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
1761	2024-12-12	Deep learning-based classification of alfalfa varieties: A comparative study using a custom leaf image dataset 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103051 PMID:39650117	研究论文	本研究利用深度学习技术对苜蓿品种进行分类，并通过自定义的叶片图像数据集比较了几种先进模型的性能	本研究引入了包含1214张苜蓿品种图像的独特数据集，并比较了几种先进深度学习模型在不同超参数配置下的性能，突出了迁移学习在植物分类任务中的优越性	NA	研究深度学习技术在苜蓿品种分类中的应用	苜蓿品种（Bilensoy-80、Diana和Nimet）的分类	计算机视觉	NA	深度学习	MobileNetV3, InceptionV3, Xception, VGG19, DenseNet121, ResNet101, EfficientNetB3	图像	1214张苜蓿品种图像
1762	2024-12-12	iResNetDM: An interpretable deep learning approach for four types of DNA methylation modification prediction 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.11.006 PMID:39650332	研究论文	本文提出了一种名为iResNetDM的可解释深度学习模型，用于预测四种DNA甲基化修饰	首次将DNA甲基化修饰预测任务作为多类分类问题，并引入了结合残差网络和自注意力机制的深度学习模型，能够区分四种DNA甲基化修饰类型	之前的模型仅限于二元预测，无法全面分析不同修饰类型之间的关系，且缺乏对模型决策过程的充分解释	开发一种能够区分多种DNA甲基化修饰类型并具有解释性的深度学习模型	四种DNA甲基化修饰类型及其相互关系	机器学习	NA	深度学习	ResNet	DNA序列	NA
1763	2024-12-12	Effect of shear rate on early Shewanella oneidensis adhesion dynamics monitored by deep learning 2024-Dec, Biofilm IF:5.9Q1 DOI:10.1016/j.bioflm.2024.100240 PMID:39650339	研究论文	研究了剪切率对早期Shewanella oneidensis粘附动力学的影响，并通过深度学习进行监测	首次使用深度学习方法（YOLOv8）在个体水平上追踪早期粘附细菌的动态行为，并量化了不同剪切率对细菌粘附和定殖的影响	研究仅限于单一细菌种类（MR-1）和特定的剪切率范围，未来研究可以扩展到其他细菌种类和更广泛的剪切率范围	评估剪切率对早期细菌粘附动力学的影响，以更好地理解细菌定殖过程并制定相应的控制策略	Shewanella oneidensis细菌在不同剪切率下的早期粘附行为	计算机视觉	NA	深度学习	YOLOv8	图像	超过20,000个细菌样本
1764	2024-12-12	Sex-and Stress-Dependent Plasticity of a Corticotropin Releasing Hormone / GABA Projection from the Basolateral Amygdala to Nucleus Accumbens that Mediates Reward Behaviors 2024-Dec-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.30.626183 PMID:39651305	研究论文	研究探讨了早期生活逆境（ELA）对小鼠奖励行为的影响，特别是从基底外侧杏仁核到伏隔核的皮质释放激素/GABA投射的性别依赖性可塑性	揭示了皮质释放激素/GABA从基底外侧杏仁核到伏隔核的投射在奖励行为中的性别特异性作用，并发现了早期生活逆境对这种投射的性别依赖性影响	研究主要集中在小鼠模型上，结果的普遍性和对人类的影响尚需进一步验证	探讨早期生活逆境对奖励行为的影响机制，特别是性别依赖性的神经回路变化	成年雄性和雌性CRH-Cre小鼠，分别在控制和早期生活逆境条件下	神经科学	NA	免疫染色、电生理学、组织清除、光片荧光显微镜、深度学习	NA	图像	成年雄性和雌性CRH-Cre小鼠，分别在控制和早期生活逆境条件下
1765	2024-12-12	Automatic classification of fungal-fungal interactions using deep leaning models 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.11.027 PMID:39655263	研究论文	本文开发了一种基于深度神经网络的AI自动化图像分类方法，用于自动分类真菌-真菌相互作用	本文首次引入了使用深度学习自动分类真菌-真菌相互作用的方法，并可轻松适应其他真菌物种	NA	开发一种自动化的方法来分类真菌-真菌相互作用，以克服传统方法耗时且难以复制的缺点	植物病原体与来自38,400个真菌菌株的单个分离物的相互作用	机器学习	NA	深度学习	DenseNet121	图像	38,400个真菌菌株
