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
781	2024-08-15	RVDLAHA: An RISC-V DLA Hardware Architecture for On-Device Real-Time Seizure Detection and Personalization in Wearable Applications 2024-Aug-13, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2024.3442250 PMID:39137083	研究论文	本文提出了一种基于RISC-V的深度学习加速器硬件架构（RVDLAHA），用于可穿戴设备上实时检测和个性化癫痫发作	本研究提出了实时癫痫检测和个性化算法，以及可编程的RISC-V深度学习加速器硬件架构和专用RISC-V DLA编译器	NA	开发一种用于可穿戴设备上实时检测和个性化癫痫发作的硬件架构	癫痫检测和个性化算法	机器学习	神经系统疾病	卷积神经网络（CNN）	CNN	数据	实验室老鼠实验
782	2024-08-15	Prompt-driven Latent Domain Generalization for Medical Image Classification 2024-Aug-13, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3443119 PMID:39137089	研究论文	本文提出了一种无需依赖域标签的统一域泛化框架PLDG，用于医学图像分类，通过无监督域发现和提示学习来解决深度学习模型在医学图像分析中因数据集偏差、相机变化等因素导致的分布偏移问题	PLDG框架通过聚类偏差相关风格特征发现伪域标签，并利用协作域提示引导Vision Transformer学习多样化域的知识，引入域提示生成器和域混合策略以促进跨域知识学习和灵活决策边界	NA	解决深度学习模型在医学图像分析中因数据集偏差、相机变化等因素导致的分布偏移问题，提高模型在真实临床环境中的诊断可靠性	医学图像分类	计算机视觉	NA	Vision Transformer	Vision Transformer	图像	涉及三个医学图像分类任务和一个去偏任务
783	2024-08-15	Optimizing Acute Stroke Segmentation on MRI Using Deep Learning: Self-Configuring Neural Networks Provide High Performance Using Only DWI Sequences 2024-Aug-13, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00994-2 PMID:39138749	研究论文	研究使用深度学习优化急性中风MRI的分割，特别是通过自我配置的神经网络模型nnU-Net，仅使用DWI序列实现高性能	采用自我配置的nnU-Net模型，无需手动优化，显著优于传统的U-Net模型，并在仅使用DWI图像的情况下实现了出色的中风分割性能	研究未探讨其他可能的MRI序列组合对性能的影响，且外部验证的样本量较小	评估DWI、ADC和FLAIR序列在缺血性中风分割中的效用，并比较自我配置的nnU-Net模型与传统U-Net模型的性能	缺血性中风的MRI图像分割	计算机视觉	中风	深度学习	nnU-Net	MRI图像	训练集包含200个病例，测试集包含50个病例，外部验证集包含50个MRI图像
784	2024-08-15	Ensemble of Deep Learning Architectures with Machine Learning for Pneumonia Classification Using Chest X-rays 2024-Aug-13, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01201-y PMID:39138748	研究论文	本研究利用深度学习与机器学习分类器结合的方法，通过胸部X光片对肺炎进行分类	本研究展示了深度学习模型与机器学习分类器结合在提高肺炎快速准确识别方面的优势	未来研究应关注模型的改进和在其他医学影像任务中的应用，以及引入可解释性方法以更好地理解其决策过程	提高肺炎诊断的准确性和效率	胸部X光片图像	机器学习	肺炎	深度学习	VGG19, ResNet50V2, DenseNet121	图像	未明确提及样本数量
785	2024-08-15	Comparative Analysis of the Diagnostic Value of S-Detect Technology in Different Planes Versus the BI-RADS Classification for Breast Lesions 2024-Aug-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.005 PMID:39138111	研究论文	本研究评估了基于深度学习的计算机辅助检测系统S-Detect在不同平面诊断乳腺病变的表现，并与BI-RADS分类进行比较	S-Detect在平面一致性条件下诊断精度优于BI-RADS	S-Detect在平面不一致条件下的诊断效能受限	评估S-Detect在不同平面的诊断性能并识别导致不一致的因素	711名患者的756个乳腺病变	计算机视觉	乳腺病变	深度学习	NA	超声图像	756个乳腺病变
