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	2024-12-22	UNSEG: unsupervised segmentation of cells and their nuclei in complex tissue samples 2024-Apr-23, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.13.566842 PMID:38014263	研究论文	本文介绍了一种无监督的细胞及其核在复杂组织样本中分割的方法UNSEG	UNSEG在无需训练数据的情况下实现了深度学习级别的性能，并引入了新的扰动分水岭算法，提高了经典分水岭的准确性	文中提到分割准确性的量化可能存在偏差，且分割在组织样本中仍然是一个具有挑战性的问题	开发一种无需标签的无监督学习方法，用于复杂组织样本中细胞及其核的分割	复杂组织样本中的细胞及其核	计算机视觉	NA	无监督学习	UNSEG	图像	包括一个高质量的胃肠道组织（GIT）数据集和公开数据集
2	2024-12-20	Interpretable Cognitive Ability Prediction: A Comprehensive Gated Graph Transformer Framework for Analyzing Functional Brain Networks 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3343365 PMID:38109241	研究论文	本文提出了一种基于门控图变换器（GGT）框架的认知能力预测方法，通过分析功能性脑网络来预测个体的认知能力	本文创新性地结合了门控机制和可学习的结构与位置编码（LSPE），并利用注意力机制动态分配传播权重，从而提高了模型的解释性和预测准确性	NA	研究目的是开发一种可解释的认知能力预测模型，以分析功能性脑网络	研究对象是基于fMRI功能连接（FC）的功能性脑网络	机器学习	NA	fMRI	门控图变换器（GGT）	图像	两个大型脑成像数据集：费城神经发育队列（PNC）和人类连接组项目（HCP）
3	2024-12-20	Efficient Supervised Pretraining of Swin-Transformer for Virtual Staining of Microscopy Images 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3337253 PMID:38010933	研究论文	本文提出了一种基于Swin-Transformer模型的虚拟染色方法，并通过高效的监督预训练技术提升了模型性能	本文创新性地采用了基于掩码自编码器（MAE）的监督预训练方法，通过下采样和网格采样减少了计算量和数据依赖，并设计了多风格染色预测的监督代理任务	本文主要基于公开数据集进行实验，未来可能需要验证其在更多私有数据集上的泛化能力	开发一种高效的虚拟染色方法，减少对大规模预训练的依赖	显微镜图像的虚拟染色	计算机视觉	NA	Swin-Transformer	Swin-Transformer	图像	三个公开数据集
4	2024-12-20	EAG-RS: A Novel Explainability-Guided ROI-Selection Framework for ASD Diagnosis via Inter-Regional Relation Learning 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3337362 PMID:38015693	研究论文	提出了一种新的可解释性引导的ROI选择框架EAG-RS，通过学习脑区间的高阶非线性关系来诊断自闭症谱系障碍	引入了一种新的可解释性引导的ROI选择框架，通过随机种子网络掩蔽和可解释连接相关性评分来识别高阶非线性功能关联，并选择具有分类信息的脑区进行诊断	现有研究使用线性低阶功能连接作为模型输入，缺乏足够信息，未考虑患者个体差异，且决策过程不可解释	解决现有自闭症诊断方法的局限性，提出一种新的框架来提高诊断准确性和可解释性	自闭症谱系障碍患者的功能磁共振成像数据	机器学习	自闭症谱系障碍	功能磁共振成像	NA	图像	使用Autism Brain Imaging Data Exchange (ABIDE)数据集进行验证
5	2024-12-20	A Learnable Counter-Condition Analysis Framework for Functional Connectivity-Based Neurological Disorder Diagnosis 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3337074 PMID:38019623	研究论文	本文提出了一种可学习的反条件分析框架，用于基于功能连接的神经功能障碍诊断	本文创新性地提出了一种统一的框架，将诊断和解释系统性地整合在一起，并设计了自适应注意力网络进行特征选择，提出了功能网络关系编码器来学习功能连接的全局拓扑属性，并引入了反条件分析方法进行神经科学解释	本文未提及具体的局限性	研究目的是开发一种新的框架，用于基于功能连接的神经功能障碍诊断，并提供神经科学解释	研究对象是基于功能连接的神经功能障碍诊断	机器学习	NA	功能磁共振成像 (fMRI)	自适应注意力网络，功能网络关系编码器	功能连接数据	使用了两个大型静息态功能磁共振成像数据集，分别是Autism Brain Imaging Data Exchange (ABIDE) 和 REST-meta-MDD
