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
1	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
2	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
3	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
4	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
5	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
6	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
7	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
8	2024-12-17	AI prediction of extracorporeal shock wave lithotripsy outcomes for ureteral stones by machine learning-based analysis with a variety of stone and patient characteristics 2023-Dec-02, Urolithiasis IF:2.0Q2 DOI:10.1007/s00240-023-01506-7 PMID:38041695	研究论文	本文提出了一种基于机器学习的人工智能预测方法，用于预测体外冲击波碎石术治疗输尿管结石的结果	该方法通过分析多种变量，包括患者特征和结石特征，使用非线性支持向量机进行预测，并应用排列特征重要性分析各因素对预测结果的影响	未来需要使用更大规模的高分辨率临床非对比CT图像数据进行验证，并考虑应用深度学习技术	开发一种能够有效预测体外冲击波碎石术治疗输尿管结石结果的人工智能方法	输尿管结石患者及其体外冲击波碎石术治疗结果	机器学习	泌尿系统疾病	非对比CT图像分析	支持向量机	图像	171名患者
9	2024-12-14	DraiNet: AI-driven decision support in pneumothorax and pleural effusion management 2023-Dec-27, Pediatric surgery international IF:1.5Q3 DOI:10.1007/s00383-023-05609-5 PMID:38151565	研究论文	本文介绍了DraiNet，一种用于检测儿童气胸和胸腔积液的深度学习模型，旨在辅助评估是否需要胸管引流	DraiNet通过结合深度学习算法和临床专业知识，提供了一个有价值的工具，用于非外科团队和急诊室医生在手术干预方面的决策支持	NA	开发一种AI驱动的决策支持工具，以增强在气胸和胸腔积液管理中的临床决策	儿童气胸和胸腔积液的检测	计算机视觉	气胸	深度学习	深度学习模型	CT扫描图像	多样化的儿童CT扫描数据集，由经验丰富的外科医生仔细标注
10	2024-12-13	Artificial Intelligence and Machine Learning in Cancer Related Pain: A Systematic Review 2023-Dec-08, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.06.23299610 PMID:38105979	综述	本文系统回顾了人工智能/机器学习（AI/ML）在癌症相关疼痛预测和管理决策中的应用	本文展示了多种新型AI/ML工具在癌症疼痛分类、风险分层和管理决策中的潜力	大多数研究缺乏外部验证和临床应用，模型校准报告不足	探索AI/ML在癌症疼痛相关结果预测和疼痛管理决策支持中的应用	癌症患者的疼痛管理	机器学习	癌症	NA	随机森林模型、Lasso模型、支持向量机	NA	44项研究，涵盖2006-2023年
11	2024-12-12	Five dominant dimensions of brain aging are identified via deep learning: associations with clinical, lifestyle, and genetic measures 2023-Dec-30, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.29.23300642 PMID:38234857	研究论文	本文利用深度表示学习方法Surreal-GAN，在大规模多样化的49,482名个体中识别出五种主要的脑老化模式，并量化了这些模式与临床、生活方式和遗传因素的关联	本文首次使用Surreal-GAN方法在大规模多样化的群体中识别和量化脑老化的五种主要模式，并展示了这些模式与多种因素的显著关联	本文未详细讨论Surreal-GAN方法的具体实现细节，且未在其他数据集上验证其泛化能力	揭示脑老化的异质性，并探索其与临床、生活方式和遗传因素的关联	49,482名来自11个研究的个体的大脑MRI数据	计算机视觉	NA	深度学习	GAN	图像	49,482名个体
12	2024-12-12	Prognosis Forecast of Re-Irradiation for Recurrent Nasopharyngeal Carcinoma Based on Deep Learning Multi-Modal Information Fusion 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3286656 PMID:37384472	研究论文	本研究利用深度学习多模态信息融合技术，预测复发性鼻咽癌再放疗后的鼻咽坏死情况	提出了一种基于多模态信息融合的深度学习方法，通过监督分类损失和自监督重建损失的结合，有效融合了多序列核磁共振成像和计划剂量的信息	未提及具体的研究局限性	通过预测鼻咽坏死情况，为临床决策提供支持，减少再放疗引起的并发症	复发性鼻咽癌患者再放疗后的鼻咽坏死情况	机器学习	鼻咽癌	深度学习	NA	图像	多中心数据集
13	2024-12-12	Self-Supervised Triplet Contrastive Learning for Classifying Endometrial Histopathological Images 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3314663 PMID:37698968	研究论文	本文提出了一种新的自监督三重对比学习模型，用于分类子宫内膜组织病理学图像	本文创新性地引入了随机马赛克掩码（RMM）模块和瓶颈Transformer（BoT）模型，以增强模型的泛化能力和全局信息学习能力	本文未详细讨论模型在不同数据分布下的泛化能力以及对标注数据依赖的具体程度	开发一种能够有效分类子宫内膜组织病理学图像的自监督学习模型，以辅助病理学家进行早期子宫内膜癌或癌前病变的诊断	子宫内膜组织病理学图像	数字病理学	子宫内膜癌	自监督学习	三重对比学习模型	图像	公共数据集和内部数据集，分别用于四分类和三分类任务
