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
421	2024-11-02	End-to-End Multi-task Learning Architecture for Brain Tumor Analysis with Uncertainty Estimation in MRI Images 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01009-w PMID:38565728	研究论文	本文提出了一种端到端的脑肿瘤分析多任务学习架构，结合不确定性估计，用于MRI图像中的胶质瘤分类、分割和生存预测	本文的创新点在于开发了一个端到端的多任务学习架构，结合特征注意力模块和不确定性估计，能够同时进行胶质瘤的分类、分割和生存预测	本文的局限性在于实验仅使用了BraTS挑战数据集，未来需要验证模型在其他数据集上的泛化能力	本文的研究目的是开发一种能够自动化脑肿瘤分析过程的AI解决方案，减少主观和客观误差，提高诊断效率	本文的研究对象是胶质瘤，一种致命的脑肿瘤	计算机视觉	脑肿瘤	多任务学习	NA	图像	使用了2019和2020年BraTS挑战数据集，包含多个MRI序列
422	2024-11-02	A Comparative Analysis of Deep Learning-Based Approaches for Classifying Dental Implants Decision Support System 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01086-x PMID:38565730	研究论文	本研究旨在通过基于深度学习的计算机诊断系统实现牙科植入物品牌的自主识别	本研究采用了28种不同的深度学习模型，包括18种卷积神经网络（CNN）模型和10种视觉变换器模型，并展示了ConvNeXt架构的小模型在分类准确性上的显著优势	NA	提供一种有效的解决方案，用于自主识别牙科植入物品牌，并评估该系统在临床实践中的潜力	牙科植入物品牌分类	计算机视觉	NA	深度学习	卷积神经网络（CNN）和视觉变换器	图像	1258张全景放射影像，来自2012年至2023年间在Erciyes大学牙科学院接受植入治疗的患者的六种不同植入系统
423	2024-11-02	A Classification-Based Adaptive Segmentation Pipeline: Feasibility Study Using Polycystic Liver Disease and Metastases from Colorectal Cancer CT Images 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01072-3 PMID:38587766	研究论文	本文研究了一种基于分类的自适应分割工作流程，用于区分不同病理图像并将其路由到特定的分割模型	提出了一种基于深度学习分类器的工作流程，能够自动分类图像并将其路由到适当的分割模型，从而提高分割精度	研究仅限于肝囊肿和结直肠癌肝转移的CT图像，未来需验证其在其他病理图像上的适用性	探索构建一种能够高效地将图像路由到特定训练的分割模型的可行性	肝囊肿和结直肠癌肝转移的CT图像	计算机视觉	NA	深度学习	分类器	图像	700张CT图像，包括350张肝囊肿图像和350张结直肠癌肝转移图像
424	2024-11-02	Automated Pulmonary Tuberculosis Severity Assessment on Chest X-rays 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01052-7 PMID:38587769	研究论文	本文提出了三种基于深度学习的方法来自动评估胸部X光片上的肺结核严重程度	本文创新性地使用YOLOV5n和DenseNet121模型来检测病变区域和预测空洞的存在，并通过不同的深度学习模型组合来预测Timika评分	本文未详细讨论模型的可解释性问题，且仅使用了三个数据集进行泛化评估	开发自动评估肺结核严重程度的方法，以优化资源分配和监测治疗反应	胸部X光片上的肺结核病变	计算机视觉	肺结核	深度学习	DenseNet121, YOLOV5n	图像	三个独立的数据集
425	2024-11-02	Pure Vision Transformer (CT-ViT) with Noise2Neighbors Interpolation for Low-Dose CT Image Denoising 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01108-8 PMID:38622385	研究论文	本文提出了一种基于纯视觉变换器（ViT）和Noise2Neighbors插值的低剂量CT图像去噪方法	使用纯视觉变换器（ViT）替代传统的卷积神经网络（CNN），并结合Noise2Neighbors插值操作，提高了低剂量CT图像去噪的效果	NA	解决卷积神经网络在医学图像处理中的局限性，特别是低剂量CT图像去噪问题	低剂量CT图像的去噪效果	计算机视觉	NA	视觉变换器（ViT）	视觉变换器（ViT）	图像	五个包含低剂量CT和正常剂量CT图像对的不同的数据集
