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
681	2024-10-04	Investigating Transformer Encoding Techniques to Improve Data-Driven Volume-to-Surface Liver Registration for Image-Guided Navigation 2023-Oct, Data engineering in medical imaging : first MICCAI Workshop, DEMI 2023, Held in Conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. DEMI (Workshop) (1st : 2023 : Vancouver, B.C.) DOI:10.1007/978-3-031-44992-5_9 PMID:39139984	研究论文	研究利用Transformer编码技术改进基于数据的体积到表面肝脏配准，以提高图像引导导航的准确性	采用基于Transformer的分割网络来预测非刚性配准的最佳位移场，显著提高了配准的准确性和鲁棒性	研究仅限于体积到表面肝脏配准，未涉及其他器官或更复杂的配准任务	提高腹腔镜肝脏手术中图像引导导航的准确性	肝脏的体积图像与表面图像的非刚性配准	计算机视觉	NA	深度学习	Transformer	图像	涉及多种数据集，具体样本数量未明确说明
682	2024-10-04	Improving Medical Image Classification in Noisy Labels Using only Self-supervised Pretraining 2023-Oct, Data engineering in medical imaging : first MICCAI Workshop, DEMI 2023, Held in Conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. DEMI (Workshop) (1st : 2023 : Vancouver, B.C.) DOI:10.1007/978-3-031-44992-5_8 PMID:39144367	研究论文	本文探讨了在带有噪声标签的医学图像分类中使用自监督预训练来提高分类性能	首次研究了其他自监督方法（如基于 pretext 任务的预训练）对带有噪声标签的学习的影响，并探讨了仅使用自监督预训练方法在医学图像中的应用	仅在两个医学数据集上进行了实验，结果的普适性有待验证	研究自监督预训练在带有噪声标签的医学图像分类中的应用	组织病理学图像和胸部 X 光图像	计算机视觉	NA	自监督学习	深度学习分类模型	图像	两个医学数据集
683	2024-10-04	Scanning Laser Ophthalmoscopy Demonstrates Disc and Peripapillary Strain During Horizontal Eye Rotation in Adults 2023-10, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2023.06.008 PMID:37343739	研究论文	使用扫描激光眼底镜（SLO）和深度学习分析技术，研究了成年人在水平眼球旋转过程中视盘和视网膜及脉络膜血管的机械应变	首次使用自动化图像分析和深度学习技术来量化视盘和视网膜及脉络膜血管在水平眼球旋转过程中的应变	研究仅限于健康成年人的水平眼球旋转，未涉及其他眼球运动或疾病状态	研究水平眼球旋转过程中视盘和视网膜及脉络膜血管的机械应变	视盘、视网膜和脉络膜血管在水平眼球旋转过程中的应变	计算机视觉	NA	扫描激光眼底镜（SLO）	深度学习	图像	22名年轻（平均±标准误，26 ± 5岁）和19名年长（64 ± 10岁）健康志愿者
684	2024-10-04	Towards Accurate Microstructure Estimation via 3D Hybrid Graph Transformer 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43993-3_3 PMID:39219989	研究论文	本文提出了一种基于3D混合图变换器的微结构估计模型，通过整合3D空间信息和角度信息，改进了现有方法的性能	提出了3D混合图变换器（3D-HGT）模型，能够充分利用3D空间信息和角度信息，并通过简化的图神经网络模型和3D变换器模块提高了计算效率	现有方法忽略了3D空间信息，仅依赖于2D切片进行训练	提高微结构估计的准确性，特别是在使用欠采样的扩散MRI数据时	微结构估计	计算机视觉	NA	扩散MRI（dMRI）	混合图变换器（HGT）	图像	来自人类连接组项目的数据
685	2024-10-04	Min-Max Similarity: A Contrastive Semi-Supervised Deep Learning Network for Surgical Tools Segmentation 2023-10, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3266137 PMID:37037256	研究论文	提出了一种基于对比学习的半监督深度学习网络用于手术工具分割	引入了Min-Max相似度（MMS），通过双视图训练构建正负特征对，将学习问题转化为MMS问题	NA	解决医学图像分割中像素级标注数据获取困难的问题	手术工具的分割	计算机视觉	NA	对比学习	NA	图像	测试了四个公开的内窥镜手术工具分割数据集和一个手动标注的耳蜗植入手术数据集