1766	2024-12-12	Comparative benchmarking of failure detection methods in medical image segmentation: Unveiling the role of confidence aggregation 2024-Nov-30, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103392 PMID:39657400	研究论文	本文介绍了一个全面的基准测试框架，用于评估医学图像分割中的失败检测方法	提出了风险覆盖分析作为全面的评估方法，并强调了像素置信度聚合的重要性	未提及具体限制	评估医学图像分割中的失败检测方法	医学图像分割中的失败检测方法	计算机视觉	NA	深度学习算法	NA	图像	五个公开的3D医学图像数据集
1767	2024-12-12	BPEN: Brain Posterior Evidential Network for trustworthy brain imaging analysis 2024-Nov-26, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106943 PMID:39657531	研究论文	本文介绍了一种名为BPEN的新型后验证据网络，用于捕捉脑fMRI数据分析中的偶然不确定性和认知不确定性	提出了BPEN模型，能够同时捕捉偶然不确定性和认知不确定性，提升了脑fMRI数据分析的预测性能	未提及具体的局限性	解决脑fMRI数据分析中预测不确定性估计不足的问题	脑功能磁共振成像（fMRI）数据，特别是与轻度认知障碍（MCI）和抑郁症相关的数据	机器学习	神经退行性疾病	fMRI	BPEN	图像	使用了来自阿尔茨海默病神经影像倡议（ADNI）和ADNI-抑郁症（ADNI-D）队列的数据
1768	2024-12-12	Conformational ensemble-based framework enables rapid development of Lassa virus vaccine candidates 2024-Nov-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.21.624760 PMID:39605488	研究论文	本文利用基于构象集合的框架，通过AI驱动的深度学习方法，快速开发了拉沙病毒疫苗候选物	采用AlphaFold2的变体（subsampled AF2）生成拉沙病毒糖蛋白复合物（GPC）的多样化结构，并通过ProteinMPNN重新设计GPC序列，以减少变构域的移动性，从而优化疫苗设计	需要进一步实验验证重新设计的GPC序列的免疫原性和保护效果	开发一种基于AI的框架，用于快速设计和优化拉沙病毒疫苗候选物	拉沙病毒的糖蛋白复合物（GPC）及其免疫原性	机器学习	NA	AlphaFold2（AF2），ProteinMPNN	深度学习模型	蛋白质结构	一个小型重新设计的GPC序列库
1769	2024-12-12	Learning Interpretable Brain Functional Connectivity via Self-Supervised Triplet Network With Depth-Wise Attention 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3429169 PMID:39028590	研究论文	本文提出了一种自监督的三元组网络与深度注意力机制（TripletNet-DA），用于学习可解释的大脑功能连接	创新点在于使用自监督的三元组网络结合深度注意力机制，能够生成可解释的功能连接特征，并在自闭症谱系障碍和重度抑郁症的分类任务中表现优异	NA	研究目的是解决传统功能连接测量方法的局限性，提出一种能够捕捉可解释功能连接特征的深度学习方法	研究对象是自闭症谱系障碍和重度抑郁症患者的大脑功能连接	机器学习	自闭症谱系障碍	深度学习	三元组网络	脑电图	NA
1770	2024-12-12	Predicting Continuous Locomotion Modes via Multidimensional Feature Learning From sEMG 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3441600 PMID:39133593	研究论文	本研究提出了一种名为Deep-STF的端到端深度学习模型，用于从表面肌电图（sEMG）信号中进行多维特征提取，以预测连续的运动模式和过渡	Deep-STF模型在空间、时间和频率维度上进行集成特征提取，能够准确且稳健地预测九种运动模式和十五种过渡，且在不同预测时间间隔内表现出色	在测试新地形时，模型的预测准确性有所下降，尽管通过微调可以提高	提高步行辅助设备的智能性和透明度，确保在不同运动模式之间的平滑过渡	表面肌电图（sEMG）信号中的多维特征	机器学习	NA	深度学习	深度学习模型	信号	NA
