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
21	2024-12-17	Generating bulk RNA-Seq gene expression data based on generative deep learning models and utilizing it for data augmentation 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107828 PMID:38101117	研究论文	本研究利用生成式深度学习模型生成批量RNA-Seq基因表达数据，并将其用于数据增强	首次使用生成对抗网络（GAN）和扩散模型（DM）生成高质量的批量RNA-Seq基因表达数据，并通过数据增强显著提升了分类模型的性能	未提及具体的局限性	开发一种基于生成式深度学习模型的方法，用于生成高质量的批量RNA-Seq基因表达数据，以增强下游任务的性能和可靠性	批量RNA-Seq基因表达数据	机器学习	NA	RNA-Seq	生成对抗网络（GAN）、扩散模型（DM）	基因表达数据	使用了迄今为止最大的数据集进行模型训练
22	2024-12-17	Pancreatic cancer pathology image segmentation with channel and spatial long-range dependencies 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107844 PMID:38103482	研究论文	本文提出了一种用于胰腺癌病理图像分割的通道和空间自注意力模块，以有效捕捉长距离特征依赖	引入了通道和空间自注意力模块，能够高效捕捉通道和空间上的长距离特征依赖，并提出了重新加权的交叉熵损失来缓解长尾分布对性能的影响	未提及	提高胰腺癌病理图像分割的准确性，以辅助病理学家实现更好的治疗效果	胰腺癌病理图像	数字病理学	胰腺癌	深度学习	自注意力机制	图像	使用了PCPI数据集和GlaS挑战数据集
23	2024-12-17	Medical image identification methods: A review 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107777 PMID:38104516	综述	本文综述了医学图像识别方法，分析和总结了机器学习、深度学习、卷积神经网络、迁移学习等技术在医学图像分析中的应用	强调了不同方法在医学图像分析中的最新进展和贡献，并总结了不同应用场景下的应用	未具体讨论每种方法的局限性	提供医学图像识别方法的全面概述，并探讨未来研究方向	医学图像识别方法及其在不同医学图像分析任务中的应用	计算机视觉	NA	机器学习、深度学习、卷积神经网络、迁移学习	卷积神经网络	图像	NA
24	2024-12-17	A deep learning model for Alzheimer's disease diagnosis based on patient clinical records 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107814 PMID:38113682	研究论文	本文提出了一种基于患者临床记录的深度学习模型，用于阿尔茨海默病（AD）的诊断	本文的创新点在于使用深度学习模型对AD风险因素进行分类，以减少误诊的影响	本文未详细说明所使用的重平衡方法和模型调优的具体细节	开发一种使用痴呆患者临床数据的深度学习模型，用于分类是否患有AD	痴呆患者的临床记录	机器学习	阿尔茨海默病	深度学习	神经网络模型	文本	未具体说明样本数量
25	2024-12-17	Deep-Orga: An improved deep learning-based lightweight model for intestinal organoid detection 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107847 PMID:38141452	研究论文	提出了一种基于YOLOX的轻量级深度学习模型Deep-Orga，用于自动化评估肠道类器官的形态	提出了Deep-Orga模型，通过改进模块提升了模型在肠道类器官检测中的性能	未提及具体的技术局限性	自动化评估类器官形态，减轻专业人员的劳动压力	肠道类器官	计算机视觉	NA	深度学习	YOLOX	图像	肠道类器官数据集
26	2024-12-17	Learning with limited annotations: A survey on deep semi-supervised learning for medical image segmentation 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107840 PMID:38157773	综述	本文综述了最近提出的用于医学图像分割的半监督学习方法，并总结了技术新颖性和实证结果	本文总结了半监督学习在医学图像分割中的技术新颖性，并分析了现有方法的局限性和未解决的问题	本文讨论了现有半监督学习方法的局限性和几个未解决的问题	探讨在有限标注情况下，半监督学习在医学图像分割中的应用	医学图像分割任务	计算机视觉	NA	半监督学习	深度学习模型	图像	NA
27	2024-12-17	Deep learning innovations in diagnosing diabetic retinopathy: The potential of transfer learning and the DiaCNN model 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107834 PMID:38159396	研究论文	本文介绍了一种基于深度学习的新方法，通过迁移学习和DiaCNN模型提高糖尿病视网膜病变（DR）的诊断精度	本文的创新点在于引入了迁移学习技术，利用InceptionResNetv2和Inceptionv3模型进行特征提取和微调，并提出了专门用于眼病分类的DiaCNN模型	NA	提高糖尿病视网膜病变的诊断精度，减少因DR导致的失明	糖尿病视网膜病变及其他眼病的诊断	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	使用了包含八种不同眼病类别的Ocular Disease Intelligent Recognition (ODIR)数据集
