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
11921	2024-12-06	SMART-PET: a Self-SiMilARiTy-aware generative adversarial framework for reconstructing low-count [18F]-FDG-PET brain imaging 2024, Frontiers in nuclear medicine (Lausanne, Switzerland) DOI:10.3389/fnume.2024.1469490 PMID:39628873	研究论文	本文介绍了一种基于生成对抗网络（GAN）和自相似性注意力机制的新型深度学习框架，用于重建低计数[18F]-FDG-PET脑部图像	提出了一个自相似性感知生成对抗框架（SMART-PET），利用自相似性注意力机制来增强PET图像的去噪效果，无需依赖MRI的解剖细节	NA	开发一种新的深度学习框架，用于提高低计数PET图像的质量，减少放射性暴露	低计数[18F]-FDG-PET脑部图像	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	114名受试者，包括34名药物难治性癫痫患者、10名额颞叶痴呆患者和70名健康志愿者
11922	2024-12-06	The effectiveness of deep learning model in differentiating benign and malignant pulmonary nodules on spiral CT 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-241079 PMID:39520159	研究论文	研究深度学习模型在螺旋CT图像上区分良性和恶性肺结节的有效性	提出了一种基于深度学习的细粒度分类方法，用于区分肺结节，并展示了其在区分良恶性肺结节方面的优越性	研究样本量较小，且仅限于一家医院的病例	探讨基于深度学习的肺结节分类和分割算法在区分良恶性肺结节中的临床价值和诊断效果	良性和恶性肺结节	计算机视觉	肺部疾病	深度学习	深度学习模型	CT图像	120例肺结节患者
11923	2024-12-06	Hyperspectral signature-band extraction and learning: an example of sugar content prediction of Syzygium samarangense 2023-09-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-41603-6 PMID:37699940	研究论文	本研究提出了一种从高光谱数据转换的多光谱数据中提取特征波段的方法，并使用深度学习模型预测山竹果的糖含量	本研究创新性地使用集成梯度方法从卷积神经网络和前馈神经网络模型中提取特征波段，并展示了这些波段在预测山竹果糖含量方面的潜力	本研究仅限于使用特定的光谱数据和模型，未来研究可以扩展到其他类型的光谱数据和模型	研究如何从高光谱数据中提取特征波段，并利用这些波段预测山竹果的糖含量	山竹果的糖含量	机器学习	NA	高光谱数据转换、集成梯度方法	卷积神经网络 (CNN)、前馈神经网络 (FNN)	光谱数据	30组，每组包含6个特征波段
11924	2024-12-06	The Swin-Transformer network based on focal loss is used to identify images of pathological subtypes of lung adenocarcinoma with high similarity and class imbalance 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04795-y PMID:37097394	研究论文	本文提出了一种基于Swin-Transformer网络和Focal Loss的FL-STNet模型，用于高相似性和类别不平衡的肺腺癌病理亚型图像识别	本文引入了Focal Loss并结合Swin-Transformer模型的优势，解决了当前CNN和Vit模型的不足	NA	提高肺腺癌病理分类的临床问题	肺腺癌及其亚型的病理图像	计算机视觉	肺腺癌	Swin-Transformer	FL-STNet	图像	360名被诊断为肺腺癌和其他肺部疾病的患者
