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
18921	2024-09-01	Real time detection and identification of fish quality using low-power multimodal artificial olfaction system 2024-Nov-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126601 PMID:39079435	研究论文	研究通过优化气体传感材料和分析模式识别算法，开发了一种低功耗的多模态人工嗅觉系统，用于实时检测和识别鱼类品质	本研究通过引入不同的调制技术，开发了四种基于双金属氧化物的气体传感器，并结合深度学习模型提高了气体浓度识别的性能	NA	解决气体检测领域中单气体定量和混合气体识别的主要挑战	气体传感材料和模式识别算法	机器学习	NA	NA	CNN-LSTM	气体信号	四种基于双金属氧化物的气体传感器
18922	2024-09-01	Multilevel hybrid handcrafted feature extraction based depression recognition method using speech 2024-Nov-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.08.002 PMID:39127304	研究论文	本文介绍了一种基于多层次混合手工特征提取的抑郁症识别方法，通过分析语音音频信号来检测抑郁症。	该研究引入了一种创新的多层次混合特征提取分类模型，专门设计用于抑郁症检测，具有降低的时间复杂性。	NA	研究目的是通过机器学习模型自动检测抑郁症。	研究对象是语音音频信号。	机器学习	抑郁症	多层次离散小波变换（MDWT）	一维最近邻分类器	音频信号	使用了包含29个健康和23个重度抑郁症患者的音频信号的MODMA数据集。
18923	2024-09-01	Analyzing variation of water inflow to inland lakes under climate change: Integrating deep learning and time series data mining 2024-Oct-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.119478 PMID:38917931	研究论文	本研究开发了一种新的FactorConvSTLnet（FCS）方法，通过整合STL分解、卷积神经网络（CNN）和因子分析，用于预测内陆湖泊的水流入趋势并揭示主要影响因素	FCS方法通过将趋势信息作为建模预测因子分离出来，提高了长期水流入趋势预测的鲁棒性，并能揭示主要驱动因素	NA	预测气候变化背景下内陆湖泊的水流入趋势并揭示主要影响因素	中亚的咸海和巴尔喀什湖	机器学习	NA	卷积神经网络（CNN）	FactorConvSTLnet（FCS）	时间序列数据	两个典型内陆湖泊（咸海和巴尔喀什湖）
18924	2024-09-01	Noninvasive and fast method of calculation for instantaneous wave-free ratio based on haemodynamics and deep learning 2024-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108355 PMID:39067137	研究论文	本文介绍了一种基于血流动力学和深度学习的非侵入式快速计算瞬时波自由比（iFR）的方法。	本研究通过结合冠状动脉微循环阻力补偿机制，建立了一个高保真的静息状态微循环阻力模型，以实现对iFRCT的准确计算。	目前的方法未能准确模拟冠状动脉的静息状态，导致计算精度较低，且使用计算流体动力学（CFD）技术限制了计算效率。	开发一种非侵入式且快速的计算方法，用于准确诊断心肌缺血。	冠状动脉疾病患者的205个狭窄血管，来自186名患者。	机器学习	心血管疾病	计算流体动力学（CFD）	神经网络模型	图像	205个狭窄血管，来自186名冠状动脉疾病患者
18925	2024-09-01	Generating synthetic computed tomography for radiotherapy: SynthRAD2023 challenge report 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103276 PMID:39068830	研究论文	本文介绍了SynthRAD2023挑战赛，旨在比较使用多中心真实数据生成合成CT（sCT）的方法，以促进MRI和CBCT在放射治疗中的应用	挑战赛展示了深度学习生成高质量sCT的能力，减少了对传统CT的依赖	图像相似性指标与剂量准确性之间没有显著相关性，强调了剂量评估在评估sCT临床应用中的重要性	比较和评估合成CT生成技术，以推动MRI和CBCT在放射治疗中的应用	合成CT生成技术在放射治疗中的应用	计算机视觉	NA	深度学习	NA	图像	1080名患者的多中心数据
18926	2024-09-01	DMSPS: Dynamically mixed soft pseudo-label supervision for scribble-supervised medical image segmentation 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103274 PMID:39043109	研究论文	本文提出了一种基于涂鸦监督的医学图像分割框架DMSPS，通过动态混合软伪标签监督提高分割性能	引入辅助解码器形成双分支网络，使用动态混合的软伪标签作为辅助监督，采用两阶段方法扩展稀疏涂鸦以增加标注像素	未提及	降低医学图像分割中大规模像素级密集标注的成本，同时保持较好的分割性能	医学图像分割	计算机视觉	NA	NA	双分支网络	图像	在ACDC、WORD和BraTS2020数据集上进行了实验
