深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
161	2025-10-07	Research on the generation and annotation method of thin section images of tight oil reservoir based on deep learning 2024-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63430-z PMID:38834642	研究论文	提出一种基于深度学习的致密油储层薄片图像生成与标注方法	在原始StyleGAN网络中引入类别注意力机制，并设计SALM标注模块实现半自动标注	NA	解决致密油储层薄片图像样本不足和标注成本高的问题	三肇凹陷扶余储层铸体薄片图像	计算机视觉	NA	薄片图像分析	GAN	图像	NA	NA	StyleGAN	图像清晰度, 畸变度, 标准精度, 标注效率	NA
162	2025-01-07	A deep learning approach based on graphs to detect plantation lines 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31730 PMID:38841473	研究论文	本文提出了一种基于图的深度学习方法，用于检测无人机拍摄的RGB图像中的种植线	提出了一种新的基于图的深度学习方法，结合VGG16初始层提取特征图，并通过知识估计模块（KEM）进行植物位置、种植线和位移向量的检测	方法在复杂种植模式中可能仍存在挑战，且仅在玉米、橙子和桉树种植数据集中进行了验证	开发一种能够从无人机拍摄的RGB图像中检测种植线的深度学习方法	无人机拍摄的RGB图像中的种植线	计算机视觉	NA	深度学习	VGG16	图像	玉米、橙子和桉树种植数据集	NA	NA	NA	NA
163	2025-01-07	DIMOND: DIffusion Model OptimizatioN with Deep Learning 2024-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307965 PMID:38634608	研究论文	本文提出了一种名为DIMOND的新框架，利用物理信息和自监督深度学习优化扩散磁共振成像模型参数估计	DIMOND框架结合了物理信息和自监督深度学习，提高了扩散张量成像的准确性和泛化能力，显著减少了复杂微结构模型的拟合时间	需要进一步验证在不同数据集和受试者中的泛化能力	优化扩散磁共振成像模型参数估计，提高微结构和连接性映射的实用性和效率	人体大脑的微结构和结构连接性	医学影像分析	NA	扩散磁共振成像	深度学习神经网络	图像	NA	NA	NA	NA	NA
164	2025-01-07	Prostate Cancer Risk Stratification by Digital Histopathology and Deep Learning 2024-06, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00184 PMID:38900978	研究论文	本研究探讨了基于深度学习的数字病理学图像分析在前列腺癌风险分层中的应用	提出了一种结合临床病理数据和染色病理图像的深度学习模型，用于前列腺癌的风险分层，相比传统方法表现出更优的性能	需要在大规模队列中进一步验证模型的泛化能力	评估机器学习驱动的病理图像分析在前列腺癌风险分层中的有效性	502名接受根治性前列腺切除术的前列腺癌患者	数字病理学	前列腺癌	深度学习	卷积神经网络（CNN）	图像	502名患者	NA	NA	NA	NA
165	2025-01-04	Glioblastoma and radiotherapy: A multicenter AI study for Survival Predictions from MRI (GRASP study) 2024-06-03, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noae017 PMID:38285679	研究论文	本研究旨在通过深度学习技术，利用放疗后首次脑部MRI图像预测胶质母细胞瘤患者在8个月后的生存情况	首次将深度学习应用于放疗后胶质母细胞瘤患者的MRI图像，以预测其生存期，并结合非影像数据进行综合分析	样本量相对有限，且部分数据为回顾性数据，可能存在偏差	预测胶质母细胞瘤患者在放疗后8个月的生存情况	206名胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	深度学习	神经网络	MRI图像	206名患者（158名回顾性数据，19名内部验证，29名外部验证）	NA	NA	NA	NA
166	2024-12-28	Anatomy-Guided Spatio-Temporal Graph Convolutional Networks (AG-STGCNs) for Modeling Functional Connectivity Between Gyri and Sulci Across Multiple Task Domains 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3194733 PMID:35930515	研究论文	本研究开发了新的解剖学引导的时空图卷积网络（AG-STGCNs），以探索多个任务领域中脑回和脑沟之间功能连接差异的规律性和变异性	首次系统地研究了脑回和脑沟之间功能连接的差异，并开发了新的AG-STGCNs模型来探索这些差异在不同任务领域中的规律性和变异性	研究依赖于公开的HCP数据集，可能无法涵盖所有可能的任务领域和个体差异	探索脑回和脑沟之间功能连接的差异及其在不同任务领域中的规律性和变异性	830名受试者的七种不同任务和一种静息状态的功能磁共振成像（fMRI）数据	神经科学	NA	功能磁共振成像（fMRI）	时空图卷积网络（AG-STGCNs）	功能磁共振成像（fMRI）数据	830名受试者	NA	NA	NA	NA
