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
341	2024-12-20	Learning Spatio-Temporal Model of Disease Progression With NeuralODEs From Longitudinal Volumetric Data 2024-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3330576 PMID:37934647	研究论文	本文开发了一种深度学习方法，通过处理单个医学扫描来模拟年龄相关疾病的进展，并提供未来时间点的目标解剖结构分割	本文利用NeuralODEs解决大规模时间像素级变化建模问题，并引入时间Dice损失来学习时间目标	NA	开发一种能够预测年龄相关疾病未来解剖变化的深度学习方法	年龄相关疾病的地理萎缩和阿尔茨海默病的脑室变化	机器学习	老年病	NeuralODEs	NeuralODEs	图像	967个视网膜OCT体积数据（100名地理萎缩患者）和2823个脑MRI体积数据（633名阿尔茨海默病患者）
342	2024-12-20	Moving Beyond Simulation: Data-Driven Quantitative Photoacoustic Imaging Using Tissue-Mimicking Phantoms 2024-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3331198 PMID:37938947	研究论文	本文介绍了一种使用组织模拟幻影数据进行数据驱动的定量光声成像方法	首次引入实验上经过良好表征的成像幻影及其数字双胞胎，通过在实验数据上训练U-Net模型，实现了对吸收系数的像素级估计	绝对定量误差仍然较高，需要进一步改进	旨在通过数据驱动的深度学习方法，克服光声成像中模拟与实验之间的领域差距，实现对光学吸收系数的准确测量	组织模拟幻影数据及其数字双胞胎，以及小鼠模型	计算机视觉	NA	光声成像	U-Net	图像	实验上经过良好表征的成像幻影数据集
343	2024-12-20	Learning From Incorrectness: Active Learning With Negative Pre-Training and Curriculum Querying for Histological Tissue Classification 2024-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3313509 PMID:37682642	研究论文	本文提出了一种名为ICAL的主动学习框架，用于组织学组织分类，通过负预训练和课程查询来提高分类性能	ICAL框架引入了Incorrectness Negative Pre-training (INP) 和 Category-wise Curriculum Querying (CCQ)，分别从类别间和类别自身的角度解决分类问题，利用错误预测结果进行负预训练，并根据学习状态调整查询权重	NA	提高组织学组织分类的性能，减少标注成本	组织学组织分类	数字病理学	NA	主动学习	NA	图像	两个组织学组织分类数据集
344	2024-12-20	Phase Aberration Correction for In Vivo Ultrasound Localization Microscopy Using a Spatiotemporal Complex-Valued Neural Network 2024-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3316995 PMID:37721883	研究论文	本文提出了一种基于时空复值卷积神经网络的深度学习方法，用于校正活体超声定位显微镜中的相位畸变	本文首次采用复值卷积神经网络（CV-CNN）来预测畸变函数，并通过3D时空卷积利用整个微泡轨迹，提高了网络的可解释性和校正效果	本文仅在老鼠大脑数据上进行了验证，未来需要在更多生物和临床数据上进行验证	开发一种新的方法来校正活体超声定位显微镜中的相位畸变，以提高图像分辨率和血管重建质量	老鼠大脑中的微血管网络	生物医学成像	NA	超声定位显微镜（ULM）	复值卷积神经网络（CV-CNN）	图像	3只老鼠大脑的活体数据
345	2024-12-20	Deep Learning for Retrospective Motion Correction in MRI: A Comprehensive Review 2024-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3323215 PMID:37831582	综述	本文综述了深度学习在磁共振成像（MRI）中回顾性运动校正的应用	本文详细介绍了基于学习的MRI运动校正方法，并讨论了不同应用领域之间的差异和协同作用	由于MR采集序列、解剖结构、病理和运动模式的多样性，难以找到一个全面的解决方案	促进不同应用领域之间的思想交流，并讨论未来发展方向	MRI中的运动校正问题	计算机视觉	NA	深度学习	NA	图像	NA
