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
141	2024-11-06	Leukemia segmentation and classification: A comprehensive survey 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106028 PMID:36126356	综述	本文综述了白血病的分割与分类的最新深度学习方法及其挑战	本文讨论了利用深度学习方法进行白血病检测的创新点	本文指出了现有白血病检测方法的局限性，如误差大和精度低	探讨白血病检测的最新深度学习方法及其挑战	白血病的分割与分类	计算机视觉	血液疾病	深度学习	NA	图像	NA
142	2024-11-06	Wearable electroencephalography and multi-modal mental state classification: A systematic literature review 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106088 PMID:36137314	综述	本文系统回顾了可穿戴脑电图在多模态心理状态分类中的应用	本文分析了不同预处理技术、特征和时间序列分类模型的性能，并讨论了未来趋势和实际应用中未充分报道的方面	本文主要基于文献回顾，未提供新的实验数据或模型	探讨可穿戴脑电图在多模态心理状态分类中的最新进展和未来趋势	可穿戴脑电图设备及其在心理状态分类中的应用	脑机接口	NA	脑电图	线性判别分析、决策树、k近邻和支持向量机	时间序列	NA
143	2024-11-06	Synthetic augmentation for semantic segmentation of class imbalanced biomedical images: A data pair generative adversarial network approach 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105985 PMID:36137319	研究论文	本文提出了一种数据对生成对抗网络（DPGAN），用于合成多样化的生物医学图像及其分割标签，以增强语义分割任务中的数据集	本文创新性地提出了DPGAN，通过分阶段生成背景、掩码和高级阶段的数据对，有效缓解了生物医学图像分割数据集中类别不平衡的问题	NA	研究如何通过合成数据增强技术提高生物医学图像语义分割的性能	生物医学图像及其分割标签	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	使用了前庭神经鞘瘤数据集、肾肿瘤数据集和皮肤癌数据集进行实验
144	2024-11-06	Artificial intelligence based liver portal tract region identification and quantification with transplant biopsy whole-slide images 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106089 PMID:36137315	研究论文	开发了一种基于深度学习的模型MUSA-UNet，用于自动分割和量化肝移植活检全切片图像中的肝门管区	提出了MUSA-UNet模型，结合深度可分离卷积、空间注意力机制、残差连接和多重上采样路径，以提高肝门管区分割的准确性	研究样本仅来自肝移植患者，可能限制了模型的普适性	开发一种自动化的方法来准确分析肝门管区，以辅助肝纤维化分期和疾病进展预测	肝移植活检全切片图像中的肝门管区	数字病理学	肝病	深度学习	MUSA-UNet	图像	53张全切片图像，其中30张用于训练和验证，23张用于测试
145	2024-11-06	Efficient two-step liver and tumour segmentation on abdominal CT via deep learning and a conditional random field 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106076 PMID:36137320	研究论文	本文提出了一种自动的两步肝脏和肿瘤分割方法，通过深度学习和条件随机场来提高腹部CT扫描中肝脏和肿瘤的分割精度	引入分形残差U-Net（FRA-UNet）和三维条件随机场（3D CRF）来改进肝脏和肿瘤的分割效果	NA	开发一种自动化的方法来高效分割腹部CT扫描中的肝脏和肿瘤	肝脏和肿瘤	计算机视觉	肝癌	深度学习	U-Net	图像	在Liver Tumour Segmentation challenge dataset (LiTS)和3D Image Reconstruction for Comparison of Algorithm Database dataset (3DIRCADb)上进行了测试
146	2024-11-06	RCMNet: A deep learning model assists CAR-T therapy for leukemia 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106084 PMID:36155267	研究论文	本文提出了一种名为RCMNet的深度学习模型，用于辅助CAR-T疗法治疗白血病，并通过图像分类技术识别CAR-T细胞	本文创新性地结合了卷积神经网络（CNN）和Transformer，构建了RCMNet模型，并在公共数据集上实现了99.63%的top-1准确率	由于CAR-T细胞数据集的规模有限，模型的性能受到一定限制	评估RCMNet模型在大型公共数据集上的有效性，并将其应用于临床数据集进行诊断	CAR-T细胞的形态识别	计算机视觉	白血病	深度学习	CNN和Transformer	图像	500张原始显微镜图像
147	2024-11-06	MCluster-VAEs: An end-to-end variational deep learning-based clustering method for subtype discovery using multi-omics data 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106085 PMID:36162197	研究论文	提出了一种基于变分自编码器的端到端深度学习聚类方法MCluster-VAEs，用于多组学数据中的癌症亚型发现	开发了一种带有注意力机制的统一网络架构，并使用变分贝叶斯技术构建了新的目标函数，显著提高了多组学数据聚类的效果	NA	通过无监督聚类方法发现癌症亚型，以提高诊断准确性、指导治疗和改善患者预后	多组学数据中的癌症亚型	机器学习	癌症	变分自编码器	VAE	多组学数据	10个癌症数据集