28	2024-12-17	Is fragment-based graph a better graph-based molecular representation for drug design? A comparison study of graph-based models 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107811 PMID:38168647	研究论文	本文比较了基于片段的图表示与传统图表示在药物设计中的效果	提出了基于片段的图表示方法，并通过实验验证其在数据有限情况下的优势	在大量训练数据的情况下，基于片段的分子图表示不一定优于传统方法	评估基于片段的图表示在药物设计中的有效性	比较八种基于深度学习算法的模型在12个基准数据集上的预测能力	机器学习	NA	图神经网络（GNNs）	GCN, AttentiveFP, D-MPNN, PharmHGT	分子数据	12个基准数据集
29	2024-12-17	Improving brain age prediction with anatomical feature attention-enhanced 3D-CNN 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107873 PMID:38181606	研究论文	提出了一种基于解剖特征注意力增强的3D卷积神经网络，用于改进从结构磁共振成像数据预测脑年龄	引入了解剖特征注意力（AFA）模块，有效捕捉显著的解剖特征，并结合深度卷积特征，简化了深度卷积特征的提取过程	未提及具体的技术局限性	改进从结构磁共振成像数据预测脑年龄的准确性	从结构磁共振成像数据中提取的解剖特征和深度卷积特征	计算机视觉	NA	深度学习	3D卷积神经网络（3D-CNN）	图像	2501个样本
30	2024-12-15	Deepfake detection using deep feature stacking and meta-learning 2024-Feb-29, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e25933 PMID:39670070	研究论文	本文提出了一种基于深度特征堆叠和元学习的深度伪造检测方法	本文创新性地结合了Xception和EfficientNet-B7模型的特征，并通过元学习器（多层感知器）进行分类，显著提高了检测准确率	NA	解决深度伪造视频检测问题	深度伪造视频	计算机视觉	NA	深度学习	多层感知器	视频	Celeb-DF (V2) 数据集和 FaceForensics++ 数据集
31	2024-12-15	STEFF: Spatio-temporal EfficientNet for dynamic texture classification in outdoor scenes 2024-Feb-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e25360 PMID:39668860	研究论文	本文提出了一种新的时空方法STEFF，用于户外场景中的动态纹理分类	STEFF方法结合了运动和外观的表示能力，通过视频序列之间的差异和平均操作符进行动态纹理分类	NA	解决动态纹理分类中的空间和时间特性未知的问题	户外场景中的动态纹理	计算机视觉	NA	深度学习	EfficientNet	视频	三个数据集：Yupenn、DynTex++和Yupenn++
32	2024-12-15	Resource-Efficient Neural Network Architectures for Classifying Nerve Cuff Recordings on Implantable Devices 2024-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3312361 PMID:37672367	研究论文	本文探讨了在植入式设备上对神经袖带记录进行分类的资源高效神经网络架构	提出了三种神经网络架构（ESCAPE-NET、全卷积网络和循环神经网络）的变体，显著减少了权重、内存和浮点运算的需求，同时保持了较高的分类准确性	未提及具体的局限性	减少植入式设备实现中的资源利用，同时保持神经路径分类的性能	使用56通道袖带电极记录的鼠坐骨神经信号	机器学习	NA	卷积神经网络（CNN）、循环神经网络	卷积神经网络（CNN）、全卷积网络、循环神经网络	神经信号	使用先前收集的56通道袖带电极记录的鼠坐骨神经信号
33	2024-12-15	Temporal-Spatial Correlation Attention Network for Clinical Data Analysis in Intensive Care Unit 2024-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3309956 PMID:37647192	研究论文	本文介绍了一种时空相关注意力网络（TSCAN），用于解决重症监护病房中的多种临床特征预测问题	本文提出了TSCAN模型，利用注意力机制有效识别临床数据中的相关项目和时间相关节点，从而提高预测准确性	NA	利用深度学习技术解决重症监护病房中的临床特征预测问题	重症监护病房中的临床数据，包括死亡率预测、住院时间预测、生理衰退检测和表型分类	机器学习	NA	注意力机制	TSCAN	临床数据	使用了来自MIMIC-IV数据库的数据
