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	2024-12-24	Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry 2024-Dec-05, Research square DOI:10.21203/rs.3.rs-5485172/v1 PMID:39678351	研究论文	本文研究了非洲裔美国男性中非编码遗传变异在前列腺癌风险中的作用	首次通过基于序列的深度学习模型识别了与前列腺癌易感性相关的增强子SNP，并进行了实验验证	研究仅限于非洲裔美国男性，结果的普适性有待进一步验证	探讨非洲裔美国男性中非编码遗传变异在前列腺癌风险中的作用机制	非洲裔美国男性的非编码遗传变异及其对前列腺癌风险的影响	数字病理学	前列腺癌	深度学习模型	深度学习模型	序列数据	约2000个SNPs
10182	2024-12-24	A deep-learning-based model for assessment of autoimmune hepatitis from histology: AI(H) 2024-Dec, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-024-03841-5 PMID:38879691	研究论文	本文开发了一种基于深度学习的工具，用于从常规病理切片中分析自身免疫性肝炎的组织学特征	本文首次使用深度学习模型分析自身免疫性肝炎的组织学特征，特别是对胆管损伤等非经典特征的检测	本文仅使用了123个样本进行模型训练和验证，样本量可能不足以完全代表所有自身免疫性肝炎病例	开发一种能够从常规病理切片中分析自身免疫性肝炎组织学特征的深度学习工具	自身免疫性肝炎的组织学特征，包括肝微解剖、坏死性炎症、胆管损伤和门静脉炎症等	数字病理学	自身免疫性疾病	卷积神经网络	卷积神经网络	图像	123个预处理肝活检样本
10183	2024-12-24	MYC Rearrangement Prediction From LYSA Whole Slide Images in Large B-Cell Lymphoma: A Multicentric Validation of Self-supervised Deep Learning Models 2024-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100610 PMID:39265953	研究论文	本文开发了一种可解释的深度学习算法，用于从大B细胞淋巴瘤的全切片图像中自动检测MYC重排	本文利用自监督学习技术，比较了7种特征提取器和6种多实例学习模型，并在多中心队列中验证了其性能	本文未详细讨论算法的泛化能力在不同实验室环境下的表现	开发一种自动检测大B细胞淋巴瘤中MYC重排的深度学习算法，以减少昂贵的分子检测需求并提高病理学家的工作效率	大B细胞淋巴瘤患者的全切片图像	数字病理学	淋巴瘤	深度学习	多实例学习模型	图像	1247名大B细胞淋巴瘤患者
10184	2024-12-24	Wise Roles and Future Visionary Endeavors of Current Emperor: Advancing Dynamic Methods for Longitudinal Microbiome Meta-Omics Data in Personalized and Precision Medicine 2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202400458 PMID:39535493	综述	本文探讨了动态方法在整合纵向微生物组多组学数据中的当前作用和未来愿景，特别是在个性化和精准医学中的应用	本文提出了整合微生物组多组学数据的统一分析框架和深度学习工具，并强调了创新技术	缺乏验证分析协议和数据资源的金标准，以及不同纵向多组学研究之间的相互依赖性，是当前的主要挑战	探索动态方法在整合纵向微生物组多组学数据中的应用，并为个性化和精准医学提供最佳实践	纵向微生物组多组学数据，包括微生物、代谢物、基因和其他实体	NA	NA	多组学数据分析，深度学习	深度学习工具	多组学数据	NA
10185	2024-12-24	Artificial intelligence (AI) for tumor microenvironment (TME) and tumor budding (TB) identification in colorectal cancer (CRC) patients: A systematic review 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100353 PMID:39712977	综述	本文总结了使用人工智能预测结直肠癌患者组织学扫描中肿瘤微环境（TME）和肿瘤芽（TB）的最新数据	机器学习和深度学习在预测肿瘤微环境和肿瘤芽方面表现出高准确性，分别为97.7%和97.3%	不同作者对机器学习模型使用的表现指标不一致，且部分研究使用的数据集相对较小	评估人工智能在结直肠癌诊断和癌症发展预后中对肿瘤微环境和肿瘤芽的识别能力	结直肠癌患者的肿瘤微环境和肿瘤芽	数字病理学	结直肠癌	机器学习，深度学习	NA	图像	NA
