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
2461	2024-12-24	Multi-Instance Multi-Task Learning for Joint Clinical Outcome and Genomic Profile Predictions From the Histopathological Images 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3362852 PMID:38319755	研究论文	本文提出了一种多实例多任务学习框架，用于从病理图像中联合预测临床结果和基因组特征	本文创新性地提出了一个多实例学习模块和一个基于软掩码的融合模块，以利用不同任务之间的相关性来提高预测性能	本文的局限性在于仅在TCGA数据集上进行了验证，未来需要在更多数据集上进行验证	研究目的是开发一种能够从病理图像中联合预测临床结果和基因组特征的多任务学习框架	研究对象是来自TCGA的三种癌症队列的病理图像	数字病理学	NA	深度学习	多实例多任务学习框架	图像	来自TCGA的三种癌症队列
2462	2024-12-24	Robust Stochastic Neural Ensemble Learning With Noisy Labels for Thoracic Disease Classification 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3357986 PMID:38265913	研究论文	本文提出了一种新的随机神经网络集成学习框架（SNEL），用于在存在噪声标签的情况下进行胸部疾病分类	本文的创新点在于通过构建模型集成和设计抗噪损失函数来从噪声标签中学习	NA	开发一种能够在噪声标签存在的情况下进行胸部疾病分类的鲁棒深度学习模型	胸部疾病的分类	计算机视觉	NA	深度学习	神经网络集成	图像	三个公开的医院级胸部X光数据集
2463	2024-12-24	Toward Ground-Truth Optical Coherence Tomography via Three-Dimensional Unsupervised Deep Learning Processing and Data 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3363416 PMID:38324426	研究论文	本文提出了一种名为tGT-OCT的无散斑光学相干断层扫描（OCT）成像策略，利用无监督的三维深度学习处理和OCT三维成像特征来实现无散斑的OCT成像	本文的创新点在于提出了一种无监督的三维卷积深度学习网络，能够有效区分并分离三维成像体积空间中的散斑和真实结构，从而实现高质量的无散斑三维成像	NA	本文的研究目的是开发一种新的无散斑OCT成像方法，以提高OCT成像的质量和应用范围	本文的研究对象是光学相干断层扫描（OCT）成像中的散斑噪声	计算机视觉	NA	光学相干断层扫描（OCT）	三维卷积神经网络（3D-CNN）	三维体积数据	不同样本
2464	2024-12-24	PND-Net: Physics-Inspired Non-Local Dual-Domain Network for Metal Artifact Reduction 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3354925 PMID:38236665	研究论文	本文提出了一种基于物理特性的非局部双域网络PND-Net，用于CT图像中的金属伪影减少	提出了一个新颖的物理启发式非局部双域网络PND-Net，并设计了非局部正弦图分解网络NSD-Net和图像恢复网络IR-Net，以及用于未配对学习的可训练融合网络F-Net	未提及具体限制	减少CT图像中的金属伪影，提高图像质量和临床诊断的准确性	CT图像中的金属伪影	计算机视觉	NA	深度学习	PND-Net	图像	模拟数据和临床数据
2465	2024-12-24	Integrating artificial intelligence into lung cancer screening: a randomised controlled trial protocol 2024-02-13, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-074680 PMID:38355174	研究论文	本研究旨在通过随机对照试验，评估将基于3D卷积网络的人工智能技术整合到肺癌筛查中，以加速肺结节的分类	首次进行前瞻性研究，验证人工智能在实际临床环境中对肺结节分类的加速作用	尚未在真实临床环境中验证人工智能技术的有效性	评估人工智能技术在肺癌筛查中加速肺结节分类的效果	50-80岁、吸烟史超过20包年的患者	机器学习	肺癌	3D卷积网络	CNN	CT扫描图像	2722名患者
