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
12241	2024-12-06	Contrastive Learning vs. Self-Learning vs. Deformable Data Augmentation in Semantic Segmentation of Medical Images 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01159-x PMID:38858260	研究论文	本文研究了对比学习、自学习和可变形数据增强技术在医学图像语义分割中的影响	提出了可变形数据增强技术，并与对比学习和自学习框架进行了比较	未提及	探讨对比学习和自学习对基于深度学习的语义分割性能的影响	脑肿瘤、海马体和肾脏的分割	计算机视觉	NA	对比学习、自学习、可变形数据增强	NA	图像	使用了三个数据集：BraTS、Decathlon（用于脑肿瘤和海马体分割）和Decathlon（用于肾脏分割）
12242	2024-12-06	Histological Subtype Classification of Non-Small Cell Lung Cancer with Radiomics and 3D Convolutional Neural Networks 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01152-4 PMID:38861072	研究论文	本文探讨了利用放射组学和三维卷积神经网络自动非侵入性地识别非小细胞肺癌亚型的方法	首次将不同学习方法和来自不同来源的特征集成用于肺癌组织学亚型分类	实验数据集为混合数据集，未来需在更大规模和多样化的数据集上验证模型性能	提高非小细胞肺癌亚型诊断的准确性和患者预后	非小细胞肺癌的组织学亚型	计算机视觉	肺癌	放射组学	三维卷积神经网络	图像	混合数据集，包括非小细胞肺癌放射组学和放射基因组学数据
12243	2024-12-06	Enhancing Skin Cancer Diagnosis Using Swin Transformer with Hybrid Shifted Window-Based Multi-head Self-attention and SwiGLU-Based MLP 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01140-8 PMID:38839675	研究论文	本文通过改进Swin Transformer架构，提出了一种用于皮肤癌诊断的新方法	引入了混合移位窗口多头自注意力机制（HSW-MSA）和基于SwiGLU的多层感知器（MLP），提高了模型的处理效率和诊断准确性	NA	提高皮肤癌诊断的准确性和效率	皮肤癌图像	计算机视觉	皮肤癌	深度学习	Swin Transformer	图像	使用了包含八个类别的ISIC 2019皮肤数据集
12244	2024-12-06	Deep Learning Models of Multi-Scale Lesion Perception Attention Networks for Diagnosis and Staging of Pneumoconiosis: A Comparative Study with Radiologists 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01125-7 PMID:38839674	研究论文	本文提出了一种名为多尺度病变感知注意力网络（MLANet）的深度学习模型，用于尘肺病的诊断、分期和早期筛查	提出了多尺度病变感知注意力网络（MLANet）模型，显著提高了尘肺病诊断的一致性和效率	NA	开发一种能够准确诊断和分期尘肺病的深度学习模型，并进行临床应用	尘肺病的诊断和分期	计算机视觉	尘肺病	深度学习	多尺度病变感知注意力网络（MLANet）	图像	来自两个中心的DR图像
12245	2024-12-06	Cross-Modality Reference and Feature Mutual-Projection for 3D Brain MRI Image Super-Resolution 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01139-1 PMID:38829472	研究论文	提出了一种跨模态参考和特征互投影（CRFM）方法，用于增强3D脑部MRI图像的空间分辨率	引入了跨模态参考和特征互投影方法，通过引入参考模态的高分辨率MRI图像梯度来转换清晰纹理，并设计了插件式特征互投影方法来捕捉跨尺度和跨模态的相似性细节	未明确提及	提高3D脑部MRI图像的空间分辨率，以辅助临床诊断	3D脑部MRI图像	计算机视觉	NA	MRI	NA	图像	未明确提及
12246	2024-12-06	Classification of Caries Based on CBCT: A Deep Learning Network Interpretability Study 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01143-5 PMID:38806951	研究论文	本研究旨在基于锥形束计算机断层扫描（CBCT）创建龋齿分类方案，并开发两种深度学习模型以提高龋齿分类的准确性	本研究引入了基于CBCT的龋齿分类方案，并开发了两种深度学习模型，其中一种模型通过预分割步骤提高了可解释性	本研究仅使用了204颗龋齿的CBCT图像，样本量相对较小	开发基于CBCT的龋齿分类方案和深度学习模型，以提高龋齿分类的准确性和可解释性	龋齿的分类和治疗策略	计算机视觉	NA	深度学习	ResNet50_vd_ssld, MobileNetV3_large_ssld	图像	204颗龋齿的CBCT图像，共2713张轴向切片
12247	2024-12-06	Harbor seal whiskers optimization algorithm with deep learning-based medical imaging analysis for gastrointestinal cancer detection 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00294-7 PMID:38764569	研究论文	本文提出了一种基于海豹胡须优化算法和深度学习的医学影像分析技术，用于胃肠道癌症检测	本文创新性地结合了海豹胡须优化算法和深度学习模型Xception，用于特征提取，并采用极端梯度提升模型进行癌症识别	本文未详细讨论该方法在不同数据集上的泛化能力和实际临床应用中的效果	开发一种新的算法用于胃肠道癌症的早期检测和诊断	胃肠道癌症的医学影像数据	计算机视觉	胃肠道癌症	深度学习	卷积神经网络（CNN）	图像	使用了Kvasir数据库中的数据