148	2024-11-06	Deep-spindle: An automated sleep spindle detection system for analysis of infant sleep spindles 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106096 PMID:36162199	研究论文	开发了一种基于深度学习的自动化睡眠纺锤波检测系统，用于分析婴儿睡眠纺锤波	结合卷积神经网络（CNN）和双向长短期记忆网络（LSTM），实现了对婴儿睡眠纺锤波的自动化检测	仅在特定脑电图通道（F4-C4和F3-C3）上进行了测试，样本量相对较小	开发一种自动化工具，帮助医生分析婴儿的睡眠纺锤波，从而减轻工作负担	婴儿的睡眠纺锤波	机器学习	NA	深度学习	卷积神经网络（CNN）和双向长短期记忆网络（LSTM）	脑电图（EEG）	训练集81个样本，验证集30个样本，独立测试集30个足月婴儿和54个早产婴儿的脑电图
149	2024-11-06	Deep learning artificial intelligence framework for multiclass coronary artery disease prediction using combination of conventional risk factors, carotid ultrasound, and intraplaque neovascularization 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106018 PMID:36174330	研究论文	本文介绍了一种基于深度学习的多类冠状动脉疾病预测框架，结合了传统风险因素、颈动脉超声和斑块内新生血管化	引入了AtheroEdge-MCDLAI (AE3.0DL)平台，使用多类深度学习系统，提高了预测准确性和自动化程度	NA	开发一种更准确、更自动化的冠状动脉疾病风险预测方法	500名患者的颈动脉超声和冠状动脉造影数据	机器学习	心血管疾病	深度学习	循环神经网络 (RNN) 和长短期记忆网络 (LSTM)	图像和文本	500名患者
150	2024-11-06	A novel P-QRS-T wave localization method in ECG signals based on hybrid neural networks 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106110 PMID:36166990	研究论文	本文提出了一种基于混合神经网络的新型P-QRS-T波定位方法，用于心电信号的自动诊断	本文创新性地结合了残差神经网络（ResNet）和长短期记忆网络（LSTM），用于心电信号中P-QRS-T波的定位	NA	提高心电信号中关键波形定位的准确性，从而改进心电图的自动诊断系统	心电信号中的P-QRS-T波	机器学习	心血管疾病	混合神经网络	ResNet和LSTM	心电信号	四个心电数据库，包含不同信噪比（SNR）水平的数据
151	2024-11-06	Automated diagnosis of atrial fibrillation using ECG component-aware transformer 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106115 PMID:36179512	研究论文	本文提出了一种基于ECG成分感知Transformer的房颤自动诊断方法	本文创新性地提出了成分感知Transformer（CAT），通过将ECG波形分割成各个成分并将其向量化，作为Transformer的输入，从而更好地利用ECG的各个成分信息	NA	旨在开发一种能够自动诊断房颤的新方法，以提高诊断准确性和效率	房颤的自动诊断	机器学习	心血管疾病	Transformer	Transformer	ECG信号	1,780例房颤病例和8,866例非房颤病例
152	2024-11-06	A comprehensive review on recent approaches for cancer drug discovery associated with artificial intelligence 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106140 PMID:36179510	综述	本文综述了人工智能在癌症药物发现中的最新方法	探讨了如何利用AI技术如机器学习和深度学习来发现新的抗癌药物，并改进了现有的癌症治疗	建立复杂癌症及其类型的模型仍然是一个挑战，缺乏有效的治疗手段阻碍了有效计算工具的建立	探讨AI技术在抗癌药物发现中的应用及其在当前癌症治疗中的必要性	人工智能技术在抗癌药物发现中的应用	机器学习	NA	机器学习、深度学习	NA	NA	NA
153	2024-11-06	The prediction of cardiac abnormality and enhancement in minority class accuracy from imbalanced ECG signals using modified deep neural network models 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106142 PMID:36182760	研究论文	本文提出了一种改进的深度神经网络模型，用于从不平衡的ECG信号中预测心脏异常和提高少数类别的准确性	本文采用了一种顺序集成技术，结合了卷积神经网络（CNN）和CNN与长短期记忆网络（CNN-LSTM）的混合模型，并使用合成少数过采样技术与Tomek Link（SMOTE + Tomek）来处理数据不平衡问题	本文仅在两个标准数据集上进行了验证，未来可能需要在更多数据集上进行测试以验证其泛化能力	旨在通过改进的深度神经网络模型，提高不平衡ECG信号中心脏异常检测的准确性	研究对象为不平衡的ECG信号和心脏异常检测	机器学习	心血管疾病	合成少数过采样技术与Tomek Link（SMOTE + Tomek）	卷积神经网络（CNN）与CNN-LSTM混合模型	ECG信号	23,998个ECG心跳样本
