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
9521	2024-12-28	Anatomy-Guided Spatio-Temporal Graph Convolutional Networks (AG-STGCNs) for Modeling Functional Connectivity Between Gyri and Sulci Across Multiple Task Domains 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3194733 PMID:35930515	研究论文	本研究开发了新的解剖学引导的时空图卷积网络（AG-STGCNs），以探索多个任务领域中脑回和脑沟之间功能连接差异的规律性和变异性	首次系统地研究了脑回和脑沟之间功能连接的差异，并开发了新的AG-STGCNs模型来探索这些差异在不同任务领域中的规律性和变异性	研究依赖于公开的HCP数据集，可能无法涵盖所有可能的任务领域和个体差异	探索脑回和脑沟之间功能连接的差异及其在不同任务领域中的规律性和变异性	830名受试者的七种不同任务和一种静息状态的功能磁共振成像（fMRI）数据	神经科学	NA	功能磁共振成像（fMRI）	时空图卷积网络（AG-STGCNs）	功能磁共振成像（fMRI）数据	830名受试者
9522	2024-12-28	MVCNet: Multiview Contrastive Network for Unsupervised Representation Learning for 3-D CT Lesions 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3203412 PMID:36150004	研究论文	本文提出了一种多视图对比网络（MVCNet），用于无监督学习3D CT病变的表示	MVCNet通过从不同空间方向收集多个2D视图，并对比学习这些视图，以增强3D病变的表示，同时过滤掉无信息的负样本，从而在下游任务中获得更具区分性的特征	尽管MVCNet在无监督学习中表现出色，但其性能仍依赖于部分标注数据，且在完全无监督场景下的表现尚未验证	提高3D CT病变的无监督表示学习效果，减少对病变级别标注的依赖	3D CT病变	计算机视觉	肺癌	对比学习	MVCNet	3D CT图像	LIDC-IDRI、LNDb和TianChi数据集
9523	2024-12-28	Gradient Matching Federated Domain Adaptation for Brain Image Classification 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3223144 PMID:36441881	研究论文	本文提出了一种梯度匹配联邦域适应（GM-FedDA）方法，用于脑图像分类，以减少域差异并训练鲁棒的本地联邦模型	提出了一种结合梯度匹配损失的联邦域适应方法，通过公共图像数据集减少域差异，并训练鲁棒的本地联邦模型	方法依赖于公共图像数据集，可能在实际应用中存在数据获取的困难	减少脑图像分类中的域差异，提高联邦学习模型的性能	脑图像数据，特别是精神分裂症和重度抑郁症的诊断分类	计算机视觉	精神分裂症, 重度抑郁症	联邦学习, 域适应	全连接网络	图像	多站点静息态功能磁共振成像（fMRI）数据
9524	2024-12-28	A Review of Nuclei Detection and Segmentation on Microscopy Images Using Deep Learning With Applications to Unbiased Stereology Counting 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3213407 PMID:36327184	综述	本文回顾了使用深度学习在显微镜图像上进行细胞核检测和分割的最新方法，并探讨了其在无偏体视学计数中的应用	结合无偏体视学，探讨深度学习在细胞核检测和分割中的最新应用	未提及具体的数据集或实验结果的局限性	探讨深度学习在细胞核检测和分割中的应用，特别是在癌症和阿尔茨海默病研究中的重要性	显微镜图像中的细胞核	数字病理学	癌症, 阿尔茨海默病	深度学习	NA	图像	NA
9525	2024-12-28	GMILT: A Novel Transformer Network That Can Noninvasively Predict EGFR Mutation Status 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3190671 PMID:35862326	研究论文	本文提出了一种名为GMILT的新型Transformer网络，用于非侵入性地预测EGFR突变状态	首次将病理侵袭性信息作为嵌入引入多任务模型，结合多实例学习和判别性弱监督特征学习，提升了预测性能	模型在外部数据集上的表现略低于内部数据集，可能存在泛化能力不足的问题	非侵入性且准确地预测EGFR突变状态，并识别与突变状态最相关的可疑区域以指导活检	肺腺癌患者的CT图像	计算机视觉	肺癌	深度学习	Transformer网络（GMILT）	CT图像	512名肺腺癌患者，测试数据集包括内部测试集、外部测试集和TCIA公共数据集
