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
41	2024-11-06	GCN-GENE: A novel method for prediction of coronary heart disease-related genes 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105918 PMID:36215847	研究论文	提出了一种基于生物网络的深度学习方法GCN-GENE，用于识别与冠状动脉疾病相关的基因	GCN-GENE方法在AUC和AUPR指标上表现优于其他方法，具有更高的准确性	NA	大规模识别与冠状动脉疾病相关的基因，以便进行针对性的生物实验验证	冠状动脉疾病相关的基因	机器学习	心血管疾病	深度学习	GCN	基因表达数据	不同组织中的基因表达水平
42	2024-11-06	Two-step machine learning to diagnose and predict involvement of lungs in COVID-19 and pneumonia using CT radiomics 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106165 PMID:36215849	研究论文	开发了一个两步机器学习模型，用于诊断和预测COVID-19和非COVID-19肺炎患者的肺部CT影像特征	提出了一个两步机器学习模型，结合CT影像特征，能够准确分类COVID-19和肺炎患者，并预测肺部受累的严重程度	NA	开发一个基于机器学习的模型，用于诊断和预测COVID-19和肺炎患者的肺部受累情况	COVID-19和非COVID-19肺炎患者的肺部CT影像	机器学习	肺部疾病	CT影像分析	随机森林	影像	300例CT扫描（包括100例COVID-19、100例肺炎和100例健康受试者）
43	2024-11-06	SIL-Net: A Semi-Isotropic L-shaped network for dermoscopic image segmentation 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106146 PMID:36228460	研究论文	本文提出了一种名为SIL-Net的半各向同性L形网络，用于皮肤镜图像分割	引入了一种新的半各向同性L形网络（SIL-Net），并设计了Patch Embedding弱相关模块（PEWC）、零参数残差空间镜像信息路径（RSMI）和基于深度可分离转置卷积的上采样模块（DSTC）	NA	探索一种既保留各向同性架构优势又适用于临床皮肤镜诊断的高效架构	皮肤镜图像的分割	计算机视觉	皮肤癌	卷积神经网络（CNN）	半各向同性L形网络（SIL-Net）	图像	涉及ISIC-2017、ISIC-2018、PH2、CVC-ClinicDB和Kvasir-SEG五个数据集
44	2024-11-06	MTRRE-Net: A deep learning model for detection of breast cancer from histopathological images 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106155 PMID:36240595	研究论文	提出了一种名为MTRRE-Net的深度学习模型，用于从组织病理学图像中检测乳腺癌	引入了多尺度双残差循环网络（MTRRE-Net），结合双残差块和循环网络来解决梯度消失问题	NA	开发一种新的深度学习模型，用于提高乳腺癌组织病理学图像分类的准确性	乳腺癌组织病理学图像	计算机视觉	乳腺癌	深度学习	CNN	图像	使用了公开的标准数据集BreaKHis，包含不同放大级别的图像
45	2024-11-06	FBCU-Net: A fine-grained context modeling network using boundary semantic features for medical image segmentation 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106161 PMID:36240598	研究论文	本文提出了一种基于边界语义特征的细粒度上下文建模网络FBCU-Net，用于医学图像分割	使用边界区域的语义特征来减少无关特征对边界像素的影响，并提出了边界增强策略	NA	提高医学图像分割中组织边界分割的准确性	医学图像中的边界像素和区域	计算机视觉	NA	深度学习	FBCU-Net	图像	五个数据集：TUI（甲状腺肿瘤）、ISIC-2018（皮肤镜）、2018 Data Science Bowl（细胞核）、Glas（结肠癌）和BUSI（乳腺癌）
46	2024-11-06	Self-supervised multi-modal fusion network for multi-modal thyroid ultrasound image diagnosis 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106164 PMID:36240597	研究论文	本文提出了一种基于自监督学习的多模态融合网络，用于甲状腺超声图像的自动诊断	本文创新性地结合了灰度超声图像、剪切波弹性成像和彩色多普勒超声三种模态，并通过多模态多头注意力分支和多模态特征引导模块来提高诊断准确性	本文的验证仅基于自收集的数据集，可能需要进一步在更大规模和多样化的数据集上验证其有效性	开发一种自动化的多模态甲状腺超声图像诊断方法，以辅助临床诊断	甲状腺疾病的诊断，特别是良性与恶性甲状腺结节的区分	计算机视觉	甲状腺癌	深度学习	ResNet18	图像	自收集的数据集
47	2024-11-06	Automatic classification of thyroid nodules in ultrasound images using a multi-task attention network guided by clinical knowledge 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106172 PMID:36242812	研究论文	本文设计了一种多任务分支注意力网络，用于自动分类甲状腺结节的超声图像，并结合临床知识进行风险分层和良恶性判断	本文的创新点在于设计了一种多任务分支注意力网络，结合ACR TI-RADS词典对甲状腺结节进行分类，并提供临床解释，增强了临床医生对模型的信任	NA	开发一种自动化的方法，结合ACR TI-RADS词典对甲状腺结节进行风险分层和良恶性判断，提高诊断效率和准确性	甲状腺结节的超声图像	计算机视觉	甲状腺癌	NA	多任务分支注意力网络	图像	NA