346	2024-12-20	NRTR: Neuron Reconstruction With Transformer From 3D Optical Microscopy Images 2024-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3323466 PMID:37847618	研究论文	本文提出了一种基于Transformer的神经元重建方法NRTR，用于从3D光学显微镜图像中进行端到端的神经元重建	NRTR是首个将神经元重建视为直接集合预测问题的图像到集合深度学习模型，抛弃了复杂的基于规则的组件，简化了整体框架并使模型训练更容易	NA	设计一种端到端的神经元重建方法，简化框架并使模型训练更容易	从3D光学显微镜图像中进行神经元重建	计算机视觉	NA	Transformer	Transformer	图像	使用了BigNeuron和VISoR-40数据集进行实验
347	2024-12-20	Robust Vascular Segmentation for Raw Complex Images of Laser Speckle Contrast Based on Weakly Supervised Learning 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3287200 PMID:37335795	研究论文	本文提出了一种基于弱监督学习的鲁棒方法，用于激光散斑对比成像（LSCI）原始复杂图像的血管分割	本文的创新点在于提出了一种基于弱监督学习的鲁棒方法，通过选择阈值组合和处理流程来替代耗时的标注工作，并设计了一种基于UNet++和ResNeXt的深度神经网络FURNet，实现了高质量的血管分割	NA	解决LSCI图像血管分割中的困难，推动人工智能辅助疾病诊断领域的应用	LSCI图像中的血管分割	计算机视觉	NA	弱监督学习	UNet++ 和 ResNeXt	图像	NA
348	2024-12-20	DSMT-Net: Dual Self-Supervised Multi-Operator Transformation for Multi-Source Endoscopic Ultrasound Diagnosis 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3289859 PMID:37368810	研究论文	本文提出了一种双自监督多操作符变换网络（DSMT-Net），用于多源内镜超声诊断，以提高胰腺癌和乳腺癌的诊断准确性	本文的创新点在于提出了双自监督多操作符变换网络（DSMT-Net），通过多操作符变换标准化提取感兴趣区域，并设计了基于transformer的双自监督网络，利用未标记的内镜超声图像进行预训练	本文的局限性在于未详细讨论模型的泛化能力和在其他癌症类型中的应用效果	本文的研究目的是提高多源内镜超声图像在胰腺癌和乳腺癌诊断中的准确性	本文的研究对象是胰腺癌和乳腺癌的内镜超声图像	机器学习	胰腺癌	深度学习	transformer	图像	包括3500张病理证实的标记内镜超声图像和8000张未标记的内镜超声图像
349	2024-12-20	LViT: Language Meets Vision Transformer in Medical Image Segmentation 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3291719 PMID:37399157	研究论文	本文提出了一种新的文本增强医学图像分割模型LViT，通过结合医学文本注释来弥补图像数据质量的不足，并在半监督学习中生成高质量的伪标签	提出了LViT模型，结合医学文本注释和视觉Transformer，以及Exponential Pseudo label Iteration机制和Pixel-Level Attention模块，用于半监督学习中的图像分割	需要构建多模态医学分割数据集，并且依赖于高质量的文本注释	提高医学图像分割模型的性能，特别是在数据标注成本高的情况下	医学图像分割任务	计算机视觉	NA	视觉Transformer	Transformer	图像和文本	三个多模态医学分割数据集，包含X射线和CT图像
350	2024-12-20	Deep Generalized Learning Model for PET Image Reconstruction 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3293836 PMID:37428658	研究论文	本文提出了一种深度学习与交替方向乘子法（ADMM）迭代优化模型相结合的学习框架，用于低计数正电子发射断层扫描（PET）图像重建	该方法创新性地打破了保真度算子的固有形式，并使用神经网络对其进行处理，同时深度泛化了正则化项	本文未充分探讨混合模型的全部松弛特性，导致其性能未被充分挖掘	提高低计数PET图像质量并恢复精细结构	低计数正电子发射断层扫描（PET）图像	计算机视觉	NA	深度学习（DL）	神经网络	图像	模拟数据和真实数据