786	2024-08-15	Automated diagnosis of adenoid hypertrophy with lateral cephalogram in children based on multi-scale local attention 2024-08-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69827-0 PMID:39127777	研究论文	本文提出了一种基于多尺度局部注意力的方法，用于自动诊断儿童的腺样体肥大	本研究设计了一种基于局部注意力的方法，通过融合腺样体的空间和通道信息，提高了诊断的准确性	NA	开发一种自动化的、标准化的方法来诊断腺样体肥大	儿童的腺样体肥大	计算机视觉	NA	深度学习	CNN	图像	三个医院的数据集
787	2024-08-15	UAV propeller fault diagnosis using deep learning of non-traditional χ2-selected Taguchi method-tested Lempel-Ziv complexity and Teager-Kaiser energy features 2024-Aug-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69462-9 PMID:39127843	研究论文	本研究探讨了使用非传统特征提取方法（如排列熵、Lempel-Ziv复杂度和Teager-Kaiser能量算子）进行无人机螺旋桨故障诊断的应用	本研究采用非传统特征提取方法，并通过χ²特征选择和Taguchi方法测试，提高了故障诊断的准确性	NA	提高无人机螺旋桨故障检测和隔离的准确性和效率	无人机螺旋桨的故障诊断	机器学习	NA	深度神经网络	深度神经网络	数据集	包含多种螺旋桨故障配置的PADRE数据集
788	2024-08-15	Effectiveness and Efficiency: Label-Aware Hierarchical Subgraph Learning for Protein-Protein Interaction 2024-Aug-03, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168737 PMID:39102976	研究论文	本文提出了一种标签感知层次子图学习方法（laruGL-PPI），用于有效且可解释地推断蛋白质-蛋白质相互作用（PPIs）。	引入了基于边的子图采样技术，有效缓解了拓扑捷径问题和高计算成本，并通过层次图模型捕捉了PPIs的内外连接及相互作用类型间的依赖关系。	NA	旨在提高蛋白质-蛋白质相互作用预测的性能和效率。	蛋白质-蛋白质相互作用（PPIs）及其在生物活动理解、药物发现和疾病诊断中的应用。	机器学习	NA	图神经网络（GNNs）	标签感知层次子图学习方法（laruGL-PPI）	图数据	涉及多种规模的蛋白质-蛋白质相互作用数据集
789	2024-08-15	Advancing Automatic Gastritis Diagnosis: An Interpretable Multilabel Deep Learning Framework for the Simultaneous Assessment of Multiple Indicators 2024-08, The American journal of pathology DOI:10.1016/j.ajpath.2024.04.007 PMID:38762117	研究论文	本文开发了一种基于注意力的多实例多标签学习网络（AMMNet），用于同时诊断活动性、萎缩性和肠上皮化生等胃炎指标，并评估了其在实际应用中的性能。	AMMNet能够同时诊断多个胃炎指标，并提供可解释的标签，这在之前的深度学习模型中是缺失的。	NA	提高胃炎诊断的准确性和效率，并增强模型的可解释性。	胃炎的多个形态学指标，包括活动性、萎缩性和肠上皮化生。	机器学习	胃炎	多实例多标签学习	注意力网络	图像	1096名患者
790	2024-08-15	Deep learning reconstruction for coronary CT angiography in patients with origin anomaly, stent or bypass graft 2024-Aug, La Radiologia medica DOI:10.1007/s11547-024-01846-3 PMID:39023665	研究论文	开发并验证了一种深度学习模型，用于自动重建冠状动脉CT血管造影（CCTA），特别是在有起源异常、支架或旁路移植的患者中。	该深度学习模型能够准确自动重建CCTA，显著减少了后处理时间并改善了临床工作流程。	NA	开发和验证一种深度学习模型，用于自动重建冠状动脉CT血管造影。	冠状动脉CT血管造影（CCTA）在有起源异常、支架或旁路移植的患者中的自动重建。	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	训练集包含6063名患者，验证集包含1962名患者，外部测试集包含812名患者。
