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
20701	2024-08-07	MicroSegNet: A deep learning approach for prostate segmentation on micro-ultrasound images 2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102326 PMID:38211358	研究论文	本文介绍了一种名为MicroSegNet的深度学习方法，用于在微超声图像上进行前列腺分割	提出了一个多尺度注释引导的transformer UNet模型，并引入了一种注释引导的二元交叉熵损失（AG-BCE），该损失在训练过程中对难以分割的区域赋予更大的权重	NA	开发一种新的深度学习模型，以提高微超声图像中前列腺分割的准确性	前列腺在微超声图像中的分割	计算机视觉	前列腺癌	微超声（micro-US）	transformer UNet	图像	使用了来自55名患者的微超声图像进行训练，并在20名患者的数据上进行评估
20702	2024-08-07	An integrated technology for quantitative wide mutational scanning of human antibody Fab libraries 2024-Jan-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.16.575852 PMID:38293170	research paper	本文介绍了一种名为MAGMA-seq的综合技术，用于定量分析人类抗体Fab库的广泛突变扫描	MAGMA-seq技术结合了多种抗原和抗体，并使用深度测序确定定量生物物理参数，能够在一个实验中测量多个给定亲本抗体突变体的结合情况	NA	旨在通过学习抗体分子识别，设计高亲和力结合物，以对抗几乎任何蛋白质表面	研究对象包括人类抗体的Fab库，以及多种抗原和抗体的序列-功能关系	NA	NA	深度测序	NA	序列数据	两个汇集库，包含十个不同人类抗体的突变体
20703	2024-08-07	CylinGCN: Cylindrical structures segmentation in 3D biomedical optical imaging by a contour-based graph convolutional network 2024-01, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102316 PMID:38039866	研究论文	本文提出了一种基于轮廓的图卷积网络CylinGCN，用于生物医学光学成像中的三维圆柱结构分割	将圆柱结构视为三维图，引入了一种新的基于轮廓的图神经网络，能够提取语义特征和复杂拓扑关系，实现连续有效的三维分割	NA	开发一种新的方法用于生物医学光学成像中的三维圆柱结构分割	生物医学光学成像中的圆柱结构，如血管、气道和肠道	计算机视觉	NA	图卷积网络(GCN)	图神经网络	三维体积数据	两种光学断层成像数据，小动物全身光声断层成像(PAT)和内窥镜气道光学相干断层成像(OCT)
20704	2024-08-07	Deep learning for report generation on chest X-ray images 2024-01, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102320 PMID:38134726	综述	本文综述了深度学习技术在胸部X光图像分析中的应用，特别是使用卷积神经网络（CNN）进行放射报告生成的进展和挑战	深度学习技术在胸部X光图像分析中的应用显示出超越人类放射科医生的潜力	NA	探讨深度学习技术在胸部X光图像分析中的应用，特别是放射报告生成的进展和挑战	胸部X光图像分析	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	NA
20705	2024-08-07	SMILE: Siamese Multi-scale Interactive-representation LEarning for Hierarchical Diffeomorphic Deformable image registration 2024-01, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102322 PMID:38157671	研究论文	本文提出了一种新的卷积神经网络（CNN），包含孪生多尺度交互表示学习（SMILE）编码器和层次化微分形变（HDD）解码器，用于可变形医学图像配准	本文创新性地引入了SMILE编码器和HDD解码器，以及一种新的局部可逆损失（LIL），以促进拓扑保持和局部可逆性，同时保持高配准精度	现有深度学习方法存在以下局限：(a) 由于感受野有限，常忽略特征对应关系的显式建模；(b) 对于具有大空间位移的图像对，性能仍然有限；(c) 常忽略拓扑保持和变换的可逆性	旨在改进可变形医学图像配准方法，特别是在特征对应关系建模、处理大空间位移图像对以及拓扑保持和变换可逆性方面	可变形医学图像配准	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	在两个公开的大脑图像数据集上进行了大量实验
20706	2024-08-07	Multimodal transformer network for incomplete image generation and diagnosis of Alzheimer's disease 2023-12, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102303 PMID:37832503	研究论文	本文提出了一种深度学习框架，结合多级引导生成对抗网络（MLG-GAN）和多模态变换器（Mul-T），用于生成不完整图像和疾病分类	提出了多级引导生成对抗网络（MLG-GAN）和多模态变换器（Mul-T），能够生成缺失数据并结合全局和局部特征进行疾病诊断	NA	开发一种新的深度学习框架，用于处理不完整的多模态脑图像并提高阿尔茨海默病诊断的准确性	多模态脑图像和阿尔茨海默病	机器学习	阿尔茨海默病	生成对抗网络（GAN）	多模态变换器（Mul-T）	图像	三个独立数据集（ADNI-1、ADNI-2和OASIS-3）
