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
3721	2024-11-15	A flexible 2.5D medical image segmentation approach with in-slice and cross-slice attention 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109173 PMID:39317055	研究论文	本文介绍了一种灵活的2.5D医学图像分割方法，通过切片内和跨切片注意力机制来处理2.5D图像	提出了CSA-Net模型，该模型通过创新的跨切片注意力模块有效捕捉3D空间信息，并利用自注意力机制学习中心切片内像素的相关性	NA	开发一种能够有效处理2.5D医学图像分割的模型，解决现有2D和3D模型在处理2.5D图像时的局限性	多类脑部MR图像、二值前列腺MR图像和多类前列腺MR图像的分割任务	计算机视觉	NA	NA	CSA-Net	图像	涉及三个2.5D分割任务的数据集
3722	2024-11-15	Deep evidential learning for radiotherapy dose prediction 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109172 PMID:39317056	研究论文	本文介绍了一种在放射治疗剂量预测中应用深度证据学习框架的新方法	提出了在放射治疗剂量预测中应用深度证据学习框架，以量化模型的不确定性	NA	研究如何在放射治疗剂量预测中应用深度学习方法，并量化模型的不确定性	放射治疗剂量预测	机器学习	NA	深度证据学习	深度学习模型	医学图像	使用Open Knowledge-Based Planning Challenge数据集中的医学图像
3723	2024-11-15	MV-GNN: Generation of continuous geometric representations of mitral valve motion from 3D+t echocardiography 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109154 PMID:39321581	研究论文	提出了一种几何深度学习方法，用于从3D经食管超声心动图序列中重建连续的二尖瓣表面网格	结合了卷积神经网络和图神经网络的多分辨率网格解码器，使用稀疏的标志点注释进行训练，并设计了专门的损失函数来保持已知的入口和出口，防止阀门网格内的自相交几何结构	未提及	开发一种能够从3D经食管超声心动图序列中重建连续二尖瓣表面网格的方法，以分析二尖瓣动力学并增强个性化模拟	二尖瓣的运动和几何结构	计算机视觉	心血管疾病	几何深度学习	卷积神经网络（CNN）和图神经网络（GNN）	3D+t超声心动图序列	未提及
3724	2024-11-15	Deep learning enabled in vitro predicting biological tissue thickness using force measurement device 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109181 PMID:39326264	研究论文	本文提出了一种基于深度学习的体外生物组织厚度测量方法，结合力测试系统和离散多小波变换卷积神经网络模型	创新点在于将力测试系统与深度学习模型结合，实现了对生物组织厚度的精确预测	NA	研究目的是开发一种精确且高效的生物组织厚度测量方法，以应用于医学诊断和动物营养评估	研究对象是生物组织的厚度测量	机器学习	NA	离散多小波变换卷积神经网络	卷积神经网络 (CNN)	力测量数据	实验中测量了四种猪肉的厚度，样本数量未明确说明
3725	2024-11-15	A multi-task learning model for clinically interpretable sesamoiditis grading 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109179 PMID:39326263	研究论文	本文提出了一种用于可解释性芝麻骨炎分级的多任务学习模型	该模型结合了临床知识和机器学习，采用双分支解码器同时进行芝麻骨炎分级和血管通道分割，并通过特征融合实现任务间的知识传递	NA	提高芝麻骨炎分级的准确性和临床可解释性	芝麻骨炎分级和血管通道分割	机器学习	芝麻骨炎	多任务学习	多任务学习模型	图像	两个数据集
3726	2024-11-15	Personalized food consumption detection with deep learning and Inertial Measurement Unit sensor 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109167 PMID:39326266	研究论文	本文开发了一种个性化深度学习模型，通过惯性测量单元传感器数据准确检测糖尿病患者的碳水化合物摄入量	使用LSTM层构建的循环网络模型，显著提高了问题解决能力，并在数据集上表现出色，F1得分中位数为0.99	数据集主要包含单日数据点，未来研究需收集多日数据以验证模型在多日场景下的表现	开发一种能够准确检测糖尿病患者碳水化合物摄入量的个性化深度学习模型	糖尿病患者的碳水化合物摄入量	机器学习	糖尿病	惯性测量单元传感器	LSTM	加速度计和陀螺仪数据	公开数据集，采样频率为15 Hz
3727	2024-11-15	A multimodal cross-transformer-based model to predict mild cognitive impairment using speech, language and vision 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109199 PMID:39332117	研究论文	提出了一种基于多模态交叉Transformer的模型，用于通过语音、语言和视觉数据预测轻度认知障碍	该研究通过嵌入级融合和共注意力机制，有效解决了早期和晚期融合方法在保留模态间关系方面的局限性，显著提高了轻度认知障碍预测的准确性	NA	开发一种能够通过多模态数据准确预测轻度认知障碍的自动化方法	轻度认知障碍和正常认知	机器学习	老年疾病	深度学习	Transformer	多模态数据（语音、语言、视觉）	I-CONECT数据集中的大量半结构化对话，参与者年龄75岁以上
