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
4681	2024-11-21	DMAeEDNet: Dense Multiplicative Attention Enhanced Encoder Decoder Network for Ultrasound-Based Automated Breast Lesion Segmentation 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3394808 PMID:39553390	研究论文	本文提出了一种低复杂度的深度学习网络DMAeEDNet，用于超声图像中乳腺病变的自动分割	首次在编码器-解码器网络的编码层和输出层中引入密集乘法注意力组件，以选择性地增强相关特征	NA	提高乳腺病变在超声图像中的自动分割精度，同时降低计算复杂度	乳腺病变在超声图像中的自动分割	计算机视觉	乳腺癌	深度学习	编码器-解码器网络	图像	使用了两个公开数据集和一个临床记录数据集
4682	2024-11-21	Panning for gold: Comparative analysis of cross-platform approaches for automated detection of political content in textual data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312865 PMID:39556542	研究论文	本文比较了不同平台上的自动化内容分析技术在德语文本数据中检测政治内容的性能	本文首次在德语文本数据中比较了基于字典、经典监督机器学习和深度学习的政治内容检测技术	本文仅限于德语文本数据，未涵盖其他语言	研究如何在多选择媒体环境中理解和测量政治信息消费	德语文本数据中的政治内容检测	自然语言处理	NA	自动化内容分析技术	深度学习模型、经典机器学习模型	文本	66个模型
4683	2024-11-21	Radiomics in precision medicine for colorectal cancer: a bibliometric analysis (2013-2023) 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1464104 PMID:39558950	综述	本文对2013年至2023年间结直肠癌（CRC）放射组学领域的文献进行了全面的文献计量分析	本文通过文献计量工具分析了放射组学在结直肠癌中的研究趋势，特别是深度学习和多组学整合的兴起	本文主要基于文献计量分析，未涉及具体实验数据或模型验证	探讨放射组学在结直肠癌精准医学中的应用和研究趋势	结直肠癌（CRC）的放射组学研究文献	数字病理学	结直肠癌	放射组学	NA	文献	1226篇出版物
4684	2024-11-21	Enhancing clinical decision-making in endometrial cancer through deep learning technology: A review of current research 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241297053 PMID:39559386	综述	本文综述了深度学习技术在子宫内膜癌诊断和管理中的应用现状	深度学习模型能够自主学习和提取复杂的影像和病理数据特征，显著提高了子宫内膜癌诊断的准确性	深度学习在子宫内膜癌诊断中的应用仍面临挑战，需要进一步探索其未来发展方向	旨在通过详细分析，为未来研究方向提供信息，并促进深度学习技术在子宫内膜癌诊断和治疗策略中的整合	子宫内膜癌的诊断和管理	计算机视觉	妇科肿瘤	深度学习	深度学习模型	影像和病理数据	NA
4685	2024-11-21	Anatomy-Informed Multimodal Learning for Myocardial Infarction Prediction 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3403948 PMID:39559783	研究论文	提出了一种解剖信息引导的多模态深度学习框架，用于预测未来心肌梗死	首次尝试通过深度学习框架结合多模态数据进行未来心肌梗死预测	结果尚未达到实际应用的必要标准	提高冠状动脉疾病患者未来心肌梗死事件的预测准确性	冠状动脉疾病患者和侵入性冠状动脉造影图像	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）和人工神经网络（ANN）	图像和临床数据	445名急性冠状动脉综合征患者
4686	2024-11-21	Classification of Aortic Stenosis Patients via ECG-Independent Multi-Site Measurements of Cardiac-Induced Accelerations and Angular Velocities at the Skin Level 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3402151 PMID:39559782	研究论文	本文研究了通过皮肤表面的多站点心脏诱导加速度和角速度测量来分类主动脉瓣狭窄患者和健康志愿者的可行性，并确定了最佳传感器位置	本文首次结合SCG和GCG信号，并使用机器学习和深度学习方法进行分类，显著提高了分类准确率	研究样本量较小，仅包括15名健康受试者和15名主动脉瓣狭窄患者	评估SCG和GCG在皮肤表面的记录是否适合分类主动脉瓣狭窄患者，并确定最佳传感器位置	主动脉瓣狭窄患者和健康志愿者	心血管疾病	心血管疾病	NA	支持向量机（SVM）和ResNet18	信号	30名受试者（15名健康受试者和15名主动脉瓣狭窄患者）
