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
9821	2024-12-28	Do as Sonographers Think: Contrast-Enhanced Ultrasound for Thyroid Nodules Diagnosis via Microvascular Infiltrative Awareness 2024-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3405621 PMID:38801692	研究论文	本文提出了一种深度学习模型，用于模拟超声医师的诊断推理过程，以提高甲状腺结节的诊断准确性	该模型首次结合了动态对比增强超声（CEUS）的微血管灌注观察和灰度超声（US）的额外信息，通过时间投影注意力和自适应整合机制，实现了对甲状腺结节的更准确诊断	研究为回顾性研究，样本量相对较小，且微血管浸润扩张的机制仍不明确	提高甲状腺结节的诊断准确性	甲状腺结节	数字病理学	甲状腺疾病	动态对比增强超声（CEUS）	深度学习模型	视频	282个CEUS视频
9822	2024-12-28	Cross-Domain Mutual-Assistance Learning Framework for Fully Automated Diagnosis of Primary Tumor in Nasopharyngeal Carcinoma 2024-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3400406 PMID:38739507	研究论文	本文提出了一种新的跨域互助学习框架，用于鼻咽癌原发肿瘤的完全自动化诊断	该框架结合了3D跨域知识感知网络和多域互信息共享融合网络，能够自动挖掘跨域不变特征并智能融合多域、多尺度的T分期诊断特征	NA	提高鼻咽癌原发肿瘤的T分期诊断准确性，以指导治疗决策和预后评估	鼻咽癌原发肿瘤	数字病理学	鼻咽癌	深度学习	CNN	MR图像	内部和外部MR图像数据集
9823	2024-12-28	Simulating the Cellular Context in Synthetic Datasets for Cryo-Electron Tomography 2024-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3398401 PMID:38717878	研究论文	本文提出了一种模拟低阶细胞结构的方法，用于生成冷冻电子断层扫描（cryo-ET）的合成数据集，以训练深度学习算法	提出了几何和组织模型来模拟cryo-ET成像的低阶细胞结构，并使用参数化随机模型生成多样化的几何和组织，以模拟具有代表性的数据集	当前模拟器无法生成细胞断层扫描中的许多低阶特征	生成用于训练深度学习算法的真实合成数据集，以辅助实验数据的获取和解释	细胞结构，特别是细胞质或膜结合大分子簇、不同几何形状的膜以及微管或类肌动蛋白网络等丝状结构	数字病理学	NA	冷冻电子断层扫描（cryo-ET）	深度学习算法	图像	NA
9824	2024-12-28	GC2: Generalizable Continual Classification of Medical Images 2024-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3398533 PMID:38717881	研究论文	本文提出了一种名为GC2的持续学习方法，用于医学图像分类，旨在解决灾难性遗忘问题并增强模型的分布外鲁棒性	GC2通过逐步基于责任的网络剪枝、对抗性图像增强和知识蒸馏方法，显著减少了遗忘并提高了泛化能力	NA	研究目的是设计一种能够在持续学习新任务的同时保持先前知识的医学图像分类方法	医学图像	计算机视觉	NA	对抗性图像增强、知识蒸馏	深度学习模型	图像	NA
9825	2024-12-28	Cross-Modality Image Translation From Brain 18 F-FDG PET/CT Images to Fluid-Attenuated Inversion Recovery Images Using the CypixGAN Framework 2024-Nov-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005441 PMID:39325494	研究论文	本文提出了一种基于生成对抗网络（GAN）的深度学习框架CypixGAN，用于从18 F-FDG PET和CT图像生成合成FLAIR图像	结合CycleGAN框架和pix2pix的L1损失函数，提出CypixGAN框架，用于生成高质量的合成FLAIR图像	研究仅使用了143名患者的数据，样本量相对较小	提高PET/CT在MRI不可用时的诊断性能和成本效益	人类大脑的18 F-FDG PET和CT图像	计算机视觉	老年病	深度学习	GAN, CycleGAN, pix2pix, CypixGAN	图像	143名患者（79名训练，20名验证，44名测试）
9826	2024-12-28	Deep Learning Synthesis of White-Blood From Dark-Blood Late Gadolinium Enhancement Cardiac Magnetic Resonance 2024-Nov-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001086 PMID:38687025	研究论文	本研究开发并评估了一种深度学习方法，从暗血晚期钆增强心脏磁共振图像生成合成白血图像，以在不增加扫描时间的情况下评估两种对比度	提出了一种基于CycleGAN的深度学习方法，能够从暗血晚期钆增强图像生成合成白血图像，从而在不增加扫描时间的情况下评估两种对比度	需要进一步评估才能进行临床应用	开发并评估一种深度学习方法，从暗血晚期钆增强心脏磁共振图像生成合成白血图像	215名患者的暗血晚期钆增强和白血晚期钆增强数据	计算机视觉	心血管疾病	NA	CycleGAN, 对比性无配对翻译	图像	215名患者
