性能	计算机视觉	糖尿病视网膜病变	NA	视觉变换器（ViTs）和卷积神经网络（CNNs）	图像	48269张眼底图像
19424	2024-08-23	A Novel Time-Aware Deep Learning Model Predicting Myopia in Children and Adolescents 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100563 PMID:39165695	研究论文	本研究利用儿童和青少年可变长度的历史视力记录，通过一种新型的时间感知长短期记忆（LSTM）模型，定量预测他们的球镜等效值（SE）。	提出了一种新型的时间感知LSTM模型，能够捕捉不规则采样时间序列数据中的时间特征，更符合基于事实数据的特点，有助于早期识别近视进展。	研究结果显示，预测误差与序列长度、预测持续时间、年龄组和近视程度有关，表明模型在不同条件下的表现存在差异。	定量预测儿童和青少年的球镜等效值（SE），并早期识别近视进展。	895名4至18岁的近视儿童和青少年，他们在2008年1月1日至2023年7月1日期间在萨格勒布的圣杜赫大学医院接受了完整的眼科检查和睫状肌麻痹前的检影检查。	机器学习	眼科疾病	NA	LSTM	时间序列数据	895名儿童和青少年
19425	2024-08-23	Two-step optimization for accelerating deep image prior-based PET image reconstruction 2024-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-024-00831-9 PMID:39096446	研究论文	本研究提出了一种两步优化方法，用于加速基于深度图像先验（DIP）的正电子发射断层扫描（PET）图像重建并提高图像质量	本研究创新性地提出了一种两步优化方法，通过预训练步骤使用条件DIP去噪和端到端重建步骤的微调，显著减少了计算时间并提高了图像质量	NA	加速基于深度图像先验的PET图像重建并提高图像质量	基于深度图像先验的PET图像重建方法	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	NA
19426	2024-08-23	READRetro: natural product biosynthesis predicting with retrieval-augmented dual-view retrosynthesis 2024-Sep, The New phytologist DOI:10.1111/nph.20012 PMID:39081009	研究论文	本文提出了一种名为READRetro的生物逆合成工具，用于预测植物天然产物的生物合成途径	READRetro通过结合先进的深度学习架构、集成方法和两个检索器，优化了复杂代谢途径的预测	NA	开发一种实用的生物逆合成工具，以预测植物天然产物的生物合成途径	植物天然产物的生物合成途径	生物信息学	NA	深度学习	集成模型	代谢途径数据	NA
19427	2024-08-23	Deep learning-based correction for time truncation in cerebral computed tomography perfusion 2024-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-024-00818-6 PMID:38861134	研究论文	本文提出了一种基于三维卷积神经网络的方法，用于预测脑部CT灌注成像中因时间截断而缺失的图像帧	首次采用三维卷积神经网络来预测CT灌注成像中的缺失帧，并评估了三种预测多时间点的策略	仅使用了公开数据集中的72次CT灌注扫描进行训练和测试，可能需要更多临床数据以验证其泛化能力	克服脑部CT灌注成像中因时间截断导致的数据不完整问题	脑部CT灌注成像中的时间截断问题	计算机视觉	NA	CT灌注成像	CNN	图像	72次CT灌注扫描，共89帧，8切片
19428	2024-08-23	Verification of image quality improvement by deep learning reconstruction to 1.5 T MRI in T2-weighted images of the prostate gland 2024-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-024-00819-5 PMID:38850389	研究论文	本研究旨在评估通过深度学习重建（DLR）技术，1.5T磁共振成像（MRI）的前列腺T2加权图像质量是否等于或优于3T MRI	使用深度学习重建技术在1.5T MRI中显著提高了信号噪声比（SNR）和图像质量，使其优于3T MRI	NA	评估1.5T MRI通过深度学习重建技术后的图像质量	前列腺的T2加权图像	计算机视觉	NA	深度学习重建（DLR）	NA	图像	13名健康志愿者
19429	2024-08-23	Applications of machine learning in urodynamics: A narrative review 2024-Sep, Neurourology and urodynamics IF:1.8Q3 DOI:10.1002/nau.25490 PMID:38837301	综述	本文综述了机器学习算法在尿动力学领域的应用	目前尚未有研究评估如何为不同的尿动力学研究任务选择合适的算法模型	大多数研究是单中心回顾性研究，缺乏外部验证，模型泛化能力需要进一步验证，样本量不足	总结和分类应用于尿动力学领域的机器学习算法，指导研究人员根据不同任务需求选择合适的算法模型	尿动力学领域的机器学习算法应用	机器学习	NA	机器学习算法，包括传统机器学习和深度学习	NA	NA	不足
