深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
61	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	NA	NA	NA	NA
62	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	NA	NA	NA	NA
63	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	NA	NA	NA	NA
64	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	NA	NA	NA	NA
65	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	NA	NA	NA	NA
66	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	NA	NA	NA	NA
67	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	NA	NA	NA	NA
68	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	NA	NA	NA	NA
69	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	NA	NA	NA	NA
70	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)	NA	NA	NA	NA
71	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	NA	NA	NA	NA
72	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	NA	NA	NA	NA
73	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）	NA	NA	NA	NA
74	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	NA	NA	NA	NA
75	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	NA	NA	NA	NA
76	2024-09-30	Deep Learning Techniques to Diagnose Lung Cancer 2022-Nov-13, Cancers IF:4.5Q1 DOI:10.3390/cancers14225569 PMID:36428662	研究论文	本文介绍了基于深度学习的医学影像技术在早期肺癌诊断中的最新进展	利用深度学习技术自动分类癌症图像，提高肺癌诊断的敏感性和准确性	现有技术无法自动分类癌症图像，不适用于其他病理的患者	开发一种敏感且准确的早期肺癌诊断方法	肺癌的早期诊断	计算机视觉	肺癌	深度学习	NA	医学影像	NA	NA	NA	NA	NA
77	2024-09-29	Deep Learning Enhances Multiparametric Dynamic Volumetric Photoacoustic Computed Tomography In Vivo (DL-PACT) 2022-Nov-10, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202202089 PMID:36354200	研究论文	本文介绍了一种基于深度学习的增强型多参数动态体积光声计算机断层扫描技术（DL-PACT），通过减少有限视角伪影和提高时间分辨率，显著提升了光声计算机断层扫描（PACT）的图像质量	提出了一种基于深度学习的DL-PACT方法，通过使用少量超声换能器元素，实现了高质量的静态结构和动态增强全身图像以及动态功能脑图像的快速获取	NA	提高光声计算机断层扫描（PACT）的图像质量和时间分辨率，降低系统成本	光声计算机断层扫描（PACT）图像的增强和优化	计算机视觉	NA	光声计算机断层扫描（PACT）	深度学习	图像	活体动物和人类	NA	NA	NA	NA
78	2024-09-23	Self-supervised learning of neighborhood embedding for longitudinal MRI 2022-11, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102571 PMID:36115098	研究论文	本文提出了一种新的自监督学习方法，用于从纵向MRI中提取邻域嵌入，以捕捉脑老化和疾病进展	本文的创新点在于提出了Longitudinal Neighborhood Embedding (LNE)方法，通过在潜在空间中构建年龄一致和进展一致的邻域，改进了脑老化特征的表示	NA	研究目的是改进脑老化特征的表示，以提高下游任务的性能	研究对象包括健康受试者、阿尔茨海默病和轻度认知障碍患者以及青少年酒精饮用者	计算机视觉	神经退行性疾病	MRI	自监督学习	图像	274名健康受试者，632名阿尔茨海默病和轻度认知障碍患者，764名青少年酒精饮用者	NA	NA	NA	NA
79	2024-09-23	A Blood-Based Metabolite Panel for Distinguishing Ovarian Cancer from Benign Pelvic Masses 2022-11-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-22-1113 PMID:36037307	研究论文	研究评估了循环代谢物对卵巢癌风险预测算法的改进作用	开发了一个基于血液的代谢物面板，用于区分早期卵巢癌和良性盆腔肿块，并改进了现有的卵巢癌风险预测算法	NA	评估循环代谢物对卵巢癌风险预测算法的改进作用	早期卵巢癌和良性盆腔肿块	NA	卵巢癌	代谢组学分析	深度学习模型	血液样本	202个卵巢癌病例和190个良性盆腔肿块病例	NA	NA	NA	NA
80	2024-09-23	Fairness-related performance and explainability effects in deep learning models for brain image analysis 2022-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.6.061102 PMID:36046104	研究论文	研究深度学习模型在脑图像分析中的公平性和可解释性影响	首次探讨了可解释人工智能（XAI）方法中不公平表现的体现，并展示了XAI如何用于调查潜在的不公平原因	研究样本仅限于9至10岁的青少年，且仅分析了性别和种族的交叉影响	分析社会人口统计学相关混杂因素对分类器性能和可解释性方法的影响	T1加权脑MRI数据集中的4547名9至10岁青少年	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	4547名9至10岁青少年	NA	NA	NA	NA