11925	2024-12-06	Deep learning-based methods for classification of microsatellite instability in endometrial cancer from HE-stained pathological images 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04838-4 PMID:37150803	研究论文	本文提出了一种基于注意力模块的深度学习架构，用于从HE染色的病理图像中分类子宫内膜癌的微卫星不稳定性	本文提出了一种新的基于注意力模块的深度学习架构，用于从病理图像中提取特征并进行微卫星不稳定性的分类	本文未详细讨论模型的泛化能力和在其他癌症类型中的应用	开发一种基于深度学习的自动化方法，用于从HE染色的病理图像中分类子宫内膜癌的微卫星不稳定性	子宫内膜癌的微卫星不稳定性	数字病理学	子宫内膜癌	深度学习	注意力模块	图像	使用了来自The Cancer Genome Atlas子宫内膜队列的HE染色全切片图像
11926	2024-12-06	A novel staging system based on deep learning for overall survival in patients with esophageal squamous cell carcinoma 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04842-8 PMID:37154930	研究论文	开发了一种基于深度学习的预测食管鳞状细胞癌患者总体生存率的新分期系统	提出了基于深度学习模型DeepSurv的新分期系统，并在多个队列数据中验证了其预测性能	NA	开发和验证一种新的基于深度学习的分期系统，用于预测食管鳞状细胞癌患者的总体生存率	食管鳞状细胞癌患者	机器学习	食管癌	深度学习	深度学习模型	临床数据	6020名食管鳞状细胞癌患者
11927	2024-12-06	Segmentation and classification of brain tumors using fuzzy 3D highlighting and machine learning 2023-Sep, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04754-7 PMID:37166578	研究论文	本文提出了一种使用模糊3D高亮和机器学习方法来分割和分类脑肿瘤的策略	本文创新性地结合了模糊3D高亮方法和机器学习技术，用于脑肿瘤的分割和分类	本文未详细讨论该方法在不同类型脑肿瘤上的适用性及其在实际临床应用中的局限性	旨在提高脑肿瘤的早期诊断准确性，减少对侵入性手术的依赖	脑肿瘤的分割和分类	机器学习	脑肿瘤	模糊3D高亮方法	支持向量机（SVM）和深度神经网络（DNN）	MRI扫描图像	未明确提及具体样本数量
11928	2024-12-06	Cross-Subject Tinnitus Diagnosis Based on Multi-Band EEG Contrastive Representation Learning 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3264521 PMID:37018100	研究论文	本文提出了一种基于多频带EEG对比表示学习的跨受试者耳鸣诊断方法	提出了一个名为多频带EEG对比表示学习（MECRL）的多任务学习框架，用于提高耳鸣诊断的鲁棒性和数据效率	NA	识别耳鸣并为其诊断和治疗提供理论指导	耳鸣患者和健康对照组的静息状态EEG数据	数字病理学	耳鸣	EEG	深度神经网络	EEG数据	187名耳鸣患者和80名健康受试者
11929	2024-12-06	Psychotic Relapse Prediction in Schizophrenia Patients Using A Personalized Mobile Sensing-Based Supervised Deep Learning Model 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3265684 PMID:37037254	研究论文	本文提出了一种基于个性化移动感知和监督深度学习的模型RelapsePredNet，用于预测精神分裂症患者的精神病复发	本文的创新点在于提出了一个个性化的长短期记忆网络模型RelapsePredNet，并通过融合模型进一步提高了预测性能	本文的局限性在于仅使用了63名患者的移动感知数据进行评估，样本量较小	本文的研究目的是开发一种能够预测精神分裂症患者精神病复发的个性化深度学习模型	本文的研究对象是精神分裂症患者及其精神病复发	机器学习	精神疾病	深度学习	LSTM	移动感知数据	63名精神分裂症患者，每人监测时间长达一年
11930	2024-12-06	Deep Learning Identifies Intelligible Predictors of Poor Prognosis in Chronic Kidney Disease 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3266587 PMID:37043318	研究论文	本研究探讨了机器学习和深度学习模型在慢性肾脏病（CKD）进展至终末期肾病（ESRD）预测中的可解释性	引入了四种先进的归因方法到深度学习模型中，提高了模型的可解释性，并发现了一些未被充分报告的CKD进展关键特征	LASSO模型的解释与临床知识不一致	早期诊断和预测慢性肾脏病的进展，以确保个性化治疗	慢性肾脏病患者及其进展至终末期肾病的预测	机器学习	肾脏病	深度学习	深度学习模型	临床和实验室数据	NA