167	2024-12-28	MVCNet: Multiview Contrastive Network for Unsupervised Representation Learning for 3-D CT Lesions 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3203412 PMID:36150004	研究论文	本文提出了一种多视图对比网络（MVCNet），用于无监督学习3D CT病变的表示	MVCNet通过从不同空间方向收集多个2D视图，并对比学习这些视图，以增强3D病变的表示，同时过滤掉无信息的负样本，从而在下游任务中获得更具区分性的特征	尽管MVCNet在无监督学习中表现出色，但其性能仍依赖于部分标注数据，且在完全无监督场景下的表现尚未验证	提高3D CT病变的无监督表示学习效果，减少对病变级别标注的依赖	3D CT病变	计算机视觉	肺癌	对比学习	MVCNet	3D CT图像	LIDC-IDRI、LNDb和TianChi数据集	NA	NA	NA	NA
168	2024-12-28	Gradient Matching Federated Domain Adaptation for Brain Image Classification 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3223144 PMID:36441881	研究论文	本文提出了一种梯度匹配联邦域适应（GM-FedDA）方法，用于脑图像分类，以减少域差异并训练鲁棒的本地联邦模型	提出了一种结合梯度匹配损失的联邦域适应方法，通过公共图像数据集减少域差异，并训练鲁棒的本地联邦模型	方法依赖于公共图像数据集，可能在实际应用中存在数据获取的困难	减少脑图像分类中的域差异，提高联邦学习模型的性能	脑图像数据，特别是精神分裂症和重度抑郁症的诊断分类	计算机视觉	精神分裂症, 重度抑郁症	联邦学习, 域适应	全连接网络	图像	多站点静息态功能磁共振成像（fMRI）数据	NA	NA	NA	NA
169	2024-12-28	A Review of Nuclei Detection and Segmentation on Microscopy Images Using Deep Learning With Applications to Unbiased Stereology Counting 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3213407 PMID:36327184	综述	本文回顾了使用深度学习在显微镜图像上进行细胞核检测和分割的最新方法，并探讨了其在无偏体视学计数中的应用	结合无偏体视学，探讨深度学习在细胞核检测和分割中的最新应用	未提及具体的数据集或实验结果的局限性	探讨深度学习在细胞核检测和分割中的应用，特别是在癌症和阿尔茨海默病研究中的重要性	显微镜图像中的细胞核	数字病理学	癌症, 阿尔茨海默病	深度学习	NA	图像	NA	NA	NA	NA	NA
170	2024-12-28	GMILT: A Novel Transformer Network That Can Noninvasively Predict EGFR Mutation Status 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3190671 PMID:35862326	研究论文	本文提出了一种名为GMILT的新型Transformer网络，用于非侵入性地预测EGFR突变状态	首次将病理侵袭性信息作为嵌入引入多任务模型，结合多实例学习和判别性弱监督特征学习，提升了预测性能	模型在外部数据集上的表现略低于内部数据集，可能存在泛化能力不足的问题	非侵入性且准确地预测EGFR突变状态，并识别与突变状态最相关的可疑区域以指导活检	肺腺癌患者的CT图像	计算机视觉	肺癌	深度学习	Transformer网络（GMILT）	CT图像	512名肺腺癌患者，测试数据集包括内部测试集、外部测试集和TCIA公共数据集	NA	NA	NA	NA
171	2024-12-28	Hypergraph Structural Information Aggregation Generative Adversarial Networks for Diagnosis and Pathogenetic Factors Identification of Alzheimer's Disease With Imaging Genetic Data 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3212700 PMID:36264725	研究论文	本文提出了一种超图结构信息聚合生成对抗网络（HSIA-GANs），用于阿尔茨海默病的诊断和致病因素识别	提出了一种新的深度学习方法HSIA-GANs，结合了超图结构信息聚合模型，用于自动样本分类和精确特征提取	未明确提及具体局限性	利用成像遗传数据进行阿尔茨海默病的诊断和致病因素识别	阿尔茨海默病	数字病理学	阿尔茨海默病	成像遗传数据分析	生成对抗网络（GAN）	成像遗传数据	基于AD神经影像倡议获取的数据	NA	NA	NA	NA
172	2024-12-28	GCNs-Net: A Graph Convolutional Neural Network Approach for Decoding Time-Resolved EEG Motor Imagery Signals 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3202569 PMID:36099220	研究论文	本文提出了一种基于图卷积神经网络（GCNs）的深度学习框架，用于解码时间分辨的脑电图（EEG）运动想象信号	该框架首次将电极的功能拓扑关系纳入EEG信号解码，提升了运动想象任务中的解码性能	NA	开发高效且有效的脑机接口（BCI）系统，精确解码脑电图（EEG）信号	脑电图（EEG）信号	机器学习	NA	图卷积神经网络（GCNs）	GCNs	脑电图（EEG）信号	PhysioNet数据集和高伽马数据集	NA	NA	NA	NA
