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
24121	2024-08-07	SCANED: Siamese collateral assessment network for evaluation of collaterals from ischemic damage 2024-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102346 PMID:38364600	研究论文	本研究利用基于深度学习的孪生网络对缺血性损伤中的侧支进行评估，解决了小规模且不平衡数据集的挑战	采用基于3D ResNet的孪生网络SCANED进行侧支分类，通过非对比计算机断层扫描（NCCT）图像自动识别和评估侧支，使用欧几里得距离（ED）进行相似性测量	NA	加速决策过程并提高侧支评估的准确性	缺血性损伤中的侧支	计算机视觉	缺血性中风	深度学习	孪生网络	图像	NA
24122	2024-08-07	Dynamic recurrent inference machines for accelerated MRI-guided radiotherapy of the liver 2024-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102348 PMID:38368665	研究论文	本文提出了一种动态循环推理机（DRIM），用于重建稀疏采样的4D MRI，以加速肝脏MRI引导的放射治疗	DRIM通过利用呼吸状态之间的相关性，提高了重建图像的质量，并实现了比现有临床协议更快的扫描时间	呼吸状态预处理的数据分箱会略微降低重建质量，但提高了整体协议的速度	开发一种新的深度学习模型，用于加速和提高MRI引导的放射治疗中肝脏图像重建的质量	肝脏病变在MRI引导的放射治疗中的4D MRI重建	机器学习	NA	MRI	循环推理机（RIM）	图像	小数据集
24123	2024-08-07	Automatic artery/vein classification methods for retinal blood vessel: A review 2024-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102355 PMID:38377630	综述	本文回顾了2003年至2022年间自动视网膜动静脉分类方法的发展	强调了深度学习与拓扑信息结合在未来的研究意义	NA	协助眼科医生进行疾病早期诊断	视网膜动静脉分类	计算机视觉	NA	深度学习, 拓扑图	NA	图像	涉及多个公共动静脉分类数据集
24124	2024-08-07	The Evaluation of Artificial Intelligence Technology for the Differentiation of Fresh Human Blood Cells From Other Species' Blood in the Investigation of Crime Scenes 2024-Apr, Cureus DOI:10.7759/cureus.58496 PMID:38765447	研究论文	本研究利用深度机器学习方法区分人类血液样本与牛、山羊和鸡的血液痕迹	研究展示了深度学习在区分犯罪现场新鲜血液痕迹物种来源方面的潜力	NA	评估人工智能技术在犯罪现场调查中区分人类血液与其他物种血液的能力	人类、牛、山羊和鸡的血液样本	计算机视觉	NA	深度学习	VGG16, Resnet18, Resnet34	图像	1,955张吉姆萨染色的数字化图像
24125	2024-08-07	Development and validation of a deep-learning model to predict 10-year atherosclerotic cardiovascular disease risk from retinal images using the UK Biobank and EyePACS 10K datasets 2024-Apr, Cardiovascular digital health journal IF:2.6Q2 DOI:10.1016/j.cvdhj.2023.12.004 PMID:38765618	研究论文	研究开发并验证了一种深度学习模型，用于从视网膜图像中预测10年动脉粥样硬化心血管疾病风险	首次使用视网膜图像结合有限的人口统计数据来预测个体的10年动脉粥样硬化心血管疾病风险	模型在不同种族和糖尿病患者中的表现存在差异	开发和验证一种深度学习模型，用于早期检测高风险个体并及时干预	动脉粥样硬化心血管疾病风险预测	机器学习	心血管疾病	深度学习	深度学习模型	图像	89,894张视网膜底片图像来自44,176名UK Biobank参与者，以及18,900张图像来自8969名EyePACS 10K数据集的糖尿病患者
24126	2024-08-07	Development and prospective validation of an artificial intelligence-based smartphone app for rapid intraoperative pituitary adenoma identification 2024-Mar-13, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00469-z PMID:38480833	研究论文	开发并前瞻性验证了一种基于人工智能的智能手机应用程序，用于快速识别垂体腺瘤	使用刺激拉曼组织学技术，该应用程序能够几乎即时地区分垂体腺瘤和正常垂体腺	需要进一步验证该应用程序在不同类型肿瘤和光学图像上的适用性	开发一种能够在手术中快速准确区分肿瘤与正常组织的智能手机应用程序	垂体腺瘤和正常垂体腺	数字病理学	垂体腺瘤	刺激拉曼组织学	深度学习	图像	40名连续患者，共194个样本
