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	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
42	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
43	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）
44	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
45	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
46	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
47	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
48	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
49	2024-11-06	Whole slide image representation in bone marrow cytology 2023-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107530 PMID:37837726	研究论文	本文研究了在骨髓细胞学中生成全切片图像（WSI）的紧凑表示方法	首次探索了使用深度学习训练机制生成骨髓细胞学中全切片图像的紧凑表示	NA	开发一种能够生成骨髓抽吸细胞学中全切片图像紧凑表示的方法，以支持血液学中的临床决策辅助工具	骨髓抽吸细胞学的全切片图像	数字病理学	血液病	深度学习	k-近邻模型	图像	NA
50	2024-10-27	CryoREAD: de novo structure modeling for nucleic acids in cryo-EM maps using deep learning 2023-Nov, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-02032-5 PMID:37783885	研究论文	本文介绍了一种名为CryoREAD的深度学习方法，用于在低温电子显微镜（cryo-EM）图中对核酸进行从头结构建模	CryoREAD利用深度学习技术在cryo-EM图中识别磷酸、糖和碱基位置，并将其建模为三维结构，相比现有方法，在2.0到5.0 Å分辨率的cryo-EM图中构建了更准确的模型	NA	开发一种新的计算方法，用于在cryo-EM图中对核酸进行从头结构建模	DNA和RNA的三维结构及其与蛋白质的复合物	计算机视觉	NA	深度学习	深度学习模型	图像	测试了2.0到5.0 Å分辨率的cryo-EM图，并应用于严重急性呼吸综合征冠状病毒2（SARS-CoV-2）的生物分子复合物cryo-EM图
51	2024-10-21	Deep Learning Performance of Ultra-Widefield Fundus Imaging for Screening Retinal Lesions in Rural Locales 2023-Nov-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2023.4650 PMID:37856107	研究论文	研究了基于超广角眼底图像的深度学习系统在农村地区筛查视网膜病变的表现	首次探索了使用超广角眼底图像的深度学习系统在农村地区筛查视网膜病变的可能性	农村地区的图像质量较差、病变比例多样且病变组成复杂，可能影响了深度学习系统的性能	探索基于超广角眼底图像的深度学习系统在农村地区筛查多种视网膜病变的表现	农村地区的视网膜病变筛查	计算机视觉	视网膜疾病	深度学习系统	深度学习系统	图像	6222只眼睛，3149名参与者
52	2024-10-20	Predictive analyses of regulatory sequences with EUGENe 2023-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00544-w PMID:38177592	研究论文	本文介绍了一个名为EUGENe的FAIR工具包，用于使用深度学习分析基因组序列	EUGENe是一个简单、灵活且可扩展的接口，旨在简化并定制端到端的深度学习序列分析	NA	开发一个符合FAIR原则的工具包，用于深度学习在基因组学中的应用	基因组序列的深度学习分析	机器学习	NA	深度学习	神经网络	序列数据	NA
53	2024-10-20	Assessment of a deep learning model for COVID-19 classification on chest radiographs: a comparison across image acquisition techniques and clinical factors 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.064504 PMID:38162317	研究论文	评估预训练深度学习模型在胸部X光片上对COVID-19分类的性能，并比较不同图像采集技术和临床因素的影响	使用DenseNet-121架构模型结合三种分类算法进行COVID-19分类，并评估其在不同测试集上的性能	模型在当前测试集上的性能显著低于原始测试集，可能由于模型过拟合和泛化能力不足	评估预训练深度学习模型在胸部X光片上对COVID-19分类的性能，并考虑不同图像采集参数、临床因素和患者人口统计学的影响	COVID-19阳性患者和阴性患者的胸部X光片	计算机视觉	COVID-19	深度学习	DenseNet-121	图像	9860名患者的标准和软组织胸部X光片用于训练和测试，5893名患者的当前测试集用于评估模型性能
