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
10061	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
10062	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
10063	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
10064	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
10065	2024-12-28	A fusion analytic framework for investigating functional brain connectivity differences using resting-state fMRI 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1402657 PMID:39723421	研究论文	本文提出了一种可解释的融合分析框架，用于研究静息态功能磁共振成像（fMRI）数据中功能脑连接的差异	通过整合功能连接网络（FCN）、自注意力深度学习模型（Self-Attn）和潜在空间项目反应模型（LSIRM），提供了一种创新的方法来发现群体间的ROI连接差异	NA	研究静息态fMRI数据中功能脑连接的差异，以揭示认知障碍的独特特征	静息态fMRI数据中的感兴趣区域（ROI）	机器学习	认知障碍	静息态功能磁共振成像（fMRI）	自注意力深度学习模型（Self-Attn），潜在空间项目反应模型（LSIRM）	图像	NA
10066	2024-12-28	Histopathological domain adaptation with generative adversarial networks: Bridging the domain gap between thyroid cancer histopathology datasets 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310417 PMID:39724083	研究论文	本研究探讨了使用生成对抗网络（GAN）生成高质量合成图像以增强甲状腺癌病理图像分类模型的泛化能力	利用StyleGAN2生成高质量合成图像，显著提高了模型在外部数据上的泛化能力，特别是在少数类图像上的表现	训练数据仅包含156个患者样本，可能限制了模型的进一步优化	提高甲状腺癌病理图像分类模型的泛化能力	甲状腺癌病理图像	数字病理	甲状腺癌	生成对抗网络（GAN）	StyleGAN2	图像	156个患者样本
10067	2024-12-28	A novel dataset and deep learning object detection benchmark for grapevine pest surveillance 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1485216 PMID:39726421	研究论文	本文介绍了一种新的数据集和深度学习目标检测基准，用于葡萄园害虫监测	贡献了一个完全注释的数据集，并比较了两种最先进的目标检测算法YOLOv8和Faster R-CNN的性能	数据集的样本量相对较小，可能影响模型的泛化能力	开发自动害虫检测系统，以应对葡萄园中的Flavescence dorée病害	美国葡萄叶蝉和镶嵌叶蝉	计算机视觉	葡萄病害	深度学习	YOLOv8, Faster R-CNN	图像	超过600张图像，每类约1500个识别
10068	2024-12-28	Revolutionizing the construction industry by cutting edge artificial intelligence approaches: a review 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1474932 PMID:39726889	综述	本文综述了人工智能（AI）、机器学习（ML）和深度学习（DL）在建筑行业中的应用，探讨了其在预测空气污染、提高材料质量、监控工人健康与安全以及增强建筑中的网络物理系统（CPS）方面的作用	本文综合评估了多种AI和ML模型及其优化技术，并探讨了AI在建筑行业中的广泛应用，包括可解释AI和Petri网在CPS中的进展	研究在某些领域仍存在空白，如AI在多样化建筑环境中的更广泛整合以及模型在现实应用中的进一步验证需求	探讨AI、ML和DL在建筑行业中的应用，以解决环境与操作挑战，并推动可持续实践、提高操作效率和解决安全问题	建筑行业中的空气污染预测、材料质量提升、工人健康与安全监控以及网络物理系统（CPS）的增强	机器学习	NA	人工神经网络（ANNs）、支持向量机（SVMs）、鲸鱼优化、蛾火优化	人工神经网络（ANNs）、支持向量机（SVMs）	NA	NA
10069	2024-12-28	A hybrid deep learning-based approach for optimal genotype by environment selection 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1312115 PMID:39726891	研究论文	本文提出了一种基于混合深度学习的模型，用于优化基因型与环境的选择，以提高作物产量预测的准确性	结合了卷积神经网络（CNN）和长短期记忆网络（LSTM），并采用广义集成方法（GEM）优化模型权重，提高了预测性能	由于数据限制，土壤变量仅以州为单位统一处理，缺乏更精细的空间信息	开发一种数据驱动的方法，准确预测不同基因型作物在天气变化下的产量，以指导育种工作	大豆杂交种	机器学习	NA	广义集成方法（GEM）	CNN, LSTM	天气数据、土壤数据、基因型数据	93,028条大豆杂交种记录，涵盖159个地点、28个州、13年、5,838个不同基因型
10070	2024-12-28	Learned Tensor Low-CP-Rank and Bloch Response Manifold Priors for Non-Cartesian MRF Reconstruction 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3302872 PMID:37549069	研究论文	本文提出了一种结合MRF物理先验和数据相关性约束的联合重建模型，用于非笛卡尔MRF重建	提出了一种学习的CANDECOMP/PARAFAC (CP)分解模块来利用高维MRF数据的张量低秩先验，并提出了Bloch响应流形模块来学习重建MRF数据与多参数映射之间的关系	当前深度学习方法通常缺乏可解释性，且大多数不适用于非笛卡尔场景	提高非笛卡尔MRF重建的准确性和计算效率	磁共振指纹成像（MRF）数据	医学影像处理	NA	磁共振指纹成像（MRF）	深度神经网络	MRF数据	NA
10071	2024-12-28	Continual Nuclei Segmentation via Prototype-Wise Relation Distillation and Contrastive Learning 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3307892 PMID:37610902	研究论文	本文提出了一种新的连续学习核分割方法，通过原型关系蒸馏和对比学习来避免旧类知识的遗忘并促进新类的学习	提出了原型关系蒸馏和对比学习的方法，解决了连续学习中的灾难性遗忘问题	未提及具体的数据集规模限制或计算资源需求	研究在连续学习框架下进行多类型核分割的问题	多类型核分割	计算机视觉	NA	深度学习	NA	图像	使用了MoNuSAC和CoNSeP两个多类型核分割基准数据集
10072	2024-12-28	TT U-Net: Temporal Transformer U-Net for Motion Artifact Reduction Using PAD (Pseudo All-Phase Clinical-Dataset) in Cardiac CT 2023-12, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3310933 PMID:37651491	研究论文	本文提出了一种基于深度学习的框架，用于减少动态心脏CT中的运动伪影	提出了TT U-Net（Temporal Transformer U-Net），利用自注意力机制在时间维度上编码运动信息，从而更好地减少运动伪影	NA	减少动态心脏CT中的运动伪影	心脏CT图像	数字病理学	心血管疾病	深度学习	TT U-Net	图像	基于PAD（Pseudo All-phase clinical-Dataset）构建的数据集
10073	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
10074	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
10075	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
10076	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
10077	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
10078	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
10079	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
10080	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