20707	2024-08-07	Image reconstruction using UNET-transformer network for fast and low-dose PET scans 2023-12, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102315 PMID:38006648	研究论文	本文提出了一种基于UNET-transformer网络的图像重建方法，用于快速和低剂量的PET扫描	结合UNET和Transformer网络的优势，提高低剂量PET图像重建的质量，同时保留边缘和小细节	由于可用数据有限和采集图像中噪声水平高，这是一个具有挑战性的问题	开发一种有效且准确的基于深度学习的方法，用于重建低剂量PET图像	低剂量PET图像	计算机视觉	NA	PET扫描	UNET-transformer	图像	使用Brainweb仿真数据集和Siemens Biograph mMR PET扫描仪采集的真实患者数据集
20708	2024-08-07	A review on brain tumor segmentation based on deep learning methods with federated learning techniques 2023-12, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102313 PMID:38011781	综述	本文综述了基于深度学习和联邦学习技术的脑肿瘤分割方法	提出了联邦学习方法以提高全局分割性能并确保隐私	集中于未解决的脑肿瘤分割问题和客户端联邦模型训练策略	探讨最有效的脑肿瘤分割技术，并提出联邦学习方法以改进性能	脑肿瘤分割技术及其在医学影像中的应用	计算机视觉	脑肿瘤	联邦学习	CNN	图像	超过100篇相关论文
20709	2024-08-07	Research on augmented reality navigation of in vitro fenestration of stent-graft based on deep learning and virtual-real registration 2023-12, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2023.2289339 PMID:38059572	研究论文	本研究提出了一种基于深度学习和虚拟现实注册的增强现实导航方法，用于辅助体外支架移植术中的开窗操作	本研究采用了基于深度学习的大动脉分割算法和基于Vuforia的虚拟现实注册与标记识别算法，实现了自动快速的大动脉分割和准确的现场增强现实图像	NA	旨在提出一种增强现实导航方法，用于体外支架移植术中的开窗操作，以提供现场叠加显示来定位开窗位置	体外支架移植术中的开窗操作	计算机视觉	NA	深度学习	CNN	图像	NA
20710	2024-08-07	Discovering optimal kinetic pathways for self-assembly using automatic differentiation 2023-Sep-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.30.555551 PMID:37693527	研究论文	本文利用自动微分算法优化可逆自组装的物理模型，探索了3-7个亚基复合物的速率常数空间中的多样化解决方案	本文首次将深度学习框架中常用的自动微分算法应用于自组装系统的优化，定义了两种生物启发的协议来防止动力学陷阱，并提出了第三种模拟能量消耗酶的中间体回收协议	NA	理解避免陷阱并有效组装的生物机制，为设计合成组装系统提供最优解决方案	自组装的亚基复合物及其速率常数	生物物理学	NA	自动微分算法	物理模型	速率常数	3-7个亚基复合物
20711	2024-08-07	Enhanced cell segmentation with limited annotated data using generative adversarial networks 2023-Jul-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.26.550715 PMID:37546774	研究论文	本文提出了一种基于定制CycleGAN架构的细胞分割模型，用于在有限标注细胞图像数据的情况下增强细胞分割效果	利用CycleGAN生成具有真实细胞形态细节和细微差别的合成图像，增加了训练数据的多样性并提高了合成样本的真实性，从而提升了细胞分割模型的预测准确性和鲁棒性	NA	解决显微镜成像中标注数据稀缺的问题，加速细胞分割基础模型的发展	细胞分割模型	计算机视觉	NA	生成对抗网络(GAN)	CycleGAN	图像	有限标注的细胞图像
20712	2024-08-07	Neuropsychiatric Symptoms and Commonly Used Biomarkers of Alzheimer's Disease: A Literature Review from a Machine Learning Perspective 2023, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-221261 PMID:36872783	综述	本文从机器学习角度对阿尔茨海默病（AD）及其相关神经精神症状（NPS）的常用生物标志物进行了全面的文献回顾	探讨了机器学习方法在分析NPS和AD生物标志物方面的应用潜力	目前针对NPS的机器学习研究数量有限	描绘机器学习在AD和NPS研究中的现状和潜力	阿尔茨海默病及其相关神经精神症状的生物标志物	机器学习	阿尔茨海默病	NA	统计机器学习方法和深度学习方法	多模态数据集	共包含38篇文章
20713	2024-08-07	Predicting osteoporosis from kidney-ureter-bladder radiographs utilizing deep convolutional neural networks 2024-Jul, Bone IF:3.5Q2 DOI:10.1016/j.bone.2024.117107 PMID:38677502	研究论文	本研究利用深度卷积神经网络从肾脏-输尿管-膀胱（KUB）X光片中预测骨密度，以筛查骨质疏松症	首次开发基于KUB X光片的深度学习模型，用于预测腰椎和股骨的骨密度	NA	探索使用KUB X光片预测骨密度并分类高风险患者群体的可能性	骨密度（BMD）值和骨质疏松症高风险患者	机器学习	骨质疏松症	深度学习	CNN	图像	8913对KUB X光片和DXA检查