426	2024-11-02	Synthetic Low-Energy Monochromatic Image Generation in Single-Energy Computed Tomography System Using a Transformer-Based Deep Learning Model 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01111-z PMID:38637424	研究论文	本研究提出了一种基于Transformer深度学习模型SwinUNETR，从单能CT图像生成合成低能虚拟单色图像的方法	首次使用Transformer模型SwinUNETR从单能CT图像生成合成低能虚拟单色图像，提高了图像质量	仅在头部和颈部放射治疗患者数据上进行了验证，需要进一步验证其在其他部位和疾病中的适用性	探索从单能CT图像生成合成低能虚拟单色图像的方法，以提高图像质量和扩大受益人群	头部和颈部放射治疗患者的CT图像	计算机视觉	NA	NA	Transformer	图像	85名患者，其中70名用于模型构建，15名用于预测
427	2024-11-02	A Semi-Supervised Learning Framework for Classifying Colorectal Neoplasia Based on the NICE Classification 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01123-9 PMID:38653910	研究论文	本文提出了一种基于SimCLR的半监督学习框架，用于根据NICE分类对结直肠肿瘤进行分类	利用SimCLR模型在自监督学习阶段使用大量未标记数据进行预训练，然后在有限的标记数据上进行微调，显著提高了分类性能	尽管性能优于传统监督学习模型和初级内镜医师，但仍略逊于高级内镜医师	开发一种半监督学习框架，以提高在有限标记数据情况下的结直肠肿瘤分类性能	结直肠肿瘤的分类	计算机视觉	结直肠肿瘤	SimCLR	ResNet	图像	大量未标记数据和有限的标记数据
428	2024-11-02	Super-resolution Deep Learning Reconstruction Cervical Spine 1.5T MRI: Improved Interobserver Agreement in Evaluations of Neuroforaminal Stenosis Compared to Conventional Deep Learning Reconstruction 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01112-y PMID:38671337	研究论文	本研究探讨了超分辨率深度学习重建（SR-DLR）与传统深度学习重建（DLR）在1.5T颈椎MRI神经孔狭窄评估中的观察者间一致性	本研究首次比较了SR-DLR与DLR在神经孔狭窄评估中的观察者间一致性，并发现SR-DLR显著优于DLR	本研究为回顾性研究，样本量较小，且仅限于1.5T颈椎MRI	研究SR-DLR与DLR在神经孔狭窄评估中的观察者间一致性	39名接受1.5T颈椎MRI的患者	计算机视觉	NA	超分辨率深度学习重建（SR-DLR）	深度学习模型	图像	39名患者
429	2024-11-02	Development of a Secure Web-Based Medical Imaging Analysis Platform: The AWESOMME Project 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01110-0 PMID:38689149	研究论文	本文开发了一个安全的基于Web的医学影像分析平台，名为AWESOMME项目，旨在通过深度学习模型预测骨肉瘤患者的治疗反应	该平台涵盖了医学影像处理的各个步骤，包括可视化、分割、特征提取和辅助诊断，并支持机器学习模型的测试和使用	NA	开发一个易于访问且安全的Web平台，用于医学影像分析和机器学习模型的应用	骨肉瘤患者的医学影像数据	计算机视觉	骨肉瘤	深度学习	深度学习模型	图像	NA
430	2024-11-02	Letter to the Editor Regarding Article "Prior to Initiation of Chemotherapy, Can We Predict Breast Tumor Response? Deep Learning Convolutional Neural Networks Approach Using a Breast MRI Tumor Dataset" 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01129-3 PMID:38689150	comments	对一篇使用深度学习卷积神经网络预测乳腺癌化疗反应的文章提出质疑	NA	怀疑训练和测试数据集之间存在无意中的数据泄露	质疑前述文章中报告的结果是否因数据泄露所致	乳腺癌化疗反应预测	machine learning	breast cancer	convolutional neural network	CNN	MRI	NA
