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
24901	2024-08-05	Patient-specific synthetic magnetic resonance imaging generation from cone beam computed tomography for image guidance in liver stereotactic body radiation therapy 2022-Jun, Precision radiation oncology DOI:10.1002/pro6.1163 PMID:37064765	研究论文	本文提出了一种患者特异性的深度学习模型，旨在从锥形束计算机断层扫描（CBCT）生成合成磁共振成像（MRI）以改善肝肿瘤定位	创新点在于利用患者特异性的CBCT-MRI图像对来训练深度学习模型以生成合成MRI	由于该研究基于特定患者的数据，模型的泛化能力可能受到限制	研究旨在提高肝肿瘤定位的准确性	研究对象为肝肿瘤患者的CBCT和MRI图像	医学影像处理	肝癌	深度学习	U-Net	影像	3名患者的CBCT-Ground Truth MRI图像
24902	2024-08-05	Generalizing deep learning brain segmentation for skull removal and intracranial measurements 2022-05, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2022.01.004 PMID:34999162	研究论文	本文提出了一种用于脑部分割的深度学习方法，以实现颅骨去除和颅内测量	引入了迁移学习方法来估计额外的TICV和PFV标签，并采用U-Net模型进行颅骨去除的全脑分割	手动标注全脑体积的可用数据集有限，影响了方法的普适性	研究如何实现深度学习脑部分割以进行颅骨去除和颅内测量	关注于采用MRI成像技术进行脑体积测量的神经影像数据	数字病理学	NA	MRI	U-Net	图像	使用有限的BrainCOLOR数据集进行训练
24903	2024-08-05	A Deep Learning Approach for Meter-Scale Air Quality Estimation in Urban Environments Using Very High-Spatial-Resolution Satellite Imagery 2022-Apr-27, Atmosphere IF:2.5Q3 DOI:10.3390/atmos13050696 PMID:37724306	研究论文	本研究主要关注在城市环境中利用超高分辨率卫星影像生成百米尺度的空气质量图。	提出了一种新的基于图像的物体检测分析方法，能够以显著更小的尺度估计空气质量，为城市环境AQ监测提供了新的视角。	目前的模型依赖于卫星影像，可能在缺乏地面监测数据的地区难以推广应用。	研究目标是开发一种能够在发达城市生成百米尺度空气质量图的模型。	研究对象包括伦敦、温哥华、洛杉矶和纽约市的空气质量数据。	数字病理学	NA	深度神经网络（DNN）	NA	卫星影像	使用了地面监测观察和土地利用回归建模的PM与NO浓度数据
24904	2024-08-05	Rule-Enhanced Active Learning for Semi-Automated Weak Supervision 2022-Mar, Artificial intelligence IF:5.1Q1 DOI:10.3390/ai3010013 PMID:35845102	研究论文	本文提出了一种改进的弱监督文本分类框架REGAL，通过对标签函数进行主动学习，降低人工标注负担	REGAL通过从原始文本中交互式地创建高质量标签模式，允许单个注释者在初始化时只需三个关键词即可准确标注整个数据集，显著提高了标签函数的提取效率	NA	提高弱监督文本分类中的主动学习效率，减少人力标注需求	文本数据集的标注	自然语言处理	NA	弱监督学习	NA	文本	六个常用的自然语言处理基准数据集
24905	2024-08-05	Semi-automated three-dimensional segmentation for cardiac CT images using deep learning and randomly distributed points 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2611594 PMID:36793655	研究论文	本文提出了一种半自动化的深度学习方法用于心脏CT图像的分割。	本研究通过模拟用户交互并使用点距离图，结合手动分割的高精度与全自动分割的高效率，提供了一种新的心脏分割方法。	目前的半自动化方法仍未达到专家分割的精确度，需要更进一步的优化。	旨在提高心脏CT图像分割的准确性和效率。	研究对象为心脏CT图像，特别是其四个腔室。	计算机视觉	心血管疾病	深度学习	三维全卷积神经网络（FCNN）	图像	不适用
24906	2024-08-05	CascadeNet for hysterectomy prediction in pregnant women due to placenta accreta spectrum 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2611580 PMID:36798853	研究论文	本文开发了一种新的卷积网络架构，用于预测由胎盘植入症引起的孕妇紧急子宫切除术	该研究首次结合MRI体积、放射组学特征和自定义特征图进行胎盘植入症的预测	研究尚未考虑所有潜在的临床变量，可能影响预测的准确性	旨在早期预测胎盘植入症，减少并发症并帮助管理决策	研究对象为241名孕妇，其中157名用于训练，24名用于验证，60名用于测试	计算机视觉	胎盘植入症	深度卷积网络	CNN	MRI体积和放射组学特征	241名孕妇
