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
581	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
582	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
583	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
584	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
585	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）
586	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
587	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
588	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
589	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
590	2024-12-20	Deformable Spherical Transformer for Cerebellar Surface Parcellation 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230447 PMID:39698481	研究论文	本文提出了一种基于深度学习的端到端方法，用于自动分割小脑皮质表面，该方法结合了球形Transformer架构和可变形注意力机制	本文创新性地提出了可变形球形Transformer，通过结合球形Transformer架构和可变形注意力机制，能够自适应地关注球形小脑表面上的关键和具有挑战性的区域	NA	开发一种新的端到端深度学习方法，用于自动分割具有内在球形拓扑结构的小脑皮质表面	小脑皮质表面的自动分割	计算机视觉	NA	深度学习	Transformer	图像	NA
591	2024-12-19	Spatiotemporal Rhythmic Seizure Sources Can be Imaged by means of Biophysically Constrained Deep Neural Networks 2023-Dec-01, medRxiv : the preprint server for health sciences DOI:10.1101/2023.11.30.23299218 PMID:38076950	研究论文	本文研究了一种基于深度学习的源成像框架（DeepSIF），用于从高密度脑电图（EEG）记录中成像药物难治性局灶性癫痫患者的癫痫发作活动	提出了一个新颖的深度学习源成像框架（DeepSIF），并展示了其在癫痫发作源成像中的优越性能	研究仅限于药物难治性局灶性癫痫患者，未来需要进一步验证其在其他类型癫痫中的应用	开发一种非侵入性方法来成像癫痫发作活动，以帮助指导临床决策和改善癫痫患者的治疗效果	药物难治性局灶性癫痫患者的癫痫发作活动	机器学习	癫痫	深度学习	深度神经网络	脑电图（EEG）	33名药物难治性局灶性癫痫患者
592	2024-12-19	EEG-Based Machine Learning Models to Evaluate Haptic Delay: Should We Label Data Based on Self-Reporting or Physical Stimulation? 2023 Oct-Dec, IEEE transactions on haptics IF:2.4Q2 DOI:10.1109/TOH.2023.3270666 PMID:37126610	研究论文	本文探讨了基于EEG数据的机器学习模型在评估触觉延迟时，使用自我报告标签与物理刺激标签的比较	首次系统研究了在评估触觉体验时，使用自我报告标签与物理刺激标签对机器学习模型性能的影响	研究结果仅适用于触觉延迟这一特定触觉体验，不能推广到其他触觉体验	探讨在评估触觉体验时，使用自我报告标签与物理刺激标签哪种方法更有效	触觉延迟的评估	机器学习	NA	EEG	机器学习模型和深度学习模型	EEG数据	NA
593	2024-12-18	ORRN: An ODE-Based Recursive Registration Network for Deformable Respiratory Motion Estimation With Lung 4DCT Images 2023-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3280463 PMID:37279120	研究论文	本文提出了一种基于常微分方程（ODE）的递归配准网络ORRN，用于从肺部4DCT图像中估计可变形呼吸运动	ORRN采用递归配准策略，通过ODE积分逐步估计变形场，能够有效处理4D医学数据中的器官运动模式	NA	开发一种能够准确、快速处理4D医学数据中器官运动的可变形图像配准方法	肺部4DCT图像中的呼吸运动	计算机视觉	NA	常微分方程（ODE）	递归神经网络	图像	两个公开的肺部4DCT数据集，DIRLab和CREATIS
594	2024-12-18	Learning to Summarize Chinese Radiology Findings With a Pre-Trained Encoder 2023-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3280987 PMID:37314905	研究论文	本文提出了一种基于预训练编码器的中文放射学报告自动摘要方法	本文引入了新的任务导向预训练目标Pseudo Summary Objective，并开发了中文预训练语言模型CMBERT，用于初始化编码器并进行微调	现有方法无法直接应用于中文放射学报告摘要	开发一种自动摘要方法，以减轻医生在计算机辅助诊断中的工作负担	中文胸部放射学报告	自然语言处理	NA	预训练语言模型	BERT	文本	使用了来自湘雅二医院放射科的中文胸部放射学报告作为微调语料
