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
22961	2024-08-05	Deep Magnetic Resonance Image Reconstruction: Inverse Problems Meet Neural Networks 2020-Jan, IEEE signal processing magazine IF:9.4Q1 DOI:10.1109/MSP.2019.2950557 PMID:33746470	研究论文	本文概述了基于深度学习的MRI图像重建方法	探讨了基于深度学习的图像重建方法在快速MRI中的应用潜力	未具体涉及不同算法的比较和实际应用案例	旨在提高快速MRI图像重建的效率	讨论两种类型的基于深度学习的重建方法	计算机视觉	NA	深度学习	NA	图像	NA
22962	2024-08-05	Internal-transfer Weighting of Multi-task Learning for Lung Cancer Detection 2020, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2548755 PMID:34040274	研究论文	本文提出了一种内部转移加权的多任务学习方法用于肺癌检测	介绍了一种新的学习策略Periodic Focusing Learning Policy（PFLP）和内部转移加权策略（ITW），以优化多任务网络的训练	对于无法收敛的多任务基线网络，需要进一步研究改进方法	提高肺癌预测的准确性	3386名患者的CT扫描数据，涉及多种呼吸系统疾病的辅助任务	数字病理学	肺癌	深度学习	3D注意力网络	图像	3386个CT扫描（每名患者一个扫描）
22963	2024-08-05	Skull-Stripping of Glioblastoma MRI Scans Using 3D Deep Learning 2019-Oct, Brainlesion : glioma, multiple sclerosis, stroke and traumatic brain injuries. BrainLes (Workshop) DOI:10.1007/978-3-030-46640-4_6 PMID:32577629	研究论文	本文评估了使用3D深度学习架构进行胶质瘤MRI扫描的头骨去除性能	提出了一种新的方法，专注于多参数MRI扫描中的头骨去除，与现有方法相比能够更好地处理脑肿瘤图像	只评估了公共可用的实现，而未考虑其他潜在的3D深度学习架构	研究旨在优化在胶质瘤MRI图像上进行头骨去除的性能	使用1796个手动检查过的胶质瘤mpMRI扫描作为研究对象	计算机视觉	脑肿瘤	3D深度学习	DeepMedic, 3D U-Net, FCN	MRI图像	1796个mpMRI脑肿瘤扫描
22964	2024-08-05	DDL: Deep Dictionary Learning for Predictive Phenotyping 2019-Aug, IJCAI : proceedings of the conference DOI:10.24963/ijcai.2019/812 PMID:33767572	研究论文	本文提出了一种深度字典学习框架（DDL），旨在通过使用无标签数据来改善预测表型的性能。	本研究创新性地使用无标签数据作为信息的补充来源，以生成更好、更简明的数据表示，从而克服标签不足的问题。	本研究可能受到无标签数据质量和多样性的影响，这可能限制了结果的广泛适用性。	研究的目的是提高基于电子健康记录（EHR）数据的预测表型准确性。	研究对象包括多个EHR数据集中的患者表型。	机器学习	NA	深度学习	深度字典学习	电子健康记录（EHR）数据	多个EHR数据集
22965	2024-08-05	BIRNet: Brain image registration using dual-supervised fully convolutional networks 2019-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2019.03.006 PMID:30939419	研究论文	本文提出了一种通过预测变形从图像外观进行图像配准的深度学习方法	设计了一种全卷积网络，采用双重指导来避免过度依赖训练变形场的监督	获取训练的真实变形场可能具有挑战性	研究如何通过深度学习实现脑部图像的配准	脑部图像	计算机视觉	NA	深度学习	全卷积网络	图像	多种数据集的实验
22966	2024-08-07	AFAR: A Deep Learning Based Tool for Automated Facial Affect Recognition 2019-May, Proceedings of the ... International Conference on Automatic Face and Gesture Recognition. IEEE International Conference on Automatic Face & Gesture Recognition DOI:10.1109/FG.2019.8756623 PMID:31762712	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
22967	2024-08-05	FULLY-AUTOMATIC SEGMENTATION OF KIDNEYS IN CLINICAL ULTRASOUND IMAGES USING A BOUNDARY DISTANCE REGRESSION NETWORK 2019-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI.2019.8759170 PMID:31803348	研究论文	本文提出一种新颖的边界距离回归深度神经网络用于自动分割临床超声图像中的肾脏	提出了一种全新的深度学习方法，通过边界距离回归网络解决肾脏形状和图像强度分布多样性的挑战	未提及具体的限制因素	提升肾脏自动分割的性能	针对超声图像中的肾脏进行自动分割	数字病理学	NA	深度学习	边界距离回归网络	图像	NA
