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
15741	2024-08-07	An efficient Fusion-Purification Network for Cervical pap-smear image classification 2024-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108199 PMID:38728830	研究论文	本文提出了一种高效的融合净化网络，用于宫颈涂片图像分类	本文创新性地引入了宫颈净化瓶颈模块，以增强宫颈细胞特征的判别性并解决融合后的数据冗余和偏差问题	现有方法忽视了全局形态信息的重要性，导致特征表示能力不足	旨在提高宫颈细胞图像分类的效率和准确性	宫颈细胞图像	计算机视觉	宫颈疾病	深度学习	融合净化网络	图像	涉及两个真实世界数据集
15742	2024-08-07	Improved PAA algorithm for breast mass detection in mammograms 2024-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108211 PMID:38744058	研究论文	本文通过改进概率锚点分配（PAA）算法，提高了乳腺X线摄影中乳腺肿块检测的准确性	本文提出了一种改进的PAA算法，通过优化主干网络、特征融合模块和密集检测头，有效提高了乳腺肿块检测的TPR并降低了FPPI	NA	提高乳腺X线摄影中乳腺肿块检测的准确性	乳腺X线摄影中的乳腺肿块	计算机视觉	乳腺癌	深度学习	PAA算法	图像	INbreast数据集
15743	2024-08-07	Point based weakly semi-supervised biomarker detection with cross-scale and label assignment in retinal OCT images 2024-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108229 PMID:38761413	研究论文	本文提出了一种基于点的弱半监督生物标志物检测网络，用于在视网膜OCT图像中进行生物标志物检测，通过点标注减少边界框级别的标注工作，并引入跨尺度特征增强模块和动态标签分配策略提高检测性能	提出了一种新的弱半监督对象检测方法，使用点标注减少边界框级别的标注工作；引入了跨尺度特征增强模块和动态标签分配策略，以处理生物标志物的大尺度变化和外观不明显的问题	NA	旨在克服现有深度学习方法在检测视网膜OCT图像中生物标志物时遇到的挑战，提高检测的准确性和效率	视网膜OCT图像中的生物标志物	计算机视觉	NA	深度学习	CNN	图像	使用了5%、10%和50%的全标注数据集进行实验
15744	2024-08-07	Deep Learning Method for Rapid Simultaneous Multistructure Temporal Bone Segmentation 2024-Jun, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.764 PMID:38769857	研究论文	开发并验证了一种深度学习算法，用于从临床计算机断层扫描（CT）数据集中自动分割关键的颞骨结构	使用先进的深度学习算法（SwinUNETR）进行快速的多结构颞骨分割	NA	提高耳科手术的术前评估和术中指导	颞骨内的多个结构	计算机视觉	NA	深度学习	SwinUNETR	CT扫描图像	325个临床CT扫描数据集，分为训练集260个和测试集65个
15745	2024-08-07	Deep learning based linear energy transfer calculation for proton therapy 2024-May-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4844 PMID:38714191	research paper	本研究旨在通过深度学习模型计算线性能量转移（LET），以解决传统方法在评估相对生物效应（RBE）中的局限性	提出了一种基于深度学习的模型，用于计算剂量加权LET（LET），该模型利用患者解剖和剂量到水（D）数据，实现实时生物剂量评估和LET优化	模型在剂量梯度最大和计数统计最低的场边缘存在最大差异	开发一种高效的深度学习模型，用于精确快速地计算LET，以优化质子治疗计划的RBE	275个4场前列腺质子立体定向体放射治疗计划的1100个场	machine learning	prostate cancer	深度学习	3D Cascaded UNet	CT图像和D数据	275个4场前列腺质子立体定向体放射治疗计划的1100个场，随机分为880个训练场，110个验证场和110个测试场
15746	2024-08-07	Evaluation of an automated clinical decision system with deep learning dose prediction and NTCP model for prostate cancer proton therapy 2024-May-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad48f6 PMID:38718814	研究论文	评估使用深度学习剂量预测方法结合正常组织并发症概率（NTCP）模型，为前列腺癌患者选择最适合的质子治疗的可行性	采用深度学习技术进行剂量预测，能显著减少计划比较所需时间，从约2天缩短至5秒	剂量预测的不确定性对基于NTCP的患者选择决策准确性影响不大	评估深度学习剂量预测方法在前列腺癌质子治疗中的应用效果	前列腺癌患者及其质子治疗方案	机器学习	前列腺癌	深度学习	3D UNet	图像	95名局部前列腺癌患者
15747	2024-08-07	An indirect estimation of x-ray spectrum via convolutional neural network and transmission measurement 2024-May-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad494f PMID:38722545	研究论文	本文提出了一种结合X射线成像物理和卷积神经网络（CNN）的精确且鲁棒的光谱估计方法	该方法通过传输测量和蒙特卡罗模拟生成的模型光谱的卷积求和来估计光谱，并使用实际投影与估计投影之间的差异作为损失函数来训练网络，相较于之前的方法，在准确性和鲁棒性上有所提升	NA	提出一种精确且鲁棒的X射线光谱估计方法	X射线光谱估计	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	80 kVp和100 kVp的测试结果