34	2024-12-15	Learning Without Real Data Annotations to Detect Hepatic Lesions in PET Images 2024-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3315268 PMID:37708016	研究论文	本文提出了一种无需真实数据标注的深度学习方法，用于在PET图像中检测肝部病变	创新点在于设计了一种区域引导的生成对抗网络（RG-GAN），并结合数据增强模块，能够在没有真实病变标注的情况下进行肝部病变检测	NA	设计一种无需真实数据标注的深度学习方法，用于在PET图像中检测肝部病变	神经内分泌肿瘤（NETs）的肝部病变检测	计算机视觉	肝部病变	生成对抗网络（GAN）	区域引导生成对抗网络（RG-GAN）	图像	NA
35	2024-12-13	Use of artificial intelligence in triaging of chest radiographs to reduce radiologists' workload 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10124-1 PMID:37615766	研究论文	评估基于深度学习的检测算法在胸部X光片分诊中减少放射科医生工作量并保持非劣敏感性的效果	使用深度学习算法进行胸部X光片的分诊，能够在减少50%工作量的情况下保持非劣敏感性并提高特异性	法律上对基于AI独立解读错误诊断的责任尚未明确	评估深度学习算法在减少放射科医生工作量方面的效果	门诊患者的胸部X光片	计算机视觉	NA	深度学习	深度学习模型	图像	1964名患者
36	2024-12-12	Development of a 3D tracking system for multiple marmosets under free-moving conditions 2024-02-21, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-05864-9 PMID:38383741	研究论文	本文开发了一种用于自由移动条件下多只小绢猴的三维追踪系统	首次实现了对多只小绢猴在自由移动条件下的长期自动化行为观察，并结合视频追踪、激光雷达和深度学习技术，实现了高精度的个体识别和行为检测	NA	研究非人灵长类动物的社会互动和行为变化，以理解生命事件中的脑功能变化和神经疾病的病理	小绢猴（Callithrix jacchus）的行为和社交互动	计算机视觉	NA	视频追踪、激光雷达、深度学习	深度学习模型	视频	多只小绢猴
37	2024-12-12	AI-ENABLED ASSESSMENT OF CARDIAC FUNCTION AND VIDEO QUALITY IN EMERGENCY DEPARTMENT POINT-OF-CARE ECHOCARDIOGRAMS 2024-02, The Journal of emergency medicine IF:1.2Q3 DOI:10.1016/j.jemermed.2023.02.005 PMID:38369413	研究论文	开发了一种名为EchoNet-POCUS的深度学习系统，用于帮助急诊医生解释POCUS超声心动图并减少操作员之间的差异	提出了EchoNet-POCUS系统，利用深度学习技术自动评估POCUS超声心动图中的心脏功能和视频质量	需要进一步的临床试验来验证EchoNet-POCUS在实际应用中的效果	开发一种能够实时评估急诊部门POCUS超声心动图中心脏功能和视频质量的AI系统	急诊部门中使用POCUS超声心动图的患者	计算机视觉	心血管疾病	深度学习	深度学习系统	视频	一个新的POCUS超声心动图视频数据集，由急诊医生在急诊部门获取并标注了心脏功能和视频质量
38	2024-12-11	Spatiotemporal profiling defines persistence and resistance dynamics during targeted treatment of melanoma 2024-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.02.577085 PMID:38370717	研究论文	本文通过空间转录组学和深度学习分析，研究了黑色素瘤在靶向治疗中的持久性和抗性动态	本文首次结合空间转录组学和深度学习分析，揭示了黑色素瘤在靶向治疗中的持久状态及其抗性机制	本文主要基于患者来源的异种移植模型，研究结果的临床转化性有待进一步验证	研究黑色素瘤在靶向治疗中的持久性和抗性动态，并探讨治疗策略的选择和时机	BRAF突变的黑色素瘤细胞及其在靶向治疗中的持久状态和抗性机制	数字病理学	黑色素瘤	空间转录组学	深度学习	图像	患者来源的异种移植模型
39	2024-12-11	Targeted design of synthetic enhancers for selected tissues in the Drosophila embryo 2024-Feb, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06905-9 PMID:38086418	研究论文	本文结合深度学习和迁移学习，设计了果蝇胚胎中五个特定组织的合成增强子	本文首次通过深度学习和迁移学习的方法，成功设计了具有组织特异性的合成增强子，并验证了其在果蝇胚胎中的功能	本文仅在果蝇胚胎中验证了合成增强子的功能，尚未在其他系统中进行验证	设计具有组织特异性的合成增强子，并验证其在果蝇胚胎中的功能	果蝇胚胎中的五个特定组织：中枢神经系统、表皮、肠道、肌肉和大脑	基因调控	NA	ATAC-seq	卷积神经网络（CNN）	基因组数据	40个合成增强子（每个组织8个）
40	2024-12-11	Cell-type-directed design of synthetic enhancers 2024-Feb, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06936-2 PMID:38086419	研究论文	本文展示了深度学习模型可以用于高效设计合成、细胞类型特异性的增强子，并详细追踪增强子特征	利用深度学习模型设计合成增强子，并创建了针对两种细胞类型的'双码'增强子和小于50个碱基对的全功能最小增强子	NA	解码增强子的调控逻辑，理解时空基因表达在增强子序列中的编码细节	果蝇大脑中的肯尼森细胞和胶质细胞，以及人类增强子	机器学习	NA	深度学习	深度学习模型	序列	使用转基因动物评估全合成增强子的功能