10186	2024-12-24	Cellular behavior analysis from live-cell imaging of TCR T cell-cancer cell interactions 2024-Nov-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.19.624390 PMID:39605616	研究论文	本文开发了一种基于活细胞成像的T细胞与癌细胞相互作用的行为分析工具	本文创新性地利用人类在环深度学习开发了先进的分割和跟踪管道，并结合Caliban和Occident工具量化T细胞与癌细胞的相互作用	NA	研究T细胞与癌细胞相互作用的行为，以改进T细胞疗法用于癌症治疗	TCR T细胞与癌细胞的相互作用	NA	NA	活细胞成像	深度学习	图像	NA
10187	2024-12-24	Nodule Detection and Generation on Chest X-Rays: NODE21 Challenge 2024-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3382042 PMID:38530714	研究论文	本文总结了NODE21挑战赛的结果，并进行了额外的实验，以研究合成生成的结节训练图像对检测算法性能的影响	提出了一个公共研究挑战NODE21，旨在解决肺结节检测和生成任务中缺乏黄金标准公共数据集的问题	未提及	研究肺结节检测和生成算法，并评估合成数据对检测性能的影响	肺结节检测系统和生成算法	计算机视觉	肺癌	深度学习方法	NA	图像	NA
10188	2024-12-24	Exploiting Geometric Features via Hierarchical Graph Pyramid Transformer for Cancer Diagnosis Using Histopathological Images 2024-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3381994 PMID:38530716	研究论文	本文提出了一种分层图金字塔Transformer（HGPT），用于通过组织分布的几何表示来指导病理图像分类，从而提高癌症诊断的准确性	本文的创新点在于提出了HGPT模型，通过多层图聚合器学习几何表示，并结合Transformer编码层和局部特征增强块，有效捕捉细胞分布和聚集模式，从而提升病理图像分类的性能	本文未明确提及具体的局限性	本文的研究目的是通过利用几何特征改进病理图像分类方法，从而提高癌症诊断的准确性	本文的研究对象是病理图像中的几何特征，包括细胞分布和聚集模式	计算机视觉	NA	Transformer	HGPT	图像	本文在Kather-5K、MHIST、NCT-CRC-HE和GasHisSDB数据集上进行了实验，涉及多种癌症类型的二分类或多分类
10189	2024-12-24	Attention-Aware Non-Rigid Image Registration for Accelerated MR Imaging 2024-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3385024 PMID:39088484	研究论文	本文提出了一种基于注意力机制的深度学习框架，用于加速磁共振成像中的非刚性图像配准	引入了一个基于注意力机制的深度学习框架，利用局部视觉表示和变压器模块来处理欠采样引起的伪影，并结合局部和全局依赖性进行粗细运动估计	NA	开发一种能够在高加速因子下进行快速运动补偿重建的非刚性图像配准方法，以提高磁共振成像的诊断图像质量	心脏和胸部的磁共振成像数据	计算机视觉	NA	深度学习	Transformer	图像	101名患者和62名健康受试者的数据
10190	2024-12-24	Non-Invasive Quantification of the Brain [¹⁸F]FDG-PET Using Inferred Blood Input Function Learned From Total-Body Data With Physical Constraint 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3368431 PMID:38386580	研究论文	本研究提出了一种基于深度学习的方法，用于从全身动态扫描数据中推断动态脑FDG扫描的输入函数，以实现脑PET的非侵入性定量分析	本研究首次使用深度学习方法从全身动态扫描数据中推断脑PET的输入函数，并通过引入物理约束减少偏差和训练样本需求	本研究仅在特定数据集上进行了验证，未来需要在更多临床数据上进行验证	开发一种非侵入性的方法来定量分析脑PET	动态脑FDG扫描的输入函数	计算机视觉	NA	深度学习	LSTM结合全连接网络	图像	85例全身动态扫描数据