11931	2024-12-06	Reconstruction-Driven Dynamic Refinement Based Unsupervised Domain Adaptation for Joint Optic Disc and Cup Segmentation 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3266576 PMID:37043317	研究论文	提出了一种基于重建驱动的动态细化无监督域适应方法，用于联合视盘和视杯分割	引入了一种新的无监督域适应方法RDR-Net，通过重建对齐、低级特征细化和预测图对齐三个模块来缓解域偏移问题	未提及	解决视盘和视杯分割中的域偏移问题，提高模型的泛化能力	视盘和视杯的分割	计算机视觉	眼科疾病	无监督域适应	RDR-Net	图像	四个公开的眼底图像数据集
11932	2024-12-06	One-Dimensional W-NETR for Non-Invasive Single Channel Fetal ECG Extraction 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3266645 PMID:37043321	研究论文	本文提出了一种使用W-NETR模型从母体腹部ECG信号中非侵入式提取单通道胎儿ECG的新方法	本文创新性地使用了两个并行的U-net模型结合transformer编码，称为W-NETR，利用transformer的自注意力机制增强远程交互和全局上下文捕捉能力	NA	开发一种高效、准确的非侵入式胎儿ECG提取方法，以实现早期胎儿心脏异常检测和安全分娩	从母体腹部ECG信号中提取胎儿ECG信号	生物医学工程	NA	transformer	W-NETR	ECG信号	使用了合成数据集和真实数据集（ADFECGDB和PCDB）进行测试
11933	2024-12-06	SLEEP-SEE-THROUGH: Explainable Deep Learning for Sleep Event Detection and Quantification From Wearable Somnography 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3267087 PMID:37058373	研究论文	本文提出了一种可解释的深度学习方法，用于从可穿戴睡眠监测设备中检测和量化睡眠事件	本文的创新点在于结合了光学、差压和加速度信号，通过深度网络进行多因素夜间监测，并生成定性和定量数据以提高预测的可解释性	本文的局限性在于样本量较小，且睡眠模式预测的准确性相对较低	本文的研究目的是开发一种可解释的深度学习模型，用于早期诊断和评估睡眠障碍	本文的研究对象是可穿戴设备采集的光学、差压和加速度信号，以及由此生成的类睡眠图信号	机器学习	NA	深度学习	深度网络	信号	20名健康受试者
11934	2024-12-06	Deep Learning Segmentation of the Right Ventricle in Cardiac MRI: The M&Ms Challenge 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3267857 PMID:37067963	研究论文	本文介绍了在心脏MRI图像中使用深度学习方法对右心室进行分割的研究，并参与了M&Ms挑战	提出了新的方法来处理右心室的几何和纹理复杂性，特别是在存在病理如扩张型右心室、三尖瓣反流等情况下的分割	需要整合多种心脏疾病、视角、扫描仪和采集协议以提高自动心脏分割算法的可靠性	提高心脏MRI图像中右心室分割的准确性	右心室在心脏MRI图像中的分割	计算机视觉	心血管疾病	深度学习	nnU-Net	图像	360例心脏MRI病例，包括短轴和长轴4腔视图，来自三家西班牙医院，使用九种不同扫描仪
11935	2024-12-06	Benchmarking Polyp Segmentation Methods in Narrow-Band Imaging Colonoscopy Images 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3270724 PMID:37099473	研究论文	本文提出了一个新的窄带成像（NBI）结肠镜图像息肉分割数据集（PS-NBI2K），并对24种基于深度学习的息肉分割方法进行了基准测试和分析	首次在窄带成像（NBI）数据上对多种基于深度学习的息肉分割方法进行基准测试，并提出了一个新的数据集PS-NBI2K	现有方法在处理较小尺寸和较强干扰的息肉时表现不佳，且在有效性和效率之间存在权衡	评估和改进窄带成像（NBI）结肠镜图像中的息肉分割方法	窄带成像（NBI）结肠镜图像中的息肉分割	计算机视觉	NA	深度学习（DL）	NA	图像	2000张窄带成像（NBI）结肠镜图像
