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
1261	2024-08-05	Human Versus Machine Intelligence: Assessing Natural Language Generation Models Through Complex Systems Theory 2024-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3358168 PMID:38265904	研究论文	通过复杂系统理论评估自然语言生成模型的能力。	提出了一种比较GPT-2生成文本与人类文本的新方法，利用复杂性科学框架进行深入分析。	未提及具体的局限性。	探讨Transformer架构在自然语言生成中的表现并分析其与人类文本的关系。	比较GPT-2生成的英文文本与人类创作的小说和程序代码。	自然语言处理	NA	复杂性测量	GPT-2	文本	分析了三种文本类型，具体样本量未提及
1262	2024-08-05	Detection and coverage estimation of purple nutsedge in turf with image classification neural networks 2024-Jul, Pest management science IF:3.8Q1 DOI:10.1002/ps.8055 PMID:38436512	研究论文	该研究评估了使用图像分类神经网络检测和估算草坪中紫色猪殃殃覆盖率的有效性	通过使用不同的深度学习模型，尤其是DenseNet，在杂草检测和覆盖估算上表现出先进的准确性和效率	需要大量注释数据进行模型训练	实现精确的杂草检测和覆盖率估算以优化除草剂应用	杂草检测和估算在百慕大草坪中的覆盖率	计算机视觉	NA	深度学习	DenseNet, GoogLeNet, ResNet	图像	NA
1263	2024-08-05	Research on precise phenotype identification and growth prediction of lettuce based on deep learning 2024-Jul-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118845 PMID:38570128	研究论文	本文研究了生菜的精确表型识别和生长预测	通过深度学习模型，提出了用于生菜生长的预测模型，并定义了一些新颖的表型指标	没有详细说明实验的样本大小和营养应激条件的具体影响	旨在实现精准农业的目标，通过识别和监测生菜的表型特征	生菜的表型特征及其生长状态	数字农业	NA	深度学习	NA	RGB图像	NA
1264	2024-08-05	On the Number of Linear Regions of Convolutional Neural Networks With Piecewise Linear Activations 2024-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3361155 PMID:38300783	研究论文	本文提供了用于研究具有分段线性激活的卷积神经网络线性区域的数学结果	提出了一层和多层分段线性卷积神经网络的最大和平均线性区域数量的数学结果	未提及具体限制	研究具有分段线性激活的卷积神经网络的线性区域	分段线性卷积神经网络的线性区域	机器学习	NA	NA	PLCNN	NA	NA
1265	2024-08-05	Self-Supervised Deep Blind Video Super-Resolution 2024-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3361168 PMID:38329850	研究论文	本文提出了一种自监督学习方法来解决盲视频超分辨率问题	创新点在于同时估计模糊核和高分辨率视频，并生成辅助配对数据以更好地约束网络	在实际应用中，高分辨率视频和对应低分辨率视频的获取仍然很困难	研究旨在通过自监督学习方法改善视频超分辨率的效果	研究对象是低分辨率视频，目标是恢复出高分辨率视频	计算机视觉	NA	NA	NA	视频	NA
1266	2024-08-05	Siamese Cooperative Learning for Unsupervised Image Reconstruction From Incomplete Measurements 2024-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3359087 PMID:38277253	研究论文	本文提出了一种无监督深度学习方法，用于从不完整测量中进行图像重建	提出了一种通过Siamese网络在测量矩阵的零空间和伪逆的范围空间上协作重建的无监督深度学习方法	该方法依赖于自监督损失，可能在某些情况下无法达到最佳重建效果	扩展深度学习在获取潜在图像挑战性任务中的应用	对图像重建进行无监督学习	计算机视觉	NA	深度学习	Siamese网络	图像	应用于四个来自不同应用的成像任务
1267	2024-08-05	Microstrip isoelectric focusing with deep learning for simultaneous screening of diabetes, anemia, and thalassemia 2024-Jul-11, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2024.342696 PMID:38834281	研究论文	本文提出了一种基于微带等电聚焦和深度学习的方法用于同时筛查糖尿病、贫血和地中海贫血	首次实现了Hb的绝对定量检测、Hb种类的相对定量及多种疾病的同时筛查	基于Hb种类的疾病诊断准确率较低，仅为69.33%	提高糖尿病、贫血和地中海贫血的筛查准确性	检测 Hb 的相对含量及其相关疾病的筛查	数字病理学	糖尿病、贫血、地中海贫血	微带等电聚焦 (mIEF)	ResNet1D	图像	NA
1268	2024-08-05	Prediction of cardiovascular risk factors from retinal fundus photographs: Validation of a deep learning algorithm in a prospective non-interventional study in Kenya 2024-Jul, Diabetes, obesity & metabolism DOI:10.1111/dom.15587 PMID:38618987	研究论文	本研究开发并验证了一种机器学习算法，用于从视网膜眼底照片中估计心血管风险因素。	通过在肯尼亚的非干预研究中验证机器学习模型，推动了心血管筛查的早期应用，尤其是在资源有限的环境中	模型性能表现与开发使用的英国生物银行人群相比，准确度稍低，可能需要重新校准	评估机器学习算法在低收入国家心血管风险因素估计中的有效性	肯尼亚地区的301名参与者，通过收集视网膜照片及其临床参数进行研究	机器学习	心血管疾病	机器学习	未提及	图像	301名参与者
