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
201	2024-12-21	High-Frequency Space Diffusion Model for Accelerated MRI 2024-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3351702 PMID:38194398	研究论文	本文提出了一种新的高频空间扩散模型（HFS-SDE），用于加速磁共振成像（MRI）重建	该模型专门针对高频空间进行扩散过程，确保低频区域的全采样确定性，并加速反向扩散的采样过程	NA	解决现有扩散模型在快速MRI成像中重建低频区域的不确定性和收敛时间长的问题	磁共振成像（MRI）重建	计算机视觉	NA	扩散模型	SDE	图像	使用公开的fastMRI数据集进行实验
202	2024-12-21	Encoding Enhanced Complex CNN for Accurate and Highly Accelerated MRI 2024-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3351211 PMID:38194397	研究论文	本文提出了一种编码增强的复杂卷积神经网络（EN2 complex CNN），用于高度欠采样的肺部MRI重建	该方法通过沿频率或相位编码方向进行卷积，模拟k空间采样机制，最大化利用k空间的编码相关性和完整性，并采用复杂卷积从复杂k空间数据中学习丰富的表示	NA	加速MRI成像并提高图像重建质量	肺部MRI图像	计算机视觉	NA	卷积神经网络（CNN）	复杂卷积神经网络（complex CNN）	图像	超极化129Xe和1H肺部MRI数据，6倍欠采样
203	2024-12-21	LIT-Former: Linking In-Plane and Through-Plane Transformers for Simultaneous CT Image Denoising and Deblurring 2024-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3351723 PMID:38194396	研究论文	本文研究了3D低剂量计算机断层扫描（CT）成像，提出了一种名为LIT-Former的模型，用于同时进行平面内去噪和平面外去模糊	LIT-Former通过链接平面内和平面外Transformer，结合了卷积网络和Transformer网络的优势，设计了高效的多头自注意力模块（eMSM）和高效卷积前馈网络（eCFN）	NA	开发一种能够同时进行平面内去噪和平面外去模糊的模型，以提高3D CT图像的质量	3D低剂量CT图像	计算机视觉	NA	Transformer网络	Transformer	图像	模拟和临床数据集
204	2024-12-21	Deep Omni-Supervised Learning for Rib Fracture Detection From Chest Radiology Images 2024-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3353248 PMID:38215335	研究论文	本文提出了一种新的全监督目标检测网络ORF-Netv2，用于肋骨骨折检测，通过利用各种形式的标注数据来提高检测性能	提出了一个统一的全监督框架，能够利用全标注、弱标注和无标注数据进行训练，并引入了多分支全监督检测头和基于协同训练的动态标签分配策略	NA	开发一种标签高效的目标检测模型，减轻放射科医生的标注负担	肋骨骨折检测	计算机视觉	NA	深度学习	目标检测网络	图像	三个肋骨骨折数据集，包括胸部CT和X光图像
205	2024-12-21	COSST: Multi-Organ Segmentation With Partially Labeled Datasets Using Comprehensive Supervisions and Self-Training 2024-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3354673 PMID:38224508	研究论文	本文提出了一种名为COSST的两阶段框架，用于在部分标注的多器官分割数据集上进行统一模型的训练	提出了一个新颖的两阶段框架COSST，结合了全面的监督信号和自训练方法，并通过潜在空间中的异常检测来评估伪标签的可靠性	未提及具体的局限性	研究如何在部分标注的医学图像数据集上学习统一的模型，以充分利用这些数据集的协同潜力	多器官分割任务	计算机视觉	NA	自训练	NA	图像	12个CT数据集，包括一个公开数据集和三个私有数据集
206	2024-12-21	Classifying alkaliphilic proteins using embeddings from protein language model 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108385 PMID:38547659	研究论文	本文提出了一种利用蛋白质语言模型ESM-2(3B)的嵌入来分类嗜碱蛋白的新方法	首次尝试使用预训练的蛋白质语言模型嵌入来分类嗜碱蛋白	NA	开发一种计算方法来识别嗜碱蛋白，以促进蛋白质工程和设计	嗜碱蛋白和非嗜碱蛋白	机器学习	NA	蛋白质语言模型	深度学习框架	蛋白质序列	1,002个嗜碱蛋白和1,866个非嗜碱蛋白
207	2024-12-21	Cross-patch feature interactive net with edge refinement for retinal vessel segmentation 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108443 PMID:38608328	研究论文	提出了一种基于双解码器的跨块特征交互网络（CFI-Net），用于视网膜血管分割，通过边缘细化提高分割的连续性和完整性	提出了联合细化下采样方法（JRDM）和跨块交互注意力机制（CIAM），以及自适应空间上下文引导方法（ASCGM），以减少特征损失并增强多尺度空间通道特征	未提及具体的局限性	提高视网膜血管分割的准确性和连续性，辅助临床医生诊断视网膜疾病	视网膜血管的分割	计算机视觉	NA	深度学习	双解码器网络	图像	使用了两个视网膜图像数据集和一个冠状动脉造影数据集
