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
3881	2024-11-10	Deep learning-based target tracking with X-ray images for radiotherapy: a narrative review 2024-Mar-15, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1489 PMID:38545053	综述	本文综述了基于深度学习的放射治疗中使用X射线图像进行目标跟踪的现状，并讨论了现有局限性和潜在解决方案	探讨了深度学习在放射治疗中实时无标记目标跟踪的潜力	直接在2D kV X射线图像上实时定位肿瘤和危及器官仍然具有挑战性，需要更多技术和临床努力	综述基于深度学习的放射治疗中使用2D kV X射线图像进行目标跟踪的现状，并讨论其局限性和未来发展方向	放射治疗中的目标跟踪和运动管理	计算机视觉	癌症	深度学习	卷积神经网络	图像	23篇英文文献
3882	2024-11-10	LST-AI: a Deep Learning Ensemble for Accurate MS Lesion Segmentation 2024-Mar-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.11.23.23298966 PMID:38045345	研究论文	本文介绍了一种名为LST-AI的深度学习集成模型，用于多发性硬化症（MS）病灶的精确分割	LST-AI采用了一种包含二元交叉熵和Tversky损失的复合损失函数，以改善高度异质性MS病灶的分割效果	NA	开发一种开源的深度学习工具，用于多发性硬化症病灶的自动分割	多发性硬化症患者的脑白质病灶	计算机视觉	神经系统疾病	深度学习	3D-UNet	图像	491对T1w和FLAIR图像，用于训练；103个测试案例，用于评估
3883	2024-11-10	Deep learning from atrioventricular plane displacement in patients with Takotsubo syndrome: lighting up the black-box 2024-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztad077 PMID:38505490	研究论文	本研究利用深度卷积神经网络（DCNN）分析心尖球形综合征（TTS）患者的心脏超声视频，以提高诊断的准确性和解释性	本研究通过梯度加权类激活映射分析，可视化了DCNN在区分TTS和前壁ST段抬高型心肌梗死（STEMI）中的作用，揭示了潜在的影像学特征	NA	提高心尖球形综合征（TTS）诊断的准确性和解释性	心尖球形综合征（TTS）和前壁ST段抬高型心肌梗死（STEMI）患者	计算机视觉	心血管疾病	深度卷积神经网络（DCNN）	DCNN	视频	300名患者（150名TTS患者和150名STEMI患者）
3884	2024-11-10	Deep learning from latent spatiotemporal information of the heart: Identifying advanced bioimaging markers from echocardiograms 2024-Mar, Biophysics reviews IF:2.9Q2 DOI:10.1063/5.0176850 PMID:38559589	研究论文	本文探讨了利用深度学习模型从超声心动图的潜在时空信息中识别高级生物成像标记物	提出了新的时空深度学习模型，能够整合未标记的超声心动图数据，构建个性化的4D心脏网格，评估心脏功能，检测早期瓣膜病理，并区分罕见的心血管疾病	NA	利用机器学习算法减少超声心动图采集、处理和解释中的成本、认知错误和观察者间变异性	超声心动图数据中的时空信息	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	NA
3885	2024-11-10	The automated Greulich and Pyle: a coming-of-age for segmental methods? 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1326488 PMID:38533467	研究论文	本文回顾了自动化骨龄评估方法的成功与局限，并提出了一种新的假设，即深度学习网络在预测骨龄时捕捉到了超出参考类别的细微差别	提出了一个新的假设，即深度学习网络在预测骨龄时捕捉到了超出参考类别的细微差别，并建议使用基于特征骨组的评分来解释预测偏差	未具体提及	探讨自动化骨龄评估方法的进展及其潜在应用	骨龄评估方法及其自动化应用	计算机视觉	NA	深度学习	NA	图像	NA
3886	2024-11-10	A review of mechanistic learning in mathematical oncology 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1363144 PMID:38533513	综述	本文综述了数学肿瘤学中机制学习的现状，并展望了其在肿瘤学领域的发展前景	本文提出了机制学习的四种分类（顺序、并行、外在、内在），并讨论了物理信息神经网络、代理模型学习和数字孪生等技术	本文未详细讨论机制学习在其他医学领域的应用	探讨机制学习在肿瘤学中的应用及其未来发展	机制学习在肿瘤学中的应用，包括纵向肿瘤反应预测和时间到事件建模	机器学习	肿瘤学	物理信息神经网络、代理模型学习、数字孪生	NA	NA	NA