1771	2024-12-12	GKE-TUNet: Geometry-Knowledge Embedded TransUNet Model for Retinal Vessel Segmentation Considering Anatomical Topology 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3442528 PMID:39137084	研究论文	提出了一种名为GKE-TUNet的新型分割模型，用于视网膜血管分割，考虑了解剖学拓扑结构	通过嵌入显式的视网膜血管解剖学拓扑特征，改进了深度学习在提取复杂交织结构和小血管方面的能力	未提及具体的局限性	开发一种能够有效分割视网膜血管的自动化方法，以辅助临床诊断和视网膜病变筛查	视网膜血管的解剖学拓扑结构和分割	计算机视觉	NA	图卷积网络（GAT）	GKE-TUNet	图像	使用了DRIVE、CHASE-DB1和STARE数据集进行实验
1772	2024-12-12	A Physiological-Informed Generative Model for Improving Breast Lesion Classification in Small DCE-MRI Datasets 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3443705 PMID:39141452	研究论文	本文提出了一种基于生理学信息的生成模型，用于在小样本DCE-MRI数据集中提高乳腺病变分类的性能	本文的创新点在于结合了生理学基础的药代动力学模型和内在形变自编码器，实现了生理学感知的数据增强策略	本文的局限性在于仅在乳腺DCE-MRI数据集上进行了验证，尚未在其他类型的医学图像数据集上进行测试	本文的研究目的是提高在小样本DCE-MRI数据集中乳腺病变分类的准确性	本文的研究对象是乳腺DCE-MRI数据集中的病变分类	计算机视觉	乳腺癌	DCE-MRI	自编码器	图像	本文使用了两个私有数据集和一个公共数据集进行测试
1773	2024-12-12	Framework for Deep Learning Based Multi-Modality Image Registration of Snapshot and Pathology Images 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3444908 PMID:39150810	研究论文	本文提出了一种基于深度学习的多模态图像配准框架，用于将显微病理图像与其他成像模态进行配准	本文的创新点在于提供了一个基于深度学习的多模态图像配准框架，并验证了其在前列腺离体白光相机快照图像与病理苏木精-伊红图像配准中的应用	本文的局限性在于仅验证了前列腺样本的配准效果，尚未在其他类型的病理图像上进行广泛验证	本文的研究目的是开发一种能够有效配准多模态医学图像的深度学习框架	本文的研究对象是前列腺离体白光相机快照图像与病理苏木精-伊红图像的配准	数字病理学	前列腺癌	深度学习	NA	图像	前列腺样本
1774	2024-12-12	Mitigating Diagnostic Errors in Lung Cancer Classification: A Multi-Eyes Principle to Uncertainty Quantification 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3446040 PMID:39163183	研究论文	本文提出了一种基于多模型和不确定性量化技术的Multi-Eyes原则，用于减少肺癌诊断中的误差和认知偏差	本文的创新点在于引入了Multi-Eyes原则，通过多种深度学习模型和不确定性量化技术来减少诊断偏差，并提高诊断准确性	未来的研究可以探索不同的不确定性量化方法和反馈机制以进一步改进	提高计算机辅助诊断系统在肺癌分类中的诊断性能	肺癌诊断中的误差和认知偏差	计算机视觉	肺癌	深度学习	CNN	图像	使用了LIDC-IDRI数据集进行肺癌分类
1775	2024-12-12	Classification of Multi-Parametric Body MRI Series Using Deep Learning 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3448373 PMID:39178097	研究论文	本文提出了一种基于深度学习的分类模型，用于分类8种不同类型的多参数磁共振成像（mpMRI）序列，以提高放射科医生的阅片效率	本文首次使用深度学习模型对多参数磁共振成像序列进行分类，并比较了ResNet、EfficientNet和DenseNet三种模型的性能	模型在外部数据集上的表现略低于内部数据集，表明模型在不同数据分布上的泛化能力有待提高	开发一种能够准确分类多参数磁共振成像序列的深度学习模型，以提高放射科医生的工作效率	8种不同类型的多参数磁共振成像序列	计算机视觉	NA	深度学习	DenseNet-121	图像	训练数据包括来自不同机构的729个研究，外部数据集包括DLDS和CPTAC-UCEC数据集
