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
20781	2024-08-05	Semantic contrast with uncertainty-aware pseudo label for lumbar semi-supervised classification 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108754 PMID:38878404	研究论文	该文章提出了一种新的方法SeCoFixMatch，将语义对比和不确定性感知伪标签无缝集成到半监督学习中	引入了语义对比约束和不确定性感知伪标签生成方法，以提高伪标签的质量和模型的预测准确性	未提及具体的局限性	提高脊柱疾病（如腰椎间盘突出）MRI图像的半监督分类性能	腰椎间盘突出（LDH）MRI图像	机器学习	腰椎间盘突出	KL损失优化	NA	图像	仅使用了40个标签进行训练
20782	2024-08-05	Mammogram mastery: A robust dataset for breast cancer detection and medical education 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110633 PMID:39035836	研究论文	该数据文章呈现了一个包含乳腺癌图像的综合数据集	数据集提供了独特的视角，涵盖了来自伊拉克Sulaymaniyah地区的乳腺癌发病率和特征	数据集主要来源于特定地区，可能无法代表其他地区的情况	推动医学研究并帮助开发创新的诊断工具	乳腺癌患者和未诊断患者的图像	数字病理学	乳腺癌	深度学习算法	NA	图像	745张原始图像和9,685张增强图像
20783	2024-08-05	HiRENet: Novel convolutional neural network architecture using Hilbert-transformed and raw electroencephalogram (EEG) for subject-independent emotion classification 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108788 PMID:38941902	研究论文	该论文介绍了一种新型CNN架构HiRENet，用于采用Hilbert变换和原始EEG进行独立于受试者的情感分类	HiRENet结合了原始EEG和Hilbert变换EEG作为输入，增强了相位信息与幅值信息的整合	NA	研究不同输入模式对EEG解码情感分类的影响	使用实验室制作的EEG数据库进行人类情感分类的研究	计算机视觉	NA	EEG	CNN	EEG信号	使用实验室制作的EEG数据库进行评估，样本大小未具体说明
20784	2024-08-05	Skin-CAD: Explainable deep learning classification of skin cancer from dermoscopic images by feature selection of dual high-level CNNs features and transfer learning 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108798 PMID:38925085	研究论文	本研究提出了一种名为“Skin-CAD”的可解释深度学习系统，用于通过皮肤镜图像分类皮肤癌	Skin-CAD使用四个不同拓扑和深度的CNN，结合双层特征和PCA方法，减少特征维度，并采用LIME方法进行预测解释	研究中未提及样本的选择标准或者潜在偏差	旨在提高皮肤癌的诊断和分类的准确性和速度	本研究对象为皮肤镜图像，用于分类良性和恶性皮肤癌	计算机视觉	皮肤癌	深度学习	CNN	图像	两个基准数据集，分别为皮肤癌：恶性与良性和HAM10000数据集
20785	2024-08-05	Automatic quantification of scapular and glenoid morphology from CT scans using deep learning 2024-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111588 PMID:38944907	研究论文	本研究开发并验证了一种开源深度学习模型，用于自动量化肩胛骨和关节盂的形态	提出现有方法的改进，通过深度学习自动分割肩胛骨并识别关键标记	在关节盂倾斜的手动和自动测量之间存在显著差异	旨在为临床提供一种准确的技术来量化肩胛骨及关节盂形态	正常受试者和患有肩关节骨关节炎的患者的CT图像	计算机视觉	肩关节骨关节炎	深度学习	NA	CT图像	116个肩胛骨（60个正常/非骨关节炎和56个病理/骨关节炎）
20786	2024-08-05	AI-Driven localization of all impacted teeth and prediction of winter angulation for third molars on panoramic radiographs: Clinical user interface design 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108755 PMID:38897151	研究论文	本研究旨在利用人工智能模型在全景X光片上检测所有阻生牙并根据Winter方法对阻生智齿进行分类	使用YOLOv8深度学习算法对阻生牙进行高精度检测，并设计了用于临床的用户界面	未提及具体限制信息	检测所有阻生牙并对阻生智齿进行Winter分类	1197张全景X光片用于阻生牙的检测和1000张全景X光片用于Winter分类	数字病理学	NA	YOLOv8深度学习算法	YOLOv8	图像	1197张全景X光片用于检测及1000张用于Winter分类