20714	2024-08-07	Deep learning-based skin care product recommendation: A focus on cosmetic ingredient analysis and facial skin conditions 2024-Jun, Journal of cosmetic dermatology IF:2.3Q2 DOI:10.1111/jocd.16218 PMID:38411029	研究论文	本文提出了一种基于深度学习的方法，用于分析化妆品成分并结合AI皮肤分析，为消费者推荐个性化的护肤产品	本文创新地结合了深度神经网络和皮肤分析模型，以优化个人化的化妆品推荐	NA	旨在提出一种基于化妆品成分分析的个性化护肤产品推荐方法	化妆品成分分析和面部皮肤状况	机器学习	NA	深度学习	深度神经网络	图像	NA
20715	2024-08-07	Construction of deep learning-based convolutional neural network model for automatic detection of fluid hysteroscopic endometrial micropolyps in infertile women with chronic endometritis 2024-Jun, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2024.04.026 PMID:38703449	研究论文	本研究构建了一个基于深度学习的卷积神经网络（CNN）模型，用于自动检测不孕症女性慢性子宫内膜炎患者的宫腔镜液体检查中的子宫内膜微息肉（EMiP）。	本研究首次开发了一种基于深度学习的CNN模型，用于自动检测与慢性子宫内膜炎相关的子宫内膜微息肉，提供了一种更少侵入性的诊断系统。	NA	开发一种更少侵入性的诊断系统，用于慢性子宫内膜炎的诊断。	不孕症女性慢性子宫内膜炎患者的宫腔镜液体检查中的子宫内膜微息肉。	机器学习	不孕症	卷积神经网络（CNN）	CNN	图像	244名不孕症女性
20716	2024-08-07	Zero-shot learning enables instant denoising and super-resolution in optical fluorescence microscopy 2024-May-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48575-9 PMID:38755148	研究论文	本文开发了一种零样本去卷积网络（ZS-DeconvNet），能够在无监督方式下即时提高光学荧光显微镜图像的分辨率	ZS-DeconvNet无需真实标签或额外数据采集，即可在多种成像模式下实现超分辨率成像	NA	开发一种无需大量高质量训练数据的计算超分辨率方法	光学荧光显微镜图像的分辨率增强	计算机视觉	NA	零样本学习	去卷积网络	图像	多种成像模式，包括全内反射荧光显微镜、三维宽场显微镜、共聚焦显微镜、双光子显微镜、光片显微镜和多模态结构光照明显微镜
20717	2024-08-07	Single-cell classification based on label-free high-resolution optical data of cell adhesion kinetics 2024-05-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61257-2 PMID:38755203	研究论文	本文介绍了一种基于无标记高分辨率光学数据的细胞粘附动力学单细胞分类方法	首次提出了一种基于无标记光学传感器的单细胞分类方法，无需标记或侵入性步骤，不影响细胞功能	NA	开发一种无标记的单细胞分类方法，并探索其在癌症研究和再生医学中的应用	健康细胞和多种癌细胞类型	数字病理学	癌症	光学传感器	深度神经网络	单细胞粘附动力学信号	约4500个单细胞粘附测量数据，包括正常前成骨细胞（MC3T3-E1）和多种癌细胞（HeLa，LCLC-103H，MDA-MB-231，MCF-7）
20718	2024-08-07	BarlowTwins-CXR: enhancing chest X-ray abnormality localization in heterogeneous data with cross-domain self-supervised learning 2024-May-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02529-9 PMID:38755563	研究论文	本研究通过开发一种名为BarlowTwins-CXR的自监督学习策略，旨在解决跨域转移学习中的域不一致问题，并提高异质胸部X光图像异常定位的性能	BarlowTwins-CXR方法通过自监督预训练和监督微调的两阶段训练过程，显著提高了模型在胸部X光图像异常定位的准确性和效率	NA	解决跨域转移学习中的域不一致问题，提高胸部X光图像异常定位的性能	异质胸部X光图像的异常定位	计算机视觉	NA	自监督学习	Resnet50, Faster R-CNN with Feature Pyramid Network (FPN)	图像	112,120张来自NIH数据集的图像和18,000张来自VinDr-CXR数据集的图像
20719	2024-08-07	A multi-view fusion lightweight network for CRSwNPs prediction on CT images 2024-May-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01296-3 PMID:38755567	研究论文	本文提出了一种用于CT图像上慢性鼻窦炎伴鼻息肉（CRSwNP）预测的多视图融合轻量级网络	开发了一种包含10层网络的迷你架构的多视图融合模型，通过修改深度残差神经网络实现	NA	旨在提高慢性鼻窦炎（CRS）的术前区分准确性，预测术后结果并进行个性化治疗	慢性鼻窦炎伴鼻息肉（CRSwNP）患者的CT扫描数据和病理活检结果	计算机视觉	慢性鼻窦炎	深度学习	CNN	图像	192名患者
20720	2024-08-07	A Perspective on Protein Structure Prediction Using Quantum Computers 2024-May-14, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00067 PMID:38703105	研究论文	本文探讨了使用量子计算机进行蛋白质结构预测的可能性	提出了一种框架，用于系统选择适合量子优势的蛋白质结构预测问题，并估计了量子资源需求	需要进一步验证和优化量子计算方法在蛋白质结构预测中的应用	探索量子计算机在蛋白质结构预测中的应用潜力	蛋白质结构预测问题	生物医学研究	NA	量子计算	NA	蛋白质结构数据	以Zika病毒NS3解旋酶的催化环为例进行验证