4687	2024-11-21	Using deep learning and large protein language models to predict protein-membrane interfaces of peripheral membrane proteins 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae078 PMID:39559823	研究论文	本文探讨了使用深度学习和大型蛋白质语言模型预测外周膜蛋白的蛋白质-膜界面	首次展示了使用自然语言处理和蛋白质语言模型预测外周膜蛋白的膜相互作用氨基酸的潜力，无需3D结构数据	NA	研究蛋白质-膜界面相互作用，以提高对相关疾病发病机制的理解	外周膜蛋白的膜相互作用氨基酸	机器学习	NA	自然语言处理	深度学习模型	蛋白质数据	NA
4688	2024-11-20	Radiomics of pituitary adenoma using computer vision: a review 2024-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03163-3 PMID:39012416	综述	本文综述了使用计算机视觉技术进行垂体腺瘤放射组学的研究现状	本文介绍了深度学习方法在放射组学中的应用前景	需要创建高质量且足够大的数据集来训练深度神经网络，深度放射组学的可解释性也是一个重大挑战	分析当前垂体腺瘤放射组学研究的现状	垂体腺瘤的放射组学特征	计算机视觉	垂体腺瘤	计算机视觉方法	深度学习	图像	34篇相关研究文献
4689	2024-11-20	ConKeD: multiview contrastive descriptor learning for keypoint-based retinal image registration 2024-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03160-6 PMID:38969811	研究论文	提出了一种名为ConKeD的新型深度学习方法，用于视网膜图像配准的描述符学习	采用了一种新颖的多正多负对比学习策略，能够利用额外的训练样本信息，从而在有限训练数据的情况下学习高质量的描述符	未提及	开发和应用基于深度学习的视网膜图像配准方法	视网膜图像配准	计算机视觉	NA	深度学习	深度神经网络	图像	有限训练数据
4690	2024-11-20	Two-stage deep learning framework for occlusal crown depth image generation 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109220 PMID:39366141	研究论文	本文提出了一种两阶段深度学习框架，用于生成不同位置的咬合牙冠深度图像	该框架通过分割和修复两个阶段，实现了对牙冠形状和表面结构的高精度生成，相较于传统方法显著提高了生成图像的质量	NA	减少熟练牙科技师的工作量，通过计算机视觉模型生成逼真的咬合牙冠深度图像	咬合牙冠的深度图像生成	计算机视觉	NA	NA	GAN	图像	NA
4691	2024-11-20	Enhancing dental caries classification in CBCT images by using image processing and self-supervised learning 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109221 PMID:39378579	研究论文	本研究利用自监督学习任务改进锥束计算机断层扫描（CBCT）图像中的龋齿分类	本研究创新性地将图像处理技术与自监督学习任务结合，并探讨了无标签数据在模型性能提升中的必要性	本研究未详细讨论模型在实际临床应用中的表现和潜在的局限性	旨在通过自监督学习提高CBCT图像中龋齿分类的准确性和效率	研究对象为CBCT图像中的龋齿分类	计算机视觉	口腔疾病	自监督学习（SSL）	ResNet-18	图像	未明确提及具体样本数量
4692	2024-11-20	Segmentation of four-chamber view images in fetal ultrasound exams using a novel deep learning model ensemble method 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109188 PMID:39395344	研究论文	本文介绍了一种新的深度学习模型集成方法，用于在胎儿超声检查中分割四腔视图图像	本文提出了一种新的集成方法，通过结合多个深度学习模型的原始预测，获得最优的分割组件，从而提高分割效果	NA	开发一种新的方法来自动化分割胎儿心脏超声图像中的关键解剖结构	胎儿心脏超声图像中的关键解剖结构	计算机视觉	NA	深度学习	集成模型	图像	使用了一个大型私人数据集进行模型训练和评估
4693	2024-11-20	Multi-modal classification of breast cancer lesions in Digital Mammography and contrast enhanced spectral mammography images 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109266 PMID:39405734	研究论文	本文探讨了在数字乳腺摄影和对比增强光谱乳腺摄影图像中使用深度学习方法检测和分类乳腺癌病变的有效性	提出了JointNet架构，结合卷积模块、变换器模块和特征融合层，显著提高了图像分类和病变分类的准确性	未提及具体局限性	研究数字乳腺摄影和对比增强光谱乳腺摄影在乳腺癌病变检测中的效果，并提出改进的分类方法	乳腺癌病变在数字乳腺摄影和对比增强光谱乳腺摄影图像中的检测和分类	计算机视觉	乳腺癌	深度学习	卷积神经网络（CNN）和变换器（Transformer）	图像	未提及具体样本数量
