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	2024-08-27	GeneAI 3.0: powerful, novel, generalized hybrid and ensemble deep learning frameworks for miRNA species classification of stationary patterns from nucleotides 2024-03-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-56786-9 PMID:38531923	research paper	本文介绍了AtheroPoint的GeneAI 3.0，一种用于从miRNA序列中的固定模式提取特征的强大、新颖且通用的方法，基于机器学习（EML）和卷积神经网络（CNN）的深度学习（EDL）框架	GeneAI 3.0利用五种传统特征和三种现代特征生成复合特征集，并通过新的分类器设计，显著提高了miRNA物种分类的准确性和可靠性	NA	开发一种新的深度学习和机器学习框架，用于提高miRNA物种分类的准确性和通用性	miRNA序列的分类，包括人类、猩猩、鼠和鼠	machine learning	NA	深度学习	CNN	序列数据	未明确提及具体样本数量
19422	2024-08-27	Ultrafast Brain MRI with Deep Learning Reconstruction for Suspected Acute Ischemic Stroke 2024-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.231938 PMID:38376403	研究论文	本研究旨在评估深度学习加速的磁共振成像（DL-accelerated MRI）与传统MRI在疑似急性缺血性卒中患者中的可互换性	本研究首次前瞻性地评估了深度学习加速MRI重建在急性疑似卒中中的诊断性能	NA	探讨深度学习加速MRI与传统MRI在疑似急性缺血性卒中患者中的可互换性	211名疑似急性卒中患者	计算机视觉	脑血管疾病	深度学习	NA	图像	211名参与者
19423	2024-08-27	Present and Future Innovations in AI and Cardiac MRI 2024-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.231269 PMID:38193835	研究论文	本文综述了人工智能在心脏磁共振成像（MRI）中的应用及其未来创新	介绍了一种自动控制心脏图像处方的AI技术，以及通过提取新型影像标志物实现更个性化心血管护理的机会	NA	探讨人工智能在心脏MRI中的应用及其对未来医疗实践的影响	心脏MRI技术及其在心血管疾病诊断和治疗中的应用	计算机视觉	心血管疾病	深度学习（DL）	人工神经网络	图像	NA
19424	2024-08-27	Enhancing Alzheimer's Disease Classification with Transfer Learning: Finetuning a Pre-trained Algorithm 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056305633240603061644 PMID:38874032	研究论文	本研究通过迁移学习和微调预训练的ResNet50V2模型，提高了阿尔茨海默病分类的准确性	采用多类分类方法，通过迁移学习和微调层来适应预训练的ResNet50V2模型，并研究了不同输入层大小对模型性能的影响	NA	提高阿尔茨海默病不同阶段分类的准确性	阿尔茨海默病分类	机器学习	阿尔茨海默病	迁移学习	ResNet50V2	图像	6400张MRI图像
19425	2024-08-27	Prostate Segmentation in MRI Images using Transfer Learning based Mask RCNN 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056305021240603114137 PMID:38874030	research paper	本文使用基于迁移学习的Mask R-CNN方法进行MRI图像中的前列腺分割	采用基于迁移学习的Mask R-CNN方法进行前列腺分割，相较于传统方法具有更高的分割和检测准确率	文章未详细说明具体的局限性	旨在通过基于迁移学习的Mask R-CNN方法进行前列腺分割，以辅助前列腺癌的检测	前列腺癌及其在MRI图像中的分割	computer vision	prostate cancer	Mask R-CNN	CNN	image	NA
19426	2024-08-27	An Artificial Intelligence Driven Approach for Classification of Ophthalmic Images using Convolutional Neural Network: An Experimental Study 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056286918240419100058 PMID:38721793	研究论文	本文研究了一种基于卷积神经网络（CNN）的人工智能方法，用于眼科图像的分类	提出了一种新的集成深度学习CNN模型，通过增加卷积层到现有的VGG-16模型，显著提高了分类性能	NA	评估和确定新模型在分类眼底彩色图像（RCFIs）中的相对性能及其作为特定疾病筛查测试的诊断潜力	眼底彩色图像（RCFIs），包括白内障、青光眼和糖尿病视网膜病变等眼部疾病特征	计算机视觉	眼部疾病	卷积神经网络（CNN）	CNN	图像	包含多种眼部疾病特征的眼底彩色图像（RCFIs）数据集
19427	2024-08-27	A Systematic Review on Deep Learning Model in Computer-aided Diagnosis for Anterior Cruciate Ligament Injury 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056295157240418043624 PMID:38721794	综述	本文综述了深度学习模型在计算机辅助诊断前交叉韧带损伤中的应用	强调了可解释深度学习模型在提高诊断结果可信度方面的重要性	目前缺乏可解释的深度学习模型，且需要更多医疗专业人士参与系统设计	探讨深度学习在前交叉韧带损伤诊断中的应用及其可解释性	前交叉韧带损伤的诊断	计算机视觉	运动损伤	NA	CNN	MRI图像	NA
