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
1121	2024-09-11	Skeleton-guided multi-scale dual-coordinate attention aggregation network for retinal blood vessel segmentation 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109027 PMID:39178808	研究论文	本文提出了一种用于视网膜血管分割的骨架引导多尺度双坐标注意力聚合网络（SMDAA）	SMDAA网络包含三个创新模块：双坐标注意力（DCA）、不平衡像素放大器（UPA）和血管骨架引导（VSG），分别用于解决类不平衡问题、提高分割精度和保持血管结构连续性	NA	提高视网膜血管分割的准确性和连续性	视网膜血管	计算机视觉	NA	深度学习	SMDAA网络	图像	三个公共数据集（DRIVE、STARE和CHASE_DB1）
1122	2024-09-11	RETNet: Resolution enhancement Transformer network for magnetic particle imaging based on X-space 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109043 PMID:39191080	研究论文	本文提出了一种用于磁粒子成像分辨率增强的Transformer网络RETNet	RETNet利用浅层特征提取器、跨尺度Transformer和残差Swin Transformer分别提取浅层特征、纹理特征和结构特征，并通过图像重建模块聚合这些特征以重建高分辨率图像	NA	提高磁粒子成像的空间分辨率	磁粒子成像中的低分辨率图像	计算机视觉	NA	深度学习	Transformer	图像	包括仿真、模型和体内实验
1123	2024-09-11	ECG classification via integration of adaptive beat segmentation and relative heart rate with deep learning networks 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109062 PMID:39205344	研究论文	提出了一种先进的深度学习方法，用于准确分析心电图（ECG）信号，同时解决波形描绘和心搏类型分类任务	整合了两种新颖的方案到深度学习模型中，显著提升了其性能：一是基于RR间期的自适应心搏分割方法，二是结合目标心搏相对于相邻心搏的相对心率信息	NA	提高心电图信号分析的准确性，特别是心搏类型分类和波形描绘	心电图信号的波形描绘和心搏类型分类	机器学习	心血管疾病	深度学习	深度学习网络	信号	使用了PhysioNet QT数据库、MIT-BIH心律失常数据库和真实世界可穿戴设备数据进行广泛评估
1124	2024-09-11	A novel pipeline employing deep multi-attention channels network for the autonomous detection of metastasizing cells through fluorescence microscopy 2024-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109052 PMID:39216406	研究论文	本文开发了一种基于深度多注意力通道网络的计算管道，用于通过荧光显微镜自动检测转移细胞	本文引入了新的多注意力通道架构，并开发了一种可解释的全局解释方法，以确保网络的高解释性	NA	研究细胞骨架中肌动蛋白和波形蛋白中间丝的空间组织变化，以区分正常细胞和转移细胞，从而改进癌症诊断和治疗	正常人类细胞及其同基因匹配的、致癌转化的、侵袭性和转移性对应物	数字病理学	NA	深度学习方法	多注意力通道网络	图像	NA
1125	2024-09-11	WeedCube: Proximal hyperspectral image dataset of crops and weeds for machine learning applications 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110837 PMID:39252779	研究论文	介绍了一个名为WeedCube的数据集，包含用于机器学习应用的作物和杂草的近红外高光谱图像	提供了160个校准的高光谱图像，并附有Jupyter Notebook脚本用于数据增强和可视化，支持杂草分类和识别研究	NA	支持杂草分类或识别研究，验证现有模型的泛化能力	油菜、大豆、甜菜和四种入侵杂草的高光谱图像	机器学习	NA	高光谱成像	NA	高光谱图像	160个校准图像，可通过选择更小的感兴趣区域（ROI）增加图像数量
1126	2024-09-10	Combined deep learning and radiomics in pretreatment radiation esophagitis prediction for patients with esophageal cancer underwent volumetric modulated arc therapy 2024-10, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110438 PMID:39013503	研究论文	本文开发了一种结合放射组学和深度学习的模型，用于预测接受容积调制弧形放疗的食管癌患者术前放射性食管炎的发生	本文创新性地结合了放射组学特征和深度学习技术，通过卷积神经网络提取特征，提高了放射性食管炎的预测准确性	尽管结合了多种特征提取方法，但剂量本身并不是预测准确性的主要因素	开发一种预测食管癌患者在接受容积调制弧形放疗后放射性食管炎发生的方法	接受容积调制弧形放疗的食管癌患者	数字病理学	食管癌	卷积神经网络	ResNet34	图像	273名食管癌患者