791	2024-08-15	Attention 3D U-NET for dose distribution prediction of high-dose-rate brachytherapy of cervical cancer: Direction modulated brachytherapy tandem applicator 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17238 PMID:38830129	研究论文	本文开发了一种基于注意力机制的3D U-NET模型，用于预测宫颈癌高剂量率近距离治疗中方向调制近距离治疗（DMBT）的剂量分布。	引入了注意力门控机制的3D U-NET模型，提高了剂量预测的准确性，并能在近实时应用中快速预测剂量分布。	NA	开发一种高效的深度学习模型，用于宫颈癌高剂量率近距离治疗的剂量预测。	宫颈癌患者的剂量分布预测。	计算机视觉	宫颈癌	深度学习	3D U-NET	图像	122例回顾性临床高剂量率近距离治疗计划
792	2024-08-15	Deep learning-based magnetic resonance imaging analysis for chronic cerebral hypoperfusion risk 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17237 PMID:38820428	研究论文	本文提出了一种基于深度学习的磁共振成像分析方法，用于提高慢性脑低灌注（CCH）的诊断准确性	提出了CCH-Network（CCHNet），一种结合卷积和Transformer模块的端到端深度学习模型，以及一种新颖的对抗训练方法，以提高特征知识捕获能力	NA	提高慢性脑低灌注（CCH）的诊断准确性	慢性脑低灌注（CCH）的诊断	机器学习	NA	磁共振成像（MRI）	CNN, Transformer	图像	训练和测试集共204例，验证集108例
793	2024-08-15	Liver fibrosis automatic diagnosis utilizing dense-fusion attention contrastive learning network 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17130 PMID:38753547	研究论文	本文提出了一种基于密集融合注意力对比学习网络的肝纤维化自动诊断方法	开发了一种自定义的多视角对比学习网络，用于自动分类多参数DWI图像并探索不同DWI参数之间的协同作用	在有限样本的数据集中识别有效的DWI参数并挖掘潜在特征仍是一个挑战	开发一种新的深度学习模型，用于自动识别和分类多参数DWI图像，以辅助肝纤维化的诊断	肝纤维化及其相关DWI参数	计算机视觉	肝病	扩散加权成像(DWI)	密集融合注意力对比学习网络(DACLN)	图像	使用了一组真实的临床数据进行模型评估
794	2024-08-15	Swin MoCo: Improving parotid gland MRI segmentation using contrastive learning 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17128 PMID:38749016	研究论文	本文提出了一种基于对比学习的Swin MoCo网络，用于改善腮腺MRI图像的分割效果	使用Swin Transformer作为骨干网络，并通过迁移学习初始化权重，提高了对小规模医学图像数据集的训练效果	NA	旨在通过对比学习方法改善腮腺肿瘤MRI图像的分割	腮腺及其肿瘤的MRI图像分割	计算机视觉	腮腺肿瘤	对比学习	Swin Transformer	图像	NA
795	2024-08-15	Deep learning enhancing guide RNA design for CRISPR/Cas12a-based diagnostics 2024-Aug, iMeta IF:23.7Q1 DOI:10.1002/imt2.214 PMID:39135699	研究论文	本文提出了一种基于深度学习的增强型crRNA设计系统EasyDesign，用于Cas12a介导的诊断	该系统采用优化的卷积神经网络（CNN）预测模型，训练于包含11,496个实验验证的Cas12a检测案例的综合数据集，实现了0.812的Spearman相关系数，并在未训练数据中的四种病原体上展示了优越的预测性能	NA	提高患者治疗效果和抗击传染病，通过改进CRISPR/Cas12a系统的crRNA设计	Cas12a-based检测系统的crRNA设计	机器学习	NA	CRISPR/Cas12a	CNN	实验数据	11,496个实验验证的Cas12a检测案例