6	2024-12-20	Semi-Supervised Medical Image Segmentation Using Cross-Style Consistency With Shape-Aware and Local Context Constraints 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3338269 PMID:38032771	研究论文	提出了一种基于交叉风格一致性和形状感知与局部上下文约束的半监督医学图像分割框架	设计了形状无关和形状感知两个并行网络，通过交叉风格一致性策略和局部上下文约束来提高半监督学习的效果，并有效利用未标注数据	未明确提及	解决半监督医学图像分割中标注数据不足的问题，提升分割精度和形状感知能力	医学图像的分割	计算机视觉	NA	深度学习	NA	图像	三个不同数据集的医学图像
7	2024-12-20	An Energy Matching Vessel Segmentation Framework in 3-D Medical Images 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3339204 PMID:38048240	研究论文	本文提出了一种高分辨率能量匹配分割（HrEmS）框架，用于从高分辨率三维医学扫描中进行精确的血管分割	引入了一种新的基于实数阶全变差算子的损失函数，用于指导分割网络通过匹配预测分割与手动标签的能量来获得正确的拓扑结构；开发了一个基于曲率的权重校正模块，使网络能够专注于血管的关键和复杂结构部分	NA	开发一种可靠且可扩展的框架，用于从高分辨率三维医学扫描中进行血管分割，以帮助临床医生可视化复杂的血管结构并诊断相关的血管疾病	高分辨率三维医学扫描中的血管分割	计算机视觉	NA	深度学习	NA	图像	三个内部多中心数据集和三个公共数据集
8	2024-12-20	DeepMesh: Mesh-Based Cardiac Motion Tracking Using Deep Learning 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3340118 PMID:38064325	研究论文	提出了一种名为DeepMesh的深度学习框架，用于从心脏磁共振图像中估计心脏的三维运动	通过将心脏建模为包含心外膜和心内膜表面的三维网格，并开发了一种可微分的网格到图像光栅化器，能够利用多个解剖视图的2D形状信息进行3D网格重建和网格运动估计	主要集中在左心室的三维运动估计，未涉及其他心脏结构	开发一种新的方法来估计心脏的三维运动，以评估心脏功能和诊断心血管疾病	心脏的三维运动，特别是左心室	计算机视觉	心血管疾病	深度学习	NA	图像	来自UK Biobank的心脏磁共振图像
9	2024-12-20	DeepTree: Pathological Image Classification Through Imitating Tree-Like Strategies of Pathologists 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3341846 PMID:38090840	研究论文	本文提出了一种基于树状策略的深度学习架构DeepTree，用于病理图像分类，模仿病理学家的诊断决策过程	创新点在于设计了一种基于树状策略的深度学习架构DeepTree，模仿病理学家的诊断方法，并结合了组织形态学相关性进行条件学习	NA	提高病理图像分类的准确性、透明性和可信度，促进人工智能辅助诊断在临床中的实际应用	肺癌症冷冻组织和乳腺癌亚型病理图像	数字病理学	肺癌	深度学习	DeepTree	图像	包括肺癌症冷冻组织和乳腺癌亚型病理图像的数据集
10	2024-12-20	OIF-Net: An Optical Flow Registration-Based PET/MR Cross-Modal Interactive Fusion Network for Low-Count Brain PET Image Denoising 2024-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3342809 PMID:38096101	研究论文	本文提出了一种基于光流配准的PET/MR跨模态交互融合网络OIF-Net，用于低计数脑PET图像的去噪	本文创新性地引入了光流预配准模块和跨模态特征融合模块，解决了多模态融合阶段的特征错位问题，并提高了特征融合过程的效率	NA	提高低计数PET图像的质量，以实现更好的临床诊断	低计数脑PET图像	医学影像	NA	光流配准	CNN	图像	真实临床数据集及独立临床测试数据集
