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
11621	2024-11-20	Radiomics of pituitary adenoma using computer vision: a review 2024-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03163-3 PMID:39012416	综述	本文综述了使用计算机视觉技术进行垂体腺瘤放射组学的研究现状	本文介绍了深度学习方法在放射组学中的应用前景	需要创建高质量且足够大的数据集来训练深度神经网络，深度放射组学的可解释性也是一个重大挑战	分析当前垂体腺瘤放射组学研究的现状	垂体腺瘤的放射组学特征	计算机视觉	垂体腺瘤	计算机视觉方法	深度学习	图像	34篇相关研究文献
11622	2024-11-20	ConKeD: multiview contrastive descriptor learning for keypoint-based retinal image registration 2024-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03160-6 PMID:38969811	研究论文	提出了一种名为ConKeD的新型深度学习方法，用于视网膜图像配准的描述符学习	采用了一种新颖的多正多负对比学习策略，能够利用额外的训练样本信息，从而在有限训练数据的情况下学习高质量的描述符	未提及	开发和应用基于深度学习的视网膜图像配准方法	视网膜图像配准	计算机视觉	NA	深度学习	深度神经网络	图像	有限训练数据
11623	2024-11-20	Two-stage deep learning framework for occlusal crown depth image generation 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109220 PMID:39366141	研究论文	本文提出了一种两阶段深度学习框架，用于生成不同位置的咬合牙冠深度图像	该框架通过分割和修复两个阶段，实现了对牙冠形状和表面结构的高精度生成，相较于传统方法显著提高了生成图像的质量	NA	减少熟练牙科技师的工作量，通过计算机视觉模型生成逼真的咬合牙冠深度图像	咬合牙冠的深度图像生成	计算机视觉	NA	NA	GAN	图像	NA
11624	2024-11-20	Enhancing dental caries classification in CBCT images by using image processing and self-supervised learning 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109221 PMID:39378579	研究论文	本研究利用自监督学习任务改进锥束计算机断层扫描（CBCT）图像中的龋齿分类	本研究创新性地将图像处理技术与自监督学习任务结合，并探讨了无标签数据在模型性能提升中的必要性	本研究未详细讨论模型在实际临床应用中的表现和潜在的局限性	旨在通过自监督学习提高CBCT图像中龋齿分类的准确性和效率	研究对象为CBCT图像中的龋齿分类	计算机视觉	口腔疾病	自监督学习（SSL）	ResNet-18	图像	未明确提及具体样本数量
11625	2024-11-20	Segmentation of four-chamber view images in fetal ultrasound exams using a novel deep learning model ensemble method 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109188 PMID:39395344	研究论文	本文介绍了一种新的深度学习模型集成方法，用于在胎儿超声检查中分割四腔视图图像	本文提出了一种新的集成方法，通过结合多个深度学习模型的原始预测，获得最优的分割组件，从而提高分割效果	NA	开发一种新的方法来自动化分割胎儿心脏超声图像中的关键解剖结构	胎儿心脏超声图像中的关键解剖结构	计算机视觉	NA	深度学习	集成模型	图像	使用了一个大型私人数据集进行模型训练和评估
11626	2024-11-20	Multi-modal classification of breast cancer lesions in Digital Mammography and contrast enhanced spectral mammography images 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109266 PMID:39405734	研究论文	本文探讨了在数字乳腺摄影和对比增强光谱乳腺摄影图像中使用深度学习方法检测和分类乳腺癌病变的有效性	提出了JointNet架构，结合卷积模块、变换器模块和特征融合层，显著提高了图像分类和病变分类的准确性	未提及具体局限性	研究数字乳腺摄影和对比增强光谱乳腺摄影在乳腺癌病变检测中的效果，并提出改进的分类方法	乳腺癌病变在数字乳腺摄影和对比增强光谱乳腺摄影图像中的检测和分类	计算机视觉	乳腺癌	深度学习	卷积神经网络（CNN）和变换器（Transformer）	图像	未提及具体样本数量
11627	2024-11-20	An interpretable and generalizable deep learning model for iEEG-based seizure prediction using prototype learning and contrastive learning 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109257 PMID:39423703	研究论文	本文提出了一种基于原型学习和对比学习的可解释且可泛化的深度学习模型，用于基于iEEG的癫痫发作预测	本文将自解释原型学习网络扩展到一个新的领域适应框架，用于跨患者癫痫发作预测，并引入了对比语义对齐损失约束，增强了学习原型的鲁棒性	NA	建立一种可解释且可泛化的癫痫发作预测模型，以满足临床诊断的需求	基于iEEG的癫痫发作预测	机器学习	癫痫	深度学习	深度学习模型	iEEG数据	20名患者，共82次癫痫发作