12248	2024-12-06	AI-Assisted Detection of Interproximal, Occlusal, and Secondary Caries on Bite-Wing Radiographs: A Single-Shot Deep Learning Approach 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01113-x PMID:38743125	研究论文	本研究利用人工智能（AI）和YOLOv8算法，开发了一种自动检测咬翼片放射图像中邻面、咬合面和继发性龋齿的系统	首次采用YOLOv8算法进行牙科龋齿的自动检测和定位，显著提高了检测的精度和敏感性	研究样本仅来自单一牙科学院数据库，可能存在样本偏差	开发一种基于AI的自动化系统，用于在咬翼片放射图像中检测和定位不同类型的龋齿	邻面（D1, D2, D3）、咬合面和继发性龋齿	计算机视觉	口腔疾病	YOLOv8算法	YOLOv8	图像	860张咬翼片放射图像
12249	2024-12-06	Artificial Intelligence and Ophthalmic Clinical Registries 2024-Dec, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.07.039 PMID:39111520	综述	本文综述了人工智能在眼科临床登记数据中的应用现状	探讨了临床登记数据作为训练人工智能模型的新来源	深度学习算法应用有限，验证方法和性能评估标准不统一	提供人工智能在眼科临床登记数据应用的概述	眼科临床登记数据	机器学习	NA	机器学习	决策树分类器、逻辑回归	表格临床数据	23篇主要研究文章，涉及14个登记数据集，常见疾病包括青光眼和新生血管性年龄相关性黄斑变性
12250	2024-12-06	New developments in the application of artificial intelligence to laryngology 2024-Dec-01, Current opinion in otolaryngology & head and neck surgery IF:1.9Q2 DOI:10.1097/MOO.0000000000000999 PMID:39146248	综述	总结人工智能技术在喉科学中的应用现状，强调最新进展和当前实施障碍	展示了人工智能在喉科学临床护理中的新应用，如疾病筛查的声学生物标志物、视频喉镜病变识别的深度学习分析以及视频荧光镜检查中吸吮检测的自动分割	现有研究大多缺乏大规模和多样化的数据集、外部验证以及产生可推广结果所需的一致基准参考，医生和患者对人工智能的信任度需要提高	总结人工智能技术在喉科学中的应用，强调最新进展和当前实施障碍	人工智能技术在喉科学中的应用	NA	NA	深度学习	NA	视频	NA
12251	2024-12-06	Analyzing and identifying predictable time range for stress prediction based on chaos theory and deep learning 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00280-z PMID:39185396	研究论文	本文提出了一种基于混沌理论和深度学习的压力预测方法	结合了深度学习和混沌理论来解决压力预测问题	NA	预测压力以帮助人们提前采取有效措施管理压力	人类心理状态中的压力	机器学习	NA	深度学习	两层注意力机制	时间序列	使用了公开的Tesserae数据集
12252	2024-12-06	Cardiac murmur grading and risk analysis of cardiac diseases based on adaptable heterogeneous-modality multi-task learning 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-023-00249-4 PMID:38045019	研究论文	本文提出了一种基于适应性异质多模态多任务学习的心脏杂音分级和心脏疾病风险分析方法	本文创新性地提出了分层多任务学习方法（HMT）和异质多模态特征影响适应方法（HMA），解决了现有研究中多任务干扰、异质模态平衡困难和模型缺乏解释性的问题	本文未详细讨论模型在不同数据集上的泛化能力	开发一种可靠的人工智能辅助诊断算法，用于心脏杂音分级和心脏疾病风险分析	心脏杂音分级和心脏疾病风险分析	机器学习	心血管疾病	多任务学习	分层多任务学习（HMT）	心脏声音数据	大型真实世界CirCor DigiScope PCG数据集
12253	2024-12-06	Predicting Portal Pressure Gradient in Patients with Decompensated Cirrhosis: A Non-invasive Deep Learning Model 2024-Dec, Digestive diseases and sciences IF:2.5Q2 DOI:10.1007/s10620-024-08701-5 PMID:39466491	研究论文	开发并验证了一种用于预测失代偿性肝硬化患者门脉压力梯度的非侵入性深度学习模型	提出了一个包含国际标准化比率、门静脉直径和白细胞计数的三个参数模型，该模型在预测门脉压力梯度方面达到了87.5%的准确率	研究是回顾性的，且样本量相对较小	开发和验证一种能够预测失代偿性肝硬化患者门脉压力梯度的深度学习模型	失代偿性肝硬化患者	机器学习	肝硬化	深度学习	人工神经网络	实验室和影像参数	520名失代偿性肝硬化患者
