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
1141	2024-09-01	Reducing annotating load: Active learning with synthetic images in surgical instrument segmentation 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103246 PMID:38943835	研究论文	本文提出了一种基于主动学习和合成图像的外科手术器械分割框架，以减少标注工作量	结合主动学习和合成图像生成技术，有效减少了神经网络训练所需的标注数据量	仅在鼻窦手术和腹腔手术数据集上验证了方法的有效性，可能需要进一步验证在其他类型手术中的适用性	开发一种减少外科手术器械分割中标注工作量的方法	外科手术器械的分割	计算机视觉	NA	深度学习	神经网络	图像	使用了两个鼻窦手术数据集和一个腹腔手术数据集
1142	2024-09-01	CCSI: Continual Class-Specific Impression for data-free class incremental learning 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103239 PMID:38936223	研究论文	本文提出了一种无数据类增量学习框架，通过在学习类上合成数据来解决传统深度学习方法在处理新疾病类型时的灾难性遗忘问题	引入了一种新的数据合成方法——持续类特定印象（CCSI），并提出了一种有效利用这些数据更新网络的方法	需要进一步验证该方法在更多数据集和实际临床环境中的泛化能力	旨在解决类增量学习中的灾难性遗忘问题，并提出一种无需存储先前样本的数据合成方法	主要研究对象是医学图像分类中的类增量学习问题	计算机视觉	NA	数据合成	CNN	图像	使用了四个公共MedMNIST数据集和内部超声心动图电影系列数据集
1143	2024-09-01	Anatomically plausible segmentations: Explicitly preserving topology through prior deformations 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103222 PMID:38936222	研究论文	本文介绍了一种名为TEDS-Net的分割网络，该网络能够在保持与最先进（SOTA）基准竞争的分割性能的同时，确保解剖结构的拓扑正确性	TEDS-Net通过使用学习到的拓扑保持场来变形先验，实现了解剖学上合理的分割，并引入了额外的修改以更严格地强制执行拓扑保持	NA	开发一种新的方法，确保医学图像分割的拓扑正确性	医学图像中的解剖结构	计算机视觉	NA	深度学习	CNN	图像	使用了开源的医学心脏数据集，进行了单结构和多结构分割
1144	2024-09-01	Multi-detector fusion and Bayesian smoothing for tracking viral and chromatin structures 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103227 PMID:38897031	研究论文	本文提出了一种基于多探测器和多尺度数据融合以及贝叶斯平滑的概率跟踪方法，用于自动追踪荧光显微镜图像中的病毒和细胞内结构	该方法采用了新颖的基于强度的协方差交集方法，整合了多个探测器的结果，并利用贝叶斯平滑融合过去和未来的时间点的预测信息	NA	旨在提高荧光显微镜图像中病毒和细胞内结构自动追踪的准确性	荧光显微镜图像中的病毒和细胞内结构	计算机视觉	肝炎C病毒感染	多探测器融合、贝叶斯平滑	NA	图像	使用了来自Particle Tracking Challenge的图像数据以及不同时空分辨率的活细胞荧光显微镜图像数据
1145	2024-09-01	Adversarial EM for variational deep learning: Application to semi-supervised image quality enhancement in low-dose PET and low-dose CT 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103291 PMID:39121545	研究论文	本文提出了一种新的对抗性期望最大化（AdvEM）变分深度神经网络框架，用于低剂量PET和CT图像质量增强	AdvEM采用编码器-解码器架构和多尺度潜在空间，通过后验分布采样和Metropolis-Hastings方案增强模型鲁棒性，并提出半监督AdvEM（ssAdvEM）框架，使用少量正常剂量图像进行学习	NA	提高低剂量PET和CT图像质量	低剂量PET和CT图像	计算机视觉	NA	期望最大化（EM）	深度神经网络（DNN）	图像	涉及多个基线、分布外数据和消融研究的实际PET和CT数据