3728	2024-11-15	Large-scale deep learning identifies the antiviral potential of PKI-179 and MTI-31 against coronaviruses 2024-Nov, Antiviral research IF:4.5Q1 DOI:10.1016/j.antiviral.2024.106012 PMID:39332537	研究论文	研究利用机器学习技术结合体外验证，识别出PKI-179和MTI-31对冠状病毒的抗病毒潜力	通过结合机器学习技术和体外验证，有效识别出具有抗病毒潜力的化合物，并展示了这些化合物对多种冠状病毒的广谱抗病毒活性	研究主要依赖于体外实验，尚未进行体内实验验证	识别和验证针对冠状病毒的有效抗病毒化合物	PKI-179和MTI-31化合物对冠状病毒的抗病毒活性	机器学习	冠状病毒病	机器学习	深度神经网络	生物医学数据	来自健康捐赠者的初级人类气道上皮（HAE）培养物
3729	2024-11-15	Wfold: A new method for predicting RNA secondary structure with deep learning 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109207 PMID:39341115	研究论文	提出了一种基于深度学习的RNA二级结构预测新方法Wfold	Wfold利用图像化表示的RNA序列，结合U-net和Transformer编码器，通过自注意力机制和局部信息收集提高预测准确性	NA	提高RNA二级结构预测的准确性	RNA二级结构	机器学习	NA	深度学习	U-net和Transformer	图像	跨家族和家族内RNA数据集
3730	2024-11-15	Preoperative markers for identifying CT ≤2 cm solid nodules of lung adenocarcinoma based on image deep learning 2024-Nov, Thoracic cancer IF:2.3Q2 DOI:10.1111/1759-7714.15448 PMID:39354738	研究论文	本文基于深度学习图像分析，研究了术前识别CT图像中≤2cm的实性肺腺癌结节的标志物	通过LASSO回归和决策树分析识别出与实性为主的腺癌高度相关的诊断因子，并构建了逻辑模型和诺模图	样本量相对较小，可能影响模型的泛化能力	研究术前识别肺腺癌实性结节的标志物，以辅助手术方案的选择和长期预后评估	临床分期为IA1-2的原发性肺腺癌患者	计算机视觉	肺癌	深度学习	逻辑模型	图像	1489名患者
3731	2024-11-15	Visual interpretation of deep learning model in ECG classification: A comprehensive evaluation of feature attribution methods 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109088 PMID:39353296	研究论文	本文评估了11种流行的特征归因方法在基于ResNet-18架构的深度学习模型中对心电图分类的视觉解释效果	首次对多种特征归因方法在心电图数据集上的适用性进行了大规模评估	研究仅限于17种不同的诊断，且不同诊断中Guided Grad-CAM的效果有所不同	评估特征归因方法在心电图分类中的适用性，以帮助临床医生理解模型的决策过程	11种特征归因方法在5个大型心电图数据集上的表现	计算机视觉	心血管疾病	NA	ResNet-18	心电图	5个大型心电图数据集，涉及17种不同诊断
3732	2024-11-15	Multimodal brain tumor segmentation and classification from MRI scans based on optimized DeepLabV3+ and interpreted networks information fusion empowered with explainable AI 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109183 PMID:39357134	研究论文	本文提出了一种基于优化DeepLabV3+和解释网络信息融合的深度学习和可解释AI框架，用于MRI扫描中的多模态脑肿瘤分割和分类	本文的创新点在于结合了贝叶斯优化（BO）进行超参数初始化，并使用LIME方法检查模型的可解释性，提高了分割和分类的准确性	NA	开发一种用于脑肿瘤分割和分类的深度学习和可解释AI框架，以提高医学影像中机器决策和预测的可信度	脑肿瘤的MRI扫描图像	计算机视觉	脑肿瘤	贝叶斯优化（BO）、Atrous Spatial Pyramid Pooling（ASPP）	DeepLabV3+、Inverted Residual Bottleneck 96 layers（IRB-96）、Inverted Residual Bottleneck Self-Attention（IRB-Self）	图像	Figshare数据集
3733	2024-11-15	On-site burn severity assessment using smartphone-captured color burn wound images 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109171 PMID:39362001	研究论文	本文介绍了一种利用智能手机拍摄的彩色烧伤伤口图像进行自动烧伤严重程度评估的创新分析平台	提出了一个新颖的联合任务深度学习模型，能够同时分割烧伤区域和身体部位，并引入了非对称注意力机制	NA	开发一种自动化的烧伤严重程度评估方法，减少临床评估中的观察者间差异	烧伤伤口图像和身体部位图像	计算机视觉	烧伤	深度学习	联合任务深度学习模型	图像	1340张彩色烧伤伤口图像