431	2024-11-02	Automatic Skeleton Segmentation in CT Images Based on U-Net 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01127-5 PMID:38689152	研究论文	本文提出了一种基于U-Net架构的神经网络模型，用于从二维计算机断层扫描（CT）切片中自动分割骨骼	本文的创新点在于使用U-Net架构进行骨骼分割，并取得了较高的Jaccard指数（IoU）和Dice指数	本文的局限性在于仅使用了77张CT图像进行训练和测试，样本量较小	本文的研究目的是开发一种自动化的骨骼分割方法，以辅助临床评估骨骼结构的形态变化	本文的研究对象是CT图像中的骨骼结构	计算机视觉	NA	NA	U-Net	图像	77张CT图像
432	2024-11-02	Robust Ensemble of Two Different Multimodal Approaches to Segment 3D Ischemic Stroke Segmentation Using Brain Tumor Representation Among Multiple Center Datasets 2024-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01099-6 PMID:38693333	研究论文	本文提出了一种结合两种多模态方法的集成模型，用于在多中心数据集上进行3D缺血性脑卒中分割	利用脑肿瘤数据进行迁移学习，并结合不同训练方案的多模态MR图像，显著提高了分割性能	NA	提高在多中心数据集上进行缺血性脑卒中分割的准确性和鲁棒性	缺血性脑卒中病灶的分割	计算机视觉	脑卒中	扩散加权成像（DWI）和表观扩散系数（ADC）MR成像	nnU-Net	图像	846个扫描数据
433	2024-10-30	Artificial intelligence-based power market price prediction in smart renewable energy systems: Combining prophet and transformer models 2024-Oct-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38227 PMID:39469701	研究论文	本文开发了一种结合Prophet和Transformer模型的混合时间序列预测模型，用于电力市场价格预测	引入Stacking优化策略，结合传统时间序列方法和深度学习模型，提高了电力市场价格预测的准确性和稳定性	未提及具体限制	开发一种新的电力市场价格预测方法，支持智能可再生能源系统的可靠和灵活运行	电力市场价格预测	机器学习	NA	深度学习	Transformer	时间序列数据	四个电力市场数据集
434	2024-10-30	Vehicular Mini-LED backlight display inspection based on residual global context mechanism 2024-Oct-29, Frontiers of optoelectronics IF:4.1Q2 DOI:10.1007/s12200-024-00140-4 PMID:39467917	研究论文	本文提出了一种基于残差全局上下文机制的车辆Mini-LED背光显示检测方法	本文提出了高分辨率网络（Hrnet）与混合扩张卷积和密集上采样卷积（MDC-DUC）模块以及残差全局上下文注意力（RGCA）模块结合的新模型，显著提高了Mini-LED背光显示的质量检测精度	NA	提高车辆Mini-LED背光显示的质量检测精度	车辆Mini-LED背光显示的质量检测	计算机视觉	NA	深度学习	高分辨率网络（Hrnet）	图像	NA
435	2024-10-30	Tracer-Separator: A Deep Learning Model for Brain PET Dual-Tracer (18F-FDG and Amyloid) Separation 2024-Oct-29, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005511 PMID:39468375	研究论文	本研究开发了一种基于深度学习的模型，用于分离脑部PET双示踪剂（18F-FDG和淀粉样蛋白）图像	本研究首次采用无卷积的transformer架构SwinUNETR，实现了从模拟双示踪剂成像的加和扫描中合成真实的FDG和FBP/FMM图像	NA	本研究旨在通过先进的成像技术简化诊断过程，提高患者治疗效果	研究对象包括120名从认知正常到轻度认知障碍、痴呆和其他精神障碍的患者	计算机视觉	NA	PET成像	SwinUNETR	图像	120名患者