1146	2024-09-01	Multimodal deep learning models utilizing chest X-ray and electronic health record data for predictive screening of acute heart failure in emergency department 2024-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108357 PMID:39126913	研究论文	本研究利用多模态深度学习模型，结合胸部X光片和电子健康记录数据，在急诊部门进行急性心力衰竭的预测筛查	本研究提供了与急性心力衰竭相关的新图像特征，并指出了未来研究的方向	NA	解决诊断急性心力衰竭的不确定性问题，减少不当治疗和救援药物的潜在副作用	在急诊部门中，结合胸部X光片和电子健康记录数据，筛查N末端B型钠尿肽前体水平异常的患者	机器学习	心血管疾病	多模态深度学习	深度学习模型	图像和文本	1432名患者和1833对胸部X光片和电子健康记录
1147	2024-09-01	UC-Hybrid: Uncertainty-based contrastive learning on hybrid network for medical image segmentation 2024-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108367 PMID:39141962	研究论文	本文提出了一种基于不确定性的对比学习技术UncerNCE，结合最优混合网络架构，用于提高小器官的分类和分割性能	提出了一种基于不确定性的对比学习技术UncerNCE，解决了多类准确性偏差问题，并在分割小物体区域和减少整体噪声之间取得了平衡	在实际临床应用中存在类间准确性偏差，特别是在多器官分割任务中对小物体的性能不足	提高医学图像分割中对小器官的分类和分割性能	医学图像中的小器官	计算机视觉	NA	基于不确定性的对比学习	混合网络（卷积层和变换器层）	图像	BTCV和1K数据
1148	2024-09-01	Deep learning reconstruction for optimized bone assessment in zero echo time MR imaging of the knee 2024-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111663 PMID:39142010	研究论文	评估深度学习重建（DLRecon）在1.5特斯拉零回波时间（ZTE）磁共振成像（MRI）中对膝关节骨评估的影响	使用DLRecon方法显著改善了骨描绘的评分，并增强了骨的信噪比（SNR）和对比噪声比（CNR）	NA	评估深度学习重建对膝关节零回波时间MRI中骨评估的影响	膝关节的骨评估	计算机视觉	NA	磁共振成像（MRI）	深度学习重建（DLRecon）	图像	48次检查，涉及46名患者（23名女性）
1149	2024-09-01	Multimodal representations of biomedical knowledge from limited training whole slide images and reports using deep learning 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103303 PMID:39154617	研究论文	本文介绍了一种多模态架构，通过深度学习从有限的训练全切片图像和报告中创建健壮的生物医学数据表示，将细粒度的文本表示编码在图像嵌入中	该架构结合监督学习和自监督学习，解决了数据稀缺问题，并创建了多模态生物医学本体，能够在不需要额外训练的情况下进行多模态数据检索和文本与视觉概念的链接	NA	开发新的深度学习算法以支持专家，特别是在收集大量标注数据不切实际的领域	全切片图像和相应的报告	数字病理学	NA	深度学习	多模态架构	图像和文本	超过6000张结肠全切片图像（WSI）及其相应报告
1150	2024-09-01	TS-AI: A deep learning pipeline for multimodal subject-specific parcellation with task contrasts synthesis 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103297 PMID:39154619	研究论文	本研究提出了一种名为TS-AI的两阶段网络模型，用于通过预测tfMRI数据在皮质表面上个性化脑图谱	TS-AI模型通过合成任务对比图并利用特征一致性损失，提高了个性化分割的特异性和减少了过拟合风险	NA	开发一种能够在不获取实际任务fMRI扫描的情况下，个性化脑图谱的深度学习方法	脑功能子区域的个体化映射	机器学习	阿尔茨海默病	fMRI	深度神经网络	图像	使用多种参考图谱和数据集进行验证