2466	2024-12-24	Towards Explainable Detection of Alzheimer's Disease: A Fusion of Deep Convolutional Neural Network and Enhanced Weighted Fuzzy C-Mean 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056317205241014060633 PMID:39629569	研究论文	本文提出了一种结合深度卷积神经网络和增强加权模糊C均值的阿尔茨海默病可解释检测模型	创新点在于将可解释人工智能技术（如Grad-CAM、SHAP和LIME）与增强模糊C均值算法结合，提高了模型的解释性和透明度	NA	开发一种新颖且可解释的深度学习模型，用于快速准确的阿尔茨海默病检测	阿尔茨海默病	机器学习	阿尔茨海默病	深度卷积神经网络（CNN）、增强模糊C均值（FCM）	深度卷积神经网络（CNN）	图像	使用了ADNI和OASIS数据集
2467	2024-12-24	Automated staging of zebrafish embryos with deep learning 2024-01, Life science alliance IF:3.3Q1 DOI:10.26508/lsa.202302351 PMID:37884343	研究论文	本文介绍了一种基于深度学习的模型KimmelNet，用于自动预测斑马鱼胚胎的发育阶段	KimmelNet能够从2D明场图像中预测胚胎年龄，并能检测不同群体之间的发育延迟，且具有高准确性	NA	开发一种自动化的方法来检测和量化斑马鱼胚胎的发育延迟	斑马鱼胚胎的发育阶段	计算机视觉	NA	深度学习	深度学习模型	图像	至少100张2D明场显微镜图像
2468	2024-12-24	Research progress and prospect of key technologies of fruit target recognition for robotic fruit picking 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1423338 PMID:39711588	综述	本文综述了机器视觉在果园水果采摘中目标识别的应用和研究成果，重点介绍了传统数字图像处理方法和基于深度学习的目标识别方法	本文总结了传统数字图像处理方法的研究进展，并介绍了基于深度学习的水果目标识别方法，包括目标识别过程、数据集的准备和分类，以及目标识别算法在分类、检测、分割和压缩加速网络模型方面的研究成果	本文指出了当前果园水果目标识别任务在数据集、模型适用性、应用场景的普遍性、识别任务的难度和算法稳定性等方面存在的不足	回顾果园水果采摘中目标识别的关键技术研究进展，并展望未来发展	果园中的水果目标识别	计算机视觉	NA	机器视觉	深度学习模型	图像	NA
2469	2024-12-24	Clinical concept annotation with contextual word embedding in active transfer learning environment 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241308987 PMID:39711738	研究论文	本文提出了一种在主动迁移学习环境中使用上下文词嵌入的临床概念自动提取和分类方法	本文创新性地结合了主动学习和上下文词嵌入模型（如SCIBERT和CNN）来提高临床概念提取的效率和准确性	本文的实验仅使用了i2b2公共数据集，未来研究可以扩展到更多样化的数据集以验证方法的泛化能力	研究目的是提出一种自动从非结构化数据中提取临床概念并分类的方法，同时保持高精度和召回率	研究对象是从非结构化数据中提取的临床概念，包括问题、治疗和测试等类别	自然语言处理	NA	上下文词嵌入（BERT、ClinicalBERT、DistilBERT、SCIBERT）	卷积神经网络（CNN）	文本	426份临床笔记
2470	2024-12-24	Deep learning enhanced quantum holography with undetected photons 2024, PhotoniX IF:15.7Q1 DOI:10.1186/s43074-024-00155-2 PMID:39711807	研究论文	本文提出了一种利用深度学习增强量子全息术（QHUP）的方法，通过深度学习从单次全息图中提取图像，显著减少了噪声和失真，并提高了空间分辨率	本文的创新点在于将深度学习技术应用于量子全息术，提出了一种新的深度学习增强量子全息术（DL-QHUP）方法，显著提升了图像质量和空间分辨率	NA	本文的研究目的是通过深度学习技术解决量子全息术中的相位扰动、低干涉可见性和有限空间分辨率等问题	本文的研究对象是量子全息术（QHUP）及其在图像生成中的应用	NA	NA	深度学习	NA	图像	NA