11936	2024-12-06	Two-Stage Self-Supervised Cycle-Consistency Transformer Network for Reducing Slice Gap in MR Images 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3271815 PMID:37126622	研究论文	本文提出了一种两阶段自监督循环一致性Transformer网络（TSCTNet），用于减少MR图像中的切片间隙	设计了一种新颖的自监督学习策略，结合了Transformer和CNN结构，以探索局部和全局切片表示	需要进一步验证在更多数据集上的泛化能力	减少MR图像中的切片间隙，重建高分辨率图像	MR图像	计算机视觉	NA	深度学习	Transformer	图像	两个公开的MR图像数据集
11937	2024-12-06	BCR-Net: A deep learning framework to predict breast cancer recurrence from histopathology images 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0283562 PMID:37014891	研究论文	开发了一种深度学习框架BCR-Net，用于从组织病理学图像预测乳腺癌复发风险	提出了BCR-Net框架，通过多实例学习模型自动加权特征，预测乳腺癌复发风险，优于现有的WSI分类模型	未提及	开发一种AI模型，替代昂贵且耗时的基因检测，预测乳腺癌复发风险	乳腺癌患者的组织病理学图像	机器学习	乳腺癌	深度学习	BCR-Net	图像	99名匿名患者的H&E和Ki67乳腺癌切除全切片图像
11938	2024-12-06	Use of artificial intelligence in diagnosis of head and neck precancerous and cancerous lesions: A systematic review 2020-11, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2020.104885 PMID:32674040	综述	本文系统综述了人工智能在头颈部癌前病变和癌症诊断中的应用及其诊断准确性	本文首次系统综述了人工智能在头颈部癌前病变和癌症诊断中的应用，并评估了其诊断准确性	本文发现大多数研究存在高偏倚风险，可能导致准确率被高估，且缺乏对其他头颈部病理的AI诊断证据	评估人工智能在头颈部癌前病变和癌症诊断中的应用及其诊断准确性	头颈部癌前病变和癌症，包括口腔上皮发育不良、口腔黏膜下纤维化、口腔鳞状细胞癌和口咽鳞状细胞癌	数字病理	头颈部癌	人工智能	监督学习方法	图像	11项研究，涉及40-270张全切片图像
11939	2024-12-06	Using unfolding case studies to better prepare the public health nutrition workforce to address the social determinants of health 2019-01, Public health nutrition IF:3.0Q2 DOI:10.1017/S1368980018002811 PMID:30394260	研究论文	本研究测试了展开案例研究方法对公共卫生营养工作队伍在改善营养食品获取方面的支持能力	提出了一种展开案例研究方法，以支持公共卫生营养工作队伍应对社会决定因素	需要进一步研究展开案例研究在课程中的应用如何影响公共卫生营养实践的准备情况	测试展开案例研究方法对公共卫生营养工作队伍的支持能力	公共卫生营养工作队伍和营养与饮食学本科生	NA	NA	NA	NA	NA	38名本科营养与饮食学学生
11940	2024-12-05	Atmospheric scattering model and dark channel prior constraint network for environmental monitoring under hazy conditions 2025-Jun, Journal of environmental sciences (China) DOI:10.1016/j.jes.2024.04.037 PMID:39617546	研究论文	提出了一种基于大气散射模型和暗通道先验约束网络的遥感图像去雾方法，用于改善雾霾天气下环境监测系统的精度	利用暗通道信息注入网络（DCIIN）和传输图网络，结合大气散射模型，实现了高质量的图像去雾效果，并通过分支融合模块优化特征权重，增强了去雾效果	NA	解决雾霾天气条件下遥感图像质量下降，导致环境监测系统精度降低的问题	遥感图像去雾	计算机视觉	NA	大气散射模型	暗通道先验约束网络	图像	合成非均匀雾霾遥感数据集