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
1	2024-12-15	Enhancing diagnosis of Hirschsprung's disease using deep learning from histological sections of post pull-through specimens: preliminary results 2023-Nov-29, Pediatric surgery international IF:1.5Q3 DOI:10.1007/s00383-023-05590-z PMID:38019366	研究论文	本研究利用深度学习技术从回拉手术后的组织学切片中识别Hirschsprung病中的神经节细胞和肥大神经，以提高诊断准确性	首次使用AI技术基于U-net模型识别Hirschsprung病中的神经节细胞和肥大神经	研究样本量较小，且仅限于回拉手术后的组织学切片	开发一种基于人工智能的方法来提高Hirschsprung病的组织学诊断准确性	Hirschsprung病中的神经节细胞和肥大神经	数字病理学	Hirschsprung病	深度学习	U-net	图像	108个标注样本，数据增强后生成19,600张图像，最终用于训练和验证的图像为1945张
2	2024-12-11	Deep learning-guided discovery of an antibiotic targeting Acinetobacter baumannii 2023-Nov, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-023-01349-8 PMID:37231267	研究论文	本文利用机器学习方法筛选出一种针对鲍曼不动杆菌的新型抗生素abaucin	本文首次通过深度学习引导的筛选方法发现了一种针对鲍曼不动杆菌的新型窄谱抗生素abaucin，并揭示了其作用机制	本文仅在体外和小鼠伤口模型中验证了abaucin的抗菌活性，尚未进行临床试验	发现针对鲍曼不动杆菌的新型抗生素	鲍曼不动杆菌及其抗菌分子	机器学习	NA	NA	神经网络	分子数据	约7500种分子
3	2024-12-09	Deep learning based tomosynthesis denoising: a bias investigation across different breast types 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.064003 PMID:38074628	研究论文	本文提出了一种基于深度学习的数字乳腺断层合成（DBT）去噪算法，并研究了其在不同乳腺类型中的潜在偏差	本文设计了一种基于物理驱动的数据增强方法和专门用于乳腺图像去噪的ReLU损失函数，以提高去噪效果	本文仅在临床和模拟数据上进行了测试，未涵盖所有可能的乳腺类型和剂量分布	评估深度学习去噪算法在不同乳腺类型中的有效性和公平性	数字乳腺断层合成（DBT）图像的去噪效果	计算机视觉	NA	深度学习	编码器-解码器网络	图像	临床数据和模拟数据
4	2024-12-08	Severe aortic stenosis detection by deep learning applied to echocardiography 2023-11-14, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehad456 PMID:37611002	研究论文	本研究开发并验证了一种基于深度学习的模型，用于通过二维超声心动图视频检测严重主动脉瓣狭窄	利用自监督对比预训练的三维卷积神经网络模型，无需多普勒成像即可识别严重主动脉瓣狭窄	NA	开发和验证一种自动化方法，用于通过单一视角的二维超声心动图检测严重主动脉瓣狭窄	严重主动脉瓣狭窄的早期诊断	计算机视觉	心血管疾病	深度学习	三维卷积神经网络	视频	训练集包含5257个研究（17570个视频），验证集包含2040个连续研究，以及来自加利福尼亚和新英格兰其他医院的4226和3072个研究
5	2024-12-08	Optimizing diffuse optical imaging for breast tissues with a dual-encoder neural network to preserve small structural information and fine features 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.066003 PMID:38074624	研究论文	研究提出了一种双编码器神经网络用于优化乳腺组织的漫射光学成像，以保留微小的结构信息和精细特征	本研究的创新点在于提出了一种双编码器网络，通过增加一个平行分支直接从基础源获取信号信息，从而在不降低或与背景融合的情况下定位包含物	NA	研究旨在探讨一种双编码器深度学习模型，用于在漫射光学成像中成功检测不同尺寸肿瘤	乳腺组织的漫射光学成像	计算机视觉	NA	漫射光学成像	双编码器神经网络	图像	模拟和幻影测试数据集
6	2024-11-25	Use of deep learning to segment bolus during videofluoroscopic swallow studies 2023-11-23, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad0bb3 PMID:37948874	研究论文	本文评估了一种用于视频荧光吞咽研究中分割钡餐的深度学习网络	利用人工智能进行解剖分割，以显著改善视频荧光吞咽研究的分析	钡餐在口腔中的表现因牙齿和不重要残留物的误分类而持续降低性能	评估钡餐分割网络的效能并识别影响网络性能的关键因素	80名独特患者的薄或液体钡餐的第一次吞咽	计算机视觉	NA	深度学习	U-Net	图像	80名患者的数据，分为75/25的训练和验证集，并进行4折交叉验证
7	2024-11-23	Inferring pointwise diffusion properties of single trajectories with deep learning 2023-11-21, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2023.10.015 PMID:37853693	研究论文	本文提出了一种基于深度学习的机器学习方法，用于在实验时间分辨率下表征具有时间依赖性的扩散过程	该方法能够在单轨迹级别预测扩散系数或异常扩散指数等感兴趣的属性，无需对系统进行任何先验知识或假设	NA	旨在准确确定生物场景中粒子的扩散特性，揭示其背后的机制	单分子扩散的膜蛋白DC-SIGN和整合素α5β1	机器学习	NA	深度学习	NA	轨迹数据	两个膜蛋白的单分子扩散实验