11628	2024-11-20	Attention Induced Dual Convolutional-Capsule Network (AIDC-CN): A deep learning framework for motor imagery classification 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109260 PMID:39426071	研究论文	本文介绍了一种名为注意力诱导双卷积胶囊网络（AIDC-CN）的新型深度学习分类器，用于运动想象分类	引入了双卷积层处理脑连接性和频谱图特征，增加了自注意力模块（SAM）和交叉注意力模块（CAM），并使用了基于高斯误差线性单元（GELU）的动态路由算法	NA	开发一种新的深度学习分类器，以准确分类运动想象类别标签	基于脑电图（EEG）的运动想象信号	机器学习	NA	深度学习	卷积神经网络（CNN）和胶囊网络	脑电图信号	四个公开数据集
11629	2024-11-20	Target-specified reference-based deep learning network for joint image deblurring and resolution enhancement in surgical zoom lens camera calibration 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109309 PMID:39442443	研究论文	本文提出了一种针对手术放大镜头相机校准的深度学习网络，用于同时增强图像的模糊度和空间分辨率	本文提出了一种新的目标特定深度学习网络，能够同时增强图像的模糊度和空间分辨率，以提高手术放大镜头相机校准的准确性	NA	解决手术导航中由于高倍放大导致的图像模糊和分辨率不足问题，提高相机校准的准确性	手术放大镜头相机校准中的棋盘格图像	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
11630	2024-11-20	Graph neural network-based subgraph analysis for predicting adverse drug events 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109282 PMID:39442442	研究论文	本文提出了一种基于图神经网络的子图分析方法，用于预测药物不良反应	利用图神经网络模型对患者诊断历史进行建模，实现了对药物不良反应的早期预测	NA	开发计算方法以在临床试验前识别未检测到的药物不良反应	药物不良反应的预测	机器学习	NA	图神经网络	图神经网络	图数据	NA
11631	2024-11-20	Imaging phenotype evaluation from digital breast tomosynthesis data: A preliminary study 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109285 PMID:39454527	研究论文	本研究提出了一种基于深度学习的数字乳腺断层合成（DBT）数据中乳腺组织模式特征化的方法	本研究首次将深度学习应用于DBT数据的乳腺组织模式分类，并结合常见的恶性-良性-正常分类，实现了更详细的图像评估	本研究中良性结构扭曲与良性肿块以及恶性结构扭曲之间的混淆是一个局限	开发一种能够详细评估数字乳腺断层合成图像的深度学习方法	数字乳腺断层合成（DBT）数据中的乳腺组织模式	计算机视觉	乳腺癌	深度学习	迁移学习	图像	5388个2D图像块，来自230个右侧中侧斜位、259个左侧中侧斜位、18个右侧头尾位和15个左侧头尾位的单侧乳腺DBT研究
11632	2024-11-20	Effective deep-learning brain MRI super resolution using simulated training data 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109301 PMID:39486305	研究论文	研究使用模拟的脑部MRI数据训练深度学习超分辨率网络，以提高低分辨率MRI图像的质量	使用模拟的脑部MRI数据训练深度学习超分辨率网络，并验证其在多源真实数据上的泛化能力	仅使用模拟数据训练的网络在单源真实数据上的表现略逊于仅使用真实数据训练的网络	探讨使用模拟的脑部MRI数据训练深度学习超分辨率网络的潜力	脑部MRI图像的超分辨率处理	计算机视觉	NA	深度学习	超分辨率网络	MRI图像	模拟了大量不同分辨率的脑部MRI数据，并使用了来自多个来源的真实数据进行评估
11633	2024-11-20	Deep learning approaches for automated classification of neonatal lung ultrasound with assessment of human-to-AI interrater agreement 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109315 PMID:39504781	研究论文	本文提出了一种基于深度学习的自动分类方法，用于新生儿肺部超声视频的分类，并评估了人机交互评分者之间的一致性	本文提出了两种策略：帧到视频级别的预测方法和直接视频分类方法，用于评估新生儿肺部超声数据	主要挑战在于缺乏标注数据和专家解释的主观性	开发一种可靠的自动化解决方案，用于新生儿肺部超声视频中模式的解释	新生儿肺部超声视频	计算机视觉	NA	深度学习	NA	视频	34名新生儿患者的70次检查，由三位专家进行标注
11634	2024-11-20	Advances in Neuroimaging and Multiple Post-Processing Techniques for Epileptogenic Zone Detection of Drug-Resistant Epilepsy 2024-Dec, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29157 PMID:38014782	研究论文	本文探讨了神经影像学和多种后处理技术在药物难治性癫痫致痫灶定位中的应用	本文介绍了多模态神经影像学和深度机器学习在提高致痫灶检测率和诊断效率方面的创新应用	现有研究主要受限于样本量小或基于假设的研究设计	旨在提高药物难治性癫痫患者手术前致痫灶的精确定位	药物难治性癫痫患者的致痫灶	数字病理学	癫痫	磁共振成像 (MRI) 和正电子发射断层扫描 (PET)	深度学习	影像	现有研究样本量较小