19430	2024-08-23	Automated deep learning segmentation of neuritic plaques and neurofibrillary tangles in Alzheimer disease brain sections using a proprietary software 2024-Sep-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlae048 PMID:38812098	研究论文	开发了一种深度学习工作流程，用于自动注释和分割阿尔茨海默病脑切片中的神经炎斑和神经纤维缠结	通过人工智能驱动的迭代过程，提高了专家验证的注释数据集的质量，增加了超过50%的注释质量	NA	证明专有图像分析软件在自动深度学习分割神经炎斑和神经纤维缠结中的应用	阿尔茨海默病脑切片中的神经炎斑和神经纤维缠结	计算机视觉	阿尔茨海默病	深度学习	U-Net卷积神经网络	图像	15张来自4个生物库的前额叶皮质全切片图像
19431	2024-08-23	Application of Hybrid DeepLearning Architectures for Identification of Individuals with Obsessive Compulsive Disorder Based on EEG Data 2024-Sep, Clinical EEG and neuroscience IF:1.6Q3 DOI:10.1177/15500594231222980 PMID:38192213	研究论文	本研究利用混合深度学习架构，通过脑电图数据识别强迫症患者	首次使用一维卷积神经网络（1DCNN）与长短期记忆（LSTM）和梯度循环单元（GRU）相结合的混合模型进行强迫症的分类	NA	探索利用脑电图数据通过混合深度学习模型有效区分强迫症患者与健康对照	强迫症患者与健康对照的分类	机器学习	强迫症	脑电图	一维卷积神经网络（1DCNN）与长短期记忆（LSTM）和梯度循环单元（GRU）	脑电图数据	未明确提及具体样本数量
19432	2024-08-23	Algorithm prediction of single particle irradiation effect based on novel TFETs 2024-Aug-22, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ad6d73 PMID:39121872	研究论文	本文构建了一个深度学习算法网络模型，用于预测隧道场效应晶体管（TFET）器件的单粒子辐照效应的关键表征参数	本文采用深度学习算法，相较于五种传统机器学习方法，显示出最佳性能和最小的平均误差百分比	NA	预测隧道场效应晶体管器件的单粒子辐照效应	隧道场效应晶体管器件的单粒子辐照效应	机器学习	NA	计算机辅助设计（TCAD）	深度学习算法	电流脉冲峰值和收集电荷	NA
19433	2024-08-23	Boosting-Crystal Graph Convolutional Neural Network for Predicting Highly Imbalanced Data: A Case Study for Metal-Insulator Transition Materials 2024-Aug-21, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c07851 PMID:39121441	研究论文	本文介绍了一种深度学习框架，用于预测金属-绝缘体转变（MIT）材料中的少数类材料	提出的boosting-CGCNN方法结合了晶体图卷积神经网络（CGCNN）和梯度提升算法，有效处理了MIT材料数据中的极端类别不平衡问题	NA	解决材料科学中不平衡数据集的预测问题	金属-绝缘体转变（MIT）材料	机器学习	NA	晶体图卷积神经网络（CGCNN）	卷积神经网络（CNN）	材料数据	NA
19434	2024-08-23	Semi-supervised abdominal multi-organ segmentation by object-redrawing 2024-Aug-21, Medical physics IF:3.2Q1 DOI:10.1002/mp.17364 PMID:39167059	研究论文	本文提出了一种半监督学习方法，通过对象重绘网络来提高腹部多器官分割的准确性	引入了一种新的半监督学习方法，通过重绘网络来纠正分割错误并提高准确性	依赖于有限的标记数据，且需要高质量的未标记数据来提升性能	解决现有半监督学习方法在腹部多器官分割中的局限性	腹部多器官的自动分割	计算机视觉	NA	深度学习	神经网络	图像	使用了两个公开数据集：BTCV分割数据集（训练：44，验证：6）和AMOS挑战2022数据集（训练：138，验证：16）
19435	2024-08-23	Enhanced IDOL segmentation framework using personalized hyperspace learning IDOL 2024-Aug-21, Medical physics IF:3.2Q1 DOI:10.1002/mp.17361 PMID:39167055	研究论文	本文介绍了一种个性化超空间学习（PHL）-IDOL分割框架，用于自动分割医学图像，以改善适应性放射治疗（ART）工作流程。	引入个性化超空间学习（PHL）-IDOL框架，能够生成诱导模型过度拟合特定患者特征的数据集，从而提高分割性能。	先前IDOL框架的局限性在于个性化数据集不足以有效过度拟合模型。	开发一种新的自动分割框架，以解决临床环境中深度学习分割方法实施的挑战。	医学图像分割，特别是适应性放射治疗中的实时或在线工作流程。	数字病理学	NA	深度学习	IDOL	图像	训练数据包括100名患者的CT图像和临床轮廓，测试数据包括20名患者。