351	2024-12-20	Patient-Specific Heart Geometry Modeling for Solid Biomechanics Using Deep Learning 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3294128 PMID:37432807	研究论文	本文提出了一种基于深度学习的患者特异性心脏几何模型自动生成方法，用于固体力学研究	本文的创新点在于使用最小化的表面网格标签实现精确的空间精度，并通过同时优化各向同性和各向异性变形能量来提高体积网格质量	NA	开发一种自动生成患者特异性心脏几何模型的方法，以加速生物力学研究	患者特异性心脏几何模型	固体力学	NA	深度学习	NA	几何模型	NA
352	2024-12-20	Coarse-Super-Resolution-Fine Network (CoSF-Net): A Unified End-to-End Neural Network for 4D-MRI With Simultaneous Motion Estimation and Super-Resolution 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3294245 PMID:37432808	研究论文	本文提出了一种名为Coarse-Super-Resolution-Fine网络（CoSF-Net）的深度学习框架，用于4D-MRI中的同时运动估计和超分辨率处理	CoSF-Net通过统一的模型实现了同时运动估计和超分辨率处理，并考虑了有限和不完全匹配的训练数据集	NA	开发一种能够在4D-MRI中同时进行运动估计和超分辨率的深度学习框架，以改善图像引导放射治疗中的肿瘤运动管理	4D-MRI图像中的运动估计和超分辨率处理	计算机视觉	NA	深度学习	Coarse-Super-Resolution-Fine网络（CoSF-Net）	图像	多个真实患者数据集
353	2024-12-20	Masked Conditional Variational Autoencoders for Chromosome Straightening 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3293854 PMID:37428657	研究论文	本文提出了一种用于染色体拉直的框架，包括预处理算法和基于掩码条件变分自编码器（MC-VAE）的生成模型	本文创新性地提出了掩码条件变分自编码器（MC-VAE），并结合预处理算法，有效解决了染色体微观图像中弯曲问题，保留了染色体带型模式和结构细节	本文未提及具体的局限性	解决染色体微观图像中弯曲问题，提高染色体分类的深度学习模型性能	人类染色体及其在微观图像中的弯曲问题	计算机视觉	NA	掩码条件变分自编码器（MC-VAE）	变分自编码器（VAE）	图像	三个公共数据集，两种染色样式
354	2024-12-20	DEQ-MPI: A Deep Equilibrium Reconstruction With Learned Consistency for Magnetic Particle Imaging 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3300704 PMID:37527298	研究论文	本文提出了一种基于深度平衡模型和学习数据一致性的磁粒子成像（MPI）重建方法DEQ-MPI	DEQ-MPI通过将神经网络嵌入迭代优化中，训练隐式映射以最大化收敛解的质量，并引入学习的一致性度量来更好地捕捉数据分布	NA	开发一种新的MPI重建方法，以提高图像质量和推理时间	磁粒子成像图像的重建	计算机视觉	NA	磁粒子成像（MPI）	深度平衡模型	图像	模拟数据和实验数据
355	2024-12-20	Structural Priors Guided Network for the Corneal Endothelial Cell Segmentation 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3300656 PMID:37527299	研究论文	本文提出了一种结构先验引导网络（SPG-Net）用于角膜内皮细胞分割，通过结合混合Transformer卷积骨干网络和特征增强模块，提升了模糊细胞边界的分割效果	本文创新性地引入了结构先验信息，通过局部亲和特征融合模块和联合损失函数，在像素级和结构级上同时优化分割结果	本文未详细讨论模型在不同数据集上的泛化能力以及计算资源的消耗情况	提高角膜内皮细胞模糊边界分割的准确性和连续性，从而提升临床参数估计的精度	角膜内皮细胞的模糊边界	计算机视觉	NA	深度学习	混合Transformer卷积网络	图像	四个角膜内皮数据集
