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
10181	2024-12-28	Revolutionizing Epithelial Differentiability Analysis in Small Airway-on-a-Chip Models Using Label-Free Imaging and Computational Techniques 2024-Nov-29, Biosensors DOI:10.3390/bios14120581 PMID:39727846	研究论文	本文提出了一种与小型气道芯片系统兼容的无标记形态成像平台，通过深度学习和图像识别技术分析人类小气道上皮细胞的分化能力	结合深度学习和无标记成像技术，显著提高了小型气道芯片模型的效率和稳定性，并开发了自动处理纤毛细胞跳动图像和计算跳动频率的定制MATLAB程序	NA	提高小型气道芯片模型的效率和稳定性，并研究人类小气道上皮细胞的分化能力	人类小气道上皮细胞（HSAECs）	数字病理学	NA	无标记成像、深度学习、图像识别	深度学习	图像	NA
10182	2024-12-28	Deep Learning-Based Method for Detecting Traffic Flow Parameters Under Snowfall 2024-Nov-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120301 PMID:39728198	研究论文	本文提出了一种基于深度学习的方法，用于在降雪条件下从交通流视频中提取交通流参数	提出了一个包含四个阶段的框架，专门针对降雪条件下的图像退化和交通流参数识别精度下降问题，其中前两个阶段提出了一种深度学习网络用于去除雪粒和雪痕，后两个阶段结合了yolov5车辆识别和虚拟线圈方法进行交通流参数估计	NA	提高在降雪条件下交通流参数检测的准确性和速度	降雪条件下的交通流视频	计算机视觉	NA	深度学习	yolov5	视频	NA
10183	2024-12-28	Evaluating Brain Tumor Detection with Deep Learning Convolutional Neural Networks Across Multiple MRI Modalities 2024-Nov-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120296 PMID:39728193	研究论文	本研究评估了使用深度学习卷积神经网络（CNN）在多种MRI模态下检测脑肿瘤的效果	通过四种不同的CNN架构结合迁移学习技术，评估了六种基本MRI序列在检测脑肿瘤中的诊断性能，并识别了MRI模态与神经网络的最佳组合	样本量相对较小，仅包含62名患者的1646个MRI切片	提高MRI在脑肿瘤检测中的诊断准确性	脑肿瘤患者和正常人的MRI切片	计算机视觉	脑肿瘤	MRI	CNN	图像	62名患者的1646个MRI切片
10184	2024-12-28	Spatial and Modal Optimal Transport for Fast Cross-Modal MRI Reconstruction 2024-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3406559 PMID:38805327	研究论文	本文提出了一种利用T1加权图像加速T2加权图像获取的端到端深度学习框架	采用最优传输（OT）方法进行跨模态合成，有效缓解空间错位效应，并通过重建任务与跨模态合成任务的交替迭代框架优化最终结果	需要迭代实验和调整参数，可能增加计算复杂度	加速T2加权图像的获取，提高多模态MRI图像分析的质量	T1加权图像和T2加权图像	计算机视觉	NA	深度学习，最优传输（OT）	端到端深度学习框架	MRI图像	FastMRI和内部数据集
10185	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
10186	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
10187	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
10188	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
10189	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）
10190	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
10191	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）
10192	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
10193	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
10194	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
10195	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
10196	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
10197	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
10198	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
10199	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
10200	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