1151	2024-09-01	Metadata-enhanced contrastive learning from retinal optical coherence tomography images 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103296 PMID:39154616	研究论文	本文提出了一种元数据增强的对比学习方法，用于从视网膜光学相干断层扫描（OCT）图像中提取特征，以改善年龄相关性黄斑变性（AMD）的下游图像分析任务	引入了一种新的元数据增强策略，利用患者身份、眼位置和时间序列信息来近似真实的图像间对比关系，从而解决传统对比学习方法在医学图像领域的局限性	NA	解决传统对比学习方法在医学图像领域的特定问题，提高模型在低数据和高数据情况下的性能	年龄相关性黄斑变性（AMD）患者的视网膜光学相干断层扫描（OCT）图像	计算机视觉	年龄相关性黄斑变性	对比学习	对比学习框架	图像	170,427张视网膜光学相干断层扫描（OCT）图像，涉及7912名患者
1152	2024-09-01	Leveraging Artificial Intelligence to Optimize the Care of Peripheral Artery Disease Patients 2024-Oct, Annals of vascular surgery IF:1.4Q3 DOI:10.1016/j.avsg.2023.11.057 PMID:38582202	综述	本文综述了人工智能在优化外周动脉疾病患者护理中的应用，包括诊断、预测患者结果和影像解释	介绍了自然语言处理、监督机器学习和深度学习等多种人工智能应用	NA	探讨人工智能在外周动脉疾病护理中的应用	外周动脉疾病患者	机器学习	外周动脉疾病	自然语言处理、监督机器学习、深度学习	NA	文本、影像	NA
1153	2024-08-31	Enhanced forecasting of chlorophyll-a concentration in coastal waters through integration of Fourier analysis and Transformer networks 2024-Oct-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122160 PMID:39096816	research paper	本文介绍了一种创新的深度学习预测模型ChloroFormer，通过整合Transformer网络和傅里叶分析，利用沿海现场数据预测叶绿素-a浓度	该模型在捕捉叶绿素-a浓度的短期和中长期依赖模式方面表现优异，特别是在极端和频繁藻华情况下，能准确预测峰值叶绿素-a浓度	NA	提高沿海水域叶绿素-a浓度的预测准确性	叶绿素-a浓度及其对沿海生态和经济的影响	machine learning	NA	Transformer networks, Fourier analysis	Transformer	in-situ data	两个不同研究区域的沿海现场数据
1154	2024-08-26	An XAI-enhanced efficientNetB0 framework for precision brain tumor detection in MRI imaging 2024-Oct, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110227 PMID:39038716	研究论文	本文提出了一种结合可解释AI技术的EfficientNetB0框架，用于提高MRI图像中脑肿瘤检测的精确度和可解释性	本文创新地将可解释AI技术与EfficientNetB0架构结合，提高了脑肿瘤分类的准确性和决策过程的透明度	NA	提高MRI图像中脑肿瘤诊断的准确性和可解释性	脑肿瘤的分类	计算机视觉	脑肿瘤	CNN	EfficientNetB0	图像	涉及四种脑肿瘤类别（胶质瘤、脑膜瘤、无肿瘤、垂体瘤）
1155	2024-08-26	Neuro-XAI: Explainable deep learning framework based on deeplabV3+ and bayesian optimization for segmentation and classification of brain tumor in MRI scans 2024-Oct, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110247 PMID:39128599	研究论文	本文提出了一种基于DeeplabV3+和贝叶斯优化的可解释深度学习框架，用于MRI扫描中脑肿瘤的分割和分类	引入贝叶斯优化来调整CNN的超参数，并使用可解释人工智能（XAI）工具提供对CNN评估的实际解释，以及量化预测中的不确定性	实时诊断中基于深度学习的系统的实施仍然罕见，部分原因是这些方法没有量化预测中的不确定性	开发一种能够辅助放射科医生进行脑肿瘤诊断的机器学习系统	脑肿瘤的分割和分类	机器学习	脑肿瘤	贝叶斯优化	CNN, SVM	图像	未明确提及具体样本数量