48	2024-11-06	A general deep learning framework for neuron instance segmentation based on Efficient UNet and morphological post-processing 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106180 PMID:36244305	研究论文	本文提出了一种基于Efficient UNet和形态学后处理的通用深度学习框架，用于神经元实例分割	本文创新性地使用点标注和二值分割合成像素级标注，并提出了一种基于终极腐蚀和动态重建的后处理策略	需要大量无偏数据集和标注进行训练，且依赖于专业知识	开发一种用于分析神经元的稳健高效框架，适用于临床前生物学研究和神经退行性疾病	NeuN染色的神经元细胞	计算机视觉	神经退行性疾病	深度学习	Efficient UNet	图像	大量NeuN染色的组织学图像
49	2024-11-06	Deep convolutional neural networks with ensemble learning and transfer learning for automated detection of gastrointestinal diseases 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106054 PMID:36244302	研究论文	本文提出了一种基于深度卷积神经网络和集成学习及迁移学习的自动化检测胃肠道疾病的方法	利用迁移学习对三个骨干网络进行修改和微调，并结合集成学习训练集成分类器，以提高胃肠道疾病的检测准确性	NA	开发一种有效的自动化检测胃肠道疾病的方法	胃肠道疾病	计算机视觉	胃肠道疾病	深度学习	卷积神经网络	图像	NA
50	2024-11-06	A general sample-weighted framework for epileptic seizure prediction 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106169 PMID:36252368	研究论文	本文提出了一种通用的样本加权框架，用于癫痫发作预测	该框架考虑了不同EEG样本对癫痫发作预测的不同影响，并通过遗传算法优化样本权重，显著提高了预测性能	NA	提高癫痫发作预测的准确性	癫痫患者的EEG数据	机器学习	癫痫	遗传算法	Transformer	EEG数据	12名儿科患者
51	2024-11-06	S2C-DeLeNet: A parameter transfer based segmentation-classification integration for detecting skin cancer lesions from dermoscopic images 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106148 PMID:36252363	研究论文	提出了一种基于参数迁移的分割-分类集成网络S2C-DeLeNet，用于从皮肤镜图像中检测皮肤癌病变	该网络通过分割子网络对病变区域进行分割，并利用迁移的参数进行分类，具有较高的准确性和泛化能力	NA	开发一种高效的深度学习方法，用于自动检测皮肤癌病变	皮肤镜图像中的皮肤癌病变	计算机视觉	皮肤癌	深度学习	卷积神经网络	图像	使用了公开可用的数据集进行训练和验证
52	2024-11-06	GSAML-DTA: An interpretable drug-target binding affinity prediction model based on graph neural networks with self-attention mechanism and mutual information 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106145 PMID:37859276	研究论文	本文提出了一种基于图神经网络和自注意力机制的可解释药物-靶点结合亲和力预测模型GSAML-DTA	GSAML-DTA结合了自注意力机制和图神经网络，并引入互信息来过滤冗余信息，保留相关信息，从而提高了预测性能	NA	开发一种可解释的深度学习框架，用于预测药物-靶点结合亲和力	药物和靶点蛋白的结合亲和力	机器学习	NA	图神经网络（GNNs）	自注意力机制	结构信息	两个基准数据集
53	2024-11-06	Concatenated Xception-ResNet50 - A novel hybrid approach for accurate skin cancer prediction 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106170 PMID:37859280	研究论文	本文提出了一种结合Xception和ResNet50的混合深度学习模型，用于皮肤癌的准确预测	本文的创新点在于将Xception和ResNet50两种强大的网络结构结合起来，形成了一种新的混合模型，显著提高了皮肤癌的预测准确率	本文的局限性在于仅使用了HAM10000数据集进行评估，可能存在数据集偏差问题	本文的研究目的是开发一种高精度的深度学习模型，用于早期诊断和分级皮肤癌	本文的研究对象是皮肤癌及其不同类型的肿瘤，包括基底细胞癌、黑色素瘤、黑素细胞痣、皮肤纤维瘤、光化性角化病、上皮内癌、血管性和非癌性良性角化病样病变	计算机视觉	皮肤癌	深度学习	混合模型（Xception-ResNet50）	图像	10,500张皮肤图像
54	2024-11-06	Cx22: A new publicly available dataset for deep learning-based segmentation of cervical cytology images 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106194 PMID:37859287	研究论文	本文介绍了一个名为Cx22的新公开数据集，用于基于深度学习的宫颈细胞学图像分割	开发了一个新的公开数据集Cx22，包含14,946个细胞实例的完全注释标签，基于先前由我们研究所发布的开源图像	数据集可能受到假阴性对象问题的影响，影响基线方法的性能	提供一个高质量的数据集，以促进基于深度学习的宫颈细胞学图像分割方法的研究	宫颈细胞学图像的分割	计算机视觉	宫颈癌	深度学习	NA	图像	1320张图像，包含14,946个细胞实例