20787	2024-08-05	Automatic Segmentation and Alignment of Uterine Shapes from 3D Ultrasound Data 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108794 PMID:38941903	研究论文	本文介绍了一种从3D超声数据中自动分割和对齐子宫形状的方法	通过使用真实世界的3D阴道超声扫描数据建立正常子宫的形状，并开发了一种自动化系统来实现子宫形状的分割和对齐	关于子宫的研究依然缺乏大规模的数据集，现有分类缺乏基于现实世界测量的定义	填补关于正常子宫形状的知识空白，并促进与不孕症和反复流产相关的子宫形状异常的研究	基于来自多个医疗中心的3D超声图像的综合数据集进行子宫形状的自动分割和对齐	数字病理学	不孕症	深度学习	nnU-Net	图像	来自多个医疗中心的综合3D超声图像数据集
20788	2024-08-05	Lesion-aware cross-phase attention network for renal tumor subtype classification on multi-phase CT scans 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108746 PMID:38878403	研究论文	本文提出了一种新颖的病灶感知交叉相位注意网络，用于多相CT影像中肾肿瘤亚型的分类	创新性在于提出了一种能够有效捕捉肾病灶在CT相位间的时间依赖关系的网络设计	本文未提及实验样本的具体限制	研究的目的是提高肾癌病灶分类的准确性	主要研究对象为多相CT影像中肾癌的病灶类型	计算机视觉	肾癌	多相CT扫描	交叉相位注意网络 (LACPANet)	图像	来自肾癌患者的多相CT扫描数据集
20789	2024-08-05	State-of-art technologies, challenges, and emerging trends of computer vision in dental images 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108800 PMID:38917534	研究论文	文章概述了计算机视觉在牙科影像中的应用及其挑战和未来趋势	整合了传统图像处理与深度学习技术，概述了牙科放射影像分析的新兴方法	研究中未详细探讨每种成像技术的局限性	旨在总结计算机视觉在牙科影像中的应用及其未来发展方向	包括不同的牙科异常的解剖分割、识别和分类	计算机视觉	NA	深度学习、经典图像处理	NA	影像	NA
20790	2024-08-05	Developing and validating a knowledge-based AI assessment system for learning clinical core medical knowledge in otolaryngology 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108765 PMID:38897143	研究论文	本研究开发了一种基于知识的人工智能评估系统，以促进耳鼻喉科的临床核心医学知识学习	提出了多专家知识聚合的自适应评估方案MEKAS，利用知识驱动的人工智能方法来改善医学学习	需要在更大规模和多样化的机构中进一步验证MEKAS的可扩展性、普遍性和长期影响	旨在通过MEKAS提高耳鼻喉科临床核心医学知识的学习效果	研究对象包括22名UPGY学员和8名耳鼻喉科住院医师，对其进行自学习效果的评估	数字病理学	NA	基于知识的人工智能	NA	评分数据	EG组22名UPGY学员和8名耳鼻喉科住院医师，CG组24名UPGY学员
20791	2024-08-05	Dual-channel end-to-end network with prior knowledge embedding for improving spatial resolution of magnetic particle imaging 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108783 PMID:38909446	研究论文	提出了一种双通道端到端网络，通过嵌入先验知识来提高磁粒子成像的空间分辨率	开发了一种新型的深度学习方法，根据磁粒子成像的先验知识来改善图像分辨率，同时保持信噪比	现有方法未考虑导致成像模糊的物理过程，可能影响解读能力	提高磁粒子成像的空间分辨率，同时不影响信噪比	低梯度和高梯度的磁粒子成像图像	计算机视觉	NA	深度学习	双通道端到端网络	图像	模拟、幻像和体内的MPI实验
20792	2024-08-05	Deep learning-based automated detection and segmentation of bone and traumatic bone marrow lesions from MRI following an acute ACL tear 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108791 PMID:38905892	研究论文	本研究使用3D U-Net自动识别和分割急性ACL撕裂后MRI中的骨和创伤性骨髓病变。	通过多任务学习和后处理算法提高了创伤性骨髓病变的自动分割准确性，提供了一种定量评估方法。	模型的训练和测试数据来自不同的研究，可能存在数据集一致性的问题。	研究使用深度学习方法自动检测和分割急性ACL撕裂后MRI中的骨髓病变。	研究对象为经历急性全层ACL撕裂的患者的MRI扫描数据。	计算机视觉	NA	MRI	3D U-Net	图像	多个急性ACL撕裂患者的数据集
20793	2024-08-05	TrueTH: A user-friendly deep learning approach for robust dopaminergic neuron detection 2024-Jul-27, Neuroscience letters IF:2.5Q3 DOI:10.1016/j.neulet.2024.137871 PMID:38857698	研究论文	本文介绍了TrueTH，一种用户友好且可靠的深度学习方法，用于准确检测多巴胺能神经元	TrueTH提供了一个开源且用户友好的解决方案，填补了现有工具在可接入性和编程要求方面的空白	NA	探讨多巴胺能神经元的量化方法以提升帕金森病研究的准确性	帕金森病大鼠模型中的多巴胺能神经元	数字病理学	帕金森病	深度学习	NA	图像	多个帕金森病小鼠模型