796	2024-08-15	Two-stage adversarial learning based unsupervised domain adaptation for retinal OCT segmentation 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17012 PMID:38426594	研究论文	本文提出了一种基于两阶段对抗学习网络（TSANet）的无监督跨域光学相干断层扫描（OCT）图像分割方法	采用傅里叶变换减少图像风格差异，并通过对抗学习网络和伪标签精调段器，提高了跨域泛化能力	NA	解决OCT图像因设备或成像协议不同导致的域偏移问题	OCT图像的跨域分割	计算机视觉	NA	对抗学习	TSANet	图像	用于脉络膜分割的模型在源域训练400张图像，验证100张图像，目标域I训练1320张未标记图像，测试330张图像，目标域II训练400张未标记图像，测试200张图像；用于视网膜劈裂分割的模型在源域训练1284张图像，验证312张图像，目标域训练1024张未标记图像，测试200张图像
797	2024-08-15	Pan-cancer image segmentation based on feature pyramids and Mask R-CNN framework 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17014 PMID:38436455	研究论文	本文提出了一种基于特征金字塔和Mask R-CNN框架的泛癌图像分割方法	采用特征金字塔处理数据集以实现目标分割中的多尺度协作	在分割任务中，大对象和小对象之间的效率存在差异，且对个别尺寸对象的分割效果有限	提高癌症图像分割的平均精度指数	Pan-Cancer Histology Dataset for Nuclei Instance Segmentation and Classification (PanNuke)数据集中的约7500张病理图像	计算机视觉	NA	Mask R-CNN	CNN	图像	约7500张病理图像，包含19种不同类型的组织和五种分类的细胞
798	2024-08-15	Quantitative measurement of the ureter on three-dimensional magnetic resonance urography images using deep learning 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17025 PMID:38477634	研究论文	本文利用深度学习模型在三维磁共振尿路造影图像上对输尿管进行定量测量	开发了一种全面的自动化工具，用于在磁共振图像中精确分割和测量输尿管	NA	旨在通过深度学习模型对三维磁共振尿路造影图像上的输尿管进行定量测量	输尿管的直径测量	数字病理学	泌尿系统疾病	深度学习	3D V-Net	图像	445个三维磁共振尿路造影扫描（443名患者，52 ± 18岁；217名女性患者）用于训练和验证，50个扫描（50名患者，55 ± 21岁；30名女性患者）用于外部测试
799	2024-08-15	Hepatic and portal vein segmentation with dual-stream deep neural network 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17090 PMID:38648676	研究论文	本文提出了一种双流深度神经网络结构，用于在CT图像上自动分割肝静脉和门静脉	本文创新性地结合了卷积和Transformer块的双流编码器结构，以及基于扩张卷积的多尺度特征融合块和多级融合注意力模块，有效提取肝静脉和门静脉的解剖信息，避免邻近外周血管的误分类	NA	开发一种全自动且鲁棒的语义分割算法，用于肝静脉和门静脉的分割，以指导后续的术前规划	肝静脉和门静脉的自动分割	计算机视觉	NA	CT	CNN, Transformer	图像	两个数据集，每个数据集随机选择50个病例进行模型评估
800	2024-08-15	Fast SPECT/CT planar bone imaging enabled by deep learning enhancement 2024-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17094 PMID:38652084	研究论文	本文提出了一种基于深度学习的方法，用于从快速扫描中生成高质量的全身体骨图像	引入了基于Residual-in-Residual Dense Block (RRDB)的内容-注意力图像恢复方法，有效恢复高质量图像并减少噪声	NA	加速全身体骨扫描并提高图像质量	全身体骨扫描图像	计算机视觉	NA	深度学习	Residual-in-Residual Dense Block (RRDB)	图像	76例