22968	2024-08-05	Machine learning for segmenting cells in corneal endothelium images 2019-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2513580 PMID:31762537	研究论文	本文研究了使用深度学习方法对角膜内皮细胞图像进行自动分割	比较了两种深度神经网络方法U-Net和SegNet在细胞分割中的表现	未明确提及本文的具体局限性	探讨如何自动分割角膜内皮细胞图像以评估角膜健康	角膜内皮细胞图像及其分割	计算机视觉	NA	深度学习	U-Net和SegNet	图像	130张有专家标注的图像
22969	2024-08-05	Predicting Cognitive Scores from Resting fMRI Data and Geometric Features of the Brain 2019-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2512063 PMID:34305256	研究论文	本文探讨了深度学习神经网络在预测正常人群和注意力缺陷多动障碍(ADHD)患者的认知表现评分中的应用	研究展示了将休息态功能性磁共振成像(rfMRI)与几何特征相结合以提高认知评分预测的方法	样本量相对较小，仅包含168张图像，可能影响模型的泛化能力	探索使用深度学习神经网络来预测认知能力评分	正常对照和ADHD患者的脑部结构和功能成像数据	计算机视觉	注意力缺陷多动障碍	功能性磁共振成像(fMRI), T1加权磁共振成像(MRI)	卷积神经网络(CNN)	图像	168张图像用于训练，90张图像用于测试
22970	2024-08-05	Surgical Aid Visualization System for Glioblastoma Tumor Identification based on Deep Learning and In-Vivo Hyperspectral Images of Human Patients 2019-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2512569 PMID:31447494	研究论文	本研究开发了一种基于深度学习和人脑组织的体内高光谱图像的外科辅助可视化系统，以支持胶质母细胞瘤的识别	提出了一种利用深度学习处理高光谱图像的手术辅助可视化系统，实现准确的肿瘤重切及术中实时指导	样本量较小，仅包括16个不同患者的高光谱数据	旨在提供实时、可靠的肿瘤切除辅助技术，以提高外科手术的准确性和病人生活质量	研究对象为人脑组织的高光谱图像	数字病理学	胶质瘤	高光谱成像（HSI）	深度学习（DL）	图像	16个不同患者的26个超立方体，总计258,810个标记像素
22971	2024-08-05	A scalable discrete-time survival model for neural networks 2019, PeerJ IF:2.3Q2 DOI:10.7717/peerj.6257 PMID:30701130	研究论文	本文描述了一种适用于神经网络的离散时间生存模型Nnet-survival	该模型使用小批量随机梯度下降方法进行训练，并具有灵活性，能够处理大数据集及不同的基线风险率	未提及具体的模型局限性	研究旨在提高生存数据的预测能力	研究对象为具有已知随访时间及事件/审查指标的患者数据	机器学习	NA	最大似然法	神经网络	模拟数据和真实数据	NA
22972	2024-08-05	Pre-operative Overall Survival Time Prediction for Glioblastoma Patients Using Deep Learning on Both Imaging Phenotype and Genotype 2019, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-32239-7_46 PMID:34085058	研究论文	该文章提出了一种新的基于深度学习的方法来预测胶质母细胞瘤（GBM）患者的术前总生存时间。	创新点在于结合术前多模态MR图像和肿瘤基因型信息进行总生存时间预测，尤其是使用了多任务卷积神经网络来同时进行基因型和总生存时间预测。	文章中可能没有讨论模型在不同临床环境中的适用性和外部验证的结果。	研究目的在于通过结合影像表型和基因型信息以提高胶质母细胞瘤患者的术前预后准确性。	研究对象是120名胶质母细胞瘤（GBM）患者的术前影像数据。	机器学习	胶质母细胞瘤	深度学习	多任务卷积神经网络（CNN）	影像	120名胶质母细胞瘤患者的样本
22973	2024-08-05	Improved deep learning-based macromolecules structure classification from electron cryo-tomograms 2018-Nov, Machine vision and applications IF:2.4Q2 DOI:10.1007/s00138-018-0949-4 PMID:31511756	研究论文	该论文提出了一种基于深度学习的新方法，用于从电子冷冻断层扫描数据中分类大分子结构	本文提出了三种新设计的CNN模型，以提高大规模大分子结构分类的性能	尽管新模型在分类准确性上有显著提高，但仍可能在真实世界数据中面临挑战	改善深度学习在大分子结构分类中的应用性能	使用电子冷冻断层扫描数据进行大分子复杂结构的分类	计算机视觉	NA	电子冷冻断层扫描 (CECT)	卷积神经网络 (CNN)	图像	12个不同信噪比和倾斜角度范围的数据集
