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
15681	2024-08-07	Anatomy-guided deep learning for object localization in medical images 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2612566 PMID:36860592	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15682	2024-08-07	Predicting post-contrast information from contrast agent free cardiac MRI using machine learning: Challenges and methods 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.894503 PMID:36051279	研究论文	本研究旨在通过分析对比剂前后的心脏磁共振成像（CMR）图像，利用对比剂前的信息预测对比剂后的信息，并提出相应的方法和挑战。	本研究首次尝试使用深度学习（DL）、支持向量机（SVM）和决策树（DT）方法，从无对比剂的心脏磁共振成像中预测对比剂后的信息。	初步结果显示性能一般，这一研究领域仍存在许多未解决的问题。	研究目的是通过对比剂前的心脏磁共振成像预测对比剂后的信息。	研究对象包括272例回顾性选择的心脏磁共振成像研究，其中108例为心肌梗死（MI），164例为健康对照。	机器学习	心血管疾病	深度学习	UNet和ResNet50	图像	272例心脏磁共振成像研究，包括108例心肌梗死和164例健康对照，共使用722对电影短轴（SAX）图像和分割掩模进行实验。
15683	2024-08-07	Single subject prediction of brain disorders in neuroimaging: Promises and pitfalls 2017-01-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2016.02.079 PMID:27012503	综述	本文综述了基于神经影像的单个受试者脑部疾病预测的研究进展，并讨论了其中的挑战和未来趋势	本文提供了迄今为止最全面的基于神经影像的单个受试者脑部疾病预测的综述，并讨论了新兴趋势如去中心化数据共享、多模态脑成像、差异诊断、疾病亚型分类和深度学习	主要瓶颈是样本量有限，这可以通过现代数据共享模型来解决	综述基于神经影像的单个受试者脑部疾病预测的研究进展，并讨论其挑战和未来趋势	研究对象包括精神分裂症、轻度认知障碍、阿尔茨海默病、抑郁症、自闭症谱系障碍和注意力缺陷多动障碍	机器学习	神经退行性疾病	MRI	深度学习	影像	超过500项研究涉及单个受试者预测，具体样本量在各研究中有所不同
15684	2024-08-07	Random synaptic feedback weights support error backpropagation for deep learning 2016-11-08, Nature communications IF:14.7Q1 DOI:10.1038/ncomms13276 PMID:27824044	研究论文	本文探讨了大脑中多层神经元结构中错误传播的机制，并提出了一种基于随机突触反馈权重的新机制，该机制在多种任务中与反向传播算法同样有效	提出了一种基于随机突触反馈权重的错误传播机制，打破了传统反向传播算法需要精确对称连接模式的假设	NA	探讨大脑如何利用错误信号进行学习，并挑战传统学习算法的约束	大脑中多层神经元结构的错误传播机制	机器学习	NA	NA	NA	NA	NA
15685	2024-08-07	Enhancing plant-based cheese formulation through molecular docking and dynamic simulation of tocopherol and retinol complexes with zein, soy and almond proteins via SVM-machine learning integration 2024-Sep-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.139520 PMID:38723573	研究论文	本研究通过分子对接和动态模拟结合机器学习算法，优化植物基奶酪中蛋白质与配体的相互作用，以提高其质地、营养价值和风味特性	本研究首次将分子对接和动态模拟与机器学习算法结合，用于优化植物基奶酪的配方	NA	通过分子对接和动态模拟优化植物基奶酪的配方，以满足可持续发展的需求	主要研究了zein、大豆和杏仁蛋白与生育酚和视黄醇的相互作用	机器学习	NA	分子对接、动态模拟	SVM	蛋白质-配体相互作用数据	NA
15686	2024-08-07	Automatic ARDS surveillance with chest X-ray recognition using convolutional neural networks 2024-Aug, Journal of critical care IF:3.2Q2 DOI:10.1016/j.jcrc.2024.154794 PMID:38552452	研究论文	本研究旨在设计、验证并评估一种深度学习模型，该模型能够通过胸部X光识别区分肺炎、急性呼吸窘迫综合征（ARDS）和正常肺部	开发了一种基于胸部X光模式识别的深度学习模型，能够快速区分ARDS患者与正常肺部患者	未来研究应在临床环境中前瞻性地评估这些工具	设计并验证一种能够通过胸部X光识别区分肺炎、ARDS和正常肺部的深度学习模型	胸部X光图像	计算机视觉	急性呼吸窘迫综合征	卷积神经网络（CNN）	CNN	图像	15,899名成年患者
15687	2024-08-07	Federated learning with knowledge distillation for multi-organ segmentation with partially labeled datasets 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103156 PMID:38603844	研究论文	本文提出了一种结合知识蒸馏的联邦学习方法，用于在部分标记的多器官CT数据集上进行分割	使用知识蒸馏来规范本地训练，结合全局模型和预训练的特定器官分割模型，以解决联邦学习中的'灾难性遗忘'问题	NA	提高多器官CT分割的准确性和效率	多器官CT图像分割	计算机视觉	NA	联邦学习	U-Net	图像	8个公开的腹部CT数据集，共889个CT用于训练，233个用于内部测试，30个用于外部测试