1269	2024-08-05	NVAM-Net: deep learning networks for reconstructing high-quality fiber orientation distributions 2024-Jul, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03341-y PMID:38563964	研究论文	该研究介绍了一种名为NVAM-Net的神经网络，用于重建高质量的纤维取向分布图像。	该文章创新性地引入了相邻体素注意机制网络，利用变换器架构和两种新的注意机制来改进FOD估计。	未提供明显的局限性说明	本研究旨在提高扩散磁共振成像中体素取向分布的重建精度。	本研究使用了人脑连通组项目（HCP）数据集进行实验。	数字病理学	NA	扩散磁共振成像（dMRI）	变换器	图像	使用人脑连通组项目（HCP）数据集的实验结果
1270	2024-08-05	Effect of deep learning-based reconstruction on high-resolution three-dimensional T2-weighted fast asymmetric spin-echo imaging in the preoperative evaluation of cerebellopontine angle tumors 2024-Jul, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03328-9 PMID:38480538	研究论文	本文旨在评估基于深度学习重建（DLR）在小脑桥角肿瘤术前评估中的影响。	本研究创新地使用深度学习重建技术提高了HR-3D T2-FASE成像的对比噪声比。	样本量较小，仅包含13例患者，可能影响结果的普遍性。	研究旨在评估DLR对小脑桥角肿瘤术前评估中成像质量的影响。	研究对象为接受术前HR-3D T2-FASE成像的13例患者。	数字病理学	脑肿瘤	MRI	深度学习重建	医学影像	13例患者
1271	2024-08-07	Unsupervised classification of multi-contrast magnetic resonance histology of peripheral arterial disease lesions using a convolutional variational autoencoder with a Gaussian mixture model in latent space: A technical feasibility study 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102372 PMID:38581959	技术可行性研究	研究使用结合变分自编码器（VAE）和二维卷积神经网络（CNN）的深度学习算法，自动量化外周动脉疾病（PAD）闭塞病变中硬组织的分布和形态的可行性	结合2D CNN VAE和GMM实现了对含硬组织病变的高分类概率	软组织病变的复杂性导致伪彩色图像的异质性，使得GMM组件更多地归属于软组织类别	探索深度学习算法在自动量化外周动脉疾病磁共振图像中硬组织分布和形态的可行性	外周动脉疾病的闭塞病变	计算机视觉	外周动脉疾病	磁共振成像	CNN	图像	4014张伪彩色合成图像，来自六条截肢腿的病变
1272	2024-08-07	Deep learning-based glomerulus detection and classification with generative morphology augmentation in renal pathology images 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102375 PMID:38599040	研究论文	本文提出了一种基于深度卷积神经网络的方法，用于自动检测和分类肾病理图像中的不同染色的肾小球	本文提出了一个扁平化的Xception与特征金字塔网络（FX-FPN）用于肾小球检测，并通过循环一致生成对抗网络（CycleGAN）进行数据增强以提高分类器的判别能力	NA	优化肾病理学家在解释肾病理图像时的时间消耗和劳动强度	肾病理图像中的肾小球	数字病理学	NA	深度卷积神经网络（CNN）	CNN	图像	NA
1273	2024-08-07	A deep learning-based pipeline for developing multi-rib shape generative model with populational percentiles or anthropometrics as predictors 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102388 PMID:38692200	研究论文	本文提出了一种基于深度学习的流程，用于开发多肋骨横截面形状生成模型，该模型使用人口百分位数或人体测量学作为预测因子	利用条件变分自编码器（CVAE）和随机树回归器，将肋骨形状数据与人体测量学特征（如年龄、身高和体重）关联起来，从而生成具有特定人口百分位数或特定人体测量学特征的肋骨横截面形状	NA	开发一种能够生成具有特定人口百分位数或特定人体测量学特征的肋骨横截面形状的模型，以促进未来考虑人口多样性的生物医学和生物力学研究	肋骨横截面形状及其与人体测量学特征的关联	机器学习	NA	条件变分自编码器（CVAE）	CNN	图像	3193个肋骨样本