3734	2024-11-15	Unveiling Thymoma Typing Through Hyperspectral Imaging and Deep Learning 2024-Nov, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400325 PMID:39362657	研究论文	本研究通过高光谱成像和深度学习技术对胸腺瘤进行分类	本研究首次将高光谱成像与深度学习相结合，用于胸腺瘤的分类，显著提高了分类精度和效率	NA	开发一种自动化胸腺瘤诊断方法，提高诊断准确性和效率	胸腺瘤的病理切片图像	计算机视觉	胸腺瘤	高光谱成像	残差网络	图像	NA
3735	2024-11-15	Automatic Acne Severity Grading with a Small and Imbalanced Data Set of Low-Resolution Images 2024-Nov, Dermatology and therapy IF:3.5Q1 DOI:10.1007/s13555-024-01283-0 PMID:39379778	研究论文	本文开发了一种基于深度学习的痤疮严重程度分级模型，能够在低分辨率图像的小规模且不平衡的数据集上进行训练	该模型能够在数据集规模小且严重程度分布不平衡的情况下，达到与传统方法相当的准确率	数据集规模小且严重程度分布不平衡，可能影响模型的泛化能力	开发一种能够在有限数据条件下准确分级痤疮严重程度的深度学习模型	痤疮严重程度分级	计算机视觉	皮肤疾病	深度学习	深度学习模型	图像	1374张图像，来自391名不同患者的痤疮图像
3736	2024-11-15	A Deep Learning System to Predict Epithelial Dysplasia in Oral Leukoplakia 2024-Nov, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241272048 PMID:39382109	研究论文	研究开发了一种深度学习系统，用于预测口腔白斑病中的上皮异型增生	首次使用深度学习模型预测口腔白斑病中的上皮异型增生，并展示了其在临床决策支持中的潜力	研究仅限于回顾性图像数据，尚未进行前瞻性临床试验验证	开发和验证一种深度学习模型，用于预测口腔白斑病中的上皮异型增生，并评估其在临床决策支持中的表现	口腔白斑病患者的口腔照片和上皮异型增生状态	机器学习	口腔癌	深度学习	EfficientNet-B2	图像	2073张口腔白斑病患者的口腔照片
3737	2024-11-15	Machine vision-assisted genomic prediction and genome-wide association of spleen-related traits in large yellow croaker infected with visceral white-nodules disease 2024-Nov, Fish & shellfish immunology IF:4.1Q1 DOI:10.1016/j.fsi.2024.109948 PMID:39384056	研究论文	本文研究了机器视觉辅助下的大黄鱼脾脏相关性状的基因预测和全基因组关联分析	提出了基于机器视觉的图像分割框架，用于提取脾脏特征，并结合深度卷积神经网络进行自动特征学习和对象分割	NA	探索大黄鱼内脏白点病抗性相关性状的基因预测和全基因组关联分析	大黄鱼脾脏相关性状和内脏白点病抗性	机器学习	NA	深度学习	卷积神经网络	图像	NA
3738	2024-11-15	Ensemble approach of deep learning models for binary and multiclass classification of histopathological images for breast cancer 2024-Nov, Pathology, research and practice DOI:10.1016/j.prp.2024.155644 PMID:39395299	研究论文	本文研究了使用深度学习模型对乳腺癌病理图像进行二分类和多分类	提出了使用Vision Transformer (ViT)、Convmixer和VGG-19三种深度学习模型进行乳腺癌肿瘤检测和分类，并进行了模型集成	集成模型ViT-Convmixer的性能相比ViT模型有所下降	提高乳腺癌早期诊断的准确性，减少人为误差	乳腺癌病理图像	计算机视觉	乳腺癌	深度学习	Vision Transformer (ViT), Convmixer, VGG-19	图像	使用了Breast cancer histopathological (Break His)图像数据库，采用80:20的训练方案
3739	2024-11-15	Deep learning from head CT scans to predict elevated intracranial pressure 2024 Nov-Dec, Journal of neuroimaging : official journal of the American Society of Neuroimaging IF:2.3Q2 DOI:10.1111/jon.13241 PMID:39387348	研究论文	本文开发了一种利用头部CT扫描图像预测颅内压升高的深度学习模型	本文提出了一个基于简单CT图像的微创颅内压预测模型，以防止由颅内压升高引起的继发性脑损伤	本文未详细讨论模型的泛化能力和在不同临床环境中的适用性	开发一种非侵入性监测技术，用于预测颅内压升高，以防止继发性脑损伤	颅内压升高的预测	计算机视觉	NA	深度学习	深度学习模型	图像	NA
3740	2024-11-15	Trends in brain MRI and CP association using deep learning 2024-Nov, La Radiologia medica DOI:10.1007/s11547-024-01893-w PMID:39388027	研究论文	本文研究了使用深度学习模型分析脑部MRI与脑瘫（CP）之间的关联	引入了两种深度学习模型SSeq-DL和SMS-DL，分别用于单序列和多序列脑部MRI的训练，并采用了专门设计的注意力机制和并行计算技术来识别CP相关的脑部趋势	NA	旨在通过深度学习模型早期识别脑瘫并关联脆弱的脑部MRI扫描，以促进早期干预和康复	脑瘫（CP）及其与脑部MRI扫描的关联	计算机视觉	脑瘫	深度学习	SSeq-DL和SMS-DL	MRI图像	NA