595	2024-12-18	Optical Microphone-Based Speech Reconstruction System With Deep Learning for Individuals With Hearing Loss 2023-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3285437 PMID:37327105	研究论文	本文提出了一种基于深度学习的语音增强方法，结合光学麦克风系统，用于改善听力受损患者的语音感知	该方法通过光学麦克风和深度学习技术，能够在非平稳噪声和远距离说话的情况下有效增强语音信号，克服了传统语音增强方法的局限性	NA	克服传统语音增强方法在非平稳噪声和远距离说话情况下的局限性	听力受损患者的语音感知	机器学习	听力障碍	深度学习	NA	语音信号	七种典型的听力损失类型
596	2024-12-18	CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data 2023-Apr-12, ArXiv PMID:37090237	研究论文	本文提出了一种名为CLCLSA的深度学习方法，用于整合不完整的多组学数据，通过跨组学链接嵌入、对比学习和自注意力机制来实现	创新点在于使用跨组学自编码器学习不同类型生物数据的特征表示，并结合多组学对比学习和特征级、组学级的自注意力机制，以动态识别最具信息量的特征	本文未提及具体的局限性	研究目的是通过整合异质性和高维的多组学数据，更全面地理解疾病和表型	研究对象是多组学数据，特别是存在不完整数据的情况	机器学习	NA	对比学习、自注意力机制	自编码器	多组学数据	四个公共多组学数据集
597	2024-12-18	A Multitask Approach for Automated Detection and Segmentation of Thyroid Nodules in Ultrasound Images 2023-Mar-28, medRxiv : the preprint server for health sciences DOI:10.1101/2023.01.31.23285223 PMID:36778410	研究论文	本文提出了一种多任务方法，用于在超声图像中自动检测和分割甲状腺结节	该方法通过结合异常检测模块与U-Net架构变体，实现了对可疑图像的检测和潜在结节的分割，提高了模型的临床可转化性	NA	开发一种自动化的方法，用于在超声图像中检测和分割甲状腺结节，以改善风险分层并减少医疗成本和患者不适	甲状腺结节和甲状腺癌	计算机视觉	甲状腺癌	深度学习	U-Net	图像	280名患者，共9,888张图像
598	2024-12-18	Automated evaluation of cardiac contractile dynamics and aging prediction using machine learning in a Drosophila model 2023-Mar-21, Research square DOI:10.21203/rs.3.rs-2635745/v1 PMID:36993511	研究论文	本文提出了一种基于深度学习的平台，用于果蝇心脏的光学显微镜图像分割，并首次量化了心脏生理参数在衰老过程中的变化	首次使用深度学习和机器学习方法预测果蝇的衰老，并量化心脏生理参数，同时提出了预测心律失常的节律级动态分析方法	本文未详细讨论模型的可解释性和泛化能力	开发一种自动化方法，用于评估果蝇心脏收缩动力学和预测衰老	果蝇心脏的收缩动力学和衰老过程	机器学习	心血管疾病	深度学习	CNN	视频	实验测试数据集用于验证衰老模型
599	2024-12-17	MetaNO: How to Transfer Your Knowledge on Learning Hidden Physics 2023-Dec-15, Computer methods in applied mechanics and engineering IF:6.9Q1 DOI:10.1016/j.cma.2023.116280 PMID:38292246	研究论文	本文提出了一种新的元学习方法MetaNO，用于神经算子，旨在在不同参数场的未知PDE之间转移解算子的知识	提出了一种新的元学习方法MetaNO，能够在不同参数场的未知PDE之间转移解算子的知识，并证明了其在神经算子模型第一层捕获底层参数场的能力	NA	研究如何将知识从已知的物理系统转移到新的、未见过的材料样本上，以提高采样效率	材料样本的微观结构和力学参数，以及隐藏的PDE的解算子	机器学习	NA	神经算子	神经算子	数据	NA
600	2024-12-17	Simultaneous data assimilation and cardiac electrophysiology model correction using differentiable physics and deep learning 2023-Dec-06, Interface focus IF:3.6Q1 DOI:10.1098/rsfs.2023.0043 PMID:38106918	研究论文	本文提出了一种结合可微物理和深度学习的混合方法，用于同时进行数据同化和心脏电生理学模型修正	本文的创新点在于将深度学习与物理模型相结合，通过数据驱动的方式补充简化的心脏模型，并同时估计模型参数	本文的局限性在于未详细讨论该方法在实际临床应用中的可行性和效果	本文的研究目的是改进心脏电生理学建模，提供一种鲁棒的生物物理工具用于预测	本文的研究对象是心脏电生理学模型及其参数估计	生物医学工程	心血管疾病	深度学习	混合模型	数据	NA