24127	2024-08-07	Learning from crowds for automated histopathological image segmentation 2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102327 PMID:38194768	研究论文	本文提出了一种新的众包方法用于自动化组织病理学图像分割，通过两个耦合网络学习专家分割和标注者的专业知识	提出了一种新的众包分割方法，通过单一网络估计标注者的行为，提高了标注者数量的可扩展性，并引入了考虑图像全局特征的标注者网络模型	当前方法通常为每个标注者学习一个不同的神经网络，这在标注者数量增加时扩展性差	解决深度学习在组织病理学图像分割中专家标注稀缺的问题，通过众包减少个体标注成本	组织病理学图像的自动化语义分割	数字病理学	乳腺癌	深度学习	CNN	图像	涉及多个医学学生标注的真实世界三阴性乳腺癌图像数据集
24128	2024-08-07	Multiple instance learning for digital pathology: A review of the state-of-the-art, limitations & future potential 2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102337 PMID:38228020	综述	本文综述了数字病理学中多实例学习的现状、局限性和未来潜力	多实例学习为深度神经网络在没有完全标注数据的情况下提供了一种有效的训练工具	多实例学习方法仍面临挑战，如需要大量图像数据和手动标注	探讨多实例学习在数字病理学中的应用及其未来发展	数字病理学中的图像分析工具和深度神经网络	数字病理学	NA	多实例学习	深度神经网络	图像	NA
24129	2024-08-07	Uninformed Teacher-Student for hard-samples distillation in weakly supervised mitosis localization 2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102328 PMID:38244279	研究论文	本文提出了一种新的弱监督方法，用于检测有丝分裂，并引入了一种未受指导的教师-学生（UTS）流水线来检测和提炼硬样本，通过比较弱监督定位和注释的质心，使用强增强来增强不确定性。	本文的创新点在于引入了一种未受指导的教师-学生（UTS）流水线，通过强增强来提炼不确定样本，并测量预测和注释的有丝分裂之间的差异。	本文的局限性在于依赖于图像级别的标签，并且需要复杂的标注场景来减少假阳性。	本文的研究目的是提出一种新的弱监督方法，用于检测有丝分裂，并引入一种未受指导的教师-学生（UTS）流水线来检测和提炼硬样本。	本文的研究对象是有丝分裂的检测和计数。	数字病理学	乳腺癌	卷积神经网络（CNN）	CNN	图像	本文评估了三个公开的有丝分裂检测数据集和两个全切片图像的有丝分裂活动计数数据集。
24130	2024-08-07	Multi-modal brain tumor segmentation via conditional synthesis with Fourier domain adaptation 2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102332 PMID:38245925	研究论文	本文研究使用条件生成对抗网络（GAN）合成多模态图像以训练深度学习神经网络进行高级别胶质瘤（HGG）分割的方法	提出了一种基于傅里叶域适应（FDA）的方法，通过调整合成数据与真实数据在低频傅里叶空间成分上的风格，显著提高了分割性能和预测信心	NA	探索使用合成多模态图像训练深度学习模型以提高脑肿瘤分割准确性的方法	高级别胶质瘤（HGG）的脑肿瘤分割	计算机视觉	脑肿瘤	多模态磁共振成像（MRI）	GAN	图像	使用了BraTS2020数据集进行实验
24131	2024-08-07	Resolving the non-uniformity in the feature space of age estimation: A deep learning model based on feature clusters of panoramic 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.2024.102329 PMID:38271869	研究论文	本研究提出了一种基于全景图像特征聚类的深度学习模型，用于解决年龄估计中特征空间非均匀性的问题	通过预先根据年龄特征对数据进行划分，并训练每个回归器来估计个体特征的年龄，模型能够更好地关注临床上有意义的区域，特别是在生长和衰老期	NA	改进年龄估计技术，特别是在法医学领域	牙科全景图像的年龄估计	机器学习	NA	深度学习	分类头和多回归头模型	图像	NA
24132	2024-08-07	Ischemic stroke outcome prediction with diversity features from whole brain tissue using deep learning network 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1394879 PMID:38765270	研究论文	本研究提出了一种基于全脑多样性特征的缺血性中风结果预测方法，通过深度学习网络提高预测的准确性和效率	本研究不使用患者基本信息和病变图像特征，直接从动态磁敏感对比灌注加权成像中提取特征，结合机器和深度学习模型进行预测	NA	提高缺血性中风结果预测的准确性和效率	缺血性中风的结果预测	机器学习	中风	动态磁敏感对比灌注加权成像（DSC-PWI）	Resnet 18	图像	NA
24133	2024-08-07	Data leakage in deep learning studies of translational EEG 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1373515 PMID:38765672	研究论文	本文探讨了在应用深度神经网络（DNNs）于人类脑电图（EEG）记录以识别多种疾病时，由于数据分割方式导致的数据泄露问题	通过比较基于片段和基于受试者的保留方法，揭示了现有研究中普遍存在的数据泄露问题	仅限于分析两种数据集（阿尔茨海默病和癫痫发作），可能需要更多数据集来验证结论的普遍性	评估和揭示在EEG数据分析中使用深度学习模型时可能存在的数据泄露问题	脑电图记录和深度神经网络分类器的性能	机器学习	NA	深度神经网络（DNNs）	DNN分类器	脑电图（EEG）记录	涉及两个数据集（一个用于阿尔茨海默病分类，另一个用于癫痫发作分类）