2471	2024-12-23	Deep learning for endometrial cancer subtyping and predicting tumor mutational burden from histopathological slides 2024-Dec-21, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00766-9 PMID:39709501	研究论文	本文提出了一种基于深度学习的TR-MAMIL框架，用于从组织病理学切片中对子宫内膜癌进行亚型分类并预测肿瘤突变负荷	首次提出TR-MAMIL深度学习框架，能够直接从H&E染色的全切片图像中预测肿瘤突变负荷并分类子宫内膜癌亚型，优于现有的七种先进方法	NA	开发一种新的方法来预测子宫内膜癌患者的肿瘤突变负荷，并进行亚型分类，以支持个性化免疫治疗和预后评估	子宫内膜癌患者的肿瘤突变负荷和癌症亚型	数字病理学	子宫内膜癌	深度学习	TR-MAMIL	图像	来自The Cancer Genome Atlas的大规模数据集
2472	2024-12-23	Quantification of urinary albumin in clinical samples using smartphone enabled LFA reader incorporating automated segmentation 2024-Dec-20, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad992d PMID:39622082	研究论文	本文介绍了一种使用智能手机辅助的LFA读取器进行临床样本中尿白蛋白定量的方法，通过自动分割技术提高了检测的准确性	本文的创新点在于使用LFA设备进行自动检测和尿白蛋白的定量，并通过YOLOv5模型进行自动分割，减少了干扰	本文未提及具体的样本数量和不同光照条件下的性能差异	开发一种高精度的智能手机辅助尿白蛋白检测方法	临床样本中的尿白蛋白浓度	机器学习	NA	LFA	YOLOv5	图像	NA
2473	2024-12-23	Development and Validation of a Modality-Invariant 3D Swin U-Net Transformer for Liver and Spleen Segmentation on Multi-Site Clinical Bi-parametric MR Images 2024-Dec-20, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01362-w PMID:39707114	研究论文	开发并验证了一种模态不变的3D Swin U-Net Transformer模型，用于在多站点临床双参数MR图像上对肝脏和脾脏进行分割	提出了模态不变的3D Swin U-Net Transformer模型，显著提高了肝脏和脾脏分割的准确性	研究仅限于肝脏和脾脏的分割，未涉及其他器官	开发和验证一种能够在多站点临床双参数MR图像上对肝脏和脾脏进行分割的深度学习模型	肝脏和脾脏的分割	计算机视觉	NA	深度学习	Swin U-Net Transformer	图像	304名患者，包括241个T1w和339个T2w MR序列
2474	2024-12-23	Enhancing classification of active and non-active lesions in multiple sclerosis: machine learning models and feature selection techniques 2024-Dec-20, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01528-6 PMID:39707207	研究论文	本研究探讨了机器学习和深度学习模型在多发性硬化症（MS）活动性和非活动性病变分类中的表现	本研究首次评估了多种机器学习模型和一种顺序深度学习模型在MS病变分类中的性能，并展示了顺序深度学习方法和集成方法在实现稳健预测性能方面的有效性	本研究的局限性在于仅使用了T2加权MRI图像进行分析，未涵盖其他类型的影像数据	评估机器学习和深度学习模型在多发性硬化症活动性和非活动性病变分类中的性能	多发性硬化症的活动性和非活动性病变	机器学习	多发性硬化症	机器学习模型和特征选择技术	顺序深度学习模型和混合梯度提升分类器（HGBC）	图像	75个活动性病变和100个非活动性病变
2475	2024-12-23	Adaptive fusion of dual-view for grading prostate cancer 2024-Dec-17, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102479 PMID:39708679	研究论文	本文提出了一种深度学习方法，通过自适应融合双视角MRI图像来实现前列腺癌的准确分级	设计了一种双视角自适应融合模型，通过动态调整融合权重来充分利用互补信息，并基于不确定性估计自适应加权预测结果	未提及具体实验数据集的样本量和多样性，可能影响模型的泛化能力	开发一种非侵入性且高效的前列腺癌分级方法，以辅助临床诊断	前列腺癌的分级诊断	计算机视觉	前列腺癌	多参数磁共振成像（MRI）	自适应融合模型	图像	NA