10191	2024-12-24	Weakly Supervised Lesion Detection and Diagnosis for Breast Cancers With Partially Annotated Ultrasound Images 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3366940 PMID:38373131	研究论文	提出了一种基于弱监督学习的两阶段检测与诊断网络（TSDDNet），用于提高乳腺超声图像的计算机辅助诊断准确性	设计了一种候选选择机制来细化手动标注的ROI，并生成准确的伪ROI，同时采用自蒸馏策略进行联合优化，以提高诊断性能	未提及具体的局限性	提高基于超声图像的乳腺癌症计算机辅助诊断系统的诊断准确性	乳腺癌症的超声图像	计算机视觉	乳腺癌	深度学习	两阶段检测与诊断网络（TSDDNet）	图像	三个B模式超声数据集
10192	2024-12-24	3D Single Vessel Fractional Moving Blood Volume (3D-svFMBV): Fully Automated Tissue Perfusion Estimation Using Ultrasound 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3376668 PMID:38478454	研究论文	本文介绍了一种名为3D-svFMBV的全新全自动方法，用于使用超声波评估组织灌注	提出了结合图像处理、数值建模和深度学习的3D-svFMBV方法，消除了对背景信号进行数学校正的需求，提高了灌注估计的准确性和鲁棒性	NA	开发一种全自动方法来提高组织灌注估计的准确性，并探索其在临床中的应用	子宫动脉和胎盘的超声图像	数字病理学	妊娠相关疾病	超声波（PD-US）	深度学习	图像	143个早期妊娠胎盘超声体积
10193	2024-12-24	Mixed Supervision of Histopathology Improves Prostate Cancer Classification From MRI 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3382909 PMID:38547000	研究论文	本文提出了一种基于混合监督的深度学习方法，用于从MRI图像中预测临床显著性前列腺癌	本文的创新点在于通过分布回归而非简单的值回归，利用非靶向系统活检的弱监督信号来提高分类性能	本文的局限性在于混合监督方法虽然提高了分类性能，但降低了与基于图像的分割的一致性	本文的研究目的是提高从MRI图像中分类临床显著性前列腺癌的准确性	本文的研究对象是接受MRI筛查后进行活检的前列腺癌患者	计算机视觉	前列腺癌	深度学习	深度网络	图像	973例多参数前列腺MRI检查（测试集n=198）
10194	2024-12-24	Scan-Specific Self-Supervised Bayesian Deep Non-Linear Inversion for Undersampled MRI Reconstruction 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3364911 PMID:38335079	研究论文	本文介绍了一种无需自动校准扫描区域的扫描特定自监督贝叶斯深度非线性反演方法（DNLINV），用于欠采样MRI重建	提出了无需自动校准扫描区域的扫描特定自监督贝叶斯深度非线性反演方法（DNLINV），利用深度图像先验类型的生成建模方法和近似贝叶斯推断来正则化深度卷积神经网络	需要进一步验证在更多数据集和临床环境中的性能	开发一种无需大量全采样数据集的欠采样MRI重建方法	欠采样MRI数据	计算机视觉	NA	深度学习	深度卷积神经网络	图像	涉及多个解剖结构、对比度和采样模式的数据
10195	2024-12-24	Compositionally Equivariant Representation Learning 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3358955 PMID:38277249	研究论文	本文研究了在医学图像分割中利用组合性学习更具解释性和泛化能力的表示	提出了组合等变表示学习方法，通过可学习的von-Mises-Fisher核来建模组合表示，并在不同监督设置下探索如何增强组合等变性	NA	研究如何在医学图像分割中利用组合性学习更具解释性和泛化能力的表示	医学图像分割中的组合等变表示	计算机视觉	NA	von-Mises-Fisher核	组合等变表示模型	图像	NA