9526	2024-12-28	Hypergraph Structural Information Aggregation Generative Adversarial Networks for Diagnosis and Pathogenetic Factors Identification of Alzheimer's Disease With Imaging Genetic Data 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3212700 PMID:36264725	研究论文	本文提出了一种超图结构信息聚合生成对抗网络（HSIA-GANs），用于阿尔茨海默病的诊断和致病因素识别	提出了一种新的深度学习方法HSIA-GANs，结合了超图结构信息聚合模型，用于自动样本分类和精确特征提取	未明确提及具体局限性	利用成像遗传数据进行阿尔茨海默病的诊断和致病因素识别	阿尔茨海默病	数字病理学	阿尔茨海默病	成像遗传数据分析	生成对抗网络（GAN）	成像遗传数据	基于AD神经影像倡议获取的数据
9527	2024-12-28	GCNs-Net: A Graph Convolutional Neural Network Approach for Decoding Time-Resolved EEG Motor Imagery Signals 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3202569 PMID:36099220	研究论文	本文提出了一种基于图卷积神经网络（GCNs）的深度学习框架，用于解码时间分辨的脑电图（EEG）运动想象信号	该框架首次将电极的功能拓扑关系纳入EEG信号解码，提升了运动想象任务中的解码性能	NA	开发高效且有效的脑机接口（BCI）系统，精确解码脑电图（EEG）信号	脑电图（EEG）信号	机器学习	NA	图卷积神经网络（GCNs）	GCNs	脑电图（EEG）信号	PhysioNet数据集和高伽马数据集
9528	2024-12-28	Exploring Brain Effective Connectivity Networks Through Spatiotemporal Graph Convolutional Models 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3221617 PMID:36399590	研究论文	本文提出了一种基于时空图卷积模型（STGCM）的新方法STGCMEC，用于从功能磁共振成像（fMRI）数据中学习大脑有效连接网络（ECN）	该方法首次结合了时间卷积网络和图卷积网络，以提取fMRI数据的深层时间特征并利用脑区之间的空间拓扑关系，使脑区特征更具区分性	当前方法未充分利用fMRI数据的深层时间特征和脑区之间的空间拓扑关系	研究如何从fMRI数据中更好地学习大脑有效连接网络	大脑有效连接网络	机器学习	阿尔茨海默病	功能磁共振成像（fMRI）	时空图卷积模型（STGCM）	fMRI数据	模拟数据集和真实阿尔茨海默病神经影像倡议（ADNI）数据集
9529	2024-12-28	MiniSeg: An Extremely Minimum Network Based on Lightweight Multiscale Learning for Efficient COVID-19 Segmentation 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3230821 PMID:37015641	研究论文	本文提出了一种名为MiniSeg的轻量级模型，用于从CT图像中高效分割COVID-19感染区域	MiniSeg模型通过设计注意力层次空间金字塔（AHSP）模块和双路径编码器，实现了轻量级、高效的多尺度学习，解决了传统深度学习方法在有限数据下容易过拟合和计算成本高的问题	未明确提及具体局限性	提高COVID-19筛查和临床诊断的准确性，并快速部署和开发COVID-19筛查系统	COVID-19感染区域的CT图像	计算机视觉	COVID-19	深度学习	MiniSeg（基于AHSP模块和双路径编码器的轻量级模型）	CT图像	未明确提及具体样本数量
9530	2024-12-28	An Explainable and Generalizable Recurrent Neural Network Approach for Differentiating Human Brain States on EEG Dataset 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3214225 PMID:36331650	研究论文	本文提出了一种可解释且可推广的循环神经网络方法，用于区分人类脑电图（EEG）数据集中的脑状态	提出了一种基于多重随机片段搜索的多层循环神经网络（MRFS-MRNN），以提高区分性能并探索有意义的模式	未提及具体局限性	研究如何通过可解释且可推广的深度学习方法区分脑状态	人类脑电图（EEG）数据集	机器学习	NA	NA	多层循环神经网络（MRFS-MRNN）	时间序列数据	未提及具体样本数量