15748	2024-08-07	Directional TV algorithm for image reconstruction from sparse-view projections in EPR imaging 2024-May-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4a1b PMID:38729205	研究论文	本文提出了一种基于方向总变差（DTV）算法的电子顺磁共振（EPR）成像中的稀疏视图投影图像重建方法	本文创新性地提出了方向总变差（DTV）模型及其Chambolle-Pock求解算法，以提高EPR成像中稀疏重建的准确性	NA	开发一种先进的算法用于3D EPR成像的稀疏重建	EPR成像中的稀疏视图投影图像重建	计算机视觉	NA	电子顺磁共振成像	方向总变差（DTV）模型	图像	模拟的六球体模型和两个装有OX063三苯甲基溶液的实际瓶子模型
15749	2024-08-07	DMGM: deformable-mechanism based cervical cancer staging via MRI multi-sequence 2024-May-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4c50 PMID:38749463	研究论文	本研究利用深度学习方法，特别是可变形卷积层，通过多序列MRI图像对宫颈癌进行分期	提出了一种新的可变形ConvLSTM模块，该模块结合了可变形机制与ConvLSTM，使模型能够适应结构多变的数据	研究中提到了样本量有限的问题，尽管引入了序列增强策略，但仍可能存在数据不足的情况	旨在通过计算机辅助诊断系统改进医生在识别多序列MRI图像时的挑战	宫颈癌的分期	机器学习	宫颈癌	MRI	CNN, LSTM	图像	利用了BraTS 2019的多模态数据作为外部测试数据集
15750	2024-08-07	Enhancement of OCTen faceimages by unsupervised deep learning 2024-May-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4c52 PMID:38749469	研究论文	本文提出了一种基于无监督深度学习的OCT图像质量增强方法	采用无监督学习方法，无需大量配对训练数据，有效改善了OCT图像的散斑噪声和失焦问题	NA	开发一种无监督方法以提高OCT图像的质量	OCT图像的质量增强	计算机视觉	NA	深度学习	无监督学习模型	图像	由自制散斑调制OCT系统收集的未注册失焦常规OCT图像和聚焦无散斑OCT图像构建的数据集
15751	2024-08-07	Uncertainty estimation and evaluation of deformation image registration based convolutional neural networks 2024-May-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4c4f PMID:38749468	研究论文	本文开发并评估了一种能够在几秒钟内进行快速变形图像配准（DIR）并预测其不确定性的模型	引入了基于卷积神经网络的概率多分辨率图像配准模型，用于估计多模态图像配准问题中的多元正态分布密集位移场（DDF），并提出了一种基于Kullback-Leibler散度的新度量标准来评估DDF分布的质量	模型在估计不确定性的可靠性和变形准确性之间存在权衡	开发和评估一种能够快速进行变形图像配准并预测其不确定性的模型	变形图像配准及其不确定性估计	计算机视觉	NA	卷积神经网络	CNN	图像	治疗计划计算机断层扫描（CT）与随访锥束CT的配准
15752	2024-08-07	Prediction of vitreomacular traction syndrome outcomes with deep learning: A pilot study 2024-May-29, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721241258253 PMID:38809664	研究论文	本研究旨在探讨基于光学相干断层扫描（OCT）的深度学习模型在预测玻璃体黄斑牵引综合征（VMT）结果中的潜力	深度学习模型在实际临床环境中用于预测VMT结果，可能通过帮助眼科医生交叉检查管理决策来改善患者结果，并减少不必要的干预或延误	本研究为单中心回顾性审查，样本量较小，需要进一步研究以验证模型的有效性	研究深度学习模型在预测VMT综合征结果中的应用	玻璃体黄斑牵引综合征（VMT）患者	机器学习	NA	光学相干断层扫描（OCT）	深度学习模型	图像	95名患者
15753	2024-08-07	Brain-Inspired Learning, Perception, and Cognition: A Comprehensive Review 2024-May-29, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3401711 PMID:38809737	综述	本文从微观、中观、宏观和超宏观角度全面回顾了受大脑启发的深度学习算法在学习和认知方面的研究	本文提供了从多角度对受大脑启发的学习、感知和认知算法的全面回顾	未提及具体限制	旨在为下一代人工智能提供新的灵感和生物学基础，并改善现有模型的智能	受大脑启发的学习和认知算法	机器学习	NA	NA	深度学习算法	NA	NA
15754	2024-08-07	Spectral Tensor Layers for Communication-Free Distributed Deep Learning 2024-May-29, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3394861 PMID:38809740	研究论文	本文提出了一种新的无通信分布式深度学习的光谱张量层	通过将数据表示为张量形式并使用张量积替代传统神经网络中的矩阵乘法，实现了无通信成本的并行分支网络，并具有更强的泛化能力	NA	探索无通信分布式深度学习的新方法	光谱张量网络及其在不同数据集上的应用效果	机器学习	NA	张量积	神经网络	图像	MNIST, CIFAR-10, ImageNet-1K, 和 ImageNet-21K 数据集