154	2024-11-06	A review of automated sleep disorder detection 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106100 PMID:36182761	综述	本文综述了2010年至2021年间95篇关于自动化睡眠障碍检测的科学论文，探讨了数字技术和人工智能在睡眠障碍诊断中的应用	本文首次系统地综述了自动化睡眠障碍检测领域的研究进展，并指出了深度学习算法在该领域的应用前景	本文仅限于综述2010年至2021年间的研究，未涵盖最新的研究成果	探讨数字技术和人工智能在睡眠障碍诊断中的应用潜力	睡眠障碍，包括睡眠呼吸暂停和失眠等	机器学习	NA	NA	机器学习和深度学习	生理信号，如心电图、多导睡眠图、脑电图、肌电图和鼾声	95篇科学论文
155	2024-11-06	REDDA: Integrating multiple biological relations to heterogeneous graph neural network for drug-disease association prediction 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106127 PMID:36182762	研究论文	提出了一种名为REDDA的异构图神经网络，用于预测药物-疾病关联	通过整合多种生物关系，利用异构图神经网络增强药物-疾病关联预测的准确性	NA	加速药物开发并降低实验成本，通过计算方法发现现有药物的新适应症	药物-疾病关联	机器学习	NA	异构图神经网络	图卷积网络	图数据	NA
156	2024-11-06	Improving the level of autism discrimination with augmented data by GraphRNN 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106141 PMID:36191394	研究论文	本文通过GraphRNN学习真实脑网络的边缘分布，生成对判别模型有激励作用的合成数据，以提高自闭症识别水平	利用GraphRNN生成合成数据，显著提高了分类器的分类能力	未提及	提高自闭症识别研究的准确性	自闭症脑成像数据	机器学习	自闭症	GraphRNN	GraphRNN	脑网络数据	使用Autism Brain Imaging Data Exchange (ABIDE) 数据集，样本量较小且异质性高
157	2024-11-06	Transformer-based factorized encoder for classification of pneumoconiosis on 3D CT images 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106137 PMID:36191395	研究论文	提出了一种基于Transformer的分解编码器用于3D CT图像上的尘肺病分类	首次将基于Transformer的分解编码器应用于3D CT图像上的尘肺病分类，并通过两个Transformer编码器分别处理切片内和切片间的特征交互	缺乏CT图像上尘肺病病变的分级标准，依赖于基于CR的分级系统进行标记	开发一种新的深度学习模型用于3D CT图像上的尘肺病分类	3D CT图像上的尘肺病病变	计算机视觉	尘肺病	Transformer	Transformer-based factorized encoder	3D CT图像	使用LIDC-IDRI数据集进行预训练，并在自己的3D CT数据集上进行实验
158	2024-11-06	Reducing uncertainty in cancer risk estimation for patients with indeterminate pulmonary nodules using an integrated deep learning model 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106113 PMID:36198225	研究论文	本文提出了一种集成深度学习模型，通过整合CT图像和临床数据来减少肺结节患者肺癌风险评估的不确定性	本文的创新点在于使用深度学习框架整合多模态数据（CT图像和临床数据），并能够在数据不完整的情况下进行学习和预测	本文的局限性在于使用了回顾性研究设计，且模型在外部验证中的表现可能受到数据集差异的影响	本文的研究目的是通过整合CT图像和临床数据，减少肺结节患者肺癌风险评估的不确定性，避免过度和不足治疗	本文的研究对象是具有不确定肺结节的患者	计算机视觉	肺癌	深度学习	深度学习模型	图像和临床数据	1284名患者用于模型开发，三个外部站点分别提供了155、136和96名患者的数据用于外部验证
159	2024-11-06	Knowledge distillation driven instance segmentation for grading prostate cancer 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106124 PMID:36208597	研究论文	本文提出了一种基于知识蒸馏的实例分割方案，用于前列腺癌的分级	该方案允许传统的语义分割模型通过增量少样本训练进行实例感知分割，提取前列腺组织并计算Gleason评分	NA	解决在临床环境中获取高质量标注数据困难的问题，提高前列腺癌筛查性能	前列腺癌组织及其分级	数字病理学	前列腺癌	知识蒸馏	实例分割模型	图像	约10,516和11,000张全切片图像
160	2024-11-06	CT image super-resolution reconstruction based on global hybrid attention 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106112 PMID:36209555	研究论文	提出了一种基于混合注意力机制和全局特征融合的CT图像超分辨率重建网络	采用了堆叠的Swin Transformer块作为主干提取初始特征，并提出了多分支层次自注意力模块和多维局部拓扑特征增强模块来优化特征提取和增强感兴趣区域特征	未提及具体限制	提高CT图像的分辨率和清晰度，减少模糊边缘和纹理不清对诊断的影响	CT图像的超分辨率重建	计算机视觉	NA	深度学习	混合注意力机制	图像	未提及具体样本数量