3887	2024-11-09	Adversarial Training With Anti-Adversaries 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3432973 PMID:39046856	研究论文	本文探讨了对抗训练中不同扰动方向（对抗和反对抗）及其边界对深度神经网络鲁棒性、泛化性和公平性的影响	提出了一种结合对抗和反对抗扰动的新型训练方法，通过理论和实验验证了其在提高模型公平性和鲁棒性方面的有效性	未提及具体的局限性	研究对抗训练在不同扰动方向和边界下的理论和实际影响，提出改进方法以提高模型的公平性和鲁棒性	深度神经网络的鲁棒性、泛化性和公平性	机器学习	NA	对抗训练	深度神经网络	NA	未提及具体样本数量
3888	2024-11-09	DifFace: Blind Face Restoration With Diffused Error Contraction 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3432651 PMID:39042531	研究论文	提出了一种名为DifFace的新方法，用于盲人脸修复，通过扩散误差收缩来处理未见过的复杂退化问题	DifFace方法通过建立从低质量图像到高质量图像的后验分布，避免了复杂的损失设计，并能更优雅地处理未见过的复杂退化问题	NA	改进盲人脸修复技术，使其能够更好地处理未见过的复杂退化问题	盲人脸修复中的低质量图像到高质量图像的转换	计算机视觉	NA	扩散模型	扩散模型	图像	使用合成数据进行训练
3889	2024-11-09	Adan: Adaptive Nesterov Momentum Algorithm for Faster Optimizing Deep Models 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3423382 PMID:38963744	研究论文	提出了一种名为Adan的自适应Nesterov动量算法，旨在提高深度模型训练速度	重新定义了Nesterov加速方法，开发了一种新的Nesterov动量估计方法，避免了在外推点计算梯度的额外开销，并证明了Adan在非凸随机问题中找到ϵ-近似一阶平稳点的复杂度与最佳已知下界匹配	NA	提高深度学习模型训练效率	深度学习模型优化器	机器学习	NA	自适应梯度算法	Nesterov动量算法	NA	NA
3890	2024-11-09	Transformer-Based Visual Segmentation: A Survey 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3434373 PMID:39074008	综述	本文综述了基于Transformer的视觉分割技术，总结了近年来的进展	Transformer在视觉处理任务中显著超越了传统的卷积或循环方法，提供了更强大、统一和简单的解决方案	本文未提及具体的局限性	综述基于Transformer的视觉分割技术，总结进展并指出未来研究方向	视觉分割技术及其在自动驾驶、图像编辑、机器人感知和医学分析等领域的应用	计算机视觉	NA	Transformer	Transformer	图像、视频帧、点云	NA
3891	2024-11-09	Surface Reconstruction From Point Clouds: A Survey and a Benchmark 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3429209 PMID:39012756	综述	本文综述并评估了深度学习时代下从点云重建连续二维流形表面的现有方法	本文贡献了一个大规模的基准数据集，包含合成和真实扫描数据，并进行了全面的实证研究，特别关注现有方法对扫描缺陷的鲁棒性	本文指出多视角扫描点集的对齐问题、表面点缺失和点异常值等实际挑战仍未被现有方法解决	综述和评估现有从点云重建表面的方法，并提供一个基准数据集和实证研究	从点云重建连续二维流形表面的方法	计算机视觉	NA	深度学习	NA	点云	大规模基准数据集，包含合成和真实扫描数据
3892	2024-11-09	Dynamic 3D Point Cloud Sequences as 2D Videos 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3421359 PMID:38954587	研究论文	本文提出了一种新的通用表示方法，称为结构化点云视频（SPCV），通过将动态3D点云序列重新组织为具有空间平滑性和时间一致性的2D视频，以实现高效的3D点云序列处理和分析	提出了结构化点云视频（SPCV）表示方法，通过将3D点云序列重新组织为2D视频，利用现有的2D图像/视频技术进行处理，提高了处理效率和效果	NA	开发一种新的方法来有效地处理和分析动态3D点云序列	动态3D点云序列	计算机视觉	NA	自监督学习	NA	点云	NA
3893	2024-11-09	Large-Scale Object Detection in the Wild With Imbalanced Data Distribution, and Multi-Labels 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3421300 PMID:38949947	研究论文	本文研究了在大规模不平衡数据分布和多标签情况下进行目标检测的问题，并提出了解决方案	设计了并发softmax处理多标签问题，并提出软平衡采样方法和混合训练调度器来解决标签不平衡问题	NA	提高大规模目标检测任务中的模型性能	Open Images数据集中的目标检测任务	计算机视觉	NA	NA	NA	图像	涉及Open Images数据集中的大量样本