24907	2024-08-05	Automatic detection of head and neck squamous cell carcinoma on pathologic slides using polarized hyperspectral imaging and deep learning 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2614624 PMID:36798940	研究论文	本研究结合偏振高光谱成像与深度学习，实现对头颈部鳞状细胞癌的自动检测	首次采用偏振高光谱成像和深度学习方法，对头颈部鳞状细胞癌进行自动检测	样本数量较小，仅涉及17名患者，且基于其中16名患者进行训练	研究偏振高光谱成像在病理切片中自动检测头颈部鳞状细胞癌的应用	17名头颈部鳞状细胞癌患者所提供的组织切片	数字病理学	头颈癌	偏振高光谱成像 (PHSI)	卷积神经网络 (CNN)	图像	17名患者的组织切片数据
24908	2024-08-05	Thyroid Carcinoma Detection on Whole Histologic Slides Using Hyperspectral Imaging and Deep Learning 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2612963 PMID:36798939	研究论文	本研究利用高光谱成像和深度学习对甲状腺癌进行检测	该研究展示了高光谱图像在整体组织切片癌症分类中的提升性能	研究中只使用了33个固定组织样本，样本量较小	探讨高光谱成像和深度学习在甲状腺癌检测中的应用	使用来自头颈患者的甲状腺滤泡癌的组织样本进行研究	数字病理学	甲状腺癌	高光谱成像	深度学习分类器	图像	33个头颈患者的固定组织样本
24909	2024-08-05	Deep Learning-Based Abdominal Muscle Segmentation on CT Images of Surgical Patient Populations 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2611773 PMID:36845411	研究论文	本研究提出了一种基于深度学习的算法，用于对手术患者的CT图像进行腹部肌肉分割。	结合全卷积神经网络(CNN)与高水平的预处理方法在分割质量上取得了显著提高。	该研究依赖于传统计算机视觉技术而未使用人工智能进行初步处理，可能限制了方法的适用范围。	旨在准确跟踪手术患者的腹部肌肉质量变化。	研究对象为手术患者的CT图像。	计算机视觉	NA	计算机视觉	CNN	图像	NA
24910	2024-08-05	Deep Learning-based Deformable Registration of Dynamic Contrast-Enhanced MR Images of the Kidney 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2611768 PMID:36793654	研究论文	该文章提出了一种基于深度学习的灵活注册方法，用于动态对比增强的肾脏MRI图像。	提出了一种两步法的深度学习方法，包括基于CNN的仿射注册网络和用于可变形注册的U-Net。	NA	研究旨在改善因呼吸运动造成的肾脏MRI图像的运动效应。	动态对比增强的肾脏MRI数据。	计算机视觉	NA	深度学习	CNN和U-Net	图像	NA
24911	2024-08-05	Accelerating 2D Abdominal Organ Segmentation with Active Learning 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2611595 PMID:36303576	研究论文	本研究设计了一种基于梯度的主动学习注释框架，以加速二维腹部器官分割	提出的主动学习框架通过动态选择'难例'来减少所需的标注切片数量，从而提高注释效率	本研究未讨论在不同患者人群中实施该方法的适用性	减少在二维腹部扫描中手动注释的工作量，同时提高分割准确性	研究对象为286名受试者，最终纳入586名受试者进行评估	计算机视觉	NA	主动学习	深度学习模型	图像	总共586名受试者
24912	2024-08-05	Identifying Unique Acoustic Signatures from Chemically-Crosslinked Microbubble Clusters Using Deep Learning 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2611572 PMID:36793945	研究论文	本研究通过深度学习算法展示了化学交联微泡簇的独特声学响应	介绍了一种新的脂质基超声对比剂，并展示了其在低强度脉冲超声下生成独特声学特征的能力	研究主要集中于声学表征，未探讨其他潜在影响因素	展示化学交联微泡簇的声学响应与单个对比剂的差异	研究化学交联微泡簇及单个脂质微泡的声学特性	数字病理学	NA	深度学习	人工神经网络（ANN）	1D RF 超声数据	使用了来自宽带水听器和Verasonics临床换能器的有效数据采集
24913	2024-08-05	Automatic Segmentation of Uterine Cavity and Placenta on MR Images Using Deep Learning 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2613286 PMID:36798450	研究论文	本研究使用深度学习技术自动分割MRI图像中的子宫腔和胎盘	提出了一种使用全卷积神经网络同时分割子宫腔和胎盘的新方法	样本量有限，可能影响算法的普适性	研究基于MRI的子宫腔和胎盘的自动分割方法	181名患者的MRI图像	计算机视觉	NA	深度学习	全卷积神经网络	MRI图像	181个患者的MRI图像