24134	2024-08-07	Fusion inception and transformer network for continuous estimation of finger kinematics from surface electromyography 2024, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2024.1305605 PMID:38765870	研究论文	本文提出了一种名为融合初始和变换器网络（FIT）的新型深度学习模型，用于从表面肌电图（sEMG）连续估计手指运动学	FIT模型结合了Inception和Transformer网络的优势，有效处理序列数据的局部和全局信息	NA	实现稳定、自然和一致的人机交互（HCI）控制	从表面肌电图信号中预测手部关节角度的值	机器学习	NA	深度学习	融合初始和变换器网络（FIT）	表面肌电图信号	10名受试者的六种典型手部抓握动作
24135	2024-08-07	FetSAM: Advanced Segmentation Techniques for Fetal Head Biometrics in Ultrasound Imagery 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3382487 PMID:38766538	研究论文	FetSAM是一种先进的深度学习模型，旨在通过改进胎儿头部超声图像分割来提高产前诊断的精确度	FetSAM采用了基于提示的学习方法和双损失机制（结合加权DiceLoss和加权Lovasz Loss），并通过AdamW优化和类别权重调整来实现更好的分割平衡	NA	提高胎儿头部超声图像分割的准确性，从而提升产前诊断的精确度	胎儿头部超声图像	计算机视觉	NA	深度学习	深度学习模型	图像	最大的胎儿头部指标数据集
24136	2024-08-07	Machine-guided discovery of a real-world rogue wave model 2023-Nov-28, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2306275120 PMID:37983488	研究论文	本文通过因果分析、深度学习、简约模型选择和符号回归，从波浪浮标的大量观测数据中发现海洋怪浪的符号模型	本文提出了一种结合机器学习与因果分析的方法，将黑盒模型转化为可解释的数学方程，提高了预测准确性并保持了与现有波浪理论的一致性	NA	探索如何利用机器学习模型的高级模式匹配能力进行科学发现	海洋怪浪的符号模型	机器学习	NA	深度学习、符号回归	人工神经网络	数据	大量波浪浮标的观测数据
24137	2024-08-07	Effect of cells on spatial quantification of proteoglycans in articular cartilage of small animals 2022-11, Connective tissue research IF:2.8Q1 DOI:10.1080/03008207.2022.2048827 PMID:35322732	研究论文	研究细胞对小动物关节软骨中蛋白聚糖空间定量的影响，并评估基于深度学习算法的U-Net工具在细胞分割中的有效性	使用U-Net深度学习算法进行细胞分割，以排除细胞对软骨细胞外基质中蛋白聚糖含量测量的干扰	细胞对分析的蛋白聚糖含量的影响较小，但在疾病早期细胞增殖时可能需要更敏感的考虑	探究细胞对小动物关节软骨中蛋白聚糖含量的影响，并评估U-Net工具在细胞分割中的效果	小动物（如老鼠和 rats）的关节软骨中的蛋白聚糖含量	数字病理学	骨关节炎	数字密度测量法	U-Net	图像	600张标记的Safranin-O软骨图像
24138	2024-08-07	Automated clinical coding: what, why, and where we are? 2022-Oct-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00705-7 PMID:36273236	研究论文	本文介绍了自动化临床编码的概念，并从人工智能和自然语言处理的角度总结了其挑战	提出了将基于知识的解释性方法与深度学习方法结合以提高临床编码的解释性和一致性	当前基于深度学习的方法在实际应用中需要更好的解释性和一致性	探讨自动化临床编码的技术和组织挑战，并提出未来发展方向	临床编码过程的自动化	自然语言处理	NA	深度学习	NA	文本	涉及苏格兰和英国的临床编码专家讨论
24139	2024-08-07	Deep learning segmentation and quantification method for assessing epicardial adipose tissue in CT calcium score scans 2022-02-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06351-z PMID:35145186	研究论文	本文开发了一种深度学习方法（DeepFat），用于在非对比低剂量CT钙评分图像上自动评估心外膜脂肪组织（EAT）	引入了HU-注意力窗口和前瞻性切片平分（bisect）方法，提高了分割准确性	NA	开发一种自动评估心外膜脂肪组织的深度学习方法	心外膜脂肪组织（EAT）的自动评估	计算机视觉	心血管疾病	深度学习	NA	图像	NA
24140	2024-08-07	SwinD-Net: a lightweight segmentation network for laparoscopic liver segmentation 2024-12, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2024.2329675 PMID:38504595	研究论文	提出了一种基于跳跃连接、深度可分离卷积和Swin Transformer块的轻量级分割网络SwinD-Net，用于腹腔镜肝脏分割	引入了Swin Transformer块以提取全局信息和捕获高级语义特征，同时通过减少浅层特征图的通道数和去除第一层的跳跃连接来降低计算开销	NA	旨在开发一种轻量级的分割网络，以满足实时计算需求，特别是在计算资源有限的医院环境中	腹腔镜肝脏分割	计算机视觉	NA	深度可分离卷积, Swin Transformer块	SwinD-Net	图像	CholecSeg8k数据集