15755	2024-08-07	All-optical complex field imaging using diffractive processors 2024-May-28, Light, science & applications DOI:10.1038/s41377-024-01482-6 PMID:38802376	研究论文	本文介绍了一种使用衍射处理器实现全光复杂场成像的设计	设计了一种无需数字处理即可在基于强度的传感器阵列上同时捕获输入场的振幅和定量相位信息的复杂场成像器	NA	开发一种能够在不使用数字图像重建算法的情况下捕获复杂场振幅和相位信息的技术	复杂场的振幅和相位信息	计算机视觉	NA	衍射处理器	深度学习优化	图像	使用3D打印原型在太赫兹频谱上进行实验验证
15756	2024-08-07	Impact of functional electrical stimulation on nerve-damaged muscles by quantifying fat infiltration using deep learning 2024-05-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62805-6 PMID:38802457	研究论文	本研究通过深度学习量化脂肪浸润，评估长期功能性电刺激（FES）对受损后环杓后肌（PCA）的影响	采用深度神经网络IMFSegNet进行自动化分析，比传统机器学习方法更准确	NA	验证长期FES对PCA的脂肪浸润无显著影响	后环杓后肌（PCA）的肌肉横截面脂肪浸润情况	计算机视觉	NA	深度学习	深度神经网络	图像	超过300张H&E染色的肌肉横截面图像，来自22只羊
15757	2024-08-07	Proximal femur fracture detection on plain radiography via feature pyramid networks 2024-05-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63001-2 PMID:38802519	研究论文	本研究开发了一种基于特征金字塔网络（FPN）的深度学习模型，用于从普通X光片中检测和定位近端股骨骨折	本研究模型在检测近端股骨骨折方面比传统FPN模型和基于DINO网络的先进transformer模型表现出更高的灵敏度和准确性，且处理时间更短	NA	开发和评估一种深度学习模型，用于自动检测和定位近端股骨骨折	近端股骨骨折的检测和定位	计算机视觉	骨折	NA	特征金字塔网络（FPN）	图像	823张髋部X光片，包括150名近端股骨骨折患者和362名对照组
15758	2024-08-07	Hardware-Independent Deep Signal Processing: A Feasibility Study in Echocardiography 2024-May-23, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3404622 PMID:38781056	研究论文	本文提出了一种深度学习模型，用于复制高端超声系统中的精细调谐B模式信号处理链，并探讨了其在不同探头和低端系统中应用的可能性	该研究展示了深度学习模型在不同探头和低端超声系统中复制高端超声信号处理链的能力，并可能为供应商提供一种成本效益高的调优和实施策略	NA	探索深度学习模型在超声信号处理中的应用，以实现信号处理链的便携性和减少推理时间	超声信号处理链的复制和图像质量的提升	机器学习	NA	深度学习	深度神经网络	图像	30,000个心脏图像帧
15759	2024-08-07	SEM Image Processing Assisted by Deep Learning to Quantify Mesoporous γ-Alumina Spatial Heterogeneity and Its Predicted Impact on Mass Transfer 2024-May-23, The journal of physical chemistry. C, Nanomaterials and interfaces DOI:10.1021/acs.jpcc.4c00323 PMID:38807629	研究论文	本研究结合氮吸附和脱附、汞孔隙度测定以及先进的扫描电子显微镜（SEM）成像和处理方法，量化了γ-氧化铝的空间异质性，并探讨了其对质量传递的影响。	利用深度学习语义分割和灰度校准下的孔隙度测量等先进SEM图像分析技术，量化了包含体体积分数和界面孔隙度差异，并基于有效介质理论（EMT）模型预测了有效扭曲因子。	研究发现，对于所研究的氧化铝，空间孔隙异质性对有效扭曲因子的影响可以忽略不计，除非包含体含量至少为30%且界面孔隙度差异超过20%。	旨在通过量化γ-氧化铝的空间异质性，指导设计具有更高活性和选择性以及更好抗失活能力的异质催化剂。	研究对象为γ-氧化铝，一种具有重要工业意义的催化剂载体。	数字病理学	NA	扫描电子显微镜（SEM）	深度学习	图像	未明确提及具体样本数量
15760	2024-08-07	Self-supervised deep representation learning of a foundation transformer model enabling efficient ECG-based assessment of cardiac and coronary function with limited labels 2024-May-21, medRxiv : the preprint server for health sciences DOI:10.1101/2023.10.25.23297552 PMID:37961713	研究论文	本文开发并预训练了一个自监督的基础视觉变换器模型，用于从大量未标记的ECG波形中学习表示，并针对临床任务进行微调，以评估心脏和冠状功能	使用自监督学习预训练的视觉变换器模型，提高了在有限标签数据下对心脏和冠状功能的评估准确性	需要进一步验证模型在更广泛临床环境中的适用性和泛化能力	探索使用自监督学习方法从ECG数据中识别心脏和冠状功能异常	心脏和冠状功能异常的识别	机器学习	心血管疾病	自监督学习	视觉变换器	ECG波形数据	800,035个未标记ECG波形，4167个标记ECG波形，1031个PET MPI患者，6635个SPECT MPI患者