12254	2024-12-06	Clinical evaluation of accelerated diffusion-weighted imaging of rectal cancer using a denoising neural network 2024-Dec, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111802 PMID:39467396	研究论文	评估深度学习去噪方法在加速扩散加权成像（DWI）中的效果，以提高直肠癌术后MRI的诊断准确性和图像质量	使用卷积神经网络对加速DWI采集进行去噪，以减少扫描时间并提高图像质量	这是一项回顾性单中心研究，样本量有限	评估深度学习去噪方法在加速DWI中的效果	局部晚期直肠癌患者在总新辅助治疗（TNT）后进行直肠MRI的图像	计算机视觉	直肠癌	扩散加权成像（DWI）	卷积神经网络（CNN）	图像	46名患者（中位年龄60岁，37名男性和9名女性）
12255	2024-12-06	WISE: Efficient WSI selection for active learning in histopathology 2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102455 PMID:39481146	研究论文	本文介绍了一种名为WISE的WSI级别主动学习方法，用于在病理学中高效选择WSI以提升深度学习模型的性能	提出了一个新的WSI级别类距离度量，用于选择多样且不确定的WSI，从而显著减少达到目标性能所需的WSI数量	NA	提升深度神经网络模型在医学图像分析中的性能	全切片图像（WSI）	数字病理学	NA	主动学习（AL）	深度神经网络（DNN）	图像	涉及Colon、Stomach和DigestPath数据集
12256	2024-12-06	Active learning based on multi-enhanced views for classification of multiple patterns in lung ultrasound images 2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102454 PMID:39488093	研究论文	本文提出了一种基于多增强视图的主动学习方法，用于肺超声图像中多种模式的分类	引入了特征增强模块，通过垂直线性拟合和k-means聚类来突出不同模式之间的特征差异，并采用基于置信集和误分类集的主动学习策略来处理模式共存问题	未提及具体限制	提高肺超声图像中多种模式分类的准确性，以辅助肺部疾病的筛查	肺超声图像中的A线、B线、实变和胸腔积液等主要模式	计算机视觉	肺部疾病	主动学习	NA	图像	5075张肺超声图像，其中约4%显示多种模式
12257	2024-12-06	AFSegNet: few-shot 3D ankle-foot bone segmentation via hierarchical feature distillation and multi-scale attention and fusion 2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102456 PMID:39509923	研究论文	本文提出了一种名为AFSegNet的少样本3D踝足骨分割框架，通过分层特征蒸馏和多尺度注意力与融合技术，解决了临床CT扫描中踝足骨分割的挑战	提出了AFSegNet框架，结合了3D深度学习和多尺度注意力与特征融合模块，显著提高了踝足骨分割的准确性	仅在123个内部CT扫描数据集上进行了验证，需要进一步在更大规模和多样化的数据集上进行验证	开发一种高效的深度学习框架，用于从临床CT扫描中准确分割踝足骨	踝足骨的3D分割	计算机视觉	NA	3D深度学习	CNN	CT扫描图像	123个内部CT扫描数据
12258	2024-12-06	Robust brain MRI image classification with SIBOW-SVM 2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102451 PMID:39515189	研究论文	提出了一种名为SIBOW-SVM的新方法，用于脑部MRI图像的分类，结合了Bag-of-Features模型、SIFT特征提取和加权支持向量机，以提高分类准确性和不确定性量化	SIBOW-SVM方法结合了Bag-of-Features模型和SIFT特征提取，能够有效提取隐藏图像特征，提供高置信度的分类决策	未提及具体局限性	开发一种新的脑肿瘤图像分类方法，以提高分类准确性、计算效率和数据鲁棒性	脑部MRI图像中的脑肿瘤类型分类	计算机视觉	脑肿瘤	MRI	SIBOW-SVM	图像	包含四类（胶质瘤、脑膜瘤、垂体瘤和正常）的公开脑肿瘤MRI图像数据集
12259	2024-12-06	DPD (DePression Detection) Net: a deep neural network for multimodal depression detection 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00311-9 PMID:39544256	研究论文	提出了一种名为DPD Net的深度神经网络模型，用于多模态抑郁症检测	设计了一种新的图神经网络增强的Transformer模型，结合了文本、音频和视觉特征，并能在临床和社交媒体两种应用场景下工作	NA	开发自动抑郁症检测的深度学习模型，辅助抑郁症的诊断	抑郁症的自动检测	机器学习	精神疾病	图神经网络，Transformer	深度神经网络	文本，音频，视觉，脑电图信号	涉及四个基准数据集（E-DAIC，Twitter抑郁症数据集，MODMA数据集和D-vlog数据集）
12260	2024-12-06	Validation of SynthSeg segmentation performance on CT using paired MRI from radiotherapy patients 2024-Dec-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120922 PMID:39557139	研究论文	本研究验证了SynthSeg在CT图像上的脑部分割性能，使用来自放疗患者的配对MRI数据	首次验证了SynthSeg在CT图像上的脑部分割性能，并展示了其在不同中心数据集上的鲁棒性	CT图像上的分割精度低于MRI，仅适用于对精度要求不高的应用	验证SynthSeg在CT图像上的自动脑部分割性能	放疗患者的CT和MRI图像	计算机视觉	NA	深度学习	SynthSeg	图像	260对CT和MRI图像