686	2024-10-04	Deep learning denoising of digital breast tomosynthesis: Observer performance study of the effect on detection of microcalcifications in breast phantom images 2023-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.16439 PMID:37145996	研究论文	本文研究了深度学习去噪技术在数字乳腺断层合成（DBT）图像中对微钙化（MCs）检测的影响	开发了一种基于深度学习的去噪器，用于提高DBT图像质量，并通过观察者性能研究验证了其在微钙化检测中的可行性	研究结果的普适性需要进一步在临床环境中对人类受试者和患者群体进行验证	研究深度学习去噪技术在DBT图像中对微钙化检测的影响	数字乳腺断层合成（DBT）图像中的微钙化（MCs）	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	六个5厘米厚的乳腺假体，嵌入了144个模拟的微钙化簇，由七名乳腺放射科医生进行评估
687	2024-10-04	A scoping review on multimodal deep learning in biomedical images and texts 2023-10, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104482 PMID:37652343	综述	本文对多模态深度学习在生物医学图像和文本中的应用进行了综述	本文首次系统性地综述了多模态深度学习在生物医学图像和文本中的应用，并指出了未来的研究方向	本文主要关注了生物医学图像和文本的联合学习，未涵盖其他类型的多模态数据	旨在系统性地综述多模态深度学习在生物医学图像和文本中的应用，并指出当前研究的局限性和未来的研究方向	多模态深度学习在生物医学图像和文本中的应用	自然语言处理	NA	多模态深度学习	NA	图像和文本	NA
688	2024-10-04	Effect of Averaging Measurements From Multiple MRI Pulse Sequences on Kidney Volume Reproducibility in Autosomal Dominant Polycystic Kidney Disease 2023-10, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28593 PMID:36645114	研究论文	研究通过使用多种MRI脉冲序列的平均测量值来提高常染色体显性多囊肾病（ADPKD）患者肾脏体积（TKV）测量的可重复性	利用人工智能算法自动分割肾脏，并在多个MRI脉冲序列上进行测量平均，显著提高了TKV测量的可重复性	研究样本量较小，且仅限于ADPKD患者	提高ADPKD患者肾脏体积测量的可重复性	常染色体显性多囊肾病患者的肾脏体积测量	计算机视觉	肾脏疾病	MRI	2D U-net	图像	397名患者（356名ADPKD患者，41名非ADPKD患者），其中75%用于训练，25%用于验证，40名ADPKD患者用于测试，17名ADPKD患者用于评估可重复性
689	2024-10-04	DeepSWI: Using Deep Learning to Enhance Susceptibility Contrast on T2*-Weighted MRI 2023-10, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28622 PMID:36733222	研究论文	使用深度学习从T2*加权磁共振图像生成合成SWI图像，并评估其与传统SWI图像的相似性和检测放射相关微出血的能力	提出了一种使用深度学习从T2*加权图像生成合成SWI图像的方法，提高了神经血管和微出血的磁敏感对比度，且无残留磁敏感伪影	研究样本量较小，且仅限于放射相关微出血的患者	开发一种从临床T2*加权图像生成合成SWI图像的工具，并评估其性能	放射相关微出血的成人患者	计算机视觉	NA	深度学习	NA	图像	145名成人患者（87名男性/58名女性；平均年龄43.9岁），用于训练（16,093个补丁/121名患者）、验证（484个补丁/4名患者）和测试（2420个补丁/20名患者）
690	2024-10-04	Pie-Net: Prior-information-enabled deep learning noise reduction for coronary CT angiography acquired with a photon counting detector CT 2023-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.16411 PMID:37042049	研究论文	本文提出了一种利用低噪声虚拟单能图像作为先验信息，通过深度学习技术减少高分辨率光子计数探测器CT冠状动脉CT血管造影图像噪声的方法	本文创新性地利用低噪声虚拟单能图像作为先验信息，通过Pie-Net神经网络实现了对高分辨率光子计数探测器CT图像的噪声减少，相比传统的U-net方法，Pie-Net在保持空间和光谱保真度的同时，显著提高了去噪性能	本文仅在10名患者的冠状动脉CT血管造影数据上进行了验证，样本量较小，可能影响结果的普适性	开发一种利用先验信息减少高分辨率光子计数探测器CT冠状动脉CT血管造影图像噪声的深度学习技术	高分辨率光子计数探测器CT冠状动脉CT血管造影图像的噪声减少	计算机视觉	心血管疾病	光子计数探测器CT	卷积神经网络	图像	10名患者的冠状动脉CT血管造影数据