173	2024-12-28	Exploring Brain Effective Connectivity Networks Through Spatiotemporal Graph Convolutional Models 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3221617 PMID:36399590	研究论文	本文提出了一种基于时空图卷积模型（STGCM）的新方法STGCMEC，用于从功能磁共振成像（fMRI）数据中学习大脑有效连接网络（ECN）	该方法首次结合了时间卷积网络和图卷积网络，以提取fMRI数据的深层时间特征并利用脑区之间的空间拓扑关系，使脑区特征更具区分性	当前方法未充分利用fMRI数据的深层时间特征和脑区之间的空间拓扑关系	研究如何从fMRI数据中更好地学习大脑有效连接网络	大脑有效连接网络	机器学习	阿尔茨海默病	功能磁共振成像（fMRI）	时空图卷积模型（STGCM）	fMRI数据	模拟数据集和真实阿尔茨海默病神经影像倡议（ADNI）数据集	NA	NA	NA	NA
174	2024-12-28	MiniSeg: An Extremely Minimum Network Based on Lightweight Multiscale Learning for Efficient COVID-19 Segmentation 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3230821 PMID:37015641	研究论文	本文提出了一种名为MiniSeg的轻量级模型，用于从CT图像中高效分割COVID-19感染区域	MiniSeg模型通过设计注意力层次空间金字塔（AHSP）模块和双路径编码器，实现了轻量级、高效的多尺度学习，解决了传统深度学习方法在有限数据下容易过拟合和计算成本高的问题	未明确提及具体局限性	提高COVID-19筛查和临床诊断的准确性，并快速部署和开发COVID-19筛查系统	COVID-19感染区域的CT图像	计算机视觉	COVID-19	深度学习	MiniSeg（基于AHSP模块和双路径编码器的轻量级模型）	CT图像	未明确提及具体样本数量	NA	NA	NA	NA
175	2024-12-28	An Explainable and Generalizable Recurrent Neural Network Approach for Differentiating Human Brain States on EEG Dataset 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3214225 PMID:36331650	研究论文	本文提出了一种可解释且可推广的循环神经网络方法，用于区分人类脑电图（EEG）数据集中的脑状态	提出了一种基于多重随机片段搜索的多层循环神经网络（MRFS-MRNN），以提高区分性能并探索有意义的模式	未提及具体局限性	研究如何通过可解释且可推广的深度学习方法区分脑状态	人类脑电图（EEG）数据集	机器学习	NA	NA	多层循环神经网络（MRFS-MRNN）	时间序列数据	未提及具体样本数量	NA	NA	NA	NA
176	2024-12-25	Patient-specific placental vessel segmentation with limited data 2024-Jun-04, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-024-01981-z PMID:38833204	研究论文	本文提出了一种基于生成对抗网络的患者特定胎盘血管分割方法，通过生成对抗模型生成人工样本，补充有限的真实数据，以提高分割性能	使用生成对抗网络生成人工样本，补充有限的真实数据，实现患者特定的胎盘血管分割	仅在双胎输血综合征的胎盘血管分割中进行了验证，尚未广泛应用于其他医学领域	解决医学领域中训练数据分布与临床数据不一致的问题，提高模型在临床中的应用效果	胎盘血管的分割	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	视频	20张标注图像	NA	NA	NA	NA
177	2024-12-24	Compositionally Equivariant Representation Learning 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3358955 PMID:38277249	研究论文	本文研究了在医学图像分割中利用组合性学习更具解释性和泛化能力的表示	提出了组合等变表示学习方法，通过可学习的von-Mises-Fisher核来建模组合表示，并在不同监督设置下探索如何增强组合等变性	NA	研究如何在医学图像分割中利用组合性学习更具解释性和泛化能力的表示	医学图像分割中的组合等变表示	计算机视觉	NA	von-Mises-Fisher核	组合等变表示模型	图像	NA	NA	NA	NA	NA
178	2024-12-24	Deep Learning With Physics-Embedded Neural Network for Full Waveform Ultrasonic Brain Imaging 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3363144 PMID:38329866	研究论文	本文提出了一种基于物理嵌入神经网络的深度学习方法，用于超声波脑成像的全波形反演	提出了物理嵌入神经网络（PEN-FWI），结合深度学习与全波形反演，能够实现对脑组织的可靠定量成像	NA	开发一种新的方法，用于超声波脑成像，克服传统超声在脑成像中的局限性	脑组织和颅骨的超声波成像	计算机视觉	NA	超声波成像	卷积神经网络（CNN）	图像	模拟和实验室测试数据	NA	NA	NA	NA
179	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	NA	NA	NA	NA
180	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	NA	NA	NA	NA