1127	2024-09-10	AutoNet-Generated Deep Layer-Wise Convex Networks for ECG Classification 2024-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3378843 PMID:38512733	研究论文	提出了一种自动生成层级凸网络的算法AutoNet，用于心电图分类任务	提出了层级凸定理，确保每一层的损失函数相对于参数是凸的，并通过约束每一层为非线性方程的超定系统来实现	NA	开发一种自动生成层级凸网络的算法，以提高神经网络设计的效率和性能	心电图分类任务	机器学习	NA	NA	层级凸网络（LCN）	心电图数据	涉及五个基准数据集，包括三个心电图数据集和两个非心电图数据集
1128	2024-09-10	Solving the twin paradox-forensic strategies to identify the identical twins 2024-Oct, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2024.112205 PMID:39213915	研究论文	本文探讨了通过法医策略识别同卵双胞胎的最新方法和技术	本文介绍了通过下一代测序（NGS）、深度学习网络、表观遗传分析和指纹分析等多种技术来区分同卵双胞胎的新方法	NA	研究如何通过多种技术手段有效区分同卵双胞胎	同卵双胞胎	法医学	NA	下一代测序（NGS）、深度学习网络、表观遗传分析、指纹分析	深度学习网络	基因组数据、语音数据、表观遗传数据、指纹数据	NA
1129	2024-09-09	Low energy virtual monochromatic CT with deep learning image reconstruction to improve delineation of endoleaks 2024-Oct, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.07.002 PMID:39079807	研究论文	研究低能量虚拟单色CT与深度学习图像重建在增强双能量CT中对内漏轮廓的改进效果	结合40-keV虚拟单色成像与深度学习图像重建，显著提高了内漏的对比噪声比和可视性	研究样本量较小，且仅限于特定类型的内漏	探讨低能量虚拟单色成像与深度学习图像重建在增强双能量CT中对内漏轮廓的改进效果	内漏（EL）在血管内主动脉修复（EVAR）后的轮廓	计算机视觉	心血管疾病	深度学习图像重建（DLIR）	深度学习模型	图像	61名接受血管内主动脉修复并进行增强双能量CT的患者
1130	2024-09-09	A Deep Learning Application of Capsule Endoscopic Gastric Structure Recognition Based on a Transformer Model 2024-Oct-01, Journal of clinical gastroenterology IF:2.8Q2 DOI:10.1097/MCG.0000000000001972 PMID:38457410	研究论文	本文研究了基于Transformer模型的胶囊内窥镜胃结构识别的深度学习应用	首次将Transformer模型应用于胶囊内窥镜胃结构识别，提高了诊断准确性	NA	建立一个胶囊内窥镜胃结构识别模型，以提高深度学习在内窥镜图像识别中的临床适用性	胶囊内窥镜视频中的胃结构	计算机视觉	NA	深度学习	Transformer	视频	3343个胶囊内窥镜视频用于无监督预训练，2433个用于训练，118个用于验证
1131	2024-09-07	CT-Net: an interpretable CNN-Transformer fusion network for fNIRS classification 2024-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03138-4 PMID:38816665	研究论文	本文提出了一种基于卷积神经网络和Transformer的新方法CT-Net，用于功能性近红外光谱（fNIRS）分类，特别是用于心理算术任务的分类	CT-Net结合了卷积神经网络和Transformer的优点，设计了一种时间层次的原始色团信号组合，以提高数据利用率和模型特征学习能力	NA	探索和改进功能性近红外光谱（fNIRS）在心理算术任务分类中的应用	心理算术任务的分类	机器学习	NA	功能性近红外光谱（fNIRS）	卷积神经网络（CNN）和Transformer	光谱数据	两个公开数据集
1132	2024-09-07	A comparative analysis of different augmentations for brain images 2024-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03127-7 PMID:38782880	研究论文	本文比较了不同数据增强方法对脑部CT图像的性能影响	本文首次将数据增强方法分为四类，并系统地分析了它们在脑部CT图像上的应用效果	本文仅限于脑部CT图像，未涵盖其他类型的医学图像	评估不同数据增强方法在脑部CT图像上的性能，以提高模型准确性和鲁棒性	脑部CT图像	计算机视觉	NA	数据增强	深度学习模型	图像	未明确提及具体样本数量
1133	2024-09-07	BranchLabelNet: Anatomical Human Airway Labeling Approach using a Dividing-and-Grouping Multi-Label Classification 2024-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03119-7 PMID:38777935	研究论文	本文介绍了一种名为BranchLabelNet的创新性气道标记方法，利用分治多标签分类技术对人类解剖学气道进行标记	BranchLabelNet方法考虑了气道的分形特性和固有的层次分支命名法，采用n-ary树结构管理复杂的分支数据，并通过分治多标签分类技术简化了气道分支的标记过程	NA	开发一种精确的气道标记方法，以辅助肺部疾病的诊断和治疗	人类解剖学气道及其分支	计算机视觉	肺部疾病	分治多标签分类	NA	图像	1000张胸部CT图像