208	2024-12-21	H2MaT-Unet:Hierarchical hybrid multi-axis transformer based Unet for medical image segmentation 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108387 PMID:38613886	研究论文	本文提出了一种基于分层混合多轴Transformer的Unet模型H2MaT-Unet，用于医学图像分割	引入了一种分层混合多轴注意力机制，结合了分层后特征数据和多轴注意力机制，增强了局部和全局特征交互，并引入了空间和通道重建卷积模块ScConv以增强特征聚合	未提及具体局限性	提高医学图像分割的准确性和效率	医学图像的分割和病灶定位	计算机视觉	NA	分层混合多轴注意力机制，空间和通道重建卷积模块ScConv	Unet	图像	未提及具体样本数量
209	2024-12-21	Anatomically aware dual-hop learning for pulmonary embolism detection in CT pulmonary angiograms 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108464 PMID:38613894	研究论文	本文提出了一种基于深度学习的方法，结合计算机视觉和深度神经网络，用于在CT肺动脉造影中检测肺栓塞	本文的创新点包括：(1) 自动检测解剖结构；(2) 解剖结构感知的预训练；(3) 用于肺栓塞检测的双跳深度神经网络	NA	提高肺栓塞在CT肺动脉造影中的检测准确性和速度	肺栓塞在CT肺动脉造影中的检测	计算机视觉	心血管疾病	深度学习	深度神经网络	图像	多中心大规模的RSNA数据集
210	2024-12-21	Tumor conspicuity enhancement-based segmentation model for liver tumor segmentation and RECIST diameter measurement in non-contrast CT images 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108420 PMID:38613896	研究论文	本文提出了一种基于肿瘤显著性增强的分割模型，用于在非增强CT图像上进行肝肿瘤分割和RECIST直径测量	开发了一种基于强度的肿瘤显著性增强模型（ITCE），并设计了基于肿瘤显著性增强的肝肿瘤分割模型（TCELiTS），以提高非增强CT图像上的肝肿瘤分割精度	NA	提高非增强CT图像上肝肿瘤分割的准确性	肝肿瘤（包括肝细胞癌和肝血管瘤）	计算机视觉	肝癌	深度卷积神经网络	CNN	图像	100名经组织病理学确诊的肝肿瘤患者（64名肝细胞癌，36名肝血管瘤）
211	2024-12-21	CRIECNN: Ensemble convolutional neural network and advanced feature extraction methods for the precise forecasting of circRNA-RBP binding sites 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108466 PMID:38615462	研究论文	提出了一种名为CRIECNN的新型集成深度学习模型，用于提高circRNA-RBP结合位点的预测准确性	采用了先进的特征提取方法和多种编码技术，结合了集成卷积神经网络、BiLSTM和自注意力机制，显著提升了预测性能	未提及具体的研究局限性	提高circRNA-RBP结合位点的预测准确性，增进对circRNA及其调控作用的了解	circRNA与RNA结合蛋白（RBP）的相互作用	机器学习	NA	NA	集成卷积神经网络、BiLSTM、自注意力机制	序列数据	涉及四种不同的序列数据集和编码技术（BERT、Doc2Vec、KNF、EIIP）
212	2024-12-21	Semantic uncertainty Guided Cross-Transformer for enhanced macular edema segmentation in OCT images 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108458 PMID:38631114	研究论文	提出了一种名为语义不确定性引导的跨变压器网络（SuGCTNet）的新方法，用于OCT图像中多类黄斑水肿的同时分割	引入了语义不确定性引导的注意力模块（SuGAM）和跨变压器模块（CTM），通过语义不确定性和多尺度图像特征来提高分割性能	未提及具体限制	提高黄斑水肿在OCT图像中的分割准确性和连续性	黄斑水肿及其相关病变（如内层视网膜液体、亚视网膜液体和色素上皮脱离）	计算机视觉	眼科疾病	深度学习	跨变压器网络（Cross-Transformer Network）	图像	使用了公共数据集和多种OCT成像设备的数据
213	2024-12-21	One-shot skill assessment in high-stakes domains with limited data via meta learning 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108470 PMID:38636326	研究论文	本文介绍了一种名为A-VBANet的元学习模型，能够在高风险领域通过一次性学习进行技能评估	提出了A-VBANet模型，能够在数据有限的情况下进行领域无关的技能评估，并通过一次性学习实现高精度评估	NA	开发一种能够在数据有限的高风险领域进行技能评估的深度学习模型	在腹腔镜和机器人模拟器以及真实的腹腔镜胆囊切除术中评估手术技能	机器学习	NA	元学习	A-VBANet	视频	五个腹腔镜和机器人模拟器以及真实的腹腔镜胆囊切除术
214	2024-12-21	DesTrans: A medical image fusion method based on Transformer and improved DenseNet 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108463 PMID:38640634	研究论文	提出了一种基于Transformer和改进DenseNet的医学图像融合方法，以提高图像融合的效果	引入了Transformer和改进的DenseNet网络模块，增强了特征提取能力，减少了特征损失和边缘模糊问题	未提及具体的局限性	提高医学图像融合的效果，解决传统方法中的边缘模糊和信息冗余问题	医学图像和自然图像的融合	计算机视觉	NA	深度学习	Transformer, DenseNet	图像	未提及具体样本数量