1156	2024-08-24	Identification and experimental validation of immune-related gene PPARG is involved in ulcerative colitis 2024-Oct, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2024.167300 PMID:38880160	研究论文	本研究通过生物信息学方法和实验验证，确定了免疫相关基因PPARG在溃疡性结肠炎中的关键作用，并验证了其作为诊断和治疗标志物的潜力	利用多种机器学习算法和深度学习模型DNN识别潜在的溃疡性结肠炎标志物，并通过单细胞测序技术研究PPARG与巨噬细胞浸润的相关性	NA	深入理解溃疡性结肠炎的免疫学特征，并识别有价值的诊断和治疗标志物	溃疡性结肠炎的免疫相关基因PPARG及其在疾病中的作用	数字病理学	消化系统疾病	单细胞测序技术	DNN	基因表达数据	UC数据集来自GEO数据库，具体样本数量未详细说明
1157	2024-08-21	Analyzing pain patterns in the emergency department: Leveraging clinical text deep learning models for real-world insights 2024-Oct, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105544 PMID:39003790	研究论文	本研究利用临床文本深度学习模型分析澳大利亚某大城市的急诊部门中患者的疼痛发生率	采用细调的领域特定转换器基础临床文本深度学习模型，自动识别常规收集的医疗记录中的疼痛情况	NA	确定使用临床文本深度学习算法在大型澳大利亚内城急诊部门中疼痛患者的发生率	分析急诊部门中患者的疼痛模式及其随时间的变化，特别是在新冠疫情开始后的变化	自然语言处理	NA	临床文本深度学习	转换器基础模型	文本	235,789名成年患者
1158	2024-08-19	Enhanced detection of Aspergillus flavus in peanut kernels using a multi-scale attention transformer (MSAT): Advancements in food safety and contamination analysis 2024-Oct-02, International journal of food microbiology IF:5.0Q1 DOI:10.1016/j.ijfoodmicro.2024.110831 PMID:39083880	研究论文	本研究使用多尺度注意力变换器（MSAT）结合高光谱成像技术，对受多种黄曲霉菌污染的花生仁进行分类	MSAT模型通过其复杂的多尺度注意力机制，显著优于传统的深度学习模型，特别是在分类能力上	MSAT模型在区分受黄曲霉素产生菌和非黄曲霉素产生菌污染的花生仁时面临挑战	提高食品质量和安全领域中黄曲霉菌污染的检测准确性和速度	受黄曲霉菌污染的花生仁	计算机视觉	NA	高光谱成像	多尺度注意力变换器（MSAT）	图像	NA
1159	2024-08-18	Quantitative modelling of Plato and total flavonoids in Qingke wort at mashing and boiling stages based on FT-IR combined with deep learning and chemometrics 2024-Oct-30, Food chemistry: X DOI:10.1016/j.fochx.2024.101673 PMID:39148529	研究论文	本研究首次使用傅里叶变换红外光谱（FT-IR）结合深度学习方法，对青稞啤酒在糖化和煮沸阶段的Plato度和总黄酮含量进行建模和分析，并与传统化学计量学方法进行比较	首次将FT-IR与深度学习结合用于啤酒酿造过程中的质量控制分析	NA	探索深度学习在啤酒酿造质量控制分析中的应用	青稞啤酒在糖化和煮沸阶段的Plato度和总黄酮含量	机器学习	NA	FT-IR	LSTM	红外光谱数据	未明确提及具体样本数量
1160	2024-08-16	AFFnet - a deep convolutional neural network for the detection of atypical femur fractures from anteriorposterior radiographs 2024-Oct, Bone IF:3.5Q2 DOI:10.1016/j.bone.2024.117215 PMID:39074569	research paper	本研究开发了一种基于深度学习模型的AI应用，特别是卷积神经网络（CNNs），用于从前瞻性X光片中检测非典型股骨骨折（AFFs）	本研究开发了AFFnet模型，使用预训练的ResNet-50主干和创新的Box Attention Guide（BAG）模块，以增强模型的学习能力	NA	研究AI技术在非典型股骨骨折诊断中的应用	非典型股骨骨折（AFFs）的检测	computer vision	骨科疾病	卷积神经网络（CNNs）	ResNet-50	image	训练数据包括213例完整AFF、49例不完整AFF、394例典型股骨骨折和1359例非骨折股骨X光片；外部验证数据包括733例典型股骨骨折和290例AFF图像