11635	2024-11-20	Deep learning model for diagnosis of thyroid nodules with size less than 1 cm: A multicenter, retrospective study 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100609 PMID:39554616	研究论文	开发了一种基于超声图像的双通道深度学习模型，用于诊断小于1厘米的甲状腺结节	提出了甲状腺结节变压器网络（TNT-Net），该模型通过双通道输入横向和纵向超声图像，显著提高了对小于1厘米甲状腺结节的识别能力	NA	实现对小于1厘米甲状腺结节的早期准确诊断	小于1厘米的甲状腺结节	计算机视觉	甲状腺疾病	深度学习	变压器网络（TNT-Net）	图像	共收集了来自五家医院的8455名患者的9649个结节，分为训练集（8453个结节，7369名患者）、内部测试集（565个结节，512名患者）和外部测试集（631个结节，574名患者）
11636	2024-11-20	On efficient expanding training datasets of breast tumor ultrasound segmentation model 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109274 PMID:39471661	研究论文	本文介绍了一种新的数据增强方法，通过将肿瘤区域嵌入正常图像中生成合成图像，以提高乳腺肿瘤超声图像分割模型的性能	提出了一种新的数据增强方法，通过将肿瘤区域嵌入正常图像中生成合成图像，以提高模型性能	生成的合成图像标签的准确性仍需手动验证，且图像多样性有限	提高乳腺肿瘤超声图像分割模型的性能	乳腺肿瘤超声图像	计算机视觉	乳腺癌	NA	GAN	图像	NA
11637	2024-11-20	Automated detection and labeling of posterior teeth in dental bitewing X-rays using deep learning 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109262 PMID:39476727	研究论文	本文介绍了一种基于深度学习的人工智能系统，用于自动检测和标记牙科咬翼X光片中的后牙	该研究采用了先进的YOLO架构，实现了快速的对象检测和分类，显著提高了牙科X光片中牙齿检测和标记的准确性和效率	NA	开发一种自动化的牙科X光片牙齿检测和标记系统，以提高牙科记录的准确性和临床工作效率	牙科咬翼X光片中的后牙	计算机视觉	NA	深度学习	YOLO	图像	3000张成人数字咬翼X光片
11638	2024-11-20	[Investigation of the impact of the deep learning based CT fractional flow reserve on clinical decision-making and long-term prognosis in patients with obstructive coronary heart disease] 2024-Nov-24, Zhonghua xin xue guan bing za zhi DOI:10.3760/cma.j.cn112148-20240626-00357 PMID:39557526	研究论文	研究深度学习CT分数流量储备（CT-FFR）对阻塞性冠心病患者临床决策和长期预后的影响	深度学习CT-FFR作为临床决策和长期预后评估的辅助工具	单中心回顾性队列研究，样本量有限	探讨深度学习CT-FFR对阻塞性冠心病患者临床决策和长期预后的影响	阻塞性冠心病患者	机器学习	心血管疾病	深度学习	NA	图像	622名患者，年龄61岁（54, 66），其中407名（65.4%）为男性
11639	2024-11-20	Empirical Modal Decomposition Combined with Deep Learning for Photoacoustic Spectroscopy Detection of Mixture Gas Concentrations 2024-Nov-19, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04479 PMID:39506893	研究论文	本文提出了一种基于经验模态分解（EMD）、卷积神经网络（CNN）和长短期记忆网络（LSTM）的多组分气体分析方法，用于从重叠的波长调制光谱中提取混合气体的精确浓度	结合EMD、CNN和LSTM网络，能够从重叠的光谱中准确提取混合气体的浓度	NA	提高光声光谱技术在多组分气体分析中的测量精度	乙炔和氨气的混合气体浓度	机器学习	NA	光声光谱技术	CNN和LSTM	光谱数据	25种不同浓度的乙炔-氨气混合物，乙炔浓度范围为2.5至7.5 ppm，氨气浓度范围为12.5至37.5 ppm
11640	2024-11-20	Deep learning-based automatic bleeding recognition during liver resection in laparoscopic hepatectomy 2024-Nov-18, Surgical endoscopy DOI:10.1007/s00464-024-11331-7 PMID:39557646	研究论文	本文开发了一种基于深度学习的自动识别腹腔镜肝切除术中出血区域的模型	首次报道了用于检测和停止腹腔镜肝切除术中出血的深度学习模型	研究为回顾性可行性研究，样本量较小	开发一种自动识别腹腔镜肝切除术中出血区域的深度学习模型	腹腔镜肝切除术中的出血区域	计算机视觉	NA	卷积神经网络算法	CNN	图像	2203张标注图像，来自44个腹腔镜肝切除术视频