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
9941	2024-12-28	Stable Deep MRI Reconstruction Using Generative Priors 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3311345 PMID:37656651	研究论文	本文提出了一种基于生成图像先验的稳定深度MRI重建方法	提出了一种新颖的深度神经网络正则化器，仅在参考幅度图像上进行生成训练，并在经典变分方法中嵌入训练模型，实现了高质量的重建	尽管在对比度变化等分布外数据上表现出稳定行为，但临床常规应用仍面临挑战	解决MRI重建中的泛化性和可解释性问题	磁共振成像（MRI）数据	计算机视觉	NA	深度神经网络	生成模型	图像	NA
9942	2024-12-28	Subspace Model-Assisted Deep Learning for Improved Image Reconstruction 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3313421 PMID:37682643	研究论文	本文提出了一种结合模型驱动和数据驱动学习的新方法，用于改进图像重建	该方法通过整合线性向量空间框架、深度网络和基于展开的深度网络，解决了深度学习重建中的数据扰动敏感性和泛化能力有限的问题	需要大量训练数据来学习高维图像先验，这在医学成像应用中目前尚不可用	改进从有限和/或稀疏数据中进行图像重建的方法	图像重建	计算机视觉	NA	深度学习	深度网络	图像	NA
9943	2024-12-28	Breast Fibroglandular Tissue Segmentation for Automated BPE Quantification With Iterative Cycle-Consistent Semi-Supervised Learning 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3319646 PMID:37756174	研究论文	本文提出了一种新颖的迭代循环一致性半监督学习框架，用于乳腺纤维腺体组织分割，以实现自动化的背景实质增强（BPE）量化	提出了一种迭代循环一致性半监督学习框架，通过使用大量未标注的配对前后对比图像来提升分割性能，并设计了重建网络与分割网络级联，探索两阶段图像之间的相互关系	需要大量未标注的配对前后对比图像，且实验仅在两个数据集上进行验证	提高乳腺纤维腺体组织分割的准确性，实现自动化的背景实质增强（BPE）量化	乳腺纤维腺体组织	计算机视觉	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	半监督学习框架	图像	两个数据集
9944	2024-12-28	UPL-SFDA: Uncertainty-Aware Pseudo Label Guided Source-Free Domain Adaptation for Medical Image Segmentation 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3318364 PMID:37738202	研究论文	本文提出了一种新的不确定性感知伪标签引导的源自由域适应方法（UPL-SFDA），用于医学图像分割	提出了目标域增长（TDG）和两次前向传递监督（TFS）策略，通过增强目标域预测的多样性和使用可靠的伪标签进行监督，提高了源自由域适应的性能	尽管在多个数据集上验证了方法的有效性，但未提及在更广泛或更具挑战性的数据集上的表现	提高医学图像分割模型在新目标域上的适应能力	医学图像分割模型	计算机视觉	NA	源自由域适应（SFDA）	深度学习模型	医学图像	多站点心脏MRI分割数据集、跨模态胎儿脑分割数据集和3D胎儿组织分割数据集
9945	2024-12-28	Semi-Supervised Representation Learning for Segmentation on Medical Volumes and Sequences 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3319973 PMID:37756175	研究论文	本文提出了一种半监督表示学习方法，用于医学体积和序列的分割	提出了两个新模块，分别用于增强编码器和解码器的特征，包括基于切片/帧之间连续性的非对称网络和基于语义一致性的语义对比学习	未提及具体局限性	提高高维医学体积和序列的分割性能	医学体积和序列	数字病理学	NA	半监督学习	非对称网络	医学体积和序列	在三个基准数据集（ACDC、Prostate、CAMUS）上进行了评估