19428	2024-08-27	Automatic Optic Nerve Assessment From Transorbital Ultrasound Images: A Deep Learning-based Approach 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056293608240430073630 PMID:38712376	研究论文	本文提出了一种基于深度学习的全自动系统，用于从经眼眶超声图像中分割和计算与视神经相关的结构的直径	开发了一种基于预训练的全卷积神经网络模型的方法，用于自动分割和测量视神经及其鞘的直径	NA	开发一个能够自动分割和计算经眼眶超声图像中视神经相关结构直径的全自动系统	视神经直径鞘（ONSD）和视神经直径（OND）	计算机视觉	NA	深度学习	全卷积神经网络（FCN）	图像	464张图片来自110个人
19429	2024-08-27	PredIL13: Stacking a variety of machine and deep learning methods with ESM-2 language model for identifying IL13-inducing peptides 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309078 PMID:39172871	研究论文	本文开发了PredIL13方法，结合多种机器学习和深度学习技术与ESM-2语言模型，用于识别IL13诱导肽	PredIL13采用先进的集成学习方法，通过堆叠168个单一特征的机器/深度学习模型的概率得分，并使用基于逻辑回归的元分类器进行训练，显著提高了预测能力	NA	探索和识别能够诱导IL-13的新分子或肽	IL-13诱导肽	机器学习	NA	ESM-2语言模型	逻辑回归	文本	NA
19430	2024-08-27	Chronic Lung Injury after COVID-19 Pneumonia: Clinical, Radiologic, and Histopathologic Perspectives 2024-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.231643 PMID:38193836	综述	本文综述了COVID-19肺炎后慢性肺损伤的临床、影像学和组织病理学长期发现	介绍了先进的影像技术和深度学习方法在COVID-19幸存者中的应用	需要进一步的随访研究以更好地理解疾病的慢性阶段	评估和诊断持续有COVID-19后遗症症状的患者	COVID-19肺炎后的慢性肺损伤	数字病理学	肺损伤	双能量增强CT、氙129 MRI、低场强MRI	深度学习	影像	涉及第一年大流行期间住院的24%-54%的患者
19431	2024-08-27	Prospective Comparison of Standard and Deep Learning-reconstructed Turbo Spin-Echo MRI of the Shoulder 2024-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.231405 PMID:38193842	研究论文	本研究旨在比较深度学习重建的涡轮自旋回波（TSE）MRI与标准TSE MRI在肩部成像中的采集时间、图像质量和诊断信心	首次前瞻性地使用深度学习（DL）重建的快速采集、欠采样MRI在肩部成像中的应用	NA	比较深度学习重建的TSE与标准TSE在肩部MRI中的效果	肩部MRI成像	计算机视觉	NA	涡轮自旋回波（TSE）MRI	深度学习（DL）	图像	135个肩部，涉及133名参与者
19432	2024-08-27	A CT-based Deep Learning Model for Predicting Subsequent Fracture Risk in Patients with Hip Fracture 2024-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.230614 PMID:38289213	研究论文	本研究开发并验证了一种基于深度学习的预测模型，用于预测近期髋部骨折患者短期内的再次骨折风险，使用数字化重建的髋部CT放射图像	本研究首次开发了一种基于数字化重建髋部CT放射图像的深度学习模型，用于预测短期内的再次骨折风险	本研究为回顾性研究，且仅限于髋部骨折患者，未来研究需在前瞻性研究中验证模型并扩展至其他类型的骨折	开发并验证一种深度学习预测模型，用于预测近期髋部骨折患者短期内的再次骨折风险	近期发生髋部骨折的成年患者	计算机视觉	骨折	数字化重建放射图像	DenseNet	图像	训练和验证集包含1012名患者，测试集包含468名患者
19433	2024-08-27	Deep Learning-based Thigh Muscle Investigation Using MRI For Prosthetic Development for Patients Undergoing Total Knee Replacement (TKR) 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056284002240318055326 PMID:38523521	研究论文	本文通过MRI和深度学习方法对大腿肌肉进行定性和定量评估，以改进膝关节置换术患者的假肢设计	提出了一种结合群体智能和深度学习的方法，用于大腿肌肉的定性和定量评估，并用于假肢控制	未提及具体限制	改进现有的VAG信号分类方法，通过MRI诊断异常，以提高膝关节置换术患者的假肢控制	大腿肌肉的定性和定量评估	计算机视觉	关节疾病	MRI	CNN	图像	未提及具体样本数量
