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
1	2024-12-20	Learning From Incorrectness: Active Learning With Negative Pre-Training and Curriculum Querying for Histological Tissue Classification 2024-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3313509 PMID:37682642	研究论文	本文提出了一种名为ICAL的主动学习框架，用于组织学组织分类，通过负预训练和课程查询来提高分类性能	ICAL框架引入了Incorrectness Negative Pre-training (INP) 和 Category-wise Curriculum Querying (CCQ)，分别从类别间和类别自身的角度解决分类问题，利用错误预测结果进行负预训练，并根据学习状态调整查询权重	NA	提高组织学组织分类的性能，减少标注成本	组织学组织分类	数字病理学	NA	主动学习	NA	图像	两个组织学组织分类数据集
2	2024-12-20	Phase Aberration Correction for In Vivo Ultrasound Localization Microscopy Using a Spatiotemporal Complex-Valued Neural Network 2024-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3316995 PMID:37721883	研究论文	本文提出了一种基于时空复值卷积神经网络的深度学习方法，用于校正活体超声定位显微镜中的相位畸变	本文首次采用复值卷积神经网络（CV-CNN）来预测畸变函数，并通过3D时空卷积利用整个微泡轨迹，提高了网络的可解释性和校正效果	本文仅在老鼠大脑数据上进行了验证，未来需要在更多生物和临床数据上进行验证	开发一种新的方法来校正活体超声定位显微镜中的相位畸变，以提高图像分辨率和血管重建质量	老鼠大脑中的微血管网络	生物医学成像	NA	超声定位显微镜（ULM）	复值卷积神经网络（CV-CNN）	图像	3只老鼠大脑的活体数据
3	2024-12-20	Deep Learning for Retrospective Motion Correction in MRI: A Comprehensive Review 2024-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3323215 PMID:37831582	综述	本文综述了深度学习在磁共振成像（MRI）中回顾性运动校正的应用	本文详细介绍了基于学习的MRI运动校正方法，并讨论了不同应用领域之间的差异和协同作用	由于MR采集序列、解剖结构、病理和运动模式的多样性，难以找到一个全面的解决方案	促进不同应用领域之间的思想交流，并讨论未来发展方向	MRI中的运动校正问题	计算机视觉	NA	深度学习	NA	图像	NA
4	2024-12-20	NRTR: Neuron Reconstruction With Transformer From 3D Optical Microscopy Images 2024-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3323466 PMID:37847618	研究论文	本文提出了一种基于Transformer的神经元重建方法NRTR，用于从3D光学显微镜图像中进行端到端的神经元重建	NRTR是首个将神经元重建视为直接集合预测问题的图像到集合深度学习模型，抛弃了复杂的基于规则的组件，简化了整体框架并使模型训练更容易	NA	设计一种端到端的神经元重建方法，简化框架并使模型训练更容易	从3D光学显微镜图像中进行神经元重建	计算机视觉	NA	Transformer	Transformer	图像	使用了BigNeuron和VISoR-40数据集进行实验
5	2024-12-18	WBC YOLO-ViT: 2 Way - 2 stage white blood cell detection and classification with a combination of YOLOv5 and vision transformer 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107875 PMID:38154163	研究论文	本文提出了一种结合YOLOv5和视觉变换器（ViT）的两阶段白细胞检测和分类方法	本文的创新点在于将YOLOv5的快速目标检测能力与ViT的强大图像表示能力相结合，用于白细胞的检测和分类	本文的局限性在于处理微观图像时面临的有限数据、分辨率噪声、不规则形状和不同来源的颜色变化问题	研究目的是提高白细胞检测和分类的准确性、效率，并减少人为偏差	研究对象是白细胞（即白血球）的检测和分类	计算机视觉	NA	YOLOv5, 视觉变换器（ViT）	YOLO, ViT	图像	16类白细胞和细胞核图像