11	2024-12-19	Automated entry of paper-based patient-reported outcomes: Applying deep learning to the Japanese orthopaedic association back pain evaluation questionnaire 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108197 PMID:38452472	研究论文	本研究开发了一种深度学习模型，用于自动读取日本骨科协会下腰痛评估问卷的纸质表格	首次应用深度学习技术自动读取纸质患者报告结局，减轻了数据收集者的负担	仅限于特定问卷和特定语言（日语），未提及模型在其他语言或问卷上的适用性	开发一种自动读取纸质患者报告结局的深度学习模型，以提高数据收集效率	日本骨科协会下腰痛评估问卷的纸质表格	机器学习	下腰痛	深度学习	深度学习模型	文本	训练集1305份，测试集483份
12	2024-12-19	A bidirectional interpretable compound-protein interaction prediction framework based on cross attention 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108239 PMID:38460309	研究论文	提出了一种基于交叉注意力的双向可解释化合物-蛋白质相互作用预测框架CmhAttCPI	引入交叉多头注意力机制，提供从化学和生物学角度的双向可解释性，并展示了模型的实际应用性	未提及具体的局限性	开发一种新型的化合物-蛋白质相互作用预测方法，以降低实验成本和劳动强度	化合物-蛋白质相互作用	机器学习	NA	交叉多头注意力机制	CNN	分子图和蛋白质序列	使用了平衡和不平衡的数据集进行评估
13	2024-12-19	Transcriptomic signature of cancer cachexia by integration of machine learning, literature mining and meta-analysis 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108233 PMID:38452471	研究论文	本研究通过整合机器学习、文献挖掘和元分析，识别癌症恶病质的转录组特征	本研究创新性地整合了机器学习、元分析和文献挖掘，以识别癌症恶病质的稳健转录组特征	NA	识别癌症恶病质的转录组特征，并探索潜在的治疗策略	癌症恶病质小鼠肌肉的转录组数据	机器学习	癌症	下一代测序技术	深度学习和随机森林模型	转录组数据	来自十个不同研究的恶病质小鼠肌肉转录组数据
14	2024-12-19	ECG-based data-driven solutions for diagnosis and prognosis of cardiovascular diseases: A systematic review 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108235 PMID:38460311	综述	本文对基于心电图（ECG）的数据驱动方法在心血管疾病（CVD）诊断和预后中的应用进行了系统性综述	本文填补了现有文献中关于ECG数据驱动方法在CVD诊断和预后中应用的系统性综述的空白，并特别关注了可信人工智能（Trustworthy AI）的要求	本文主要关注于综述现有研究，未提出新的模型或方法	旨在通过系统性综述，全面分析基于ECG的数据驱动模型在CVD诊断和预后中的应用现状，并提供具体建议	基于ECG的数据驱动模型在CVD诊断和预后中的应用	机器学习	心血管疾病	机器学习（ML）和深度学习（DL）	深度学习（DL）	心电图（ECG）数据	NA
15	2024-12-19	A systematic review of the application of deep learning techniques in the physiotherapeutic therapy of musculoskeletal pathologies 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108082 PMID:38461697	综述	本文系统回顾了深度学习技术在肌肉骨骼病理学物理治疗中的应用现状	主要创新点在于采用混合模型，特别是卷积模型的广泛应用，以及在数据方面，文本和结构化数据展示了在该领域进行突破性工作的潜力	本文仅选择了23篇研究进行分析，可能无法全面覆盖所有相关研究	评估深度学习模型在物理治疗中的应用现状，并识别该领域的关键趋势、挑战和机遇	肌肉骨骼病理学的物理治疗	机器学习	NA	深度学习	混合模型，卷积模型	身体信号，图像，文本，结构化数据	214篇初始论文中选择了23篇进行分析