55	2024-11-06	LCSB-inception: Reliable and effective light-chroma separated branches for Covid-19 detection from chest X-ray images 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106195 PMID:37859288	研究论文	提出了一种基于Inception V3网络的光色分离分支模型LCSB-Inception，用于从胸部X光图像中检测COVID-19	采用CIE LAB坐标系将RGB图像转换为L和AB通道，减少了模型参数，并引入了全局二阶池化以增强特征提取能力	NA	提供一种准确且高效的COVID-19检测方法，减少计算成本	胸部X光图像中的COVID-19特征	计算机视觉	COVID-19	Inception V3网络	CNN	图像	两个数据集：chestX-ray-15k (Data_1) 和 COVID-19 Radiography dataset (Data_2)
56	2024-11-06	Segmentation of kidney mass using AgDenseU-Net 2.5D model 2022-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106223 PMID:37859296	研究论文	本文提出了一种使用AgDenseU-Net 2.5D模型进行肾脏肿块分割的方法	本文创新性地使用AgDenseU-Net 2.5D模型进行肾脏、肿瘤和囊肿的精细分割，并通过自动下采样方法减少计算资源消耗	本文未详细讨论模型的泛化能力和在其他数据集上的表现	旨在提高肾脏肿块分割的准确性和效率，同时降低计算资源成本	肾脏、肿瘤和囊肿的分割	计算机视觉	NA	深度学习	AgDenseU-Net 2.5D	CT图像	300名患者的肾脏CT数据
57	2024-10-18	Multivendor Comparison of Quantification Accuracy of Iodine Concentration and Attenuation Measurements by Dual-Energy CT: A Phantom Study 2022-11, AJR. American journal of roentgenology DOI:10.2214/AJR.22.27753 PMID:35674353	研究论文	本研究比较了不同供应商、技术和代次的12种双能CT（DECT）扫描仪在碘浓度和衰减测量方面的定量准确性	本研究设计了一个包含七种不同碘浓度的质量控制幻影，并使用了多种扫描条件和重建算法，包括深度学习图像重建（DLIR），以评估不同DECT配置的定量准确性	本研究仅限于使用特定的质量控制幻影和有限的扫描条件，未涵盖所有可能的临床应用场景	比较不同供应商、技术和代次的双能CT扫描仪在碘浓度和衰减测量方面的定量准确性	双能CT扫描仪的定量准确性	医学影像	NA	双能CT（DECT）	深度学习图像重建（DLIR）	影像	12种不同扫描仪配置
58	2024-10-18	Impact of Artificial Intelligence Assistance on Chest CT Interpretation Times: A Prospective Randomized Study 2022-11, AJR. American journal of roentgenology DOI:10.2214/AJR.22.27598 PMID:35703413	研究论文	评估人工智能辅助平台在临床工作流程中对胸部CT解读时间的影响	研究展示了在真实临床环境中，使用自动化AI平台辅助胸部CT解读可以显著减少放射科医生的解读时间	研究仅在一个中心进行，样本量有限，且仅涉及三位放射科医生	评估AI辅助平台对胸部CT解读时间的影响	胸部CT扫描的解读时间	计算机视觉	NA	深度学习	卷积神经网络	图像	390名患者（204名女性，186名男性；平均年龄62.8 ± 13.3岁）
59	2024-10-06	PAN-cODE: COVID-19 forecasting using conditional latent ODEs 2022-11-14, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocac160 PMID:36047844	研究论文	本文介绍了一种名为PAN-cODE的深度学习方法，用于预测COVID-19的每日感染和死亡人数	PAN-cODE使用深度条件潜在变量模型，能够基于不同的非药物干预措施生成不同的病例轨迹，并允许对训练期间未见过的地区进行病例估计	尽管使用了较少详细数据且训练过程完全自动化，PAN-cODE的性能与最先进的方法相当，但未提及具体的局限性	开发一种数据驱动的模型来预测COVID-19的传播，以支持政策决策	COVID-19的每日感染和死亡人数	机器学习	COVID-19	深度学习	条件潜在ODE模型	时间序列数据	未明确提及具体样本数量
60	2024-09-30	DLBLS_SS: protein secondary structure prediction using deep learning and broad learning system 2022-Nov-22, RSC advances IF:3.9Q2 DOI:10.1039/d2ra06433b PMID:36505696	研究论文	本文提出了一种基于深度学习和广义学习系统的蛋白质二级结构预测模型DLBLS_SS	结合双向长短期记忆网络和时间卷积网络与通道注意力机制，以及广义学习系统来优化特征并捕捉残基间的局部相互作用	NA	提高蛋白质二级结构预测的准确性	蛋白质的3-state和8-state二级结构	机器学习	NA	深度学习	BLSTM, TCN, BLS	序列	包括CASP10, CASP11, CASP12, CASP13, CASP14和CB513的公共测试集