9531	2024-12-28	Association between deep learning measured retinal vessel calibre and incident myocardial infarction in a retrospective cohort from the UK Biobank 2024-03-21, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-079311 PMID:38514140	研究论文	本研究验证了通过深度学习系统测量的视网膜血管口径与心肌梗死事件之间的关联，并评估其在风险预测模型中的增量性能	首次使用深度学习算法（新加坡I血管评估）对大规模UK Biobank队列中的视网膜血管口径进行全自动评估，并验证其与心肌梗死事件的关联	研究主要基于高加索人群，可能限制了结果的普适性	验证视网膜血管口径与心肌梗死事件的关联，并评估其在风险预测模型中的增量性能	UK Biobank队列中的个体	数字病理学	心血管疾病	深度学习	深度学习算法（新加坡I血管评估）	图像	大规模UK Biobank队列
9532	2024-12-28	Deep learning model to predict lupus nephritis renal flare based on dynamic multivariable time-series data 2024-03-14, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-071821 PMID:38485471	研究论文	本文开发了一种基于动态多变量时间序列数据的可解释深度学习模型，用于预测狼疮性肾炎（LN）的复发	首次使用深度学习算法结合混合注意力机制，捕捉不同时间点的变量交互，以预测LN复发	研究为单中心回顾性队列研究，可能存在选择偏倚	开发一种可解释的深度学习模型，用于预测狼疮性肾炎的复发	1694名狼疮性肾炎患者	机器学习	狼疮性肾炎	深度学习	LSTM	时间序列数据	1694名患者，32,227个数据点
9533	2024-12-28	Development and validation of a deep learning model for predicting postoperative survival of patients with gastric cancer 2024-03-06, BMC public health IF:3.5Q1 DOI:10.1186/s12889-024-18221-6 PMID:38448849	研究论文	本文开发并验证了一种深度学习模型，用于预测胃癌患者术后的生存率	深度学习模型在预测胃癌患者术后生存率方面表现出色，超越了传统机器学习模型和AJCC分期模型	模型的临床适用性在真实世界的胃癌患者中尚未得到广泛验证	预测胃癌患者术后的生存率	胃癌患者	机器学习	胃癌	深度学习	深度学习模型	临床数据	11,414名来自SEER数据库的胃癌患者和2,846名来自中国数据集的胃癌患者
9534	2024-12-28	Evaluating the accuracy of the Ophthalmologist Robot for multiple blindness-causing eye diseases: a multicentre, prospective study protocol 2024-03-01, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-077859 PMID:38431298	研究论文	本研究旨在评估和比较眼科医生和深度学习模型使用Ophthalmologist Robot拍摄的图像进行筛查的准确性，以寻找一种既高精度又经济有效的筛查方法	首次使用Ophthalmologist Robot进行多中心、前瞻性研究，评估其在多种致盲性眼病筛查中的准确性，并比较其与裂隙灯的一致性	研究样本量有限，且仅在三家医院进行，可能影响结果的普遍性	评估Ophthalmologist Robot在多种致盲性眼病筛查中的准确性，并比较其与眼科医生和深度学习模型的筛查效果	1578名参与者，包括多种致盲性眼病患者	数字病理学	眼病	深度学习	深度学习模型	图像	1578名参与者
9535	2024-12-28	Clinical decision support system based on deep learning for evaluating implantable collamer lens size and vault after implantable collamer lens surgery: a retrospective study 2024-02-15, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-081050 PMID:38365302	研究论文	本研究提出了一种基于深度学习的临床决策支持系统（CDSS），用于评估植入式隐形眼镜（ICL）手术后的ICL尺寸和拱高	首次将深度学习技术应用于ICL手术的术前尺寸选择和术后拱高预测，提高了手术的安全性和效果	研究为回顾性研究，可能存在数据偏差，且样本仅来自中国三级近视防控中心	提高ICL手术的安全性和术后效果，辅助医生选择最佳术前ICL尺寸	1512名接受ICL手术的患者，共2772只眼睛	数字病理	近视	深度学习	CNN	医疗数据	2772只眼睛（1512名患者）
