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
241	2025-01-04	Deep Unsupervised Representation Learning for Feature-Informed EEG Domain Extraction 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3339179 PMID:38048235	研究论文	本文提出了一种新的推理模型——联合嵌入变分自编码器，用于改进脑电图（EEG）分类中的特征提取和模型优化	提出了一种新的联合嵌入变分自编码器模型，通过联合优化的变分自编码器实现条件更紧密的时空特征分布估计，从而在不牺牲模型紧密性的情况下提高整体模型优化和扩展	模型依赖于EEG信号的复杂特征提取，这些特征的检测和定义本身具有挑战性	改进脑电图（EEG）分类中的特征提取和模型优化，特别是在目标受试者数据难以获取的情况下	脑电图（EEG）信号	机器学习	NA	变分自编码器	联合嵌入变分自编码器	脑电图（EEG）信号	未明确提及具体样本数量
242	2024-12-28	Learned Tensor Low-CP-Rank and Bloch Response Manifold Priors for Non-Cartesian MRF Reconstruction 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3302872 PMID:37549069	研究论文	本文提出了一种结合MRF物理先验和数据相关性约束的联合重建模型，用于非笛卡尔MRF重建	提出了一种学习的CANDECOMP/PARAFAC (CP)分解模块来利用高维MRF数据的张量低秩先验，并提出了Bloch响应流形模块来学习重建MRF数据与多参数映射之间的关系	当前深度学习方法通常缺乏可解释性，且大多数不适用于非笛卡尔场景	提高非笛卡尔MRF重建的准确性和计算效率	磁共振指纹成像（MRF）数据	医学影像处理	NA	磁共振指纹成像（MRF）	深度神经网络	MRF数据	NA
243	2024-12-28	Continual Nuclei Segmentation via Prototype-Wise Relation Distillation and Contrastive Learning 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3307892 PMID:37610902	研究论文	本文提出了一种新的连续学习核分割方法，通过原型关系蒸馏和对比学习来避免旧类知识的遗忘并促进新类的学习	提出了原型关系蒸馏和对比学习的方法，解决了连续学习中的灾难性遗忘问题	未提及具体的数据集规模限制或计算资源需求	研究在连续学习框架下进行多类型核分割的问题	多类型核分割	计算机视觉	NA	深度学习	NA	图像	使用了MoNuSAC和CoNSeP两个多类型核分割基准数据集
244	2024-12-28	TT U-Net: Temporal Transformer U-Net for Motion Artifact Reduction Using PAD (Pseudo All-Phase Clinical-Dataset) in Cardiac CT 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3310933 PMID:37651491	研究论文	本文提出了一种基于深度学习的框架，用于减少动态心脏CT中的运动伪影	提出了TT U-Net（Temporal Transformer U-Net），利用自注意力机制在时间维度上编码运动信息，从而更好地减少运动伪影	NA	减少动态心脏CT中的运动伪影	心脏CT图像	数字病理学	心血管疾病	深度学习	TT U-Net	图像	基于PAD（Pseudo All-phase clinical-Dataset）构建的数据集
245	2024-12-28	Stable Deep MRI Reconstruction Using Generative Priors 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3311345 PMID:37656651	研究论文	本文提出了一种基于生成图像先验的稳定深度MRI重建方法	提出了一种新颖的深度神经网络正则化器，仅在参考幅度图像上进行生成训练，并在经典变分方法中嵌入训练模型，实现了高质量的重建	尽管在对比度变化等分布外数据上表现出稳定行为，但临床常规应用仍面临挑战	解决MRI重建中的泛化性和可解释性问题	磁共振成像（MRI）数据	计算机视觉	NA	深度神经网络	生成模型	图像	NA