4694	2024-11-20	An interpretable and generalizable deep learning model for iEEG-based seizure prediction using prototype learning and contrastive learning 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109257 PMID:39423703	研究论文	本文提出了一种基于原型学习和对比学习的可解释且可泛化的深度学习模型，用于基于iEEG的癫痫发作预测	本文将自解释原型学习网络扩展到一个新的领域适应框架，用于跨患者癫痫发作预测，并引入了对比语义对齐损失约束，增强了学习原型的鲁棒性	NA	建立一种可解释且可泛化的癫痫发作预测模型，以满足临床诊断的需求	基于iEEG的癫痫发作预测	机器学习	癫痫	深度学习	深度学习模型	iEEG数据	20名患者，共82次癫痫发作
4695	2024-11-20	Attention Induced Dual Convolutional-Capsule Network (AIDC-CN): A deep learning framework for motor imagery classification 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109260 PMID:39426071	研究论文	本文介绍了一种名为注意力诱导双卷积胶囊网络（AIDC-CN）的新型深度学习分类器，用于运动想象分类	引入了双卷积层处理脑连接性和频谱图特征，增加了自注意力模块（SAM）和交叉注意力模块（CAM），并使用了基于高斯误差线性单元（GELU）的动态路由算法	NA	开发一种新的深度学习分类器，以准确分类运动想象类别标签	基于脑电图（EEG）的运动想象信号	机器学习	NA	深度学习	卷积神经网络（CNN）和胶囊网络	脑电图信号	四个公开数据集
4696	2024-11-20	Target-specified reference-based deep learning network for joint image deblurring and resolution enhancement in surgical zoom lens camera calibration 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109309 PMID:39442443	研究论文	本文提出了一种针对手术放大镜头相机校准的深度学习网络，用于同时增强图像的模糊度和空间分辨率	本文提出了一种新的目标特定深度学习网络，能够同时增强图像的模糊度和空间分辨率，以提高手术放大镜头相机校准的准确性	NA	解决手术导航中由于高倍放大导致的图像模糊和分辨率不足问题，提高相机校准的准确性	手术放大镜头相机校准中的棋盘格图像	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
4697	2024-11-20	Graph neural network-based subgraph analysis for predicting adverse drug events 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109282 PMID:39442442	研究论文	本文提出了一种基于图神经网络的子图分析方法，用于预测药物不良反应	利用图神经网络模型对患者诊断历史进行建模，实现了对药物不良反应的早期预测	NA	开发计算方法以在临床试验前识别未检测到的药物不良反应	药物不良反应的预测	机器学习	NA	图神经网络	图神经网络	图数据	NA
4698	2024-11-20	Imaging phenotype evaluation from digital breast tomosynthesis data: A preliminary study 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109285 PMID:39454527	研究论文	本研究提出了一种基于深度学习的数字乳腺断层合成（DBT）数据中乳腺组织模式特征化的方法	本研究首次将深度学习应用于DBT数据的乳腺组织模式分类，并结合常见的恶性-良性-正常分类，实现了更详细的图像评估	本研究中良性结构扭曲与良性肿块以及恶性结构扭曲之间的混淆是一个局限	开发一种能够详细评估数字乳腺断层合成图像的深度学习方法	数字乳腺断层合成（DBT）数据中的乳腺组织模式	计算机视觉	乳腺癌	深度学习	迁移学习	图像	5388个2D图像块，来自230个右侧中侧斜位、259个左侧中侧斜位、18个右侧头尾位和15个左侧头尾位的单侧乳腺DBT研究
4699	2024-11-20	Effective deep-learning brain MRI super resolution using simulated training data 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109301 PMID:39486305	研究论文	研究使用模拟的脑部MRI数据训练深度学习超分辨率网络，以提高低分辨率MRI图像的质量	使用模拟的脑部MRI数据训练深度学习超分辨率网络，并验证其在多源真实数据上的泛化能力	仅使用模拟数据训练的网络在单源真实数据上的表现略逊于仅使用真实数据训练的网络	探讨使用模拟的脑部MRI数据训练深度学习超分辨率网络的潜力	脑部MRI图像的超分辨率处理	计算机视觉	NA	深度学习	超分辨率网络	MRI图像	模拟了大量不同分辨率的脑部MRI数据，并使用了来自多个来源的真实数据进行评估
4700	2024-11-20	Deep learning approaches for automated classification of neonatal lung ultrasound with assessment of human-to-AI interrater agreement 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109315 PMID:39504781	研究论文	本文提出了一种基于深度学习的自动分类方法，用于新生儿肺部超声视频的分类，并评估了人机交互评分者之间的一致性	本文提出了两种策略：帧到视频级别的预测方法和直接视频分类方法，用于评估新生儿肺部超声数据	主要挑战在于缺乏标注数据和专家解释的主观性	开发一种可靠的自动化解决方案，用于新生儿肺部超声视频中模式的解释	新生儿肺部超声视频	计算机视觉	NA	深度学习	NA	视频	34名新生儿患者的70次检查，由三位专家进行标注