215	2024-12-21	Exploratory drug discovery in breast cancer patients: A multimodal deep learning approach to identify novel drug candidates targeting RTK signaling 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108433 PMID:38642491	研究论文	本研究开发了一种多模态深度神经网络（MM-DNN）模型，用于识别针对RTK信号通路的乳腺癌新药候选物	创新性地采用了多模态深度学习方法，结合组学数据进行药物发现，显著提高了预测准确性	研究主要集中在RTK信号通路，未涵盖其他潜在的药物靶点	开发一种新的药物发现策略，用于识别针对RTK信号通路的乳腺癌新药候选物	乳腺癌患者及RTK信号通路相关药物候选物	机器学习	乳腺癌	多模态深度神经网络（MM-DNN）	多模态深度神经网络（MM-DNN）	组学数据（基因组、蛋白质组表达数据和药物反应数据）	从PubChem数据库中筛选的RTK信号通路相关药物分子
216	2024-12-21	Advancing cancer driver gene detection via Schur complement graph augmentation and independent subspace feature extraction 2024-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108484 PMID:38643595	研究论文	本文提出了一种名为SCIS-CDG的模型，通过Schur补图增强和独立子空间特征提取技术来提高癌症驱动基因的预测准确性	引入了Schur补图增强策略和独立子空间特征提取技术，增强了模型的泛化能力和对复杂网络的处理能力，并引入了基于基因网络结构的特征扩展组件和可学习的注意力权重机制	未提及具体的局限性	提高癌症驱动基因的预测准确性，指导癌症治疗	癌症驱动基因	机器学习	NA	Schur补图增强，独立子空间特征提取，图神经网络	图神经网络	基因网络数据	未提及具体样本数量
217	2024-12-21	scGraph2Vec: a deep generative model for gene embedding augmented by graph neural network and single-cell omics data 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae108 PMID:39704704	研究论文	本文提出了一种名为scGraph2Vec的深度生成模型，用于生成基因嵌入，结合了图神经网络和单细胞组学数据	scGraph2Vec扩展了变分图自编码器框架，并整合了单细胞数据和基因-基因相互作用网络，生成的基因嵌入具有生物学可解释性	NA	探索基因的细胞过程，以理解复杂疾病和生物系统的特性	基因嵌入和基因网络	生物信息学	NA	图神经网络	变分图自编码器	单细胞组学数据	NA
218	2024-12-21	Integrating the Physical Environment Within a Population Neuroscience Perspective 2024, Current topics in behavioral neurosciences DOI:10.1007/7854_2024_477 PMID:38691314	研究论文	本文从人口神经科学的角度探讨了物理环境对大脑、行为和心理健康的影响	本文提出了利用深度学习和高质量数据整合多源数据，以更全面地描绘物理环境	现有研究存在暴露测量不一致和小样本依赖的问题	探讨环境暴露对心理健康的长期影响，并为未来研究提供指导	物理环境对大脑、行为和心理健康的影响	NA	NA	深度学习	NA	遥感图像、行政数据、传感器数据、社交媒体数据	大样本
219	2024-12-21	Machine and deep learning algorithms for sentiment analysis during COVID-19: A vision to create fake news resistant society 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315407 PMID:39700256	研究论文	本文介绍了一种利用机器学习和深度学习算法进行情感分析的技术，旨在检测与COVID-19相关的虚假信息，从而创建一个对假新闻具有抵抗力的社会	本文引入了BiGRU深度学习分类器，展示了其在检测COVID-19相关虚假信息方面的高准确性和效率	本文未详细讨论数据集的多样性和可能存在的偏差，以及算法在不同语言或文化背景下的适用性	研究目的是通过情感分析技术检测COVID-19相关的虚假信息，提升社会对假新闻的抵抗能力	研究对象是与COVID-19相关的虚假新闻文章	自然语言处理	NA	自然语言处理 (NLP)	BiGRU	文本	数据集包括555个真阴性和580个真阳性样本，以及81个假阴性和68个假阳性样本
220	2024-12-21	Artificial Intelligence in Uveitis: Innovations in Diagnosis and Therapeutic Strategies 2024, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S495307 PMID:39703602	综述	本文探讨了人工智能在葡萄膜炎诊断和治疗策略中的创新应用	人工智能技术，包括机器学习和深度学习，展示了在前房炎症检测、玻璃体混浊分级和筛查眼部弓形虫病等领域的熟练应用	数据集质量、算法透明性和伦理问题等挑战仍然存在	探索人工智能在提高葡萄膜炎诊断精度、优化治疗方案和改善患者预后中的作用	葡萄膜炎的诊断和治疗	NA	葡萄膜炎	机器学习（ML）和深度学习（DL）	NA	NA	52项高质量研究