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
81	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
82	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
83	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
84	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
85	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
86	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
87	2024-12-11	MLDA: Multi-Loss Domain Adaptor for Cross-Session and Cross-Emotion EEG-Based Individual Identification 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3315974 PMID:37713231	研究论文	提出了一种名为MLDA的多损失域适配器方法，用于解决基于跨会话和跨情绪的EEG个体识别问题	创新点在于引入了多损失域适配器（MLDA），通过减少边缘分布和条件分布的差异来提高跨会话和跨情绪的EEG个体识别性能	未提及具体的局限性	旨在解决基于EEG的个体识别中跨会话和跨情绪的分类性能问题	研究对象是跨会话和跨情绪的EEG信号	机器学习	NA	深度神经网络、最大均值差异（MMD）	深度神经网络	EEG数据	未提及具体的样本数量
88	2024-12-11	SegCoFusion: An Integrative Multimodal Volumetric Segmentation Cooperating With Fusion Pipeline to Enhance Lesion Awareness 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318131 PMID:37738185	研究论文	本文提出了一种名为SegCoFusion的多模态体积分割与融合集成方法，通过结合特征频率分割网络FDNet和双单路径特征补充策略的分割部分，优化分割输入并与融合部分结合，以提高病变识别能力	SegCoFusion通过集成多模态分割与融合，打破了传统分割和融合方法的性能瓶颈，提供了一种新的视角来通过分割与融合协作提高体积融合性能并增强病变意识	NA	解决多模态医学图像融合中的主观性和任务特定性问题，提高分割和融合的性能	多模态脑肿瘤体积融合与分割	计算机视觉	脑肿瘤	深度学习	U-Net系列	图像	NA
89	2024-12-11	MPVF: 4D Medical Image Inpainting by Multi-Pyramid Voxel Flows 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318127 PMID:37738187	研究论文	本文提出了一种名为多金字塔体素流（MPVF）的模型，用于解决4D医学图像插值问题，特别是心脏和肺部图像的插值	本文的创新点在于提出了多金字塔体素流（MPVF）模型，通过考虑多尺度体素流，能够在插值过程中提供丰富的全局和区域信息，并引入了双边体素流（BVF）模块和金字塔融合（PyFu）模块	NA	本文的研究目的是解决4D医学图像插值问题，特别是心脏和肺部图像的插值	本文的研究对象是心脏和肺部的4D医学图像	计算机视觉	NA	深度学习	MPVF	图像	NA
90	2024-12-11	Deep Open-Curve Snake for Discriminative 3D Neuron Tracking 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3320804 PMID:37773913	研究论文	本文提出了一种新的深度学习框架Deep Open-Curve Snake (DOCS)，用于三维神经元跟踪，通过学习3D距离回归判别器和深度学习跟踪器来提升跟踪性能	DOCS框架结合了深度学习技术，能够在噪声污染的弱信号环境下进行有效的神经元跟踪，并通过能量最小化方法迭代更新变形场、拉伸方向和局部半径	NA	提升三维神经元跟踪的准确性和鲁棒性	三维神经元结构的分段、追踪和重建	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	三维体积数据	BigNeuron和Diadem数据集
91	2024-12-08	A newcomer's guide to deep learning for inverse design in nano-photonics 2023-Dec, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0527 PMID:39634708	review	本文为纳米光子学领域的新手提供了一个关于深度学习在逆向设计中应用的综合指南	本文填补了针对无深度学习经验新手的综合教程的空白，并提供了详细的Python笔记本示例以促进理解和实施	本文主要关注纳米光子学领域的研究人员，尽管对其他领域使用深度学习的研究人员也有参考价值	旨在为新手提供应用深度学习解决纳米光子学逆向设计问题的实用指导	纳米光子学设备的逆向设计	纳米光子学	NA	深度学习	NA	NA	NA
92	2024-12-02	Coarse-Graining with Equivariant Neural Networks: A Path Toward Accurate and Data-Efficient Models 2023-Dec-14, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.3c05928 PMID:38033234	研究论文	本文探讨了使用等变神经网络进行粗粒化分子建模和模拟，以提高模型的准确性和数据效率	本文提出通过引入等变卷积操作来减少神经网络在预测分子能量和力时对大量数据的需求	尽管等变卷积操作提高了数据效率，但模型仍然比成对力场慢	研究如何通过等变神经网络提高粗粒化分子模型的准确性和数据效率	粗粒化水分子模型	机器学习	NA	等变卷积操作	神经网络	分子动力学数据	单帧参考数据
93	2024-11-27	Denoising magnetic resonance spectroscopy (MRS) data using stacked autoencoder for improving signal-to-noise ratio and speed of MRS 2023-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.16831 PMID:37947479	研究论文	本文提出了一种使用堆叠自编码器（SAE）对磁共振波谱（MRS）数据进行去噪的方法，以提高信号噪声比（SNR）和MRS的采集速度	本文的创新点在于使用深度学习方法对MRS数据进行去噪，而不需要增加信号平均次数（NSA），从而缩短采集时间并提高SNR	本文的局限性在于仅在脑波谱模型和人体受试者数据上进行了验证，尚未在更广泛的临床环境中进行测试	本文的研究目的是通过深度学习方法提高MRS数据的SNR和采集速度，从而增强MRS的诊断价值和临床应用	本文的研究对象是磁共振波谱（MRS）数据，特别是低NSA数据	机器学习	NA	堆叠自编码器（SAE）	堆叠自编码器（SAE）	磁共振波谱（MRS）数据	研究使用了脑波谱模型和人体受试者的数据，包括脑肿瘤患者的数据