2476	2024-12-23	Guidelines for cerebrovascular segmentation: Managing imperfect annotations in the context of semi-supervised learning 2024-Dec-11, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102474 PMID:39705890	研究论文	本文研究了在半监督学习背景下，针对脑血管理分割任务中不完美标注的数据依赖性，并比较了多种最先进的半监督方法	提出了在半监督学习框架下处理不完美标注的指南，并评估了不同数据量和质量场景下的性能	未提及具体限制	提供脑血管理分割模型的标注和训练指南	脑血管理分割任务中的标注一致性和模型性能	计算机视觉	NA	半监督学习	NA	图像	未提及具体样本数量
2477	2024-12-23	Crucial rhythms and subnetworks for emotion processing extracted by an interpretable deep learning framework from EEG networks 2024-Dec-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae477 PMID:39707986	研究论文	本文提出了一种结合注意力机制和领域对抗策略的深度学习框架，用于从脑电图网络中提取可解释的情感处理特征	本文创新性地结合了注意力机制和领域对抗策略，增强了情感识别的关键节律和子网络的贡献，并提高了跨受试者任务的泛化性能	本文未详细讨论该方法在其他数据集或不同情感识别任务中的适用性	研究目的是从脑电图网络中提取可解释的结构特征，用于情感识别任务	研究对象是脑电图网络中的情感处理特征	机器学习	NA	脑电图	深度学习模型	脑电图数据	使用了SJTU Emotion EEG Dataset (SEED)和实验室记录的脑电图数据
2478	2024-12-23	Machine Learning Streamlines the Morphometric Characterization and Multiclass Segmentation of Nuclei in Different Follicular Thyroid Lesions: Everything in a NUTSHELL 2024-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100608 PMID:39241829	研究论文	本文研究了甲状腺结节病变中核形态特征的识别和多类分割，开发了一种名为NUTSHELL的深度学习模型，用于辅助诊断	提出了NUTSHELL模型，能够成功检测和分类甲状腺肿瘤中的大多数核，并提供了NIFTP区域的即时概览，有助于检测PTC的微小病灶或识别淋巴结转移	仅分析了少量NIFTP病例的二代测序数据，未全面探讨RAS相关突变对核形态的影响	识别NIFTP和PTC的可解释核形态特征，并开发深度学习模型以减少诊断变异性	NIFTP、PTC和增生性结节（HP）的核形态特征	数字病理学	甲状腺癌	深度学习	深度学习模型	图像	NIFTP、PTC和HP病例的全切片图像
2479	2024-12-23	A review of deep learning models for the prediction of chromatin interactions with DNA and epigenomic profiles 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae651 PMID:39708837	综述	本文综述了利用深度学习模型预测染色质相互作用矩阵的最新进展	深度学习通过其强大的特征提取和模式识别能力，为整合多组学数据构建准确的染色质相互作用预测模型提供了新方法	染色质相互作用机制仍未被充分探索，预测染色质相互作用矩阵仍面临挑战	系统总结染色质相互作用矩阵预测模型的最新进展，探讨其在生物系统中的应用	染色质相互作用矩阵的预测模型及其在基因表达调控中的应用	机器学习	NA	深度学习	深度学习模型（如CNN、LSTM等）	DNA序列和表观遗传信号	NA
2480	2024-12-23	scRGCL: a cell type annotation method for single-cell RNA-seq data using residual graph convolutional neural network with contrastive learning 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae662 PMID:39708840	研究论文	提出了一种基于残差图卷积神经网络和对比学习的单细胞RNA测序数据细胞类型注释方法scRGCL	scRGCL通过残差图卷积神经网络提取复杂的高阶特征，利用对比学习学习有意义的细胞间差异特征，并通过权重冻结避免过拟合	现有方法未能充分利用细胞间差异特征，缺乏灵活性以整合高阶特征，且低维基因特征可能导致神经网络过拟合	开发一种新的深度学习模型，用于单细胞RNA测序数据的细胞类型注释	单细胞RNA测序数据的细胞类型注释	机器学习	NA	单细胞RNA测序	残差图卷积神经网络	基因表达数据	8个单细胞基准数据集，包括7个人类数据集和1个小鼠数据集