22974	2024-08-05	Voxel Deconvolutional Networks for 3D Brain Image Labeling 2018-Aug, KDD : proceedings. International Conference on Knowledge Discovery & Data Mining DOI:10.1145/3219819.3219974 PMID:30906620	研究论文	本文提出了一种用于3D脑图像标记的体素反卷积层（VoxelDCL）来解决反卷积层中的棋盘伪影问题	首次在3D空间中提出体素反卷积层以解决反卷积层的棋盘伪影问题，并在U-Net架构上构建了多种变体的体素反卷积网络	该研究主要集中于解决3D空间中的棋盘伪影问题，未深入探讨其他可能的图像处理问题	提高3D脑图像标记的准确性	使用ADNI和LONI LPBA40数据集进行3D脑图像标记任务	计算机视觉	NA	反卷积	U-Net	图像	使用ADNI和LONI LPBA40数据集
22975	2024-08-05	MULTI-SCALE SEGMENTATION USING DEEP GRAPH CUTS: ROBUST LUNG TUMOR DELINEATION IN MVCBCT 2018-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI.2018.8363628 PMID:31772718	研究论文	本文提出了一种基于深度图切割的多尺度分割方法，用于肺肿瘤的准确描绘	将多尺度分割问题设定为深度网络中的马尔可夫随机场能量最小化问题，并通过计算图中的最小切割进行求解	未提及具体的限制	旨在提高肺肿瘤分割的准确性	结合38个兆伏锥束计算机断层扫描数据集进行肺肿瘤的分割	计算机视觉	肺癌	深度学习	马尔可夫随机场	图像	38个兆伏锥束计算机断层扫描数据集
22976	2024-08-05	Synthesizing Missing PET from MRI with Cycle-consistent Generative Adversarial Networks for Alzheimer's Disease Diagnosis 2018, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-00931-1_52 PMID:34355223	研究论文	提出了一种基于3D循环一致生成对抗网络合成缺失PET图像的方法，用于阿尔茨海默病的诊断	创新性地采用双阶段深度学习框架来处理缺失的PET数据，并利用3D-cGAN捕捉MRI与PET之间的潜在关系	在实验中，缺失PET数据的合成依赖于输入的MRI数据质量	旨在提高阿尔茨海默病的诊断准确性，特别是在存在缺失图像数据的情况下	研究对象主要是阿尔茨海默病患者和轻度认知障碍患者	数字病理学	阿尔茨海默病	3D循环一致生成对抗网络	深度多实例神经网络	多模态神经影像	来自ADNI数据集的多个受试者
22977	2024-08-05	GRAM: Graph-based Attention Model for Healthcare Representation Learning 2017-Aug, KDD : proceedings. International Conference on Knowledge Discovery & Data Mining DOI:10.1145/3097983.3098126 PMID:33717639	研究论文	提出了一种图基注意力模型GRAM，用于医疗表示学习	GRAM利用医疗本体的层级信息补充电子健康记录，以提高深度学习在医疗预测建模中的表现	研究可能受到样本量不足的限制，尽管GRAM在低数据量情况下表现良好	提升医疗领域深度学习模型在预测建模中的表现	比较了GRAM与多种方法在疾病预测任务中的表现	医疗病理学	心力衰竭	深度学习	RNN	电子健康记录	使用数量级更少的训练数据进行实验
22978	2024-08-05	Deep convolutional neural network for segmentation of knee joint anatomy 2018-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.27229 PMID:29774599	研究论文	本文描述了一种新的分割方法，采用深度卷积神经网络（CNN）、三维全连接条件随机场（CRF）和三维单纯形可变形建模来提高膝关节组织分割的效率和准确性	创新点在于结合了深度卷积神经网络、三维全连接CRF和三维单纯形可变形建模，形成高分辨率的多类组织分类方案	NA	旨在提高膝关节组织分割的效率和准确性	研究对象为膝关节的12种不同关节结构的组织	计算机视觉	NA	3D快速自旋回波MR影像数据集	CNN	图像	NA
22979	2024-08-05	Colour and illumination in computer vision 2018-Aug-06, Interface focus IF:3.6Q1 DOI:10.1098/rsfs.2018.0008 PMID:29951188	评论	本文回顾了光照估计的历史和当前算法，并质疑深度学习在这一问题上的有效性	提出了一种基于单纯光照估计算法的最终偏差修正阶段的新方法，强调以曝光不变的方式进行偏差修正	未详细探讨其他算法的应用场景和比较数据	旨在改善计算机视觉中的光照估计准确性和效率	光照估计算法的理论和应用	计算机视觉	NA	NA	NA	图像	NA
22980	2024-08-05	An Algorithm Based on Deep Learning for Predicting In-Hospital Cardiac Arrest 2018-06-26, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.118.008678 PMID:29945914	研究论文	本研究提出了一种基于深度学习的预警系统，用于预测院内心脏骤停	该系统表现出比现有的传统追踪和触发系统更高的性能，具有更高的敏感性和更低的误报警率	此研究基于回顾性队列，样本来源于两家医院，可能存在外部有效性限制	研究旨在提高对院内心脏骤停的预测能力	研究对象为2010年6月至2017年7月期间住院的患者共52,131例	机器学习	心脏疾病	深度学习	循环神经网络	医疗数据	52,131名患者