9946	2024-12-28	CoInNet: A Convolution-Involution Network With a Novel Statistical Attention for Automatic Polyp Segmentation 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3320151 PMID:37768798	研究论文	本文提出了一种名为CoInNet的卷积-反卷积网络，用于自动息肉分割，通过统计注意力单元和异常边界近似模块提高分割精度	CoInNet结合了卷积和反卷积操作的优势，并通过统计特征注意力单元学习不同特征图之间的关系，同时引入了异常边界近似模块来优化分割结果	NA	开发一种自动息肉分割模型，以辅助医生在胃肠道区域的早期诊断	胃肠道息肉	计算机视觉	结直肠癌	NA	卷积-反卷积网络（CoInNet）	图像	五个基准息肉分割数据集
9947	2024-12-26	Deep learning model meets community-based surveillance of acute flaccid paralysis 2025-Mar, Infectious Disease Modelling IF:3.0Q1 DOI:10.1016/j.idm.2024.12.002 PMID:39720666	研究论文	本研究提出了一种简单的深度学习模型，用于急性弛缓性麻痹（AFP）的社区监测，利用从埃塞俄比亚社区关键信息员通过手机收集的图像进行迁移学习	该研究首次将迁移学习应用于AFP监测，使用预训练的视觉Transformer模型，显著提高了监测的准确性和效率	研究的主要限制在于收集的图像数据质量，未来需要改进数据质量并建立专门的数据存储和分析平台	提高急性弛缓性麻痹（AFP）的社区监测效率，特别是在资源匮乏的环境中	埃塞俄比亚社区关键信息员通过手机收集的AFP相关图像	计算机视觉	急性弛缓性麻痹	迁移学习	视觉Transformer	图像	NA
9948	2024-12-26	Utilizing machine learning to predict the risk factors of episiotomy in parturient women 2025-Feb, AJOG global reports DOI:10.1016/j.xagr.2024.100420 PMID:39720201	研究论文	本研究利用机器学习模型预测产妇进行会阴切开术的风险因素	首次使用多种机器学习模型评估会阴切开术的风险因素，并比较了不同模型的性能	研究仅基于单一医疗中心的回顾性数据，未考虑助产士的视角	预测产妇进行会阴切开术的风险因素	伊朗一家三级医疗中心2022年1月至2023年1月期间的1775例阴道分娩产妇	机器学习	产科疾病	机器学习	线性回归、深度学习、支持向量机、LightGBM、逻辑回归、XGBoost、随机森林、决策树、KNN	电子健康记录	1775例阴道分娩产妇
9949	2024-12-26	Profiling cell identity and tissue architecture with single-cell and spatial transcriptomics 2025-Jan, Nature reviews. Molecular cell biology DOI:10.1038/s41580-024-00768-2 PMID:39169166	综述	本文综述了单细胞转录组学和空间转录组学在细胞状态和多细胞邻域识别与表征方面的最新进展、挑战和前景	讨论了深度学习（包括基础模型）在单细胞和空间转录组数据分析中的应用，并展望了这些工具在干细胞生物学、免疫学和肿瘤生物学领域的未来应用	未具体提及研究的局限性	探讨单细胞和空间转录组学在细胞状态和多细胞邻域识别与表征方面的应用	单细胞和空间转录组数据	生物信息学	肿瘤生物学	单细胞转录组学、空间转录组学	深度学习、基础模型	转录组数据	数百到数百万个细胞
9950	2024-12-26	Inverse design of metalenses with polarization and chromatic dispersion modulation via transfer learning 2025-Jan-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.540475 PMID:39718885	研究论文	本文介绍了一种基于深度学习的逆向设计模型，用于设计具有偏振和色散调制功能的超透镜	结合传播相位理论和光谱迁移学习，解决了色散问题，并实现了多功能超透镜的快速设计	数值模拟结果显示焦距偏差小于5%，但平均聚焦效率仅为43.3%，仍有提升空间	开发高效的深度学习方法来设计多功能超透镜，以解决传统成像系统的体积问题	偏振和波长复用的超透镜	计算机视觉	NA	深度学习	迁移学习	数值模拟数据	NA