1134	2024-09-07	SDF4CHD: Generative modeling of cardiac anatomies with congenital heart defects 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103293 PMID:39146700	研究论文	本文提出了一种基于深度学习的生成模型，用于模拟具有先天性心脏病的患者心脏解剖结构	本文提出了一种类型和形状解耦的生成方法，能够捕捉不同先天性心脏病类型的心脏解剖结构的广泛变化，并生成保留特定先天性心脏病类型独特拓扑结构的虚拟心脏解剖结构	本文的局限性在于仅在67名患者的数据集上进行了训练，未来需要更大规模的数据集进行验证	本文的研究目的是开发一种能够生成具有先天性心脏病患者心脏解剖结构的生成模型，以改进诊断和治疗计划	本文的研究对象是具有先天性心脏病的患者心脏解剖结构	计算机视觉	先天性心脏病	深度学习	生成模型	图像	67名患者，涵盖6种先天性心脏病类型和14种先天性心脏病类型组合
1135	2024-09-07	An In-Situ Visual Analytics Framework for Deep Neural Networks 2024-Oct, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3339585 PMID:38051629	研究论文	本文提出了一种用于深度神经网络训练的原位可视化分析框架	通过特征提取算法减少训练相关数据的规模，并实时进行可视化分析，使模型设计者能够实时干预训练过程	NA	解决深度神经网络训练中的复杂性和效率问题	深度神经网络的训练过程	计算机视觉	NA	特征提取算法	深度神经网络 (DNN)	时间序列数据	NA
1136	2024-09-07	KD-INR: Time-Varying Volumetric Data Compression via Knowledge Distillation-Based Implicit Neural Representation 2024-Oct, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3345373 PMID:38127599	研究论文	提出了一种基于知识蒸馏的隐式神经表示（KD-INR）方法，用于压缩大规模时变体积数据	通过空间压缩和模型聚合两阶段方法，结合隐式神经表示和知识蒸馏技术，实现了高效的时变体积数据压缩	未提及	解决传统深度学习算法在处理大规模时变数据时的挑战	时变体积数据	计算机视觉	NA	知识蒸馏，隐式神经表示	隐式神经表示模型	体积数据	多种时变体积数据集
1137	2024-09-07	Leveraging the Capabilities of AI: Novice Neurology-Trained Operators Performing Cardiac POCUS in Patients with Acute Brain Injury 2024-Oct, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-024-01953-z PMID:38506968	研究论文	研究探讨了在急性脑损伤患者中，使用深度学习算法辅助的AI系统帮助新手神经科医生进行心脏POCUS检查的效果	首次使用深度学习算法辅助AI系统指导新手神经科医生进行心脏POCUS检查，以获取诊断质量的心脏图像	研究样本量较小，且仅限于学术三级NICU中的神经科医生	评估在急性脑损伤患者中，新手神经科医生使用深度学习算法辅助的AI系统进行心脏POCUS检查的图像质量和临床管理变化	急性脑损伤患者和新手神经科医生	机器学习	急性脑损伤	深度学习算法	深度学习	图像	153名患者，184次扫描，共943张图像
1138	2024-09-07	Rotation Equivariant Proximal Operator for Deep Unfolding Methods in Image Restoration 2024-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3383532 PMID:38557620	研究论文	本文提出了一种旋转等变近端网络，用于图像恢复任务中的深度展开方法	首次推导了任意层和任意旋转角度下近端网络的理论等变误差，并验证了其在不同视觉任务中的性能提升	当前的深度展开方法中的近端网络主要基于CNN架构，难以捕捉旋转对称性先验	解决现有深度展开方法在捕捉旋转对称性先验方面的不足，提升图像恢复任务的性能	图像恢复任务中的近端网络设计	计算机视觉	NA	深度展开方法	旋转等变近端网络	图像	NA
1139	2024-09-07	Prototype-Based Semantic Segmentation 2024-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3387116 PMID:38598386	研究论文	本文提出了一种基于非学习原型的非参数语义分割方法，通过优化像素嵌入空间与锚定原型之间的排列来实现像素级预测	本文的创新点在于提出了一种基于非学习原型的非参数语义分割方法，与传统的全参数方法不同，该方法使用训练像素的平均特征作为原型，避免了每个类别需要学习单个权重或查询向量的复杂性	本文未明确提及现有方法的具体局限性，而是通过提出新的非参数方法来解决潜在问题	本文的研究目的是改进现有的语义分割模型设计，提出一种新的非参数方法来提高分割性能	本文的研究对象是语义分割模型及其在标准数据集和大词汇量场景中的表现	计算机视觉	NA	NA	FCN, Transformer	图像	本文未明确提及具体的样本数量
1140	2024-09-07	XGrad: Boosting Gradient-Based Optimizers With Weight Prediction 2024-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3387399 PMID:38602857	研究论文	本文提出了一种名为XGrad的深度学习训练框架，通过在流行的基于梯度的优化器中引入权重预测来提升其收敛性和泛化能力	XGrad通过在每次小批量训练前预测未来权重，并应用于前向传播和反向传播，使得优化器在整个训练过程中始终利用未来权重的梯度来更新深度神经网络参数，从而实现更好的收敛性和泛化能力	NA	提升基于梯度的优化器在训练深度神经网络模型时的收敛性和泛化能力	深度神经网络模型的训练过程	机器学习	NA	权重预测	深度神经网络	NA	NA