18927	2024-09-01	Multi-grained contrastive representation learning for label-efficient lesion segmentation and onset time classification of acute ischemic stroke 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103250 PMID:39096842	研究论文	本文提出了一种多粒度对比表示学习框架，用于提高急性缺血性卒中患者的病灶分割和发病时间分类的标签效率	利用未配对的无标签数据进行多粒度对比学习，以增强模型对病灶位置和语义关系的感知能力，并设计了多任务框架和多模态区域相关特征融合模块	需要进一步验证该框架在不同数据集和临床环境中的泛化能力	提高急性缺血性卒中患者的病灶分割和发病时间分类的准确性，支持组织型纤溶酶原激活剂（tPA）溶栓决策	急性缺血性卒中患者的磁共振成像数据	数字病理学	卒中	磁共振成像（MRI）	多粒度对比学习（MGCL）	图像	大规模多中心MRI数据集
18928	2024-09-01	MoCab: A framework for the deployment of machine learning models across health information systems 2024-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108336 PMID:39079482	研究论文	本文提出了一种名为Model Cabinet Architecture (MoCab)的框架，用于在不同的健康信息系统中部署机器学习模型，通过利用快速医疗互操作性资源(FHIR)作为数据存储和检索的标准，解决互操作性和电子健康记录(EHR)格式多样性的问题。	MoCab框架通过集成FHIR标准和使用SMART on FHIR开发应用程序，提高了机器学习模型在健康信息系统中的互操作性和实用性。	尽管MoCab框架展示了其潜力，但仍面临FHIR采纳等挑战。	旨在提高机器学习模型在健康信息系统中的互操作性和实用性。	研究对象包括机器学习模型在健康信息系统中的部署和互操作性问题。	机器学习	NA	FHIR, SMART on FHIR	评分模型(qCSI), 机器学习模型(NSTI), 深度学习模型(SPC)	电子健康记录(EHR)	使用模拟主要EHR系统的合成数据进行演示
18929	2024-09-01	Multi-degradation-adaptation network for fundus image enhancement with degradation representation learning 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103273 PMID:39029157	研究论文	本文提出了一种多退化自适应网络，用于视网膜图像增强，能够同时处理多种退化类型	引入了多退化自适应模块，动态生成针对不同类型退化的滤波器，并探索了退化表示学习	未提及	提高视网膜图像质量，以支持医学诊断和应用	视网膜图像及其退化问题	计算机视觉	NA	深度学习	CNN	图像	未提及
18930	2024-09-01	Multiscale-temporal Feature Extraction and boundary confusion alleviation for VAG-based fine-grained multi-grade osteoarthritis deterioration monitoring 2024-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108286 PMID:39029419	研究论文	提出了一种基于振动关节图（VAG）的细粒度多级骨关节炎恶化监测框架，通过多尺度时间特征提取和边界混淆缓解技术提高监测精度	引入了多尺度时间特征提取（MTFE）和混淆自由主从（CF-MS）分类结构，通过中心损失缓解特征空间中相邻恶化等级边界的混淆，并采用主从分类器结构进行细粒度分类	NA	开发一种在日常范式中进行细粒度多级骨关节炎恶化监测的新框架	骨关节炎（OA）的恶化监测	机器学习	骨关节炎	振动关节图（VAG）	深度学习框架	信号	使用了VAG-OA数据集进行实验
18931	2024-09-01	Improving lesion volume measurements on digital mammograms 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103269 PMID:39024973	研究论文	本文开发了一种模型，用于在处理后的乳腺X线摄影图像上估计病变体积，以提高乳腺X线摄影中病变体积测量的准确性。	本文提出了一种基于物理的算法，用于在原始乳腺X线摄影图像上测量病变体积，并通过深度学习图像到图像翻译模型将其扩展到处理后的乳腺X线摄影图像上。	NA	提高乳腺X线摄影中病变体积测量的准确性	乳腺X线摄影图像中的病变体积	数字病理学	乳腺癌	深度学习	图像到图像翻译模型	图像	1778张乳腺X线摄影图像
18932	2024-09-01	ALFREDO: Active Learning with FeatuRe disEntangelement and DOmain adaptation for medical image classification 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103261 PMID:39018722	研究论文	本文提出了一种名为ALFREDO的新型管道，结合特征解纠缠和领域适应进行主动学习，以提高医学图像分类在领域偏移下的性能。	本文创新性地提出了特征解纠缠方法，将图像特征分解为领域特定和任务特定组件，并定义了多个新的成本函数来识别领域偏移下的信息样本。	NA	提高深度学习模型在领域偏移下的泛化能力，减少数据需求。	医学图像分类	计算机视觉	NA	主动学习，领域适应	CNN	图像	使用了三个数据集：一个组织病理学数据集和两个胸部X射线数据集。
18933	2024-09-01	From vision to text: A comprehensive review of natural image captioning in medical diagnosis and radiology report generation 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103264 PMID:39013207	综述	本文综述了自然图像描述（NIC）在医学图像描述（MIC）和放射学诊断描述（DC）领域的应用	总结了NIC和DC领域的最新研究成果，包括现有模型、数据集、评估指标和先前的综述	指出了现有方法在实际临床应用中的局限性	旨在提供NIC和DC领域的全面概述，并探讨未来的研究方向	自然图像描述在医学诊断和放射学报告生成中的应用	计算机视觉	NA	深度学习	NA	图像	NA