246	2024-12-28	Subspace Model-Assisted Deep Learning for Improved Image Reconstruction 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3313421 PMID:37682643	研究论文	本文提出了一种结合模型驱动和数据驱动学习的新方法，用于改进图像重建	该方法通过整合线性向量空间框架、深度网络和基于展开的深度网络，解决了深度学习重建中的数据扰动敏感性和泛化能力有限的问题	需要大量训练数据来学习高维图像先验，这在医学成像应用中目前尚不可用	改进从有限和/或稀疏数据中进行图像重建的方法	图像重建	计算机视觉	NA	深度学习	深度网络	图像	NA
247	2024-12-28	Breast Fibroglandular Tissue Segmentation for Automated BPE Quantification With Iterative Cycle-Consistent Semi-Supervised Learning 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3319646 PMID:37756174	研究论文	本文提出了一种新颖的迭代循环一致性半监督学习框架，用于乳腺纤维腺体组织分割，以实现自动化的背景实质增强（BPE）量化	提出了一种迭代循环一致性半监督学习框架，通过使用大量未标注的配对前后对比图像来提升分割性能，并设计了重建网络与分割网络级联，探索两阶段图像之间的相互关系	需要大量未标注的配对前后对比图像，且实验仅在两个数据集上进行验证	提高乳腺纤维腺体组织分割的准确性，实现自动化的背景实质增强（BPE）量化	乳腺纤维腺体组织	计算机视觉	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	半监督学习框架	图像	两个数据集
248	2024-12-28	UPL-SFDA: Uncertainty-Aware Pseudo Label Guided Source-Free Domain Adaptation for Medical Image Segmentation 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3318364 PMID:37738202	研究论文	本文提出了一种新的不确定性感知伪标签引导的源自由域适应方法（UPL-SFDA），用于医学图像分割	提出了目标域增长（TDG）和两次前向传递监督（TFS）策略，通过增强目标域预测的多样性和使用可靠的伪标签进行监督，提高了源自由域适应的性能	尽管在多个数据集上验证了方法的有效性，但未提及在更广泛或更具挑战性的数据集上的表现	提高医学图像分割模型在新目标域上的适应能力	医学图像分割模型	计算机视觉	NA	源自由域适应（SFDA）	深度学习模型	医学图像	多站点心脏MRI分割数据集、跨模态胎儿脑分割数据集和3D胎儿组织分割数据集
249	2024-12-28	Semi-Supervised Representation Learning for Segmentation on Medical Volumes and Sequences 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3319973 PMID:37756175	研究论文	本文提出了一种半监督表示学习方法，用于医学体积和序列的分割	提出了两个新模块，分别用于增强编码器和解码器的特征，包括基于切片/帧之间连续性的非对称网络和基于语义一致性的语义对比学习	未提及具体局限性	提高高维医学体积和序列的分割性能	医学体积和序列	数字病理学	NA	半监督学习	非对称网络	医学体积和序列	在三个基准数据集（ACDC、Prostate、CAMUS）上进行了评估
250	2024-12-28	CoInNet: A Convolution-Involution Network With a Novel Statistical Attention for Automatic Polyp Segmentation 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3320151 PMID:37768798	研究论文	本文提出了一种名为CoInNet的卷积-反卷积网络，用于自动息肉分割，通过统计注意力单元和异常边界近似模块提高分割精度	CoInNet结合了卷积和反卷积操作的优势，并通过统计特征注意力单元学习不同特征图之间的关系，同时引入了异常边界近似模块来优化分割结果	NA	开发一种自动息肉分割模型，以辅助医生在胃肠道区域的早期诊断	胃肠道息肉	计算机视觉	结直肠癌	NA	卷积-反卷积网络（CoInNet）	图像	五个基准息肉分割数据集