15688	2024-08-07	Anat-SFSeg: Anatomically-guided superficial fiber segmentation with point-cloud deep learning 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103165 PMID:38608510	研究论文	提出了一种基于解剖引导的浅层纤维分割框架Anat-SFSeg，通过使用独特的纤维解剖描述符FiberAnatMap和基于点云数据的深度学习网络，提高了浅层白质分割的准确性	引入了新的度量标准纤维解剖区域比例（FARP）和解剖区域纤维计数（ARFC），用于评估纤维在定义脑区的比例和个体间的差异	NA	提高浅层白质分割的准确性，并探索其在神经退行性疾病中的应用	浅层白质纤维的精确分割	数字病理学	神经退行性疾病	扩散磁共振成像（dMRI）	神经网络	点云数据	使用了人类连接组项目（HCP）数据集，并在不同认知障碍水平的受试者中进行了测试
15689	2024-08-07	Population-based deep image prior for dynamic PET denoising: A data-driven approach to improve parametric quantification 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103180 PMID:38657423	研究论文	本研究提出了一种基于人群的深度图像先验（PDIP）技术，用于提高动态正电子发射断层扫描（PET）图像的质量和参数量化准确性	PDIP技术结合了人群基础的先验信息和深度图像先验（DIP）的优化过程，通过3D U-Net架构实现噪声减少，同时保留了小病变信息	研究中使用的监督模型和CDIP模型在减少噪声的同时可能导致小病变的平滑和移除	提高动态PET图像的质量和参数量化准确性	动态PET图像的噪声减少	计算机视觉	NA	深度学习	3D U-Net	图像	23名患者的动态PET图像和100项临床研究的静态PET数据集
15690	2024-08-07	A subject-specific unsupervised deep learning method for quantitative susceptibility mapping using implicit neural representation 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103173 PMID:38657424	研究论文	本研究提出了一种基于隐式神经表示的无监督且针对特定对象的深度学习方法，用于定量磁化率成像重建，称为INR-QSM	本研究首次提出了基于隐式神经表示的INR-QSM方法，并引入了一种新的相位补偿策略，以考虑组织相位的非局部效应，使物理模型更准确	目前研究主要集中在定量磁化率成像的重建方法上，尚未涉及其在临床应用中的广泛验证	开发一种无需大量配对训练数据且能有效处理定量磁化率成像中逆问题的深度学习方法	定量磁化率成像的重建方法	机器学习	NA	MRI	全连接神经网络	图像	未具体说明
15691	2024-08-07	One-shot neuroanatomy segmentation through online data augmentation and confidence aware pseudo label 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103182 PMID:38688039	研究论文	本文提出了一种端到端的统一网络，用于一次性神经解剖学分割，结合了变形建模和分割任务，通过在线数据增强和置信度感知伪标签提高性能	引入在线数据增强和置信度感知伪标签，以提高从少量标注图像中学习的效果	NA	实现从单一标注图像和少量未标注图像中学习神经解剖学分割	大脑图像的分割	计算机视觉	NA	深度学习	CNN	图像	使用一个标注图像和少量未标注图像进行训练
15692	2024-08-07	Standardization of ultrasound images across various centers: M2O-DiffGAN bridging the gaps among unpaired multi-domain ultrasound images 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103187 PMID:38705056	研究论文	本文介绍了一种名为M2O-DiffGAN的高效域变换模型，用于将多个未标记的源域统一映射到目标域，以解决超声图像分析中的域偏移问题	引入了循环一致的“多对一”对抗学习架构和条件对抗扩散过程，生成高保真度的图像，并结合超声特定的内容损失以合成高质量的超声图像	NA	解决超声图像分析中的域偏移问题，提高深度学习方法的泛化能力	多源域变换技术在超声图像分析中的应用	计算机视觉	NA	深度学习	GAN	图像	六个临床数据集，涵盖甲状腺、颈动脉和乳腺
15693	2024-08-07	Achieve fairness without demographics for dermatological disease diagnosis 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103188 PMID:38718715	研究论文	本文提出了一种在测试阶段实现敏感属性公平预测的方法，无需在训练阶段使用敏感信息	通过捕捉与敏感和目标属性相关的特征并规范相应类别间的特征纠缠，提高了模型的公平性和准确性	NA	旨在解决皮肤病诊断中AI模型的公平性问题	皮肤病图像诊断中的公平性	计算机视觉	NA	NA	深度学习模型	图像	两个皮肤病数据集