1776	2024-12-12	A Multi-Task Transformer With Local-Global Feature Interaction and Multiple Tumoral Region Guidance for Breast Cancer Diagnosis 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3454000 PMID:39226204	研究论文	本文提出了一种多任务网络，结合局部-全局特征交互和多肿瘤区域引导，用于基于乳腺超声的肿瘤分割和分类	本文创新性地提出了一个双流编码器，结合CNN和Transformer，促进局部和全局特征的分层交互与融合，并设计了一个多肿瘤区域引导模块，显式学习肿瘤内和肿瘤周围区域的长程非局部依赖关系	NA	提高乳腺超声图像中肿瘤分割和分类的准确性	乳腺超声图像中的肿瘤	计算机视觉	乳腺癌	深度学习	Transformer	图像	两个乳腺超声数据集
1777	2024-12-12	A Systematic Review on the Use of Consumer-Based ECG Wearables on Cardiac Health Monitoring 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3456028 PMID:39240746	综述	本文系统回顾了用于心脏健康监测的消费级心电图可穿戴设备，探讨了用于诊断和预防心脏相关疾病的模型或算法，并讨论了采用消费级可穿戴设备进行健康监测的挑战和未来工作	本文总结了消费级可穿戴设备的心电图功能、可用的心电图数据集以及用于检测心脏疾病和监测长期健康的各种算法，并讨论了心脏健康监测的集成挑战和未来方向	当前文献的潜在局限性包括算法推理和比较的缺乏以及数据泛化能力的有限	总结消费级心电图可穿戴设备的使用情况，探讨通过心电图分析诊断和预防心脏相关疾病的模型或算法，并讨论采用消费级可穿戴设备进行健康监测的挑战和未来工作	消费级心电图可穿戴设备、心电图信号、心脏相关疾病	数字病理学	心血管疾病	心电图分析	卷积神经网络（CNN）	心电图数据	102篇相关论文
1778	2024-12-12	LHAR: Lightweight Human Activity Recognition on Knowledge Distillation 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3298932 PMID:37494155	研究论文	本文提出了一种轻量级的人类活动识别框架LHAR，通过知识蒸馏技术提升智能穿戴设备上的个性化用户活动识别准确率	LHAR框架结合了跨人群活动识别任务与轻量级模型任务，采用教师-学生架构，学生网络使用深度可分离卷积层减少参数，并通过复杂教师模型的暗知识提升泛化能力	NA	提升智能穿戴设备上个性化用户活动识别的准确率和效率	人类活动识别任务	机器学习	NA	知识蒸馏	深度可分离卷积网络	传感器数据	NA
1779	2024-12-12	SFWN: A Novel Semi-Supervised Feature Weighted Neural Network for Gene Data Feature Learning and Mining With Graph Modeling 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3309842 PMID:37643105	研究论文	提出了一种新的半监督特征加权神经网络模型SFWN，用于基因数据特征学习和挖掘，通过图建模提高基因表达数据的分类准确性	首次使用基因表达数据的外部知识构建特征图、相似性核和样本图，并提出了一种新的半监督学习算法SGA和图稀疏模块SGCN，以解决稀疏表示问题和过平滑问题	NA	提高基因表达数据的特征学习和分类准确性，为相关疾病的诊断和临床实践提供新的工具	基因表达数据及其在疾病诊断中的应用	机器学习	NA	图神经网络（GNN）	半监督特征加权神经网络（SFWN）	基因表达数据	多个公共数据集
1780	2024-12-12	Uncertainty-Aware Health Diagnostics via Class-Balanced Evidential Deep Learning 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3360002 PMID:38319779	研究论文	本文提出了一种基于类别平衡的证据深度学习框架，用于实现健康诊断模型的公平和可靠的不确定性估计	引入了池化损失和可学习的先验分布，以解决类别不平衡问题，并提升不确定性估计的准确性	未提及具体实验的局限性或方法的适用范围	提高深度学习在健康诊断中的不确定性量化能力，特别是在类别不平衡数据上的应用	类别不平衡的健康诊断数据	机器学习	NA	证据深度学习	深度学习模型	健康数据	使用了具有不同不平衡程度的基准数据和多种自然不平衡的健康数据进行实验