9536	2024-12-28	Relationship Between Dementia and Systemic Metabolic Disorders 2024, Advances in experimental medicine and biology DOI:10.1007/978-3-031-67458-7_44 PMID:39400834	研究论文	本文探讨了系统性代谢障碍与认知衰退及痴呆风险之间的关系，并利用深度学习模型从基础血液检查和年龄预测认知功能和脑萎缩	首次利用深度学习模型从常规血液检查中预测认知功能和脑萎缩，并提出了基于血液检查异常的个性化饮食干预的可能性	研究样本仅来自一家康复医院，可能缺乏广泛代表性	研究系统性代谢障碍与痴呆之间的关系，并探索利用常规血液检查进行痴呆风险评估的潜力	2897例来自康复医院和健康筛查的病例	机器学习	老年疾病	深度学习	深度学习模型	血液检查数据和年龄	2897例病例
9537	2024-12-28	PSAA-nnUNet: An Efficient Method for CT Carotid Artery Image Segmentation 2024, Advances in experimental medicine and biology DOI:10.1007/978-3-031-67458-7_43 PMID:39400833	研究论文	本文提出了一种基于深度学习的非侵入性颈动脉狭窄自动评估方法，用于CT图像的早期检测	提出了一种名为PSAA-nnUNet的新型神经网络，用于颈动脉的自动分割	NA	早期检测颈动脉狭窄，预防缺血性中风并改善患者预后	颈动脉狭窄（CAS）	计算机视觉	心血管疾病	CT成像	PSAA-nnUNet	图像	NA
9538	2024-12-28	3D ARCNN: An Asymmetric Residual CNN for False Positive Reduction in Pulmonary Nodule 2024-01, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2023.3278706 PMID:37216265	研究论文	本文提出了一种名为3D ARCNN的非对称残差网络，用于减少肺结节检测中的假阳性结果	3D ARCNN利用肺结节的3D特征和空间信息，通过内部级联的多级残差模型和多层非对称卷积来提高分类性能，解决了大神经网络参数和可重复性差的问题	NA	提高肺结节检测的准确性，减少假阳性结果	肺结节	计算机视觉	肺癌	深度学习	3D ARCNN	3D图像	LUNA16数据集
9539	2024-12-28	DNA Encoding-Based Nucleotide Pattern and Deep Features for Instance and Class-Based Image Retrieval 2024-01, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2023.3303512 PMID:37566504	研究论文	本文提出了一种基于DNA编码的图像检索方法，通过将图像信息编码为核苷酸序列，提升基于内容的图像检索系统的准确性	利用DNA编码技术生成图像DNA平面，并结合深度学习架构进行图像检索，显著提高了检索精度	未提及该方法在更大规模数据集或更复杂场景下的适用性	提升基于内容的图像检索系统的准确性	图像数据	计算机视觉	NA	DNA编码	ResNet-50, VGG-16, VGG-19, Inception V3	图像	28,200张图像，涵盖134个不同类别
9540	2024-12-28	Pneumothorax detection and segmentation from chest X-ray radiographs using a patch-based fully convolutional encoder-decoder network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1424065 PMID:39722784	研究论文	本文提出了一种基于patch的全卷积编码器-解码器网络，用于从胸部X光片中自动检测和分割气胸	结合了全卷积神经网络（FCNN）和Vision Transformers（ViTs）的优势，同时仅使用卷积模块以避免ViT自注意力机制的二次复杂度	NA	提高气胸检测和分割的准确性和效率	胸部X光片	计算机视觉	气胸	深度学习	全卷积编码器-解码器网络	图像	两个数据集：SIIM-ACR Pneumothorax Segmentation数据集和来自菲律宾The Medical City的新数据集