20794	2024-08-05	Joint diffusion: mutual consistency-driven diffusion model for PET-MRI co-reconstruction 2024-Jul-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6117 PMID:38981592	研究论文	提出了一种新的PET-MRI联合重建模型MC-Diffusion，以提高PET-MRI的图像质量	创新性地将PET和MRI的数据互补性结合，通过基于扩散的模型实现了联合重建	未提及具体的局限性	旨在利用PET和MRI数据的内在互补性提高图像质量	PET和MRI成像数据	数字病理学	NA	基于扩散的模型	MC-Diffusion	图像	ADNI数据集中的样本
20795	2024-08-05	Accurately Predicting Spatiotemporal Variations of Near-Surface Nitrous Acid (HONO) Based on a Deep Learning Approach 2024-Jul-23, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c02221 PMID:38982681	研究论文	本文建立了一个深度学习模型来预测近地表亚硝酸（HONO）的时空变化	该研究首次将深度神经网络应用于HONO浓度预测，并提出了新的HONO形成机制	模型性能可能受到数据质量和可用性限制的影响	研究旨在准确预测HONO水平，以改善气象和空气质量模型的表现	研究对象为中国四个典型大都市群的常规空气质量和气象数据	机器学习	NA	深度学习	深度神经网络（DNN）	数值数据	四个典型大都市群的数据
20796	2024-08-05	EBC-Net: 3D semi-supervised segmentation of pancreas based on edge-biased consistency regularization in dual perturbation space 2024-Jul-23, Medical physics IF:3.2Q1 DOI:10.1002/mp.17323 PMID:39042373	研究论文	提出了一种基于边缘偏置一致性正则化的3D半监督胰腺分割方法EBC-Net	引入边缘优先知识及双扰动空间的概念，提高了胰腺图像分割的准确性	目前方法可能在分割其他器官或图像时表现不佳	解决有限标注数据和感兴趣区域边界模糊的问题	胰腺在增强CT中的图像	计算机视觉	胰腺癌	深度学习	EBC-Net	3D医学图像	NA
20797	2024-08-05	Transfer learning for cross-context prediction of protein expression from 5'UTR sequence 2024-Jul-22, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae491 PMID:38864396	研究论文	本文展示了一种简单的迁移学习方法，可以有效调节预训练的深度学习模型，用于预测Escherichia coli中不同背景下的蛋白质翻译速率	通过迁移学习方法解决了深度学习模型在不同遗传和实验背景下的泛化能力不足的问题	本研究的迁移学习方法可能对某些特定背景的适应性有限	提高基于模型的DNA序列设计的泛化能力	E. coli中的5'非翻译区（5'UTR）序列	计算机视觉	NA	深度学习	深度学习模型	DNA序列数据	少量新测量
20798	2024-08-05	Reinventing gene expression connectivity through regulatory and spatial structural empowerment via principal node aggregation graph neural network 2024-Jul-22, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae514 PMID:38884259	研究论文	本文提出了一种通过主节点聚合图神经网络重塑基因表达连接的新方法	采用了空间图神经网络的创新策略，结合监管和结构元素，以改善基因表达预测	NA	旨在预测基因表达并描述复杂的基因相互作用网络	人类基因组中的基因及其相互关系	计算机视觉	NA	图神经网络(GNN)	主节点聚合模型	图结构数据	NA
20799	2024-08-05	Prediction of DNA methylation-based tumor types from histopathology in central nervous system tumors with deep learning 2024-Jul, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02995-8 PMID:38760587	研究论文	本文开发了一个深度学习模型，利用组织病理学图像预测中枢神经系统肿瘤的DNA甲基化类型	提出了DEPLOY模型，能从组织病理学图像中实现快速且准确的肿瘤分类	DNA甲基化分析仍需时间，DEPLOY的应用仍受限于数据的可获取性	提高中枢神经系统肿瘤的诊断精度	针对1,796名患者的内部数据集和3个独立的外部测试数据集进行肿瘤分类	数字病理学	NA	深度学习	深度学习模型	图像	1796名患者的内部数据集和2156名患者的外部测试数据集
20800	2024-08-05	Magnetic Resonance Imaging Images Based Brain Tumor Extraction, Segmentation and Detection Using Convolutional Neural Network and VGC 16 Model 2024-07-01, American journal of clinical oncology DOI:10.1097/COC.0000000000001097 PMID:38632686	研究论文	本文讨论如何利用CNN模型从磁共振成像中提取、分割和检测脑瘤	提出了一种基于卷积神经网络的分类方法，提高了脑瘤分割的准确性	对于大规模数据的处理和训练可能依赖于复杂的优化算法	旨在探讨不同的脑瘤分割方法	研究对象为脑瘤的磁共振成像图像	数字病理学	脑肿瘤	数字图像处理和深度学习	卷积神经网络 (CNN) 和 VGC 16模型	图像	使用来自'Brain web'的数据集的多幅磁共振成像图像