691	2024-10-04	AI-based analysis of social media language predicts addiction treatment dropout at 90 days 2023-10, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-023-01585-5 PMID:37095253	研究论文	本文评估了基于AI的数字表型在预测物质使用障碍治疗中患者90天治疗结果的能力	使用社交媒体语言和BERT模型生成风险评分，预测治疗脱落概率	样本量较小，仅涉及269名患者	评估AI模型在预测物质使用障碍治疗中患者90天治疗结果的能力	接受物质使用障碍治疗的269名患者	机器学习	物质使用障碍	BERT模型	双向编码器表示转换器（BERT）	文本	269名患者
692	2024-10-04	Physics-Guided Deep Scatter Estimation by Weak Supervision for Quantitative SPECT 2023-10, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3270868 PMID:37104110	研究论文	本文提出了一种基于弱监督的物理引导深度散射估计框架，用于定量SPECT中的快速准确散射估计	使用100倍短的MC模拟作为弱标签，并通过深度神经网络增强，实现了快速且准确的散射估计，同时允许对新测试数据进行快速微调	NA	提高定量SPECT中图像对比度和准确性的散射估计	定量SPECT中的散射估计	计算机视觉	NA	Monte-Carlo (MC) 模拟	深度神经网络	图像	训练数据包括18个XCAT模型，评估数据包括6个XCAT模型、4个虚拟患者模型、1个躯干模型和3个来自2名患者的临床扫描
693	2024-10-04	Direct synthesis of multi-contrast brain MR images from MR multitasking spatial factors using deep learning 2023-10, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29715 PMID:37246485	研究论文	开发了一种深度学习方法，用于从MR多任务空间因子合成脑部常规对比加权图像	提出了一种基于2D U-Net的神经网络，用于从MR多任务空间因子合成常规对比加权图像，相较于基于Bloch方程的合成方法，该方法在图像质量和定量评估方面表现更优	NA	开发一种深度学习技术，用于从MR多任务空间因子合成脑部常规对比加权图像	脑部常规对比加权图像的合成	计算机视觉	NA	MR多任务序列	U-Net	图像	18名受试者
694	2024-10-04	Enhancement of Non-Linear Deep Learning Model by Adjusting Confounding Variables for Bone Age Estimation in Pediatric Hand X-rays 2023-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00849-2 PMID:37268839	研究论文	本文研究了在非线性深度学习模型中调整混杂变量以提高儿童手部X光片骨龄估计的性能	首次探讨了在非线性深度学习模型中利用混杂变量进行骨龄估计	需要进一步研究不同临床设置下模型的性能和泛化能力	研究在非线性深度学习模型中调整混杂变量对骨龄估计的影响	儿童手部X光片的骨龄估计	计算机视觉	NA	深度学习	U-Net	图像	RSNA数据集用于训练和内部验证，AMC数据集用于外部验证，共227张儿童手部X光片
695	2024-10-04	Performance of an automated deep learning algorithm to identify hepatic steatosis within noncontrast computed tomography scans among people with and without HIV 2023-10, Pharmacoepidemiology and drug safety IF:2.4Q2 DOI:10.1002/pds.5648 PMID:37276449	研究论文	本文评估了一种基于深度学习算法（ALARM）在非对比腹部CT图像中自动识别肝脂肪变性的准确性，并与放射科医生的手动评估进行比较	开发了一种自动肝脏衰减区域兴趣测量（ALARM）算法，用于在非对比腹部CT图像中识别肝脂肪变性，这在以前的方法中尚未实现	样本量较小，仅包括120名患者，且未详细说明数据集的多样性	评估深度学习算法在非对比腹部CT图像中识别肝脂肪变性的准确性，并探讨其在HIV患者中的应用	非对比腹部CT图像中的肝脂肪变性，特别是HIV患者	计算机视觉	肝病	深度学习算法	NA	图像	120名患者，其中51名为HIV患者