6	2024-12-18	A deep learning framework for predicting molecular property based on multi-type features fusion 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107911 PMID:38160501	研究论文	提出了一种基于多类型特征融合的深度学习框架DLF-MFF，用于预测分子属性	通过融合分子指纹、2D分子图、3D分子图和分子图像等多种特征，提升了分子属性预测的准确性	未提及具体的局限性	开发一种新的深度学习模型，用于准确预测分子属性，并应用于COVID-19药物重定位	分子属性的预测以及潜在的抗SARS-CoV-2抑制剂的识别	机器学习	NA	深度学习	深度学习框架	分子指纹、2D分子图、3D分子图、分子图像	6个基准数据集，包含多种分子属性，以及2500种药物
7	2024-12-18	DeepGraFT: A novel semantic segmentation auxiliary ROI-based deep learning framework for effective fundus tessellation classification 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107881 PMID:38159401	研究论文	本文介绍了一种名为DeepGraFT的自动视网膜网格分类系统，利用深度学习的分类与分割协同决策模型进行视网膜网格的检测与分类	DeepGraFT通过引入分类与分割协同决策模型，显著提高了视网膜网格分类的准确性，并展示了其在预测病理性近视进展中的潜在临床应用	本文未详细讨论DeepGraFT在不同种族或人群中的泛化能力，以及其在实际临床环境中的应用效果	开发一种自动化的视网膜网格分类系统，以帮助预测病理性近视的进展和预后	视网膜网格（FT）及其在病理性近视中的临床意义	计算机视觉	眼科疾病	深度学习	ConvNeXt	图像	训练集来自内部队列（MAGIC），验证集包括内部队列的其余部分和独立的公开队列（UK Biobank）
8	2024-12-18	An improved Bi-LSTM method based on heterogeneous features fusion and attention mechanism for ECG recognition 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107903 PMID:38171263	研究论文	提出了一种基于异构特征融合和注意力机制的改进Bi-LSTM方法，用于心电图识别	结合经验特征和深度学习网络特征，提出了一种基于异构特征融合和注意力机制的Bi-LSTM算法，并设计了一种基于改进DTW的注意力机制来分析和控制特征融合过程	未提及具体局限性	提高心电图信号识别的准确性	心电图信号	机器学习	心血管疾病	Bi-LSTM	Bi-LSTM	信号	模拟数据集和真实数据集
9	2024-12-18	MLMSeg: A multi-view learning model for ultrasound thyroid nodule segmentation 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107898 PMID:38176210	研究论文	本文提出了一种多视角学习模型MLMSeg，用于超声甲状腺结节的分割	本文创新点在于引入深度卷积神经网络进行局部视图特征编码，设计多通道Transformer模块捕捉全局视图的长程依赖关系，并提出跨层图卷积模块学习高层和低层特征的相关性，以及设计通道感知图注意力块进行视图融合	本文未提及现有方法的具体局限性	研究目的是提高超声图像中甲状腺结节分割的准确性，以辅助早期诊断	研究对象是超声图像中的甲状腺结节	计算机视觉	甲状腺疾病	深度学习	CNN、Transformer、图卷积网络	图像	两个不同的甲状腺数据集
10	2024-12-18	All-trans retinoic acid acts as a dual-purpose inhibitor of SARS-CoV-2 infection and inflammation 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107942 PMID:38183702	研究论文	本文评估了全反式维甲酸（ATRA）在治疗SARS-CoV-2感染中的有效性，并揭示了其分子机制	首次提供了ATRA抑制SARS-CoV-2进入和复制，并调节宿主细胞炎症反应的证据	NA	评估ATRA在治疗SARS-CoV-2感染中的有效性并揭示其分子机制	全反式维甲酸（ATRA）对SARS-CoV-2感染和炎症的作用	NA	COVID-19	深度学习、体外研究、多尺度分子建模、网络药理学	DeepDTA	NA	NA