10196	2024-12-24	Deep Learning With Physics-Embedded Neural Network for Full Waveform Ultrasonic Brain Imaging 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3363144 PMID:38329866	研究论文	本文提出了一种基于物理嵌入神经网络的深度学习方法，用于超声波脑成像的全波形反演	提出了物理嵌入神经网络（PEN-FWI），结合深度学习与全波形反演，能够实现对脑组织的可靠定量成像	NA	开发一种新的方法，用于超声波脑成像，克服传统超声在脑成像中的局限性	脑组织和颅骨的超声波成像	计算机视觉	NA	超声波成像	卷积神经网络（CNN）	图像	模拟和实验室测试数据
10197	2024-12-24	Multi-Instance Multi-Task Learning for Joint Clinical Outcome and Genomic Profile Predictions From the Histopathological Images 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3362852 PMID:38319755	研究论文	本文提出了一种多实例多任务学习框架，用于从病理图像中联合预测临床结果和基因组特征	本文创新性地提出了一个多实例学习模块和一个基于软掩码的融合模块，以利用不同任务之间的相关性来提高预测性能	本文的局限性在于仅在TCGA数据集上进行了验证，未来需要在更多数据集上进行验证	研究目的是开发一种能够从病理图像中联合预测临床结果和基因组特征的多任务学习框架	研究对象是来自TCGA的三种癌症队列的病理图像	数字病理学	NA	深度学习	多实例多任务学习框架	图像	来自TCGA的三种癌症队列
10198	2024-12-24	Robust Stochastic Neural Ensemble Learning With Noisy Labels for Thoracic Disease Classification 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3357986 PMID:38265913	研究论文	本文提出了一种新的随机神经网络集成学习框架（SNEL），用于在存在噪声标签的情况下进行胸部疾病分类	本文的创新点在于通过构建模型集成和设计抗噪损失函数来从噪声标签中学习	NA	开发一种能够在噪声标签存在的情况下进行胸部疾病分类的鲁棒深度学习模型	胸部疾病的分类	计算机视觉	NA	深度学习	神经网络集成	图像	三个公开的医院级胸部X光数据集
10199	2024-12-24	Toward Ground-Truth Optical Coherence Tomography via Three-Dimensional Unsupervised Deep Learning Processing and Data 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3363416 PMID:38324426	研究论文	本文提出了一种名为tGT-OCT的无散斑光学相干断层扫描（OCT）成像策略，利用无监督的三维深度学习处理和OCT三维成像特征来实现无散斑的OCT成像	本文的创新点在于提出了一种无监督的三维卷积深度学习网络，能够有效区分并分离三维成像体积空间中的散斑和真实结构，从而实现高质量的无散斑三维成像	NA	本文的研究目的是开发一种新的无散斑OCT成像方法，以提高OCT成像的质量和应用范围	本文的研究对象是光学相干断层扫描（OCT）成像中的散斑噪声	计算机视觉	NA	光学相干断层扫描（OCT）	三维卷积神经网络（3D-CNN）	三维体积数据	不同样本
10200	2024-12-24	PND-Net: Physics-Inspired Non-Local Dual-Domain Network for Metal Artifact Reduction 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3354925 PMID:38236665	研究论文	本文提出了一种基于物理特性的非局部双域网络PND-Net，用于CT图像中的金属伪影减少	提出了一个新颖的物理启发式非局部双域网络PND-Net，并设计了非局部正弦图分解网络NSD-Net和图像恢复网络IR-Net，以及用于未配对学习的可训练融合网络F-Net	未提及具体限制	减少CT图像中的金属伪影，提高图像质量和临床诊断的准确性	CT图像中的金属伪影	计算机视觉	NA	深度学习	PND-Net	图像	模拟数据和临床数据