14	2024-12-12	Fusion-Based Deep Learning Architecture for Detecting Drug-Target Binding Affinity Using Target and Drug Sequence and Structure 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3315073 PMID:37703165	研究论文	本文提出了一种基于多尺度卷积神经网络和图神经网络的融合协议CGraphDTA，用于预测药物-靶点结合亲和力	CGraphDTA是首个将靶点序列和结构作为输入的模型，利用多尺度卷积神经网络从序列中提取特征，图神经网络从分子结构中提取图表示	NA	加速药物发现	药物-靶点结合亲和力的预测	机器学习	NA	多尺度卷积神经网络，图神经网络	CNN，GNN	序列，结构	NA
15	2024-12-12	MFD-Net: Modality Fusion Diffractive Network for Segmentation of Multimodal Brain Tumor Image 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318640 PMID:37747864	研究论文	本文提出了一种用于多模态脑肿瘤图像分割的模态融合衍射网络（MFD-Net）	设计了基于夫琅禾费单缝衍射原理的衍射块，强调邻近的高置信度特征点并抑制低质量或孤立的特征点，增强了特征的相互关联性；采用全局被动接收模式克服了固定感受野的问题；通过自监督方法有效利用每种模态的固有泛化信息	未提及具体限制	实现脑肿瘤的自动和准确分割	多模态脑肿瘤图像	计算机视觉	脑肿瘤	多参数磁共振成像（mpMRI）	MFD-Net	图像	使用了BraTS 2022、2018、2019和2021数据集
16	2024-12-12	Large AI Models in Health Informatics: Applications, Challenges, and the Future 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3316750 PMID:37738186	综述	本文全面回顾了大型AI模型在健康信息学中的应用、挑战及未来发展方向	探讨了大型AI模型在健康信息学中的七个关键应用领域，并提出了未来发展的潜在方向	未具体讨论大型AI模型在健康信息学中的具体技术细节和实际应用案例	探讨大型AI模型在健康信息学中的应用、挑战及未来发展方向	大型AI模型在健康信息学中的应用领域及未来发展方向	健康信息学	NA	NA	大型AI模型	多模态数据	NA
17	2024-12-12	Deeply Accelerated Arterial Spin Labeling Perfusion MRI for Measuring Cerebral Blood Flow and Arterial Transit Time 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3312662 PMID:37812536	研究论文	本文提出了一种基于深度学习的算法，用于减少动脉自旋标记（ASL）灌注MRI中的后标记延迟（PLD）数量，并准确估计脑血流量（CBF）和动脉转运时间（ATT）	本文的创新点在于使用深度学习算法减少了所需的PLD数量，并能够准确估计CBF和ATT，解决了传统方法中扫描时间过长和信噪比降低的问题	本文的局限性在于仅在Human Connectome Project数据集上进行了训练和测试，可能需要进一步验证其在其他数据集上的泛化能力	研究目的是开发一种能够在临床上实用的方法，通过减少PLD数量来准确测量脑血流量和动脉转运时间	研究对象是脑血流量（CBF）和动脉转运时间（ATT）的测量	医学影像	NA	动脉自旋标记（ASL）灌注MRI	深度神经网络	图像	使用了Human Connectome Project中的多PLD ASL MRI数据集
18	2024-12-11	The Contrastive Network With Convolution and Self-Attention Mechanisms for Unsupervised Cell Segmentation 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3310507 PMID:37651477	研究论文	本文提出了一种基于卷积和自注意力机制的无监督细胞分割对比网络	该模型能够在没有任何标注的情况下对H&E染色切片上的细胞区域进行分割，无需生成伪标签，且在捕获对象边缘和上下文信息方面优于纯CNN或Transformer	NA	开发一种无需任何标注的无监督细胞分割方法	H&E染色切片上的细胞区域	数字病理学	NA	卷积神经网络，自注意力机制	对比网络	图像	NA
19	2024-12-11	SwinDAE: Electrocardiogram Quality Assessment Using 1D Swin Transformer and Denoising AutoEncoder 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3314698 PMID:37698969	研究论文	本文提出了一种名为SwinDAE的模型，用于心电图信号质量评估，结合了1D Swin Transformer和去噪自编码器	创新点在于将1D Swin Transformer引入去噪自编码器中，并提出了波形成分定位损失用于联合监督	NA	研究目的是提高心电图信号质量评估的泛化能力	心电图信号	机器学习	NA	去噪自编码器	Swin Transformer	信号	使用了PTB-XL数据集进行预训练，并在BUT QDB数据集上进行微调
20	2024-12-11	Evolutionary Architecture Optimization for Retinal Vessel Segmentation 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3314981 PMID:37703164	研究论文	本研究提出了一种新的神经架构搜索方法MedUNAS，用于视网膜血管分割问题，通过优化U型网络架构以提高分割性能和降低推理时间	首次将对立差分进化（ODE）应用于视网膜血管分割问题的神经架构搜索，并提出了MedUNAS方法	需要进一步验证生成的网络在其他医疗图像分割任务中的泛化能力	开发一种自动化且高效的神经架构搜索方法，用于视网膜血管分割	视网膜血管分割问题	计算机视觉	NA	神经架构搜索（NAS）	U型网络	图像	涉及多个数据集，具体样本数量未明确说明