11	2024-12-18	Microscopic urinary particle detection by different YOLOv5 models with evolutionary genetic algorithm based hyperparameter optimization 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107895 PMID:38183704	研究论文	本研究提出了一种基于YOLOv5模型的先进深度学习方法，用于从显微尿沉渣图像中自动检测六种尿液颗粒，并使用进化遗传算法优化超参数	本研究的创新点在于使用YOLOv5模型及其变体进行尿液颗粒检测，并采用进化遗传算法优化超参数，提高了检测速度和准确性	本研究的局限性在于依赖于大量手动标注的数据，且检测性能在不同颗粒类别上存在差异	本研究的目的是开发一种快速且高效的自动化显微模型，用于从显微尿沉渣图像中检测尿液颗粒，以辅助肾脏疾病的诊断	本研究的研究对象是显微尿沉渣图像中的六种尿液颗粒（红细胞、白细胞、晶体、管型、真菌、上皮细胞）	计算机视觉	肾脏疾病	深度学习	YOLOv5	图像	5376张尿沉渣图像，包含6种颗粒
12	2024-12-18	DL-SPhos: Prediction of serine phosphorylation sites using transformer language model 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107925 PMID:38183701	研究论文	本文介绍了一种基于变压器语言模型和深度神经网络的工具DL-SPhos，用于预测丝氨酸磷酸化位点	本文引入了可解释的人工智能技术，结合变压器语言模型和深度神经网络，显著提高了丝氨酸磷酸化位点预测的准确性，并超越了其他深度学习预测工具	NA	研究丝氨酸磷酸化在细胞过程和疾病发病机制中的关键作用，并开发一种高效的预测工具	丝氨酸磷酸化位点和相关保守基序	机器学习	癌症和生殖系统疾病	深度学习	变压器语言模型和深度神经网络	蛋白质序列	使用了UniProt的蛋白质序列数据进行训练，并在dbPTM基准数据集和PTMD数据集上进行了验证
13	2024-12-18	An emotion recognition method based on EWT-3D-CNN-BiLSTM-GRU-AT model 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107954 PMID:38183705	研究论文	提出了一种基于EWT-3D-CNN-BiLSTM-GRU-AT模型的情感识别方法，通过结合EEG信号的频率、空间和时间特征，实现了高效的情感分类	该研究创新性地结合了经验小波变换（EWT）、卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、门控循环单元（GRU）和自注意力机制（AT），构建了一个3D深度学习框架，显著提升了情感分类的准确性	研究仅在DEAP数据库上进行了评估，未来可能需要在更多数据集上验证其泛化能力	提高情感识别系统的鲁棒性和分类准确性	EEG信号的情感分类	机器学习	NA	经验小波变换（EWT）	卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、门控循环单元（GRU）、自注意力机制（AT）	EEG信号	DEAP数据库中的EEG记录
14	2024-12-18	Methods and datasets for segmentation of minimally invasive surgical instruments in endoscopic images and videos: A review of the state of the art 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107929 PMID:38184862	综述	本文综述了在计算机和机器人辅助微创手术领域中，用于内窥镜图像和视频中微创手术器械分割的方法和数据集的最新进展	本文强调了公开可用数据集的提供如何促进了基于深度学习的新方法的发展	本文指出了现有研究中的不足，并强调了未来发展的潜力	回顾和评估用于微创手术器械分割和跟踪的方法及其使用的数据集	微创手术器械在内窥镜图像和视频中的分割和跟踪	计算机视觉	NA	深度学习	NA	图像和视频	分析了741篇文章，其中123篇符合系统选择标准
15	2024-12-18	Interpretable CRISPR/Cas9 off-target activities with mismatches and indels prediction using BERT 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107932 PMID:38199209	研究论文	本文开发了一种基于BERT的模型CRISPR-BERT，用于预测CRISPR/Cas9的脱靶效应，并提出了一种自适应批量类别平衡策略来处理数据不平衡问题	首次实现了同时预测脱靶位点的错配和插入缺失，并提出了自适应批量类别平衡策略来处理数据不平衡问题，同时通过可视化方法增强了模型的可解释性	NA	提高CRISPR/Cas9基因编辑中sgRNA的靶向特异性预测精度	CRISPR/Cas9系统的脱靶效应	机器学习	NA	BERT	BERT	序列数据	五个仅错配数据集和两个包含错配和插入缺失的数据集