1274	2024-08-07	W-DRAG: A joint framework of WGAN with data random augmentation optimized for generative networks for bone marrow edema detection in dual energy CT 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102387 PMID:38703602	研究论文	本文提出了一种基于深度学习技术的框架W-DRAG，用于在双能CT中检测骨髓水肿，通过结合Wasserstein GAN和数据随机增强优化生成对抗网络，提高了疾病筛查和骨病变定位的准确性	本文创新性地结合了数据增强优化和Wasserstein GAN，生成稳定且与真实图像分布高度一致的合成图像，提高了分类模型的性能	NA	开发一种新的生成对抗网络框架，用于提高双能CT中骨髓水肿检测的准确性	双能CT图像中的骨髓水肿检测	计算机视觉	骨髓水肿	生成对抗网络(GAN)	Wasserstein GAN	图像	使用真实和合成样本进行训练和测试
1275	2024-08-07	3DFRINet: A Framework for the Detection and Diagnosis of Fracture Related Infection in Low Extremities Based on 18F-FDG PET/CT 3D Images 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102394 PMID:38714019	研究论文	提出了一种基于18F-FDG PET/CT 3D图像的自动化两阶段框架3DFRINet，用于检测和诊断下肢骨折相关感染	3DFRINet通过双分支设计和注意力模块有效提取和融合两种模态的特征，并使用最大强度投影降低图像维度，提高了诊断性能	NA	开发一种自动化工具，用于早期全面评估和准确诊断下肢骨折手术后的骨折相关感染	下肢骨折相关感染的检测和诊断	计算机视觉	骨折相关感染	18F-FDG PET/CT	CNN	3D图像	NA
1276	2024-08-07	CAVE: Cerebral artery-vein segmentation in digital subtraction angiography 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102392 PMID:38714020	研究论文	本文提出了一种名为CAVE的网络，用于在数字减影血管造影（DSA）中自动分割脑动脉和静脉	CAVE网络结合了空间血管结构和时间脑血流特征，有效解决了传统U-Net在DSA图像中难以区分血管与减影伪影以及无法有效分离动脉和静脉的问题	NA	研究目的是开发一种新的深度学习方法，用于在DSA图像中自动分割脑动脉和静脉	脑动脉和静脉的自动分割	计算机视觉	神经血管疾病	数字减影血管造影（DSA）	CAVE网络	图像	多中心临床数据集
1277	2024-08-07	Weakly-supervised preclinical tumor localization associated with survival prediction from lung cancer screening Chest X-ray images 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102395 PMID:38729092	研究论文	本文探讨了通过弱监督训练的生存预测模型，在胸部X光片（CXR）图像中定位临床前肿瘤区域的可能性，并使用健康患者的CXR图像及其死亡时间标签数据集进行验证	本文提出了一种新的方法，通过使用多类生存预测深度学习分类器和Grad-CAM等后置解释方法，实现了临床前肿瘤区域的定位，并为生存预测结果提供了视觉解释	NA	验证在胸部X光片中通过弱监督学习定位临床前肿瘤区域并预测生存率的可行性	胸部X光片中的临床前肿瘤区域定位及生存预测	计算机视觉	肺癌	弱监督学习	深度学习分类器	图像	使用国家肺癌筛查试验（NLST）数据集进行实验
1278	2024-08-07	Federated learning with knowledge distillation for multi-organ segmentation with partially labeled datasets 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103156 PMID:38603844	研究论文	本文提出了一种结合知识蒸馏的联邦学习方法，用于在部分标记的多器官CT数据集上进行分割	使用知识蒸馏来规范本地训练，结合全局模型和预训练的特定器官分割模型，以解决联邦学习中的'灾难性遗忘'问题	NA	提高多器官CT分割的准确性和效率	多器官CT图像分割	计算机视觉	NA	联邦学习	U-Net	图像	8个公开的腹部CT数据集，共889个CT用于训练，233个用于内部测试，30个用于外部测试
1279	2024-08-07	Anat-SFSeg: Anatomically-guided superficial fiber segmentation with point-cloud deep learning 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103165 PMID:38608510	研究论文	提出了一种基于解剖引导的浅层纤维分割框架Anat-SFSeg，通过使用独特的纤维解剖描述符FiberAnatMap和基于点云数据的深度学习网络，提高了浅层白质分割的准确性	引入了新的度量标准纤维解剖区域比例（FARP）和解剖区域纤维计数（ARFC），用于评估纤维在定义脑区的比例和个体间的差异	NA	提高浅层白质分割的准确性，并探索其在神经退行性疾病中的应用	浅层白质纤维的精确分割	数字病理学	神经退行性疾病	扩散磁共振成像（dMRI）	神经网络	点云数据	使用了人类连接组项目（HCP）数据集，并在不同认知障碍水平的受试者中进行了测试
1280	2024-08-07	Population-based deep image prior for dynamic PET denoising: A data-driven approach to improve parametric quantification 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103180 PMID:38657423	研究论文	本研究提出了一种基于人群的深度图像先验（PDIP）技术，用于提高动态正电子发射断层扫描（PET）图像的质量和参数量化准确性	PDIP技术结合了人群基础的先验信息和深度图像先验（DIP）的优化过程，通过3D U-Net架构实现噪声减少，同时保留了小病变信息	研究中使用的监督模型和CDIP模型在减少噪声的同时可能导致小病变的平滑和移除	提高动态PET图像的质量和参数量化准确性	动态PET图像的噪声减少	计算机视觉	NA	深度学习	3D U-Net	图像	23名患者的动态PET图像和100项临床研究的静态PET数据集