8	2024-11-13	Bringing Artificial Intelligence to the operating room: edge computing for real-time surgical phase recognition 2023-11, Surgical endoscopy DOI:10.1007/s00464-023-10322-4 PMID:37580578	研究论文	本文介绍了一种基于边缘计算的实时手术阶段识别系统，用于优化手术流程和视频评估	首次将边缘计算应用于手术阶段识别，实现了实时算法应用	实时预测的准确率在59.8%到78.2%之间，平均准确率为68.7%	开发一种实时手术阶段识别系统，以优化手术流程和视频评估	机器人腹股沟疝修复手术的阶段识别	计算机视觉	NA	深度学习	ResNet-50	视频	211个机器人腹股沟疝修复手术视频，用于训练和验证模型；10个机器人腹股沟疝修复手术视频，用于实时测试
9	2024-11-13	Structure-Aware Annotation of Leucine-rich Repeat Domains 2023-Nov-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.27.562987 PMID:37961157	研究论文	本文开发了降维方法来注释亮氨酸重复序列域的重复单元，并验证了其在模型植物中的应用	利用深度学习预测的蛋白质结构信息改进了现有的基于序列的域注释方法，能够自动检测发夹环和结构异常	依赖于深度学习预测的蛋白质结构信息，可能存在预测误差	改进蛋白质域注释方法，特别是亮氨酸重复序列域的注释	亮氨酸重复序列域及其在模型植物中的应用	机器学习	NA	深度学习	NA	蛋白质结构	127个预测的亮氨酸重复序列域结构，并验证了172个手动注释的亮氨酸重复序列域
10	2024-11-07	Predicting early breast cancer recurrence from histopathological images in the Carolina Breast Cancer Study 2023-Nov-11, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-023-00597-0 PMID:37952058	研究论文	本文评估了基于深度学习的图像分析方法在预测早期乳腺癌复发中的应用	利用深度学习从组织病理学图像中提取信息，提供了一种新的早期乳腺癌复发预测方法	预测准确率为62.4%，略低于肿瘤分级和ER状态的预测准确率	开发一种快速识别高风险早期乳腺癌复发患者的方法	来自卡罗莱纳乳腺癌研究的202名患者的704张1毫米肿瘤核心H&E染色图像	数字病理学	乳腺癌	深度学习	深度学习模型	图像	202名患者，其中101名复发，101名未复发，每名患者2-4个核心样本
11	2024-11-06	Tailored multi-organ segmentation with model adaptation and ensemble 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107467 PMID:37725849	研究论文	本文提出了一种结合现成的单器官分割模型来开发多器官分割模型的新方法，以减少对多器官标注数据的依赖	本文提出了一种双阶段方法，包括模型适应阶段和模型集成阶段，以提高现成单器官分割模型在目标域上的泛化能力，并从多个适应后的单器官分割模型中提取和整合知识	NA	解决多器官分割任务中标注数据不足的问题	多器官分割模型	计算机视觉	NA	深度学习	CNN	图像	四个腹部数据集
12	2024-11-06	A deep learning system to monitor and assess rehabilitation exercises in home-based remote and unsupervised conditions 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107485 PMID:37742419	研究论文	本文介绍了一种用于监测和评估家庭远程无监督条件下康复训练的深度学习系统	该系统能够实时评估康复训练，提供精确的执行偏差分析，并结合了运动范围分类和代偿模式识别	NA	开发和验证一种经济可行的系统，用于监测和评估康复训练	康复训练中的运动范围和代偿模式	机器学习	NA	深度学习	NA	运动数据	6种阻力训练数据集
13	2024-11-06	Integrating unsupervised language model with multi-view multiple sequence alignments for high-accuracy inter-chain contact prediction 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107529 PMID:37748220	研究论文	本文提出了一种新的深度学习方法ICCPred，用于从蛋白质复合物的氨基酸序列中推断链间接触	该方法结合了预训练的语言模型和多视角的多序列比对，显著提高了链间接触预测的准确性	NA	提高蛋白质复合物链间接触预测的准确性	蛋白质复合物的链间接触	机器学习	NA	深度残差网络	深度残差网络	氨基酸序列	709个非冗余基准蛋白质复合物
14	2024-11-06	PKDN: Prior Knowledge Distillation Network for bronchoscopy diagnosis 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107486 PMID:37757599	研究论文	本文提出了一种用于支气管镜诊断的先验知识蒸馏网络（PKDN），通过提取病变图像的颜色和边缘特征，并结合动态空间注意模块和门控通道注意模块，增强特征提取能力，最终通过解耦蒸馏平衡目标和非目标类的重要性，提高诊断性能	本文的创新点在于引入了先验知识指导模块，提取病变图像的颜色和边缘特征，并结合动态空间注意模块和门控通道注意模块，增强特征提取能力，同时通过解耦蒸馏平衡目标和非目标类的重要性	本文的局限性在于仅在哈尔滨医科大学附属肿瘤医院的支气管镜数据集上进行了验证，未来需要在更多不同来源的数据集上进行验证以增强模型的泛化能力	本文的研究目的是提高基于深度学习的支气管镜图像诊断系统的准确性和效率，辅助医生进行肺部疾病的诊断	本文的研究对象是支气管镜图像中的肺部疾病诊断	计算机视觉	肺部疾病	深度学习	先验知识蒸馏网络（PKDN）	图像	2029张支气管镜图像，来自200名患者