356	2024-12-20	Hierarchical Knowledge Guided Learning for Real-World Retinal Disease Recognition 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3302473 PMID:37549071	研究论文	本文提出了一种分层知识引导学习方法，用于解决真实世界中视网膜疾病识别中的长尾分布和多标签共现问题	利用眼科先验知识进行层次感知预训练，采用实例级类别平衡采样策略，并引入混合知识蒸馏方法来训练无偏差的表示和分类器	未提及具体限制	解决长尾分布和多标签共现问题，提高视网膜疾病识别的准确性，特别是罕见疾病的识别	视网膜疾病识别	计算机视觉	视网膜疾病	深度学习	深度神经网络	图像	超过一百万张眼底图像，包括两个公开数据集和两个内部数据集
357	2024-12-20	Transformer-Based Spatio-Temporal Analysis for Classification of Aortic Stenosis Severity From Echocardiography Cine Series 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3305384 PMID:37581960	研究论文	本文提出了一种基于Transformer的深度学习框架，用于从二维超声心动图序列中分类主动脉瓣狭窄的严重程度	该框架结合了主动脉瓣的解剖特征和运动信息，能够处理不同长度的超声心动图序列，并自动识别对诊断最有用的帧，无需显式监督	由于缺乏大规模的公开视频数据集，对公共数据集进行了轻微的架构调整	研究基于二维超声心动图数据的主动脉瓣狭窄检测和严重程度分类的可行性	主动脉瓣狭窄的检测和严重程度分类	机器学习	心血管疾病	深度学习	Transformer	视频	使用了私有和公共数据集，具体样本数量未提及
358	2024-12-20	Joint Cross-Attention Network With Deep Modality Prior for Fast MRI Reconstruction 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3314008 PMID:37695966	研究论文	提出了一种基于深度学习的多线圈磁共振成像快速重建模型，通过联合交叉注意力网络（jCAN）利用已获取的同体数据进行深度引导	引入了基于展开的联合交叉注意力网络（jCAN），结合视觉变换器（ViT）和卷积神经网络（CNN）在图像和k空间域中的应用，并利用预先获取的同体扫描数据作为参考模态来指导目标模态的重建	NA	提高加速多线圈磁共振成像重建模型的性能	多线圈磁共振成像数据的重建	计算机视觉	NA	磁共振成像（MRI）	联合交叉注意力网络（jCAN）	图像	公开的膝关节数据集和内部的大脑数据集
359	2024-12-20	Using deep learning models in magnetic resonance cholangiopancreatography images to diagnose common bile duct stones 2024 Jan-Jun, Scandinavian journal of gastroenterology IF:1.6Q3 DOI:10.1080/00365521.2023.2257825 PMID:37712446	研究论文	本研究使用深度学习模型YOLOv5在磁共振胆胰管成像（MRCP）图像中诊断胆总管结石	首次使用深度学习模型YOLOv5在MRCP图像中检测胆总管结石	随着结石数量的增加，检测准确率逐渐下降	验证YOLOv5模型在MRCP图像中诊断胆总管结石的有效性，并与放射科医生的准确性进行比较	胆总管结石（CBDS）患者	计算机视觉	胆道疾病	深度学习	YOLOv5	图像	63名胆总管结石患者
360	2024-12-20	Inter-rater reliability in labeling quality and pathological features of retinal OCT scans: A customized annotation software approach 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314707 PMID:39693322	研究论文	本研究分析了视网膜OCT扫描中标签质量和病理特征的评分者间一致性，并使用自定义注释软件进行评估	开发了一种自定义注释软件，用于评估视网膜OCT扫描的质量和病理特征，并标准化标签以用于机器学习工具的开发	某些病理特征的评分者间一致性较低，如SRF、超反射点和高反射焦点	分析视网膜OCT扫描中标签质量和常见影像特征的评分者间一致性	视网膜OCT扫描的质量和病理特征	数字病理学	NA	NA	NA	图像	500张OCT扫描图像，来自CIRRUS HD-OCT 5000设备，每个患者的眼睛由16张随机扫描图像表示