19434	2024-08-27	Identification of Severe Grading in Knee OsteoArthritis from MRI using Ensemble Deep Learning 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056289963240318040945 PMID:38584509	研究论文	本文提出了一种使用集成深度学习算法从MRI图像中识别膝关节骨性关节炎（KOA）严重程度的新方法	采用集成深度学习算法，结合EfficientNet-B3和ResNext-101架构，预测KOA的进展，超越了传统生物标志物的局限	NA	开发一种精确的预测模型，用于使用先进的深度学习架构和结构MRI扫描数据预测膝关节骨性关节炎	膝关节骨性关节炎（KOA）的严重程度	计算机视觉	骨关节炎	深度学习	集成模型（EfficientNet-B3和ResNext-101）	MRI图像	使用了Osteoarthritis Initiative数据集
19435	2024-08-27	A Video-based Automated Tracking and Analysis System of Plaque Burden in Carotid Artery Using Deep Learning: A Comparison with Senior Sonographers 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056296233240401061756 PMID:38639284	研究论文	本文介绍了一种基于深度学习的颈动脉斑块负担自动跟踪和分析系统，并与资深超声检查师的结果进行比较	使用Robust Video Matting (RVM)模型自动分割和量化颈动脉斑块负担，达到了与资深超声检查师相同的诊断水平	NA	快速准确地识别颈动脉斑块并自动量化斑块负担	颈动脉斑块的自动跟踪和分割	计算机视觉	心血管疾病	深度学习	Robust Video Matting (RVM)	视频	88个颈动脉横断面视频（共11048帧）
19436	2024-08-27	Corrigendum to: Super-resolution based Nodule Localization in Thyroid Ultrasound Images through Deep Learning 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/157340562001240725140602 PMID:39185658	correction	本文是对题为“基于深度学习的甲状腺超声图像中超分辨率结节定位”的文章的更正，补充了资金细节	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19437	2024-08-27	Corrigendum to: Deep Learning-based Automated Knee Joint Localization in Radiographic Images Using Faster R-CNN 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/157340562001240606112211 PMID:39185659	correction	本文是对之前发表的文章中作者隶属关系变更的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19438	2024-08-27	Early Diagnosis: End-to-End CNN-LSTM Models for Mass Spectrometry Data Classification 2023-09-12, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.3c00613 PMID:37624777	研究论文	本文提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的端到端深度学习方法，用于质谱数据分类，以实现早期癌症诊断	该方法能够直接处理原始质谱数据，避免了复杂的前处理和特征选择步骤，同时能够有效降低数据的高维度并捕捉时间模式	NA	提高诊断过程中早期癌症检测的准确性	肿瘤组织和正常组织的早期鉴别	机器学习	NA	LC-MS	CNN-LSTM	质谱数据	NA
19439	2024-08-27	Updates on Compositional MRI Mapping of the Cartilage: Emerging Techniques and Applications 2023-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28689 PMID:37010113	综述	本文综述了当前先进的软骨组成性磁共振成像（MRI）技术及其新兴方法，并讨论了其在临床实践和转化性骨关节炎研究中的应用前景和挑战	介绍了多种新兴的软骨组成性MRI技术，如MR指纹识别、压缩感知、多指数弛豫测量、改进和鲁棒的射频脉冲序列以及基于深度学习的采集、重建和分割方法	目前这些技术在临床实践中的应用仍面临挑战，需要进一步的研究和验证	探讨软骨组成性MRI技术在早期骨关节炎诊断和治疗反应评估中的应用	骨关节炎患者的软骨	医学影像	骨关节炎	磁共振成像（MRI）	深度学习	图像	NA
19440	2024-08-27	A cross-scanner and cross-tracer deep learning method for the recovery of standard-dose imaging quality from low-dose PET 2022-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-021-05644-1 PMID:34950968	研究论文	本文开发了一种深度学习方法，能够在不同扫描器和示踪剂下从低剂量PET图像恢复到标准剂量图像质量	本文创新性地开发了一种条件生成对抗网络（GAN），用于跨扫描器和跨示踪剂的优化，以提高AI在临床实践中的可信度	NA	旨在开发一种AI技术，能够在不同扫描器和示踪剂下独立应用，从低剂量扫描中恢复高质量成像	237名患者的脑部[18F]FDG PET图像，以及不同扫描器和示踪剂下的PET图像	计算机视觉	NA	条件生成对抗网络（GAN）	GAN	图像	237名患者的脑部[18F]FDG PET图像，45名患者的[18F]FDG PET图像，18名患者的[18F]FET PET图像，10名患者的[18F]Florbetapir图像