18934	2024-09-01	Deep Bayesian active learning-to-rank with relative annotation for estimation of ulcerative colitis severity 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103262 PMID:38986351	研究论文	本文提出了一种深度贝叶斯主动学习排序方法，用于通过相对标注估计溃疡性结肠炎的严重程度	该方法通过优先标注模型不确定性高的未标注样本对，提高了学习效率，并能有效处理类别不平衡问题	相对标注需要大量的样本对，可能导致标注成本增加	开发一种自动选择合适样本对的方法，以提高基于相对标注的疾病严重程度估计的效率和性能	溃疡性结肠炎的严重程度估计	计算机视觉	消化系统疾病	深度学习	贝叶斯神经网络	图像	使用了私人数据集和公共数据集中的内镜图像进行实验
18935	2024-09-01	The ACROBAT 2022 challenge: Automatic registration of breast cancer tissue 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103257 PMID:38981282	research paper	本文介绍了ACROBAT 2022挑战赛，旨在通过自动注册乳腺癌组织的全切片图像（WSI）来评估和比较当前WSI注册方法的性能	利用了迄今为止最大的WSI注册数据集，包括4,212张来自1,152名乳腺癌患者的WSI，并比较了八种不同的WSI注册算法	NA	评估和比较当前全切片图像（WSI）注册方法的性能	乳腺癌组织的全切片图像（WSI）	digital pathology	breast cancer	deep learning	NA	image	4,212张全切片图像（WSI）来自1,152名乳腺癌患者
18936	2024-09-01	A geometric approach to robust medical image segmentation 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103260 PMID:38970862	研究论文	本文提出了一种几何方法来提高深度学习分割模型在医学图像分割中的鲁棒性	利用受限的解剖学差异来细化潜在空间，形成一组形状组件，并通过向量量化构建形状字典，实现形状等变性	NA	提高深度学习分割模型在临床实践中的鲁棒性	前列腺和心脏MRI图像分割	计算机视觉	NA	MRI	CNN	图像	多种MRI序列
18937	2024-09-01	Dual-stream multi-dependency graph neural network enables precise cancer survival analysis 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103252 PMID:38963973	研究论文	本文提出了一种名为双流多依赖图神经网络（DM-GNN）的新型深度学习框架，用于精确的癌症患者生存分析	DM-GNN通过特征更新和全局分析分支，基于形态亲和性和全局共激活依赖性，将每个WSI建模为两个图，从而实现对复杂相关性的多视角建模	NA	旨在提供精确的癌症预后评估，并辅助个性化治疗决策，以改善患者结果	癌症患者的生存分析	计算机视觉	癌症	图神经网络	DM-GNN	图像	五个TCGA数据集
18938	2024-09-01	Uncertainty-aware multiple-instance learning for reliable classification: Application to optical coherence tomography 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103259 PMID:38959721	research paper	本文提出了一种名为不确定性基础实例排除（UBIX）的新方法，用于提高深度学习分类模型在不同供应商数据上的可靠性	UBIX是一种推理时模块，可在多实例学习（MIL）设置中使用，通过实时不确定性估计检测受局部伪影影响的实例，减少或完全忽略其对包级别输出的贡献	UBIX在处理包含未见伪影的实例时，性能略有下降	提高深度学习分类模型在不同供应商数据上的可靠性	年龄相关性黄斑变性的分期	computer vision	geriatric disease	NA	3D neural network	image	模型在一个扫描器的数据上训练，并在来自不同供应商的外部数据集上测试
18939	2024-09-01	Reducing annotating load: Active learning with synthetic images in surgical instrument segmentation 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103246 PMID:38943835	研究论文	本文提出了一种基于主动学习和合成图像的外科手术器械分割框架，以减少标注工作量	结合主动学习和合成图像生成技术，有效减少了神经网络训练所需的标注数据量	仅在鼻窦手术和腹腔手术数据集上验证了方法的有效性，可能需要进一步验证在其他类型手术中的适用性	开发一种减少外科手术器械分割中标注工作量的方法	外科手术器械的分割	计算机视觉	NA	深度学习	神经网络	图像	使用了两个鼻窦手术数据集和一个腹腔手术数据集
18940	2024-09-01	CCSI: Continual Class-Specific Impression for data-free class incremental learning 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103239 PMID:38936223	研究论文	本文提出了一种无数据类增量学习框架，通过在学习类上合成数据来解决传统深度学习方法在处理新疾病类型时的灾难性遗忘问题	引入了一种新的数据合成方法——持续类特定印象（CCSI），并提出了一种有效利用这些数据更新网络的方法	需要进一步验证该方法在更多数据集和实际临床环境中的泛化能力	旨在解决类增量学习中的灾难性遗忘问题，并提出一种无需存储先前样本的数据合成方法	主要研究对象是医学图像分类中的类增量学习问题	计算机视觉	NA	数据合成	CNN	图像	使用了四个公共MedMNIST数据集和内部超声心动图电影系列数据集