251	2024-12-25	Deep Learning-Based Visual Complexity Analysis of Electroencephalography Time-Frequency Images: Can It Localize the Epileptogenic Zone in the Brain? 2023-Dec, Algorithms IF:1.8Q2 DOI:10.3390/a16120567 PMID:39712322	研究论文	本文提出了一种基于深度学习的视觉复杂度分析方法，用于解释从颅内脑电图（iEEG）数据中提取的时间-频率（TF）图像，并评估其识别大脑癫痫灶（EZ）的能力	本文创新性地使用预训练的VGG16网络从13个卷积层中提取无监督激活能量（UAE），并通过支持向量机分类器识别大脑中的兴趣点，从而实现对癫痫灶的定位	本文仅分析了20名儿童的颅内脑电图数据，样本量较小，可能限制了结果的普适性	评估基于深度学习的视觉复杂度分析方法在识别大脑癫痫灶中的应用	颅内脑电图（iEEG）信号及其时间-频率图像	计算机视觉	癫痫	深度学习	VGG16	图像	1928个接触点，来自20名患有药物难治性癫痫的儿童
252	2024-12-25	Concurrent Ischemic Lesion Age Estimation and Segmentation of CT Brain Using a Transformer-Based Network 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3287361 PMID:37335797	研究论文	本文提出了一种基于Transformer的多任务网络，用于同时进行脑CT图像中的缺血性病变分割和年龄估计	首次将深度学习应用于同时进行病变年龄估计和分割，利用了两者之间的互补关系，并引入了门控位置自注意力和CT特定数据增强技术	实验仅在两个医疗中心的776张CT图像上进行评估，样本量相对较小	开发一种能够同时进行脑CT图像中缺血性病变分割和年龄估计的自动化方法，以辅助临床决策	脑CT图像中的缺血性病变	计算机视觉	中风	Transformer网络	Transformer	图像	776张脑CT图像
253	2024-12-25	Artifact Detection and Restoration in Histology Images With Stain-Style and Structural Preservation 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3288940 PMID:37352087	研究论文	本文提出了一种用于组织学图像中伪影检测和修复的预处理框架，旨在减少伪影对下游AI诊断任务的影响	本文的创新点在于提出了一个系统化的预处理框架，能够自动检测和修复组织学图像中的伪影，并保留染色风格和组织结构	NA	减少组织学图像中伪影对AI诊断任务的影响，提高自动化程度	组织学图像中的伪影检测和修复	数字病理学	结直肠癌、乳腺癌	NA	AR-Classifier、AR-CycleGAN	图像	临床收集的全切片图像（WSIs）和公开的结直肠癌、乳腺癌数据集
254	2024-12-25	Equilibrated Zeroth-Order Unrolled Deep Network for Parallel MR Imaging 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3293826 PMID:37428656	研究论文	本文提出了一种用于并行磁共振成像的零阶展开深度网络方法	本文创新性地提出了一个保护性的网络展开方法，通过将零阶算法展开，使网络模块本身作为正则化器，确保网络输出符合正则化模型，并证明了网络在噪声干扰下的鲁棒性	目前缺乏理论保证展开网络的全局收敛性和鲁棒性	解决现有展开网络在理论上的不足，提出一种新的展开方法以提高并行磁共振成像的性能	并行磁共振成像中的图像重建	机器学习	NA	深度学习	深度网络	图像	NA
255	2024-12-24	Label-Efficient Self-Supervised Federated Learning for Tackling Data Heterogeneity in Medical Imaging 2023-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3233574 PMID:37018314	研究论文	本文提出了一种用于医学图像分析的鲁棒且高效的标签自监督联邦学习框架，通过Transformer和掩码图像建模来解决数据异质性问题	引入了一种基于Transformer的自监督预训练范式，直接在分散的目标任务数据集上进行预训练，以增强对异质数据的鲁棒表示学习和有效的知识迁移	未提及具体限制	解决联邦学习中由于数据异质性和缺乏高质量标签数据导致性能下降的问题	医学图像分类任务，包括视网膜、皮肤病和胸部X光分类	计算机视觉	NA	联邦学习 (FL)	Transformer	图像	模拟和真实世界的非独立同分布 (non-IID) 医学图像数据集