436	2024-10-30	DNA breathing integration with deep learning foundational model advances genome-wide binding prediction of human transcription factors 2024-Oct-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae783 PMID:39271116	研究论文	本文开发了一种多模态深度学习模型EPBDxDNABERT-2，用于预测人类转录因子与DNA的结合	本文创新性地将DNA呼吸特征与DNABERT-2基础模型结合，显著提高了转录因子结合预测的准确性	NA	确定转录因子结合与DNA呼吸之间的精确关系	人类转录因子与DNA的结合	机器学习	NA	ChIP-Seq	深度学习模型	基因组数据	690个ChIP-seq实验结果，涵盖161种不同的转录因子和91种人类细胞类型
437	2024-10-30	A deep learning-based method enables the automatic and accurate assembly of chromosome-level genomes 2024-Oct-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae789 PMID:39287126	研究论文	本文介绍了一种基于深度学习的方法AutoHiC，用于自动和准确地组装染色体级别的基因组	AutoHiC利用Hi-C数据进行自动化工作流程和迭代错误校正，显著提高了基因组组装的连续性和准确性	NA	解决染色体级别基因组组装中的错误校正和序列锚定问题	染色体级别基因组组装	基因组学	NA	Hi-C技术	深度学习	基因组数据	300多种物种的数据
438	2024-10-30	Comparison of image quality and lesion conspicuity between conventional and deep learning reconstruction in gadoxetic acid-enhanced liver MRI 2024-Oct-28, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01825-2 PMID:39466542	研究论文	比较常规重建与深度学习重建在钆塞酸增强肝脏MRI中的图像质量和病变显著性	深度学习重建在钆塞酸增强肝脏MRI中提供了比常规重建更高的图像质量和动脉期病变显著性	深度学习重建在门静脉期和肝胆期与常规重建相比，病变显著性无显著差异	比较常规重建与深度学习重建在钆塞酸增强肝脏MRI中的图像质量和病变显著性	钆塞酸增强肝脏MRI图像	计算机视觉	肝病	MRI	深度学习	图像	50名参与者
439	2024-10-30	A Nuclei-Focused Strategy for Automated Histopathology Grading of Renal Cell Carcinoma 2024-Oct-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3487004 PMID:39466875	研究论文	本文提出了一种基于核特征的肾细胞癌自动病理分级新框架	引入了一种新的框架NuAP-RCC，利用核级特征进行增强的补丁级肾细胞癌分级	NA	提高肾细胞癌病理分级的准确性和可重复性	肾细胞癌的核分级	数字病理学	肾细胞癌	图神经网络	卷积神经网络	图像	涉及来自不同医疗机构的数据集
440	2024-10-30	Adversarial robustness improvement for X-ray bone segmentation using synthetic data created from computed tomography scans 2024-10-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73363-2 PMID:39468116	研究论文	本文提出了一种利用从计算机断层扫描（CT）扫描生成的合成数据来改进X射线骨分割对抗鲁棒性的方法	本文的创新点在于使用从3D光子计数CT体积正投影生成的合成X射线图像和标注掩码来创建现实且非最佳定位的X射线图像，以补充训练数据，从而提高模型的鲁棒性	本文未详细讨论合成数据生成过程中可能引入的误差或偏差，以及这些因素对模型性能的潜在影响	本文的研究目的是通过使用合成数据来解决深度学习在医学图像分析中面临的数据稀缺和对抗数据敏感性问题，从而提高模型的鲁棒性	本文的研究对象是X射线骨分割模型的对抗鲁棒性	计算机视觉	NA	深度学习	TotalSegmentator	图像	本文未明确提及具体样本数量，但提到了使用真实数据和合成数据进行训练