16	2024-12-19	Efficiently improving the Wi-Fi-based human activity recognition, using auditory features, autoencoders, and fine-tuning 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108232 PMID:38484697	研究论文	本文提出了一种基于Wi-Fi信号的人类活动识别方法，通过使用听觉特征、自编码器和微调技术，在训练数据有限的情况下提高了识别精度	本文的创新点在于使用预训练的多输入多输出自编码器（MIMO AE）从少量数据样本中提取梅尔频率倒谱系数（MFCC）特征，并通过微调技术在分类器中固定编码层，从而在较少训练数据的情况下提高了识别精度	本文的局限性在于虽然可以通过增加计算成本进一步提高精度，但提升幅度较小，仅为2.4%	本文的研究目的是在训练数据有限的情况下，提高基于Wi-Fi信号的人类活动识别精度	本文的研究对象是基于Wi-Fi信号的人类活动识别	机器学习	NA	自编码器	自编码器	信号	使用了30%的训练和验证数据（相当于总数据的24%）
17	2024-12-19	CosSIF: Cosine similarity-based image filtering to overcome low inter-class variation in synthetic medical image datasets 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108317 PMID:38492455	研究论文	提出了一种基于余弦相似度的图像过滤算法CosSIF，用于解决合成医学图像数据集中类间差异较小的问题	提出了CosSIF算法，并开发了两种过滤方法FBGT和FAGT，以减少类间差异并提高GAN生成图像的判别能力	未提及具体限制	解决医学图像数据集中类间差异较小的问题，并提高深度学习模型在临床图像分类中的性能	医学图像数据集和生成对抗网络（GAN）生成的合成图像	计算机视觉	NA	生成对抗网络（GAN）	卷积神经网络（CNN）和Transformer	图像	未提及具体样本数量
18	2024-12-19	Multi-scale and multi-view network for lung tumor segmentation 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108250 PMID:38493603	研究论文	本文提出了一种名为MSMV-Net的深度学习架构，用于在CT图像中进行肺肿瘤分割	创新点在于结合了多尺度多视角学习模块和基于多尺度不确定性的深度监督，以提高小3D肺肿瘤的分割精度	NA	提高肺肿瘤在医学影像中的分割精度	肺肿瘤在CT图像中的分割	计算机视觉	肺癌	深度学习	MSMV-Net	图像	LUNA数据集和MSD数据集
19	2024-12-19	US2Mask: Image-to-mask generation learning via a conditional GAN for cardiac ultrasound image segmentation 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108282 PMID:38503085	研究论文	本文提出了一种基于条件生成对抗网络（CGAN）的框架，用于心脏超声图像的分割	引入了一种基于条件生成对抗网络（CGAN）的新学习方法，用于心脏超声图像的多类RGB掩码生成	NA	解决心脏超声图像分割中数据集和专家标注成本高的问题	心脏超声图像的分割	计算机视觉	NA	条件生成对抗网络（CGAN）	条件生成对抗网络（CGAN）	图像	三个心脏超声图像数据集
20	2024-12-19	A deep ensemble medical image segmentation with novel sampling method and loss function 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108305 PMID:38503087	研究论文	本文提出了一种新的深度集成医学图像分割方法，结合了新的采样方法和损失函数，以解决类别不平衡和提高分割精度的问题	本文的创新点包括提出了一种新的采样方法来处理医学数据集中的类别不平衡问题，并设计了一种基于指数损失的新损失函数，同时采用了包含两个UNet模型的集成模型来提高分割性能	本文的局限性在于未详细讨论所提出方法在计算资源和时间上的消耗，以及在不同类型医学图像上的泛化能力	本文的研究目的是提高医学图像分割的精度和处理类别不平衡问题	本文的研究对象是医学图像中的感兴趣区域，包括异常组织和背景特征	计算机视觉	NA	深度学习	UNet	图像	使用了三个公开数据集：Kvasir-SEG、FLAIR MRI Low-Grade Glioma (LGG) 和 ISIC 2018 数据集