24914	2024-08-05	DeepAtrophy: Teaching a neural network to detect progressive changes in longitudinal MRI of the hippocampal region in Alzheimer's disease 2021-11, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118514 PMID:34450261	研究论文	本研究提出了一种名为DeepAtrophy的深度学习网络，用于检测阿尔茨海默病中海马区域的进展性变化	通过训练深度学习网络来推断纵向MRI扫描对的时间信息，提供了一种新的量化海马区域疾病进展的方法	该研究使用的样本未包括在训练中的受试者可能影响结果的广泛适用性	探讨如何通过深度学习推断海马区域纵向MRI的时间信息，以量化阿尔茨海默病的进展	研究对象为参与阿尔茨海默病神经影像倡议（ADNI）研究的受试者的纵向MRI扫描	计算机视觉	阿尔茨海默病	深度学习	深度学习网络	MRI图像	NA
24915	2024-08-05	MIDeepSeg: Minimally interactive segmentation of unseen objects from medical images using deep learning 2021-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102102 PMID:34118654	研究论文	提出了一种新颖的深度学习基础的交互式分割方法，用于在医学图像中对未见物体进行分割	这种方法只需要用户点击输入，具有高效性，并且能够很好地泛化到一系列不可见物体	在复杂情况下，传统交互式分割方法仍然需要大量用户互动	研究如何通过深度学习改进医学图像的交互式分割	医学图像中的器官或病变	计算机视觉	NA	深度学习	CNN	医学图像	2D和3D医学图像任务中涉及的未见物体的广泛范围
24916	2024-08-05	Going Beyond Saliency Maps: Training Deep Models to Interpret Deep Models 2021-Jun, Information processing in medical imaging : proceedings of the ... conference DOI:10.1007/978-3-030-78191-0_6 PMID:34548772	研究论文	本研究提出了一种通过训练模拟网络以解释深度学习模型在神经成像研究中的决策过程的方法	提出了结合图像到图像转换方案的模拟网络，能够更好地可视化与脑部疾病相关的具体形态变化	研究主要基于合成数据集和两种神经成像数据集，可能限制了结果的泛化能力	探索深度学习模型在神经成像研究中对脑部疾病的解释能力	面向阿尔茨海默病和酒精依赖的分类器	计算机视觉	阿尔茨海默病	深度学习	模拟网络	MRI图像	合成数据集和两个神经成像数据集的样本
24917	2024-08-05	Deep learning-augmented radiotherapy visualization with a cylindrical radioluminescence system 2021-02-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abd673 PMID:33361563	研究论文	这项研究展示了一种基于相机的低成本放射光致发光成像系统，用于外部束放射治疗中的高质量束可视化	提出并训练了一个深度学习模型，以减少由光子散射引起的镜面眩光和边缘模糊	研究中可能未考虑某些特殊条款或复杂的临床场景的验证	提升放射治疗中辐射交付的准确性	使用不同设计的束场进行训练和验证	医学影像学	NA	放射光致发光成像	深度学习模型	图像	使用五个常规束场和三个临床IMRT案例进行验证
24918	2024-08-05	Propensity score synthetic augmentation matching using generative adversarial networks (PSSAM-GAN) 2021, Computer methods and programs in biomedicine update DOI:10.1016/j.cmpbup.2021.100020 PMID:34386786	研究论文	本文提出了一种新的深度学习方法PSSAM-GAN，旨在通过生成合成匹配来保持样本大小。	PSSAM-GAN提供了一种无需IPW的方法，通过生成合成匹配来平衡数据集，从而克服传统方法的局限性。	未提及具体的局限性	开发一个可用于治疗效果估计的深度学习方法。	本研究的对象包括半合成和真实世界的观察数据。	机器学习	NA	生成对抗网络（GAN）	深度学习模型	观察数据	使用半合成和真实世界数据集进行实验，具体样本量未说明
24919	2024-08-05	Deep Metric Learning for Cervical Image Classification 2021, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2021.3069346 PMID:34178558	研究论文	本文提出了一种基于深度度量学习的宫颈癌前病变检测方法	引入了一种不需要标记宫颈边界的新方法，利用深度度量学习处理数据稀缺和类别不平衡问题	没有提到使用数据增强技术的局限性	旨在改善对宫颈癌前病变的检测效果	使用宫颈图像来进行癌前病变的自动视觉评估	计算机视觉	宫颈癌	深度学习	深度卷积神经网络	图像	NA
24920	2024-08-05	Accelerated training of bootstrap aggregation-based deep information extraction systems from cancer pathology reports 2020-10, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2020.103564 PMID:32919043	研究论文	本研究探讨了通过数据划分和模型集成加速癌症病理报告的深度信息提取系统的训练	提出将大问题划分为多个子问题，并通过模型集成提高任务性能和加速训练	数据划分依赖于主要癌症部位，因此准确性受分区决定的影响，需要进一步调查和改进	提高癌症病理报告中的信息提取性能和训练速度	电子癌症病理报告中的自由文本数据	机器学习	癌症	深度学习，模型集成	多任务卷积神经网络 (MT-CNN)，多任务层次卷积注意力网络 (MT-HCAN)	文本	训练案例重新采样2000次，生成了多达40000个模型