9951	2024-12-26	A probabilistic deep learning approach to enhance the prediction of wastewater treatment plant effluent quality under shocking load events 2025-Jan-01, Water research X IF:7.2Q1 DOI:10.1016/j.wroa.2024.100291 PMID:39720317	研究论文	本研究开发了一种概率深度学习模型，用于增强在突发负荷事件下污水处理厂出水质量的实时预测	提出了结合编码器-解码器长短期记忆网络（LSTM）的概率深度学习模型，能够生成概率预测，提高了在突发负荷事件下实时预测的鲁棒性	模型仅在单一污水处理厂进行了测试，尚未在不同工艺的污水处理厂中广泛应用	提高污水处理厂在突发负荷事件下出水质量的实时预测能力	污水处理厂的出水质量，特别是总氮浓度	机器学习	NA	深度学习	概率编码器-解码器LSTM（P-ED-LSTM）	时间序列数据	实际污水处理厂的每小时出水质量数据
9952	2024-12-26	Deep learning-based classification of breast cancer molecular subtypes from H&E whole-slide images 2025-Jan, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100410 PMID:39720418	研究论文	本文探讨了利用深度学习模型从H&E染色的全切片图像中预测乳腺癌分子亚型的可能性	首次提出了一种基于H&E染色全切片图像的深度学习管道，用于乳腺癌分子亚型分类，并公开了代码以促进进一步研究	需要进一步验证以确认模型的广泛适用性	研究是否可以利用H&E染色的全切片图像预测乳腺癌的分子亚型	乳腺癌的分子亚型（luminal A、B、HER2-enriched和Basal）	数字病理学	乳腺癌	深度学习	eXtreme Gradient Boosting模型	图像	1433张乳腺癌全切片图像，其中221张用于测试
9953	2024-12-26	Crop yield prediction in agriculture: A comprehensive review of machine learning and deep learning approaches, with insights for future research and sustainability 2024-Dec-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40836 PMID:39720079	研究论文	本文综述了机器学习和深度学习方法在农业作物产量预测中的应用，并探讨了未来研究和可持续性的方向	系统性地分析了AI技术在作物产量预测中的应用，强调了环境与农业数据的重要性，并指出了未来研究的方向	未提及具体的数据集或实验结果的局限性	提高作物产量预测的准确性，以支持农业规划和资源管理	作物产量预测	机器学习	NA	机器学习（ML）、深度学习（DL）	随机森林（RF）、人工神经网络（ANN）、支持向量机（SVM）、卷积神经网络（CNN）、长短期记忆网络（LSTM）、深度神经网络（DNN）	环境与农业数据	NA
9954	2024-12-26	Chemistry of Street Art: Neural Network for the Spectral Analysis of Berlin Wall Colors 2024-Dec-25, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.4c12611 PMID:39660736	研究论文	本研究通过分析柏林墙街头艺术片段，利用拉曼光谱技术对绘画材料进行表征，并探索深度学习在颜料混合物定量分析中的应用	首次将卷积神经网络（CNN）算法应用于拉曼光谱分析，预测商业丙烯颜料中着色化合物的比例，为手持拉曼光谱仪的分析量化提供了新方法	研究主要依赖于特定品牌（Schmincke）的丙烯颜料，可能限制了结果的普适性	通过光谱分析和深度学习技术，定量分析街头艺术中使用的丙烯颜料的成分	柏林墙街头艺术的绘画材料	机器学习	NA	拉曼光谱技术	卷积神经网络（CNN）	光谱数据	使用Schmincke品牌丙烯颜料制备的校准和训练参考材料
9955	2024-12-26	Exploring the Applications of Explainability in Wearable Data Analytics: Systematic Literature Review 2024-Dec-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/53863 PMID:39718820	系统文献综述	本文综述了可解释人工智能（XAI）在可穿戴设备数据分析中的应用，探讨了如何通过XAI提高生成数据和模型的可解释性	本文首次系统性地回顾了XAI在可穿戴设备中的应用，并指出了当前研究中的空白和未来研究方向	用户评估方面存在不足，强调了在开发过程中需要更多用户参与	探讨可解释性在可穿戴设备中的应用，以提高医疗保健领域人工智能模型的透明度和可信度	可穿戴设备、传感器或手机生成的量化自我数据	机器学习	NA	可解释人工智能（XAI）	NA	量化自我数据	分析了25篇研究论文