3894	2024-11-09	A Survey of Label-Efficient Deep Learning for 3D Point Clouds 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3416302 PMID:38889032	综述	本文对三维点云的标签高效深度学习进行了全面的综述	首次全面综述了三维点云的标签高效学习方法	未提及具体的研究局限性	探讨三维点云处理中标签高效学习的必要性、涵盖的子领域及其进展	三维点云数据及其在深度学习中的应用	计算机视觉	NA	深度神经网络	NA	点云	未提及具体样本数量
3895	2024-11-09	NDDepth: Normal-Distance Assisted Monocular Depth Estimation and Completion 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3411571 PMID:38857129	研究论文	本文提出了一种基于物理（几何）驱动的深度学习框架，用于单目深度估计和完成任务	通过估计表面法线和原点距离图作为中间输出，并引入平面感知一致性约束来提高深度估计的准确性	NA	提高单目深度估计和完成任务的性能	单目深度估计和完成任务	计算机视觉	NA	深度学习	CNN	图像	使用了NYU-Depth-v2、KITTI和SUN RGB-D数据集
3896	2024-11-09	CC4S: Encouraging Certainty and Consistency in Scribble-Supervised Semantic Segmentation 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3415387 PMID:38885110	研究论文	本文提出了一种名为CC4S的方法，通过设计网络结构、损失函数和训练过程，提高涂鸦监督语义分割中的确定性和一致性	CC4S通过嵌入随机游走模块和使用软熵损失函数来减少不确定性，并通过自监督训练和神经特征空间的一致性损失来增强一致性	NA	解决涂鸦监督语义分割中由于标注稀疏和多样性导致的预测不确定和不一致问题	涂鸦监督语义分割中的确定性和一致性	计算机视觉	NA	NA	NA	图像	NA
3897	2024-11-09	A Survey on Open-Vocabulary Detection and Segmentation: Past, Present, and Future 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3413013 PMID:38875096	综述	本文综述了开放词汇检测和分割的最新进展	提出了一个分类法来组织不同的任务和方法，并分析了各种方法的优缺点	未提及	回顾开放词汇检测和分割的发展历程，分析当前的研究现状，并展望未来的研究方向	开放词汇检测和分割的方法和任务	计算机视觉	NA	NA	NA	NA	NA
3898	2024-11-09	Neural Disparity Refinement 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3411292 PMID:38848234	研究论文	提出了一种结合传统手工算法和深度学习技术的框架，用于从立体图像中获取高质量、高分辨率的视差图	将视差细化过程视为连续特征采样策略，神经视差细化网络可以在任何输出分辨率下估计增强的视差图	在从合成图像到真实图像的零样本泛化方面表现最佳，但在其他配置下可能表现不佳	开发一种能够处理各种视差图生成方法的高质量视差图细化框架	立体图像的视差图	计算机视觉	NA	深度学习	神经网络	图像	NA
3899	2024-11-09	GT-CAM: Game Theory Based Class Activation Map for GCN 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3413026 PMID:38865236	研究论文	本文提出了一种基于博弈论的类激活图（GT-CAM）用于图卷积网络（GCN），以提高其在基于骨骼的行为识别中的可解释性	GT-CAM结合了Shapley值和梯度权重来计算节点重要性，揭示了节点间的合作动态，并提出了一种计算节点联盟Shapley值的方法以减少计算负担	NA	提高图卷积网络在基于骨骼的行为识别中的可解释性	图卷积网络中的节点和局部子图	机器学习	NA	博弈论	GCN	骨骼数据	NA
3900	2024-11-09	SSR-2D: Semantic 3D Scene Reconstruction From 2D Images 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3410032 PMID:38837926	研究论文	本文提出了一种从2D图像进行语义3D场景重建的方法，无需使用任何3D标注	本文的创新点在于利用可微渲染技术，通过2D观测和未知3D空间之间的桥梁，使用RGB图像和2D语义作为监督，实现了从有限的RGB-D图像中联合解决几何完成、着色和语义映射的问题	NA	研究目的是探索一种无需3D标注的语义场景重建方法	研究对象是3D室内空间的语义建模	计算机视觉	NA	可微渲染	NA	图像	涉及两个大规模基准数据集MatterPort3D和ScanNet