19436	2024-08-23	Deep learning applications for quantitative and qualitative PET in PET/MR: technical and clinical unmet needs 2024-Aug-21, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01199-y PMID:39167304	研究论文	本文综述了深度学习在PET/MR中定量和定性PET应用的技术和临床未满足需求，重点包括衰减校正、图像增强、运动校正、动力学建模和模拟数据生成	提出了基于深度学习的衰减校正、图像增强、运动校正等方法，并探讨了使用蒙特卡洛模拟生成大量数据集的可能性	深度学习在儿科全身PET/MR和肺部特定衰减校正的应用受限于数据短缺和技术限制；图像增强的临床价值尚未在多种放射性示踪剂中得到充分评估；运动校正需要成对的运动损坏和校正数据，但这类数据稀缺	探讨深度学习在PET/MR中定量和定性PET应用的技术和临床未满足需求，并寻找解决方案	深度学习在PET/MR中的应用，包括衰减校正、图像增强、运动校正、动力学建模和模拟数据生成	机器学习	NA	深度学习	NA	图像	NA
19437	2024-08-23	Effective lane detection on complex roads with convolutional attention mechanism in autonomous vehicles 2024-Aug-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70116-z PMID:39160343	研究论文	本文提出了一种基于卷积注意力机制的车道检测方法，用于在复杂路况和极端天气条件下提高自动驾驶车辆的车道检测准确性	引入卷积注意力机制（LD-CAM）模型，通过编码器、增强卷积块注意力模块（E-CBAM）和解码器结构，提高了在恶劣路况和极端天气条件下的车道检测性能	NA	开发一种在复杂路况和极端天气条件下有效进行车道检测的方法，以提高自动驾驶车辆的安全性和可靠性	自动驾驶车辆中的车道检测技术	计算机视觉	NA	卷积注意力机制（LD-CAM）	卷积神经网络（CNN）	图像	使用了三个数据集：Tusimple（不同天气条件图像）、Curve Lanes（不同曲线车道图像）和Cracks and Potholes（损坏道路图像）
19438	2024-08-23	Deep learning based uterine fibroid detection in ultrasound images 2024-Aug-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01389-z PMID:39160500	研究论文	本文提出了一种基于注意力机制的Fine-tuned EfficientNetB0模型，用于从超声图像中分类子宫肌瘤	采用注意力机制使模型能够专注于图像的特定部分，提高分类的准确性	需要进一步提高诊断技术的准确性和效率，并在不同人群中评估其有效性	开发一种新的方法来早期检测子宫肌瘤，以预防并发症	子宫肌瘤的超声图像分类	计算机视觉	妇科疾病	NA	EfficientNetB0	图像	1990张图像，分为两类：非子宫肌瘤和子宫肌瘤
19439	2024-08-23	Multi-class segmentation of temporomandibular joint using ensemble deep learning 2024-08-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69814-5 PMID:39160234	研究论文	本文开发了一种基于深度学习的模型，用于自动分割颞下颌关节的组成部分，包括颞骨、盘和髁突	本文采用集成学习方法，结合五个独立模型，提高了颞下颌关节自动分割的准确性	NA	提高颞下颌关节疾病的诊断准确性	颞下颌关节的组成部分，包括颞骨、盘和髁突	计算机视觉	颞下颌关节疾病	深度学习	集成模型	磁共振图像	3693张磁共振图像，来自542名患者
19440	2024-08-23	Quantifying brain-functional dynamics using deep dynamical systems: Technical considerations 2024-Aug-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110545 PMID:39165842	研究论文	本研究通过分析使用深度学习模型从fMRI数据中生成脑功能动力学的挑战，探讨了其在精神分裂症和重度抑郁症患者分类中的影响	本研究展示了深度学习模型在参数优化过程中倾向于识别功能上独特的解决方案	深度学习模型在个体层面的应用面临计算挑战，影响下游预测的可重复性和临床实用性	指导未来针对精神疾病可重复生物标志物的个体级别生成模型和类似机器学习方法的开发	精神分裂症和重度抑郁症患者	机器学习	精神疾病	fMRI	深度学习模型	fMRI数据	未明确提及具体样本数量