16	2024-12-18	System for automatically assessing the likelihood of inferior alveolar nerve injury 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107923 PMID:38199211	研究论文	本文提出了一种基于全景放射图像的自动化系统，用于评估下牙槽神经损伤的可能性	提出了新的分割模型SS-TransUnet和分类算法CD-IAN injury class，提高了分割和分类的准确性，并增强了模型的可解释性	未提及具体的局限性	提高下颌第三磨牙和下颌管的分割精度以及下牙槽神经损伤可能性的分类准确性，减少下牙槽神经损伤的发生	下颌第三磨牙和下颌管的分割，以及下牙槽神经损伤可能性的分类	计算机视觉	口腔疾病	深度学习	SS-TransUnet	图像	未提及具体的样本数量
17	2024-12-17	Self-supervised learning-based cervical cytology for the triage of HPV-positive women in resource-limited settings and low-data regime 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107809 PMID:38113684	研究论文	本文提出了一种基于自监督学习的宫颈细胞学方法，用于资源有限和数据匮乏环境下HPV阳性女性的筛查	提出了Cervical Cell Copy-Pasting（CP）作为有效的数据增强方法，并展示了其在多种下游任务中的性能提升	实验仅基于内部数据集，可能限制了方法的普适性	开发一种适用于资源有限环境的深度学习辅助宫颈细胞学诊断方法	HPV阳性女性的宫颈细胞学筛查	数字病理学	宫颈癌	自监督学习	NA	图像	使用了基于低成本技术获取的液基细胞学宫颈涂片图像
18	2024-12-17	MSDSE: Predicting drug-side effects based on multi-scale features and deep multi-structure neural network 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107812 PMID:38091725	研究论文	提出了一种基于多尺度特征和深度多结构神经网络的药物副作用预测模型MSDSE	MSDSE综合考虑了药物的多尺度特征，包括SMILES序列的词嵌入、子结构分子指纹和化学结构图嵌入，并通过双层通道策略从局部到全局学习多模态特征	NA	开发一种适用于早期药物副作用筛选的深度学习框架	药物副作用的预测	机器学习	NA	深度学习	卷积神经网络、多头自注意力机制	文本、图	基准数据集
19	2024-12-17	AttCON: With better MSAs and attention mechanism for accurate protein contact map prediction 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107822 PMID:38091726	研究论文	本文提出了一种改进的蛋白质接触图预测算法AttCON，结合了改进的多序列比对生成算法DeepMSA+和基于注意力机制的深度学习模型	提出了DeepMSA+算法用于生成蛋白质多序列比对，并构建基于共进化信息和序列信息的特征表示；引入了参数无关的注意力模块，并使用Focal Loss函数解决数据不平衡问题；开发了加权评估指标W score，特别关注中程和长程接触预测的精度	未提及具体局限性	提高蛋白质接触图预测的准确性	蛋白质接触图预测	机器学习	NA	多序列比对	深度学习模型	序列	使用了CASP11到CASP15的数据集
20	2024-12-17	Beyond human in neurosurgical exams: ChatGPT's success in the Turkish neurosurgical society proficiency board exams 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107807 PMID:38091727	研究论文	本研究比较了ChatGPT在土耳其神经外科协会熟练度委员会考试中的表现与实际考生的表现，并分析了其回答错误的问题类型及其回答质量	ChatGPT在考试中的表现优于实际考生，且其回答的清晰度与问题难度无关	未提及	评估ChatGPT在神经外科考试中的表现	ChatGPT在土耳其神经外科协会熟练度委员会考试中的表现	自然语言处理	NA	深度学习	Chat Generative Pre-Trained Transformer (ChatGPT)	文本	260名考生和523个问题