15	2024-11-06	Enhancing gland segmentation in colon histology images using an instance-aware diffusion model 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107527 PMID:37778210	研究论文	本文提出了一种基于扩散模型的实例分割方法，用于自动分割结肠组织学图像中的腺体	本文创新性地将扩散模型应用于结肠组织学图像的腺体实例分割，并结合实例感知滤波器和多尺度掩码分支来恢复去噪过程中丢失的细节，同时使用条件编码增强中间特征以提高目标与背景的区分度	NA	开发一种自动分割结肠组织学图像中腺体实例的方法，以辅助结肠癌的分级诊断	结肠组织学图像中的腺体	计算机视觉	结肠癌	扩散模型	扩散模型	图像	使用了2015 MICCAI Gland Segmentation挑战赛数据集（165张图像）、Colorectal Adenocarcinoma Glands数据集（213张图像）和RINGS数据集（1500张图像）
16	2024-11-06	A Global and Local Feature fused CNN architecture for the sEMG-based hand gesture recognition 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107497 PMID:37783073	研究论文	提出了一种全局和局部特征融合的CNN架构，用于基于sEMG信号的手势识别	提出的GLF-CNN模型能够同时提取sEMG信号的全局和局部特征，从而提高手势识别的性能和稳定性	NA	改进基于sEMG信号的手势识别模型的性能	sEMG信号	机器学习	NA	CNN	GLF-CNN	信号	五个基准数据库，包括NinaPro DB4、NinaPro DB5、BioPatRec DB1-DB3和Mendeley Data
17	2024-11-06	Cross-domain mechanism for few-shot object detection on Urine Sediment Image 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107487 PMID:37801918	研究论文	本文提出了一种跨域机制，用于在尿沉渣图像上进行少样本目标检测	本文提出了背景抑制注意力（BSA）和特征空间微调模块（FSF），以减少背景信息的影响并调整特征分布，从而提高检测性能	本文未详细讨论该方法在其他医学图像数据集上的适用性	旨在解决医学图像领域中少样本目标检测的问题	尿沉渣图像中的目标检测	计算机视觉	NA	深度学习	NA	图像	使用了VOC、COCO数据集以及UriSed2K医学图像数据集进行实验
18	2024-11-06	Limit and screen sequences with high degree of secondary structures in DNA storage by deep learning method 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107548 PMID:37801922	研究论文	本文研究了如何通过深度学习方法筛选和限制DNA存储中具有高二级结构的序列	提出了一种基于双向长短期记忆网络（BiLSTM）和注意力机制的深度学习模型，用于预测DNA序列的自由能，从而筛选出具有高二级结构的序列	仅在模拟实验和真实数据集上进行了验证，尚未在大规模实际应用中进行测试	研究如何减少DNA存储中高二级结构序列对信息写入和读取的干扰	DNA序列的二级结构及其对DNA存储的影响	机器学习	NA	深度学习	BiLSTM	序列	在模拟实验中使用了随机生成的DNA序列，并在真实数据集中筛选了94个预测自由能中的70个
19	2024-11-06	A multi-stage transfer learning strategy for diagnosing a class of rare laryngeal movement disorders 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107534 PMID:37801923	研究论文	本文提出了一种多阶段迁移学习策略，用于诊断一类罕见的喉部运动障碍	本文创新性地使用迁移学习策略，结合卷积自编码器和持续发音信息，提高了在数据有限情况下的诊断准确性	研究基于特定数据库，结果可能受限于数据集的规模和代表性	开发一种有效的诊断方法，用于识别罕见的喉部运动障碍	主要研究对象包括原发性震颤性发声障碍（ETV）、外展性和内收性痉挛性发声障碍（ABSD和ADSD）	机器学习	NA	迁移学习	卷积自编码器	语音数据	研究使用了来自范德堡大学医学中心（VUMC）的临床标记喉部运动障碍数据
20	2024-11-06	Enhancing the performance of premature ventricular contraction detection in unseen datasets through deep learning with denoise and contrast attention module 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107532 PMID:37816272	研究论文	本文提出了一种基于深度学习的新型注意力机制模型，用于在不同噪声水平下准确检测未见过的早搏数据集中的早搏	引入了Denoise and Contrast Attention Module (DCAM)，通过卷积神经网络在频域去噪并关注差异，提高了模型的鲁棒性和泛化能力	NA	提高早搏检测模型的可靠性和泛化能力	早搏（PVC）检测	机器学习	心血管疾病	深度学习	CNN	心电图	六个外部测试数据集