15694	2024-08-07	A systematic comparison of deep learning methods for Gleason grading and scoring 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103191 PMID:38728903	研究论文	本文对九个数据集上的深度学习方法进行了系统比较，以评估其在Gleason分级和评分任务中的表现	本文首次系统比较了多种深度学习方法在Gleason分级和评分任务中的应用，包括全监督学习、弱监督学习、半监督学习等多种训练方法	文章未明确提及具体的局限性	旨在确定最适合Gleason分级和评分任务的深度学习方法	Gleason分级和评分任务	数字病理学	前列腺癌	深度神经网络	CNN, Additive-MIL, Attention-Based MIL, Dual-Stream MIL, TransMIL, CLAM	图像	九个数据集，来源包括病理研究所和公开可访问的存储库
15695	2024-08-07	Deep magnetic resonance fingerprinting based on Local and Global Vision Transformer 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103198 PMID:38759259	研究论文	本文提出了一种基于局部和全局视觉变换器（LG-ViT）的深度磁共振指纹识别方法，以提高参数重建的速度和准确性	本文创新性地采用了局部和全局视觉变换器（LG-ViT）来捕捉磁共振指纹中的上下文信息和长距离依赖关系，从而提高重建效率和准确性	现有的基于卷积神经网络的方法主要关注局部信息，未能充分利用磁共振指纹中的长距离冗余和上下文信息	旨在克服磁共振指纹识别中计算效率和匹配准确性的挑战	磁共振指纹识别中的参数重建	计算机视觉	NA	磁共振指纹识别（MRF）	视觉变换器（ViT）	图像	模拟数据和体内数据
15696	2024-08-07	Anonymizing medical case-based explanations through disentanglement 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103209 PMID:38781754	研究论文	本文提出了一种新的方法，通过解耦图像的身份和医学特征来匿名化医学图像，并应用该方法生成保护隐私的合成身份	提出了一种解耦机制，能够分离并替换图像中的特征向量，同时保留其余特征，以及一种生成合成隐私保护身份的模型	NA	解决医学图像在案例解释中因隐私问题无法共享的问题	医学图像的身份和医学特征	计算机视觉	NA	解耦机制	NA	图像	应用在医学和生物识别数据集上
15697	2024-08-07	Labelling with dynamics: A data-efficient learning paradigm for medical image segmentation 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103196 PMID:38781755	研究论文	本文提出了一种数据高效的医学图像分割学习框架，通过引入领域知识形式的强先验到深度学习框架中，解决了深度神经网络需要大量标注数据和缺乏可解释性的问题	提出了一种数据高效的医学图像分割框架，该框架利用定制的动力系统表达的先验知识，提高了数据效率并实现了旋转不变性和对初始化的不敏感性	NA	旨在提高医学图像分割任务的数据效率和模型可解释性	医学图像分割任务	计算机视觉	NA	深度学习	深度神经网络	图像	使用了两个不同的数据集，JSRT和ISIC2016，分别用于胸部X射线图像的心肺分割和皮肤镜图像的皮肤病变分割
15698	2024-08-07	Conceptualizing future groundwater models through a ternary framework of multisource data, human expertise, and machine intelligence 2024-Jun-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.121679 PMID:38696982	研究论文	本文开发了一种三元框架，结合多源数据、人类专业知识和机器智能，以提高地下水模型的可持续性和预测能力	提出了一种结合多源数据、人类专业知识和机器智能的三元框架，以克服传统地下水模型中的挑战	现有机器驱动方法在可解释性和泛化能力方面存在局限	概念化可持续水管理实践，增强对地下水系统的理解和预测能力	地下水模型	NA	NA	机器智能，特别是深度学习	NA	多源数据	NA
15699	2024-08-07	A comprehensive assessment of machine learning algorithms for enhanced characterization and prediction in orodispersible film development 2024-Jun-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2024.124188 PMID:38705248	研究论文	本文探讨了机器学习算法在口腔分散膜开发中的应用，以提高其特性和预测能力	本研究展示了机器学习模型在预测口腔分散膜机械特性方面的高准确性，并揭示了配方变量间的复杂交互作用	本研究为初步研究，可能需要进一步的实验验证和模型优化	探索机器学习方法在口腔分散膜特性分析中的应用，以指导药物开发	口腔分散膜及其机械特性	机器学习	NA	机器学习算法	支持向量机、随机森林、深度学习	实验数据	大量实验数据
15700	2024-08-07	Advances in Clinical Care with Contemporary Cardiac SPECT 2024-Jun, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2024.02.024 PMID:38553298	综述	本文综述了当代心脏单光子发射计算机断层扫描（SPECT）在临床应用中的最新进展	介绍了数字SPECT技术、超低剂量成像、深度学习算法在冠状动脉造影和SPECT CT中的应用，以及无源发射衰减校正等新技术	NA	探讨心脏SPECT成像技术的临床应用和效果	心脏SPECT成像技术及其在多种心脏疾病诊断和治疗中的应用	数字病理学	心血管疾病	SPECT成像	深度学习算法	图像	NA