9956	2024-12-26	Precision autofocus in optical microscopy with liquid lenses controlled by deep reinforcement learning 2024-Dec-24, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-024-00845-8 PMID:39719441	研究论文	本文提出了一种基于深度强化学习的自适应液体透镜显微镜系统，用于实现快速、精确的自动对焦	采用深度强化学习直接从捕获的图像中学习对焦策略，并设计了针对性的奖励函数，显著提高了显微镜自动对焦任务的性能	未提及具体局限性	开发一种快速、精确的自动对焦技术，以解决传统显微镜和自动对焦方法的硬件限制和软件速度慢的问题	液体透镜显微镜系统	计算机视觉	NA	深度强化学习	DRLAF（基于深度强化学习的自动对焦）	图像	未提及具体样本数量
9957	2024-12-26	Ecologically sustainable benchmarking of AI models for histopathology 2024-Dec-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01397-x PMID:39719527	研究论文	本文探讨了一种在病理学中开发深度学习模型的方法，该方法同时考虑了诊断性能和碳足迹	提出了一个名为'环境可持续性能'（ESPer）的指标，该指标定量整合了性能和操作期间的二氧化碳当量排放	未提及具体的研究局限性	开发一种既考虑诊断性能又考虑碳足迹的深度学习模型	用于计算病理学的各种深度学习架构，包括一个大型基础模型	数字病理学	NA	深度学习	深度学习模型	NA	NA
9958	2024-12-26	Other possible perspectives for solving the negative outcome penalty paradox in the application of artificial intelligence in clinical diagnostics 2024-Dec-23, Journal of medical ethics IF:3.3Q1 DOI:10.1136/jme-2024-109968 PMID:38871400	评论	本文探讨了人工智能在临床诊断中应用时面临的负面结果惩罚悖论，并提出了三种可能的解决视角	提出了三种新的视角来解决人工智能在临床诊断中的负面结果惩罚悖论，包括改变公众认知、重新设计临床实践流程和引入更多利益相关者	未提供具体的实证研究或数据支持，仅提出了理论上的解决视角	探讨如何更有效地将人工智能整合到未来的临床实践中，解决负面结果惩罚悖论	人工智能在临床诊断中的应用	机器学习	NA	NA	NA	NA	NA
9959	2024-12-26	Accurate and Efficient Algorithm for Detection of Alzheimer Disability Based on Deep Learning 2024-Dec-19, Cellular physiology and biochemistry : international journal of experimental cellular physiology, biochemistry, and pharmacology IF:2.5Q2 DOI:10.33594/000000746 PMID:39720940	研究论文	本研究开发了一种基于深度学习和计算机辅助检测的自动化、成本效益高的数字诊断方法，用于早期阿尔茨海默病的识别和分类	结合预训练的卷积神经网络和多类支持向量机及人工神经网络分类器，提出了一种纹理特征降维算法，显著提高了计算效率和分类准确性	未来研究应探索在更大、更多样化的数据集上的应用，并研究与其他成像模式（如MRI）的整合，以进一步提高诊断精度	开发一种自动化、成本效益高的数字诊断方法，用于早期阿尔茨海默病的识别和分类	阿尔茨海默病患者，数据集分为非痴呆、极轻度痴呆、轻度痴呆和中度痴呆四组	计算机视觉	老年病	深度学习	CNN, MSVM, ANN	图像	数据集分为四组，具体样本数量未提及
9960	2024-12-26	Autoencoder imputation of missing heterogeneous data for Alzheimer's disease classification 2024-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12091 PMID:39720752	研究论文	本研究探讨了使用去噪自编码器对阿尔茨海默病（AD）异质数据中缺失关键特征进行填补的有效性，并评估其在AD分类中的性能	首次系统评估深度学习算法在填补异质且全面的AD数据中的表现，特别是针对关键特征极端缺失（≥40%）的情况	研究仅关注特定类型的缺失数据（随机缺失），未涵盖其他缺失机制	提高AD诊断的准确性，特别是在数据缺失的情况下	阿尔茨海默病患者的多模态数据，包括tau-PET、MRI、认知和功能评估、基因型、社会人口学和病史	机器学习	阿尔茨海默病	去噪自编码器	随机森林	多模态数据（图像、文本、数值）	未明确提及样本数量