94	2024-11-14	Acceleration of high-quality Raman imaging via a locality enhanced transformer network 2023-Dec-04, The Analyst DOI:10.1039/d3an01543b PMID:37971331	研究论文	本文提出了一种局部增强的Transformer网络（LETNet）用于拉曼图像超分辨率处理，以加速高质量拉曼成像	本文创新性地将Transformer架构中的自注意力机制替换为卷积，并采用深度卷积优化模型，显著提高了计算效率	NA	本文旨在通过深度学习方法加速高质量拉曼成像，以促进其在实时诊断和治疗中的应用	本文研究对象包括乳腺癌细胞和脑肿瘤组织的拉曼图像	计算机视觉	乳腺癌、脑肿瘤	拉曼成像	Transformer网络	图像	乳腺癌细胞和脑肿瘤组织的拉曼图像
95	2024-11-10	Automatic segmentation of atrial fibrillation and flutter in single-lead electrocardiograms by self-supervised learning and Transformer architecture 2023-12-22, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad219 PMID:37949101	研究论文	本文开发了一种基于Transformer架构和自监督学习的深度学习模型，用于单导联心电图中的房颤和房扑自动分割	本文首次将Transformer架构与自监督学习结合，用于单导联心电图中的房颤和房扑分割	本文仅在11个公开数据库和24个外部验证样本上进行了验证，未来需在更多临床数据上进行验证	开发一种自动检测房颤和房扑的深度学习模型，以预防中风和缓解血流动力学不稳定	单导联心电图中的房颤和房扑	机器学习	心血管疾病	自监督学习	Transformer	心电图	11个公开数据库中的心电图数据，以及24个外部验证样本
96	2024-11-10	Diffusion Models To Predict 3D Late Mechanical Activation From Sparse 2D Cardiac MRIs 2023-Dec, Proceedings of machine learning research PMID:38525446	研究论文	本文提出了一种基于形状约束扩散模型从稀疏的2D心脏MRI图像预测3D晚期机械激活（LMA）图的方法	本文的创新点在于利用从训练数据中学习到的对象形状作为先验知识，指导3D重建过程，而不是仅仅依赖于图像强度的空间相关性	NA	确定心脏再同步治疗中最佳起搏点的关键在于识别左心室心肌的晚期机械激活区域	左心室心肌的3D晚期机械激活图	计算机视觉	心血管疾病	深度学习	扩散模型	图像	使用了公开的3D心肌网格数据集进行训练和测试
97	2024-10-26	Invariant point message passing for protein side chain packing 2023-Dec-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.03.551328 PMID:38187664	研究论文	本文介绍了一种基于几何图神经网络的蛋白质侧链包装方法PIPPack，通过几何感知的不变点消息传递（IPMP）处理局部结构和序列信息，生成理想的侧链坐标	本文提出了一种新的蛋白质侧链包装方法PIPPack，结合了几何图神经网络和不变点消息传递技术，显著提高了计算速度	NA	开发一种高效且准确的蛋白质侧链包装方法	蛋白质侧链的包装	机器学习	NA	几何图神经网络	IPMP	蛋白质结构数据	约1400个高质量蛋白质链
98	2024-10-21	Validation of a Deep Learning Chest X-ray Interpretation Model: Integrating Large-Scale AI and Large Language Models for Comparative Analysis with ChatGPT 2023-Dec-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14010090 PMID:38201398	研究论文	本研究评估了两种人工智能技术在胸部X光读片中的诊断准确性和临床效用，并比较了KARA-CXR和ChatGPT的表现	本研究首次将大规模AI和大型语言模型（LLMs）应用于胸部X光读片的辅助技术KARA-CXR与ChatGPT进行比较分析	研究仅使用了单一机构的2000张胸部X光图像，样本量和机构代表性有限	验证KARA-CXR和ChatGPT在胸部X光读片中的性能，并探讨其在医学影像诊断领域的潜在应用	KARA-CXR和ChatGPT在胸部X光读片中的诊断准确性和临床效用	计算机视觉	NA	大型语言模型（LLMs）	人工神经网络	图像	2000张胸部X光图像
99	2024-10-21	Machine Learning Algorithm: Texture Analysis in CNO and Application in Distinguishing CNO and Bone Marrow Growth-Related Changes on Whole-Body MRI 2023-Dec-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14010061 PMID:38201370	研究论文	本研究分析了慢性非细菌性骨髓炎（CNO）骨病变的纹理特征，并通过机器学习和深度学习方法区分CNO病变与骨髓生长相关变化	本研究首次将机器学习和深度学习方法应用于区分CNO病变与骨髓生长相关变化，并展示了神经网络在分类中的最佳表现	本研究仅限于儿童人群，且样本量较小	分析CNO骨病变的纹理特征，并通过机器学习和深度学习方法区分CNO病变与骨髓生长相关变化	慢性非细菌性骨髓炎（CNO）骨病变和骨髓生长相关变化	机器学习	慢性非细菌性骨髓炎	纹理分析（TA）	神经网络（NN）	图像	66名确诊CNO患者和28名疑似全身性疾病患者
100	2024-10-21	Dry Eye Subtype Classification Using Videokeratography and Deep Learning 2023-Dec-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14010052 PMID:38201361	研究论文	本文介绍了一种利用视频角膜地形图和深度学习进行干眼亚型分类的新方法	提出了一种名为'AI-supported TFOD'的非侵入性方法，使用视频角膜地形图和'模糊值'作为新的指标，结合深度学习进行干眼亚型分类	研究样本量较小，且分类准确率在某些亚型中仍有提升空间	开发一种新的干眼亚型分类方法，以提高诊断的准确性和效率	243例干眼病例，包括严重水液缺乏型、轻中度水液缺乏型、湿润度下降型和蒸发增加型	计算机视觉	眼科疾病	深度学习	3D卷积神经网络	图像	243例干眼病例，包括23名男性和220名女性，平均年龄64.4岁