54	2024-10-19	Image-Domain Material Decomposition for Dual-energy CT using Unsupervised Learning with Data-fidelity Loss 2023-Nov-17, ArXiv PMID:38013889	研究论文	本文提出了一种基于无监督学习的数据保真损失的图像域材料分解方法，用于双能CT	本文的创新点在于开发了一种无监督学习框架，利用数据测量一致性进行图像域材料分解，避免了传统方法中图像先验无法准确表示目标图像流形特征的问题	本文的局限性在于未提及具体的实验验证和临床应用效果	本研究旨在开发一种无监督学习框架，用于双能CT中的图像域材料分解	本研究的对象是双能CT图像中的材料分解	计算机视觉	NA	双能CT	无监督学习	图像	NA
55	2024-10-16	Enhancing Ligand Pose Sampling for Molecular Docking 2023-Nov-30, ArXiv PMID:38076510	研究论文	本文介绍了两种改进的配体姿态采样协议，用于分子对接中的姿态预测和虚拟筛选	提出了GLOW和IVES两种新的姿态采样技术，显著提高了采样准确姿态的可能性，特别是在结合口袋形状变化较大的情况下	当前的采样协议在生成候选姿态时经常失败，除非提供正确的姿态信息	改进分子对接中的配体姿态采样方法，提高评分函数的准确性	配体姿态采样协议及其在分子对接中的应用	分子对接	NA	分子对接	NA	蛋白质-配体对接数据	约5000个蛋白质-配体对接对
56	2024-10-16	H-Packer: Holographic Rotationally Equivariant Convolutional Neural Network for Protein Side-Chain Packing 2023-Nov-28, ArXiv PMID:38013891	研究论文	本文提出了一种基于全息旋转等变卷积神经网络的蛋白质侧链包装算法H-Packer	H-Packer通过联合回归侧链的真实自由度（二面角）来解决蛋白质侧链包装问题，并利用轻量级的旋转等变神经网络进行高效计算	NA	开发一种高效且准确的蛋白质侧链包装算法	蛋白质侧链的构象预测	机器学习	NA	卷积神经网络	CNN	结构数据	CASP13和CASP14目标数据集
57	2024-10-16	Sign Language Motion Generation from Sign Characteristics 2023-Nov-23, Sensors (Basel, Switzerland) DOI:10.3390/s23239365 PMID:38067738	研究论文	本文提出并评估了一种基于transformer的深度学习架构，用于从手语音素生成手语动作	使用手语音素生成高细节的手语动作，并引入停止检测模块预测生成过程的结束	NA	开发一种能够从手语音素生成手语动作的自动化系统	手语动作生成和停止检测	自然语言处理	NA	transformer	transformer	序列数据	NA
58	2024-10-16	Molecular geometric deep learning 2023-11-20, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2023.100621 PMID:37875121	研究论文	本文提出了一种分子几何深度学习模型，用于预测分子性质，综合考虑了共价和非共价相互作用	本文创新性地将更广泛的分子表示引入几何深度学习模型，以全面考虑分子中的共价和非共价相互作用	NA	研究分子性质预测	分子中的共价和非共价相互作用	机器学习	NA	几何深度学习	几何深度学习模型	分子数据	十四种常用的基准数据集
59	2024-10-16	Removing Radiographic Markers Using Deep Learning to Enable Image Sharing 2023-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.230369 PMID:38074775	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
60	2024-10-16	A Deep Learning Decision Support Tool to Improve Risk Stratification and Reduce Unnecessary Biopsies in BI-RADS 4 Mammograms 2023-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.220259 PMID:38074778	研究论文	评估一种名为iBRISK的智能增强乳腺癌风险计算器的性能，以改善BI-RADS 4乳腺X光片的分层风险并减少不必要的活检	开发了一种基于深度学习的决策支持工具iBRISK，用于提高乳腺癌风险分层和减少不必要的活检	研究仅限于BI-RADS 4类病变，且结果基于回顾性数据	评估iBRISK模型在多中心患者数据集上的性能	BI-RADS 4类乳腺X光片	机器学习	乳腺癌	深度学习	NA	图像	4209名女性（中位年龄56岁）