9827	2024-12-28	TC-DTA: Predicting Drug-Target Binding Affinity With Transformer and Convolutional Neural Networks 2024-10, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3441590 PMID:39133595	研究论文	本文介绍了一种名为TC-DTA的深度学习模型，用于预测药物-靶标结合亲和力（DTA），结合了卷积神经网络（CNN）和Transformer架构的编码器模块	将药物-靶标结合亲和力预测从二分类问题转化为回归问题，并引入Transformer编码器和CNN来提取药物SMILES字符串和蛋白质序列的特征	未提及模型在处理大规模数据集时的计算效率或泛化能力	提高药物-靶标结合亲和力预测的准确性，以加速药物发现过程	药物SMILES字符串和蛋白质氨基酸序列	生物信息学	NA	深度学习	CNN, Transformer	序列数据（药物SMILES字符串和蛋白质序列）	两个基准DTA数据集（Davis和KIBA）
9828	2024-12-28	Unsupervised CT Metal Artifact Reduction by Plugging Diffusion Priors in Dual Domains 2024-10, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3351201 PMID:38194400	研究论文	本文提出了一种基于扩散模型的无监督CT金属伪影减少方法，通过在双域中引入扩散先验来恢复金属伪影导致的退化部分	首次在无监督金属伪影减少方法中同时引入图像域和投影域的扩散先验，并设计了时间动态权重掩码进行图像域融合	方法在合成数据集上进行了验证，但在真实临床数据集上的性能仍需进一步评估	减少CT图像中的金属伪影，提高诊断准确性	CT图像中的金属伪影	计算机视觉	NA	扩散模型	扩散模型	CT图像	合成数据集和临床数据集
9829	2024-12-28	DEEP LEARNING-BASED FRAMEWORK TO DETERMINE THE DEGREE OF COVID-19 INFECTIONS FROM CHEST X-RAY 2024-Oct, Georgian medical news PMID:39724901	研究论文	本文提出了一种基于深度学习的框架，用于从胸部X光片中确定COVID-19感染的程度	使用改进的分层多级ResNet50模型（HMResNet50）来处理COVID-19数据，并通过数据增强方法生成更多胸部X光片图像	未提及模型在其他疾病或更大数据集上的泛化能力	开发一种高效且简单的COVID-19识别方法	COVID-19患者的胸部X光片	计算机视觉	COVID-19	深度学习	ResNet50, HMResNet50	图像	从多个公共来源收集的胸部X光片图像
9830	2024-12-28	Results of an Artificial Intelligence-Based Image Review System to Detect Patient Misalignment Errors in a Multi-institutional Database of Cone Beam Computed Tomography-Guided Radiation Therapy 2024-Sep-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.02.065 PMID:38485098	研究论文	本文介绍了一种基于人工智能的图像审查系统，用于检测多机构数据库中锥形束计算机断层扫描引导的放射治疗中的患者对位错误	开发了一种深度学习算法，用于自动回顾性搜索临床图像引导放射治疗数据库中的对位错误，并确定了绝对的患者对位错误率	假阳性病例通常显示显著的图像伪影、患者旋转和软组织解剖变化	确定图像引导放射治疗中患者对位错误的绝对发生率	2017年至2022年间在两家放射治疗诊所接受治疗的680名患者	数字病理学	NA	深度学习	NA	图像	680名患者的17,612次注册
9831	2024-12-28	Deep Learning-based Brain Age Prediction in Patients With Schizophrenia Spectrum Disorders 2024-07-27, Schizophrenia bulletin IF:5.3Q1 DOI:10.1093/schbul/sbad167 PMID:38085061	研究论文	本文研究了基于深度学习的脑年龄预测在精神分裂症谱系障碍患者中的应用	使用卷积网络回归模型（SFCNR）预测脑年龄，并与三种机器学习算法进行比较，发现SFCNR模型表现更优	未能在SFCNR模型中观察到首次发作精神分裂症谱系障碍（FE-SSDs）与难治性精神分裂症（TRS）之间的显著差异	探讨脑预测年龄差异（brain-PAD）作为神经退行性病变的生物标志物在精神分裂症患者中的应用	精神分裂症（SCZ）、首次发作精神分裂症谱系障碍（FE-SSDs）和难治性精神分裂症（TRS）患者	机器学习	精神分裂症	结构磁共振成像（sMRI）	卷积网络回归模型（SFCNR）	图像	7590名健康对照者（HCs）用于预训练，541名HCs用于后续训练，209名HCs和233名患者用于分析
9832	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
9833	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
9834	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
9835	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
9836	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
9837	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
9838	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
9839	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
9840	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