256	2024-12-24	Federated Active Learning for Multicenter Collaborative Disease Diagnosis 2023-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3227563 PMID:37015520	研究论文	本文提出了两种联邦主动学习方法，用于多中心协作疾病诊断，以提高数据和客户端的效率	提出了Labeling Efficient Federated Active Learning (LEFAL)和Training Efficient Federated Active Learning (TEFAL)两种方法，分别通过任务无关的混合采样策略和客户端信息评估来提高数据和客户端的效率	未提及具体限制	解决多中心协作疾病诊断中的大规模标注负担、隐私保护和模型泛化问题	多中心协作疾病诊断	计算机视觉	胃肠道疾病, COVID-19	联邦主动学习	NA	图像	Hyper-Kvasir数据集（65%标注数据）, CC-CCII数据集（50次迭代）
257	2024-12-24	Deep learning based registration of serial whole-slide histopathology images in different stains 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100311 PMID:37214150	研究论文	本文提出了一种基于深度学习的注册网络CGNReg，用于在不同染色下对连续的全切片病理图像进行空间对齐	本文提出了一种新的基于深度学习的注册网络CGNReg，能够在没有先验变形信息的情况下，对H&E和IHC标记的连续全切片图像进行空间对齐	本文的局限性在于仅在乳腺癌患者的数据集上进行了评估，未来需要在更多类型的病理图像上进行验证	研究目的是对多染色病理全切片图像块的连续切片进行注册	研究对象是H&E和IHC标记的连续全切片病理图像	数字病理学	乳腺癌	深度学习	全卷积网络	图像	76名乳腺癌患者，每位患者有1张H&E和2张IHC连续全切片图像
258	2024-12-24	Pan-tumor T-lymphocyte detection using deep neural networks: Recommendations for transfer learning in immunohistochemistry 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100301 PMID:36994311	研究论文	本文研究了使用深度神经网络进行泛肿瘤T淋巴细胞检测，并提出了在免疫组化中进行迁移学习的建议	本文采用了RetinaNet架构进行T淋巴细胞检测，并通过迁移学习减少了不同肿瘤类型之间的领域差距，提高了算法的鲁棒性	本文的实验主要在特定数据集上进行，未涵盖所有可能的病理实验室或样本类型	研究如何通过计算机辅助系统高效量化肿瘤中的免疫细胞，并提高免疫细胞评分算法的鲁棒性和可重复性	泛肿瘤中的T淋巴细胞	计算机视觉	NA	深度学习	RetinaNet	图像	具体样本数量未在摘要中提及
259	2024-12-21	IsletSwipe, a mobile platform for expert opinion exchange on islet graft images 2023-12-31, Islets IF:1.9Q3 DOI:10.1080/19382014.2023.2189873 PMID:36987915	研究论文	本文介绍了一个名为IsletSwipe的移动平台，用于专家之间交换胰岛移植图像的意见，以促进共识的形成	开发了一个新的平台IsletSwipe，用于专家之间交换胰岛移植图像的意见，以解决IsletNet训练中缺乏共识的问题	询问场景仅限于少量手动选择的图像和胰岛，且需要专家的参与	开发一个平台，促进专家之间对胰岛移植图像的意见交换，以形成共识	胰岛移植图像的专家意见交换	机器学习	NA	深度学习	神经网络	图像	9位专家来自3个中心，8位专家来自2个中心
260	2024-12-20	Extensive T1-weighted MRI Preprocessing Improves Generalizability of Deep Brain Age Prediction Models 2023-Oct-30, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.10.540134 PMID:37214863	研究论文	本文研究了T1加权磁共振图像（T1w MRI）预处理对深度学习脑龄预测模型性能的影响	本文发现广泛的T1w预处理可以提高模型的平均绝对误差（MAE），尤其是在应用于新数据集时	本文仅评估了四种预处理管道，未涵盖所有可能的预处理方法	研究T1w图像预处理对深度学习脑龄预测模型性能的影响	T1加权磁共振图像（T1w MRI）和深度学习脑龄预测模型	计算机视觉	NA	深度学习	深度学习模型	图像	NA