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
1161	2024-09-01	Multiscale-temporal Feature Extraction and boundary confusion alleviation for VAG-based fine-grained multi-grade osteoarthritis deterioration monitoring 2024-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108286 PMID:39029419	研究论文	提出了一种基于振动关节图（VAG）的细粒度多级骨关节炎恶化监测框架，通过多尺度时间特征提取和边界混淆缓解技术提高监测精度	引入了多尺度时间特征提取（MTFE）和混淆自由主从（CF-MS）分类结构，通过中心损失缓解特征空间中相邻恶化等级边界的混淆，并采用主从分类器结构进行细粒度分类	NA	开发一种在日常范式中进行细粒度多级骨关节炎恶化监测的新框架	骨关节炎（OA）的恶化监测	机器学习	骨关节炎	振动关节图（VAG）	深度学习框架	信号	使用了VAG-OA数据集进行实验
1162	2024-09-01	Improving lesion volume measurements on digital mammograms 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103269 PMID:39024973	研究论文	本文开发了一种模型，用于在处理后的乳腺X线摄影图像上估计病变体积，以提高乳腺X线摄影中病变体积测量的准确性。	本文提出了一种基于物理的算法，用于在原始乳腺X线摄影图像上测量病变体积，并通过深度学习图像到图像翻译模型将其扩展到处理后的乳腺X线摄影图像上。	NA	提高乳腺X线摄影中病变体积测量的准确性	乳腺X线摄影图像中的病变体积	数字病理学	乳腺癌	深度学习	图像到图像翻译模型	图像	1778张乳腺X线摄影图像
1163	2024-09-01	ALFREDO: Active Learning with FeatuRe disEntangelement and DOmain adaptation for medical image classification 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103261 PMID:39018722	研究论文	本文提出了一种名为ALFREDO的新型管道，结合特征解纠缠和领域适应进行主动学习，以提高医学图像分类在领域偏移下的性能。	本文创新性地提出了特征解纠缠方法，将图像特征分解为领域特定和任务特定组件，并定义了多个新的成本函数来识别领域偏移下的信息样本。	NA	提高深度学习模型在领域偏移下的泛化能力，减少数据需求。	医学图像分类	计算机视觉	NA	主动学习，领域适应	CNN	图像	使用了三个数据集：一个组织病理学数据集和两个胸部X射线数据集。
1164	2024-09-01	From vision to text: A comprehensive review of natural image captioning in medical diagnosis and radiology report generation 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103264 PMID:39013207	综述	本文综述了自然图像描述（NIC）在医学图像描述（MIC）和放射学诊断描述（DC）领域的应用	总结了NIC和DC领域的最新研究成果，包括现有模型、数据集、评估指标和先前的综述	指出了现有方法在实际临床应用中的局限性	旨在提供NIC和DC领域的全面概述，并探讨未来的研究方向	自然图像描述在医学诊断和放射学报告生成中的应用	计算机视觉	NA	深度学习	NA	图像	NA
1165	2024-09-01	Deep Bayesian active learning-to-rank with relative annotation for estimation of ulcerative colitis severity 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103262 PMID:38986351	研究论文	本文提出了一种深度贝叶斯主动学习排序方法，用于通过相对标注估计溃疡性结肠炎的严重程度	该方法通过优先标注模型不确定性高的未标注样本对，提高了学习效率，并能有效处理类别不平衡问题	相对标注需要大量的样本对，可能导致标注成本增加	开发一种自动选择合适样本对的方法，以提高基于相对标注的疾病严重程度估计的效率和性能	溃疡性结肠炎的严重程度估计	计算机视觉	消化系统疾病	深度学习	贝叶斯神经网络	图像	使用了私人数据集和公共数据集中的内镜图像进行实验
1166	2024-09-01	The ACROBAT 2022 challenge: Automatic registration of breast cancer tissue 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103257 PMID:38981282	research paper	本文介绍了ACROBAT 2022挑战赛，旨在通过自动注册乳腺癌组织的全切片图像（WSI）来评估和比较当前WSI注册方法的性能	利用了迄今为止最大的WSI注册数据集，包括4,212张来自1,152名乳腺癌患者的WSI，并比较了八种不同的WSI注册算法	NA	评估和比较当前全切片图像（WSI）注册方法的性能	乳腺癌组织的全切片图像（WSI）	digital pathology	breast cancer	deep learning	NA	image	4,212张全切片图像（WSI）来自1,152名乳腺癌患者
1167	2024-09-01	A geometric approach to robust medical image segmentation 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103260 PMID:38970862	研究论文	本文提出了一种几何方法来提高深度学习分割模型在医学图像分割中的鲁棒性	利用受限的解剖学差异来细化潜在空间，形成一组形状组件，并通过向量量化构建形状字典，实现形状等变性	NA	提高深度学习分割模型在临床实践中的鲁棒性	前列腺和心脏MRI图像分割	计算机视觉	NA	MRI	CNN	图像	多种MRI序列
1168	2024-09-01	Dual-stream multi-dependency graph neural network enables precise cancer survival analysis 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103252 PMID:38963973	研究论文	本文提出了一种名为双流多依赖图神经网络（DM-GNN）的新型深度学习框架，用于精确的癌症患者生存分析	DM-GNN通过特征更新和全局分析分支，基于形态亲和性和全局共激活依赖性，将每个WSI建模为两个图，从而实现对复杂相关性的多视角建模	NA	旨在提供精确的癌症预后评估，并辅助个性化治疗决策，以改善患者结果	癌症患者的生存分析	计算机视觉	癌症	图神经网络	DM-GNN	图像	五个TCGA数据集
1169	2024-09-01	Uncertainty-aware multiple-instance learning for reliable classification: Application to optical coherence tomography 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103259 PMID:38959721	research paper	本文提出了一种名为不确定性基础实例排除（UBIX）的新方法，用于提高深度学习分类模型在不同供应商数据上的可靠性	UBIX是一种推理时模块，可在多实例学习（MIL）设置中使用，通过实时不确定性估计检测受局部伪影影响的实例，减少或完全忽略其对包级别输出的贡献	UBIX在处理包含未见伪影的实例时，性能略有下降	提高深度学习分类模型在不同供应商数据上的可靠性	年龄相关性黄斑变性的分期	computer vision	geriatric disease	NA	3D neural network	image	模型在一个扫描器的数据上训练，并在来自不同供应商的外部数据集上测试
1170	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
1171	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
1172	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
1173	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
1174	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
1175	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
1176	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
1177	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）
1178	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
1179	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
1180	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