696	2024-10-04	Deep learning-based Lorentzian fitting of water saturation shift referencing spectra in MRI 2023-10, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29718 PMID:37279008	研究论文	本文提出了一种基于深度学习的单洛伦兹拟合网络（sLoFNet），用于在磁共振成像（MRI）中快速且准确地分析水饱和位移参考（WASSR）Z谱	sLoFNet在处理高噪声和低采样密度数据时表现出比传统最小二乘法（LS）更高的鲁棒性和更快的速度	尽管sLoFNet在噪声和采样密度方面表现优异，但在低噪声样本上与LS方法的性能相当	开发一种新的方法来提高WASSR Z谱分析的速度和准确性	WASSR Z谱及其在化学交换饱和转移（CEST）MRI中的应用	计算机视觉	NA	磁共振成像（MRI）	神经网络	信号数据	包括模拟数据和3T脑部扫描的体内数据
697	2024-10-04	Using Deep Learning to Detect the Presence and Location of Hemoperitoneum on the Focused Assessment with Sonography in Trauma (FAST) Examination in Adults 2023-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00845-6 PMID:37286904	研究论文	本研究开发了一种深度学习算法，用于在创伤超声重点评估（FAST）检查中检测腹腔内出血的存在和位置	本研究的创新点在于使用YoloV3对象检测算法，显著提高了检测的敏感性、特异性、准确性和AUC，并展示了在定位方面的优势	本研究的局限性在于样本量相对较小，且仅限于成人患者	本研究旨在开发一种深度学习算法，帮助新手临床医生在FAST检查中准确解读图像	本研究的对象是94名成年患者的右上腹FAST检查图像，其中44名患者确诊为腹腔内出血	计算机视觉	NA	深度学习	YoloV3	图像	94名成年患者，其中44名确诊为腹腔内出血
698	2024-10-04	A Multi-Stage Faster RCNN-Based iSPLInception for Skin Disease Classification Using Novel Optimization 2023-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00848-3 PMID:37322306	研究论文	本文提出了一种基于多阶段Faster RCNN的iSPLInception方法，用于皮肤疾病分类，并使用新颖的优化算法提高分类效果	本文的创新点在于提出了多阶段Faster RCNN-based iSPLInception方法，并使用Inception-ResNet设计进行模型构建，同时采用草原犬鼠优化算法进行候选框删除，以提高分类效果	本文的局限性在于仅使用了两个皮肤疾病数据集进行实验，可能无法全面代表所有皮肤疾病的分类情况	本文的研究目的是提高皮肤疾病分类的准确性和效率	本文的研究对象是皮肤疾病，特别是良性和恶性肿瘤的分类	计算机视觉	皮肤癌	深度学习	Faster RCNN, iSPLInception	图像	使用了两个数据集，分别是ISIC 2019皮肤病变图像分类数据集和HAM10000数据集
699	2024-10-04	COVID-19 Severity Prediction from Chest X-ray Images Using an Anatomy-Aware Deep Learning Model 2023-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00861-6 PMID:37369941	研究论文	本文提出了一种解剖学感知的深度学习模型，用于从胸部X光图像预测COVID-19的严重程度	该模型通过考虑人体解剖学信息，从X光图像中学习通用特征，并生成包括疾病级别特征和肺部参与评分的特征向量	NA	开发一种自动评估COVID-19严重程度的深度学习模型，特别是在缺乏专业放射科医生的低资源医院中	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	深度学习	解剖学感知深度学习模型	图像	使用了四个不同的开源数据集和一个内部注释的测试集进行训练和评估
700	2024-10-04	HCformer: Hybrid CNN-Transformer for LDCT Image Denoising 2023-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00842-9 PMID:37386333	研究论文	本文提出了一种结合CNN和Transformer结构的混合模型HCformer，用于低剂量CT图像去噪	HCformer结合了CNN的局部信息处理能力和Transformer的全局信息处理能力，通过设计邻域特征增强模块和移动窗口方法，降低了计算复杂度并提高了图像去噪效果	NA	开发一种图像后处理方法，减少低剂量CT扫描对患者的影响，提高图像质量	低剂量CT图像	计算机视觉	NA	深度学习	混合CNN-Transformer模型	图像	使用了AAPM 2016 LDCT挑战赛数据集进行实验